xile727

[Scottish Banter @scottishbants2]

“It’s Edinburgh ya fuckin wank”

[Henning Hammar @Investerarfys]

Guldet +15 % och Bitcoin +30 % under augusti. Marknaden prisar alltmer in risken för en skuldkris.

Men detta kan bara vara en första varning. Typiskt sker en skuldkris när ekonomin är svag. Skrivit om röda flaggor och hur man skyddar sig:
https://t.co/UxTKZU1HIt

[seekinganythingbutalpha @ivanalog_com]

DS 和 Qwen 出世以前，其实我是不太相信这一点的。因为 OpenAI、Anthropic 两家的模型大小、激活参数和真实 serving 成本都不透明，外界只能猜。

但最近 Qwen、DeepSeek 这类公开权重模型的本地和云端 serving 数据越来越完整以后，这笔账已经可以自己算了。

结果其实很惊人。

以 27B dense 为例，本地 4090 的纯输出成本大约在 0.6 美元/MM，典型读写混合以后，大约只有 0.1 美元/MM。到了 B200 production serving，纯输出成本已经可以压到 0.1 美元/MM 左右，输入输出合计则进一步进入几美分/MM 的区间。

所以现在的问题已经不是“AI 很贵”。

恰恰相反，AI 作为生产资料，已经便宜得有些离谱。

而且本地卡还只是生产级硬件能力的边角料。B200、B300 这种机器一旦进入高并发 serving，通过 batching 把模型权重读取成本摊到大量请求上，单位 token 成本会远低于单用户本地推理。

这也是为什么最近半个月消费级显卡的翻倍式上涨值得重视。大家开始重新认识这些机器的经济价值。以前一张显卡主要是一件消费电子产品，现在它越来越像一台可以持续生产机器智力的小型生产设备。

更重要的是，这个成本下降并不是单纯来自硬件。

模型本身也在发生变化。

Qwen 27B 这种 dense 模型，已经能用几十 B 参数进入过去旗舰闭源模型才能达到的能力区间。DeepSeek 则通过 MoE 进一步把总知识容量和每个 token 实际需要计算的参数量拆开。

也就是说，模型正在变得越来越“智力密集”。

每一个 B 参数承载的有效智力越来越高。

所以现在同时发生了两件事：

模型越来越聪明。

模型越来越便宜。

这才是最反常识的地方。

通常一种商品质量越来越高，成本也会越来越高。但 AI 目前恰恰相反。智力质量快速提高，而单位智力的生产成本却在快速下降。

这也是为什么 DeepSeek 涨价以前的定价，现在回头看，没有当时想象得那么疯狂。它的官方 output 价格已经很低，高缓存 workload 的实际 blended price 更低。OpenCode 当时再补贴一层以后，我实际看到的价格甚至到了几美分/MM。

过去看起来像补贴出来的不可持续价格，现在拿 production serving 成本重新计算以后，会发现它距离硬件经济极限并没有想象得那么远。

所以长期真正值得思考的可能不是：

AI 价格最终会不会跌得很惨？

而是：

AI 的成本会不会跌得比价格更快？

如果未来 Opus 级甚至更高的机器智力，市场竞争把售价打到 0.1 到 0.2 美元/MM，但生产成本已经下降到几美分，那么这个行业依然可以维持很高的毛利。

卖价暴跌，并不等于经济性恶化。

甚至完全可能相反。

而价格真正进入 0.05 到 0.10 美元/MM 以后，另一个更大的变化才会开始出现。

这个价格已经低到，很多生产系统不会再认真考虑“要不要省 token”。

理性的策略会逐渐变成：

继续算。

继续生成方案，继续搜索参数，继续验证，继续失败，继续重做，把以前因为智力太贵而无法充分探索的问题空间全部打开。

到了这个阶段，token 就不再像一种消费品。

它更像电力、算力或者工业原料。

只是它生产的东西，是智力。

所以我立正站好，加仓 $ORCL

[Marcus Lindblad @marcuslindblad]

Smarteyes (Synsam): 2050 kr
Lenson: 787 kr

Månadslinser x6 månader

Hur kan det vara så brutal prisskillnad?

