四块拼在一起：1. 先验–后验隐空间（从 H0.7 继承） 训练时后验支路能看到未来的视觉和触觉，用来教先验「接下来接触会怎样」。推理时拿掉未来，只留当前指令 + 画面 + 学到的 latent query。官方强调它不重建未来像素，只预测和任务有关的交互后果。2. 慢–快动作专家 慢路：每个 action chunk 开头算一次世界–动作上下文并缓存，生成整段 horizon。 快路：chunk 内若干锚点注入最新本体感觉和触觉，只重写下一小段动作。 这是为了解决「VLA 一段动作还没跑完，接触已经变了」。3. 通用触觉编码器 上面说的金字塔 + 缺测占位。4. TopoHand（第二代统一动作空间） 替代 H0.5 的 200 维槽位。一只手 = 腕部坐标系 + 10 维形态码（形状 VAE）+ 20 个标准关节。夹爪则是「拇指尖到最近指尖的归一化开合」。人手、灵巧手、平行爪走同一套语义，再加本体 adapter。数据叫 UniHand-3.0：50 万小时+ 第一人称视频（公开集 + 合作方 + 自采），号称国内最大操作视频池，再配异构真机和合成人–机对齐数据。三阶段：大规模预训练 → 任务对齐的人演示 mid-train → 真机 post-train。

🚀 Vercel 给 Agent 造了门新语言 实验语言 Zero 用图结构加 JSON 工具链 编译器输出主要给机器读而非人读 Agent 通过 query 和 patch 操作代码图 编程正从写给人看转向写给模型跑

有时候就是 你认真的时候 就已经输了 玩币好像也是这样，心态放好，顺其自然，买一个币，一定不要去要求他一直涨，也不要天天给自己画饼，抱着归零的心态，赚钱了反而非常开心，降低自己的满足感，发现处处是惊喜

实在是太喜欢Bob这个翻译工具了，买断只需50块？ 但每天真是高频用，内置智谱和硅基流动免费模型。 还能自定义Prompt，进入服务，复制一个配置，修改成自定义提示词模式。 例如：在用户指令中输入： “用通俗易懂又简洁的话解释下:$query.text” 选中任何文本，按option + d 划线翻译，就能解读了。

巨头交卷！ 1/ 谷歌Q2财报出来了，数据基本beat，盘后却跌3%。市场又开始表演传统艺能：只看自由现金流，不看AI战争布局。 2/ 营收1198亿美元，同比+24%；经营利润407.7亿美元，都小幅超预期。最亮的是云业务：收入248亿美元，增长82%，预期225亿。这是AI需求真正兑现到收入的信号。 3/ 搜索+17%，广告+14%。有人在担心AI搜索会不会蚕食传统搜索广告？现在看，AI不仅没吃掉搜索，反而让搜索更值钱。用户query质量提升，广告转化率更高。Google的基本盘，比想象中稳。 4/ TPU开始外售。从Q2起，Google开始把TPU卖给外部客户。这意味着什么？Google不只是云厂商，它正在变成芯片供应商。这是要抢英伟达饭碗。 5/ 资本开支449亿美元，略高于预期。全年指引从1800-1900亿上调到1950-2050亿。市场开始慌了：这么多钱砸进去，什么时候才能看到回报？ 6/ 我的看法：自由现金流转负58亿，不是风险，是Google在AI军备竞赛里all-in。你指望它在抢未来十年技术霸主地位的时候，还给你稳定分红回购？那才是不务正业。 7/ 现在不是算ROIC的时候。现在是谁先建成AI基础设施、谁先锁定企业客户、谁先把TPU卖遍全球。Google显然选择当赢家，而不是当会计报表上的好学生。 8/ 盘后跌3%？那是交易员在交易。长期投资者应该看到的是：搜索还在增长，云在爆发，TPU开始商业化，AI资本开支继续加码。这是典型的“财报beat但股价跌”的错杀。 9/ 特斯拉也交卷了，但和Google是两个故事。特斯拉营收+26%，经营利润却大跌57%，自由现金流也转负。汽车在靠降价换量，机器人量产时间表模糊，资本开支远低于目标。市场给它-4%，我觉得合理。 10/ Google和特斯拉的区别：一个是真在AI上赚钱，一个还在靠补贴梦想。云业务82%增长是真的，TPU外售是真的，搜索广告增长是真的。特斯拉的汽车利润和机器人故事，还差点意思。 11/ 对产业链的影响：Google加码AI基建，利好光模块、服务器、HBM、散热、数据中心产业链。Google云增长越快，国内的“光和芯”映射就越强。这不是情绪，是订单。 12/ 总结：Google这份财报，市场短视地盯着自由现金流负58亿和资本开支上调。但长期来看，Google正在做一件正确的事：用短期现金流换长期AI霸权。我看好。

