🔥 Search Hot Tweets

之前看AI商业化只盯着Authropic/OpenAIdeARR，未来超大CSP的业绩表现将会衡量AI商业化更重要的指标。为什么这么说？说说我的理解： 1、闭源大模型ARR这些数字极其重要，因为它们直接反映用户愿意为模型能力付费。但情况在发生变化： 1）前两天这里https://t.co/TzTqgap6no聊到，Coinbase通过工程手段把成本支出给压下来——路由到开源模型、缓存命中率从5%提到60%、上下文精简等方式，token消耗量继续飙升、但是整体支出确实下降的。简单说coinbase把一部分高频、低价值的工作场景切换到了开源模型。 2）今天看到https://t.co/sG7vnStAmU微软除了部署开源模型，已经上线了自研模型MAI。微软自研模型的典型应用场景也是高频、低复杂度、高体积的任务，用自研模型能大幅降低每token成本，同时保持用户体验。复杂推理仍可fallback到OpenAI/Anthropic。 2、这已经是一个明显的信号： 方向完全不是“少用”而是“更便宜地用更多”，这就意味着AI在企业级市场的采用越来越变成分场景应用模型阶段： 1）高价值场景使用继续使用闭源前沿大模型的高价值Token； 2）高频、低复杂度、高体积的任务场景下，企业越来越偏向高性比价比Token。 未来越来越多的企业会采用这个模式。对企业来说，未来AI adoption 的关键不再只是“买 Claude、买 ChatGPT、买 Copilot”，而是要搭一个“AI运营维护层”。 这就导致企业AI成本最后应该是工程问题：路由、缓存、上下文压缩、权限、审计。对于coinbase本身就是科技企业，有能力配置自己内部的AI操作系统。但是大部分企业其实没有这个能力的，最后还是要去依赖CSP给企业搭建的AI使用场景。 3、这就意味着CSP正在成为企业多模型架构中的关键“中间层”，既帮客户降本，又自己赚取更高比例的利润。 CSP的优势在于：它不只看某一个闭源模型的收入，而是看企业 AI 进入生产环境后的全部云消费。这包括闭源 API、开源模型推理、向量数据库、对象存储、数据仓库、网络、Kubernetes、MLOps、安全、监控、agent runtime、GPU/TPU/ASIC 租用、企业私有化部署。 如果企业采用 AI 进入成本工程化阶段，高频、中低价值场景会转向更便宜的 token、更便宜的模型、更贴近数据的云端部署。 这会压缩部分闭源模型的单位经济，但不一定压缩 CSP；相反，它可能扩大推理总量，把商业价值沉淀在云端。 这本质上是把“模型层”商品化后，CSP 把价值更多地转移到基础设施 + 平台服务层（托管、优化、路由、治理、安全）。换句话说： 大模型 ARR 是“模型层收入”； CSP业绩才是“AI 工程化收入”。 4、这意味着什么？ 1）大模型ARR是“AI 需求纯度最高”的指标，但CSP是“AI 商业化落地最综合”的指标。 2）未来企业采用AI进程不可避免多模型架构，前沿闭源大模型只是企业整个业务场景往AI迁移中一个关键占据高价值场景的模型选择，但不会吃到企业所有的业务场景。非高价值、高复杂度业务场景的价值就从前沿闭源大模型外溢到开源模型和CSP的自研模型上。 从这个角度，提供前沿闭源模型、开源模型、自研模型的CSP才是最大的价值沉淀。 这其实让我们摆脱了AI商业化只看闭源前沿大模型ARR的窘境，需要把超大CSP厂商业绩表现提到同等重要甚至更高的权重上来。 5、对几家超大CSP同样意义重大 1）AI推理是超大CSP云业务的主要成本项之一，部署开源模型直接改善毛利率，自研模型进一步优化成本结构； 2）新的战略优势 之前市场认为CSP特别是几家超大CSP是一个二道贩子，贩卖算力和token，同时还要承担巨额的资本开支但并没捕获最大的价值。 现在“高效中型模型 + 规模部署”在生产环境下也证明了自己觉的价值，而非一味追求参数军备竞赛。 那么过去的认知也要反转了： 超大CSP已经是企业AI进程多模型架构下的“AI操作系统层”。 3）成本营收结构的变化 CSP 转售闭源模型时：CSP 拿到的分成比例有限（通常 20-50% 不等，具体看合同），还要承担模型方的定价压力。 自托管开源模型转售：开源模型基本零授权成本，CSP 只需承担自己的算力、电费和运维成本。CSP 几乎拿走全部 markup（扣除算力成本后）。因为定价可以参考开源社区实际成本 + 合理溢价，空间更大。 自研模型更不用说，几乎营收全在CSP。 4）超大CSP的价值重估。 超大CSP有算力、能部署开源模型，也能自研模型，不再是只靠前沿闭源大模型，毛利会更高，海量B端客户通道依然有巨大优势， 这些都会让超大CSP形成新的战略优势。 综上，未来： 模型公司决定“AI 能做什么”； CSP 决定“AI 能以多大规模、多低成本、多高可靠性进入企业生产系统”。 还是之前聊到的未来趋势很明确： 闭源前沿模型继续走高端溢价路线： 开源模型+自研模型+CSP 托管将成为中低端和高频场景的主力。 能把开源模型和自研模型serving 做到极致低成本 + 高可靠的 CSP，将在 AI 时代获得显著的利润率优势。 $MSFT $AMZN $goog $00700 $baba

