World 宣布推出自托管金融应用“World Money”，并在全球 150 多个国家及地区上线。该应用涵盖稳定币支付、投资、理财生息以及全球跨境转账功能，支持 8 种法币及数字货币余额，并通过接入 Stripe 为美国用户打通从 Apple Pay 快捷入金兑换稳定币的通道。此外，World Money 深度集成了预测市场平台 Kalshi 与去中心化借贷协议 Morpho。(TheBlock)

World 已将零知识身份验证工具 ProveKit 开源，该工具此前已应用于 World ID，可让用户在手机或浏览器本地生成零知识证明，在不披露底层个人信息的情况下证明年龄、国籍或持有有效身份证件等信息。World 表示，ProveKit 不依赖外部服务器处理敏感数据，支持 Noir，并可在普通消费级设备上运行；当前 ProveKit v1 已可用于生产环境，主要面向链下验证，ProveKit v2 正在开发中，计划进一步降低证明大小、生成时间和内存占用，并提升链上验证效率。（The Block）

World Liberty Financial（WLFI）推出首批以 USD1 计价的 RWA 永续合约市场，Aster DEX 已上线 SPCXUSD1、CLUSD1、XAUUSD1、SNDKUSD1 和 SKHYNIXUSD1 等交易对。WLFI 表示，将通过 2.5 亿枚 WLFI 和 1,250 万美元 USD1 为相关市场提供流动性支持。此次上线涵盖黄金、原油和全球股票等 RWA 资产，后续还将增加更多 USD1 计价的 RWA 永续合约市场。

World Model × Reward Density：递归自我迭代的真正拐点 过去几个月，讨论 AI 递归自我迭代（Recursive Self-Improvement, RSI）时，关注点几乎都放在模型能力和算力增长上。 但研发系统的实验效率相对模型和算力，可能才是真正的瓶颈。 过去一年，这个系统正在发生两个根本性变化：一是 World Model 快速成熟，二是 AI Model Design 的 Reward Density 持续提高。这两个趋势彼此强化，最终指向同一个结果——AI 研发正在从依赖真实实验，转向依赖模拟、预测与自动验证。 World Model 的意义远不只是让模型理解现实世界，更重要的是让 AI 可以构建越来越接近真实世界的原生模拟环境（Native Simulation World）。过去的模拟器主要依赖人工编写规则、物理公式和专家经验，只能覆盖有限场景；未来的模拟器将越来越多由模型生成，直接学习真实世界中的交通、人类行为、企业经营、材料性质、机器人动力学乃至科学规律。模拟世界将逐渐从 Rule-based 转向 Model-based。 这意味着 Simulation 与 World Model 不再是两个独立模块，而是一个递归系统。真实世界提供数据，训练 World Model；World Model 构建更真实的 Simulation；Simulation 为 AI 提供几乎无限的实验机会；实验产生大量高质量合成数据，再反过来继续优化 World Model。 整个循环可以表示为： Reality → World Model → Simulation → Synthetic Experience → Better World Model → Better Simulation → ... 一旦进入这一循环，Simulation 本身开始成为新的数据源。过去互联网几乎承担了全部训练数据来源；未来互联网、Simulation、机器人和自动实验室将共同构成模型训练的数据基础。其中，Simulation 将成为增长最快的数据来源，因为它几乎没有成本，可以无限复制、暂停、回滚、并行和加速运行。 机器人是最直接的受益者。今天机器人最大的瓶颈并非模型能力，而是真实数据获取速度。现实中，一台机器人一年只能积累几千小时经验，而 Simulation 可以同时运行数百万个机器人，在一天内完成现实世界几年甚至几十年的探索。机器人训练因此会逐渐从 Reality-first 转向 Simulation-first，真实机器人更多承担最终校准，而非主要学习过程。 科学研究也将遵循相同路径。未来药物、材料、催化剂、电池、蛋白质设计等领域，大部分假设将在 Simulation 中完成筛选，仅将最有希望的方案送入真实实验室验证。湿实验将越来越像对 Simulation 的最终确认，而非发现过程本身。 如果说 World Model 解决的是实验环境，那么 Reward Density 解决的是实验反馈速度。 AI Model Design 正在成为所有研发任务中 Reward Density 提升最快的领域之一。过去修改一个 Attention、优化一个训练策略或者调整一个架构，往往需要数周训练才能知道结果，反馈极其稀疏。今天越来越多中间信号已经能够提前提供可靠奖励，包括 Loss Curve、Scaling Prediction、Training Stability、Token Efficiency、Inference Latency、Proxy Benchmark 等。很多决策无需等待完整训练即可获得有效反馈，研发循环开始从周缩短到天、再缩短到小时。 World Model 的加入进一步提高了 Effective Reward Density。过去，一个团队提出一百个模型设计，只能真正训练其中极少数。未来，大部分方案将在 Simulation 中完成预验证，仅保留少数最优设计进入真实训练。单位时间内能够获得的有效反馈数量因此不是线性增加，而可能提高一个甚至多个数量级。 真正发生变化的不是 Reward Density 本身，而是有效 Reward Density： 过去： 100 个想法 → 训练 3 个 → 获得 3 个 Reward。 未来： 100 个想法 → Simulation 验证 95 个 → 训练 5 个 → 获得近百个高质量 Reward。 研发系统开始进入典型的正反馈。 RSI 意味着：Model → Better Model。 但如果拆开来看，其实是： Model → Better World Model → Better Simulation → Better Evaluation → Better Model。 更进一步，World Model 本身也是模型，因此模型不仅开始优化模型，还开始优化整个研发基础设施，包括 Evaluation、Reward Model、Simulation、Compiler、Kernel、Memory System、Chip、Interconnect、Datacenter、Energy 以及 Robot Lab。优化对象从单一模型扩展到整个 Intelligence Stack。 从这个角度看，RSI 的速度可以拆解为五个核心变量： RSI Speed = f(Model Capability × Experiment Speed × Reward Density × Automation Ratio × Compute) 过去几年，模型能力和算力提升最快，而实验速度、Reward Density 和自动化比例一直是限制因素。现在，这三个变量正在同时改善，并形成多个相互强化的反馈环。 Reward Density 提高，实验速度提升；实验速度提升，提高自动化比例；自动化比例提升，进一步增加迭代频率；更高的迭代频率提升模型能力；更强的模型又提升 World Model；更好的 World Model 再提高 Reward Density。 整个系统开始形成真正意义上的递归飞轮，而不是单变量增长。 因此，RSI 更可能表现为阶段性加速，而不是平滑指数增长。每当一个关键瓶颈被突破，例如 Evaluation、Simulation 或 Robot Lab，整个系统都会进入新的增长档位。 基于目前的发展节奏，可以将 RSI 粗略划分为四个阶段。 第一阶段已经开始。AI 能够辅助模型研发，但仍高度依赖人类完成实验、分析和决策，研发循环以周为单位。 第二阶段将在 World Model 和 Reward Density 继续成熟后出现。AI 将能够提出设计、完成 Simulation、自动 Evaluation、自动 Revision，人类只负责批准关键实验，研发循环压缩至小时级。这将是自动 AI Research 真正形成飞轮的起点。 第三阶段将随着 Robot Lab 普及而到来。Simulation 与自动实验室形成闭环，真实实验自动更新 World Model，整个研发流程实现 7×24 小时运行。现实世界逐渐从主要训练场转变为校准场。 第四阶段，也是 RSI 真正意义上的广义扩张。AI 不再只是优化模型，而是持续优化芯片、网络、能源、机器人、制造系统和整个智能基础设施。递归优化对象从 Software 扩展到整个 Physical Intelligence Stack。 基于上述路径，接下来最值得关注的是五个领先指标：AI 完成一次研发迭代所需时间；AI Model Design 的 Reward Density；World Model 对真实训练结果的预测精度；Simulation 与现实实验的一致性；以及整个研发闭环中自动化完成的比例。 这些指标共同决定了递归自我迭代是否真正开始进入加速阶段。 接下来，Simulation 将成为主要训练场，Reality 将成为最终校准场。 当 World Model 足够准确、Reward Density 足够高、Robot Lab 足够自动化之后，AI 将第一次拥有持续、自主、高频率优化自身的实验环境。这并不意味着智能会瞬间爆发，而意味着决定增长速度的约束正在系统性消失。 当研发系统本身成为优化对象时，递归自我迭代才真正开始。

