🔥 Search Hot Tweets

大家都在吹百万token上下文，但Prime Intellect一位工程师说了句大实话： GPT-5.5在256k时检索准确率80%，拉到一百万直接掉到36%。模型不是装不下，是装进去了推理不动——所谓的context rot。 为什么更大上下文救不了Agent，方案是持续学习+训练自己的轨迹+真实环境。 https://t.co/e1uUaBWwya

最近很火的几个 Codex 的配置，在 ~/.codex/config.toml 添加： model_reasoning_summary = "concise" # 简短摘要 model_verbosity = "low" # 输出极简 personality = "pragmatic" # 务实风格 low：几乎零废话，直给代码、命令或修改建议。不带长篇解释、鼓励话语、重复总结等。 concise：给出简短的思考步骤总结，不展开完整 Chain-of-Thought。 觉得非常实用，再也不用看它絮絮叨叨的了。 官方文档： https://t.co/dDhCQeSU41

Anthropic 分析了 30 万段对话发现： 使用不同语言问 Claude，它会表现出不同的价值观 英语：最谨慎，也最深入 俄语：最严格：挑战假设、纠正细节、要证据 印地语：最温暖 荷兰语：最坦率，比如会承认自己的错 印尼语：最偏执行 阿拉伯语：最顺从、最简洁，也明显偏温暖 相对所有对话的平均水平，中文的偏移都很小 中文对话中最有辨识度的三个行为是： 会指出相互竞争的考虑因素； 反驳错误假设； 不带评判地提供安慰。 这组结果相当有意思： 中文 Claude 不是特别讨好，也不是特别冷硬；它更像一个会提醒你“事情没那么简单”、会列出正反因素，但仍然保持安慰性表达的顾问。 也就是我们说的：中庸！

下一个百倍美股看这个就够了。 这周有一百多家公司发财报，但真正能改变你下半年投资方向的，只有两份。 不是摩根大通、高盛、Netflix，是台积电和ASML。 一个掌握了全球90%以上先进制程芯片的生产，英伟达的GPU在它这里造，苹果的A系列在它这里造，AMD在它这里造，高通在它这里造，连刚刚宣布要自研芯片的DeepSeek，造出来也得排队找它代工。 台积电的营收增速和产能利用率就是AI算力需求的体温计，温度还在升，说明这轮行情远没到头，温度降了，所有AI股都要重新定价。 一个是全球唯一能造EUV光刻机的公司，三星扩产要买它的设备，台积电扩产要买它的设备，英特尔扩产要买它的设备，SK海力士$265亿的扩产计划，相当一部分是花在买它的光刻机上。 ASML的订单积压量就是AI供给端的瓶颈指数，积压越多，说明产能追得越吃力。 周三ASML先出，周四台积电跟上，这两份财报出完之后，AI产业链下半年的剧本基本就定了。 台积电已经被市场研究透了，预期打得很满，超预期的空间有限，但ASML作为"卖铲子给卖铲子的人"的那家公司，市场对它的关注度远不及英伟达和美光。 而当所有芯片公司都在砸几千亿美元扩产的时候，ASML是确定性最高的受益方，不管最后谁的芯片赢了，光刻机它都卖出去了。 资金瀑布的规律一直没变：GPU先涨→存储涨→光通信涨→现在轮到设备和材料。 每一层溢到下一层的时候，都有人说"到头了"，每一次说完，下一层又翻了几倍。 下一条说具体从这两份财报里看什么数字、怎么找10倍的线索。

这是一个让几百万网友都痛苦不堪的网站，堪称真正的AI泔水，慎点！ 昨天群里有人转发了这个图，一个 V2EX 网友因为休假而用不完订阅，于是他决定让AI自己跑完 GPT-5.6 与 Claude Fable5 的额度来生成了一个网站。 成品太辣眼睛了，甚至我都没有有勇气打开看第二遍 地址在评论区，点之前请做好心理准备！