马斯克称SpaceXAI将在明天（周四）发布Grok 4.5，并称Grok 4.5能力达到Anthropic Claude Opus级别，但速度更快、成本更低、效率更高。 https://t.co/DUJVSbHIJh

中国工业和信息化部网络安全威胁和漏洞信息共享平台 7 月 8 日发布风险提示，AI 编程工具 Claude Code 存在安全后门隐患，受影响版本为 2.1.91 至 2.1.196。 该工具内置监控机制，未经用户同意即可向远程服务器回传用户地域、身份标识等敏感信息。 相关单位和用户被建议立即排查，卸载受影响版本或升级到已清除相关代码的最新安全版本，并加强开发工具外联权限管控和流量监测，防止敏感数据违规外传。

开源一个非常漂亮的文章配图 Skill。 昨天给 Claude 用我的社交媒体卡片生成的时候，Codex 生成了一个配图，我觉得很漂亮、挺有意思。 发出来后大家也都很喜欢，所以顺便就把它做成了一个配图 Skill。 目前只适配了 GPT-Image-2.0 模型。 支持将你的文档或文案发进去，生成一个干净漂亮、带标签的 3D 材质配图。

GPT-5.6 Sol 将于周四发布！

#AI 基于 mattpocock/skills 和今天 Claude 官方的 Fable token 节约文章。 让 AI 把 /implement 改造成了 /implement-codex。 现在完整的工作流如图。 https://t.co/SWwwfEq3QC

