与「劇透可能」相关的搜索结果

#劇透可能# 「初音⋯回去吧。」 欸⋯哪個⋯ - 謝謝菌菌跟我一起完成了我的夢想（乾 第一次初音正裝居然是為了拍母雞卡 一輩子的摳捨🫶超級好玩 #AveMujica# #hatsune# #初音#

🚨今天想探讨一个问题：沃什时代到来，美联储的制度会如何变革？ 这张图里的沃什这套政策框架，最麻烦的地方不是偏鹰还是偏鸽，而是它把美联储带进了一种很拧巴的状态： 利率上偏鸽，资产负债表上偏鹰，嘴上强调独立性，现实里又无法彻底跟特朗普切割，同时还想弱化前瞻指引，减少市场对美联储“剧透”的依赖。 今天谁坐在美联储主席这个位置上，都已经不可能像过去那样，只围绕通胀和就业做选择。沃什这个官场老油子，显然也知道这一点： 他不能公开讲强硬加息，因为特朗普不爱听； 也不能只讲快速降息，不然国会一看，这不就是懂王派来的工具人吗？ 所以最安全的说法就是：降息+缩表，利率可以更低，但资产负债表要更小。 这其实也是沃什和鲍威尔最大的区别—— 鲍威尔这几年虽然经常左右摇摆，但他的核心逻辑始终没变：市场预期不能失控，所以美联储必须不断沟通、不断修正、不断引导。 但沃什明显更反感美联储过度引导市场这件事，所以才会提出弱化前瞻指引、减少点阵图影响，甚至公开说自己更喜欢“混乱的会议”。 这个变化其实挺危险的： 过去十几年，美联储最值钱的不是利率本身，而是预期管理。 大家默认美联储最终会救市场，所以敢做高估值、敢加杠杆、敢长期持有风险资产。 而沃什的政策框架会把这些全部打破，但问题在于，美国现在很多资产价格、财政结构和金融稳定已经对这种模式形成依赖了，很难说这样大刀阔斧会不会形成反噬。 说一下我对于沃什路线的推演，我觉得市场会有三个阶段： 1⃣ 第一阶段，市场先交易降息预期。美股、黄金、BTC 都会喜欢“利率更低”这四个字，尤其是风险资产，会先把鸽派那半边故事吃进去。 2⃣ 第二阶段，市场开始反应缩表压力。美债长端供给没人接，期限溢价抬头，流动性没想象中宽，科技股和高估值资产会开始发现：利率下来了，但钱更不好赚了。 3⃣ 第三阶段，市场重新定价美联储的可信度。如果沃什既想独立，又想配合特朗普；既想降息，又想缩表；既想压通胀，又想稳资产，最后大概率会变成一句话：什么都想要，什么都不好做。 所以目前我不太相信沃什真能彻底改变什么，可能不一定对，也许沃什突然真神上身，能带我们直接去到 20w 也说不准！ 唯一能确定的是，会比鲍威尔时期更难做交易！ 图自：金十

#预告# #视频播客# #硅谷101# 再访田渊栋 @tydsh 从Meta离职之后，前FAIR研究总监田渊栋的电话被各大AI公司和猎头打爆，但他很快敲定了下一步：加入新AI实验室Recursive Superintelligence（RSI）。这个有着8名顶级AI研究员作为联合创始人的明星neolab最近进行了官宣：融资6.5亿美元，估值46.5亿美元。 这期视频播客，我们走近位于旧金山的RSI，与田渊栋进行了半年之后的另外一场对话，聊聊他的新旅程在押注一个什么样的未来，如今AI前沿模型的厮杀和路线之争，Neolab们的生态与前景，以及普通人面对“职场蒸馏”，应该怎么办。 剧透一下，对于最后一个话题，田渊栋的回答很精彩。以及，我们office tour彩蛋会继续带大家逛逛46.5亿的AI lab长什么样子。视频明天上线，see you tomorrow!

还是太全面了 目前 Web3 用户可以通过TRON 、币安、以太、Base、Arb、Op、马蹄、SOL 链上的资产支付 而 Web2 用户可以通过微信、支付宝、银联、VISA、MASTER、谷歌 Pay 和苹果 Pay 进行支付 按照这个进程来看 接下来该做 App 了 @justinsuntron 剧透吗 ？ #TRONEcoStar#

AI agent 这个词被吹了一整年 真打开看 一共 300 行代码 GitHub 有个项目叫 Simple-ReAct-Agent 把 ReAct 论文那个循环直接写了一遍 没用 LangChain，没用 LlamaIndex，没用 AutoGen 就是一个 while 循环 循环里只有三件事 第一 把当前历史 + 任务 + 工具列表 拼成 prompt 喂给模型 第二 模型输出 Thought / Action / Action Input 第三 执行 Action 把结果拼回历史 进下一轮 完事！！！ · 300 行看完一遍，几个被框架包装得很玄的概念立刻祛魅 memory？历史拼接 tool？JSON schema + 函数指针 planning？让模型在 Thought 里写下一步该干什么 self-correction？把错误结果也拼回历史 让模型自己看到然后改 · 但最有杀伤力的发现，不在祛魅这一段 是作者那句 「Action 可以是任何东西」 你给 agent 接了 shell.exec 就等于把 rm -rf 交给了模型 最近几条新闻全是这么来的 agent 自己 commit 把 API key 写进了仓库 agent 自己 npm publish 把 推上去 agent 跑了一个不该跑的 shell 命令，把机器删了 agent 跟工具单独看都没问题 问题出在「工具暴露面」这一层被低估了 · 第二个被忽略的细节 context window 每一轮都把整段历史重发一次 10 步循环，同一段 prompt 送进模型 10 次 prompt caching 能省一些 但省不掉结构性消耗 · 作者那句话挺扎心 「让你少烧 token 这件事，不在 provider 的商业利益里」 · 写完这 300 行 你能换一种视角看每一个 AI 助手 我的 context 里现在装着什么 我接出去的工具能碰到什么 模型答错的时候，损失会从哪一处扩散 Prompt 在这一切里的权重到底有多大（剧透 非常大） · GitHub · 原文（300 行代码 + 完整拆解）

电影《给阿嬷的情书》成本1400万，全素人阵容加95%潮汕方言，首日排片仅1.6%、票房377万。 但在母亲节单日飙到3605万，上映9天破亿，截至5月17日总票房破4亿，预测能到13亿-20亿。 剧组穷到用iPad监看、三轮车运镜，宣发全靠潮汕村民自发换海报、夜店送饮品等草根“自来水”托举。 片子红了后，明星声援分成两派。贾玲工作室低调云包场3场，李现晒票根和官方物料安利。 但演员卢昱晓发了带正片画面的LIVE图，剧透了“18年书信实为代写”的核心悬念。 被批屏摄违规后，她删帖道歉还一度把片名错写成《阿塘的情书》。 这种公众人物屏摄并引发粉丝跟风的现象，踩了行业长期抵制盗摄的红线。 这片子豆瓣拿了9.1分，对比同期高宣发却被批“恶心人”的《监狱来的妈妈》，形成了质朴对抗流量的清流。 海外东南亚华人也看哭了，印证了人民大众喜闻乐见的才是好作品。

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。

给大家透露两个我给teenieping现代汽车2短片画的搞笑视频画面 因为2的视频还没有被官方上传到ytb我只能暂时忍耐着不发…放心 这两个场面都没有给大家剧透……🤫

大家好，我是来自2027年的米哥，给大家剧透一下比特币2026年的精准走势和散户情绪。 ⚠️⚠️注意收藏⚠️⚠️ 就这么定了。 大的要来了。 #BTC#