做大世界模型研究的人很需要这个工具：stable-worldmodel 它做的就是这一块。这个仓库提供可复现的 world model 研究与评测平台，文档、测试、PyPI 包和论文入口都在一处，适合想把实验、对比和结果复核放到同一套流程里的人。 GitHub 现在约 1.5k stars，今天新增 318 stars。 仓库地址：

看到两个新闻来聊聊Parlay⬇️ 一个是最近 @Polymarket 开始支持Parlay（Combos/串关）。 另一个是昨天尼克斯队阵马刺的比赛中，Kalshi的做市商SIG录得体育市场上最大的亏损（作为参考，taker的总盈利是 $22.4M）。 而 @Kalshi 在今年早些时候就支持了Combos。今年前四个月里，Kalshi总共有8亿美金的Combos成交量，用户的损失在15%（由SIG和Kalshi一起米西😋） ❓为什么做Parlay的做市商不是一件容易的事情？ 1️⃣ Parlay的定价需要考虑的是各个事件的联合概率。而联合概率只有在事件独立的情况下才可以由各自概率推导出来P=P1 * P2 *... 所以从做市商的角度出发，如果直接按照独立事件定价，会给出过于乐观的价格。举个极端的例子，“尼克斯赢球”和“尼克斯 -5” 两个事件是包含关系，其实只有“尼克斯赢球”是有效的。 2️⃣ Parlay不像传统衍生品一样可以简单的对冲。这是因为可能结果的组合空间随着事件数量增多而爆炸。做市商需要lock的保证金也会是天文数字（当然SIG肯定和Kalshi有py协议） 3️⃣ 要对抗toxic flow。Kalshi的RFQ只藏在了APP端，并且简单的抓包是拿不到rfq的接口。文档中的combos endpoint跟Polymarket的API一样💩 但是还是有高手taker在今年3/24一天赚到 $750k ⚠️所以核心是在考验做市商的Risk Engine。如果你在做permisionless的parlay rfq，我觉得终极解决方案是通过一个类似 World Model 的东西来做 （@ylecun （不是 不然总会有这样那样的correlation被toxic taker给吃掉，特别当你是一家startup的时候（iykyk我在点名谁😼） 💡最近也有一些startup出来做这个问题，比如YC 26 Spring的 @totalistrading 。 创始人 @ericliu 提到过可以通过组合优化不同Parlay之间的事件进行对冲，从而达到类似Portfolio Margin的效果。 早期Pricing可以通过直接在independent prob上加一个discount；rfq也可以通过非常conservative的rule来ban掉包含同类型市场的组合。 特别是当Parlay扩展到其他非sportsbook的事件时，可能做insurance的玩家会更有优势 @UseCorgi @earthianai

《AI时代，投资者必须全栈》 ai investor has to be Full-Stack Investor 过去的投资世界，讲究“分工”： 有人做宏观，有人做行业，有人做基本面，有人做量化。 但进入 AI 时代之后，这种分工化的投资方式正在迅速失效。 今天，一个真正能理解、看懂并抓住 AI 时代财富机会的投资者，必须是 全栈型投资者（Full-Stack Investor）。 就像技术行业曾经出现“全栈工程师”一样，未来的投资世界也将被“全栈投资者”主导—— 既懂宏观，也懂技术；既能判断行业，也能写工具；既能分析，也能自动化。 这是时代的要求，也会是下一代投资者最核心的竞争力。 一、为什么 AI 时代投资者必须全栈？ 1. AI 是一个端到端的超级产业链，任何一个环节都可能反转你的判断 AI 涉及的链条长到前所未有： 算法（Transformer、MoE、World Model） GPU（NVDA / AMD） HBM（SK hynix / Samsung / Micron） 先进封装（TSMC CoWoS / SoIc） 光互联（Broadcom / Coherent / Intel SiPh） 数据中心（VRT、NET、DDOG） 能源（BE、CWEN、XIFR） 云与 AI 平台（GOOG、MSFT、META、OpenAI） AI 应用层（PLTR、SaaS 全部重构） 任何一个瓶颈、任何一个突破，都会改变整个板块的涨跌逻辑。 如果你不了解光互联，你看不懂 GPU 可扩展瓶颈。 如果你不了解 HBM，你判断不了 AMD/NVDA 的代差。 如果你不了解能耗和冷却，你不知道数据中心为什么比 GPU 更紧缺。 如果你不了解算法，你根本无法判断“算力需求是否会继续指数级增长”。 AI 投资不是单点知识，而是端到端系统理解。 2. 信息量爆炸，纯靠人力无法覆盖 AI 相关的信息密度，已经远超传统行业： 供应链新闻 算法论文和技术突破 Big Tech CapEx 更新 监管和出口管制 数据中心扩张与电力审批 GPU 交付时序 行业会议与内部技术路线 X/Twitter 讨论流 各类模型 benchmark 和产品更新 每天 1000+ 条信息可能只是行业平均水平的投资者。 不用工具自动化，就永远落后于别人。 全栈投资者最大的优势，就是能自己构建信息“摄取与过滤系统”。 3. 技术周期太快，不懂技术就无法提前布局 AI 的技术迭代速度大概是： 每 3～4 个月一次重要突破 每 6～9 个月一次产品更新 每 12～18 个月一次算法范式变化（MoE、SSM、World Model） 每 24 个月一次硬件架构代差（H100 → B200 → Rubin） 如果你不了解技术周期，你根本无法预测： 哪家公司未来一年会爆发 哪条供应链会卡住 哪个环节会成为新赢家 谁会在 2 年后被替代 技术理解能力，是 AI 投资者未来的基本素养。 二、为什么“开发能力”也是未来投资者的必修课？ 真正的全栈投资者，不只是会分析，还必须会“开发自己的工具”。 因为： 1. 投资者的核心能力之一是“快速验证观点” 你想验证： 最近 48h 哪些 AI 项目最热？ 某事件（财报/政策）对哪些股票影响最大？ 算力增速 vs 数据中心供电缺口的关系？ 模型参数增速 vs HBM 需求增长？ 只要你会vibe coding，你就能在马上得到答案，而不是靠别人的两周后的分析。 2. 未来的投资者本身就是“产品经理” 投资者必须设计： 事件监控 数据库 自动摘要 自动分类 情绪分析 回测脚本 。。。。。。 这就是一个“投研产品”的完整系统。 会开发的人，能自己造最适合自己的系统；不会的人，只能用别人的系统，未必最适合自己 三、结语：AI 时代不会让投资更容易，但可能是碳基生物为数不多的选择之一 AI 并不会让投资变简单。 AI 会加速信息流动、压缩套利时间、加速竞争。 在这种环境下： 不会开发、不会自动化、不会跨学科推理的投资者，将被淘汰。 懂技术、懂产业、懂开发、懂金融的“全栈投资者”，会成为下一代的超级个体。 更不用说，当ai开始大量替代人力的时候，投资，可能是唯数不多的，你可以选择不被替代的工作。 真正的 AI 投资时代刚刚开始。 只有全栈型投资者，才能吃到全周期的红利。