注册并分享邀请链接,可获得视频播放与邀请奖励。

Sixeared
@6_eared
@CantonNetwork@CanPayAI MOD | Canton Coin ($CC) Holder Sharing insights on trading automation & Canton ecosystem | Host Old-school AI Agent | Peace & Love
3.9K 正在关注    5.3K 粉丝
刚刚还在说 K3 部署得花不少钱,这不,马上有人开始研究怎么让大模型的蒸馏少烧一点机器。 K3 这种 2.8T 模型,光 BF16 原始权重就约 5.6TB。 Moonshot 官方给出的建议是 64+ accelerators 的 supernode。那我们就粗算一下,假设全部用 H200。 H200 单卡有 141GB HBM,公开价格按约 2.7 万美元算,折合人民币大约 19 万一张。 64 张 H200,就是约 1200 万人民币。 这还只是 GPU。 再加上 CPU、内存、NVMe、高速网络、服务器、电源、散热和后续运维,一套真正拿来跑 K3 的 64-accelerator 集群等等等等…… 所以自己部署的话,算下来三千万左右吧,人民币啊。 这个 GitHub 项目做的事情就很明确:把教师模型每个位置 Top-100 的 logits 先缓存下来,学生后面直接用缓存训练,减少教师反复计算的成本。 另外,它把 KL loss 改成 Fused Chunked 的计算方式,不再一次性生成完整的 vocab × seq 稠密张量,而是把输出投影直接融进 KL 计算,按 chunk 处理。 实际测试里,GPT-OSS 20B、32K context 的节点数从 4 个缩到 1 个,单步从 57 秒降到 12.23 秒,单 GPU 吞吐从 74.2 提到 345.7 TFLOP/s。 代码已经开源: 有条件的朋友可以去试试。 我倒想知道,看到这条的有多少大佬能自己部署 K3。 大佬带带弟弟。 论文在这里:
显示更多
既然 Kimi K3 已经把开放 Agent 模型带到 2.8T 参数这个规模,@Meta 为什么还发布一个 30B 的 Muse Glimmer? Kimi K3 代表的是一条很明确的路线:继续扩大开放模型的能力边界—— 2.8T 参数、1M context、视觉理解,面向长程 coding、知识工作和深度推理。Kimi 官方还建议用 64+ accelerators 的 supernode 部署它。它更接近在回答: 开放模型还能承载多复杂的 Agent 任务? Glimmer 选择的是另一种部署尺度。 30B 多模态、Apache 2.0 开放权重。 HuggingFace在发布说明里直接写了本地 coding、文档分析、个人助手,以及 “Claw- or Hermes-like setups”;发布当天还提供 transformers、llama.cpp、vLLM 接入,并展示了 GGUF 量化和 OpenAI-compatible endpoint 的本地运行路径。 Llama 早就能接进 Agent,Glimmer 的变化不在于第一次具备这项能力。我认为重点是: 这次发布把模型的使用语境更明确地放到了自行部署 Agent 的开发者场景里。 当然,本地不等于轻量。HF 给出的 BF16 推理参考仍是 1×80GB H100,这不是普通人能部署的;量化后的性能、硬件门槛和长期运维成本,还需要真实使用验证。 所以 Meta 发 Glimmer,并不是拿 30B 去打压 2.8T。 K3 把开放模型推向更大的能力规模;Glimmer 则把多模态、开放权重、量化路径和本地 Agent 工作流结合在一起。 Meta 这次关注的可能是另一类需求:开发者是否能把模型部署、修改,再接进自己的文件、工具和工作流。 出处:
显示更多
0
15
14
0
转发到社区
兄弟们,不问怎么知道呢? @wolrd_xyz Need your follow back badly
rumor says if you are followed by @world_xyz something very big will happen (source: trust me bro)
既然 Kimi K3 已经把开放 Agent 模型带到 2.8T 参数这个规模,@Meta 为什么还发布一个 30B 的 Muse Glimmer? Kimi K3 代表的是一条很明确的路线:继续扩大开放模型的能力边界—— 2.8T 参数、1M context、视觉理解,面向长程 coding、知识工作和深度推理。Kimi 官方还建议用 64+ accelerators 的 supernode 部署它。它更接近在回答: 开放模型还能承载多复杂的 Agent 任务? Glimmer 选择的是另一种部署尺度。 30B 多模态、Apache 2.0 开放权重。 HuggingFace在发布说明里直接写了本地 coding、文档分析、个人助手,以及 “Claw- or Hermes-like setups”;发布当天还提供 transformers、llama.cpp、vLLM 接入,并展示了 GGUF 量化和 OpenAI-compatible endpoint 的本地运行路径。 Llama 早就能接进 Agent,Glimmer 的变化不在于第一次具备这项能力。我认为重点是: 这次发布把模型的使用语境更明确地放到了自行部署 Agent 的开发者场景里。 当然,本地不等于轻量。HF 给出的 BF16 推理参考仍是 1×80GB H100,这不是普通人能部署的;量化后的性能、硬件门槛和长期运维成本,还需要真实使用验证。 所以 Meta 发 Glimmer,并不是拿 30B 去打压 2.8T。 K3 把开放模型推向更大的能力规模;Glimmer 则把多模态、开放权重、量化路径和本地 Agent 工作流结合在一起。 Meta 这次关注的可能是另一类需求:开发者是否能把模型部署、修改,再接进自己的文件、工具和工作流。 出处:
