Fredgeo

[Fredgeo @Fredgeoart]

信任，品德，审美，这些品质在AI时代更显珍贵。

勤能补拙，但补不了品德。

能力和野心，补不了信任。

技巧与堆砌，补不了审美。

[Fredgeo @Fredgeoart]

終極目標是取代人力。

相比之下，梁文鋒更有智慧。他懂得「知止」——野心可以大，但賺錢超過一定邊界必然引來政治反噬。

不賺所有錢，把利益與生態讓渡給多數人，才能走得更遠。

[Fredgeo @Fredgeoart]

賣token是一種很差的生意模式，沒有人可以永遠第一，而且在 AI 時代，切換成本根本不高——因為 AI 本身就能自動化幫你切換。

儘管 Anthropic 和 OpenAI 都對 AGI 的發展向前推進了不少，但勝局未定，技術發展的不可預測性是科技行業的本質。他們的野心不只是賣 token（那只是用來覆蓋成本的手段）....

[charles Xiong @charles12388]

Anthropic 老大 Dario Amodei 這次真把底褲都快虧掉了，直接對著鏡頭公開自算破產帳。

他原話放得很死：要是年營收衝不到 1 兆美元，哪怕拿到 8,000 億美金，地球上也沒一股神仙力量能救得了公司，破產直接倒閉。

這老兄在訪談裡拋的瘋狂餅畫得極大：預測營收一年要翻 10 倍，模型以後能包攬 90% 的寫程式碼工作，甚至狂言到 2028 年要搞出一個「天才國家」。但話鋒一轉，他自個兒也承認根本吃不準結局到底是萬億暴富還是直接歸零。

13分鐘的訪談乾貨拉滿。兄弟們覺得這傢伙是 AI 圈裡難得的大實話玩家，還是親口認了這局就是個史上最大泡沫？

[Fredgeo @Fredgeoart]

@interr_x 查理·芒格是对的，现在我们看待马斯克的成功，都有点后视镜和幸存者偏差。

我们佩服马斯克的成就，但绝不跟着他下注。因为马斯克是靠不断加码和高杠杆走出悬崖的，可以这么说，大多数像他这么做的早就破产了。

[Fredgeo @Fredgeoart]

@nyan_uxu_lovin 你想想看， 把画画练好其实是伪命题，最重要是找到你想画什么，你的技巧其实是为你想画的东西服务。

你服务的对象是谁决定了审美，审美决定什么是好坏，怎样才算进步，确定了方向最后才是努力。

方向比努力更重要，没有所谓正确的方向/方法，所有方法都有偏见，如果暂时找不到方向，就去练基本功。

[Fredgeo @Fredgeoart]

@jiam58 我们每个人其实都身处墙内，那道墙叫做认知和价值观。

打破自我认同的本能，主动寻找异见来反思与证伪自己，才是跨越这道墙的开始。

[Fredgeo @Fredgeoart]

有关语言学习：语法——其���没必要特意去学。只要输入量足够，你自然会对这门语言产生“涌现”般的理解——甚至不用搞懂背后的语法规则，也能直接听懂。

母语者从来不需要特意学语法；他们之所以能精通母语，靠的不是当什么“语法大师”，而是对这门语言有着极高的熟练度。

[Fredgeo @Fredgeoart]

无论 AI 有多强大，学习里都有一些东西是它替代不了的——你的发心，熟练度，专注，毅力......

碰到生词，光让 AI 解释是不够的，因为下次大概率还是记不住。

在这些记忆性知识上，重复积累出的“熟练度”往往比“理解深度”更关键。

不过，AI 确实能帮你节省大量的资料收集、模板重写和概念解释的时间。

[Fredgeo @Fredgeoart]

所以 Anki 还是很有用。对于日语初学者来说，在词汇量达到 6000 的高频门槛之前，先用 Anki 学习生词，“先精听、后泛听”的输入节奏，能让自己更快跨过门槛，早日过渡到用纯日文语境去学习的舒适区。

[Fredgeo @Fredgeoart]

@elonmusk 其实你们在核心理念与价值观上高度一致，过往的分歧并非根本性的原则问题。相信时间会抚平误会，期待你们重修旧好。

[Fredgeo @Fredgeoart]

@xiaohu 主动寻找挑战和学习

[Fredgeo @Fredgeoart]