这些标的，又被市场错杀了。 DeepSeek要自己造AI芯片了。推特上的反应是："英伟达完了。" 这个结论犯了一个很基础的逻辑错误。 DeepSeek为什么要自研芯片？不是因为英伟达的芯片不好，是因为买不到。排队排不上，产能抢不过微软和谷歌，价格涨到离谱。 一家AI公司被逼到自己下场造芯片，这不是"英伟达不行了"的信号，这是"英伟达的产能根本不够用、客户等不及了"的信号。 类比一下你就明白了。一家餐厅门口排队排到三条街以外，然后有个客人说"我等不了了，我自己回家做"。 你看到这个场景，得出的结论是"这家餐厅要倒闭了"？ 再看供应链。DeepSeek自己设计了芯片之后，谁来制造？台积电。没有第二个选择。制造过程需要什么设备？ASML的光刻机。 芯片旁边要配什么？SK海力士和美光的HBM。芯片之间怎么传数据？光模块。数据中心拿什么供电？核能。 从头到尾，DeepSeek自研芯片这件事，没有减少产业链上任何一个环节的需求。它只是多加了一个客户。 唯一可能受影响的是英伟达——但也不是"没人买了"，是"买的人太多了，其中一部分等不及了自己做"。被客户逼到自研，在商业史上叫需求溢出。 苹果自研M系列芯片的时候，英特尔的问题不是"苹果不需要芯片了"，是"英特尔的芯片满足不了苹果的要求"。 市场恐慌的时候错杀的每一分钱，最后都会被修正。 下一条说DeepSeek自研芯片之后，产业链里谁最受益。

眼瞅着「功夫女足」的票房预测在短短几天内从10亿出头奔着30亿以上去了，我一直在感叹大伙还是太有钱了，谁再唱衰中国经济，就把这个数字甩到他脸上去。 不懂的人可能以为我是在嘲讽烂片，这实在是冤枉，烂片确实是烂片，但嘲讽是没有的事，恰恰相反，以我之见，当烂片也能拥有票房大爆的机会，中国电影市场的行情才真正复苏了。 借用峰哥的那句话来说——「这是好事儿啊！」 过去几年，整体低迷的院线表现叠加「哪吒」「给阿嬷的情书」这种少之又少的尖子生，催生并推动了一种逻辑使然的叙事： 只要拍出高质量的电影，观众自然会用钱包投票，还你一个叫好又叫座的回报，所谓「为众人抱薪者，不可使其冻毙于风雪。」 道德的高地上人满为患，电影业也只能选择瑟瑟发抖，不敢锐评上面的金玉良言其实是一句正确的废话，就没人会制定一个我要拍部烂片的目标，这不是资质有限吗，如果一个行业只容得下极致的成功，那么它一定是不健康的。 我是看过不少电影人恨天恨地，坚持那套「进电影院是一种生活方式，和电影的质量没有太大关系」的说辞，但是除了遭到白眼和耻笑，并不能起到迷途知返的劝说效果。 直到「功夫女足」空降打破了只有好电影才配得上高票房的那条叙事，曾经的坚固如今荡然无存，鲸落万物生的繁荣这才有了苗头。 「功夫女足」几乎集全了所有的debuff，首先它烂，觉得它不烂的，自觉坐小孩那桌去，我不是来跟你商量的，其次它俗，对流量明星应用尽用毫不避嫌，来自饭圈的控评包场样样不落，再者它Low，说是AI特效我看都是在辱AI了，Seedance干不出来那活儿，最后它坑，君不见多少人在说「再也不欠周星驰电影票了」，按理来说，消费者最恨消费情怀的刀法。 但是没想到吧，人家票房就是节节攀高，连着刷新中国影史的暑期档纪录，昔年高山在这部片子面前都不过是减速带。 于是又有了新的挽尊说法，把下沉市场搬了出来，接着便是难懂的话，什么「人民群众喜闻乐见，你算老几」之类，天了噜，这是下沉市场最支棱起来的一集，城乡二元论的公式太好用啦。 稍微动了点儿头脑的，想往周星驰这个IP上靠，却解释不了周星驰上一部声势更为浩荡的「新喜剧之王」是怎么扑街扑穿地心的，预期票房30亿，最后连8亿都没过，同样的配方，不同的结局，说不通的。 老阑以为，真的不如老实承认，内容创作不是一门科学，任何试图为它总结规律、套用公式的做法，都会变成呼啸而来打响脸颊的回旋镖，世上并不真的存在能够拍出好电影的方法论，更不只是只有好电影才能卖得盆满钵满。 醒醒，大清都亡了，Netflix的大数据神话早就被证伪了，哪有什么点石成金的魔法，石就是石，又不是不能吃。 所以我要大夸特夸「功夫女足」的走势，它非但是中国电影之幸，救行业于水火之中——就是别问是怎么到水火之中的——更是给「扩大消费『十五五』规划」的一次献礼。 至少我看朋友圈里的电影从业者，从资方到制片，都挺受鼓舞的，这甚至契合了周氏作品的一贯爽点：英雄的故事太远太假，烂泥里的小人物翻身，才让人有代入感。 鉴于能真正理解我说这么多是何意味的人大概不会太多，干脆直接自爆好了，我是非常双标的，于情而言。劝人掏钱看烂片这种烂屁股的事儿我是肯定不会干的，于理而言，我高度认可烂片的存在价值，这个世界需要烂片，需要赚大钱的烂片，看电影就不应该成为所谓品味的投射，成为那么多大道理的寄托，它就是个俗得不能再俗的、花上几十块钱打发时间的消遣。 再说了，「给阿嬷的情书」的导演蓝鸿春第一次自导自演的电影，豆瓣评分还不如「功夫女足」呢，没有拍烂片的烈火烹油，未必能有拍好片的鲜花着锦，周星驰虽然是老惯犯了，但大家还是要给年轻人机会，对不对？

