blkalpha

[blkalpha @blk0xalpha]

@xtony1314 这个是什么网站？

[blkalpha @blk0xalpha]

@QingSong79 为什么是0.89？

[blkalpha @blk0xalpha]

@TaoRay 美元今天怎么了？兑日元暴跌

[blkalpha @blk0xalpha]

@cnfinancewatch 有色方向怎么看？

[blkalpha @blk0xalpha]

@LZRationalnvest 那么李总ibkr还需要自己去找irs申报吗？

[blkalpha @blk0xalpha]

@ArtofSpecuycky 感谢分享，企鹅老师有社群吗？

[blkalpha @blk0xalpha]

@JoeAnima 都已经涨的很高了

[blkalpha @blk0xalpha]

@Boqll5Tppdalvtw 是需要切换成繁体中文吗？方便李总出个教程

[郭宇 guoyu.eth @turingou]

晚上看完 NHK スペシャル节目，我在手机上刷到不少给阿嬷的情书中主题曲的视频，又想起前几天在推上看到批评这部电影价值观的帖子，现在闲下来，特别想写一篇文章说说我对时代价值的看法。

电影中的事情，观念，道德背景，放在具体的时代讨论才有意义，有人说凭什么短暂的相处里，女性在婚姻中需要担负如此大的责任，放在现在，我自己肯定也是不同意的，思念不是真正的相处，更非真切的生活，但道义和责任却带来真实的苦难，在快速变化的现代社会，人们不会固执地选择这种生活，是因为我们有太多可选的自由，我退休后，写过一篇微博，说到「在自由如空气般轻盈的世界里，羽毛都会成为心中的重担」这便是现代生活最大的问题。

把大家不会选择的生活拍成电影，人们却感动的一塌糊涂，这矛盾吗？当然不，因为大家从电影中看到的，以及感触到的，所怀念的，并非是那个无法选择的年代，而是人们如何在极度匮乏的选择中，塑造自我的命运，以最大的坚韧度过最困难的日子，这与男女无关，与权力无关，关乎的是人性中闪烁着的光辉，是激发光辉的意义，是心中内在的神性，也是最隐秘的伟大。

这部影片让我想起富士电视台的「含泪活着 (泣きながら生きて」那是一部讲述留学生丁尚彪如何黑在日本 15 年，养活家人，赚钱供女儿去美国读大学的纪录片。这也让我想起我的母亲，年少时，她在矿山给开饭店的外婆打下手，为供她的弟妹上学，结婚后，她为了养育我，与父亲南下深圳打零工，父亲病重的数年，她一心照料已成植物人的父亲，为我的学业和生活费操劳，直到退休，她才能拥有一些属于自己的时间。

面对苦难，华人有一种特殊的共感，并非我们天生爱吃苦，而是有太多的苦难降临在我们与我们祖辈的命运中。

在不断变化的时代中，价值观在变化，道德也跟着变化。我上大学时，曾有一位同学与我说过我至今难以忘怀的一句话：「左右的天平上可以放太多东西」正如我们这个复杂的时代，人们不再与彼此分享生活和精神的空间，转向保守，在我参与拍摄的NHK スペシャル节目中，能看到移居到日本的中国人担心媒体如何刻画华人移民，在推文的评论下，更能看到日本民众对 NHK 取材立意的不满。左右的天平似乎无论如何，都重得无法再放下任何东西，因为任何一种中庸，都会被两方视为不忠。

在这样一个时代，我们更需要「给阿嬷的情书」这种电影，它告诉左边的人们以信念，意义和尊重，它告诉右边的人们女性的力量与母亲的伟大。我们需要一些文字，电影，它们跨越族群，性别，民族，语言，它们告诉我们和我们的后代，到底是什么会让我们成为更好的人。

[blkalpha @blk0xalpha]

@howie_serious @grok 原贴中是什么插件

[小盖 @xiaogaifun]

艾伦研究所的知名研究员Nathan Lambert，前两天来北京和我们熟知的国内 AI 公司聊了一圈，包括月之暗面、智谱、字节、阿里、美团、小米等等。

聊完之后，他写了一篇文章做总结。我觉得这篇挺有意思的，因为 Nathan 本身对硅谷非常熟，这次相当于带着硅谷的视角来看我们中国的 AI 实验室是怎么运作的，以及他看到了哪些不一样的地方。

文章我看完了，写一些自己的笔记。

1、DeepSeek 被所有人公认为技术品味和执行力最好，是技术方向上的引领者，但在商业上并不是引领者。

反过来，像字节、阿里这种巨头，被视为真正能够把大模型吃进整个业务体系、最终兑现成大规模市场份额的那批公司。

2、字节是各大中国 AI 实验室最重视的竞争对手，因为他们思路清晰，而且战斗力极强。

一个可以印证侧面是，在开放权重已经成主流气质的中国 AI 圈子里，字节是少数坚持走 OpenAI 这条闭源路线的公司，同时，目前他们的豆包应用地位相当于中国的ChatGPT。

