Home
Language
English
Türkçe
Bahasa Indonesia
About
Privacy Policy
Terms of Service
Pricing
Sign In
Download All
Share
Hardy
@zukang9
Joined May 2019
393
Following
80
Followers
432
Posts
Hardy
@zukang9
about 8 hours ago
@wdctlllltcdw
你这太韭菜情绪化了,涨的时候喊时代龙头,还没买够;跌下来就至暗时刻,前途迷茫了?
zukang9
retweeted
Frank 丨冰糖橙聚合
@0x0Frank
1 day ago
做交易的每个人应该都好好看看川沐
@xiaomustock
,在他身上你能够非常清楚的看到什么叫开仓的勇气,重仓的果断,持仓的耐心和砍仓的决心 每一条都是顶级交易员的素质,所有的观点都是明牌,跟随市场的趋势,曾经在币圈也是拿到了非常大的结果,在判断行情不对头之后光速换赛道,执行力也拉满了,真心建议好好翻翻川沐的推特,而不是用 AI 来蒸馏,慢慢看你才会感受一个成熟的顶级交易员的来时路
zukang9
retweeted
美股金虫哥
@SpermCapital
7 days ago
Semianalysis 昨天重点分析长鑫存储(CXMT),主要观点分享一下 1. CXMT的崛起路径:技术继承+人才引进+政府资本耐心 技术来源:CXMT的DRAM核心技术源自德国已破产公司Qimonda,包括约7000项专利许可和2.8TB技术文档,尤其是埋入式字线(BWL)架构 人才引进:吸纳了Qimonda、三星、美光、台积电等海外资深工程师,包括前Qimonda技术副总裁Karl-Heinz Kuesters,形成自主研发能力 政府资本支持:合肥市政府通过“风险投资型”国资长期持股,承担近十年亏损(累计亏损约366.5亿元人民币),并围绕CXMT打造本地供应链 2. 财务爆发式增长,主要靠“周期”而非“技术超越” 2025年营收约86亿美元(+156% YoY),2026年预计超500亿美元 利润暴增主要源于DRAM价格暴涨(1Q26 ASP环比+57%),而非市场份额大幅扩张(2027年全球bit出货份额预计仅从9%升至12%) 毛利率从2023年的-113%升至2025年的37.8%,1Q26运营利润率高达70%,接近三星、海力士、美光水平 3. 成本与技术仍落后于三大巨头 CXMT的每bit成本比三星/海力士/美光高出30%以上,高毛利主要靠价格周期支撑,而非成本竞争力提升 制程节点:主流为G4(1z等效),G5(1a等效)面临更大挑战,且良率仍低于行业成熟水平(85-90%) HBM进展缓慢:目前仅少量产能(~5kwspm)用于HBM,HBM3 8-high整体良率仅约25%,12-high难度更大,短期内难以形成有效竞争 4. HBM战略:受制于技术、良率和出口管制 中国AI芯片(华为、寒武纪等)仍优先采购海外HBM(通过走私或第三方转口) CXMT可能跳过HBM3,直接瞄准HBM3E,但技术差距明显 预计2027-2028年HBM产能将加速至55-100kwspm,但国内HBM供应仍将严重不足 5. IPO结构揭示“虚高利润”与“国资控制” CXMT虽合并报表利润高,但归母净利润仅占25%(2025年归母18.7亿人民币 vs 合并71.4亿),因多数股权由国资持有 无实际控制人声明实为规避出口管制审查,但国资(国家大基金、合肥、安徽)合计持股超30%,实际控制力强 IPO估值约270亿美元(按RMB2.78/股),仅相当于2026年上半年年化市盈率1.8倍,显著低估 6. DRAM供应将持续紧张,CXMT扩产难改格局 2026-2028年CXMT计划每年新增70-85kwspm产能,但三大巨头同步扩产,全球DRAM仍将供不应求(高个位数至低双位数缺口) 建设周期长、设备受限,CXMT短期内难以“破坏性”冲击市场 AI对于这份报告质量的评价是: SemiAnalysis发布的研报质量极高,属于半导体行业顶级付费分析报告的水准,但同时也带有鲜明的周期顶点看多和西方地缘政治视角的烙印 https://t.co/ZWzSgq42SZ
See More
Hardy
@zukang9
18 days ago
@IBKR
如何解绑雪盈证券
Who to follow
Corgii
@Corgii_123
🧠
zukang9
retweeted
caro 猫猫头🐈⬛
@lin_yiliu
about 2 months ago