做了个自动下载视频并翻译好双语字幕的 skill JZSub： 1. 支持 YouTube 等 1000+ 视频网站 2. 下载最佳视频与音频，封装 MP4 格式 3. 大模型上下文对照翻译，自动烧录好 在 Codex、Claude 国内的 WorkBuddy 都非常好用。 🔗 https://t.co/cGof29TsZP https://t.co/nYYBsSvHBC

如果你还不相信 AI 会取代 3D 建模师，那么看看这个视频👇 或者你自己尝试一下使用 GPT-5.6-sol 调用Blender MCP。 我们人类被取代都是迟早的事。https://t.co/u4oH6OenSt

旱的旱死，涝的涝死 有 V2EX 网友跑完 GPT-5.6 与 Claude Fable5 的 20X 周限生成了一个网站 简直辣眼睛🤣 AI 要是有意识，怕是要拒绝这个任务 地址我放评论区，慎点！ https://t.co/m9dCGs3Azj

今日AI美股信息差： 1. SK海力士暴跌15%，历史最大跌幅！ $KOSPI -9%熔断，机构加杠杆买入， $SKHY 回调3% 2. $SPCX 又暴跌5%！到$135发行价，长征10B火箭助推器回收成功，SpaceX护城河快被中国卷飞了 3. Codex周活破 700 万！ $OpenAI GPT-5.6 Sol 新模型出来，一天就多了 100 万 4. 英特尔投资50亿欧！在爱尔兰扩建3nm制程产线，量产 Xeon 6 处理器， $INTC 暴跌6%，到$100支撑位 5. $Meta 开启烧钱模式！Hyperion AI 数据中心投资$270亿 → $500亿，加上 $NVDA 芯片采购成本高达$2500亿，目标算力5吉瓦，美国第一

验证了几轮，gpt-5.6-luna 在我的安全分析场景下还没有出现 cybersecurity risk 提醒，速度快，效果还挺不错，得益于 gpt-5.5 时期我给我的 Agent 做了扎实的 Harness 工作。 Sol 和 Terra 都有敏感的安全风险提醒，使用时需要悠着点。 https://t.co/IXX1z8rxMJ

在 Mac 菜单栏里直接看本机 Codex 和 Claude Code 还剩多少额度、用了多少 token、今天跑了哪些任务。 https://t.co/D1Bsm9LSQe https://t.co/FjjdFvkHLb

Codex 这个更新很好玩！ 它现在有了类似 Claude 那种可视化的、可交互的功能，可以在聊天中展示一些可交互、可视化的 UI 组件。 而且整个样式跟 Codex 本身的风格融合得很好。 你可以像我这样去让它触发，亲自去体验一下。 在一些必要的场景下，它会自己给你展示这些可视化的组件，帮你去理解信息或者执行一些操作。 另外，Skills 里面 Claude 常见的那种 ask question 交互，估计它也能执行了。 可以升级一下你们 Skills 里面关于 Codex 的流程了。

我把Instagram账号交给Gemini 结果？21天内180万次浏览。 没有录制自己的脸。没有雇任何人。 只是分析+人工智能。 这里有7个提示词，让我的账号从无人问津到自动增长：

