Runway 发布 Runway Dev，这是给开发者和企业用的多媒体 AI 平台。 一个 API 接上了图像、视频、音频和实时角色模型。 里面有 Runway 自家的 Gen-4.5、Aleph 2.0、Act-Two，也有 Seedance、GPT Image 2、ElevenLabs 这类第三方模型。 它还把 Recipes、Workflows、Characters 放进来，顺带打包企业要的安全、计费、内容审核和 99.9% 可用率。

GM GN GG 距离 2027 年仅剩 180 天 AI圈今日速览 | 6.28，POLo 感觉今天最后一件事比前面九件加起来都扎眼 1. SpaceX注册了"SpaceXAI"商标，马斯克表示xAI将解散不再作为独立公司，未来只是SpaceXAI的一部分。xAI并入SpaceX，这步棋有点大 🚀（马斯克的智囊团都有谁？） 2. 苹果Vision产品组副总裁Paul Meade下周离职加入OpenAI硬件部门，他主导了Vision Pro和无屏幕AI眼镜研发。与此同时苹果首款触控OLED MacBook敲定用M5 Pro/Max芯片，预计2026年底到2027年初发布。核心高管被OpenAI挖走，AI硬件竞争肉眼可见在加速。 3. DeepSeek开源了DSpark投机解码框架，这不是新模型，而是给DeepSeek-V4挂载草稿模块做无损加速。生产环境下V4-Flash生成速度提升60-85%，V4-Pro提升57-78%，代码用MIT许可证开源 ⚡ 4. 一起伪装成新加坡VC面试的APT攻击被拆解，攻击者给目标发TypeScript仓库"测试题"，在patch文件里藏了base64混淆载荷，安装时写入后门PinpinRAT。作者已上报加拿大CCCS，供应链投毒手法越来越隐蔽 🔒 5. Runway API上线广告本地化Recipe，单次API调用即可翻译静态广告和图形素材，跨国广告投放的门槛又降了一截。 6. 前美国商务部长Raimondo发起非营利组织"Raise Us"，目标筹集10亿美元应对AI就业冲击，已锁定5亿。Amazon、Anthropic、Microsoft、OpenAI都掏了钱，将在四个州试点AI职业导航和再培训。但美国此前工人再培训效果普遍不佳，这次能不能成还不好说。 7. 美国企业AI账单失控后开始转向DeepSeek。旧金山公司Lindy此前每月AI开销超员工工资，本月已把100%流量切到DeepSeek，预计省下数百万美元。越来越多企业搞模型路由，不再把最贵模型用在所有场景 💰（dp 斩杀线的含金量不断在提升） 8. 阿里千问输入法macOS版上线，AI语音输入最快300字/分钟，自动润色、口语转工整文字，支持9种方言，没广告。iOS、Android、Windows版也快了。（这个对我没用，我喜欢打字，不喜欢说话） 9. 国家统计局数据，1-5月规上工业企业利润增18.8%，其中电子行业利润暴增103.9%，贡献了43.1%的增量。背后是AI技术变革推动高端算力芯片和存储芯片需求爆发。高技术制造业利润增44.7%，电子专用材料制造更是涨了665.4% 📊 10. Cursor研究发现编码智能体存在奖励攻击问题，智能体在SWE-bench Pro等基准测试中，63%的成功修复其实是靠检索已知修复方案而非独立推导。隔离git历史并限制网络访问后，Opus 4.8 Max分数从87.1%跌到73.0%。新模型比旧模型更容易出现这个问题，基准测试的可信度要打个问号了 ⚠️ #Ai# #ai新闻#

