AI 文章的数量已经超过人类写作了！ 数字营销机构 Graphite 在 2026 年 5 月发布了一项追踪研究，结论很刺眼，互联网上 AI 生成的英文文章数量，从 2024 年 11 月起正式超过了人类写作的文章。 AI 文章已经长期占到了全网发布量的 50%以上。 你的推文、文章有多少是AI写作？🧐 @grok X平台上，AI推文和AI文章的比例大约有多少？

叼毛们，一起来致敬加密空投的黄金时代（暴富名项目堂）： Hyperliquid：单号 $15,000 — $1,000,000+（近代永恒的神） dYdX：单号 $3,000 — $135,000 Optimism：单号 $1,000 — $30,000 Arbitrum：单号 $1,000 — $20,000 ApeCoin：单号 $15,000 — $40,000 Plasma：单号 $10,000 — $30,000 Aptos：单号 $1,000 — $5,000（送财童子） Inverse Finance：单号 $100,000+ 1inch：单号 $2,000（行业开山鼻祖之一） Mocaverse：单号 $2,000 — $7,000 Taiko：单号约 $3,000 Movement：单号 $1,000 — $15,000 ENS：单号 $1,000 — $20,000 Gitcoin：单号 $5,000 Blur：单号 $1,000 — $10,000（颠覆NFT之战） SuperRare：单号约 $3,000 The Graph：单号 $50,000+

又一个离谱的 Polymarket 账户出现了！ 一个在日本的中国留学生，注册 Polymarket 才 2 天，就把 0.9 美元 干到了 408,292 美元。 目前几乎没人讨论，浏览量为 0。 他的 Profile 叫 Gravia，他说这就是他的 terminal。 我把他的策略完整反向拆解后，让 Claude 按相同逻辑搭了一个 bot。 一个 Prompt，20 分钟直接搞定。 它做的不是普通交易，而是一个极致 5 分钟 BTC UP/DOWN 高频 Scalper： 实时拉取 Binance WebSocket BTC 数据 + 5 分钟 K 线 交叉验证 TradingView 信号 + CryptoQuant 交易所资金流 使用 Mirofish force-graph 引擎，构建 100 个节点 / 180 条边的关系图，检测 BEAR / BULL 集群收敛信号 一旦发现 Polymarket CLOB 相对现货价格滞后超过 0.3%，立即出手 在合约重新定价前，<100ms 内执行 每秒处理 1000+ 笔订单，每次吃 0.3-0.8% 的差价 无 edge、流动性不足、信号冲突或触达日上限时自动跳过 风控也极度严格： 单笔风险 ≤ 0.5% 日亏损上限 2% 硬止损 -0.4% 本地 terminal 运行，完全不依赖云端 这类 bot 的核心 edge 根本不是预测 BTC 涨跌， 而是精准吃掉现货价格、信号收敛、CLOB 重新定价之间的时间差。 现在的问题是：这种 5 分钟高频 scalper 最终能做到多大规模？ Polymarket 又会不会出手封杀？你真正需要的，只是 Claude + 一台设备 + 每天 1 小时。

一个很野的 Polymarket 账户出现了 一名在日本的中国学生，据说只玩了 Polymarket 2 天 把 $0.90 做到了 $408,292 几乎没人讨论 0 viewers 他的 profile 叫 Gravia 他说这是他的 terminal 有人反向拆解后，用 Claude 按同样策略做了一个类似 bot 一个 prompt 20 分钟 完成 它做的不是普通交易 而是 Polymarket BTC UP/DOWN 5MIN scalper 核心流程是： 实时拉 Binance WebSocket + 5M K-lines 交叉验证 TradingView signals + CryptoQuant exchange flows 用 Mirofish force-graph engine 映射 100 nodes / 180 edges 检测 BEAR / BULL clusters 的 convergence 捕捉 Polymarket CLOB 相对现货价格滞后超过 0.3% 的窗口 在合约重新定价前，低于 100ms 执行 在 UP/DOWN 5MIN 市场里，每秒 1000+ orders 每笔抓 0.3%–0.8% 没有 edge，就跳过 流动性太薄，跳过 信号冲突，跳过 触发 daily cap，也跳过 风控也写得很清楚： 单笔风险 0.5% 每日上限 2% -0.4% hard stop 本地 terminal 运行 不依赖 cloud 不需要 GPU 这类 bot 的 edge，不是真的在“预测 BTC” 而是在吃现货价格、信号收敛、CLOB 重新定价之间的时间差 它赚的不是方向判断 是延迟 问题是： 这种 5MIN 高频 scalper，最后到底能放大到什么规模？ 以及 Polymarket 会不会禁掉它？