微软不仅部署开源模型，还开始自研模型来MAI。看彭博报道，微软正在Excel和Outlook等Microsoft 365应用中，逐步用自研的MAI（Microsoft AI）模型取代部分OpenAI和Anthropic的模型，以降低AI推理成本。 据知情人士透露，每周已有数以万计的AI提示（prompts）由MAI模型处理，而此前这些应用更多依赖外部模型。微软仍通过“模型路由”（model routing）机制，对复杂任务保留使用前沿合作伙伴模型。 这一举措标志着微软在低成本自研AI路线上取得实质性突破——从依赖外部前沿模型转向大规模内部部署“够用且高效”的自研模型。 2026年6月微软Build大会上，Microsoft AI团队（由Mustafa Suleyman领导）发布了7款全新自研MAI模型，形成一个多模态、任务专精的模型家族。核心理念是：1）从头训练（from scratch），不蒸馏（distill）其他实验室模型； 2）使用干净、可追溯、企业级授权数据 3）强调效率、成本、安全和企业集成。4（与自家Maia芯片协同设计，进一步提升性价比。 主要模型包括： 1）MAI-Thinking-1：旗舰推理模型（重点分析对象）。 2）MAI-Code-1-Flash：轻量级编码模型（5B活跃参数），已深度集成GitHub Copilot和VS Code。 3）MAI-Image-2.5 / Flash：文本到图像生成与编辑，已用于PowerPoint。 4）MAI-Transcribe-1.5：转录模型，号称SOTA准确率、速度快5倍，支持43种语言领域术语。 5）MAI-Voice-2 / Flash：高质量文本转语音，支持10种语言，Flash版更低成本。 6）还有与Mayo Clinic合作的医疗领域专用模型。 这些模型已在Microsoft Foundry（私有预览）、Azure、OpenRouter、Fireworks AI等平台可用，并逐步嵌入Microsoft 365生产环境。MAI-Thinking-1 详细分析（核心模型） 这是微软自研推理能力的代表作，定位“中型但强悍”，适合日常企业部署而非单纯追求参数规模。 独立评测机构Surge的盲测中，用户更偏好MAI-Thinking-1而非Sonnet 4.6（单轮和多轮任务均优）。 有何优势？ 1）极致性价比：微软官方称，针对Excel优化的MAI模型性能匹配GPT-5.4，但效率最高可达10倍。早期采用者也报告类似“最高胜率 + 约10倍更低成本”的结果。 2）数据主权与安全：企业级干净数据训练，内置安全护栏、版权保护，适合合规敏感场景。 3）集成与部署友好：可微调（tuning），支持工具调用、代理工作流，已在生产环境中规模化运行。 4）低延迟/高吞吐：适合Excel数据分析、Outlook邮件起草/总结等高频常规任务。 客观看待 1）MAI尚未达到OpenAI/Anthropic最前沿模型的绝对顶尖水平（尤其极复杂、多代理或创意开放任务）。 2）典型应用场景也是高频、低复杂度、高体积的任务，用自研模型能大幅降低每token成本，同时保持用户体验。复杂推理仍可fallback到OpenAI/Anthropic。 这也是之前说超大CSP其实在积极重溯其商业模式： 1）AI推理是微软云业务的主要成本项之一，部署开源模型直接改善毛利率，自研模型进一步优化成本结构； 2）战略独立，减少对OpenAI（深度合作伙伴）和Anthropic的依赖，增强供应链韧性； 3）自研模型 + Maia芯片 + Microsoft 365深度集成，形成独特优势，打造生态闭环； 4）干净数据 + 合规 + 低成本 + 可微调，对大企业极具吸引力。 证明微软已具备从头构建竞争性中大型模型的能力，训练循环和后训练优化有效。验证了“高效中型模型 + 规模部署”在生产环境的价值，而非一味追求参数军备竞赛。 还是之前聊到的，CSP 正在成为企业多模型架构中的关键“中间层”，既帮客户降本，又自己赚取更高比例的利润。 未来趋势很明确： 闭源前沿模型继续走高端溢价路线而 开源模型 + CSP 托管 将成为中低端和高频场景的主力。 能把开源模型 或者自研模型serving 做到极致低成本 + 高可靠的 CSP，将在 AI 时代获得显著的利润率优势。

Anthropic为了让你爽用Fable 5，整出了多智能体会话的功能，简单说就是在单个会话中协调多个Agent 有什么好处？就是Claude的单会话多线程，有点像Grok一个Leader管4个Agent跑并行任务 先用Fable 5提建议，再奴役Sonnet 5干活，狠狠地压榨每一个Workers（Sonnect 5） https://t.co/tIOCgsElu6

GPT 5.6 明天发布，这次 A\ 延长 Fable 5 的订阅使用应该是为了狙击 GPT 5.6 的。OpenAI 本想趁着大家失去 Fable 5 的空虚时刻让 5.6 来抚慰大家，没想到 A\ 反将一军。高端的商战（

OpenAI将在本周推出新的模型 GPT-5.6和Claude- fable5 要一决高下了吗?

