如何只花75元就用上ChatGPT Plus？ 特别简单： 1. 先注册土耳其区Apple ID 2. 去 买礼品卡 3. 手机打开ChatGPT直接订阅 对比美区140元的价格，直接省了一半费用。

GPT PLUS 会员一个月70元就可以买 不要被割韭菜了好吧。 方法如下： 1.注册一个土区id 2.购买土区礼品卡 3.直接开通plus!！ 这个价格还算便宜了吧 主要归功于土耳其货币不值钱的因素

我就想问问 为什么我卸载APP的时候就必须得是残忍卸载，狠心离开？ 那怎么我付钱的时候就得是立即支付、免密支付呢？ 你也劝劝我呀 你也残忍支付、狠心支付呀 或者是你告诉我家破人亡支付 妻离子散支付 倾家荡产支付 一个月挣几个钱呀？你就付 你也问呀～ 还有我花100元就叫做小额支付 那怎么我领个0.1元的红包就叫大额补贴呢？还得让我开心领取，开心收下 我怎么那么开心呢？我在开心些什么呢？ 谁能给我解释解释？

190元的榴莲遭遇买家恶意“仅退款”。商家两次驱车前往山东德州寻找买家，自掏5000元，就为寻一个公道。/1 买家自己有一个长期放坏的榴莲，专门用来拍照栽赃用。 据称，现在商家发货打包前往往做自动录像，以防纠纷。

通缩时代最好的策略就是低耗能生存，回归到过去勤俭节约过日子的时代，这个我熟，就是小时候父母过得日子。 饭每顿都自己做，不点外卖不上馆子，单位发的米面油够吃，每周在集市上买点菜，超市买点肉，一周有个200元就足够了。 车不换了，再怎么补贴都不换，现在这个车只开了7万公里，性能正好，也不怎么出去玩，还可以一直用。 房子卖不出去，所以也不给孩子换着买了。涨跌随意，反正以后是以房换房。 衣服就是几十块一件，直播间买的，都有运费险，喜欢的留下，不喜欢的退掉。 护肤品用的也不多，普通牌子就行。 只要回归到过日子，而不是虚荣和攀比，就没有什么焦虑的。

《行情看不清，那就先去打球》 最近一周在投资上，除了 CRCL 出了买点之外，其他看好的标的还没进入定投区间, 这个行情到底怎么走，也看得不清楚, 既然不清楚，那就不乱动。 目前除了 CRCL 基本满仓之外，纳指、HYPE、特斯拉之前建了点底仓，目前处于微微盈利状态，其他 AI 股目前也是因为看不清楚后续行情怎么样，先不上车，大饼这两天微微上涨了一点，价格来到 6.2W，目前保持平和的心态，耐心等待好的买点出现。 除了一周两三次的港新认购，最近投资上面能做的事情不多，干脆就以运动为主，基本上每天晚上都泡在球场，周六日晚上就带娃去打卡附近的一些匹克球馆。 昨晚去顺德找到了一家新开张的室内带空调的匹克球馆，全新的地胶，老板是一个小哥哥，为人挺好的，这家球馆也就只有 4 个场地，但里面的设施很全，可以发多球，还可以打发球机，最关键的是，不到 120 元就可以一家四口打 3 个小时，太实惠了，停车又方便，如果一旦塞车还可以坐地铁直达，也就 40 分钟路程，感觉各方面都符合我的要求，估计以后我们一家人都会成为那里的常客了，谢谢海阳帮忙推荐的这家球馆，nice。