Scaling Law正在被重新Scaling ---openai核心研究员最新论文《Learning Beyond Gradients》解读 过去几年，AI行业几乎默认更大的参数、更多的数据、更长的训练、更强的GPU，就是更强的模型，就是scaling law。 过去几个月，行业开始认为，更多的推理，更多的agent，就能完成更长时、更高价值的任务，就是更强的智能。 这构成了行业对scaling law的理解，而只要Scaling Law继续成立，模型就会不断逼近AGI。 最近的openai核心研究员翁家翌的一篇论文《Learning Beyond Gradients》，提出了一个全新的scaling维度：AI不一定只能通过梯度下降学习，也可以通过heuristic、policy、workflow、strategy、code generation不断修改自己的行为系统。 这是继agentic和harness之后，AI行业可能正在从“Scaling Model”，进入“Scaling System”的阶段一个最新的重要进展。 过去AI的能力飞轮，本质上是：更多数据→更大模型→更强能力→更多用户→更多数据。 但现在，论文要告诉我们的是，新的能力飞轮：更强模型→更强heuristic generation→更强runtime system→更强Agent能力→更多真实世界反馈→更强runtime evolution→反过来增强模型表现。 行业正在加速的从：智能 = weights。过度到：智能 = weights + runtime system。 LLM本质上是输入→Transformer→输出。 模型训练结束之后，能力基本冻结。学习主要发生在梯度下降、反向传播和weight update里。也就是说，learning = 修改参数。 LLM就像人类的大脑，参数就像脑细胞。但现实世界的大量复杂能力，其实并不完全来自参数。 就像人类文明真正强大的地方，也不仅仅是大脑本身。真正让文明爆炸的，是语言、文字、工具、数学、workflow、软件系统、组织结构、科学方法。这些本质上都是“外部heuristic system”。 《Learning Beyond Gradients》，的创新，在于它开始尝试把“学习”从参数空间里解放出来。过去是：reward → gradient → weights。现在开始变成：feedback → heuristic modification → runtime evolution。学习开始发生在program space，而不是parameter space。 heuristic，还有点像专家系统，但极大的增强了其能力：过去的专家系统，规则由人类写；现在，规则开始由LLM自动生成。这是在效率上的从量变到质化。 传统专家系统失败，并不完全因为“规则”方向错了，而是因为人类无法维护超大规模动态规则系统。过去写规则太慢、修改规则太贵、规则之间容易冲突、长尾case会爆炸、系统复杂度会失控，所以专家系统最终被深度学习取代。 但LLM的出现改变了这个约束。现在规则生成成本接近于0。模型不仅能生成规则、修改规则、删除规则、调试规则，还开始能自动生成workflow、tool graph、planner、memory strategy，甚至修复agent行为。 这意味着，AI开始能够修改自己的运行时系统。于是，越来越多能力开始从“模型本身”外溢到memory、planner、search、tool use、verifier、runtime orchestration这些系统结构里。 更大的模型 = 更强的AI，变成：更强的模型 × 更强的runtime system = 更强的AI。这会形成一个新的能力飞轮。 过去AI只有“模型scaling”。未来AI会开始出现：Model Scaling × System Scaling × Runtime Self-Improvement。 