Logo
Back to creator rankings
美研芒格君

美研芒格君

@kay2289123最近同步 9/5/2026, 12:11:45 AM
DistillView on X

小红书也是这个id @Kay2289123， x仅此一号，完全没有助理。 没whatsapp，都是骗子 硅谷一线大厂从事AI Training Inference 团队成员来自斯坦福，UCLA，沃顿

SF

7日排名
#611
总粉丝
30.0K
7日涨粉
+470
7日发帖
20
7日曝光
169K
帖均曝光
8.5K

Ranking History

Today’s rankings update in real time. Historical records retain daily top-five entries for growth, posts, and reach. Click to view a poster.

No daily top-five records yet.

粉丝趋势

近7日每日已结算数据

7日30天

内容表现趋势

曝光/互动与发帖量均按自然日结算

发帖趋势

近7日每日发帖量

7日30天

帖均曝光趋势

每日总曝光 ÷ 每日发帖量

7日30天

Participated Topics

Participated in 3 topics

View topic rankings
1GPT-6 Astra在Codex可用与Claude额度重置AI

GPT-6 Astra 被中文 AI 用户称已在 Codex 中可用，并引发围绕测试范围、Claude Code 额度重置和模型竞争的讨论。宝玉表示 GPT-6 Astra 在 Codex 能用了，正在测试，但不确定是所有 Codex 用户还是仅 Pro 用户可见；Inty News 称自己已经开始用上 GPT-6，体验“很爽”；宝玉随后提到 Claude Code 为迎接 GPT-6 Astra 发布而重置额度，但吐槽通知太晚。Max For AI 则把 Claude 的 reset 解读为在 GPT 更强时试图留住用户的竞争动作。候选推文主要来自用户体验和调侃，尚未给出 OpenAI 或 Anthropic 的完整官方说明。

Participated post: AI 发展还在早期，你应该幸运出生在这个时代 这两周有一条非常好赚钱的逻辑路线，我永远相信我的硅谷大厂朋友，和一手的信息源以及AI认知和体验 咱复盘一下，不知道大家抓住没有 OpenAI使用了超过 10 万块 GPU 训练出的 Astra，据公开信息了解是德州的星际之门。 那星际之门后面是谁建造的？那些建造者曾经被市场惩罚的逻辑还成立吗？ 如果不成立，那一直其实都是买入的好时候 如我所说，AI 发展还在初期，不要以为 GPT-6 已经是终点了。据我了解到的信息，更庞大规模的模型还在后面，训练中 今天我将更抽象的任务交给OpenAI新模型 Astra （GPT6）来做，摸一摸 AI 投研最新的天花板
Posts 2 Views 34.0KHeat 6.7K
#GPT-6 Astra#Codex#Claude Code
2美股AI硬件分化推动存储光通信交易Finance

美股 AI 硬件交易继续围绕存储、光通信和科技权重分化展开。Powerpei 称周五美股大盘下跌，但闪迪、美光、海力士、迈威尔、Coherent 等存储和光通信标的上涨，显示市场一边卖出大盘、一边买入 AI 硬件链；勃勃OC也提到存储暴涨，但特斯拉和软件板块走弱，并提醒美股本质仍像赌场，长期稳健选择可能只有 SGOV 或多年后的 VOO；OōEli.eth 则列出标普500行业权重，信息技术占比接近四成，使科技集中度再次进入讨论。

Participated post: 09/04 很多朋友问我对 $MRVL 的看法，我认为市场上现在有一个严重的逻辑错误, 并且相互矛盾, 不能同时成立。而逻辑错误消除就是上行的时候 每次下跌，我都看好 $MRVL ，这也是为什么我上个帖子发完，在 202-210$ 抄底了不少, 并且我在等最关键的 10月，算是一个我个人的押注。总不能股票一直嫌高不敢买，跌了又说它完了，这怎么赚钱呢？ 逻辑错误： $AVGO 丢掉了谷歌的订单，短期内业绩承压 $MRVL 拿到了谷歌的订单，短期内无法业绩兑现 很多人可能会想, 中间还有一个联发科, 你说的没错。但有一个关键的逻辑矛盾是，博通和 MRVL 现在被市场当成了一个非此即彼的选择竞争对手，但逻辑上，一个在惩罚近端，一个惩罚远端，这是常见的逻辑不对位 我的押注： 我喜欢 MRVL 的一个关键原因，是因为它的管理层很靠谱。财报会议上，管理层说谷歌的订单对于 Marvell 是 monster 的体量。我选择相信。 这期的答案都会在 10 月初的 Investor Day 揭晓 请注意，这是我的个人投资。如果你要投入一分钱，欢迎看看我之前的帖子和文章
Posts 1 Views 24.9KHeat 570
#AI硬件#存储半导体#光通信
3GPT-6 Astra实测扩展至AGI与订阅成本AI

GPT-6 Astra 的中文讨论从软件操作和建模实测继续扩展到 AGI 叙事、专业算法问题和订阅成本。Orange AI 称 OpenAI 内部已把 Astra 发布视为 AGI 时代节点，并转述 OpenAI 工程师播客中关于奇点起点和人类命运的讨论；独立开发者 William 表示 Astra 在动作捕捉 retargeting 空间理解问题上效果突出，且额度消耗不明显；雪踏乌云则从 Claude、Codex、Gemini 等订阅组合出发，认为 AI 工具成本较一年前明显下降。

