转发：X原創內容獎勵計劃 在Creator Studio中註冊 什麼是原創內容獎勵計劃？ 原創內容獎勵計劃旨在獎勵製作原創、高品質內容的創作者。 任何格式的內容——從帖子或文章到影片或影象——反映您自己的聲音、專業知識或創造力。 該計劃旨在獎勵為X帶來原創想法、觀點、專業知識和創造力的創作者。 這對創作者收入分享意味著什麼？ 從2026年8月7日起，我們不再接受收入分享的新註冊。 如果您目前註冊了收入分享，您將在2026年9月7日之前繼續賺錢。 您將收到三筆最終付款：8月14日和8月28日兩筆，符合標準付款時間表，以及截至9月7日的收入的最終付款，預計在9月11日或前後。 從2026年9月8日開始，我們將開始為現有收入分享會員推出訪問許可權，以申請新的原創內容獎勵計劃。 要加入，您需要滿足該計劃的資格要求。 您可以隨時透過轉到Creator Studio→原創內容獎勵來檢視您的資格狀態。 如果您已經完成了身份驗證，並且有有效的支付方式連線到您的帳戶，則無需再次完成這些步驟。 一旦獲得批准，您將根據原創內容獎勵計劃及其條款和條件繼續賺錢。 如果您的帳戶貨幣化目前因之前違反政策而暫停，您此時將沒有資格註冊原創內容獎勵計劃。 程式是如何運作的？ 符合條件的創作者根據其原始內容產生的合格印象獲得報酬。 只要您的帳戶和內容繼續滿足該計劃的要求，每兩週發放一次付款。 合格印象是什麼？ 合格印象是高階使用者（X Premium Basic、Premium、Premium+或Premium Business的訂閱者）在主頁時間線提要上的獨特印象，其中至少50%的帖子可見。 以下內容被排除在合格印象之外： 來自同一帳戶的展示次數在每個帖子中計算不止一次 付費、推廣或人工生成的印象 欺詐性印象 在這個計劃下，什麼被認為是原創內容？ 原創內容是您親自創作的內容——編寫、拍攝、設計或製作——反映了您自己的聲音、觀點或專業知識。 評論是X的核心。對世界上正在發生的事情做出反應、分析或構建是一種合法和有價值的原創表達形式。 增加您真實觀點的內容，無論是分解新聞故事，分享您對文化時刻的看法，還是新增其他人沒有的背景，在這個專案中都算作原創。 不計入的是您的貢獻很少或沒有的內容。 如果主要價值來自其他人的工作，而你幾乎沒有做過什麼來轉換或增加它，那麼它不會在程式下產生合格的印象。 具體來說，根據原創內容獎勵計劃，以下內容型別不被視為原創內容： 複製的內容：完全從其他創作者或來源複製的文字、影象或影片，沒有任何原創貢獻。 這包括從X或其他平臺下載，然後重新上傳到X的內容。 最小修改的內容：從其他人那裡複製的內容，只需稍作更改，例如在帖子中更改一兩個單詞、新增過濾器、調整影片速度或放置文字疊加，這些內容不會對原件進行有意義的轉換。 聚合內容：主要彙編或組合來自其他創作者或來源的內容的帖子、影片或影象，而不新增實質性的新視角或框架。 跨平臺轉發：從其他平臺取來的內容，並由原始建立者以外的其他人轉發。 原創內容和智慧財產權 這些原創內容獎勵指南與X的智慧財產權政策是分開的。 根據本計劃，內容可能符合原創條件，但仍然違反了我們的智慧財產權規則。 創作者有責任確保他們擁有使用他人建立的內容的必要權利、許可或許可證。 謹此提醒，X上不允許釋出侵犯他人智慧財產權的內容，無論該內容是否符合本計劃的原創條件。 資格要求 要加入原創內容獎勵計劃，您必須在申請時滿足以下所有標準： 地點：位於提供原創內容獎勵計劃的國家/地區。 可用國家列表見下文。 年齡：18歲以上。 帳戶狀態：擁有信譽良好的X帳戶，沒有多次違反我們的貨幣化指南或服務條款的歷史。 帳戶型別：擁有個人或企業帳戶。 屬於政治或政府組織的賬戶不符合條件。 高階訂閱：持有有效的X高階、高階+或高階商務訂閱。 印象：在過去90天內，來自經過驗證的使用者至少有50萬次主頁時間線印象（不包括對回覆的印象）。 關注者：至少有500名經過驗證的關注者。 原創內容：積極釋出本政策中定義的原創內容。 滿足這些要求並不能保證被錄取。 一旦您滿足所有資格要求，您就可以提交快速申請，以考慮該計劃。 我們將對其進行審查，並在3個工作日內通知您結果。 如果您的申請未獲批准，您可以提交一份上訴。 如果上訴不成功，您可以在90天后重新申請，前提是您繼續滿足所有資格要求。