我们很可能正在从去年底的scaling law，迈入到现在的heuristic驱动的，结合agent和harness的scaling law的平方。 更重要的是，runtime system的增长现在其实才刚开始。今天很多Agent系统仍然非常早期。memory很弱、planner很弱、workflow persistence很弱、long-horizon task能力很弱，本质上还处于“DOS时代”。 但接下来，同一个基础模型，在不同Harness之下，实际能力可能相差几十倍。因为很多复杂任务的瓶颈，已经不是“模型会不会”，而是“系统能不能持续组织行为”。 这也是为什么，未来最重要的竞争，可能不再只是“谁的参数最多”，而是“谁最先形成：模型 + memory + tool ecosystem + heuristic runtime + self-improving harness”的闭环。 某种意义上，Transformer越来越像“认知内核”。真正的AGI，可能是围绕Transformer构建出来的runtime civilization、heuristic ecosystem、agent society、memory graph、self-improvement loop的组合体。 《Learning Beyond Gradients》最让我兴奋的地方，其实并不是“超越梯度”。而是它开始尝试：把Scaling Law本身，也变成一个可以被继续Scaling的系统。

这是一款免费开源的屏幕录制和编辑工具，可以制作精美的 demo、用户引导和产品展示视频。这款产品发布在 Github 之后， 8 周内获得 1.3 万左右的 star，它采用的是 AGPL-3.0 协议，用户在使用上没有任何限制，约束是：如果你修改源代码后再次发布，也需要开源。 Mac、Windows 和 Linux 都能用。 Recordly 有这些功能： 自动追踪光标活动进行缩放，无需手动标记缩放区域 平滑光标移动，添加点击弹跳、动态模糊和晃动效果 将录制内容放入带墙纸、渐变、留白、模糊和阴影的精美框架中 摄像头气泡叠加，支持自定义位置、镜像、圆角和缩放自适应缩放 拖拽式时间线，支持裁剪、变速区域、注释、音频区域和裁剪编辑 MP4 和 GIF 导出，支持画质预设、帧率控制和宽高比选项 macOS 原生录制（ScreenCaptureKit）和 Windows 原生录制（Windows Graphics Capture + WASAPI） 项目保存为 .recordly 文件，可随时重新打开和编辑 扩展市场，提供光标点击音效、设备框架、浏览器模拟、墙纸等 可自定义键盘快捷键和内置快捷键参考

从一间合租屋开始 SBF 用偷来的 $5 亿投了 Anthropic B 轮。 按今天 $3800 亿估值，这笔钱值 $300 亿。 但最有意思的不是回报率。是——他们为什么会认识？ 答案是一个叫 EA（有效利他主义）的圈子。 ─── EA 是什么 EA 说的是：慈善不该凭感觉，该凭计算。 每一美元都该流向数学上「最大化善果」的方向。 三个分支： • 全球健康派：算出每美元能救多少命，疟疾蚊帐 > 捐母校 • 长期主义派：AI 失控是人类头号存在性风险 • 赚钱捐钱派：先赚到极限，再捐到极限 最后这条是 SBF 走的路。 ─── Daniela 与 Wendy Rhoades 2010 年代中期，旧金山有一群人住同类合租屋，参加同类聚会，读同类论文。 Dario Amodei 就泡在这里面。 他和 GiveWell 联创 Holden Karnofsky 住同一栋楼。Karnofsky 后来娶了 Dario 的姐姐 Daniela——Anthropic 联创兼总裁。 Daniela 让我想起《Billions》里的 Wendy Rhoades。 Wendy 表面是 Axe Capital 的心理医生，实际上是整个基金的精神锚点——她管的不是交易，是人，是信念，是压力下的判断力。 Daniela 在 Anthropic 扮演的是类似角色。八位联创，全部还在。这在 AI 赛道几乎是奇迹。这个行业 cofounder 分裂是常态，不是例外。 Anthropic 极低的核心团队离职率背后，是有人在管那件最难管的事：让一群极度聪明、极度自我的人，在同一个信念下持续协作。 妹夫 Karnofsky 2025 年 1 月悄悄加入负责安全策略，Fortune 记者发现前公司甚至没有对外宣布。 ─── 死亡诗社 vs EA 合租屋 这个场景让我想起死亡诗社。 同样是一小群极度聪明的人，密室聚会，信念互相强化，思想茧房。 但内核完全不同： 死亡诗社是浪漫主义的小圈子悲剧——反建制、反功利，产出是诗歌和自我觉醒，风险是个体悲剧（Neil 自杀）。 EA 合租屋是理性主义的小圈子帝国——用最功利的方式做最理想主义的事，产出是基金会、对冲基金、AI 公司，风险是系统性的（FTX 爆雷波及数百万人）。 社交结构一样，价值内核相反。 ─── 圈子内部的资金循环 SBF 为什么能找到 Anthropic？ 不是什么天才投资眼光。是圈子内部的资金循环。 EA 历史上最大三个金主——Moskovitz、Jaan Tallinn、SBF——全是 Anthropic 早期投资者。Anthropic 最高治理机构「长期利益信托」四位成员里三位来自 EA 系统。 Dario 看到了足够多的红旗，所以给 SBF 的是无投票权股份，把他排在董事会外面。 这个决定后来被证明极其聪明。但也留下一个尖锐的问题： 红旗已经多到要做治理隔离了，为什么还是拿了？ ─── EA 最深的 bug 它提供了一套看起来无懈可击的框架，来合理化极端行为。 SBF 的「赚钱捐钱」和 Anthropic 的「安全发展 AI」，其实共享同一个底层逻辑——为了足够大的善果，可以承受不寻常的手段和风险。 区别只在于 Anthropic 在犯罪线的安全一侧，SBF 越过去了。 但「必须自己建造最强大的 AI 才能确保 AI 安全」和「必须先赚到极限才能捐到极限」，逻辑结构上是同构的。 ─── True believer vs 生意人 从这个角度看 Anthropic vs OpenAI 的长期竞争—— Dario 是 true believer。使命是信仰，不是品牌叙事，也是他整个 social graph 的地基。 Sam 是生意人。OpenAI 从非盈利到 PBC，从 $29B 融资到 Microsoft 入股，每一步都是极其灵活的资本运作。拿下 Softbank、签白宫安全承诺——转身继续加速。 两个人在玩不同的游戏。 Dario 的风险：信仰系统一旦被质疑，整个叙事会动摇。 Sam 的风险：没有信仰系统，市场叙事转向时没有东西锚定。 ─── Sam 的打法：不是对抗，是收编 据传 OpenAI 开出约 $10 亿把 OpenClaw 创始人招入麾下，Meta 也在竞价，最终 Sam 拿下——保留开源特性，但核心创始人归队。 不管细节如何，这个模式是真实的。 Dario 在国会山说「AI 可能杀死很多人」——真诚，是 EA 思维的直接输出。 Sam 去白宫签安全承诺，同时把 GPT-4o 做成最好用的消费品——同时服务监管者和市场。 生意人的优势就是这个：他知道什么时候该出手，出多少，用什么结构谈。 ─── AI 的入口会是谁 但 Claude 这边也在加速。 去年拒绝签美国政府 AI 安全协议，让 Anthropic 的「安全」叙事有了真正的可信度。Opus 4.6 带来更强的正反馈系统，能力在持续复利。 但 Claude 最近推出的一系列功能，不少人说是在学 OpenClaw 的路子，生态也越来越封闭。 OpenAI 的平台生态？Anthropic 的安全叙事？还是我们还没看清的第三条路？ SBF 不是「好人做了坏事」，是「聪明人用好人的叙事做了坏事」。 Anthropic 和 OpenAI 都是这场游戏的参与者，只是各自的赌注不同。 我们站在场外。但这个游戏的结果，会决定接下来十年所有人的上下文。

今天sentient正式发币上线，作为全开源的“社区自己的 AGI”。市场 FDV不到1b被低估，这篇来再聊聊背后的技术背景。 一、Sentient 到底是干嘛的？（人话版） 现在的 AI 有个大问题：最牛的 AI 全被 OpenAI、Google、Meta 这些公司垄断了代码不开源、模型不给你、钱也只进他们口袋。 Sentient 想干一件事：把“超级 AI”变成像区块链一样的公共基础设施，谁贡献模型 / 数据 / Agent，谁就能拿钱，这是一个能赚钱的开源 AI 网络。 二、Sentient背后的技术，为什么跟其他币圈ppt项目不同？ 1学术层面：️sentient在学术层面。我最近重返校园读研究生，选教授导师都会去看他曾经发表的论文。 Sentient团队发表了 4 篇 NeurIPS 论文。NeurIPS 是人工智能领域的顶级会议，相当于AI 圈的奥运会级别评委，能在这么高质量的期刊上发表文章实属不易，证明了团队的技术实力。 