ayan

普普通通打狗人

[ayan @Crazayan]

@Showy005 $TON OKX 从14M 持仓降到8M了
TON BN 上总持仓反而升了点 ,多头聪明钱升了 近1倍 5.46M-10.67M

$TON 更名链上是 2026年6月15日20:00（UTC+8）生效

BN是 是6月23日17点 开始自动清算TON老币

OKX是 16日16点 直接交割合约

OKX 上做空的平仓, 估计是怕今晚 20点的更名波动

[ayan @Crazayan]

@Showy005 $TON OKX 从14M 持仓降到8M了
TON BN 上总持仓反而升了点 ,多头聪明钱升了 近1倍 5.46M-10.67M

$TON 更名链上是 2026年6月15日20:00（UTC+8）生效

BN是 是6月23日17点 开始自动清算TON老币

OKX是 16日16点 直接交割合约

OKX 上做空的平仓, 估计是怕今晚 20点的更名波动

[ayan @Crazayan]

@Showy005 $TON 在各大CEX的更名清算, 多空比, BN上除了聪明钱, 还有12M 持仓

OKX 是16日16点 但是交割,OKX借贷, 从借贷里借出TON 不还的 会强制买TON, 质押的并不卖 TON

[ayan @Crazayan]

@Showy005 $TON 在各大CEX的更名清算, 多空比, BN上除了聪明钱, 还有12M 持仓

OKX 是16日16点 但是交割,OKX借贷, 从借贷里借出TON 不还的 会强制买TON, 质押的并不卖 TON

[AB Kuai.Dong @_FORAB]

有位老哥，做了一款名为 StonkRider 的网页游戏，你可以在任何股票、大宗、加密资产的 k 线图上，骑越野摩托。

其中，这半年一路下跌的比特币，是最好骑的 k 线图之一，哭了。

[ayan @Crazayan]

@Showy005 我猜会有一波拉升机会, 但有限 , 个人预期 1.8$多也, 涨幅也不过就 10%

[ayan @Crazayan]

@yiqifacai 还好, 要分任务的, 多数日常编程任务, 开源模型都能做的很好了;

高难度的任务, 用闭源模型修开源模型的BUG 就很浪费,

这类问题, 我以后会直接删除BUG涉及的代码, 并整理功能设计意图, 让闭源模型直接重写就可以

[ayan @Crazayan]

@bitmappunksnft AI "太好用了" $BMP 被增发攻击
攻击TX
https://t.co/odBFPqeBCZ
掏池子后接收资金的地址
https://t.co/GFRhjpk4tC

[ayan @Crazayan]

@bitmappunksnft AI "太好用了" $BMP 被增发攻击
攻击TX
https://t.co/odBFPqeBCZ
掏池子后接收资金的地址
https://t.co/GFRhjpk4tC

[ayan @Crazayan]

@qinbafrank 老黄点石成金 哈哈哈, 前几天看美股的恐怖抛物线,也感觉最近是FOMO差不多了

[ayan @Crazayan]

@quarqlabs 记忆系统的驱同演化

[ayan @Crazayan]

@victor207755822 648K tokens ?

[MasterPa @HanyangWang]

小西天，看着像视频，但其实是我们在现场实地拍摄 3,811 张 206 GB 的照片后建模的。FUNES 把《黑神话：悟空》里「既见未来，为何不拜」满天神佛的原型，来自自山西临汾隰县的小西天，做成了一个可漫游的 3DGS 数字存档。

完全实地拍摄，每天清晨一开门就冲上山去，趁着没人的时候拍。然后通过 Gaussian Splatting 重建，没有手工建模，尽量保留真实悬塑和圆塑的极其密集的金色空间、细节和光感。不同的材质在这里交织成了无法分辨的一个天国世界。这种半空中的小塑像是「悬塑」，它们大多出现在十六世纪到十七世纪。

在现场如果要看清小西天的所有细节，我想大概需要三天时间。但是有了模型，我们可以在屏幕前慢慢看。在相当长的时间里，学术界并没有特别重视小西天这样的悬塑——因为在只有学术图录的年代，平面印刷无法展示出悬塑的震撼。而随着技术的进步，我们终于可以在远方一窥明代悬塑的璀璨。

重轻特意为这个模型做了配乐，大家可以打开慢慢欣赏。

推荐电脑访问：https://t.co/az1wuMhmuu

[loonggg @KengGuangLong]