OpenAI 跟 Cerebras 那笔 750MW 的合同今年 1 月签的，1 月份报道的合同价值超过 100 亿美元，后来 S-1 招股书披露的 Master Relationship Agreement 总价值超过 200 亿美元（包含到 2030 年的扩展选项）。第一个产品 2 月 12 日就上线了，叫 GPT-5.3-Codex-Spark。这个产品本身就是 Cerebras 推理引擎实战表现的一份成绩单，可以从几个方面做具体判断。 吞吐方面，Codex-Spark 在 WSE-3 上跑出 1000 tokens/秒以上，标准 GPT-5.3-Codex 跑在 GPU 集群上约 65 tokens/秒，速度差距 15 倍。Cerebras 自己在 gpt-oss-120B 这个开源模型上能跑到 3000 tokens/秒，是当前所有商用推理服务里最高的吞吐。第三方 benchmark 横向对比，同样 gpt-oss-120B 模型在 Cerebras 跟在普通 GPU 推理后端的吞吐差大约 10 倍。这个 10 到 15 倍的实测差距，跟物理层面 Cerebras SRAM 21 PB/s 对比 H100 HBM3 3.35 TB/s 那约 6300 倍带宽鸿沟之间，还有几百倍的 gap，被软件栈、工作负载、batch 处理这些系统级因素吃掉了。 延迟方面，1000 tokens/秒对应每个 token 1 毫秒生成间隔，这个速度的硬件能力反过来暴露了 OpenAI 自己推理 stack 的瓶颈。OpenAI 在 Codex-Spark 上同时引入了持久 WebSocket 连接和 Responses API 重写，每次客户端服务端往返开销减少 80%，per-token 开销减少 30%，time-to-first-token 减少 50%。原来 OpenAI 的整套推理服务架构是按 GPU 推理"几十毫秒一个 token"那个延迟尺度设计的，跟 Cerebras 1 毫秒每 token 的硬件能力对不上，软件栈的开销反而成了瓶颈。Cerebras 的速度让 OpenAI 必须重做整个 web 层，硬件能力升级倒逼软件栈重构。 成本方面，Cerebras 的硬件成本优势目前还没有被公开定价验证。Codex-Spark 只对 ChatGPT Pro 200 美元/月订阅用户开放，API 定价至今未敲定。OpenAI 选择高 ARPU 订阅档而不是开放 API 定价，意味着单位推理成本仍然显著高于普通 GPU 推理服务，需要靠 Pro 订阅的高客单价摊薄 Cerebras 的硬件固定成本。如果 Cerebras 真的便宜过 GPU，OpenAI 应该敢把 Cerebras 后端的 API 价格直接公开。延迟披露 API 价格这件事，可以理解为 cost-per-token 还没真正击穿 GPU 推理的成本曲线。作为参考，Cerebras 自己的推理云上 gpt-oss-120B 定价是 $0.69/M 输出 tokens，GPT-4o 的 API 售价是 $10/M 输出 tokens，但两者模型规模和能力差距很大，不能直接对比。 但 Cerebras 的这套东西有几个关键的约束条件，框定了它现在能做什么、做不了什么。 第一是模型大小限制。