[概率鹿梦｜DeerLucid @DeerLucid]

Dalio这篇文章，值得每个手里攥着美元资产的人读三遍。

他把"国家破产"的剧本提前剧透给你了：美国政府今年还本付息要吃掉200%的财政收入，债务是收入的六倍，赤字还在以每年两万亿的速度狂奔。这不是危言耸听，这是资产负债表上的数学。数学不会因为你"相信美国例外"就自动修正。

但我要泼一盆冷水：Dalio的"3%三部分解决方案"——砍支出、加税、降利率同时推进——在政治上几乎不可能发生。

削减支出？社保医保没人敢碰。

增加税收？共和党金主第一个掀桌。

强行降利率？通胀还没死透。

三件事同时发生的概率，我放不到10%。

美国政治体制的本质就是"借未来的钱买今天的选票"，让政客同时得罪选民和金主去填窟窿，等于让他们集体自杀。

更可怕的是，"债务增加—印钱—通胀"的自我强化循环已经启动。

借新还旧→央行印钱填坑→货币贬值→债券更没人买→利率被迫更高→需要借更多。

这个飞轮一旦转起来，不是靠"理性政策"能刹住的。

Dalio说危机"大约三年后，上下误差两年"——这话听着严谨，实际上是个巨大的概率区间，从明天到五年后都可能。

但对投资者来说，"知道会发生"比"知道何时发生"重要一百倍。你不需要精准预测雷暴哪天来，你只需要在下雨前把伞撑开。

他的投资建议很实在：低配债券、超配黄金、配10%-15%比特币。

这不是让你赌暴涨，是让你在被印钞机收割时，手里还攥着不被政府稀释的筹码。黄金和比特币不是"信仰"，是"当所有法币都在贬值时，你总得有点什么"。

Dalio的悲观不是末日论，是数学。

当还本付息吃掉200%财政收入时，"软着陆"只是一个政治童话。

对普通人最该记住的教训是——永远不要让你的全部身家，押在任何一个即将启动印钞机的政府身上。

💐
—— 我是 🦌概率鹿梦｜@DeerLucid 用概率思维拆解财富与人性，一起构建AI时代护城河。

[Hux @huxlab]

Anthropic工程师刚刚放出价值700刀的年度最佳免费Agent课程：

30分钟讲透Claude团队怎么让系统自己写prompt。

从0到1手把手教你如何建loops和graphs。

核心路径分四步：

Prompt → Agent → Loop → Graph
•Prompt只能给你一个答案
•Loop让工作自己跑完，不用你盯着
•Graph决定哪些工作该不该跑

真正核心就这几件事：

1记忆从CLAUDE.md进化到工具、技能、再到Agent自己写的记忆文件
2加入“Dreaming”机制——批量回看历史，自动整理、升级记忆
3统一记忆系统，让多Agent实时共享并持续自我改进
4最终用图来编排整个系统

Prompt只是起点。

真正能规模化的，是会建Loop和Graph的人。

[Ruben Hassid @rubenhassid]

I made a 16-page PDF to get you Claude-certified.

The certificates are official by Anthropic & free...

And the playbook is free too, at https://t.co/psB7XxAv8w. Here's what's inside:

The Claude Certification Playbook.

→ 3 official certificates & the order to take them in.
→ Step from creating an account to downloading.
→ The fake detector (yes, people sell fake ones).
→ The LinkedIn format to showcase the certificates.
→ The copy-paste announcement post on LinkedIn.
→ What you can honestly say about it in interviews.

The certificates take 6 hours.
Getting the playbook takes 2 minutes:

1. Go to https://t.co/psB7XxAv8w. Subscribe for free.
2. Open the welcome email in your inbox.
3. Tap the Notion library link inside.
4. Download "The Claude Certification Playbook."
5. Start with page 4 (the fake detector).

Know someone job hunting? Send them this post. It's the favor.

[Thariq @trq212]

a skill people at Anthropic have been using a lot recently: ELI5

/eli5 <what you want explained>

"explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words"

[Hanako @hanakoxbt]

Loops vs. Graphs, clearly explained!

loops are great, but they have a ceiling:

a loop makes one unit of work better. it cannot decide which units exist.

so you end up with a very good agent running the wrong three steps, in the wrong order, one at a time.

Graph engineering fixes this by moving the decision up a layer: what runs, what runs at the same time, and what never runs at all.

you need both. here's how it works:

a graph splits your system into two kinds of decision.

↳ inside a unit: the loop. produce, check, correct, repeat until green
↳ between units: the graph. split, fan out, merge, gate, send back

Prompts → Context → Harness → Loops → Graphs

you get parallel work, isolated contexts, and steps that stop running when nothing needs them.

the trick is being selective about what becomes a node.

only spend a model where judgment lives. merging, ranking, deduping and schema checks are edges, and edges are code.

free, instant, and they cannot be argued out of a verdict. a graph where every edge is an agent pays rent on its own wiring.

one thing to know before you scale it.

a graph has two return paths, and almost everyone builds one.