刚才看到王珞丹制作的 AI 短片在微博上上热搜了，制作的还是很有创意的，很有意思。

写一点自己的感慨吧。

用 AI 这么久，很多人问我最大的感受是什么。

我想了想，就一句话：在你擅长的领域，AI 是乘法；在你不熟的领域，AI 顶多是加法。

拿王珞丹用 AI 制作短片这件事来说。她本身就是演员、导演，对镜头语言、叙事节奏、情绪表达有多年的积累。AI 进来之后，她的能力被放大了百倍、千倍。这就是乘法效应。

但换一个对影视完全没概念的人，哪怕给他同样的 AI 工具，他最多做到能用、能出活，达到一个及格线。这就是加法效应。

我自己就是最好的例子。各种 AI 工具我都用过，但我最擅长的依旧是用 AI 编程、制作有趣的 Skill。因为我是程序员出身，写了很多年代码。每次看到别人用 AI 做出好玩的视频、好玩的故事，我都很羡慕，也想自己试试。但说实话，虽然我熟悉 AI，面对不熟悉的领域还是无从下手。

为什么？

因为 AI 从来不是凭空给你能力的东西。它更像一个放大器，优先放大你原本就有的判断力、审美、经验和直觉。

一个导演用 AI 做分镜，厉害的地方不在提示词写得多好，在于他知道什么镜头有情绪，什么节奏能让观众停留，什么画面能传递人物关系。一个设计师用 AI 出图，真正值钱的也不在生成本身，在于他知道什么叫高级感，什么叫留白，什么颜色搭配会让人舒服。

程序员也是一样。很多人以为我擅长的是会用 AI 工具，但真正起作用的，是过去很多年写代码积累下来的系统感。我知道哪里容易出 bug，架构应该怎么拆，什么需求本质上不合理，一个功能背后的真正逻辑是什么。

所以 AI 一进来，效率直接被放大了。以前一天写一个功能，现在可能一小时。以前一个人做不了的 Skill，现在能快速实验十几个版本。

这就是乘法效应。

但如果换到我不熟悉的领域，比如短片、摄影、叙事、镜头语言，即便我知道很多 AI 工具，我依然会卡住。因为我缺少判断。AI 可以帮你生成一百个方案，但它没办法替你判断哪个更动人，哪个更高级，哪个真正能打动人。

判断力，才是那个被放大的东西。你没有，它就放大不了。

很多人误以为 AI 时代最重要的是学工具。但我越来越觉得，AI 时代真正稀缺的是原始能力。你的审美，你的表达，你的行业经验，你长期积累的直觉，你对一个领域的理解深度。这些东西，才是 AI 真正放大的对象。

所以现在很多现象特别有意思。最先被 AI 放大的，往往不是最懂 AI 的人，反而是那些本来就有专业能力的人，本来就在一个领域深耕很多年的人，本来就有作品和积累的人。AI 只是突然给了他们一个超级杠杆。

这也是为什么我越来越觉得，普通人最重要的，不是焦虑要不要学 AI。而是先找到自己真正擅长什么，自己长期积累了什么，自己在哪件事情上比别人更有感觉。

因为一旦 AI 接进来，那个原本只能靠体力慢慢释放的能力，会突然开始指数级放大。

你的底子有多厚，AI 给你的杠杆就有多长。

[ayan @Crazayan]

AI放大器, 是各种文章经常提到的

"在你擅长的领域，AI 是乘法；在你不熟的领域，AI 顶多是加法"

[loonggg @KengGuangLong]

刚才看到王珞丹制作的 AI 短片在微博上上热搜了，制作的还是很有创意的，很有意思。

写一点自己的感慨吧。

用 AI 这么久，很多人问我最大的感受是什么。

我想了想，就一句话：在你擅长的领域，AI 是乘法；在你不熟的领域，AI 顶多是加法。

拿王珞丹用 AI 制作短片这件事来说。她本身就是演员、导演，对镜头语言、叙事节奏、情绪表达有多年的积累。AI 进来之后，她的能力被放大了百倍、千倍。这就是乘法效应。

但换一个对影视完全没概念的人，哪怕给他同样的 AI 工具，他最多做到能用、能出活，达到一个及格线。这就是加法效应。

我自己就是最好的例子。各种 AI 工具我都用过，但我最擅长的依旧是用 AI 编程、制作有趣的 Skill。因为我是程序员出身，写了很多年代码。每次看到别人用 AI 做出好玩的视频、好玩的故事，我都很羡慕，也想自己试试。但说实话，虽然我熟悉 AI，面对不熟悉的领域还是无从下手。

为什么？

因为 AI 从来不是凭空给你能力的东西。它更像一个放大器，优先放大你原本就有的判断力、审美、经验和直觉。

一个导演用 AI 做分镜，厉害的地方不在提示词写得多好，在于他知道什么镜头有情绪，什么节奏能让观众停留，什么画面能传递人物关系。一个设计师用 AI 出图，真正值钱的也不在生成本身，在于他知道什么叫高级感，什么叫留白，什么颜色搭配会让人舒服。