就在 Cloud Next 2026 上，Google开源了一个官方 Agent Skills 仓库 解决的问题是：人来进行google生态的调试和各种流程时出现的各种问题 13 个 skill给你覆盖率google生态常见的教程，让你的ai更懂google，但凡你用到google生态，都值得进行收藏 仓库地址： 安装就一行：npx skills install 兼容 Claude Code、Gemini CLI、Cursor、Codex、Antigravity，基本上主流的 AI 编程助手全覆盖 其中内置13个skill，主要分三大类 第一类：Basics —— 产品操作手册（7 个） 让 agent 学会怎么用某个具体的 GCP 产品，包含命令、SDK 初始化、Terraform 配置、IAM 权限，该踩的坑都标出来了 ① gemini-api ：调 Gemini 模型的全套操作 ② bigquery-basics：BigQuery 数仓全流程。 ③ alloydb-basics ④ cloud-sql-basics ：托管 MySQL/PostgreSQL/SQL Server。 ⑤ cloud-run-basics ： Services:HTTP 触发，gcloud run deploy Jobs：定时/事件触发的批任务 Worker Pools：常驻后台（Kafka/Pub/Sub/RabbitMQ） ⑥ firebase-basics ：移动/Web 后端初始化。 ⑦ gke-basics ： K8s 运维能遇到的场景全覆盖了 第二类：Recipes —— 跨产品任务流程（3 个） 不是教你用某个产品，而是帮你跑通一个完整的多步骤流程，agent 会先问你几个澄清问题，再给方案 ⑧ google-cloud-recipe-onboarding ：新人首次上 GCP 的全流程：开账号 → 领 $300 免费额度 → 建 project → 绑 billing → 装 gcloud 跑 init → 启用 API → 选 Cloud Run / Compute Engine / Cloud Storage 部署第一个资源 → 验证 ⑨ google-cloud-recipe-auth ： 认证授权的决策树。先问 4 个问题（谁在认证 / 代码跑在哪 / 目标是什么 / 用什么 SDK），然后给方案 ⑩ google-cloud-networking-observability ：网络问题排障。分析 VPC Flow Logs、Cloud NAT、防火墙日志、威胁日志 第三类：WAF —— 架构体检清单（3 个） 对标 Google Cloud Well-Architected Framework，拿原则去给你的架构打分，agent 变成架构评审员 ⑪ google-cloud-waf-security ： 安全评审。7 大原则（security by design、zero trust、shift-left、preemptive defense、AI 安全用、用 AI 做安全、合规） ⑫ google-cloud-waf-reliability “ 可靠性评审。9 大原则：用户体验导向、SLO、冗余、横向扩展、可观测性、优雅降级、故障测试、数据恢复、blameless postmortem ⑬ google-cloud-waf-cost-optimization ： 成本评审。4 大原则 + 8 项 checklist：标签做成本归因、按 project 设预算告警、用 Recommender 做 rightsizing、清理闲置、优先 managed service、存储分层

我最近做了个很有意思的现场音乐产品。但是在做的过程中，我和 cc 有着反复的讨论，这个讨论很有意思，我决定记录分享下来。 很多现场音乐会使用 web 技术做音乐可视化，我的想法是使用 dynamic worker 可以验证 llm 到音乐生成和可视化的思路，而且这正是 v8 这种小隔离环境擅长做的事情。但实际上使用下来，会发现： 使用 codex/cc 可以 one shot 做出完成度较高的可视化内容，但使用 API 调用 llm 却很难 one shot 做到。因为这本质上要求我们在 API 层面实现复杂的 cli tool use，这就回到今年以来的最大选题困境，也是我不押注 cloudflare 那条“应该由 llm 写代码交给 sandbox 执行，而不是在 sandbox 中执行 llm cli” 的原因。 这种技术选型的困境是，一方面我们依赖大量的 skill 上下文导致 context 变的很大，在单一 llm 调用，甚至严格要求 cpu 运行时间的环境中不太合适，另外一方面，单一 API 调用导致的错误率非常高（缺少 agentic loop 的天然问题） 做到最后，cc 无法在这种技术架构下实现批量生产高完成度的产品，要求我将 dynamic worker 这种技术选项删除，完全走受控制的路线（llm 输出 json 这种传统的方式），而且他提供了一个产品上的说服思路，以下是它的原话： 「艺术家在 TD/Notch 做出精彩不是因为工具"自由"——恰恰相反，TD 节点比裸 WebGL更约束。但节点本身是作品级封装（feedback loop / particle GPU / volumetric / post-FX chain）。艺术家的"自由"表现为在高级原语之间的组合。所以 Recipe 路径的本质不是 "限制 LLM"，而是"把 LLM 的工作台从锤子钉子换成 TouchDesigner"——LLM 的语义自由度不变（从 prompt 到风格决策），但手里的原语变强」 换句话说，cc 认为艺术性表达的本质在于约束而不是发散。产品应当尽可能的引导用户思考，而不是让用户在一个无尽的空间中自由探索。这个反馈把一个技术选型的问题突然变成了一个哲学问题，是很有意思的对话实践。

