与「就是超大杯」相关的搜索结果

貌似没人关心 Qwen3.8-2.4T-A95B 开源，其实 Qwen3.8-Max还行，就是太贵了。 DeepSeek-V4-Pro 感觉有点问题，不如用 Flash。让后训练再跑一会～ 目前国产模型我的选择： 超大杯：Kimi K3 大杯：GLM5.2 中杯：DeepSeek-V4-Flash 国外模型选择： 超大杯：Opus 5 大杯：GPT-5.6-Sol 中杯：Grok 4.5（4.6还在测试）

这下省事了！取股票/基金/期货/可转债数据，不用再注册 key、写爬虫了 efinance，4K stars，免费开源免 token，一行代码直接出 DataFrame！ 以前做量化，第一步就卡在数据上：要么掏钱上 Wind/聚宽，要么自己写爬虫抓，费时费钱还容易被封。 efinance 不一样——免费开源、不用注册 key，ef.stock.get_quote_history('600519') 一行就出完整数据。 核心亮点： 1️⃣ 股票/基金/可转债/期货 四大类数据全覆盖，A股 + 美股港股（苹果、微软直接输中文名都能查） 2️⃣ 免注册、免 key、免费开源，一行代码出 DataFrame，回测数据源直接接上 3️⃣ 股票数据含日K/5分钟K/实时行情/龙虎榜/季度业绩/资金流向（主力·超大单·大单·中单·小单净流入） 4️⃣ 基金净值+持仓、可转债行情、期货主力合约历史数据全都有 5️⃣ 4K stars、747 forks，pip install efinance 即装即用，Python 3.6+ 量化第一步就是数据，别再为个历史 K 线去注册一堆接口了，这个库免费还全。

年底决战？字节和 OpenAI 到底在训练什么超大模型？ 前两天从 Financial Times 上看到消息，字节跳动正在训练一个最多可能达到 10 万亿参数的模型；据知情人士透露，字节的项目尚处于早期预训练阶段，这一过程通常需要三到六个月，之后还要经历微调、安全评估和产品化。10 万亿是可能达到的规模，最终数字仍会随训练方案调整。我个人判断 5 - 10 万亿是可能的。 作为参照，月之暗面的 Kimi K3 拥有 2.8 万亿总参数，字节新模型在纸面上接近它的三倍，非常吓人。不过 K3 采用混合专家架构，每个 token 激活约 1040 亿参数，因此总参数不能直接换算成模型能力。 把规模做到这个级别，考验的不只是 GPU 集群、综合算力等。数据质量、集群通信、训练稳定性和故障恢复，都需要。 字节的优势在于拥有豆包、抖音和 TikTok 等大规模产品，可以持续获得真实反馈，也有能力把模型迅速送到海量用户面前。它最终是否开放权重、推理成本能否压下来，目前都没有确定答案。 OpenAI 同样马不停蹄，他们在训练的模型信息比较确定，一个是 Astra 系列，一个是 Doug。 Astra 是已经对外披露能力的下一代模型家族，OpenAI 称其内部版本在数学和理论计算机科学上取得十项新结果，相关论证随后被整理成人类可读的论文，并给出了形式化证书。 OpenAI 在内部评估后“尚不能排除” Astra 达到了 Critical 级网络安全能力，因此得扩大测试并放慢开发。也就是说，虽然 Astra 还没有被正式判定为首个 Critical 模型，但它已经触发了更严格的隔离、监控和安全措施。 在中国开源模型的追赶下，海外报道称 OpenAI 需要通过尽快发布 Astra（GPT 6 级别模型）保持优势。时机至关重要——他们越是拖延，中国的开源模型就会被采用得越多 😂 Doug 则更接近字节正在做的事情。外部消息将 Doug 描述成 OpenAI 迄今规模最大的一次预训练项目，而且它与 GPT-6 并不是同一个模型。OpenAI 尚未正式公布其规模和发布时间。过去两年，OpenAI 通过强化学习和后训练不断挖掘现有的模型底座，能力增长很快，但边际收益也在逐渐变小。 Doug 释放的信号，是它准备重新训练一个更强的基础，再叠加已经成熟的推理与 Agent 训练体系。 字节这个事情如果确定，那就证明中国团队能够独立完成世界级超大预训练，并把能力稳定交付给产品，毕竟 Kimi K3 已经突破了；OpenAI 要做的是，证明大规模预训练仍能带来足够大的跃迁，并处理随之而来的安全成本。 还有 4 个月，年底的大模型又要天翻地覆了。