程序员也是一样。很多人以为我擅长的是会用 AI 工具，但真正起作用的，是过去很多年写代码积累下来的系统感。我知道哪里容易出 bug，架构应该怎么拆，什么需求本质上不合理，一个功能背后的真正逻辑是什么。

所以 AI 一进来，效率直接被放大了。以前一天写一个功能，现在可能一小时。以前一个人做不了的 Skill，现在能快速实验十几个版本。

这就是乘法效应。

但如果换到我不熟悉的领域，比如短片、摄影、叙事、镜头语言，即便我知道很多 AI 工具，我依然会卡住。因为我缺少判断。AI 可以帮你生成一百个方案，但它没办法替你判断哪个更动人，哪个更高级，哪个真正能打动人。

判断力，才是那个被放大的东西。你没有，它就放大不了。

很多人误以为 AI 时代最重要的是学工具。但我越来越觉得，AI 时代真正稀缺的是原始能力。你的审美，你的表达，你的行业经验，你长期积累的直觉，你对一个领域的理解深度。这些东西，才是 AI 真正放大的对象。

所以现在很多现象特别有意思。最先被 AI 放大的，往往不是最懂 AI 的人，反而是那些本来就有专业能力的人，本来就在一个领域深耕很多年的人，本来就有作品和积累的人。AI 只是突然给了他们一个超级杠杆。

这也是为什么我越来越觉得，普通人最重要的，不是焦虑要不要学 AI。而是先找到自己真正擅长什么，自己长期积累了什么，自己在哪件事情上比别人更有感觉。

因为一旦 AI 接进来，那个原本只能靠体力慢慢释放的能力，会突然开始指数级放大。

你的底子有多厚，AI 给你的杠杆就有多长。

[ayan @Crazayan]

@wadezone 哈哈 好段子, 所以她相中的是 "128G+1TB的Mac stadio"

[ayan @Crazayan]

@TobyAtLarge https://t.co/rbtpObD16Q

[在悉尼和稀泥 @JamesAI]

给青少年培训 AI，听上去是个不错的生意。实地考察一下，和想象的不大一样。

首先是线上的对标，算了一下业务，基本上都在百万级别，没看到非常大的钱。

然后线下，有 AI 培训意识的，基本上都是富人区或者重点学校家长。然后这里面又分 2 块：

1. 小学家长。刻板印象觉得学 AI 要玩电脑，不希望小孩过早接触电子产品，或者伤眼睛。
2. 中学家长。需要说服为什么花时间学 AI 比学数理化等应试课程，或者体育音乐等文体课程收益高。

类似用户注意力是一个固定池子，大家都在里面抢分配。中学生面临升学考试，时间也是固定池子，大家都在里面抢分配。

这个情况有可能是采样问题，也有可能是现在还太早了。

[ayan @Crazayan]

@TobyAtLarge unknown unknown 无法被彻底消灭,但可被工程化压缩

我认为 ,在优秀的Harnesss 框架约束 + verifier + 老师+AI协同构建的高质量学习课程, 幻觉率是可控的

某大V 发, 他女儿最近迷恋 "罗纳尔多?" , 他让 AI 模拟 "罗纳尔多?" 把对应知识类比到 "足球" 领域,激发女儿学习兴趣

https://t.co/oIOB1OyOg4

[Toby! @TobyAtLarge]

“Agent 是个很好的老师 , 其实光让Agent去教新一代小朋友学 AI 就足够了”
这个是个很好的话题🤔 值得单独拉出来开一帖

思路是这样没错的！但是会有问题：

1. unknown unknown
用agent做教学，这里最大的难点其实是unknown unknown

什么意思？

即，在一个你相对了解的领域里，你和agent交互学习
大体是没问题的，因为你可以基于现有的知识
快速有个判断 - agent这段话说的有没有道理，对或者不对
有没有违反什么常识或者基本原则

但如果到了一个新的领域（which你想学习的，往往是你不太了解的）
你本就缺乏足够的了解，这个时候你的知识储备
其实不足以帮助你辨别可能的模型幻觉

一个比较好的例子就是我以前看老高和小茉😂
很多都觉得，哇好有意思！哇，居然是这样吗
直到……
直到老高讲到了你自己熟悉的领域
你马上就会开始emmm……

2. 怎么解决？
其实unknwon unknown这个不太好解决
因为大模型本身基因里自带的不确定性（你很难根除hallucination）
而人类的认知范围是一个盒子，你很难认知到你范围以外的东西

