今天才知道国行手机也可以用上eSIM，原来还有这个好东西啊 这个 BeeSIM 卡完美适配国行苹果手机，一张卡可以写入香港、美国、英国等多个手机号 成功把我的 Giffgaff 英国卡转 eSIM 写进去了，准备再搞一个香港手机号 安卓的据说更便宜，直接 20 多块 tb 买个小白卡就可以写入 eSIM

《英国giffgaff电话卡 中国用户使用指南》 我做英国gg卡已经三年了，中间遇到了很多小白的问题，今天整理一份针对中国用户的 英国 giffgaff 电话卡 全方位操作指南，在帮助用户从零开始掌握该卡的使用。 内容详尽涵盖了从英国giffgaff卡 #购买渠道、##在线激活# 、#账户充值# 、#保号攻略、##运营信号设置、# #转Esim# 等完整流程

这种eSIM转实体卡（eUICC）又被推友叫“小白卡”，一张包邮的情况下卖20左右，见得比较多的是420K容量的那款 大部分都是东信和平制卡，EID89086030开头并没什么不好，像9eSIM V0、Xesim、5ber、Switch by PlanB等都是ECP方案 好处在于便宜，坏处就是像美国运营商、日本NTT DOCOMO拉黑了EID，但大部分GSMA标准的运营商都能写，包括中国联通给外宾提供的eSIM临时卡。正常一个eSIM Profile（配置文件）的大小在50KB左右，420K差不多可以写6-8张eSIM，建议写个1-3张就够了省得哪天切卡突然爆炸 当然像iPhone这种原生eUICC也容易炸卡，随着Apple在LPA上写了边界保护后，一旦容量要超出将会触发保护减少炸卡的可能。如果写一堆eSIM配置文件，那还是建议整1.5M的9eSIM V3或eSTK Max，使用NAIXI可以打9折就是了

2026 出海,最值得花的钱 ・机场/代理 — 机场 15/月 ・U 卡/虚拟卡 — 0(没它,付款不方便) ・护照 — 120 元 ・海外esim号码 —0-30u 收验证码刚需 ・域名+邮箱 — ~10u/年 ・GPT/Claude — 10u/月起 ・X 蓝V — 300/年(转区订阅更省) 一年总成本压到 ¥1000 ，还有更值得花的没

来更新一下被我拖了很久的 Plasma One 的u卡测评 卡bin：454924，美属波多黎各卡bin，和 Etherfi, Kast 使用的卡bin相同，为同一issuer，在订阅各大 AI 平台时（Claude, Gemini）不容易出现拒付风控 卡片权益：每笔消费无条件返现 3%，月上限 $250，以 plasma:native 的形式返现，消费本币为美元，无货转费，非美元消费的汇损在 1.2% 左右，外币消费实际返现 1.8% ~ 2% 卡片支持添加 Apple pay 和 Google pay，除基础消费外还提供 Earn 功能，USDT 年化现在有 3.38%，确实不太高了🥲 同时 App 内开放金属卡申请，权益看起来还是很不错的，全球休息室、eSim、更高的返现上限，并且还包括 Claude Pro 和 Telegram Premium 的订阅🤔，如果做成了肯定是对标 Revolut Ultra 的存在（Revolut Ultra 年费 540 欧） 个人感觉体验最好的是充值/提现，plasma 没手续费而且速度真的很快。。 最后感谢 @rongplace 提供的内测邀请码，现在 Plasma One 的 app 已经上架 App store 了，但是开卡应该还要邀请，公测可能还需要等一段时间