给大家推荐几个期权做的好的博主 最近一直和他们学呢 1.专注卖期权收入策略,测试过上百策略,强调卖现金担保看跌(Cash-Secured Puts)(月化5-10%,胜率95%)、买LEAPS(长线期权,360天到期)和零日信用价差(0DTE Credit Spreads)。分享实际回测和简化方法。
@MarketMovesMatt
2.全职卖期权5+年,专注卖期权收集权利金 + 买LEAPS + 持有优质公司现金流股。分享简单高概率玩法,有免费eBook教学,社区复制率高。
@LEAPTRADER_
3.月入4-5位期权收入。框架清晰:底仓持股(NVDA、TSLA等)→ 卖7-42 DTE Delta 0.15-0.25的Put(用margin)→ 买LEAPS Calls → 偶尔Put Credit Spreads。结合Robinhood和Tastytrade平台。
@WealthCoachMak
4.经典Wheel Strategy(滚轮策略):卖Put → 被指派持股 → 卖Covered Calls → 收权利金循环。混入LEAPS和保护性交易,强调“Rolling when it makes Dollars and Sense”。
@TJTheWheelDeal
5.非传统Wheeler,核心是conviction持股/LEAPS + 偶尔卖Covered Calls / Poor Man’s Covered Calls** 降低成本基数 + Wheel高流动性名字(TSLL、PYPL等)。强调长期股权 + 期权收入复合。
@HertzyTrades
6.
@OptionsHawk
(Joe Kunkle):期权流(Options Flow)和异常活动专家,实时分析大单、模式,提供具体setup。适合看机构动向做判断。 (分享美股量化+期权动能)。 其他值得看:
@jordanfogel
(分享高胜率策略如80%胜率,即使方向错也能赚钱)、
@optionscjp
(卖期权生活)、
@MasiTrades
/
@maxoptionstrade
(教学型期权交易者)。中文/港台用户可关注
@maojietrading
See More
zukang9
retweeted
LEI
@TheMarketMemo
about 2 months ago
新手總想著「落袋為安」, 而我最希望的狀態是「永不賣出」。 巴菲特說,他最喜歡的持股時間是「永遠」。這背後有兩個重要的認知: 1. 複利最好不被打斷。 賣出的那一刻,複利鏈條就斷了。你拿到的現金,必須找下一個去處,這很難,優質的機會是罕見的。更糟的是,你還要繳稅。 2. 賣出是一種「確定性損失」。 很多人以為賣出是鎖定了利潤,但其實是鎖定了上限。一旦賣出,未來這家公司創造的所有價值,都與你無關了。 問:不賣出如何「享受」盈利? 答:讓資產為你「生錢」,而不是賣掉資產變現。 1. 股息分紅是最直接享受盈利的方式。持有能持續派息的優質公司,每年收取現金流,資產本身完好無損。這是巴菲特在可口可樂上的玩法——以他當年的成本,現在每年的股息回報率已經超過60%。 2. 以資產作抵押借款,這是很多富人的玩法。資產不動,用它去借低息貸款來消費或再投資,只要資產剔除通脹之後的回報率大於借款利率就是可行的。借款不用繳稅,借款的利息還可以抵稅,而資產繼續增值。 3. 如果持倉已大幅增值,還可以選擇性地賣出「超額增值」的部分來再平衡,保留核心倉位的比例。不是清倉,是微調。 4. 重新定義「享受」。當你看著資產淨值每年穩定增長,這本身就是享受。紙上富貴並不是假的,它是真實的財富和購買力儲備——你的身家是以你永遠用不到的錢的多少來評價的。 新手為什麼急著賣? 根本原因是自己沒有判斷,或者是對自己的判斷沒有信心。又或者是投入資本很少,只是想賭一把、賺快錢。這些心理狀態都可以理解,人類天生對不確定的未來充滿恐懼。 我想表達一個觀念:如果你做投資是認真的、你目的是積累財富,請無論如何持有較大比例的「永不賣出」的資產,讓複利為你工作。你只需取用它產生的「果實」,而不要「砍樹」。 問:哪些資產是可以永不賣出的呢? 答:具備優勝劣汰機制的指數型ETF。比如美股主要的寬基指數ETF:標普500指數 $SPY $VOO 、納斯達克100指數 $QQQ ,以及含有「成長 Growth」、「價值 Value」、「動量 Momentum」、「高品質 Quality」等篩選要素的ETF。 它們的編制規則確保了我們的投資是最優選的結果,這就使得「長期上漲」成為必然。如果大方向是確定的,波動就為我們創造了機會,DCA+BTD就是最簡單積累財富的方式。
See More
Hardy
@zukang9
about 2 months ago
让兄弟们先卖,让大聪明先走!