【摁头推荐的PPT skill】 😱卧槽兄弟们，我找到最牛逼的PPT skill了！ 碾压式的领先市面所以PPT skill，PPT master原地失去王位～ 本来做PPT狗屎一样的Codex（PPT-master也无法拯救），用上这个skill都能做出非常高级的PPT，而且可以二次编辑！ 转发起来，好东西必须让大家一起用！ 仓库地址：https://t.co/QMhTCi9maw

哈哈哈哈，Claude Code对我进行了内容封杀，阻止我输出我要的材料 最搞笑的是，他封杀的原因竟然是...... 老周：队长别开枪！是我！！ 🤣🤣🤣🤣🤣 https://t.co/RjiuuEgkps

这篇关于如何写出好的 Skill 的文章，大部分还是不错的，也有些不严谨之处。 1. 不要让模型自己写自己的 Skill ❓ 文章意思是人类专家写的技能比 AI 写的更好，应该人来写技能而不是让 AI 写 Skill。 > 让智能体自己给自己写 Skill，这个想法非常诱人。SkillsBench 专门测试了这一点：每个任务都在三种条件下运行，无 Skill、专家策划的 Skill、模型自生成的 Skill。专家策划的 Skill 显著提升了通过率。模型自生成的 Skill 完全没有帮助，平均还比无 Skill 基线低 1.3 个点。作者的结论是：模型无法可靠地产出那些它在使用时会受益的流程性知识。 这条其实不够严谨，AI 是能写 Skill 的，只要人提供好上下文就可以，而不是简单的说别让模型写 Skill。而且就算是 AI 训练过的知识，让 AI 把一些操作路径、输出风格格式固化下来都是有价值的。 也不是说是错的，完全指望 Agent 帮你写 Skill、进化 Skill 还是不太够，还是需要人去引导会更好。 最佳组合是人指挥 AI 写 Skill。 2. 面面俱到，反而糟糕 ✅ 聚焦于核心内容、仅包含两三个文件的技能，其表现要远好于一大堆文件的集合，也胜过长篇大论的文档。那些试图把所有东西都写进去的“全面型技能”，反而会把任务通过率拉低到不如不用技能的水平。“细节丰富且范围明确”的做法，每次都能完胜“百科全书式”的做法。 确实如此，Skill 不要追求大而全，小而精更好。 3. 加载的技能越多，智能体反而越笨 ✅ 技能虽然是按需加载，但也是占用上下文的。不是越多越好。 4. 必须在要支持的每个 Harness 中进行测试 ✅ Skill 虽然是通用，但是不同 Agent 或模型还是有差异，比如 Codex 有自带画图工具，Claude Code 没有；比如 Claude 是多模态的能看图片，GLM 不能看图；这些都需要测试，并且针对性的写一些兼容性的说明。 5. 瞄准模型最薄弱的领域出击 ✅ > SkillsBench 按照不同领域测量了技能带来的提升效果。结果差异巨大：在软件工程领域只提升了 4.5 分，而在医疗保健领域则飙升了 51.9 分，制造业紧随其后。技能对软件开发领域的帮助最小，因为模型早就被海量的代码预训练数据“喂饱”了；而技能帮助最大的，恰恰是那些训练数据覆盖薄弱的领域。 说的挺对的，我几乎不用软件工程相关的 Skill 正是因为这个原因，像 superpower 这种 skill 对于好的模型真的提升很有限。 6. 不测试，你永远不知道技能好不好用 ✅ > 找一组任务，运行两次：一次加载技能，一次不加载，保持其他所有变量绝对一致。用同一种标准给两次结果打分，然后看看差异。 技能是需要测试的，但有些技能的测试结果是不好量化的，这时候还是需要依赖专业人士的判断。