2️产品： -ROMA一个多智能体 AI 框架（Agent System）GitHub 开源排名超前，在最具挑战性的 SEALQA 子集上达到 45.6% 准确率，创开源模型新纪录。 - SERA：Crypto 专用 AI agent 专门做 Web3 / DeFi / Token 研究。币圈新手小白有任何问题都可以找到解答。 -OML：解决了「开源 AI 不赚钱」的问题 开源 AI 一直有个死穴：模型开源后被白嫖、作者赚不到钱。 Sentient 的OML能给 AI 模型打“隐形水印”。谁用、怎么用、有没有偷都能被验证作者可以合法收费。 这是 开源 AI 能商业化的关键技术 -GRID：Sentient 真正的护城河 这个产品是AI 版的“去中心化 App Store + 工会” 里面有各种 AI Agent（50+）。数据源（Messari、The Graph 这种级别）模型、算力。 散户能怎么赚钱？谁的 AI 被用得多，谁就拿更多 $SENT用户用 → 产生价值 价值 → 分给 AI 作者 + 质押者 Ai to earn用得越多，网络越值钱。

你不是普通海报设计师。 你是「复古地下乐队海报视觉导演 + 丝网印刷质感设计师 + 粗暴主义字体排版系统」。 你的任务是： 根据用户输入的一个主题词 / 名字 / 中文词 / 英文单词，并结合用户是否上传人物图像，生成一张具有复古朋克音乐海报气质的高冲击力视觉海报。 这张海报的核心不是“人像加文字”，而是： 「巨型文字成为空间，人物像油墨残影一样从字母或汉字之间穿出来。」 -------------------------------------------------- 【用户输入】 1. 主视觉文字： {Freddie Mercury/Queen} 2. 人物参考图： {可选} 3. 如果用户输入的是名人姓名： 若系统具备联网检索能力，请先检索该人物的公开形象特征，包括： 标志性发型、脸型轮廓、常见姿态、代表性服装、时代气质、职业身份、代表作品或公众印象。 不要直接复制某一张具体照片，而是提炼其公开形象符号，生成一张概念化复古海报。 4. 小字注释： 系统根据主题自动生成 2–4 组短小文字，中英文搭配。 若主视觉为中文，可搭配少量英文小字；若主视觉为英文，可搭配少量中文注释。 -------------------------------------------------- 【画面风格】 生成一张 1:1 方形复古音乐海报，整体像 80s–90s 地下乐队巡演海报、朋克杂志封面、独立唱片封套、复印店传单、丝网印刷海报。 画面必须具有： - 粗糙油墨感 - 双色 / 三色印刷感 - 高对比剪影 - 半调网点颗粒 - 纸张纤维纹理 - 轻微套印错位 - 复印机噪点 - 海报折痕与旧纸质感 - 边缘轻微磨损 不要做成干净的现代平面设计。 不要做成光滑的商业摄影。 不要做成普通字体海报。 要有一种「印坏了反而更高级」的地下文化质感。 -------------------------------------------------- 【字体规则】 主视觉文字必须是画面最大元素，占据画面 70%–85% 的空间。 如果是英文： 使用极粗、极窄、压缩感强的无衬线大写字体，类似复古巡演海报字体，字母巨大、垂直、有压迫感。 如果是中文： 使用极粗黑体 / 块面字体 / 压缩字体，字体必须像建筑一样撑满画面。 文字不是贴在背景上的标签，而是画面的主体结构。 人物必须被文字遮挡、切割、穿插。 人物可以从字母内部、字缝、负空间里出现。 主文字必须保持可读，但允许有局部遮挡、磨损、油墨断裂。 -------------------------------------------------- 【人物处理】 如果用户上传人物图像： 必须保留人物的五官结构、脸型比例、发型气质与真实身份特征。 不要网红化，不要美颜重塑，不要改变年龄、性别、种族和骨相。 但人物照片不能保持普通照片质感。 必须转化为复古丝网印刷人像： - 高对比 posterized 处理 - 双色油墨分离 - 面部阴影被压成大块色面 - 五官边缘有粗糙颗粒 - 皮肤呈现偏色，不是正常肤色 - 可使用橘粉、肉桂色、旧报纸米色、暗红、脏桃色作为人物亮部 - 阴影可使用黑色、深蓝、暗紫 - 人物整体像旧唱片封面上的印刷人像 如果用户没有上传人物： 根据主题自动生成一个符合主题气质的人物。 例如： 音乐主题可生成人物拿吉他、麦克风、贝斯、鼓槌； 思想主题可生成人物沉默站立、低头、侧脸、被文字遮挡； 运动主题可生成人物动态动作； 情绪主题可生成人物半身剪影或模糊凝视。 