3、美团、蚂蚁、小米这些公司为什么自己做大模型？国外Uber、Airbnb 这批公司也没做自己的模型，用的时候买别人的就行了。

但在这些中国公司眼里，LLM 是未来产品的核心底座，如果完全依赖外部模型，等于把自己最关键的那一层放在别人手里，被掣肘只是时间问题。所以宁可自己花大力气训一个通用模型，把这块底座攥在自己手里。

4、中国开发者几乎都被 Claude 圈粉了。Nathan 说，很多一线开发者描述日常写代码时，都主动提到 Claude，承认它改变了自己的开发方式，哪怕它在中国并不能正式落地。

少数人会提到自己在用 Kimi 或者智谱的命令行工具，但被问到真正高频依赖的助手时，几乎都会说回 Claude。在湾区很火的 Codex，在中国被提到的频率反而没有那么高。

5、中国的 LLM 社区更像一个生态，而不是彼此敌对。Nathan 和多家实验室私下交流后，发现他们谈到同行时，几乎都是尊重和欣赏，很少有火药味。而在硅谷，私下聊起其他实验室，话锋会很快变得尖锐。

6、中国大模型团队的整体气质和美国不一样。表面上看，大家都是搞大模型、RL、Agent，用的技术栈差不多，但在组织方式和人本身的气质上，中国这边更像一支全栈工程队。

研究员普遍愿意做琐碎、不出彩的脏活累活，愿意为了整体模型效果搁置自己的方案，不太追求个人署名和明星科学家身份。

这种弱 ego 的文化，在那种需要各个模块严丝合缝配合的大工程里，反而更适配。Llama 团队据说就是被相反的那种文化拖垮的，一群顶尖研究员都想让自己的方案进最终模型，互相博弈。

7、中国顶级实验室里，学生的比例非常高，而且是直接参与主战场的大模型研发，不是被边缘化的实习。和美国的 OpenAI、Anthropic、Cursor 这些几乎不开放相关实习形成鲜明对比。

Google 名义上有 Gemini 实习，但大家普遍担心实习内容被隔离在核心工作之外。

学生的优势是对旧时代 AI 范式没有太多包袱，能很快把上一套观念清空，重新学习。同时他们极度习惯在巨量论文和内部技术细节中速成，把复杂栈啃下来，进组之后就愿意把人生阶段压在这件事上。

8、中国研究员对宏大的 AI 叙事兴趣不高。Nathan 在和不少一线研究员聊天时，发现他们一提到经济结构变化、社会风险、AI 道德这些问题，往往会有明显的停顿和困惑，像是被问了一个和日常工作无关的问题。

很多人会直接表达，自己的角色就是把模型做好，而不是对社会怎么变发表观点。有位研究员还引用了 Dan Wang 的说法，中国是工程师在掌舵，美国是律师在掌舵。

Nathan 也观察到，中国并没有 Dwarkesh、Lex Fridman 这种能系统性把科学家捧成明星的播客生态。这种习惯既和个人性格有关，也深受教育和制度环境的塑造，他们在一个不鼓励公开争论社会议题的系统里长大，并且在里面取得了成功。

9、北京的 AI 圈子整体很像湾区版的紧凑硅谷。从机场下飞机，可以顺路去阿里北京园区，坐几趟滴滴，在三十六小时之内走完智谱、月之暗面、清华、美团、小米、零一万物等一长串机构。

整座城市里，打车过去就是一个新的实验室。选大一点的车型，常见是带按摩椅的电动小面包。这种空间上的密集分布，让不同实验室之间的交流成本被压得很低，研究员之间的流动也变得非常频繁。

10、中国研究员普遍更偏工程视角，对融资、产业格局、资本叙事这些话题兴趣没那么高。Nathan 在硅谷习惯了另一种氛围，研究员对外部环境的敏感度非常高，融资、算力、数据生态、行业风向，几乎每个人都在认真琢磨自己所在公司的位置和外部环境的关系。

因为今天做 AI 已经不是关起门来搞工程奇迹那种事了，模型公司同时是一个综合体，要建模、要部署、要融资、要拉生态，外面的每一根线都会反过来影响里面的研究节奏。

但中国研究员明显不在这个频道上。Nathan 问到行业生态、融资、算力供应、数据产业这些话题，得到的反应常常是耸耸肩，说那不是我的问题，我的事就是把模型做好。

11、中国企业对 AI 的花钱习惯，更接近云，而不是 SaaS。外界常说中国企业不愿意为软件买单，所以本土 AI 市场会偏小。但 Nathan 和多位从业者聊完后，感受到的现实是，虽然传统 SaaS 市场确实不大，但云服务在中国是个大生意。