@Tsubame33785667 这个问题其实很难回答，主要是我们人类也很难说清楚“意识”是什么，怎样才算有，怎样才算没有。

我们其实是通过现象学的观察来判断，但通常都是主观判断，对于意识的判断很难有客观判断。

[AYi @AYi_AInotes]

英伟达CEO兼创始人黄仁勋在CNN专访里公开了自己的一个极度反直觉的日常习惯：
他每天都在疯狂用 AI，但他觉得自己的大脑反而越来越聪明了。

很多人用 AI 的方式，本质上是在给自己搞脑力大截肢，
比如写个邮件让它润色，写个总结让它代笔，遇到一点需要动脑的死结，顺手就把键盘推给模型让它替自己下决定。

把工具当成偷懒的拐杖，结果用了半年，手艺全废了，自己彻底退化成了离了对话框就不会思考的巨婴。

但老黄在访谈里直接撕开了这层遮羞布，
他说他从来不让 AI 替自己思考，
他是让 AI 当自己的私教，
去教自己完全不懂的全新领域，
或者去啃那些靠肉身经验根本啃不动的硬骨头。

不要拿它去做你本来就能做的事，而是拿它去推开你原本根本跨不过去的认知高墙。

最狠的是扎卡利亚追问时，黄仁勋提到的那个做 CEO 的真实底牌。

他说作为掌管几万亿美元芯片帝国的掌门人，他每天 90% 的指令，本质上都不是在下命令，而是在疯狂向团队、向模型提出高质量的问题。

给大模型写提示词，从来不是什么输入几个关键词的机械杂活，提问本身就是一项极度消耗脑力的顶级认知技能。

这里有一个残酷的反直觉真相：
AI 正在以光速拉开两类人的贫富差距。

一类人把思考外包给机器，每天省下半小时摸鱼，认知全面萎缩，

另一类人把执行外包给机器，逼着自己去深挖真问题，每天借着全球顶级的算力给自己完成一次大脑重塑。

所以咱们别再问 AI 会不会让人变笨了，工具没有任何道德偏好，
你把它当轮椅，你就会变成瘫子，你把它当杠杆，你就能一个人撬动一整个智囊团。

[Fredgeo @Fredgeoart]

@wolfyxbt 君子不立危墙之下。

看来其实黑客完全有能力挖空币安，只是流动性不足/不够快，如果等几个月/一年再来一次，币安还受得了么？

AI得黑客能力还会随时间越来越强，��时黑客在下一次动手前也能够更好规划资金的清洗方式。

对黑客来说，漏洞其实是无限多的，黑客只是在等时机。

[Fredgeo @Fredgeoart]

速度再补一句：解码速度是 91 vs 92 tok/s，差异在切换模型装载——27B 约 13 秒，32K 约 50 秒，所以每轮只切换一次再跑。32K 窗口对这个任务很富裕：prompt 峰值才 3.2k tokens。

[Fredgeo @Fredgeoart]

盲测 100 张日语例句卡：qwen3.8-27b vs iq3_s-32k，讲解 3.44 vs 3.62、速度打平（91/92 tok/s）。差距不大，但两边标假名都有大量机械错误——简单任务 32K 档够了。

[Fredgeo @Fredgeoart]

具体错在哪：振假名要么标错位置，要么直接读错词——27B 把 生け捕り 读成 いきどり、数々 读成 あまた，32K 把 欠場 读成 けんじょう。另外 27B 有 16% 的卡没把指定重点词放在第一条，还有 3 张在 32K 能答的情况下直接交了���白。

[Fredgeo @Fredgeoart]

补充一下测试方法：100 张卡取自 Anki 例句卡组里 AINote 还空着的卡，短、中、长句都有；两个模型用同一套提示词、每请求 3 张、温度 0.3、不开启思考模式；输出先打乱顺序做盲评，评完才解盲。全程只读，没往库里写一个字。

[Fredgeo @Fredgeoart]

根据请求切换本地推理引擎，真的方便啊。

ninfer qwen3.8-27B已经满足80%个人需求，主要是速度够快，提示词只需要写得具体一点就没问题，小建议是：小模型别让它猜你想要干什么，如果没搞清楚，就用其他更强的模型先搞清楚具体任务，再用小模型执行相对简单的指令。

[Fredgeo @Fredgeoart]

详细表格

RTX 4090 · NInfer Qwen3.8-27B 功率–效率实测，我限制了核心温度不超过84C，所以测试到350W就撞墙了。

但这个350W以的功率不怎么实用，风扇声音太，大太热了。