转自雪球 《"整个市场就是一笔交易"，Steve Eisman 2026年看空AI全记录》 昨天聊了Michael Burry，《大空头》原型之一。今天聊另一个，Steve Eisman，他们在2008年通过做空次贷危机声名鹊起。 他2026年也在看空AI。但说法跟Burry不太一样，他更直，更狠。 今年6月初英伟达财报后，Burry加倍做空NVDA，Eisman说了句让很多人松口气的话："现在做空还为时过早。"整个上半年他一边看戏一边磨刀，到7月终于亮出了自己的判断——比Burry的"千刀万剐"更直白，也更让人后背发凉。 "整个市场就是一笔交易" 7月27日，CNBC《Squawk Box》上，Eisman把话砸在桌上："这完全是一笔交易。literally就一笔。" 他用60/40组合拆给大家看。 股票端，标普500里信息技术占37%，通信服务占9%，加上亚马逊和特斯拉，超过一半跟科技和AI绑在一起。债券端更邪乎——五大AI超大规模厂商2025年底只占存量投资级公司债的3%，到2026年5月，已经吞了当年新发行量的15%以上。高收益债那边，这个数字从1%飙到41%。 你以为在分散。其实全仓押AI。60/40？名存实亡。 "人们要么想买AI，要么什么都不想买" 同一天，Eisman爆了个操作——清仓Alphabet，持了很多年的那种。 "我持有谷歌的时间久到记不清了，"他说，"但我想降低AI敞口。" 他卖完之后，Alphabet从5月18日的高点408.61美元跌到7月24日的319.74美元，跌了20%。7月23日单日跌7.1%——公司刚把2026年cap指引提到1950到2050亿，市场直接拿脚投票。 卖了谷歌，他没买防御股。 "我没有买高露洁，我没有买高乐氏。我持有现金。" 为什么？"人们要么想买AI，要么不想买AI，但没有人会从AI撤出来去买高乐氏。" 翻译一下：所有人的注意力被AI吸干了。其他东西暂时没人看。他坐在一堆现金上，等。 四层警告，一层比一层狠 第一层：只要任何一家超大规模厂商削减AI capex，美股会"直线下跌"。整个市场的估值已经建在"capex永远涨"这个前提上。前提松了，骨牌倒。 第二层：LLM没有护城河。Eisman公开质疑——这些烧了几千亿的大模型公司，到底有什么可持续优势？用户随时在ChatGPT、Gemini、Claude之间切来切去，免费的。定价权？不存在的。 第三层：中国模型比西方便宜五倍，因为开源。价格战一旦真打，西方大模型的商业化路径会变得更窄。"我不知道这个问题的答案，"Eisman说，"但我认为其他人也不知道。" 第四层：哪怕买高盛、摩根士丹利——投行的靓丽业绩来自AI融资业务。AI已经渗进美国经济的每个缝里。今年一半的增长来自AI。如果AI没跑出来，市场会"大规模回调"。 他还做了两件事 6月27日，他拿SpaceX开涮。营收190亿，跟家乐氏（卖Froot Loops麦片的）差不多，估值是人家100倍以上。招股书里写着要去小行星采矿。"这literally是科幻剧。"他补了一句，Palantir"才"50倍营收，已经显得离谱了。 4月30日，他披露做空FICO。信用评分那家公司。FICO这么多年提价500%，"得罪了信贷圈的每一个人"。竞争对手VantageScore拿政府支持杀进来，房贷承销收费只有FICO的5%。披露当天FICO跌7.3%，到7月底已经跌了43%。 他和Burry的区别 俩人都在看空AI。节奏不一样。 Burry给了时间表和价格目标：NVDA从215砸向110以下，SOXX从640砸向330，2027年1月到期前。 Eisman不预测时点。他就说一件事：如果AI不成功，损失会很大。现在做空还太早，但那个方向没错。 Burry拿手术刀解剖。Eisman坐场边等尸体浮上来。 同一个赌局 把俩人放一起看。Burry从微观ROIC搭到中观会计搭到宏观叙事最后落到影子银行——精密得像财务模型。Eisman只捅一刀：整个市场就一笔交易，散不了，一旦散就是直线下跌。 Burry说：泡沫会碎，2027年前。Eisman说：碎不碎我不知道，但如果碎了，没人跑得掉。 那句最刺耳的话再说一遍："人们要么想买AI，要么什么都不想买。" 当一个市场被压缩到只剩一个选项，那不是投资。 20260806/农夫股市瞎评录