嘚,八戒
@Deibajie
about 2 months ago
消息都是为了配合盘面做出的动作,我他妈的前几次就是有点波动就跑了,害我没拿住大利润。 透过现象看本质,储存现在就是美股救世主,依靠储存才把美股维持到现在,特朗普基本盘就是美股,国内占据市场份额后,美股这波牛市基本到头,大幅度回调trump能接受吗? 市场只有有分歧的时候才会有足够的动力往前走,等所有人都觉得储存不是周期股了,这波ai能带出来一两个10w亿级别的公司,那个时候就该急流勇退了。而不是现在打开推特满屏都是fud的,这个时候感觉就像打仗的时候一样。
zukang9
retweeted
嘚,八戒
@Deibajie
about 2 months ago
消息都是为了配合盘面做出的动作,我他妈的前几次就是有点波动就跑了,害我没拿住大利润。 透过现象看本质,储存现在就是美股救世主,依靠储存才把美股维持到现在,特朗普基本盘就是美股,国内占据市场份额后,美股这波牛市基本到头,大幅度回调trump能接受吗? 市场只有有分歧的时候才会有足够的动力往前走,等所有人都觉得储存不是周期股了,这波ai能带出来一两个10w亿级别的公司,那个时候就该急流勇退了。而不是现在打开推特满屏都是fud的,这个时候感觉就像打仗的时候一样。
Hardy
@zukang9
about 2 months ago
@Deibajie
让兄弟们先卖,让大聪明先走
Hardy
@zukang9
about 2 months ago
@ai_xiaomu
天天造谣
Hardy
@zukang9
about 2 months ago
向偶像学习,真的自律👍
慈善家
@cishanjia
about 2 months ago
聊聊健身: 1.奶子哥学习健身已经一个半月了。每周三次,一次一小时。体重从79.5kg,减脂到73kg。 2.目标是体重65kg,六块腹肌。每周减肥体重的1%。 教练给我讲,还需要四个月,差不多就可以完成目标。(奶子哥下一次再发健身推特就是四个月后,发腹肌照片) 3.奶子哥已经坚持大半年多了,每天早上睡醒就去跑步25分钟。睡醒就去跑步,基本上已经成为习惯了。 4.《ATOMIC HABITS》掌控习惯这本书真的好,里面的方法论帮助奶子哥养成了跑步的习惯,每天定时定点的去学习英语。对奶子哥帮助非常大。 5.暂时能感觉出来练肌肉对自己最大的帮助是,有了肌肉支撑着脊柱,让腰板非常轻松的挺拔起来了。因为长期久坐,我们多数人,腰板都是弯的,一弯就看起来感觉没有自信,腰板一直,感觉人立刻自信了很多。精气神真的不一样。 6.发现健身最有意思的一个点是:肌肉增长是先要撕裂,然后修复增长变强。每次推哑铃,还有最后两个动作要做,实在是累的不行,真的想放弃,但是就是这最后两个动作,让自己肌肉撕裂,增长变强。前面十个只是热身。不要放弃,勇敢挑战自己。 7.不断的挑战自己,有个总目标,拆分成若干个小目标,从推5kg,到推11kg,每周都在增长,数据可以量化,自己看到增长每次都有一点点的正反馈。也是一种快乐,幸福。
See More
zukang9
retweeted
Kenny.eth
@_0xKenny
about 2 months ago
https://t.co/S7sD6j8kOI
zukang9
retweeted
AI最严厉的父亲
@dashen_wang
about 2 months ago
https://t.co/6UtUgxIQTN
zukang9
retweeted
fin
@fi56622380
2 months ago
AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发,解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长,为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了,为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大,乐观派认为AI带来的需求比以前要大的多,但市场主流仍然认为前几次上升周期也有需求每年20%+增长,这次又有什么不一样呢?AI不影响HBM和传统DRAM一样有commodity属性,一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发,来拆解和推演一下这个问题:为什么这次真的不一样 ------------------------------- 历史:CPU算力时代 很久以来,我们都处在CPU主导算力的时代,CPU的最高级KPI就是performance,跑的更快,所以每一代的CPU都用各种方法来提高跑分,最开始是频率上升,后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度?比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助,而且辅助功能极弱,以业界经验,DDR的速度即便是提高一倍,CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大?