↳ the correction edge is short. a gate rejects one unit back to the step that produced it, and it fixes the run you are in
↳ the learning edge is long. an accepted result goes back to the splitter as a constraint, and it fixes every run after

skip the second and you get a graph that is fast and never gets smarter. next week it starts from the same place with the same blind spots.

and a smaller one that eats whole nights: when a unit fails, return that unit, not the batch.

send back four slices because one failed and you have just rewritten three correct ones. do it twice in a run and the run never converges.

below i have quoted my full guide on graph engineering. it covers the three topologies, the verifier patterns, and where the gate should actually open.

save this and read it below ↓

[AI_Explorer @ai_explorer25]

Andrej Karpathy’s 1-hour Stanford lecture on AI engineering is one of the best explanations I’ve seen of how AI systems actually work.

The progression is simple:

10% → LLM
30% → Prompt
50% → Agent
70% → Loop
100% → Graph

The key takeaway:

AI engineering isn’t just about writing better prompts.

It’s about building systems around models — giving them context, memory, tools, feedback loops, and data flows.

“Delete everything, keep Graph.”

Definitely worth watching if you’re building with AI agents.

Watch → Bookmark it

[逆耳 @Ni_Agent]

以前入职第一天发电脑，现在入职第一天发方法论

Anthropic 昨天把内部培训搬到了公开网站上，叫 Claude Academy，按他们自己的说法，新员工第一天就开始上 AI 流利度课，学一个叫 4D 的框架，学怎么管理 agent 知道什么，学这行的指数速度有多快

官方博客里有句话挺实在：在这么快的领域里，持续学习是每个岗位的要求，注意是每个岗位，不是每个工程师

对做公司的人来说，这条新闻的价值在这儿，这两年老板们都在问同一个问题：AI 工具买了，人不会用怎么办，大部分公司的答案是发个内部文档、拉个群、找人做次分享，然后就没有然后了

Anthropic 的答案是把它塞进入职流程，写进每个岗位的考核预期，再配个内部即时问答的工具，这套东西现在免费公开，你可以直接抄

抄之前想清楚一件事：他们能这么干，是因为员工每天用的就是自家产品，学和用是同一件事，换到一般公司，学是学，用是用，中间那道坎才是真问题

方法论是免费的，把它塞进流程里的那份力气不是

[Gita Gopinath @GitaGopinath]

I found the piece on @DAcemogluMIT by @TheEconomist very odd. Reminded me of the Monty Python scene "What have the Romans every done for us?" A substantive critique of a particular piece of work may have given us more to discuss. Daron can handle it (as he has in the past). I value @TheEconomist so not sure what this piece is about.
https://t.co/RMkihD2gcV

[Trade With Congress @tradewithcong]

They might know something ✍

As of right now, 4 different politicians have bought the dip on $ZTS Zoetis

- Gil Cisneros
- Ro Khanna
- Chuck Fleishman
- Byron Donalds

Why?

Zoetis is the pet pharmaceutical company that developed Librela, a painkiller for dogs with arthritis

Librela has been under FDA safety scrutiny since late 2024

Khanna and Donalds are members of a House Oversight subcommittee that has extensively dealt with pharmaceutical regulations

[Mònica Martínez Bravo @monicambravo]

Qué cosas tan curiosas pasan cuando un Nobel de Economía escribe un libro defendiendo volver a poner a la clase trabajadora en el centro de la política económica.

De repente, aparecen artículos que cuestionan burdamente 40 años de una de las carreras más rigurosas y productivas de la profesión.

Quizá sea señal de que algunas ideas empiezan a pisar los callos correctos...

[Johan Jessen @johanjessen]

Always light touch. Avoid gripping too tight. Sense the pull. Your intuition is correct.

[Cinefilia Cult @cinefiliacult]

HBO brilla más por sus series, pero es que tiene películas MUY buenas.
Les dejo 6 para este fin de semana, que espero les gusten❤️😉 Al hilo🧵:

1/6 - Stuart: A life backwards (2007): Es un verdadero peliculón y con Tom Hardy y Benedict Cumberbatch. Triste, sí, pero una joyaza👌

[Carl Moon 🌙 @carlmoon]

Crypto killed so many dreams in 5 years.

[Nassreddin 🍉 نصر الدين @Nassreddin2002]

🇸🇪With only one month to go till the Swedish elections, here's a new version of the Swedish political compass

On 13 September, Swedes will elect a new parliament. And I'd say these are the 36 main political characters across the spectrum

Choose your fighter!

[Blake Burge @blakeaburge]

Underrated life advice: Make peace with being unimpressive to the outside world. Drive the normal car. Wear the simple clothes. Live below your means. Stay in the committed relationship. The ability to look ordinary while building an extraordinary life is wildly underrated.