你方唱罢我登场！ 随着Claude推出Fable 5， OpenAI 今天重磅宣布：将在本周四推出最新大模型 GPT-5.6 Sol, Terra 和Luna。 Sol（太阳🌞）是最高级别，依次是Terra（地球🌍）和Luna（月亮🌔）。 期待期待！ https://t.co/VeU3NLbZHA

李博杰参加DeepSeek的招聘流程，认为自己受到了侮辱并当场结束面试，随后把整个面试经历发到了社交平台，意思就是DeepSeek面试流程混乱、面试官不专业、自己被无端怀疑作弊、呼吁大家避雷DeepSeek。 就在大家讨论DeepSeek的时候，杜均突然公开回应李博杰，大意是联系不上李博杰，一直以为李博杰失踪了，因为自己曾投资李博杰的创业项目，但是项目后来长期失联、不回复消息、不提供财务资料、投资人一直联系不上，并希望李博杰回应。 李博杰公开回应：投资协议约定是150万美元，但实际只收到50万美元、因为资金不到位公司经营受到影响、还回应了自己离开Metagent的原因是因为大陆Web3的不合规环境等。 吃完整个瓜我觉得李博杰认知有问题。面试不顺是DeepSeek的问题；投资纠纷是投资人的问题。也许别人确实有问题，但如果每件事都是别人的错，自己永远没问题，那才是真正的问题。真正有格局的人遇到争议先反思自己再讨论别人。 杜均当年MDX365质押割了我100万，事后MDX和他没关系，天道好轮回，苍天饶过谁。永远别想洗掉你镰刀的本质。

总感觉 Anthropic 跟 OpenAI 两家公司在玩兵法 OpenAI：你 Claude Fable5 预计7月8日从订阅下线对吧，那我就暗搓搓预热当天 GPT-5.6 上线，无缝衔接； Anthropic：什么？你打算7月8日上线 GPT-5.6？ 好好好，Fable5 推迟下线，延期到7月12日，我看你怎么办？ 现在轮到奥特曼风中凌乱了，“我这 GPT-5.6 是发还是不发？”🤡

AI真可怕，用 codex 的 /goal 真的解开了一个古老的需求。 PDG的 04H 加密算法解码 大概这玩意不会进模型的训练集。 二十几年前的一个过时的电子书格式了。 用来测试 agent 能力正好， 我隐约还记得， 2025年4月，claude code 都做不了什么，或者说不知道自己在做什么。 2025年10月， claude code 胡乱做，转换出来的是一堆乱码，把 学习集的pdg 和 jpg给一一匹配起来可以转换，就说自己做好了。 2026年7月，codex 直接 /goal 干了24小时，把这个给弄出来了。另外找了一本本机没有的电子书，作为验证集通过了。 还有，全程我是不懂，加密解密算法细节的。基本人定一下大方向。 还有codex token 算下来，用了 200 美元 pro 档的 一周 30%。

Codex 0.143.0 新增了 Amazon Bedrock 上 GPT-5.6 Sol, Terra, Luna 的支持，看来很快 GPT 5.6 就要正式发布了🤩 https://t.co/yf0nyJWP8y

《Vida去哪了》 看我过去3个月的codex和claude code token用量图，这纯粹是我个人账户自己使用，差不多薅了openai和anthropic 1万刀+的token羊毛: 最近是疯狂把以前想做的一切东西都自己做一遍，脑袋里想到什么就立马能实现什么———无论是公司的项目优化还是自己想玩的游戏、想写的游戏辅助，都自己立马实现，这对于我这个创造型人格来说诱惑实在太大了，无时不刻按照自己的想法构建一些自己需要的基础设施、改变自己周围的“小宇宙”让我已经深度上瘾。 我从小的天赋就是很容易对一个我喜欢的事情会深度专注和上瘾，无论是小时候看蚂蚁能看几小时、还是2021-2025天天钻在市场里几小时找市场的bug，而现在我对于自己《用想象力无限创造》格外的上瘾。 自己用的爽了之后我还送了好几个国内亲戚朋友codeX $20-100刀订阅（codeX无法赠送gift所以我都是买了尼哥kyc的卡然后直接把卡给朋友用） 在这个时代送一切礼物都不如送人一个CodeX实在。（不是不想送Claude，是送了好几个人Claude全踏马被ban了）

