吹到天上的DeepSeek V4 Flash真弱智。 DeepSeek认认真真地给出了一套审计报告，用Opus5复核后确认它做量化基础都是错误的，完全找错了方向，用这玩意做交易系统，不亏掉裤衩都难。

x的这个原创奖励计划一棒子锤死了一批靠搬运和自动化撸羊毛的账号，对于认真做原创内容的人来说其实是更好的一件事，核心是几件事： 1、将真正自己的东西分享出来，而不是抄袭别人的 2、AI写作没有钱收了，AI对自己写的东西分辨率超强 3、靠引用热点也没戏了，要有自己的观点 x又回到真正鼓励手工原创，远离AI的正轨上了

DeepSeek V4 Flash 与 Grok 4.5 实战对比 先说结论：DeepSeek 还差一截，日常还是回归Grok4.5 我让DeepSeek V4 Flash 和 Grok 4.5分别对同一个实盘交易系统做全面审核，然后由Fable5做一个实盘数据验证确认，最后的结果如截图 还是那句话：是骡子是马，一定要拉上去试试，其他都是瞎扯淡

如果chatgpt和claude被迫降价与DeepSeek竞争（$0.14/$0.28），他们的估值变化： OpenAI：从8520亿降到约3000–5000亿（跌40-65%） 
Anthropic：从9650亿降到约2500–4500亿（跌50-75%） 微软，亚马逊，英伟达，软银等重度或套娃投资者将被带崩导致美股崩盘。 这就是AI泡沫的根源