显示更多
0
47
45
1
转发到社区
. canton-network:native 最近反弹接近 15%,同一时间, $BTC 、 $ETH 的波动并不大。所以这轮上涨,很难只是“整个市场回暖”。但也不能现在就定义为“反转”。 有个问题:这 15% 的回补,市场到底在交易什么? 可能只是前期急跌后的超跌修复。 也可能是资金重新开始交易 Canton 后面的机构化预期。 很难猜。 最近 24 小时,Lighthouse 的公开 round 数据里,奖励组件约 21.44M canton-network:native ,burn 约 13.91M canton-network:native ,覆盖约 64.9%。 这不是说新增供给就是 7.53M canton-network:native。奖励到账、锁定、流通和实际卖出之间,还隔着几层。 但当前公开数据也没有证明, canton-network:native 的供给压力已经被完全消化。 所以 0.10 附近更像观察区,不是反转确认位。 接下来要看的,是 burn 对公开奖励组件的覆盖率能不能持续抬升,以及这轮回补后,价格能不能扛住卖压。 如果两件事开始同时发生,这轮行情才有机会从超跌反弹走向重估。 至于我为什么现在才想起来分析…… 0.17 的时候我怎么没想起来? 现在倒是来劲了。 嗐! 拍断大腿!
显示更多
0
32
30
0
转发到社区
有意思。 今天 X 正式推出 Original Content Rewards Program:香港、台湾、日本、新加坡、韩国、泰国、马来西亚、越南、美国、英国等都在支持地区名单里,中国大陆不在。 几个月前,具体应该是5月,中文区就已经有人开始提醒创作者尽早完成身份认证。 8 月:新的创作者收益计划不支持中国大陆。 把这两个时间点放在一起…… 难道只是巧合吗? (当然这只是我的无端联想
显示更多
0
76
46
1
转发到社区
看到 @Cloudflare 发布 Kitesurf,我第一反应是:能不能直接装进自己的 Hermes Agent? 结果发现,它不是这么用的。 Kitesurf 跑在 Cloudflare Workers 的 V8 isolates 里,通过 Browser Run 提供网页读取、HTML 提取、截图和页面操作。它服务的是已经部署在 Workers 上的 Agent。 对长期运行的 Agent 来说,如果每个实例都自己起 Chromium,CPU、内存和稳定性都会变成持续成本。Cloudflare 把这部分放到了自己的运行环境里。 8 月 4 日,Cloudflare 发布 Wallets。8 月 6 日,Kitesurf 上线。 一个是 Agent 的可编程钱包,一个是给 Workers 上的 Agent 处理网页任务的能力。 同一天,@awscloud 发布 AgentCore Runtime instances,为生产环境中的 Agent 提供可长期运行、保留状态的托管实例。 也是 8 月 6 日,@MetaMask 发布 Agent Wallet。用户可以设置 spend limit、协议 allowlist,选择 Guard Mode 或 Beast Mode;交易执行前还会经过模拟、威胁扫描和 MEV 防护。MetaMask 官方列出的可接入框架里,也有 Hermes。 @CanPayAI 更早发布 Agent Wallet 时,已经把身份、钱包、支付额度和可执行动作放进同一套约束里:Agent 付款前,先锁定是谁在执行、能花多少、能做什么。 MetaMask 把这些边界带进链上交易;CanPay 则从 Agent 进入支付和结算的那一刻开始处理它们。 这些产品未必彼此关联,也不需要硬凑成同一套故事。 但 Agent 要在云端长期跑、处理网页、持有资产,并在预设规则下替用户执行任务——这些能力偏偏在几天内被不同公司接连摆到了台面上。 如果它们隔着几个月出现,可能只是各自的产品更新。 但现在,很难不让人联想:Agent 经济的第一簇火,也许已经在大多数人还没注意到的地方烧起来了。 来源: - Cloudflare Kitesurf|2026-08-06 Introducing Kitesurf: The agent-first browser that runs in V8 isolates on Cloudflare Workers - AWS AgentCore Runtime instances|2026-08-06 22:58 UTC 标题:Runtime instances: persistent compute for production AI agents on Amazon Bedrock AgentCore AWS Machine Learning Blog - MetaMask Agent Wallet|2026-08-06 MetaMask Agent Wallet is live: self-custodial AI trading
显示更多
0
38
40
2
转发到社区
兄弟们你们一定要尝尝这个🤣
0
35
38
0
转发到社区
这何尝不是一种体贴呢?
