wayne

🍎 iOS Developer | 🛠️ 独立开发者 | 🤖 AIGC

[wayne @wayne1025max]

@_FORAB 只有北美大豆包没事吗？😬

[wayne @wayne1025max]

@Zhyghrun @thsottiaux codex也用不了

[wayne @wayne1025max]

@imwsl90 我目前用debian + KDE 还挺稳定的，个别APP出bug，关掉就行，平只挂起不关机，好久没死过机了

[wayne @wayne1025max]

@sattyyouneed 如果你不是很重度使用的话就用 codex，使用 gpt plus 套餐， 性价比高，而高端模型（GPT 5.6 sol）写代码不容易出 bug

[wayne @wayne1025max]

小红书的翻译为什么比 Chrome 更自然？背后藏着一个 720 亿参数大模型

最近在使用小红书时，我发现了一个容易被忽略的功能：翻译。

无论是英文笔记、海外用户的评论，还是带有缩写、网络用语和 Emoji 的口语化内容，小红书给出的中文翻译，很多时候都比 Chrome 浏览器自带翻译和 X 平台的自动翻译更加自然。

Chrome 的翻译经常给人一种“意思基本正确，但不像人话”的感觉；X 的自动翻译遇到俚语、缩写和讽刺语气时，也经常出现理解偏差。

而小红书的翻译，常常不只是把单词换成中文，而是能够理解这句话在社交媒体里的真实意思。

这并不完全是错觉。

从小红书研究团队公开的论文来看，它背后很可能使用了一套专门面向社交媒体内容训练的翻译大模型：RedTrans-72B。

小红书专门训练了一个翻译大模型

2025 年，小红书研究团队公开了一篇关于社交媒体翻译的论文，并介绍了名为 RedTrans 的翻译模型。

RedTrans-72B 是一个拥有约 720 亿参数的大语言模型，底层基于阿里开源的 Qwen2.5-72B-Instruct 继续训练。

换句话说，小红书并不是从零开始训练一个基础大模型，而是在一个成熟的通用模型基础上，加入大量社交媒体翻译数据，对模型进行针对性微调。

论文中还提到，RedTrans 已经被部署到真实的社交产品环境中。

虽然论文没有直接写明“这个产品就是小红书 App 的翻译功能”，但考虑到作者单位、训练数据和应用场景，RedTrans 与小红书当前翻译功能之间存在非常强的关联。

因此，小红书的翻译很可能不是简单调用 Google Translate、微软翻译或者某个通用大模型 API，而是采用了自研模型与内部翻译系统。

为什么传统网页翻译经常“不像人话”

过去的机器翻译系统，主要目标是把一句话准确地从一种语言转换成另一种语言。

这种方式在新闻、合同、说明书和技术文档中通常表现不错，因为这些内容结构完整、用词规范。

但社交媒体上的语言完全不同。

用户会大量使用：

缩写
网络梗
俚语
Emoji
双关语
谐音
省略句
阴阳怪气
地区文化表达

例如英文里的：

You are not my type.

普通翻译系统可能会翻译成：

你不是我喜欢的类型。

语义没有错，但在真实的中文社交场景里，更自然的表达可能是：

你不是我的菜。

两种翻译表达的是同一件事，但后者明显更符合中文用户的说话方式。

这也是小红书翻译的核心优势：它优化的目标，不只是“翻译正确”，而是“让目标语言用户看起来舒服”。

它学习的不是标准英语，而是社交媒体英语

RedTrans 与普通翻译模型最大的区别，在于训练数据。

论文披露，RedTrans 的监督微调数据规模大约为 385 万条，其中包括大量来自社交媒体场景的内容，例如：

高互动量的帖子
用户评论
图片和视频文案
网络流行语
生活方式表达
Emoji 组合
中英文文化对应表达

这些内容与传统翻译数据存在明显差异。

传统翻译模型可能更擅长处理：

The company reported strong revenue growth in the third quarter.

而社交媒体翻译模型需要处理的，可能是：

This is giving main character energy.

如果逐字翻译成“这正在给予主角能量”，显然非常奇怪。

它真正表达的意思更接近：

这也太有主角感了。

要完成这种翻译，模型不能只理解单词，还要理解流行文化、说话语气和用户所处的语境。

小红书恰好拥有大量这样的真实数据。

平台每天都会产生海量笔记、标题、评论和互动内容，这些数据可以帮助模型学习年轻用户到底是怎么说话的。

这是一项通用网页翻译服务很难复制的优势。

用两个大模型互相“出题”