关键问题变成，企业为 AI 付费，最终会更像买 SaaS，还是更像买云基础设施。从目前各家公司的实际讨论和规划来看，大家普遍不太担心企业侧的 AI 支出，倾向认为它会挂在更刚性的基础设施那一侧。

12、中国的数据产业在 RL 和高质量任务环境上明显不如美国成熟。和 OpenAI、Anthropic 那种可以为单个 RL 环境花上千万美元、一年累计几亿美金的玩法相比，中国团队的普遍反馈是，本土数据服务供应商不是没有，但质量参差不齐，很难直接买到能用的内容。

于是就形成了一种很中国式的解决办法，很多 RL 场景、评测环境干脆自己搭，研究员本人要花大量时间设计任务、构建环境。字节、阿里这种大公司，也会养起自己庞大的标注团队，在公司内部自给自足。

13、算力是所有中国实验室的共同痛点。无论走到哪家，大家对高质量英伟达 GPU 的需求都是一个词，不够用。如果供应允许，他们会毫不犹豫地继续加仓。

国产加速卡在推理侧评价还可以，已经被不少公司部署到在线服务里，华为芯片在很多实验室都有落地。但在大规模训练上，英伟达依然是黄金标准，国产方案更多是辅助补位。

14、在开放程度和生态态度上，中国实验室显得既务实又有整体视角。Nathan 几乎问遍了所有头部团队，为什么会在这样的环境下持续开放自家最强模型。他自己坦言，把所有权心态和真实的生态支持这两件事联系起来，他还没完全想明白。

但从对话里，他归纳出几个共同的现实诉求，通过开放权重，快速让更多开发者参与打磨，发现缺陷；通过回馈开源社区，获得技术和口碑上的正循环；同时在内部保留更定制、更私密的模型版本服务自家业务。整体表现出来的，是一种既不绝对开源、也不一味封闭的中间态。

15、中国实验室对英伟达芯片的渴求是压倒性的。Nathan 走访下来，所有人现在的进展都卡在同一件事上，就是英伟达的卡不够用。

如果能买到，毫无疑问会继续加仓。

这里他特意点出来一个区分，英伟达是训练这一侧的黄金标准，没有替代品。但在推理这一侧，画风就完全不一样了。包括华为在内的国产加速卡，评价都是正面的，不是凑合用，是真的能打。

Nathan 说他遇到的实验室里，无数家都已经能拿到华为芯片，供给这边不是问题。所以中国实验室现在的真实状态是一个两层结构，训练咬牙抢英伟达，推理大方用国产卡，分得很清楚。

[blkalpha @blk0xalpha]

@ambersky1801 @TaoRay 陶老师考虑开油管吗

[Viking @vikingmute]

Impeccable 升级到 2.0 了，这应该是目前我觉得最好的 design skills 了，anti AI slop
https://t.co/sqmcLM0NU5

推出了CLI 工具，无需 LLM 即可扫描代码，检测 25 种 AI slop 设计。
Chrome 扩展，一键检测任意网页。
各种升级和精简的命令。
全新的文档界面，有前后设计对比图，有 Visual Mode 检测，有 Anti-patterns。

真的是非常好，想要一个不一样的，没有 AI 味的设计，可以试一下。

[blkalpha @blk0xalpha]

@erchenlu1 认同 现在是哪个

[Mr Panda @PandaTalk8]

https://t.co/e2LZViZRlk

[Niko @guishou_56]

做产品每次看竞品落地页，都在想：要是能直接抄就好了

之前甚至有人用这个 idea 做了个 SaaS 收费

现在github上有个开源 Skill，一比一复刻任意网站
ai-website-cloner-template

不是截图糊弄那种：
• Chrome MCP 直接读目标网站的真实 CSS 值
• 自动拆组件，多个 AI 代理在独立 worktree 里并行构建
• 最后合并输出一个完整的 Next.js 16 项目

给个 URL，出来就是能跑的代码

做saas站的应该懂这个含金量

https://t.co/lojJSrp02z

[Berryxia.AI @berryxia]

Karpathy 前两天刚说“应该有人做这个”，

兄弟们，48小时后就有人直接干出来了！

Graphify 横空出世：

✅ 指向任意文件夹
✅ 在 Claude Code 里输入 /graphify
✅ 自动生成完整知识图谱 + Obsidian vault + Wiki
✅ 支持 13 种代码语言 + PDF + 图片（Claude Vision）
✅ 查询 token 用量只有原来的 1/71.5！

以后 AI 再也不用每次硬啃整个文件夹了，直接问知识图谱就行，太丝滑了🤯

一键安装：pip install graphify && graphify install

[Ding @dingyi]

快速查看你的电脑可以安装什么本地模型。

https://t.co/0soGsNwZMG

[blkalpha @blk0xalpha]

@lxfater 电商网站呢