0
23
23
0
转发到社区
一年前的今天,Rialo 正式发布。 这一年里,它没有急着追热点,而是一步步把自己的技术路线铺开。从 Reactive Transactions、Native Privacy,到 AI Agents、Prediction Markets、RWA,很多东西都是慢慢长出来的。回头再看,这些其实都指向同一个目标——为下一代智能系统打造基础设施。 但对我来说,过去这一年,印象最深的不只是这些技术更新。 作为 @rialo_zw 社区的主持人,我见证了这个社区一点点成长。从最初只有几个人聊天,到后来越来越多的新朋友加入;从日常讨论技术,到一起组织活动,甚至一群人开着语音唱 K 唱到深夜。 很多人因为 @RialoHQ 相识,也因为这些看似不起眼的时刻,慢慢成为了朋友。 一个项目能走多远,最终还是取决于有没有一群愿意长期留下来的人。 很高兴能陪 Rialo 走过第一个一年,也感谢社区里每一位成员这一年来的陪伴。 祝 @RialoHQ 一周年快乐。 希望明年的这个时候,我们还能一起回头看看,又走了多远。
显示更多
One year of Rialo. What started with around a handful of people has grown into a global community that shares our mission to build a smart blockchain network for real financial workflows. Here is who we are now, building the infrastructure for neofinance. Traditional blockchain systems bolt compliance on after the fact, which locks a lot of regulated activity out of onchain opportunity. Rialo builds the rules, logic, and execution into a system that carries them out, so compliance, privacy and automation become part of the infrastructure itself rather than something layered on top. Today, blockchain-enabled financial applications require stitching together bridges, oracles, bots, and privacy middleware, then maintaining all of it. We built those functions into the network itself. Over the past year, Rialo became the first network with:  • User-customizable data feeds • In-protocol API calls • User-customizable interoperability • Configurable privacy We've also hit milestones that demonstrate that Rialo’s simplified architecture can achieve superior performance: • 600k+ TPS • 200ms finality • 50ms block times We want to thank our builder community around the world - the individuals who hosted regional calls, translated content, welcomed new members and created things on Rialo that solve real world problems. Our Builder's Hub, Shark Tank and Agent Grand Prix became the stages where hundreds of people showed up to create, test and build. And thanks to our partners and investors for their continued confidence in us. @PanteraCapital, @cbventures, @variantfund, @hashed_official, @mirana, @Mysten_Labs, @fabric_vc, @flowdesk_co, and others who backed Subzero Labs and the mission of Rialo early. Our focus for year two is specific: institutional credit, agentic commerce, and building the infrastructure for neofinance - bringing enablement, programmability and governance to real-world financial systems. Year one was the foundation. Year two is where we build on it. Get Real. Get Rialo.
显示更多
0
39
44
0
转发到社区
我是 $CC 的钻石手,看着最近很多关于CANTON的利好消息,我针对 $CC 的价格,做了亿点梳理。 也希望各位大佬能提出不同的意见,感谢您阅读这篇不成熟的意见!