RedTrans 还使用了一种叫作“双大模型回译采样”的训练方法。

简单来说，小红书会让两个不同的大模型分别翻译同一句话，然后再把翻译结果重新翻译回原语言。

如果两个模型给出的答案差异很大，通常意味着这句话存在歧义、文化差异或者多种翻译方式。

这些句子往往也是最值得学习的内容。

经过质量筛选后，小红书会把这些更困难、更有价值的数据加入训练集。

这种方式的好处是，模型不需要把大量算力浪费在“Hello 是你好”这种简单样本上，而是可以重点学习那些真正容易翻错的句子。

论文披露，RedTrans 的训练数据中，约有 60 万条来自这种回译和筛选流程。

不只是选择正确答案，而是重新写一个更好的答案

普通的大模型偏好训练，通常会让人工标注员在两个答案中选择一个：

答案 A 更好
答案 B 更差

模型随后学习尽量生成更接近答案 A 的内容。

但翻译任务中经常会出现一种情况：A 和 B 都不够自然。

例如两个答案可能都没有明显语法错误，但都没有准确表达原文的情绪。

为了解决这个问题，小红书提出了一种名为 RePO 的训练方法，可以理解为“重写式偏好优化”。

人工语言专家不只是判断哪个答案更好，还会直接重新写出一个更自然、更准确的译文。

模型学习的关系从：

答案 A 比答案 B 好

变成了：

人工重写答案比答案 A 和答案 B 都好

这种训练方式尤其适合社交媒体翻译。

因为翻译质量并不是简单的对错问题，而是涉及语气、文化和表达习惯。

一个句子可能语法完全正确，却依然让母语用户觉得生硬。

通过人工重写，模型能够学习到更接近真实人类表达的答案。

小红书甚至做了一套“网络梗翻译考试”

为了评估模型，小红书还建立了一套名为 RedTrans-Bench 的测试集。

这套测试集包含约 2858 条真实社交媒体内容，专门测试模型对以下内容的理解能力：

网络用语
文化表达
幽默
流行梗
Emoji
标题语气
评论区表达
中英文语境转换

在小红书团队公布的测试结果中，经过专门训练的 RedTrans，在这套社交媒体翻译测试上的表现，超过了原始的 Qwen2.5-72B-Instruct，也超过了测试中的 GPT-4o。

这并不意味着 RedTrans 在所有翻译任务上都比 GPT-4o 更强。

它更像是一个专门为某类问题训练的“特长生”。

如果翻译法律文件、医学论文或者技术手册，通用模型或者专业翻译系统未必会输。

但在翻译评论、短标题、生活方式内容和网络梗时，小红书的模型可能更加擅长。

小红书真正的优势，是数据而不是参数

RedTrans 拥有 720 亿参数，模型规模并不算小。

但它表现好的真正原因，很可能不是参数数量，而是训练数据和产品场景高度匹配。

Chrome 翻译必须服务几乎所有网页：

新闻
电商
学术论文
技术文档
政府网站
社交平台

为了覆盖所有场景，它只能尽量保持中性和通用。

X 平台虽然也是社交媒体，但它需要面对全球不同语言、政治表达、新闻内容和实时事件，翻译系统承担的任务也更加复杂。

小红书的内容相对更加集中，大量内容围绕生活方式、旅游、美妆、穿搭、饮食、科技和日常交流展开。

这使得小红书可以围绕自己的用户群体，对模型进行更加深入的垂直优化。

同一句话，在新闻网站里可能需要正式翻译，在小红书评论区里则需要更口语化的表达。

小红书模型学习的，是后者。

目前仍有几个问题无法确认

公开论文主要研究的是中英文社交媒体翻译。

而小红书目前还支持日语、韩语、法语、德语、俄语等多种语言。

这些语言是否全部由 RedTrans-72B 处理，目前没有明确的公开信息。

更可能的情况是，小红书采用了一套混合架构：

中英文使用 RedTrans 或后续版本
其他语言使用多语言模型
简单文本使用较小的模型
复杂内容使用更大的模型
部分低频语言接入外部翻译服务
根据成本、速度和语言自动路由