Codex-Spark 是蒸馏后的小模型，被显著压缩才能跑进 WSE-3 的 SRAM。WSE-3 的片上 SRAM 只有 44GB，frontier model 的参数量远超这个容量，必须做剪枝或蒸馏才能装得下。换速度的代价是损失约 19 个百分点的模型能力，Terminal-Bench 2.0 上 Spark 约 58% vs 标准 Codex 77.3%。这是 weight streaming 在工程上仍然不够好的旁证，OpenAI 选择用蒸馏小模型而不用 weight streaming 跑大模型，说明前者目前在工程上更可行。 第二是容量限制。Codex-Spark 目前是 research preview，OpenAI 明确说明"由于运行在专用低延迟硬件上，使用受独立速率限制约束"。这个表述基本等同于承认 Cerebras 容量稀缺。750MW 全部部署完需要数千台 CS-3，对应 Cerebras 的整机产线是巨大的扩产挑战。这也是招股书里 RPO 约 246 亿美元有 85% 要到 2028 年之后才能确认收入的根本原因，硬件交付的物理速度限制了营收节奏。 总结来说，OpenAI 这笔交易对 Cerebras 是阶段性胜利，但远没到终局。技术验证层面，Codex-Spark 证明 WSE-3 在中小模型推理上确实能做到 GPU 做不到的速度，这一点产业内已经形成共识。但商业兑现层面，Cerebras 还要解两个核心问题。一是大模型推理的 SRAM 容量限制，OpenAI 用蒸馏小模型而不用 weight streaming 跑大模型，说明 weight streaming 当前还撑不起完整的 frontier model。二是规模化部署的速度，每台 CS-3 都要一片完整的 5nm 晶圆和一套非标准化的整机集成流程，年产几千台 CS-3 是相当具体的工程瓶颈。 对国产推理芯片的同行来说，这件事还有几个很具体的工程信号。 端到端延迟优化的价值正在被产业重估。OpenAI 重写整个 Responses API 说明硬件再快，软件栈跟不上的话推理体验仍然受限，专用推理芯片的价值要靠端到端的延迟优化才能完全释放。 蒸馏在产业部署里的实际重要性远超学术讨论的程度。OpenAI 这种规模都要为了跑 Cerebras 专门蒸馏模型，说明专用推理硬件 + 专用蒸馏模型这个组合是接下来一段时间的主流形态，单纯的"通用推理芯片"在竞争中会比较吃亏。 1000 tokens/秒正在成为 Agentic AI 工作流的新基准。慢于这个速度的推理硬件在交互式 agent 场景下会被边缘化，这个速度天花板对国产推理芯片是一个相当严峻的目标。 Cerebras 当前展示的能力是真实的，但商业化释放节奏被产能和工程瓶颈卡住了。研究 Cerebras 的真正关键，一是看它在 2027-2028 年能不能把 750MW 真的部署完，把 RPO 真的转成营收；二是看它能不能在 OpenAI 之外签下新的推理大客户。AWS 的 CS-3 上架是一个信号，但目前还没有第二个 OpenAI 量级的合同出现。从 G42 依赖到 OpenAI 依赖，客户质量在提升，但集中度的风险结构没有改变，只有客户组合真正分散了，估值里的风险溢价才能消化。

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：