真没想到，2026 年最好的亚洲聚会可能就是本末社区的 Money Frontier，全是 OG 、全部有 skin in the game 的情况下，聊的东西的水平确实比很多商业性的大会聊得更好、聊得更深一点。 我总感觉以前那些特别酷的 Crypto Things 有个特点是他们自己会有佛陀出世或者耶稣降生一样的超级 ego，会说天上天下唯我独尊，或者说我来不是叫世上和平而是让世上动刀兵。 但现在这批多少总有点追求和平崛起的意思，特别是 Clarity Act 画了一个超大的饼以后。 问题是，和平崛起的幻觉很多时候其实是不过是延后矛盾罢了。中美2001~2016 十六年蜜月期过了以后也要贸易战。最后其实总会像德皇一样，说一句阳光下的土地。不可能永远做蛋糕不聊分蛋糕的事情，增量创新从长远角度看本来就全是低垂的果实，后面一定是存量博弈、刀刀见血。 另一个问题是比特币从几百美元涨到现在 6 万美元，600 多倍的涨幅，至今把太多穿鞋的带进行业里了，光脚的的声音自然就越来越小了。 所以我们需要：

聊聊看好光互连的逻辑，7月中旬和下旬分别聊到之后看好美股的板块，已经爆发的是（CSP、软件、光互连），CSP/软件看好逻辑在7月中长文 再回头看，光互连板块是这一波半导体调整最早调整时间最久的板块，个人角度5月中 而近期催化剂个人看是两点： 1）“英伟达高级副总裁 Gilad Shainer在最近的一个技术论坛上宣布，CPO 已开始量产。Nvidia 与其供应链合作开发的交换机已交付给紧密客户，并正在 Nvidia自身的设施中部署。预计今年将有大量采用 CPO 技术的交换机引入全球的 AI 工厂； 2）Lumentum首席执行官Michael Hurlston表示，AI的磷化铟激光器短缺将比内存危机更严重。 怎么看这个逻辑： 1）cpo开始交付那意味着市场应该会去预期随着量产交付，cpo应该会慢慢起量，业务兑现开始落地； 2）磷化烟短缺、市场对于短缺还是有肌肉记忆的； 3）光调整的早调整的时间够久，半导体都集中在存储，最近这段时间对于光互连大家其实聊的很少，那就意味着有预期差； 4）超大CSP的财报初步证明了资本开支ROIC，数据中心的建设会很快。万卡集群互连、大规模数据中心互连需求其实在进一步爆发。 总结就是 AI数据中心光互连需求真实且加速，全产业链已从“需求验证”进入“供应瓶颈”阶段；NVIDIA CPO正式量产是历史性信号，短期（至少至2027年）与可插拔光模块共存，最终瓶颈锁定在磷化铟（InP）激光芯片产能。 技术路线时间表 1）Scale-up（机架内）：铜缆/可插拔为主。 2）Scale-out（跨机架/跨数据中心）：CPO率先渗透（功耗从30W→9W/端口，带宽大幅提升）。 3）共存窗口：可插拔主导未来18-24个月；CPO与可插拔非零和，至少到2027年。 “需求已被全链条验证，瓶颈在InP激光；谁能自产/扩产最快、供应链最安全，谁就吃到最大弹性。” 未来两周是光互连领域公司密集财报，如果财报进一步被验证，可能会是一个催化剂窗口。 $MRVL $LITE $COHR $AXTI $AAOI $GFS $LAZR $FOTO $NOK 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