这也是大型互联网产品比较常见的做法。

一条只有几个单词的评论，没有必要每次都调用 720 亿参数模型；而包含大量梗、缩写和文化表达的复杂内容，则可以交给能力更强的模型处理。

所以，我们不能简单地认为，小红书每点击一次“翻译”，服务器就完整运行一次 RedTrans-72B。

RedTrans 更可能是整个翻译系统中的核心模型之一。

这件事对 AI 产品有什么启示

小红书翻译是一个很典型的案例：

通用大模型不一定能解决好所有问题，但通用大模型加上垂直数据，可以在特定场景里超过更强的模型。

今天，大量公司都在讨论如何训练一个参数更大、能力更全面的基础模型。

但对绝大多数产品来说，更现实的竞争方式并不是重新训练一个 GPT，而是：

找到一个用户频繁使用的垂直场景；
收集通用模型表现不好的真实案例；
建立自己的高质量数据集；
用人工重写和偏好训练改善结果；
将模型深度嵌入产品流程。

小红书没有试图做一个覆盖所有领域的翻译平台。

它只是把“小红书用户最常翻译的内容”做得更好。

但正是这种聚焦，让用户能够明显感受到差异。

写在最后

过去我们提到翻译，首先想到的可能是 Google Translate、DeepL 或者浏览器自带翻译。

但大模型时代的翻译，正在从“转换语言”变成“理解语境”。

真正优秀的翻译，不只是让你知道一句话说了什么，还需要让你理解说话的人为什么要这样说。

小红书的 RedTrans 证明了一件事：

一个产品如果拥有足够独特的数据，并且愿意围绕真实用户场景训练模型，即使底层使用的是开源大模型，也能做出比通用工具更自然的体验。

未来，不同平台很可能都会拥有自己的翻译模型。

电商平台的模型更懂商品和消费场景，游戏平台的模型更懂玩家黑话，金融平台的模型更懂专业术语，而社交平台的模型则更懂梗、情绪和文化。

到那时，翻译工具之间竞争的重点，可能不再是谁支持的语言更多。

而是谁更懂自己的用户。

[OpenCode @opencode]

there's a lot of excitement around Kimi K3 so we are making it available immediately to OpenCode Go users

we have not yet been able to negotiate a discount yet so it will currently consume your limits at a higher rate

hopefully will figure this out soon

[wayne @wayne1025max]

大概的步骤：在 Agent 写代码前强制走 7 级阶梯：

```
1. 这东西需要存在吗？ → 不需要就跳过（YAGNI）
2. 代码库里已经有了吗？ → 复用，别重写
3. 标准库能做吗？ → 用标准库
4. 原生平台功能能做吗？ → <input type="date"> 而非装组件库
5. 已装的依赖能做吗？ → 用它，别加新依赖
6. 能一行写完吗？ → 一行
7. 以上都不行 → 写最小可用代码
```

[wayne @wayne1025max]

github新星项目 Ponytail，35天84k star 🤯

让 AI Agent 像最懒的 senior 一样写代码：
- React 倒计时组件：267行 → 9行
- 邮件验证：75行 → 3行
- 日期选择器：装 flatpickr → `<input type="date">` 一行搞定

实测数据：代码量-54%，token-22%，速度+27%，安全性100%

在 Claude Code 里只要两行命令，支持 20+ AI Agent

https://t.co/cFMvNd4tT1

#AI #ClaudeCode #AIAgent #编程

[wayne @wayne1025max]

今天才知道，黄子韬竟然是百亿富豪独生子，爸爸是青岛知名企业家黄忠东，1997年就登上青岛财富榜第7

爸爸2016年接受《人物》专访时自曝，在青岛有四五套房子、一家200多亿资产的公司。但为了支持儿子从EXO回国后的发展，直接抛下青岛所有产业，跑到北京给儿子当老板、开公司。

2020年父亲病逝后，黄子韬作为独子继承了全部核心资产。如今他名下关联企业15家，商业版图覆盖娱乐、电商、科技、影视等多个领域。他创立的个护品牌朵薇，首年GMV就破了7亿

当年在综艺里被调侃、在EXO被骂“穷屌丝”的黄子韬，回家是要继承百亿家产的

[wayne @wayne1025max]

在纳指 ETF 中，TQQQ 是不是三倍的 QQQ？到底能不能长期拿？

很多人一看 TQQQ 是 QQQ 的三倍杠杆，觉得：
“那我长期拿着，不就是三倍收益吗？”

ProShares 官方自己写得清清楚楚：TQQQ 追求的是 单日 涨跌幅的 3 倍，不是“长期下来等于 QQQ 的 3 倍”。
持有超过一天后，实际收益可能远高于或远低于 3 倍，差别可以大到离谱