区块链共识——Sei稳中求进，不玩危险把戏 区块链共识一直都是不断的在迭代，一代代开发者都在拼命追求更快、更安全、更去中心化，却总被那个著名的“不可能铁三角”（安全性、可扩展性、去中心化）卡脖子——想三者全都要，几乎像物理定律一样难 但2025年，这个铁三角已经在松动 共识迭代从未停下，从PoW挖矿（开放但慢）→ PoS持币记账（快了但瓶颈在）→ 单链极限榨取→ 解耦架构（共识、执行、存储分开干），到现在即时最终确定时代 区块链共识无论是PoW，到PoS、解耦架构等，都死守一个老规矩：n=3f+1 就是说总共有n个节点，最多能容忍f个坏节点捣乱，只要坏节点不超过总数的1/3，系统就稳稳的，不会乱套或被攻击瘫痪 现在有人开始用n=5f+1，只容忍坏节点不到1/5。坏节点比例一高，系统就更容易出问题，但好处是投票步骤少，理想情况下超快 Sei不玩放松安全门槛的危险游戏（还是经典n=3f+1），而是通过全栈优化（Giga升级的Autobahn共识、解耦、SeiDB存储）实现极致性能。同时，Sei还在深挖MEV抵抗、审查抵抗等元属性，提升整体安全和公平 个人觉得未来可能是混合模式 + 新安全模型,Sei则是稳中求进，靠聪明设计同时拿高分，不赌运气!用工程极致证明一样能达到不降低安全底线，也能跑到即时级别！ Sei 就是那个证明“你不用拿安全换速度，也能日常顺滑”的新时代标杆！

王思聪又又又换新女友了，不得不说王哥眼光的独到，新换的女友身材依然很好。身形高挑，腰肢纤细，似乎一只手都得握得住，真可谓是又瘦又美！ 作为全网知名的国民老公，他这换女友速度实在有点快。不得不说有钱人的世界真丰富

#服务器# PanstarCloud 德国法兰克福 VPS 补货，30% 循环优惠，低至 2.79 美元每月，少量库存售完即止，购买后也支持不同账号间 PUSH 机器。 精品线路说明： 原生IP，中国联通/移动走AS9929，中国电信去程RETN回程AS9929 [注：AS9929为中国联通精品线路，移动和电信走9929稍弱于联通，但也比普通163/CMI要好很多] 循环优惠券： DEP726 测试IP： 82.139.242.112 下载测速： 注意：当前下载测速用户较多，并发到了带宽上限，如测试速度慢，请换个时候再测试。 机器规格如下： DEP NANO：1 核心、0.5GB 内存、5GB 存储、500Mbps 带宽、每月流量 512GB，循环优惠价每月 2.79 美元 [点我购买 DEP MINI：1 核心、1GB 内存、5GB 存储、1Gbps 带宽、每月流量 1024GB，循环优惠价每月 4.89 美元 [点我购买 DEP STARTR：1 核心、2GB 内存、20GB 存储、1Gbps 带宽、每月流量 2048GB，循环优惠价每月 8.39 美元 [点我购买 DEP GROWTH：2 核心、2GB 内存、20GB 存储、1Gbps 带宽、每月流量 4096GB，循环优惠价每月 13.99 美元 [点我购买 DEP SCALE：2 核心、4GB 内存、40GB 存储、1Gbps 带宽、每月流量 6144GB，循环优惠价每月 21.69 美元 [点我购买 DEP MAX：4 核心、4GB 内存、40GB 存储、1Gbps 带宽、每月流量 8192GB，循环优惠价每月 27.29 美元 [点我购买 注：DEP SCALE / MAX 机型较前两天缩减了流量，但价格降低了更多，让有需要的用户可以购买高配机器。

根據麥肯錫最新的研究報告，到 2030 年光是 AI 相關的基礎設施投資就高達 5.2 兆美金。這不是一個小數字——為了讓你理解這個規模，5.2 兆美金相當於： • 12 億個勞動小時（相當於 600 萬人全職工作一整年） • 300 萬英里的光纖電纜（足以繞地球 120 圈） • 150 到 200 吉瓦的電力（足以供應 1.5 億戶美國家庭一年的電力） 與此同時，整個 GPU 市場也正在朝向突破 1 兆美金的規模邁進。這些數字告訴我們，計算能力已經成為人類最重要的基礎設施之一。 但這裡有一個很大的盲點，也是我昨天想強調的核心問題。 傳統商品市場早就解決了價格波動的問題。