两个原因 1. CPU设计了各种架构去隐藏 DDR延迟,比如superscaler,加大发射宽度,用海量的ROB和register renaming来提高并行度隐藏延迟,一级缓存cache,二级缓存cache,削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高,大部分日常负载比如打开网页,DDR带宽是严重过剩的,甚至云端负载 也就是说,在CPU时代,DDR的带宽速度是不太有所谓的,DDR4和DDR5除了少数游戏就没啥差别,甚至JEDEC标准也进步缓慢。 另外,绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可,app的size增长没那么快,导致对DDR的容量需求也较为缓慢。 所以最近十年来,平均每台电脑上的DDR容量大概从7~8GB变成了23GB,十年只增长了3倍。 而这部分升级缓慢直接影响了营收,size容量计价是赚钱的主要方式,速度的提高只是技术升级,提高size的单价,这两个的升级需求都不大,需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上,一直是都是芯片产业锦上添花性质的附属品,DDR升级带来的边际效用是很低的,跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代,计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代,不再像CPU那样只看跑分,最高级的KPI不再是算力TOPS/FLOPS,而是token的成本,特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度,因为在agent时代,很多任务变成了串行,token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因:最低成本的输出最多token,同时尽量提高token吞吐速度 AI训练时代,老黄的经济学是TCO(total cost ownership),买的GPU越多,省的越多 而老黄在推理时代的token经济学是: AI推理的毛利润很可观,所以逻辑已经转换成:Nvidia GPU是这个世界上让token单价最便宜的GPU,买的GPU越多,赚的越多 最高的KPI变成了Pareto frontier曲线,在提高token 吞吐throughput和提高token速度两个维度上尽量优化 (见图一) NVIDIA 的 token factory 代际进步,其实是在把整条 Pareto frontier 往右上推,这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链,如何从token吞吐量指数型增长的本质出发,推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代,token吞吐只有一个维度,就是HBM的带宽速度,带宽速度越高,token吞吐越大 但进入NVL72的年代,推理不再是单卡GPU时代,而是72个GPU + 36个CPU整个系统级别的token工厂,把HBM带宽和算力用满,获得极致的token吞吐量 Token 吞吐throughput的增长,依赖两个东西:同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例,在平均token速度是100 token/s的情况下,同时批处理1920个请求,得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW(0.12MW)的功率,所以得到单位MW能处理1.6M token/s (见图一) 所以,我们需要想方设法提高这两个参数:批处理数量batch size和per user token的平均速度,这两者相乘就是我们的最高KPI,也就是token的吞吐量 ------- 第一个参数:batch size的增长,瓶颈在HBM size 批处理量里的每一个请求req,都会自带kv cache,这部分kv cache是需要存在HBM里的,大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取,所以必须放在HBM里,比如一个大模型的层数是80层,那么每一个token的生成阶段,都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长,会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache,都要放在HBM上,这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车,登机口尽量快的接旅客到飞机,HBM size小了,相当于接驳车size小了,就得多接一趟 