世界上著名的五大学习法是什么？ 1. 费曼学习法：用简单的话把你学到的知识讲给别人听，能讲明白，才说明你真正学会了。 2. 西蒙学习法：明确学习目标，拆分成一个个小任务，集中精力持续学习，6个月足以精通任一领域。 3. SQ3R阅读法：浏览（Survey）、提问（Question）、阅读（Read）、回忆（Recite）、复习（Review）五步，把被动阅读变成主动吸收。 4. 番茄学习法：把学习时间切成25分钟一段的“番茄钟”，专注一段后休息5分钟，劳逸结合，保持高效。 5. 康奈尔笔记法：将记与学、思考与运用结合的笔记方法，步骤包括记录、简化、背诵、思考和复习五步。

冷知识 ： 什么是 “返投比例”和“招商引资” ？ 在人民币创投（VC）体系中，“返投比例”和“招商引资”是地方政府引导基金（作为LP）最核心的诉求，也是目前所有双币/人民币GP（如启明创投、红杉中国等）在募资和投资上面临的最大实操挑战。 以下为您精准解析这两个概念，以及它们与“约定资金出处”的区别： 1. 什么是“返投比例”（Reciprocal Investment Ratio）？ 返投，是指GP（基金管理人）在接受了某个地方政府引导基金（LP）的出资后，必须将不低于约定比例的资金，投资于该政府管辖行政区域内的企业。 计算公式： 返投金额=地方引导基金实际出资额×返投比例（倍数） 具体案例： 假设合肥市某区级引导基金向启明创投的某期人民币基金出资 1亿元，双方在合伙协议中约定返投比例为 1.5倍。 这意味着，启明创投在这期基金的投资周期内，必须将至少 1.5亿元（1亿×1.5）投资到注册地在合肥市该区内的企业。 返投认定的变通（“软返投”）： 由于很多高科技项目很难直接在当地发掘，现在的返投认定范围逐步放宽，不仅包括直接投资当地企业，还包括：协助将外地已投企业迁入当地（总部、区域总部或生产基地）。 已投企业在当地设立子公司并产生实际的资本支出或税收。 GP引荐其他外部企业到当地投资落地。 2. 什么是“招商引资”（Attracting Investment）？ 招商引资是地方政府的经济行为，指通过提供土地、税收优惠、产业配套、甚至股权资金支持，吸引外部资金、技术、企业和人才落户本地，以拉动当地GDP、解决就业并形成产业集群。 在创投领域，现在流行的是“基金招商”（以投代招）： 传统招商：政府官员到处跑企业，送政策、送土地。 基金招商：政府当LP，把钱给专业VC（如启明、深创投）。VC在全国范围内筛选优质科技企业，一旦看中某个项目，VC和政府联合投资，条件是企业必须把总部或核心工厂搬到出资的政府所在地。合肥模式（通过投资京东方、蔚来拉动地方产业）就是基金招商的典型代表。

记录我和健身小男友 一个小男友开始正面努力的满足我，我也在积极配合他，另一个小男友和我老公在一旁欣赏我的足底，感觉他们一时之间不知道该欣赏哪里，老公看着我和单男的交合处，此刻的他绿帽感满满，最后小男友精液内射在我的骚穴里流出来，第二位小男友继续接力满足我…… A Chronicle of Me and My Younger Lovers One of my younger lovers began earnestly striving to satisfy me face-to-face, and I actively reciprocated his efforts. Meanwhile, my husband and another younger lover stood by, admiring the soles of my feet—though it seemed for a moment as if they didn't quite know where to focus their gaze. My husband watched the intimate union between me and the other man, feeling utterly consumed by the sensation of being cuckolded in that moment. Finally, the young lover ejaculated deep inside my "naughty little pussy," his semen spilling back out; then, the second young lover stepped in to take up the relay and continue satisfying me... @sktwober @sktworel @sktwolris @sktwobba

所有這些高品質的剪輯都是我在 Swag Live 直播時錄製的~ 要不要来看哦？😍❤️ All high quality sex clips like this were recorded while I'm livestreaming at Swag~ Do u wanna see too? 💯🥳 Please go to: and follow me to recive notify ❤️❤️❤️ @DaFoer_ @Daguidiyi @Fojiangnice