今天分享一个阿联酋-阿布扎比背景的ETH L2，叫做 ADI Chain。 关注到这个链是因为前几天看新闻说，ADI 的预测市场成为 FIFA 的顶级合作伙伴，据报道这个合作价值 1.5 亿美元。 要知道这种体育预测，能搞定 FIFA 还是很难的，不光是钱，关系也得到位才行。 所以顺藤摸瓜，看看 ADI Chain 到底是什么背景。 首先，ADI Chain 刚刚宣布融了50M，但是没有公布投资者是谁。 于是稍微扒了一下，会发现 ADI Chain 的背后的团队是 Sirius International Holding，而 Sirius 又是 IHC 的子公司。 IHC 的话，在中东那边比较牛逼，市值2000 亿美金，这个基本可以理解为是阿布扎比的统治家族的资本。 公开资料都能查到，IHC 董事长是阿联酋总统 MBZ 的弟弟，最大股东是阿布扎比的王室 Royal Group。 所以，ADI Chain 上的资产很多也都是皇亲国戚资产或者政策绿灯资产。 例如，你能看到第一个迪拉姆稳定币 DDSC，阿联酋央行批准的，就是在 ADI Chain 上结算的，而且是独占结算。 另外，还有 PUSD，这个居然是一个“符合伊斯兰教义”的稳定币，沙特背景，也在 ADI Chain 上。 PS：伊斯兰教义要求不能有利息，当然估计实际操作上就是变相把利息以利润的形式发给持有者。 再例如，前几天组了一个超大联盟的 Open Standard/OUSD，也已经把 ADI 纳入了联盟。 另外上面还有 BNY 的托管业务、Settlemint 的数字证券等等。 最后是技术架构，它是基于 ZKsync 框架搭的，使用 ETH 作为 DA，严格意义上的 L2， $ADI 则作为 GAS 代币。 不过需要提醒的是，ADI 因为没有传统的那种私募公募，所以目前流通比例不大。但是因为背景有确实比较牛，所以 FDV 不小。 单从市值来说，ADI 已经超过 Arb、OP，以及它的技术架构 ZKsync，仅次于 MNT，是目前市值排名第二的 ETH L2。

存储厂商LTA长协之后，英伟达商业模式的变化“算力换营收”。看报道英伟达正在与初创公司签订收入分成协议，此举将使客户以未来收入的一部分换取计算能力的访问权。个人角度这不是传统“卖芯片”那么简单，也不是严格意义上的银行贷款。更应该是“算力信用+厂商融资+收入分成+生态锁定”的组合。会是另一种“算力贷”么？值得细聊下 有关键细节要纠正：很多报道写成“future profits”，但英伟达官方表述更接近cloud revenue share，也就是云收入分成，而不是净利润分成。这对英伟达来说可能比“利润分成”更重，因为收入分成通常发生在利润之前。 英伟达获得两段收入： 一段是卖GPU、系统、网络等产品的收入； 另一段是这些GPU被云厂商出租给AI客户后，英伟达继续按云收入或使用量拿分成。官方已经把这个定义为“标准产品收入 + 云收入分成 + 使用量挂钩的经常性收益”。 1、为什么英伟达要这么做？ 个人角度应该是要解决AI产业的两个瓶颈：谁能融资建设算力，以及谁能持续高利用率消化算力。 1）英伟达在公告里说，AI正在从模型开发走向生产推理，算力需求转向持续运行、规模化生成token的AI工厂。 这种模式下，GPU集群是否能长期高利用率，比单次卖出硬件更关键。 2）英伟达想把客户群从大型云厂商扩展到AI原生公司、区域云、企业、研究机构和主权AI项目。英伟达在一季度财报中把数据中心拆成 Hyperscale 和 ACIE；ACIE 包含 AI Clouds、Industrial 和 Enterprise，显示它正在把增长叙事从少数超大云厂商扩展到更广的AI工厂生态。 3）这是对抗客户自研芯片和平台替代的生态策略。大型云厂商有自研AI芯片能力，初创公司和Neocloud没有同等能力。英伟达通过信用支持、算力积分和收入分成，把这些新兴客户提前绑定在自己的GPU、网络、软件和DSX架构上。换句话说，它不是只赚一次硬件钱，而是在把自己嵌入未来AI应用收入链条。 2、对英伟达的收益结构是不是改变了？ 新收入分成模式即便战略意义很大，但体量应该很小，短期未必马上改变整体财报结构。但它改变的是收入质量和风险暴露。 1）英伟达从“一次性硬件收入”走向“硬件收入 + 未来算力收入分成”。这有点像把芯片卖给矿场后，还要继续抽矿场产出的算力收入分成。 2）它把英伟达的收入从纯供应链周期，部分变成使用量周期。好处是如果AI推理需求真的长期爆发，英伟达能持续分享下游增长； 坏处是如果下游需求不足、GPU出租价格下滑、客户违约，英伟达就不仅是卖方，还成了信用风险和利用率风险的承担者。 3）财务处理上会更复杂。英伟达年报里说，产品销售收入通常在产品控制权转移时确认，客户激励、返利和市场开发资金等客户项目会作为收入减少项处理。 所以未来要看合同细节：token credits 是费用？是收入抵减？是客户激励？是预付算力？收入分成什么时候确认？这些都会影响“收入质量”的判断。 4）估值逻辑可能被重新包装。硬件公司通常按周期性利润看；带有经常性、使用量挂钩收入的公司，市场可能愿意给更高倍数。但前提是这部分收入来自真实终端需求，而不是英伟达自己通过信用支持“拉”出来的需求。 3、这算不算“算力贷”？ 严格法律意义上并不像是贷款；经济实质上，很像算力贷： 1）如果合同是“以后无论赚不赚钱都要还固定金额或最低使用费”，那就更像债务或融资租赁。 2）如果合同是“你未来有收入才按比例分给英伟达”，那更像 收入分成融资。 3）如果英伟达给AI云厂商担保、回购、信用增强，让银行愿意给数据中心项目放款，那更像供应商融资支持。 所以个人把它定义为： “算力贷化”的厂商融资，而不是标准贷款。 它的本质是把GPU算力从一次性采购商品，变成一种可预支、可分期、可抵押、可证券化、可收入分成的金融资产。 4、这一定都是好事么？ 也不尽然 容易形成循环融资。供应商投资或担保客户，客户再买供应商的产品，供应商确认收入，市场再用这个收入增长证明AI需求强劲。这个循环不一定是假的，但它会让外部投资者更难分辨：到底有多少是真实终端需求，有多少是被信用、补贴、积分和收入分成提前拉动的需求。且金融结构越来越不透明 所以总的来说： 这能算是一种非常强势的产业金融创新，它在需求真实增长时会非常有效：创业公司获得算力，AI云厂商获得融资，英伟达获得硬件收入和未来分成，生态扩张加速，且绑定了更多的中小客户。 但它的风险也不小： 它会把英伟达、AI创业公司、债权人和终端客户的现金流绑在一起。一旦AI应用收入不够快、不够厚，或者GPU租赁价格下行，风险会沿着这些合同链条反向传导。当然早期还好，因为体力量也不大。 未来重点看四个指标： 1）下游AI云的真实利用率； 2）GPU租赁价格走势； 3）收入分成合同是否有最低承诺或回购条款； 4）以及英伟达投资/担保/应收账款增长是否快于终端现金流增长。 只要这些指标健康，那么这就是一项好的产业金融创新。 但这些指标一旦严重背离，所谓“算力贷”的风险就会从叙事问题变成财务问题。 本条由@bitget_zh赞助，「Bitget 买美股：秒级入场，丝滑交易 」