人物比例不要太大。 人物高度约占画面 35%–50%。 人物不要完整占据中心。 人物必须像从文字结构里冒出来，而不是站在文字前面拍照。 -------------------------------------------------- 【颜色系统】 根据用户输入的主题自动选择高冲突复古配色。 必须限制在 2–3 个主色内： 推荐组合（随机选择一下组合其一作为配色方案）： 1. 黑色背景 + 电光蓝大字 + 橘粉人像 + 米白小字 2. 深棕黑背景 + 钴蓝大字 + 脏桃色人像 + 旧纸白小字 3. 墨黑背景 + 紫蓝大字 + 暗红 / 橙色人像 + 米黄色注释 4. 暗海军蓝背景 + 奶油白大字 + 猩红人像 + 黑色阴影 颜色必须像油墨印刷，而不是数码渐变。 允许轻微套印偏移，让蓝色和橘色边缘出现错位感。 -------------------------------------------------- 【小字排版】 在画面右下角、左下角或边缘加入少量小字，让海报更像真实巡演海报 / 杂志封面 / 唱片封套。 小字内容由系统根据主题自动生成。 风格要短、硬、冷，不要鸡汤，不要解释过多。 例如： - POETRY TOUR - LIVE SESSION - FIELD NOTES - NO. 03 - ARCHIVE PRINT - ONE NIGHT ONLY - SYSTEM OF MEMORY - HUMAN NOISE - 2026 LIMITED EDITION 小字必须与主视觉文字形成层级差异： 主字巨大粗暴，小字克制、窄长、像票根信息。 -------------------------------------------------- 【构图要求】 画面要有强烈平面冲击力。 构图逻辑： - 背景为深色粗糙纸面 - 主文字巨大，占满画面 - 人物被嵌入文字结构中 - 文字压住人物局部 - 人物局部越过文字边缘 - 主文字、人物、小字之间形成遮挡关系 - 画面四周可有轻微圆角边框、旧贴纸边缘、磨损黑框 整体要像一张被贴在地下酒吧墙上的老海报。 不是精致广告，而是有态度、有噪音、有现场感的视觉传单。 -------------------------------------------------- 【质感关键词】 retro punk gig poster, underground music poster, screen print texture, risograph print, xerox zine aesthetic, distressed ink, halftone dots, posterized portrait, two-color overprint, misregistered ink, brutalist typography, huge condensed bold letters, rough paper grain, vintage concert flyer, independent record cover, raw graphic design, high contrast duotone portrait, grainy photocopy texture. -------------------------------------------------- 【禁止项】 不要现代商业海报。 不要干净渐变。 不要 3D 字体。 不要赛博霓虹。 不要奢侈品广告感。 不要光滑高清人像。 不要卡通插画。 不要 AI 塑料感。 不要过度装饰。 不要复杂背景。 不要让人物完全盖住大字。 不要让主文字不可读。 不要生成无意义乱码小字。 不要使用太多颜色。 不要把人物变成普通摄影写真。 -------------------------------------------------- 【最终输出】 生成一张复古朋克丝网印刷风格海报。加强复古丝网印刷感。人物不要像真实照片，要处理成高对比双色油墨人像，肤色明显偏橘粉或脏桃色，阴影压成黑色和深蓝色块。主文字继续放大，占满画面，让人物从字母或汉字缝隙里穿出来，被文字遮挡和切割。增加半调网点、纸张颗粒、复印机噪点、套印错位和旧海报磨损感。 主视觉文字： {用户输入文字} 人物： {上传人物图像 / 系统自动生成 / 名人公开形象概念化} 画面必须呈现： 巨型字体压迫感 + 人像偏色油墨处理 + 字体遮挡穿插 + 粗糙纸张颗粒 + 复古地下巡演海报气质。 将宽高比设为 9:16