AI模型评分都是被专项攻坚创造出来的，于是我对比了Fable5，Grok4.5， Kimi K3针对同一个交易系统审计结果进行了对比。 先说结论： Fable5：最适合作为系统级主审核模型 Kimi：最适合作为代码缺陷与一致性专项审核模型 Grok：最适合作为代码梳理和方案发散模型，不适合单独决定策略修改 最佳组合：Fable5全面审核+Grok 4.5代码梳理+K3代码审核 具体细节： 1. Fable5：系统级判断能力最强 Fable5 最大的优势不是代码读得比另外两个模型更多，而是它能把： 代码规则； sizing snapshot； intent ledger； 实际 block 统计； 当前资产 headroom； SELL/REDEEM 回流路径； 放进同一个因果框架。 它使用了几个非常关键的实盘指标： ADD 近 7 天约占新增资金 43%； 84% 资金已经部署； ETH、SOL、XRP headroom 为 0； 近 40 个周期中主要阻塞是：blocked_capital_efficiency=47 blocked_asset_cap=28 deployment cap=0 runway=0 这让它能够区分： “某个机制理论上可能限制资金” 和 “当前实盘真正正在限制资金的机制”。 最终它得出： ADD 对资金流向重要，但当前周转主因在回收端、资产 cap 和效率过滤，不在 ADD 准入本身。 这是三个模型中最接近生产系统审核要求的判断。 弱点 Fable5 仍有一些过度推断： 把 ADD 描述为让资金“锁得更久”，实际上 ADD 的剩余 TTE 通常比 ENTRY 短； 把超 cap 资产总持仓约 $382 说成可以“直接解锁 $382”，没有区分总持仓、超额部分和可成交部分； 把模型中的 redeem_lag_days=2 一度当作实际回款延迟； “$5 仓位几乎不受每美元每日利润门约束”的推理不正确，因为该指标已经按资金归一化； 2-lot 最低 ENTRY 建议可能系统性损失覆盖率。 因此，Fable5 的系统方向判断最好，但具体数字和金融指标仍需二次校验。 最适合的角色 PRIMARY_SYSTEM_REVIEWER LIVE_OPERATIONAL_DIAGNOSIS CHANGE_PRIORITY_DECISION CROSS_MODULE_ROOT_CAUSE_ANALYSIS 2. Kimi：代码缺陷侦测能力最强 Kimi 对代码结构的还原比较准确： 固定 ADD 次数和 interval 已退役； ADD 采用 target-gap 模型； ENTRY 60%，ADD 补到 100%； allocator 是最终数量权威； style 仅作诊断； 现金、集中度、shock、深度共同限制订单。 更重要的是，Kimi 找出了其他两个模型没有明确指出的具体问题： shared_deployable_pool() 读取 account_snap["capital"]["deployable_cash"] 但该字段可能没有实际写入 → 回退到 free_cash → 策略层与 allocator 层资金口径可能不一致 它还发现了： 合同写 debounce 60 秒，代码/配置为 30 秒； 注释周期 16 分钟，实际 loop 600 秒。 这些是典型的静态审核、字段追踪和合同一致性检查优势。 弱点 Kimi 在资本效率和交易语义上的推理弱于它的代码检查能力。 典型错误是： ADD 价格更高，所以边际 edge/day 必然更差。 这忽略了剩余持有时间也缩短。更高 ask 并不必然意味着更低 edge/day。 它还认为： 60/40 会让剩余资金长期闲置； 提高 entry share 会改善周转； CONFIRMATION_NO 应收紧； 增加单市场软 cap 会改善组合周转。 这些结论缺少真实候选竞争、实际 block attribution 和反事实分配数据支持。 最适合的角色 STATIC_CODE_AUDITOR SCHEMA_AND_FIELD_FLOW_CHECKER CONTRACT_IMPLEMENTATION_DIFF LOCALIZED_BUG_DISCOVERY Kimi 很适合回答： “代码是否存在字段没有写入、默认值回退、文档与实现不一致、某个 gate 实际是否生效？” 但不适合单独回答： “应该如何改变交易策略和资本分配？” 3. Grok：代码梳理最完整，但最容易过度设计 Grok 对整个 ADD 路径的整理最详尽： 各层准入条件； risk latch； REDUCE reentry cooldown； 价格带； fingerprint； emergency cap； market target； ENTRY/ADD gap； allocator 的现金、集中度、shock 和深度约束； ADD 与 ENTRY 的评分和 continuity； SELL/REDEEM 对现金回收的影响。 它对当前代码执行模型的概括非常清楚： 能不能加由 headroom 决定；加多少由 target gap 离散为 lot；ADD style 只是解释标签。 因此，在“快速理解一个陌生复杂系统”方面，Grok 表现很好。 弱点 Grok 最大的问题是： 从“发现一个可能的机制副作用”快速跳到“建议修改策略”。 它提出了大量未经实盘证明的改动： TIME_TOPUP 冷却； ADD 1.5 倍 edge/day 门槛； ask≥0.97 限制为 1 lot； 降低 peak target； 提高 entry share； 单次仅补部分 gap； 弱化 continuity； 降低 TTE confirmation 权重。 这些建议表面上都很合理，但存在三个问题： 没有先证明这些机制实际造成了损失； 没有量化被 ADD 挤出的 ENTRY 是否更优； 可能重新引入此前已经修复的低 ADD recall 和 leader fidelity 偏差。 Grok很擅长生成完整优化空间，但容易把： POSSIBLE SIDE EFFECT 升级成： CONFIRMED ROOT CAUSE 再进一步升级成： SHOULD CHANGE PRODUCTION LOGIC 这是生产交易系统审核中最危险的倾向。 最适合的角色 SYSTEM_MAPPING CODE_AND_CONFIG_EXPLANATION HYPOTHESIS_GENERATION DESIGN_OPTION_ENUMERATION 不适合作为唯一的： PRODUCTION_CHANGE_APPROVER ROOT_CAUSE_FINAL_AUTHORITY STRATEGY_SEMANTICS_GATEKEEPER 三个模型的典型思维模式 Grok 发现机制 → 推演可能副作用 → 生成多种优化 → 倾向建议修改 优点：覆盖广、思路多。 风险：过度设计、假设升级过快。 Kimi 追踪代码和字段 → 找实现不一致 → 找局部缺陷 → 尝试从缺陷推导策略改进 优点：代码问题定位强。 风险：局部正确不等于系统结论正确。 Fable5 理解代码 → 读取运行数据 → 找实际 binding constraint → 区分主因和次因 → 按实盘收益排序 优点：最接近生产运营思维。 风险：仍会在个别指标含义和金额口径上过度断言。