结论是:批处理量的数量batch size,瓶颈依赖于HBM size的增长 --------- 第二个参数:每个user请求的平均token速度,瓶颈在HBM带宽 大模型decode阶段的速度,瓶颈取决于HBM的带宽速度,因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现,在batch不那么大的情况下,把激活权重这个部分搬到了SRAM上,但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高,生成每一个token的速度也就越快,基本上是线性对应的 就像是机场接驳车,登机口尽量快的接旅客到飞机,hbm本身带宽速度就像是接驳车的车门有多宽,门越宽,旅客上接驳车越快 GPU的其他配置,都是在适配batch的增长以及要让token compute的速度配平HBM的增长,甚至会用多余的算力来获得部分的带宽(比如部分带宽压缩技术) —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size(容量): 决定了一次能装下多少名旅客(也就是能同时装下多少个请求的 KV Cache)。车厢越大,一次能拉载的旅客(Batch Size)就越多。如果车太小,想拉100个人就得分两趟,系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth(带宽): 决定了旅客上下车的速度。门越宽,大家呼啦啦一下全上去了(Decode/生成Token的速度极快)。如果门很窄,哪怕车厢巨大能装200人,大家也得排着队一个一个挤上去,全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此,我们从逻辑上推演出了token经济学的硬件需求第一性原理: Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI,实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长,实际上意味着,每一代的单GPU上,HBM size X HBM BW带宽之积要增长两倍! 这也是历史上第一次,HBM内存的size可以影响最高的KPI token throughput! 要验证这个理论,可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput,和HBM size X HBM BW 放在同一个图里比较 (见图二) 可以发现,这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快,毕竟HBM决定的是天花板,实际上这个天花板增长的利用率utilization是很难达到100%的,也就是说,HBM size x HBM 带宽就算增长1000倍,其他算力和架构的配合下,很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合,而是系统最优化的必然解 throughput = batch × Bandwidth,这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢?软件的优化会不会降低带宽的需求?降低HBM的需求? 这跟硬件是独立两个维度的,这好像在问,如果CPU上的软件优化了之后跑的更快,是不是CPU就十年不用发展了?反正软件跑的更快了嘛 这样的话,CPU厂还能赚得到钱吗?CPU想要存活下去,只有一条路可走,在标准benchmark,不考虑软件优化,每一代CPU必须要跑分更高,不然就卖不出去 GPU也是一样,软件优化如何,和自己的token吞吐量KPI每年都要大幅进步,是两回事 只要token的需求继续增长,对token throuput的追求就绝不会停止,那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了,老黄一定会亲自到御三家逼着他们技术升级,因为这就是老黄gpu的天花板,天花板要是钉死了不进步,老黄的GPU还能卖出去吗? 当然了,Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分,比如LPU就是一个很好的尝试,把Pareto frontier从另一个角度改善了很多 (右半边高token速度的部分) —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代,在这条由指数级需求铺就的单行道上,以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步,只要老黄还要卖GPU,HBM就必须翻倍,而且必须代代翻倍。这是supply side的内生压力,与AI需求无关,与宏观周期无关,与hyperscaler的心情也无关 剩下的问题,只有一个: 当需求被物理锁定为指数增长的时候,供给侧的三个玩家,会不会还像过去三十年那样,亲手把自己再拖回一次周期的泥潭?