显示更多
0
42
50
3
转发到社区
终于收到@predictdotfun 的周边 快递收到很久只是我现在才拿到手 真是几经波折 终于不用再羡慕别人了 周边的质感太好了 等雨停了就出去踢上一场 感谢@TC8880@predictdotfun@predictdotfun 越来越好 也祝@TC8880 步步有惊喜,继续带大家发财!🌞⚽️
显示更多
0
27
30
0
转发到社区
RUN YOUR FIRST TRADING TASK 交易产品不用先相信,先做一次0成本实验。 你很快就会知道它是哪一类东西——是又一个会聊天的市场助手, 还是一个真的能挂任务、盯条件、留记录的交易 Agent? 这比听别人夸一百句都有效。 钱的事别靠信仰,让结果说话。 #AItrading# #AIagent# @AlphioAI 一款简单,易用,快速,可靠的交易Agent。 0成本。 用自然语言一分钟上手。 #ambassador# 现在就试试: Discord:
显示更多
RUN YOUR FIRST TARDING TASK WITH AIPHIO💡
0
36
32
0
转发到社区
关于葡萄牙VS西班牙 群友@Taijun_J 已经给出答案
0
25
39
1
转发到社区
如果你正在部署 Agent 农场或者自动化交易系统,Latch的作用就是把治理权从应用层撤回到协议层。 它不负责让 Agent 变聪明,它负责在 Agent 变傻或变坏时,确保损失在可控范围内。 现已开始登记白名单: @RialoHQ
显示更多
澳大利亚🇦🇺 VS 埃及🇪🇬 埃及🇪🇬前场有萨拉赫、马尔穆什,两人的个人能力都足以改变比赛走势。淘汰赛很多时候拼的就是球星灵光一现,这一点埃及略占优势。 但澳大利亚🇦🇺的整体防守纪律和执行力更好,如果能把比赛拖进自己熟悉的节奏,并利用定位球或转换创造机会,埃及也未必能踢得舒服。 所以这场我看平局。 这就去下单 5:5 🤣
显示更多
@Bitgetyaya @nic_bitget 的福, 昨晚不仅和大家一起见证了进球时刻⚽️ 还线下“活捉”了平时只能在推特上见的大佬们:@LeslieLi92210 @web3chacha @qiuqiu232 @Sookiebabe123 @WiseInvest513 @Cato_KT @babemiki209等等🫡 果然还是线下更过瘾!😆 感谢@Bitget_zh,下次还要一起干杯!🍻
显示更多
FIFA 男足前十里,只有巴西、美国/墨西哥这几个勉强能算人口大国;印度、中国、印尼、巴基斯坦、孟加拉基本不在强队层。 阿根廷、荷兰、葡萄牙、克罗地亚、乌拉圭人口都不算大,但长期强。 得出结论:国家人口越多,足球实力越弱! 南非比加拿大多2200W人。 所以今晚南非VS加拿大这一场,很可能加拿大赢。
显示更多
0
25
26
0
转发到社区
今天看了不下50个分析帖 关于 法国VS挪威 的比赛 我觉得老师们说的都很有道理 又去问了好几个人类智慧结晶 法国胜:50%–55% 平局:25%–30% 挪威胜:20%–25% 既然两队都那么厉害 我就去下个平局吧 反正这一届挺爱平局的 友谊第一!
显示更多
0
24
21
0
转发到社区
我本来以为只是一个段子 直至睡醒发现梭哈的德国输了 踢厄瓜多尔居然1:2输掉 无话可说,从头再来
最近 AI Trading 概念漫天飞。 大多数人以为交易最大的敌人是判断错误。 其实不是。 是真到了要下单的时候,人先变形了。 机会出现的时候在睡觉。 看到信号的时候在上班。 准备执行的时候开始犹豫。 等你确认完风险,流动性已经吃干抹净。 最后复盘发现:方向看对了,钱没赚到。 AI Trading里最贵的成本,从来不是看错,而是执行变形。 所以 AI Agent,不是看它会不会聊天, 而是看到底能不能把「发现机会 ➡️ 做出决策 ➡️ 执行策略」这条路完全走通走顺走稳。 最近刚好看到 @AlphioAI 上线。 抛开那些官方宣传词,我更在意的是它解决的几个老问题。 一是信息和执行的断层。 现在的 AI 只会塞给你一堆数据。 数据谁没有啊?难点在于执行。 给你十个看涨理由,不如帮你下一次单。 真正省心的 Agent 应该是发现信号直接在规则里自动买卖,一气呵成,而不是半夜发个通知让你爬起来手动确认。 二是预测市场交易的是概率。 这地方不是猜输赢,而是看谁能更早发现被市场错误定价的概率。 散户还在看新闻聊观点,聪明钱早就盯着顶级钱包的仓位和资金流下注了。 让 Agent 盯着这些数据,一旦概率异常自动触发,吃的就是比别人快的时间差。 三是自动化的信任问题。 最理想的状态应该是: 把狗可以出去咬人,但它不会咬你。 把仓位上限和风控提前写死,你定边界它负责跑,放出去的是执行力,资产始终在自己钱包里。 四是自然语言的意义。 很多人脑子里有一套完美的加减仓、止损退出的逻辑,但你不是程序员,不会写代码。 直接用大白话把这些交易论点(Thesis)转成自动化工作流,省下来的全是时间成本。 所以 看完整个产品以后,我认为它最值得观察的地方: 不是 AI,而是 Agent。 不是给建议,而是给结果。 不是聊天框,而是执行层。 当然,现在就说谁能成为下一代交易入口还太早。 自动化交易这条路最终拼的还是策略质量和风险控制。Agent 只是放大器,不是印钞机。 但至少把人从重复执行里解放出来,让机器负责执行,让人负责判断。 这件事的确是大势所趋。
显示更多
0
17
17
0
转发到社区