Worldcoin 多签地址 9 小时前向两个新地址转移 1384 万美元的 $WLD👀 上游地址实际上收到了 6000 万枚代币，本次仅转出 3694 万枚；尽管接收地址暂未转移或卖出，参考三个月前的类似操作，后续大概率会将代币充值进交易所 接收地址 #Bitget# 来了就是VIP！Crypto、美股、CFD，全球先机一站布局

World 协议背后的 World Foundation 通过出售 WLD 代币筹集 5,250 万美元，相关代币均锁定一年。本轮由 Pantera Capital 领投，Bain Capital Crypto、Eightco Holdings、Selini Capital 和 Susquehanna Crypto 等参与。World Foundation 表示，所售 WLD 不代表 Tools for Humanity 的股权或利润权，资金将用于扩展面向企业、消费者和 AI Agent 的 World ID 技术。World Network 目前拥有超过 3,900 万用户，其中逾 1,800 万人完成 Orb 验证。（The Block ）

World Cup明天開打，prediction market賽道又出花活了。 @choice_markets 推了個 Choice Player Card NFT系列，第一批30個球員卡，每張綁一個國家。launch 在 @jumpbot_fun，用 $CHOICE 開卡包。 預測對 Golden Ball贏家的人，那張卡的持有者分 $200K $CHOICE獎池。開卡包期間平台還會 double整個獎池，早期參與直接2x收益預期。 傳統 prediction market只有「下注」一個動作，但 Choice把「持有球員卡」也變成一種身份認同。你不只是押結果，也是在收集一支虛擬球隊，國家歸屬感把短期投機變成長期參與。 7位數美元總獎池，現在算早期，World Cup開打後熱度會快速起來。

World's Top 1 CEO just bullied a fan today Jensen: You have no money in wallet? Poor guy Ladies, this guy has no money, don't marry him. 拿錢包給黃爸爸簽名 不是太聰明 還被虧一頓 黃仁勳的習慣就是會開錢包檢查現金😂