近期疯传的一个技巧，把这段提示词发给 Codex会很有用： “请基于当前线程、当前项目文件、可用 memories，以及我明确提供的上下文做一次复盘。 1. 找出 3 个我可能没意识到、但会显著影响决策的关键点。每个都要说明依据、影响、建议动作。 2. 找出我重复出现的工作模式，挑 3 个最值得封装成 Codex Skill 的候选项。每个说明触发场景、输入输出、是否适合做成 SKILL.md。 3. 明确标注哪些结论来自当前项目，哪些只是推断，哪些需要更多历史记录验证。”

Anthropic在企业付费采用 AI 的口径上已经超过OpenAI。企业客户这边，Claude 现在压过了 OpenAI 一头。 https://t.co/mKq4EWTywA

竞品才是最佳产品经理，这下完全打乱了openai的发布节奏。 有传言gpt 5.6将在fable停止后24小时内发布。 不过A/不知道出于什么考虑，在最后时刻延长了fable的使用时间5天，延长到北京时间下周一7-13 15:00停止。 大多数人需要等待自己的重制时间到来, 才能继续使用fable。 如果你重置在： 1. 周二-周四，恭喜你有不错的fable使用窗口 2. 周五-周六，加班吧伙计 3. 周日-周一，祝你好运 A/给了7/7这个时间，让人们疯狂使用、熬夜使用，培养人们对fable成瘾。 在最后一刻，再给了半只fable，你得在5天内适时使用它。 至少，请给这群fable成瘾者，一次体面的重制

据彭博社报道，微软（$MSFT）已在部分应用中用自研 AI 取代 OpenAI 和 Anthropic 的模型。

Claude Fable 5 免费试用延期，7 月 12 日截止 Anthropic 宣布将 Claude Fable 5 的免费体验期延长至 7 月 12 日（太平洋时间 23:59:59）。 Fable 5 是 Claude 目前最新的模型。从 7 月 1 日起，Pro、Max、Team 以及企业版付费用户可以在订阅额度内免费使用，不需要额外付费，也不需要手动开通。 但有一个限制：Fable 5 最多只能用掉每周订阅额度的 50%。打个比方，你的周额度是一块蛋糕，Fable 5 最多吃掉一半。用完这一半之后，要么开通 Usage Credits（按量付费）继续用 Fable 5，要么切回其他模型，用剩下的额度干活。 另外要注意的是，如果你在切到 Fable 5 之前已经用其他模型消耗了大半额度，Fable 5 能用的量会更少，因为 50% 的上限和其他模型共享同一个总额度池。 使用入口覆盖得很全：网页版、手机、桌面客户端、Claude Code（需要 2.1.170 及以上版本）、Cowork、Design，甚至 Microsoft 365 插件里都能选到 Fable 5。 免费版用户没有这个福利。企业版的情况稍微复杂一些，Standard 席位本身不含 Fable 5，只有开通了 Usage Credits 才能用；Premium 席位在促销期内免费包含。 7 月 12 日之后，Fable 5 不再包含在订阅额度里，所有使用都走 Usage Credits 按量计费。

发现一个很猛的开源项目：book-to-skill。 以前你读一本书： 读完忘一半。 做笔记不想翻。 丢给 AI，又容易胡说。 这个工具直接换了个思路： 不是让 AI「总结一本书」， 而是把整本书变成一个可调用的 Skill。 你可以把 PDF、EPUB、DOCX、Markdown 这些资料丢进去， 它会自动拆成： 核心模型 章节索引 术语表 方法论 反模式 速查表 之后你在 Claude Code / Copilot CLI / Amp 里用的时候，就不是临时问 AI：“你知道这本书吗？” 而是像在调用一个已经装进 Agent 里的专家库。 最狠的是，它不是一次性把整本书塞进上下文。 而是你问到哪里，它再读对应章节。 这才是 AI 学习资料真正该有的形态。 以后技术书、内部文档、项目规范、研究论文， 都可以变成你自己的 Skill 库。 普通人还在收藏 PDF。 会玩的人，已经开始把知识变成 AI 能反复调用的能力了。 GitHub：https://t.co/iBj8gNJntr