转一下苏剑林老师对 K3 架构的复盘。 一句话概括，K3 = KDA + MLA + Stable LatentMoE + AttnRes。整套设计没什么炫技，核心就是在模型效果、计算效率和训练稳定性之间做取舍。 这里稍微解释一下： KDA，一种线性 Attention MLA，一种 KV Cache 较小的 Full Attention 变体 Stable LatentMoE，对 LatentMoE 做过稳定性改造的 MoE 方案 AttnRes，用可学习的跨层注意力，替代固定等权的残差累加 几个比较有意思的点： ① K3 同时使用了 KDA 和 MLA。另外，训练仍然用 Moonlight 版本的 Muon 优化器，Attention 权重改成 Per-Head Muon，每个 Head 独立优化。苏神说这不会直接提高效果，主要是数学和结构上更合理：各个 Head 本来就相对独立，不应该在优化时耦合在一起。 ② 解决MoE“容易炸”的问题。 LatentMoE 会先降维，再使用更多专家，最后升维，在训推成本大致相同的情况下效果略好。不过连续的矩阵投影也让训练更容易出现数值不稳定。 K3 把 SwiGLU 换成了 SiTU-GLU，用 softcap 压住异常激活；又在 LatentMoE 升维前加了一层 RMS Norm。这个 Norm 不只是让训练更稳定，在 Valid Loss 差不多的情况下，不加它，某些 Benchmark 会稳定变差。 （这里有超级多的技术细节，感兴趣的可以看苏神原文） ③ 关于MLA DSV4 看上去都换设计了，K3 怎么还在用 MLA？苏神的答案是，目前 MLA 仍然很难被全面击败。它在训练阶段是 MHA 形态，推理时 KV Cache 较小；在固定训练成本和 KV Cache 大小时，MLA 依然近乎最优。 它的问题是对 MTP（推测解码）不够友好。MTP 的思路是“用计算换速度”，而 MLA 在 Decoding 阶段本身就比较吃计算，再叠一个 MTP，两边就容易抢算力。 换别的方案也有代价。比如换成 128+128 的 GQA8，效果很难打赢 MLA，KV Cache 还是 MLA 的三倍多；换成 256+256 的 MFA（本质上是 MQA），训练和 Prefill 成本又会上去。 目前还没有一个简单的 Attention 设计，能同时占住效果、训练成本、Prefill、KV Cache 和 Decoding 计算量。在 KDA+MLA 的混合架构下，MLA 的部分问题得到缓解，所以 K3 最后还是选了 MLA。 ④ 苏神觉得，DSV4 也不算真正“抛弃 MLA”。 DSV4 看上去重新设计了 Attention，但底层仍然有 MLA 的影子。它采用的是 head_dims=512、K=V 的 MQA，这正是 MLA 在 Decoding 阶段的形态；再加上 Sparse + Compress，前者减少计算，后者进一步压缩 KV Cache，同时减少计算。 方向很激进，不过 Infra 也更复杂。 ⑤ K3 的 MLA 可以去掉 RoPE，是因为 KDA 已经隐含提供了一种广义的位置信息。 这只适用于 KDA+MLA 的混合结构，像 K2 那种全 MLA 模型，直接去掉 RoPE 还是会明显掉效果。 感觉苏神真正的观点是：大模型架构里很少有免费的升级。K3 的设计哲学不是找一个碾压所有方案的新架构，而是在效果、训练成本、Prefill、Decoding、KV Cache 和稳定性之间，找一个当前更合适的组合。 苏神原文里还有很多技术内容，非常值得一看。 原文地址：

转：Vibe-Research 是一个开源的 AI 投研系统，覆盖 A 股、美股和港股。它整合行情、财报、研报、公告、资金流、资讯等数据，支持每日复盘、自选股管理、多空辩论、持仓分析等功能，并可接入 Claude、Codex 等 AI 模型。它不提供买卖建议，而是把数据准备好，让你的 AI 帮你完成更高效、更系统的投资研究。 仓库地址： 要学会使用工具，真是事倍功半