重新审视 Token (词元）的属性 TLDR： 之前我也一度觉得是大宗商品/资产 甚至还设想过相关的交易和定价逻辑 也看到不少人提过Token期货，交易所之类 但现在我倾向它只是一种服务，没必要过度金融化 毕竟它没有办法脱离AI推理单独存在，无法被提前生产出来或预先被囤积。但换个角度看，是服务，就天然是分层的、多元的，不同的人有不同的需求，这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。 在这浪潮中，红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。 -------------------------------- 我的一些个人思绪和逻辑： 1、Token (词元）经济从何而来？ 首先它是AI训练转向AI推理的产物， 这是理解 Token 商业模式的基础。 过去模型训练时代，主要是卖算力时间。为什么？因为训练是持续性的大工程，需要大量算力协同工作。这种规模的投入，有资本的大厂基本都会选择自购，毕竟可控性最强，但对于没有能力一次性投入大量资金的团队来说，出于对稳定性的要求，也会倾向选择租赁模式，包下一整段时间的独占使用权，榨干这段时间内算力的所有价值，是一种占用的逻辑。 但随着主流大模型开始进入商用阶段，AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题，这些本质上都是在跑推理，每一次调用，都在为你做一次推理和计算。 而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业，仍然会采用租赁或自购的模式来跑推理，但对于广大中小开发者和应用方来说，他们对算力独占性的要求并不高，因而额外衍生出了按消耗计费的模式，这样算力服务商就可以把算力资源同时卖给成千上万个客户。 Token (词元) 就是在这种背景下而产生的，衡量每次计算消耗了多少资源的那个单位，你付的钱，就是对这次计算的补偿，本质是消耗逻辑。 所以训练和推理是完全不同的生意形态： 训练时代，商业模式是卖 GPU 时间。 推理时代，商业模式是卖 Token (词元)。 --------------------------------- 2、为何Token (词元) 是服务属性而非商品/金融属性？ 卖Token (词元)，就是卖服务！ Token (词元) 经济，本质是服务经济！ 为什么？ 一个比较直接的原因是 Token (词元）不能被预先生产出来，而是产出后就被消耗掉了，并作为衡量你这次推理服务所消耗资源的参考，来给你计费。 且Token (词元) 的一些特性，也和大宗商品的逻辑不像： - 价格长期下降趋势 - Pay-As-You-Go - 难以标准化 你在Claude的100万Token额度，和你在Minimax的100万Token额度，两者本身是没有可比性的，模型不同，性能不同，定价完全可以不一样。 而大家愿意接受价格差异的原因，也是因为 Token (词元) 本质上计量了一种非标准化的服务，而不同用户对服务的诉求是不同的，有的人看重性能，所以愿意支付溢价，有的人看重成本控制，所以觉得国产开源模型也够用了。 而整个模型市场占有率，并没有出现几家独大，本身也是其服务属性的体现。如果 Token (词元) 是资产，那资产的流动性、网络效应，一定会引发所有资源最终向一个市场集中，形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务，而服务市场天然是分层的、多元的，不同的服务商满足不同的需求，所以才构成了 AI 经济百花齐放的基础。 我想通这点后，就不再纠结模型厂商只有哪家笑到最后了。 因为未来必将是多模型共存、多层级并行的格局，Token（词元）也将会被计入到企业的会计成本之中，并反映到企业的产品和服务之中。 比较值得关注的一点是，AI时代Token所代表的服务经济和传统的人力服务经济，成本曲线可能是完全反过来的。由人所提供的服务，长期要求的是报酬上升，这也是为什么服务业占比高的经济体，服务更贵。但 Token 服务恰恰相反，价格长期只会下降，当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作，这部分成本不但不会随时间上升，反而会持续走低。 这可能也是这一波AI的红利之一。 ------------------------- 3、这个Token (词元) 服务都有谁在卖？ - 闭源模型厂商 - 开源模型厂商 - 开源模型托管商 - 大模型聚合器、中转站 1）闭源模型厂商：直营为主，分销为辅 最直接的模式。OpenAI 卖 GPT 的 Token，Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里，产品和渠道都是自己的，跟品牌直营店一个逻辑。当然作为最顶级的模型，难免会被接入像一些API中转站，或者Open Router这样的大模型聚合平台被动分销。 