ExcelMcp 把 Excel 接到了 AI 助手上，用大白话说要什么，它直接在表里做出来。 它操作的是电脑上安装的 Excel 应用，原有的公式、透视表、图表和宏都支持保留。 GitHub： 共 26 个工具、232 项操作，Power Query、DAX 度量值、透视表、图表、VBA 都能调。 而且改完能立刻在 Excel 窗口里看到结果，不满意的话接着说一句让它改。 支持接入到 Claude Code、Codex、GitHub Copilot 等 Agent 工具，需要 Excel 2016 以上版本。

toC的国产大模型chatbot，5年内是一定可以盈利的。 绝大多数中国下沉市场用户，用100B的模型+web searcher/fetcher就绰绰有余，搜网页+总结+产品精细化，成本是很低的。 toC的AI小工具的用户们，最常见的问题就是，发烧了吃什么药，种玉米用什么化肥和农药，王者荣耀如何免费拿皮肤， 大专该选择旅游管理还是酒店管理，如何合法打老丈人，丈母娘死了如何拿存折取钱，老公开卡车被撞能讹多少钱，生成一个倪萍的视频祝贺张发财70大寿……等等这些鸡毛蒜皮的狗屁无脑三低问题。 对于这一类的问题，100B的模型能力已经非常强大了，而且只要你信仰摩尔定律，GPGPU越来越便宜，算力越来越便宜，计算中心运营成本下降，贵州河南到处补贴AI算力大中心——未来每次inference成本是可以降低到0.0005元人民币以内。 只要inference成本降下来，每个用户进行query的成本就能降下来，中国14亿农村下沉市场就愿意接受豆包、元宝、通义千问、deepseek等等头部手机AI应用里插入小额贷、奶茶补贴、手机以旧换新、瓜子二手车、闲鱼买二手笔记本等等狗皮膏药广告。 只要这些广告足够多、足够密集、转化率足够高，利润足够大，完完全全可以在未来5年内摊平模型inference每次0.0005元的成本（算上agent整个调用function calling、总结、完整输出的所有token输入输出成本，包括input caching省下来的钱），2000个用户在AI chatbot里面问一天，可能一个小额贷广告的付费转化就直接覆盖回来了。 在这种情况下，我相信哪怕连中国这种单个用户价值很低的toC市场，在持续商业广告下沉和inference成本不断补贴下降的趋势下，可能5年内中国头部5家AI chatbot都能逐步实现盈亏平衡。

obsidian-wiki 是一套让 AI 代理与 Obsidian 结合的数字大脑构建框架，它把 Andrej Karpathy 的 LLM Wiki 模式落地成可直接运行的技能系统，让你的知识不再零散，而是持续生长、自动互联。 框架提供了完整的知识摄取流程：从 PDF、聊天记录、代码库、会议纪要到截图和白板照片，AI 代理都能直接读取、提炼概念、合并更新并自动建立双向链接。每次新增内容都会通过 delta 跟踪只处理变化部分，避免重复劳动，同时保留来源归属与置信度标注。 除了核心的 wiki-ingest、wiki-query、wiki-lint 等技能，它还支持多代理历史回溯、图谱可视化、标签 taxonomy 治理、以及一键导出 graph.json / GraphML / Neo4j / 可交互 HTML 等多种格式。所有技能都以 markdown 文件形式存在，任何支持文件读取的 AI 编码代理都能直接调用。 通过 pip install obsidian-wiki 或 npx skills add 即可一键安装，所有技能会自动链接到 Claude Code、Cursor、Windsurf、Pi 等多个代理环境。无论你是在新项目还是旧代码库工作，只需一句“set up my wiki”或“/wiki-update”，知识就能被持续收纳进你的私有 Obsidian 仓库。 GitHub：

兄弟们收集了币圈 AI 免费工具 6 个分享給大家。 1️⃣ Kronos-Finance — 清华开源 K 线基础模型，喂 45 家交易所数据，回测神器 2️⃣ DefiLlama News — 每周 Telegram 汇总融资/收购/新闻 3️⃣ CoinGecko TAO Tracker — Bittensor 子网实时排行 4️⃣ fanbox (AlchainHust 开源) — AI 自动化粉丝运营工具 5️⃣ Polymarket AI Bot — 自动扫预测市场异动 6️⃣ Dune AI Query — 自然语言查链上数据 这些工具都是经过大家实测一致好用，快点收藏起来吧!