现在应该是订阅 ChatGPT 和 Claude 最划算的时间，两家疯狂赠送额度，20 美金用出了 200 美金订阅的感觉。 https://t.co/1m2FvIeOyG

英推大佬刚开源了一个 Codex 插件：Codex Orchestration。 它解决了 Codex 现在一个很痛的问题： 你可以把不同模型拉进同一个任务里，给它们分配不同角色，再按你设定的顺序协作。 比如： - Fable 5 High：顾问，负责挑错 - GPT-5.6 Sol Extra High：负责规划和统筹 - GPT-5.6 Luna Extra High：负责并行执行 - 根模型：负责整合、测试和最终验收 不再是一个模型从头硬扛到尾，而是真正组一支 AI 团队。 用 Fable 5 High + GPT-5.6 Sol Extra High，30 分钟修掉了一批 Opus 和 GPT-5.5 反复卡住的代码问题。 目前的效果： - 额度消耗降低约 40% - 实现速度提升约 2 倍 - 模型、角色、执行顺序都能自定义 - 完全开源，随便改、随便用 安装也很简单，直接把下面这段丢进 Codex： Install Codex Orchestration: codex plugin marketplace add Cjbuilds/Codex-Orchestration codex plugin add codex-orchestration@codex-orchestration Verify the installation, then tell me to start a new task. In the new task, help me assign models to roles—such as advisor, executor, researcher, or reviewer—and configure the order in which they should work. Preview all changes before applying them. 安装后，新建一个 Codex 任务，然后直接告诉它： @codex-orchestration Advisor: Claude Fable 5 High Executor: GPT-5.6 Luna Extra High 工作流可以这样写： 先由根模型制定计划。 把计划交给 Fable 5 审查，只接受合理的修改建议。 再把互相独立的实现任务拆给多个 Luna 执行。 最后由根模型统一整合、运行测试并完成验收。 Codex 真正缺的，可能从来都不是更强的单个模型。 而是一个能让不同模型各干各的、互相制衡的编排层。

赚钱的核心要点就是 从消费者思维转变成生产者思维， 已经有人在闲鱼上架Codex桌面宠物了！ https://t.co/OJQS2QPDjv

招笑文章。腾讯混元模型依然是一坨大便的水平，还买稿吹起来了。姚顺雨从OpenAI回来，证明就是橘生淮南则为橘，生于淮北则为枳。国内的环境做不好大模型。

Codex 才刚到 700 万个活跃用户，这让我蛮惊讶的。 是AI 生产力工具还远没到大众阶段，还是我们活在另一种信息茧房里了？

初体验ChatCut + Codex，真实评价！ https://t.co/rlwAVmm1kw

没人讨论的 pplx 485k 评价 宇宙无敌的 Claude 198k 评价 * App Store 的评价更能反映 c 端的情况 https://t.co/sFAwuwDpBI