2）开源模型厂商：开源也挺赚钱的 开源模型谁都可以拿去用，很多人不想自己本地跑，因此催生出了一批开源模型托管商，他们可以帮你跑模型，并按 Token 收费。但这就引出一个问题：Token 的钱都让模型托管商这些中间商赚了，开源模型的开发者自己怎么赚钱？这一点，至少中国的开源模型厂商，走的很灵活。 像Minimax，Kimi，Zhipu，它们都有自有的 API 直售，更多面向开发者群体，并且也都有自己的 Coding Plan 订阅包，把按 token 计费玩出了订阅制，完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满，各自推出了品牌化的 Claw 产品，帮用户把 OpenClaw 部署好，底层跑自家模型，Token 消耗从自家 API 走。 3）开源模型托管商：帮别人跑模型，赚差价 对于那些没有能力或意愿自己卖 Token 的开源模型来说，托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费： - Together AI / Fireworks：自有 GPU 集群 + 极致推理优化，核心竞争力是翻台率，同样的卡单位时间能吐出更多 Token。 - Groq：自研 LPU 推理专用芯片，不用传统 GPU，核心竞争力是极致速度，跑 Llama、Qwen 等开源模型比 GPU 快。 - Cloudflare Workers AI：全球 300+ 边缘节点，跑 Llama、Mistral、Qwen，最近还加了智谱 GLM 和 Kimi，核心竞争力是低延迟 + 开发者生态 - AWS Bedrock / Google Vertex AI — 企业级云平台，跑 Llama、Mistral 等主流开源模型，核心竞争力是客户的数据和基础设施已经在这些云上了，迁移成本低 4）大模型聚合器：一个入口管所有模型 闭源和开源的大模型越来越多，而不同场景适合不同模型，不同模型的优劣势不同，对开发者来说，一个个去接不同厂商和托管商的 API，管理起来很痛苦。于是催生了 OpenRouter 这类聚合器，可以接几十个模型，开发者在一个地方统一管理、按需切换即可。 OpenRouter按照批发转零售的模式盈利，各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增，前十名 Token 消耗量中，中国模型占了 61%，前五有四个是中国的。 而围绕这条 Token (词元) 产业链，也衍生出了一些其他的参与者和新需求： 第一是一些推理优化引擎，vLLM、SGLang 这些开源项目，在大家对效率极致追求的当下，通过对硬件算子层面（更高效地利用 GPU 计算单元，减少内存碎片和带宽瓶颈）以及 LLM 算法层面（让多个请求共享已经算过的内容，更聪明地管理显存）的优化，提升同一张卡在同一时间内的 Token 吞吐量。 它们自己不面向终端用户收费，但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者，会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。 第二是对Token消耗的优化需求，当 Token 消耗逐渐常态化，自然就会有人开始琢磨怎么省钱，也有不少人早就抱怨OpenClaw高昂的Token消耗，那么，帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品，就很有市场了。 ---------------------------- 4、AI经济时代，真正的机会在哪？ 我觉得 Token 经济的红利，属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。 1）如果你有能力，就做一个模型，哪怕是微调的 你不需要从头训一个 GPT，在开源模型基础上针对某个垂直场景做微调，只要在某个细分领域效果够好，就有人愿意按 Token 付费调用你的模型。前面说了，Token 是服务，服务市场天然分层，通用大模型吃不掉所有场景，垂直微调的模型在自己的领地里反而更有定价权。 2）做一个新时代的产品，开放 API 你的产品底层消耗 Token，但你的产品本身也可以对外输出能力，你开放 API，让别的开发者和 Agent 来调用。你买入底层模型的 Token，加上你的产品逻辑和数据，产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。 3）写 Skill，做 Agent 每一个被广泛使用的 Skill 和 Agent，背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用，你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token，但你是这条产业链上的分销渠道。 而不管你选哪条路， 你的护城河在我看来最终都会归结为三样东西： 算力、算法、数据。 算力影响你的吞吐量 算法影响你的效率和成本 数据决定你是不是不可替代