Participated post: 多年AGI之后，回顾这周，应该是载入历史的时刻。我真的掏心窝子地劝大家试用一下OpenAI的Astra，它真的不一样 Astra Ultra 使用的第二天，下班路上一直在想，兴奋+激动，我刚200$ Codex Plan充满了100% 的额度，打算周末大干一场 /goal，下周跟大家汇报我的成果 各位 Astra Ultra 用户准备周末做什么创造性的工作呢？
Posts 1 Views 15.2KHeat 910
#GPT-6 Astra#AGI#Codex

近7日爆款推文

按近 7 日曝光排序，展示前 10 条。

1
美研芒格君@Kay2289123
3.0万 followers
Views3.7万
08/31 $MRVL -3% 今天跌得不冤， $NVDA和 MRVL 的合作，今天在联发科也复制了一份，市场担心 MRVL 的份额被挤占，情有可原。但我认为市场过于短视，可能会犯错 长期是利好，并且今天我更加坚定了长期的信心，这个帖子聊聊为什么，以及今天我买入了 10 月中到期的看涨期权 新闻本��：英伟达宣布，投资联发科，235亿。联发科将使用英伟达的NVLink Fusion和新发布的NVHBM技术，作为其技术套件的一部分，加速XPU 互联和GPU Fusion 短期来说，份额可能会被挤占。注意，仅仅是可能，不能因为一条新闻、在没有看到具体数据的情况下就进行错杀。 此外，从侧面来看，我们可以看到 XPU 的互联越来越重要。这就是为什么英伟达要抢占除了博通之外，所有竞争对手的 NVLink 互联渗透份额。 长期来看，我觉得 Marvell 正在一步步扫清长期发展的阻碍，因为我看到 Marvell 的定制芯片和互联业务都即将成为重中之重 利空出尽就是利好。我希望利空再多一些，因为我觉得利空可能快到头了
Reply 52Repost 10
2
美研芒格君@Kay2289123
3.0万 followers
Views3.5万
8月一转眼过去了。时间过的太快了。我们一起走过了 7 月的下跌、8 月的暴力反弹，分析了许多市场机会和交易错误。一起走完的朋友，不妨奖励一下自己，相信你的认知和耐心又有了新的提升！ 9 月可能会成为 AI 疯狂发布的一个月，也会伴随着新的机会，我也很激动。 我把最近的各种 leak / rumor 和打听到的消息大概捋了一遍： 9 月初发布 Claude Fable 5.1 OpenAI Astra（会不会是 GPT-6 还不知道） Grok 4.7 9 月中旬发布 DeepSeek 下一代模型 Composer 3 Gemini 3.8 Flash Kimi 下一代 K 系列模型 后半月 / 9 月 possible Claude Opus 5.1 MiniMax 2.7T Meta “Watermelon” Mistral 新的 frontier open model 其中有些已经有很明显的上线迹象，比如 Fable 5.1、Grok 4.7、Gemini 3.8。有些则还停留在 rumor，比如 DeepSeek V5、Opus 5.1 和 Mistral 最近几个月我在一线感受到几点变化 1/ frontier model 的领先周期正在急剧缩短 2/ 特定模型正在从“产品”变成“消耗品” 3/ 真正的战争开始从 pre-training 转向 inference 4/ Open-weight 模型会越来越重要 现在看来，模型战争最大的赢家可能不是某一个模型，大家目前还处于共赢把市场做大的阶段。模型半衰期越来越短，但每一次模型升级，都在制造更多 token、更多 inference，以及更贵的基础设施 我现在在 9 月最期待 Astra，期待一次面向大众新的升级，你们最期待什么模型公布呢？ 与此同时，马上就要 3 万 followers 了！2 万 follower 的时候，我发布了我的全部持仓和逻辑。3 万的时候，大家想看什么呢？请让我知道
美研芒格君 的图片 1
Reply 12Repost 5
3
美研芒格君@Kay2289123
3.0万 followers
Views2.8万
AI 发展还在早期，你应该幸运出生在这个时代 这两周有一条非常好赚钱的逻辑路线，我永远相信我的硅谷大厂朋友，和一手的信息源以及AI认知和体验 咱复盘一下，不知道大家抓住没有 OpenAI使用了超过 10 万块 GPU 训练出的 Astra，据公开信息了解是德州的星际之门。 那星际之门后面是谁建造的？那些建造者曾经被市场惩罚的逻辑还成立吗？ 如果不成立，那一直其实都是买入的好时候 如我所说，AI 发展还在初期，不要以为 GPT-6 已经是终点了。据我了解到的信息，更庞大规模的模型还在后面，训练中 今天我将更抽象的任务交给OpenAI新模型 Astra （GPT6）来做，摸一摸 AI 投研最新的天花板
Reply 21Repost 5
4
美研芒格君@Kay2289123
3.0万 followers
Views2.5万