牛逼！Claude Fable 5 延期到 7 月 12 号。 代表着之前用完限额的，7 月 7 号以后又有 Fable 可以用了，依旧是每周限额的 50% https://t.co/gJG3mkqcF5

今天在配 stripe，我跟 CodeX 说我看文档看不懂了你配吧，CodeX 回了我这么一句 “可以，我来接这块。支付文档确实像一床很大的被子，盖上去人会短暂消失。” 已严肃盖上被子并消失。 https://t.co/B6c46Wan35

我就知道Claude会延长Fable5的使用期限！！ 这大概是为了狙击GPT-5.6哈哈哈🤣 与之前一样，你可以将你订阅包含的每周使用限额的 50% 用于 Claude Fable 5。 之后，可以通过消耗积分的方式继续使用 Fable 5 ，或者切换到另一个模型以在剩余限额内继续工作。

因为「让你刷更多」而不是让你「更快匹配」是这些产品的盈利模式。真正有效的产品，在 AI 时代或许是让我的 codex 去认识你的 codex（仍然还是极少数用户的阶段）

我最近遇到一件事，這件事只能用峰迴路轉來形容... 今年初，我看網路上大家都在養 AI 龍蝦（OpenClaw） 「我也好想玩喔！」 (´・ω・`) 但我聽說要是龍蝦的權限沒設定好，就會有安全性的疑慮。 所以 為了安全養蝦，我就請當老師的朋友用教育方案幫我訂了一台 Mac mini，花了 17,000 元左右。 結果哎呀呀，三月初下訂，六月底才收到，那東西大家早就不屑啦！ 網路上到處都是龍蝦的棄養潮，我也已經轉投 Claude Cowork 的陣營。 「早知道就拿來買0050了」我怪罪給時間，心裡難受，覺得自己又亂買不需要的東西了。 而且 由於我一直以來都用 PC，所以 Mac 系統用得很不順手，現在這台 Mac Mini 唯一的功能是幫我推的 vtuber 掛台。 結果沒想到，我才掛幾天台而已，蘋果突然無預警漲價，現在 Mac mini 官網售價飆漲到了 26,900 元！！ 漲幅約 60%！績效還贏 0050！ 賺爛了，賺爛了！ (•̀ω•́)⸝ި ʕᦏ⌎ (然後有沒有人可以給點建議 mac mini 怎麼用才內行？)

昏招～～本来是开源挑战，他们工程进步就有很多社区开发贡献 全关起来，glm/deepseek怎么比Claude/gpt

看到 DeepSeek 面试风波里居然有人说博杰偏研究缺工程能力的……2014 年的时候中科大的 FreeShell 服务就是他搭的，这就是前 docker 时代的 sandbox 集群啊！我当时用它部署了个分析校园消费数据的服务，很稳定 另外 boj 照片里那件 Linux 版衫是我设计的，我是 LUG 里技术最菜的，滚去做前端了 🥵 https://t.co/ufXaFobiQc