致命危险：波动损耗（也叫“震荡磨损”）

这是 TQQQ 最大的隐形杀手，比管理费狠
举个例子：

情况一：先涨后跌
初始：QQQ=100，TQQQ=100

第一天 QQQ 涨 10% → QQQ=110，TQQQ 理论涨 30% → 130

第二天 QQQ 跌 9.09% → QQQ 刚好回到 100，没赚没亏

但 TQQQ 第二天跌 27.27%（在 130 的基础上）→ 变成 94.55

QQQ 原地踏步，TQQQ 亏了 5.45%。

情况二：先跌后涨

第一天 QQQ 跌 10% → TQQQ 跌到 70

第二天 QQQ 涨 11.11% → QQQ 回到 100

但 TQQQ 涨 33.33%（70 的 3 倍涨幅）→ 变成 93.33

还是亏。

所以记住一句话：
TQQQ 不怕单边涨，也不怕单边跌（虽然跌起来很惨），它最怕的是反复横跳、上蹿下跳的震荡市。
震荡越剧烈，磨损越厉害，钱就这么“震”没了。

但也不是永远亏钱——单边大涨时，它反而可能超过 3 倍

很多人不知道这一点，以为 TQQQ 天天偷吃。

如果 QQQ 连续三天每天涨 2%：
QQQ 三天总涨幅 = 6.12%
理论 3 倍 = 18.36%

但 TQQQ 实际涨了 19.10%，反而跑赢 3 倍！
所以准确的说法是：

趋势行情（单边上涨）对 TQQQ 有利，震荡行情对 TQQQ 极为不利。
你可以把它理解成：顺风时它像火箭，逆风或乱流时它像漏气的轮胎。

下跌时不是闹着玩的，是真的能跌到让你怀疑人生

QQQ 跌 10% → TQQQ 理论跌 30%

QQQ 跌 20% → TQQQ 理论跌 60%

QQQ 单日接近跌 33% → TQQQ 理论上接近归零

官方招募书也明确写了：如果指数一天内跌近 33%，你可能损失全部投资。
更现实的是，哪怕不是单日暴跌，只要经历一轮大熊市（比如纳指跌 30%~40%），TQQQ 动辄回撤 70%、80%，甚至 90% 以上。
这种回撤，不是普通人的心脏扛得住的

除了波动损耗，还有一些“看不见”的成本
管理费：目前毛费率 0.97%，净费率 0.82%（费率减免到 2026 年 9 月，之后可能涨）

融资成本：它用的是掉期、期货、衍生品来加杠杆，不是简单借钱买三份 QQQ，这些工具本身有成本

每日再平衡成本：每天收盘前都要调整仓位，把杠杆重新怼回 3 倍，来回折腾也有磨损

但这些和波动损耗比起来，都是小巫见大巫

那 TQQQ 到底适合谁？不适合谁？
❌ 绝对不适合：

无脑长期定投（尤其是震荡市定投，等于慢性失血）
重仓压上、准备拿几年当养老金

把 TQQQ 当 QQQ 的“升级版”来替代

借钱、上杠杆再买杠杆（双重杠杆，死得快）

心理承受不了 70%+ 浮亏的人

✅ 相对适合：
做短线趋势交易，明确判断纳指处于强势上涨阶段

小仓位玩，当卫星仓，不超过总仓位的 5%~10%

严格止损，有明确的止盈止损纪律

或者用来做对冲（但那是专业玩家的事了）

美国 FINRA 也提醒过：这类每日重置的杠杆 ETF，长期结果会因为复利效应严重偏离预期，通常不适合普通投资者长期持有

[wayne @wayne1025max]

我觉得未来Linux桌面端的生态会变得越来越繁荣，因为大家都可以用AI构建自己的工具和软件，如果在使用过程中发现bug顺手就可以让AI修复，顺便再给开发者贡献开源代码~

开源 + AI 其实还没有发挥真正的威力~

[wayne @wayne1025max]

@pcshipp MacBook不只是生产力工具，也是你处理日常事物、日常娱乐的工具，这么想就觉得划算了~

[wayne @wayne1025max]

当解决问题和执行操作变得越来越容易之后，提出有意义有价值的问题的能力就变得越来越关键~

在AI能力变得越来越强的时代，人需要具备什么能力才能不被淘汰呢？

[wayne @wayne1025max]

从现在开始，每一个新模型都很关键，因为不管是大语言模型还是文生图模型都正在从能用向好用过渡（例如从glm-5.1到glm-5.2,或者是gpt-image-1到gpt-image-2），每一个微小的进步都让人在体验上获得极大的提升~

[wayne @wayne1025max]

@iamcheyan 哈哈哈 一直在antigravity里面用gemini 3.5 flash改UI，感觉如果不要涉及太多复杂的逻辑部分，用起来还行。主要是额度给的真多，使劲蹬都蹬不完~

[wayne @wayne1025max]

@zavxai 我觉得主要取决于你一般喜欢开多少个浏览器页签😅

[wayne @wayne1025max]

@imwsl90 会主动给梅西传球，但是我感觉其他人在面对机会的时候有点信心不足，我感觉只有梅西是在心态上最放松的

[wayne @wayne1025max]

@iamcheyan kitty 终端好用👍～

[wayne @wayne1025max]

@siya_twt_ 我喜欢 XFCE

[wayne @wayne1025max]

@Vijen_39 @NetMentorTW 被防守球员碰到了，轻微改变了一下方向，而且弹起来了，梅西的反应太快了