星巴克可以對沖咖啡豆的價格，確保他們的大杯拿鐵不會漲太多。麥當勞可以對沖馬鈴薯的價格，鎖定大薯的成本。航空公司可以對沖原油（WTI），保護自己免受燃油價格波動的影響。黃金、白銀、銅——幾乎所有重要的商品都有成熟的期貨市場。 然而，這些手握成千上萬張 H100、H200 的 GPU 廠商和數據中心，卻沒有一個有效的方式去做空或對沖他們的算力資產。這會造成什麼問題？ 超級推薦碼👉🏻 如果算力價格崩跌，他們將面臨巨大的風險。他們無法鎖定未來的收入，無法對沖供應鏈風險，無法像傳統商品生產者那樣進行風險管理。而且這個問題會隨著 AI 投資規模的擴大而越來越嚴重。 為什麼會這樣？因為 GPU 不像傳統商品那樣標準化。一桶原油就是一桶原油，一蒲式耳小麥就是一蒲式耳小麥。但 GPU？光是 NVIDIA 的 H100 就有超過 50 種不同的配置。還有 H200、B200、RTX 5090 等等。每種型號的價格都不同，性能也不同。加上技術更新換代速度快，市場高度集中在 NVIDIA 和 AMD 手中，這些因素都讓 GPU 期貨市場的建立變得異常困難。 但好消息是，市場終於開始解決這個痛點了。 大約一個月前，@OrnnExchange 推出了 Ornn Compute Price Index（OCPI）。這個指數基於實際交易數據（不是估計值，不是廠商報價），追蹤 H100、H200、B200、RTX 5090 等各種 GPU 的每小時即時租賃價格。這個指數已經上線彭博終端（Bloomberg Terminal），成為機構投資者的標準參考。 更重要的是，Ornn 與洲際交易所（ICE）合作，準備推出全球首批 GPU 計算期貨合約。這些合約將是美元計價、現金交割的標準化產品。也和 @Lighter_xyz 合作。 同時，@Silicon_Data 也推出了自己的 GPU 價格指數，並與芝加哥商業交易所（CME）聯手，同樣計劃推出計算期貨。CME 是全球最大的期貨交易所之一，他們的進場意味著這個市場正在獲得主流金融機構的認可。 這些期貨合約的推出將允許市場參與者做多或做空 GPU 算力。數據中心可以對沖他們的成本風險，GPU 廠商可以對沖他們的收入風險，投資者可以表達他們對算力市場未來走向的看法。 有人甚至預測，算力期貨的市場規模最終可能會超越石油期貨。為什麼？因為 AI 將成為人類最重要的基礎設施，而 GPU 算力就是那個基礎設施的燃料。隨著 AI 應用的普及，對算力的需求只會不斷增長。 這不只是技術進步，這是金融基礎設施的演變。我們正在見證計算能力從一個「隱形成本」轉變為一個「可交易商品」的過程。 算力金融化的時代，真的要來了。 再來就是 compute + robotic financing

VPS 速度慢就一定是机房烂吗？不一定。一半的便宜机问题卡在 sysctl 默认值——那套参数还按十年前同机房 100M 标准在跑，不做设置根本跑不满你本地的带宽。 不动应用、不换线路，三个地方调一下就能多挤出 30-50%： 先看 BBR 开没开 新内核大部分默认开了，但是很多 OVZ / 老 CentOS 底子的老系统常常没开。这是地基，地基没打就别折腾别的，这也是最简单的一种方式。 TCP 缓冲区按带宽放大 默认那档是给同机房内网设的，针对你不同的硬件和延迟不是匹配的，收发缓冲区得拉大才接得住。需要按照自己的实际情况去调整，根据延迟、机器内存、CPU去做动态设置效果最好。 mtr 跑一段，按结果动态调 每条线路的延迟和丢包模式都不一样，参数也得跟着变。不会算的搜「迷之调参」，填 CPU / 内存 / 网卡速率三项自动生成，比抄博客准（网站链接我放评论区了）。 使用上这几步，基本上在垃圾的VPS网上也会有所提升，但是最后还是不理想，那就没办法了掏钱上优化线路了，如果你有更好的方案也可以评论区分享一下。