See More
Hardy
@zukang9
2 months ago
@BNBOKBt5
@xiaomustock
跌的时候不敢买,涨的时候嫌高,不如回家卖红薯
Hardy
@zukang9
2 months ago
@Qkd241007
plus 还是pro 啊
zukang9
retweeted
hanfeer
@feelfeelhan
2 months ago
GPTimage-2提示词网站,我忘了是哪位大神分享的了,好像是牧马人大神还是谁?如侵权的话,请告知我删除。 https://t.co/zIUg7Ax2u7
zukang9
retweeted
Crypto Doggy 叫我狗总
@CryptoDoggyCN
about 2 years ago
币圈100%防冻安全出入金大法,看这一篇合集就够了!史上最全亲测! 应粉丝要求,狗总把之前发的9弹做成合集,方便大家收藏观看,看我周不周到! 第1弹:港卡出金简述 https://t.co/tmq1YXO0LU 第2弹:港卡入金简述 https://t.co/sjUeYBzhuz 第3弹:5万换汇额度怎么破 https://t.co/7tkAq27ny3 第4弹:过港开卡diy https://t.co/1TxcOr9Pw6 第5弹:Kraken交易所出金 https://t.co/Rjaex47CLT 第6弹:安全入金再谈 https://t.co/KFQyt289zt 第7弹:Hashkey交易所出金 https://t.co/BfEuX3cMZb 第7.5弹:小众入金法 https://t.co/7PoWmUY0zs 第7.6弹:C2C平台 https://t.co/NeS5hcM9AT 第8弹:出金直接变消费卡 https://t.co/ljfWtTjSgK 第9弹:加密友好银行 https://t.co/7lJ51BPqgP 第9.5弹:义乌个体户大法 https://t.co/otKVq2mEU7 第10弹:说透u卡 https://t.co/psZYvB7qFf 番外答疑1:办港卡被拒怎么办 https://t.co/Ri1CBojuRe 番外答疑2:Kraken没黑钱吗 https://t.co/Ri1CBojuRe 番外答疑3:港币/美元C2C安全吗 https://t.co/B4LGJTX9M4 番外答疑4:多卡航母战斗群策略 https://t.co/6Zt5ia6lFA 番外答疑5:买小国居留过kyc可以吗 https://t.co/Csfi9YvsQv 番外答疑6:香港找换店靠谱吗 https://t.co/D9oaS4PXDe 第11弹信托大法下周出,之后币圈骗局大赏我也会做个目录。很多没人提过的干货哦,狗总这样的热心肠,值得你一键三连加关注么!
See More
zukang9
retweeted
太阳闯关记
@dachaoren
3 months ago
claude code新手教程,这个老外讲的非常仔细,这教程在闲鱼卖398,卖了几百份了。 这里免费,真的是认知差,静下心看完这一套完整教程,你就能真正用 AI 搭建工作流、实现自动化、处理复杂任务。
dachaoren's tweet video.
zukang9
retweeted
宝库
@white88com
3 months ago
@Bluke520
所有屏幕自动滚到网页上部的同学看过来,我找到解决办法了,和你的 IP 无关。 地址栏,不要填写 LINE2,把所有信息都写到 LINE1 里,就通过了。
Last Seen Users on Sotwe
Future X
Kimsesiz baba
Seen from
Turkey
احمد حسن 🔥الريس🔥
早晨想尿尿
Seen from
Canada
นัดเยส สาวแก่แม่ม่าย อีสาน
Seen from
Thailand
Merve🐓
Serly
Seen from
Indonesia
you xxx
Seen from
Malaysia
Texas Gym Jock
Seen from
Spain
鲸鱼哥哥🐳
Seen from
Korea
Trends for you
1
PlayStation
Under 10K tweets
2
Bobby Bonilla
Under 10K tweets
3
$META
Under 10K tweets
4
GameStop
Under 10K tweets
5
Happy Canada
Under 10K tweets
6
Giant Eagle
Under 10K tweets
7
Good Wednesday
Under 10K tweets
8
Norman Powell
Under 10K tweets
9
Vita
Under 10K tweets
10
Danny Glover
Under 10K tweets
Most Popular Users
1
Elon Musk
@elonmusk
240.7M followers
2
Barack Obama
@barackobama
119.2M followers
3
Donald J. Trump
@realdonaldtrump
111.7M followers
4
Cristiano Ronaldo
@cristiano
110.6M followers
5
Narendra Modi
@narendramodi
107M followers
6
Rihanna
@rihanna
97.7M followers
7
NASA
@nasa
92.2M followers
8
Justin Bieber
@justinbieber
90.9M followers
9
KATY PERRY
@katyperry
87.7M followers
10
Taylor Swift
@taylorswift13
81.5M followers
11
Lady Gaga
@ladygaga
73M followers
12
Virat Kohli
@imvkohli
69.9M followers
13
Kim Kardashian
@kimkardashian
69.8M followers
14
YouTube
@youtube
68.7M followers
15
Bill Gates
@billgates
63.9M followers
16
Neymar Jr
@neymarjr
62.6M followers
17
The Ellen Show
@theellenshow
62.4M followers
18
CNN
@cnn
61.9M followers
19
X
@x
60.8M followers
20
Selena Gomez
@selenagomez
60.8M followers
Olivia
Online
✨
⭐
💫