也基于这个逻辑判断
我敢说短期（3-5年）内AI不可能在教育场景中完全替代人类的所有工作/功能🤔

这样推断下来，人类的domain knowledge还是非常有价值的
你需要足够的domain knowledge来保证ai结果的收敛
以及ai出错的时候对其进行及时的纠正

在这个逻辑下，基于domain knowledge来提供context和constrain
再通过context和constrain来规范LLM
这样的“套壳”式AI本身是具有强烈的的存在价值基础的

3. 合规和引导
最后简单讲一下这个。自由从不意味着没有边界
边界是自由存在的前提（哲学起来了😎）

放到教育里面
理想情况下，是一个非常认真好学的学生
发挥自己的主观能动性来利用ai疯狂学习

但现实场景往往是
学生（尤其是低年级）的自驱型不够强
注意力也很难长时间保持集中，很容易随着兴趣发散
同时偏离教学目标的概率逐渐上升

而且你永远不要低估小朋友在一个没有限制的ai辅助下
会发送出多么逆天的文字prompt……

所以，正因为我们无法完全依赖 AI 自身去纠正偏差
所以外部的边界、合规和引导就变得必要

[ayan @Crazayan]

@TobyAtLarge https://t.co/5nNpYBeIXs

[Tealun 摆渡人 @TealunDu]

这个“离谱英语学习指南”我看过后心扑通扑通地跳。

因为就在我看到它之前的大概半个月，我在给我女儿写一个英语学习的小程序，从一开始就锚定一个方法：7天死磕一篇适合她阅读的文章，每天25分钟从听书读写测各个方面理解和熟悉它。

竟然就是指南推荐的落地最小实施路径。

现在，小程序上线了。

[ayan @Crazayan]

@TobyAtLarge unknown unknown 无法被彻底消灭,但可被工程化压缩

我认为 ,在优秀的Harnesss 框架约束 + verifier + 老师+AI协同构建的高质量学习课程, 幻觉率是可控的

某大V 发, 他女儿最近迷恋 "罗纳尔多?" , 他让 AI 模拟 "罗纳尔多?" 把对应知识类比到 "足球" 领域,激发女儿学习兴趣

https://t.co/oIOB1OyOg4

[Toby! @TobyAtLarge]

“Agent 是个很好的老师 , 其实光让Agent去教新一代小朋友学 AI 就足够了”
这个是个很好的话题🤔 值得单独拉出来开一帖

思路是这样没错的！但是会有问题：

1. unknown unknown
用agent做教学，这里最大的难点其实是unknown unknown

什么意思？

即，在一个你相对了解的领域里，你和agent交互学习
大体是没问题的，因为你可以基于现有的知识
快速有个判断 - agent这段话说的有没有道理，对或者不对
有没有违反什么常识或者基本原则

但如果到了一个新的领域（which你想学习的，往往是你不太了解的）
你本就缺乏足够的了解，这个时候你的知识储备
其实不足以帮助你辨别可能的模型幻觉

一个比较好的例子就是我以前看老高和小茉😂
很多都觉得，哇好有意思！哇，居然是这样吗
直到……
直到老高讲到了你自己熟悉的领域
你马上就会开始emmm……

2. 怎么解决？
其实unknwon unknown这个不太好解决
因为大模型本身基因里自带的不确定性（你很难根除hallucination）
而人类的认知范围是一个盒子，你很难认知到你范围以外的东西

也基于这个逻辑判断
我敢说短期（3-5年）内AI不可能在教育场景中完全替代人类的所有工作/功能🤔

这样推断下来，人类的domain knowledge还是非常有价值的
你需要足够的domain knowledge来保证ai结果的收敛
以及ai出错的时候对其进行及时的纠正

在这个逻辑下，基于domain knowledge来提供context和constrain
再通过context和constrain来规范LLM
这样的“套壳”式AI本身是具有强烈的的存在价值基础的

3. 合规和引导
最后简单讲一下这个。自由从不意味着没有边界
边界是自由存在的前提（哲学起来了😎）

放到教育里面
理想情况下，是一个非常认真好学的学生
发挥自己的主观能动性来利用ai疯狂学习

但现实场景往往是
学生（尤其是低年级）的自驱型不够强
注意力也很难长时间保持集中，很容易随着兴趣发散
同时偏离教学目标的概率逐渐上升

而且你永远不要低估小朋友在一个没有限制的ai辅助下
会发送出多么逆天的文字prompt……

所以，正因为我们无法完全依赖 AI 自身去纠正偏差
所以外部的边界、合规和引导就变得必要