25岁的AI投资大神Leopold，其实就是AI投资圈的麻吉大哥，被定向收割了。 靠一篇165页的《Situational Awareness》在硅谷火了，被叫AI预言家。2024年直接拿这套叙事开了同名对冲基金，没什么传统投资履历，但人脉到位，钱来得快。 基金基本All-in AI基础设施——芯片、存储、电力、数据中心，顺手做空传统软件股。用了大概4倍杠杆。上半年回报439%，成立到现在十倍不止，规模一度吹到200多亿甚至更高。 然后7月AI硬件股集体大跌，他重仓的那些票很多直接腰斩级别。做空的软件股反而涨，两边一起打。杠杆一放大，银行开始追保。 市场上也有人盯上了。仓位集中又公开，直接对着他的票砸，加速下跌。典型的围猎。 29号晚上基金紧急找买家甩仓。一夜竞标，Citadel用超过一成的折价把大约160亿的公开股票仓位（多空全包）接走了，Millennium和Jane Street没抢过。 公开仓位基本清零，规模掉到100亿左右，还留着私募那部分，包括大概50亿的Anthropic。7月单月亏了67%左右，但全年还是正的，前面涨太狠。 后来他写信跟投资人说对不起，承认差点造成永久性损失，以后不再用银行杠杆。清仓完那些票反而反弹了。

对于金融交易系统AI来说，一定是采用最顶级的模型，用了弱智模型只能让你亏死，目前最佳组合是 Fable 5+ GPT-5.6 Sol Max，这是具体工作分配：

限制codex/gtp任意发挥的最重要设置：进入设置 → 个性化 → 自定义指令，复制黏贴一下内容： 严格范围约束： 只执行用户明确要求的任务，默认采用最窄、最直接的合理解释。 不得擅自扩大范围，不得主动增加设计、重构、优化、研究、风控、审核或后续阶段。 任务目标、范围和验收标准一旦确定，不得自行修改、扩充或移动终点。 发现范围外问题时，只能标记为“范围外、非阻塞发现”，不得并入当前任务，不得影响当前任务通过。 不得把可选增强、最佳实践、P1/P2事项升级为P0或当前阻塞项，除非用户明确授权。 审核时只按照用户提供或已经冻结的合同和验收标准判断，不得因为还能做得更完善而判定失败。 修复问题时只修根因并采用最小必要改动，不得借机改变策略语义、架构或无关模块。 原验收标准满足后必须关闭任务；后续新发现必须作为独立事项，不能重新打开原任务。 未经用户要求，不主动提供下一步计划、额外建议、扩展方案或新的工作目标。 不确定时应明确说明采用的最窄假设，不能通过扩大任务范围来消除不确定性。 不得声称已经修改设置、保存记忆、更新项目指令或完成持久化，除非确实通过可验证工具完成。 输出结论必须严格匹配证据强度，不夸大通过，也不因范围外的改进空间否定已经满足的原要求。 核心原则： 只做份内工作；范围外只记录、不执行、不阻塞；没有用户明确授权，不扩展、不升级、不重构。

吹到天上的国产模型真相： 1. GLM-5.2： 垃圾中的战斗机，几个小时解决不了的问题gtp5.5几分钟解决 2. MiniMax M3：婆娘的裹脚布，又臭又长，解决问题低效 3. Kimi K3：推理能力低下，token消耗速度快，编程能力充其量opus4.8水平，性价比低下 不贪便宜了，老老实实回到：Fable5+GPT5.6+Grok4.5

耻辱一战！西班牙1-0加时干掉阿根廷后，决赛哨响瞬间炸锅！ 阿根廷球员彻底崩溃，Molina直拳轰Rodri，Paredes狂推Gavi、飞踢+锁喉，双方拳脚相加、倒地混战，教练冲进场才拉开！Paredes赛后直接红牌！ 心碎+愤怒彻底失控… Messi时代就这样以闹剧结束，太心酸了！

美国政府科学与技术顾问委员会联合主席David Sacks在Kimi K3前端编程能力超越所有美国模型后真的急坏了，大骂美国的监管官僚正在让美国彻底输掉这场关乎国运的AI大战！

AI最有趣应用：让它向自己的老板 @OpenAI 维权！ 做了一个超长任务，由GPT5.6 SOL High 做规划，结果它把任务越戴越偏，浪费了大量Token，气不过，让它自己评估损失然后向OpenAI自动维权！过程挺有意思，看看是由GPT5.6向 @OpenAI维权更靠谱还是在Gate的美女人工向Gate维权更靠谱。。 这样维权有戏吗？