29岁姚顺雨空降：改造腾讯混元的 300 天 - 2024 年，腾讯的高招团队在一场顶级学术会议上认识了姚顺雨。当时这个 97 年的年轻人还是 OpenAI 的研究员，他被介绍给了腾讯总裁刘炽平。一年后，他回国，一跃成为了腾讯的大语言模型负责人。 - 姚顺雨的幸运之处在于，在他来之前，腾讯的最高决策者已经意识到 AI 可能是生死之战，而腾讯远远落后。马化腾在 2025 年的员工大会上说：“一年前我们以为上了船，后来发现那个船漏水了。”他们提前扫清了障碍——混元原先各岗位的关键负责人已悉数离场，姚顺雨可以直接向集团总办汇报，TEG 总裁卢山是一位温和的管理者，愿意最大程度放权。 - 初入腾讯时，姚顺雨向总裁刘炽平提了一个请求：从新模型发布起至少一年，希望总办不要看榜单 (benchmark)。一年大约是训练两代模型的时间。“Martin（刘炽平）同意了。” - 以顾问身份加入腾讯时，姚顺雨任务只有一个：排查混元大模型长期落后的原因。排查结果是：“简单来说，几乎每个环节都在漏水。” 混元过度追求榜单成绩，把打榜语料放进训练集污染了数据，模型变得很会考试，但在真实场景表现很差。当时数据标注准确率的验收线定在 95% ，实际却长期停留在 60%-70%，团队为了交差生产出大批无法使用的数据，算法团队默许了这一切。 - 混元从起步开始就不算顺利。2023 年立项时，项目组连一块 GPU 都没有，最后还是从广告部门匀来 2000 张。卡少导致混元的基础建设（Infra）先天不足，系统缺少针对大规模训练任务的设计。训练环节也不健全，混元几乎没有做过强化学习。竞争压力下，团队做了两个选择，一是换架构，冒险用 Transformer 与 Mamba 结合的混合架构这条路线在行业里尚未被充分验证，“但有噱头。”除了腾讯几乎没有大厂选它。另一条路是打榜，用分数向上汇报。 - 姚顺雨来后几个月内，混元预训练、后训练、评估、Infra 的负责人全部换人，新人来自字节、Kimi、DeepSeek、美团。招人不再看出身——目前混元的模型架构负责人还是一名在读博士生。字节 Seed 的招聘团队发现好几个候选人连 Seed 都没抢过。原因是：Seed 人才密度已经很高，年轻人更容易成为“螺丝钉”；而重建期的混元正是用人之际。 - 改革不是疾风骤雨。姚顺雨没有大量清退老人，但带来的压力更隐晦——他常在群里发论文聊技术，能跟上的人很少，有时甚至看不懂。“Peer 压力太大了。” - 部门层级被简化到只有三层：姚顺雨——方向负责人——研究员/实习生。不赶发版的时候，混元的强度并不大。另一边，混元也取消了部门年中考核，鼓励聚焦长期研发。偶尔也有例外。“只要哪个组来了 Seed 的人，那个组很快就会自发地卷起来。” - 姚顺雨用自己的旧东家 OpenAI 举例给团队鼓劲：直到今天，OpenAI 的基础模型也没有依赖过什么神秘的技术，做大模型没有魔法，也不要相信别人有魔法。真正难的是把最基础、确定能做对的事情都做对——做到这些，足以让混元挤进中国的第一梯队。 - 2026 年 5 月底，距离混元 Hy3 正式发布只剩一个月，因为一批提交上来的数据出了问题。姚顺雨少见地发了脾气，严厉告诫团队：“数据非常重要。如果下次再出现这样的情况，直接走人。” -混元 Hy3 是姚顺雨在年初带队开始训练一款大模型，也是他加入腾讯后的第一张成绩单，但内部抱的预期并不大。Hy3 并不是完全没有企图心。按照姚顺雨的设想，混元不需要在所有能力上正面击败 Claude Opus 这样的前沿模型。如果一个模型能以 Opus 1% 的价格，在 90% 的日常问题上做到与它一样好，甚至超过它，对大多数用户来说这就是一个更优的模型。Hy4 已经在训练中，混元团队的判断是 2027 年进入国内第一梯队。 - 在姚顺雨的构想中，模型与产品应该以联合设计（Co-design）的模式合作，即模型和产品从一开始就绑定在一起开发，模型可以第一时间拿到产品的真实场景和用户反馈，知道自己该往哪里改；产品也能及时向模型同步需求，不用等一个通用模型送上门，再调整、将就。姚顺雨清楚自己当前的主要任务是什么，就是和业务处好关系，把 Co-design 的想法落地 - 今天大模型行业普遍面临商业化难题，但腾讯的思路是，不一定要向外部客户收费，能帮业务提升收入，同样是混元的价值。“举个例子，《王者荣耀》一年收入几百亿，混元如果能帮它提升 1%，那就是好几个亿。” - 在腾讯，一个产品一旦受到高层重视，老板们就会开始密集提意见，其他辅助部门的人也随之加入，参与决策的人越来越多。去年腾讯集全公司资源扶持元宝，于是高层们总会不时提出非常具体的意见，某处的字体是不是太小了，对年长的人不太友好；某处设计为什么要用这种颜色。“上面一提，下面就开始揣摩，老板到底是什么意思，到底要不要改。” - 腾讯 2019 年引入过一批从 Google、Snapchat、Uber 来的工程和数据专家。他们大多没留下什么成果，陆续离开。今天姚顺雨有总办的授权，圈了一块地，一个人拍板负责。但当改革进入更深的地方，牵动更大利益、风险更高时，能替他扛住压力的只有总办。到那时，考验的不只是他，还有他和老板们之间的信任能否撑得住。改革走到最深处，从来就不只取决于改革的那个人。