今晚会发 GPT 5.6 吗，有点想等它发布了再睡觉。

今天半导体跌得确实挺狠，AI基础设施这条线几乎全线承压，不少股票盘中跌幅都超过了5%。 这种行情谁都不好受，看着账户一路往下掉，心里不舒服是很正常的反应，我今天也是一样的心情，不用觉得是自己不够理性才导致的。 不要怀疑自己是不是哪里出了问题，为什么明明该止盈没止盈、该止损也没止损。 我想说的是这真不是你一个人的问题。 这段时间只要是多头，日子大概率都不好过，你现在经历的这些纠结和难受，此刻场内的很多人都在同样经历，你不是一个人在硬撑。 每次遇到这种时候，我都会提醒自己一句话：一天甚至一周的股价，定义不了一个几年的产业周期。 过去两年AI涨得很快，估值中间经历几轮修正，我觉得是很正常的事，甚至可以说是必然会发生的事。 几乎每一次调整，市场都会开始讨论："AI trade结束了。""泡沫破了。""这次真的不一样。" 可回头看，这些声音过去已经出现过很多次，但AI产业并没有停下来，还是一步一步走到了今天。 至少到今天，我还没有看到任何足以让我推翻原来判断的东西。 云厂商还在继续扩大AI资本开支，企业部署AI的速度还在提升，OpenAI、Anthropic等头部模型公司的商业化还在加速，大模型的Token消耗还在快速增长，数据中心还在不断建设，存储、网络、光互连、先进封装这些AI基础设施环节的需求，也没有因为这两天的大跌突然消失。 所以在我看来，这是一轮估值修正和中期调整，不是AI大周期已经结束。现在还是AI的牛市，没有看到转熊的迹象。 我对这轮行情的看法是，短期偏空，但长期逻辑完全没有变。 到明年年底之前，我都是坚定的死多头。等到明年年底之后，如果出现真正转熊的迹象，我才会认真考虑离场。 基于这个判断，我自己不管是买正股还是买LEAP Call，行权日期都特意选在2028年1月，因为我是真的相信这轮趋势能走到那个时候，不是随口说说。 举一个BTC牛市洗盘的例子，希望能对你有所启发 如果你回头去看那段历史，在BTC牛市中会发现30%、40%甚至50%的回调都出现过很多次。 当时几乎每一次下跌，都会有人觉得牛市结束了。 大家总结出来4年周期理论，都知道这个理论，这个理论被证实了好几次，如果你每次按照这个理论买和卖，那么你几乎不会出错。但是真正困难的是在一次又一次的大幅波动里，依然能把筹码拿住，非常非常少人能做到这点。因为和我们作对的是人性。你就算知道答案了，还是会被中间的情绪严重影响。 回到AI，如果你当初买这些公司，是因为相信AI会是一轮持续几年的产业趋势，那就不要因为一段时间的波动，轻易推翻自己最初的投资逻辑。 现在市场情绪确实很差，尤其是AI基础设施板块，悲观的声音越来越多。 但市场一直都是这样，情绪往往会比基本面走得更快。 越是在大家开始怀疑整个行业的时候，越要问自己一个问题：到底是情绪变了，还是基本面逻辑变了？ 真正难的是在市场最悲观的时候，还能坚持自己当初做研究得出的判断。 当然，这并不是说什么股票都应该一直拿着。 基本面真的变了，该卖就卖。逻辑被证伪了，也应该重新评估，这是理性投资该有的样子。 但如果只是情绪在变、估值在修正，而公司的长期逻辑并没有真的发生变化，我不会因为几天甚至几周的下跌，就轻易推翻自己原来的判断。 未来大概率还会有很多次这样的调整，甚至可能比这次更剧烈，我也不觉得这次就是最后一次。 但明年年底前或者说最晚2028年上半年前再回头看会发现，真正赚到产业趋势这笔钱的人，未必是每一次都能精准逃顶抄底的人，是那些在趋势没有真正改变之前，没有一次又一次被市场甩下车的人。 真正的大趋势不会一路上涨。 上涨需要新的资金，新的资金需要更合理的价格，而筹码也需要在不断换手之后，行情才能继续向前。 这个过程很折磨，我知道，也理解此刻大家心里的煎熬。 但如果你相信的是产业周期，那么耐心本身就是投资的一部分。 希望大家都能早点休息，不用急着在一天之内，就给一整个AI周期下结论。 大家都不是一个人在扛，我也一样在场内，跟大家一起熬。不说持有到2027年年底，起码要撑到2026年年底。