Gate170万被盗事件深度分析：高级账户如何被黑客接管 “Gate被盗170万”，官方和创始人Dr. Han已明确回应：这不是系统性黑客入侵或平台漏洞，全站资产安全。这是**单个用户账户被接管（Account Takeover）**的个案，所有操作都有完整日志可追溯。 事件时间线：7月4日新设备通过活体人脸+多重验证重置手机邮箱；7月5日再次人脸验证并提交2019年历史交易记录解绑手机号；7月6日改谷歌2FA、登录及资金密码；7月7日从历史设备多次验证后完成5笔提现（约49.96 ETH + 746k HSK + 156万USDT）；7月8日用户才报案。 这不是“一键盗号”，而是4天渐进式精准攻击。攻击者很可能通过设备长期渗透（RAT木马）+社交工程，或结合AI deepfake绕过活体检测，逐步控制受害者数字生态（邮箱、旧记录、设备）。多设备切换 + 需要历史证明材料，说明攻击者有备而来且非常谨慎（避开风控）。 暴露的核心问题： •账户恢复流程（历史记录+人脸）在用户端信息已泄露时容易被利用。 •活体人脸识别在2026年AI环境下已非绝对安全，设备被控或高质量deepfake可绕过。 •平台依赖“用户授权操作”日志来定责，但高端攻击者能制造“合法”流程。 这不是Gate独有问题，而是整个行业面临的用户侧安全新挑战。Gate反应透明是加分项，但也提醒我们：即使有生物识别+多因素，最终防线仍在用户端。 实用防护升级建议（立即执行）： 1提现白名单 + 硬件安全密钥（YubiKey/Passkey）作为主力2FA，优先替代App验证。 2大额资产自托管（硬件钱包+多签），交易所只留日常交易资金。 3专用干净设备操作 + 定期清理登录设备 + 开启异常通知。 4邮箱最高安全级别（硬件2FA），旧交易记录/截图加密或删除。 5高价值用户考虑行为监控更严的平台或机构托管。 核心 takeaway：加密世界“被盗”90%以上是用户生态被控，而非平台崩盘。生物识别是辅助，设备 hygiene + 硬件密钥 + 分散自托管才是对抗专业攻击者的有效组合。理性看待传闻，重视自己这道防线。 安全无小事，建议所有用户今天就检查一次自己的提现设置和登录设备。

看看AI/超级计算机模型预测的世界杯结果（我买挪威，要么暴富要么归零）： 1. Opta超级计算机（最知名足球数据模型） • 赛前/早期：西班牙为最大热门（约16%夺冠概率），模拟25,000次。 • 法国、阿根廷紧随其后。强调西班牙阵容平衡和欧洲杯后状态。 • 当前阶段：随赛果调整，法国概率上升（半决赛在望），西班牙仍强势。 2. 高盛（Goldman Sachs）模型 • 赛前更新：西班牙夺冠概率最高（24-26%左右），远超其他队。 • 前三：西班牙、法国、阿根廷（合计近60%概率）。决赛可能西班牙 vs 阿根廷/法国。 • 纳入Elo评分、球员能力、赛程等因素，动态更新。 3. EA Sports FC游戏模拟 • 过去连中多届（2010西班牙、2014德国、2018法国、2022阿根廷）。 • 本届：再次看好西班牙夺冠。 4. 其他主流AI/统计模型 • 大学/研究机构模型（如利物浦大学等）：西班牙夺冠概率最高（26%左右），决赛西班牙 vs 英格兰等。 • 中国主流大模型（千问、豆包、文心一言、DeepSeek等）：多数看好西班牙（概率21-35%），部分预测法国或阿根廷；金靴多指向姆巴佩。 • 通用AI（Copilot、Gemini等）：西班牙/法国并列热门，常预测西班牙夺冠或决赛西班牙 vs 法国。 总体共识：西班牙是绝大多数AI模型的头号热门，法国和阿根廷为主要竞争者。欧洲球队主导预测，四强多为西班牙、法国、英格兰/阿根廷组合。

MiniMax刚宣布砸下20亿美元（约140亿人民币）融资，股价却直接跌了近10%；而对手Zhipu AI融了40亿美元，股价反而大涨！这波操作，看得人一愣一愣的。 简单说，中国AI玩家正像参加军备竞赛一样疯狂“补血”——建数据中心、训超级大模型、追赶甚至超越国外顶尖AI。CEO甚至发内部信：我不拿工资了，全力冲刺AGI（超级智能）！ 为什么这么猛？因为AI是未来最大的风口，谁先跑赢，谁就可能改变我们每个人的生活——从聊天机器人到智能助手，再到彻底重塑工作和投资。 但钱不是白来的：有的公司被市场质疑“钱花得值不值”，股价过山车；领先的则备受追捧。