微信尝试了下，花了差不多70元投放公众号文章，收获了1100多流量 。 线性假设的话，投7k元就可以获得一篇10w+文章。 而一篇10w+浏览量的文章收益为1000多！

17 岁 AI 实习生日薪 5500 元，1998 年的算 “中登” 00 后 AI 从业者，多数喜欢用动漫或卡通角色做头像，习惯用表情包和感叹号，工作间隙会在周围一连串的冰美式订单中点一杯棉花糖热可可。 见一位 00 后 AI 创业者前，投资人提醒我们，想快速拉近距离最好给他带两杯奶茶。 刚刚本科毕业，大厂或投资机构已经给他们开出 200 万元、500 万元 或 100 万美元的高额年薪。不过，谈起几百万元的薪水时，喝着棉花糖热可可的年轻研究员语气平淡，像是讨论上学期的课程表。 “哎，我不太在意，多个一两百万也都无所谓。” 另一位 22 岁的研究员有类似的想法，“反正要创业，我也挣不了几年的工资”。今年夏天，他刚刚大学毕业，拿超过 500 万元的年薪，还有大厂和投资机构想要挖他。 大模型行业批量制造了几百、几千个年薪数百万的年轻精英。大厂们打破过往年龄、职级、经验的限制，高薪招揽年轻人才。 几位猎头和 HR 说，顶尖高校毕业、在大厂大模型核心团队实习过、顶刊论文方向符合、拿到大厂头部人才计划的应届生年薪基本都在 150 万元以上。一位参与 Seed 招聘的人士说，2024 年 TopSeed 校招生年薪约 150 万元，2025 年涨到 300 万-500 万元，2026 年核心岗位的校招生可以开到 600 万元，部分人还能更高。 还没毕业，这些人才就被提前锁定——2000 元起步，最高不止 5500 元，日薪。有人拿到 Meta 的实习录用，月薪 2 万美元，且提供食宿。在大多数行业实习日薪 200 元就算不错时，这些数字超出常识，听到的人经常需要再次确认，“日薪还是月薪”“人民币还是美元”。 按照行业统计数据，2026 年一季度北京外卖员平均月薪一万出头，一个日薪 5500 元的实习生相当于 10 个外卖员。一个年薪 300 万元的 AI 研究员干一年，抵得上一名 2025 年毕业的本科生勤奋工作 39 年。后者还要保证自己别失业。 即便在以高薪著称的互联网大厂，想达到年薪 300 万，你需要硕士毕业，连续工作 8 至 12 年，经历至少 3 次晋升答辩，每一次都名列前 30%，还要身处核心业务或赶上高速发展，才能在 40 岁前成功干到字节 3-2、阿里 P9、腾讯 T11 以上。这时候，你已经管着几十人的团队，在行业里小有名气。 而今天一个 22 岁、本科刚毕业的 AI 研究员，没带过人，没做过业务决策，没经历过一次绩效周期，就拿到了同等收入。 何况他们实在年轻。“1998 年出生，在基模团队里已经算 ‘中登’。” 一个大厂大模型团队的实习生有点沮丧，自己比同公司多数实习生年龄大。有次加班到深夜，他抬头见到一位年纪 “小多了” 的实习生，“写代码时还蹦蹦跳跳的”，他加重语气，又说了一遍，“字面意义上的蹦蹦跳跳”。 年纪相对小的才 17 岁——大厂对年龄越来越不设限，很难说谁最小。她被一家大厂的 HR 主动联系上，一边准备高中期末考试，一边在大模型团队实习，在工位上庆祝了六一儿童节。 “读博很浪费时间啊！” 一位年轻研究员想劝那些清华 “姚班” 的朋友，“最聪明的大脑为什么要那么慢地学？” 他举例，一位 19 岁的斯坦福学生没读到大二就离开学校，很快为自己的 AI 初创公司募集了 450 万美元融资，“最坏的情况不过是重新回到斯坦福”。 一名招聘人士曾劝过三四名博士放弃学位、转为正职，开出颇有诱惑的职级和薪酬。“如果读书是为了找到好工作，你现在已经有了。而且两年后不一定还有。” 于是几个年轻人选择中途退学，奋力一跃抓住 AI 这趟车。 一家 AI 公司创始人想法更激进。他计划让读高一的孩子休学，边工作边学习，“他在学校怎么可能学到比我这儿更多的东西？” 全球投资机构  Antler 调研超过 3500 名独角兽创业者后发现，2024 年，全球 AI 独角兽创始人的平均年龄 29 岁，而 2020 年他们大都 40 岁。这个数字大概率还会继续下降——AI 让这些足够聪明的年轻人有可能找到一份更高薪水的工作，也有可能把身价推至数亿美元。

SpaceX 对我这种普通人来说，最革命的就是这套星链。 去北海道深山里，方圆 10 km 没信号，但通过手机运营商，能直连星链卫星，然后实现了顺畅收发消息。 另外有很多偏远地区或乡下民宿，也没拉网线的条件，直接 1000 元买台星链设备带过去，月租 200 元就能搞定了。 这才是 2026 年该有的产品。