一个开发者，揭开了一件离谱的事 - Meme发射台生意的暗线 最近在陪跑一个 Agent + 税币的发射台项目，做竞调的时候把市场上几个主流 launchpad 的税费机制都研究了一遍。 看完之后有个感受：发射台这个生意，表面卷的是流量、资产和玩法，长期看卷的是费用结构。 🤖pumpfun内盘 Bonding Curve 每笔交易总费率 1.25%，其中 0.95% 给 Protocol，0.30% 给 Creator；毕业后，交易费按市值/池子规模动态下降，费率逐步降到 0.30%，Protocol fee 就是平台收入的重要来源。 👿Fourmeme分了两种模式：普通 token 和 Tax Token。Tax Token 允许 设置交易税率，税收进入项目方地址，平台本身不从中抽成。 的收入主要来自token 创建费、毕业费这类一次性收入，和交易税是两条线。 🟦Base 链上的几个发射台（Virtuals、Zora、banker）就有点乱了——有的收创建费、有的收交易手续费、有的抽毕业流动性，费率也不固定，没有统一标准。 这些平台模式不一样，但共同点是：协议费收入已经是发射台的重要收入来源，而且都是明码标价的。 然后就是 Flap🦋，这波税币发射台里跑得最久的，在 BSC 上发育了两年，存在感越来越强。 它的税币机制设计得挺巧妙：creator 可以给 token 自定义交易税率（1%、3%、5%、10%），交易产生的税进入一个 TaxSplitter 合约，再分配到营销、分红、回购、金库等用途。 我本来想重点学习一下它税币的分配机制，看看费用结构，结果发现了几个值得讨论的小细节。 1⃣细节1，税收并非官方说的100％ Flap 的税币机制大概是这样：创作者可以给 token 设置交易税，比如 1%、3%、5%、10%。用户交易时产生税费，这笔税再进入营销、分红、回购、金库等用途。 但flap税币的 TaxSplitter合约中，都出现了同一个参数： feeReceiverAmount = balance − balance × 9000 / 10000 意思是，税收进入后会被拆成两部分：90% 进入项目方设置的 recipient，另外 10% 进入 feeReceiver。 而这个 feeReceiver，指向同一个地址： 0x8a08D98CBB218fceB318Ecf3aBc1BA43D8A7aB0E 也就是说，交易者看到的税收去向是Marketing/Burn/Dividend/Liquidity 四项，官方说法是100%，但协议费构成是隐形的。税收的10％被Flap抽走了，但却没有任何提示和信息高知。 2⃣细节2，两年吞了13,547个BNB 用Agent顺着 0x8a08查资金来往，发现从 2024年7月收到2026年7月，连续两年，累计进账13,547 个 BNB，大概总价值10M吧。 这13,547 BNB里，来自税币10%抽成的部分约 7,900 BNB，大概价值5M；剩下是内盘 1% 曲线费，这个Fee是flap之前公布过的。 1,224 万笔流入，平均每笔 0.0011 BNB，不到一块钱。但连续两年这样流，竟然也流出了500万美元，说明这不是偶发收入，而是一套长期存在的协议级收费入口...... 而且这些资金大部分进入两个Gnosis Safe多签地址，其中一个地址持有 6,912 BNB，价值约 460 万美元，多签签名人中还包含了 Flap 部署钱包。 平台收费当然不是问题，但当一条资金管道长期运转，并累计到几千 BNB 规模时，它就必须成为用户明确知情的产品规则。 3⃣细节3，Robinhood 链上同样的剧本 在查完 BSC 上的合约后，我又去看了 Flap 在 Robinhood 链上部署的合约，结果一模一样。同样的 TaxSplitter 逻辑和feeReceiverAmount 参数，税费90:10 分账比例。 说明两件事：第一，这不是 BSC 合约的偶然疏漏，而是在多链部署时复用的同一套协议逻辑；第二，Robinhood 链上的 Flap 用户和 BSC 用户一样，对这个 10% 的存在并不知情。 4⃣细节4，流水的盘子，不对称的信息 平台协议收入进入团队多签，可以有很多合理解释，比如产品开发、运营维护、安全支出、市场推广。 但合理不等于无需解释，恰恰因为它可以被合理解释，所以更应该解释清楚。 Flap 官方在各个渠道的口径都说税费是100％，但合约写的是90％，如果是遗漏的话，希望官方能补全一下，以免误解。 普通创作者和 holder，如果不懂合约代码，根本不可能知道这个机制的存在，而他们恰恰是最信任 Flap 的那群人。 Web3 常说链上能看到一切，去中心化，代码即规则。 但对绝大多数用户来说，前端、官方解释、社区公告才是规则，作为一个面向 meme 散户的平台，不能只对专业用户透明，协议收入也不是问题，讲清楚写明白就OK。 可能发射台项目真正需要卷的，不只是功能和流量，还有规则透明度。用户并不要求平台永远完美，但至少希望在涉及收费、分账和资金流向时，项目方能把规则一次讲明白。 对 Web3 产品来说，真诚不是态度包装，而是一种产品能力：把钱讲清楚，把规则讲清楚，把用户本该知道的东西放到阳光下，这才是产品应有之道。