让 AI 一口气做一个复杂大项目，做着做着就会迷路，上下文一长前面的需求全忘光。 plan-cascade 换了个思路，先把大目标进行拆开，拆成一个个能并行开工的小任务。 从项目到功能再到故事，每一层自动生成需求和设计文档，长会话被压缩也不怕丢。 拆出来的独立任务并行跑，每步跑完自动过测试和代码检查，不用全靠人工盯。 GitHub：https://t.co/4o56X74pF2 提供 Claude Code 插件、桌面端、命令行三种形态，桌面端还能接 OpenAI、DeepSeek 等多家模型。 经常要让 AI 从零开发大项目、又害怕它中途跑偏的朋友，可以拿它试试。

无上限畅用 GPT-5.6-sol的办法 如果你还在用 5.5 的习惯跑 GPT-5.6(Sol),那你现在大概率天天触碰limit 5.6 是真强,但它有个副作用: 单条消息用量暴涨,高推理下一跳就是 5 小时上限的 15%。 Theo 实测了一套省额度、又不掉质量的用法, 按重要性给你捋一遍。 先说为什么会触顶。 5.6 把 5.5 那个"动不动停下来问你要权限"的毛病治好了, 但它会一路干下去,用量跟着翻翻。 很多人还拿 5.5 的习惯在跑,自然天天顶格。 OpenAI 这边也挺坏,Codex 里有些设计就是在推着你多用。 1、Ultra 尽量别碰。 新功能,特别烧额度,等 Theo 专门那期出来再说,现在就当它不存在。 2、Fast 模式关掉。 它提速 1.5 倍,消耗快 2.5 倍。5.6 本来跑得就久,瓶颈在工具调用和跑测试,不在推理速度，关掉体感几乎没差,用量掉一大截。 3、推理级别默认挂 High。 deep SWE 实测: Low 45% Medium 61% High 69%($3.47) X-high 71% Max 73% 过了 High,成本翻倍只换来几个点,不划算。 4、模型选 Sol,别选 Luna 和 Terra。 Luna 适合 API 批处理数据,写代码不行;Terra 在智能和成本上全面落后。 5、最重要的一条,在 prompt 里自己给它设停止点。 5.6 太积极,你不拦它就一路做下去。得明确告诉它做到哪停,比如"先写计划,写完停下来等我反馈",或者"一路做完、提 PR、处理完第一轮 review 就停,剩下的交给我"。 停止点可以放得很远,这个点靠 prompt 定,调推理级别或工具配置都控不住它。 6、子代理谨慎用。 Codex 的 V1/V2 实现都一般,5.6 又爱乱开。 要是发现额度掉得特别快、子代理还乱起,往 AGENTS.md 里加一句:"Only use sub-agents if the user explicitly requests them." 还有两个坑单独拎出来: 别手改 context window 和压缩阈值。 模型是按默认 compaction 训出来的,你手改它会变笨还更费钱。 OpenAI 的 Tebo 确认过,默认 272k 就是给 5.6 调好的。 别盲抄别人的 config。 自己去 .codex / AGENTS.md / CLAUDE.md 里改、看 trace、再调,手感是这么试出来的。 最省的就这三条: 关 Fast、推理挂 High、prompt 里自己设停止点。 建议收藏,配置的时候对着调👇

义父！！！！！！！！！！！ Codex赶紧800万，再送点吧义父

Cursor @cursor_ai 把Claude @claudeai 的设计负责人Jenny Wen挖走了。 @jenny_wen 刚刚宣布她会离开Anthropic，加入Cursor担任Head of Design。 她此前负责Claude和Cowork的设计，再之前是Figma设计总监，带过FigJam、Slides等多个核心产品，更早还在Dropbox、Square和Shopify工作过。 这可能是Cursor最近很关键的一次招聘。 过去Cursor最强的是工程能力、模型接入和快速迭代，但AI编程工具竞争到今天，模型差距正在缩小，真正决定用户是否长期留下来的，开始变成工作流、交互细节和产品品味。 Cursor现在显然不满足于继续做一个更好用的代码编辑器。 它想做的是整个软件开发入口。 期待她的成果！