09/04 很多朋友问我对 $MRVL 的看法，我认为市场上现在有一个严重的逻辑错误, 并且相互矛盾, 不能同时成立。而逻辑错误消除就是上行的时候 每次下跌，我都看好 $MRVL ，这也是为什么我上个帖子发完，在 202-210$ 抄底了不少, 并且我在等最关键的 10月，算是一个我个人的押注。总不能股票一直嫌高不敢买，跌了又说它完了，这怎么赚钱呢？ 逻辑错误： $AVGO 丢掉了谷歌的订单，短期内业绩承压 $MRVL 拿到了谷歌的订单，短期内无法业绩兑现 很多人可能会想, 中间还有一个联发科, 你说的没错。但有一个关键的逻辑矛盾是，博通和 MRVL 现在被市场当成了一个非此即彼的选择竞争对手，但逻辑上，一个在惩罚近端，一个惩罚远端，这是常见的逻辑不对位 我的押注： 我喜欢 MRVL 的一个关键原因，是因为它的管理层很靠谱。财报会议上，管理层说谷歌的订单对于 Marvell 是 monster 的体量。我选择相信。 这期的答案都会在 10 月初的 Investor Day 揭晓 请注意，这是我的个人投资。如果你要投入一分钱，欢迎看看我之前的帖子和文章
Reply 12Repost 3
5
美研芒格君@Kay2289123
3.0万 followers
Views2.5万
听说 base:0x2b31d3ed065f1f834d5c85efed49089f4c4f6b07 今天有大事要发布，搬好小板凳了 利用一点人脉，灰度到了 UltraFast，爽用 14 倍速的 GPT5.6 Sol 用下来就一个字：爽！之前需要等待好几分钟的任务，现在就十几秒，大大减少了我同时管理 session 的数量，因为生成实在太快了。有的时候，我甚至觉得是在跟真人实时对话 这就是未来
美研芒格君 的图片 1
Reply 14Repost 0
8
美研芒格君@Kay2289123
3.0万 followers
Views6.3K
硅谷一线公司，Anthropic $NVDA OpenAI 这类 Frontier Lab/厂 的推理工程师，平时到底在做什么？ 结合我的实际工作内容，和对周围其他公司 AI 工程师的了解，帮大家整理出来了最一线的工作 5 项技术拆解，自己评估一下是否能通过面试？完全搞懂，你也半只脚踏入了硅谷大厂，多收藏看看会有帮助 （防杠，本帖为简化，实际工作比本帖复杂得多） 一句话总结： 所有技术都围绕着把一次用户请求，变成一条高并发、低延迟、可恢复、可观测、还能持续学习的生产流水线 1. 先让更多请求挤进同一批 GPU 推理引擎负责在显卡上运行模型。下一步是如何调度不同请求。用户实际感受到的速度和价格，很大程度上取决于这一层 Continuous batching：某个请求生成结束，新的请求立���补位，不用等整批完成。 Prefix caching：相同的系统提示、长文档和对话前缀，不必反复计算。 Chunked prefill：长上下文分段处理，避免一个超长请求堵住其他用户。 Model routing：简单任务交给更快、更便宜的模型；复杂任务再升级到更强模型 2. 验证模型，控制模型 模型可能调用工具、运行代码、访问文件或操作外部系统，因此每次执行都要被限制在明确边界内： 隔离运行环境 限制处理器、内存、时间和网络权限 检查工具调用是否合法 根据真实执行结果判断任务是否成功 3. 处理几百万个同时发生的请求，高并发 生产系统还要面对排队、突发流量、硬件故障和外部服务超时： 任务队列决定请求如何等待 优先级保证高价值或实时任务先执行 Backpressure 防止流量把系统直接压垮 Idempotent retry 允许安全重试，又不会重复扣费或重复操作 Checkpoint 让长任务在故障后继续，而不是从头开始 OpenTelemetry 记录请求究竟慢在排队、模型生成、工具调用还是结果验证 4. 把用户真实使用过程重新变成训练数据 推理系统不只是消耗模型，也在生产下一代模型的数据： SFT：把经过验证的高质量回答变成示范 LoRA：用较低成本训练���定能力 RL：让模型尝试多种策略，再根据真实结果学习 GRPO等：同一道任务生成多份答案，相互比较后提高优秀策略的概率 Reward hacking：模型学会钻评测漏洞，而不是完成真实目标 Data leakage：模型提前看过测试内容，导致指标虚高 训练数据、评测集、工具环境和时间窗口，都必须严格隔离 5. 新模型不是训练完就直接上线 真正的发布流程通常更像大型在线服务，而不是发一个 checkpoint： Shadow test：新版模型偷偷处理一部分真实请求，但不把结果交给用户 Release gate：正确率、延迟、成本和安全指标同时达标才允许发布 Canary rollout：先给极少量流量，再逐步扩大 Rollback：任何关键指标恶化，立即切回旧版本 Version tracking：模型、提示词、工具、数据和评测器全部记录版本 模型决定能力上限，推理工程决定这些能力能不能真正到达用户手里
美研芒格君 的图片 1
Reply 5Repost 8