目前存储市场正是烈火烹油的热闹景象，科技巨头们的长期订单似乎让存储摆脱了之前“猪周期”的尴尬局面，其高昂的成本正在被云基础设施提供者和大语言模型服务商吸收。 今年以来，美光科技和 SK 海力士的股价以美元计均上涨了约 290%，三星电子上涨了 166%，而微软和 Meta 等所谓的超大规模云服务提供商股价下跌，亚马逊股价持平， Alphabet 股价仅上涨了 8%。 面对存储涨价，按照经济规律，未来会如何发展呢？ 1. 将成本转移给消费者，如苹果做的那样。但人工智能还处在消费者普及和争夺市场份额的阶段，没有人有苹果那样的护城河。而且随着科技公司限制员工token使用量，市场的增速可能开始放缓，除非能渗透到制造业。这条路大概率行不通。 2.牺牲利润，扩大亏损。也就是行业目前的状态，但能维持多久？投资者的耐心有多久？会出现破坏性创新颠覆目前的僵局吗？如果LLM路线被证明只是人工智能发展历程上的一段弯路，又会如何呢？ 3. 提高效率以减少需求。如同谷歌在今年3月发布TurboQuant算法，将大模型运行时的键值缓存（KV Cache）内存占用减少至少6倍，让全球主要内存巨头在单日蒸发900亿美元市值。类似谷歌这样的技术引领者是否还有这样的“黑科技”？ 4. 等待更多存储的供应。苹果已经在游说美国政府放宽对中国存储的管制，若能成行将给现有消费级存储市场带来巨大冲击，并对企业级存储市场带来一定压力，HBM和AI存储市场短期没有影响。目前来看也还好。 我的投资策略： 1. 持续买入谷歌这样在泛人工智能领域有多年技术积累且现金流稳健的公司； 2. 逢低买入微软亚马逊这样的云基础服务供应商； 3. 观望存储巨头和LLM技术路线的公司。 大家觉得呢？ #羊羊学理财# #存储# #AI#

他的“AI服务器”其实就是厨房里四台Mac Mini，堆在烤面包机旁边 通过免费的开源软件exo，它们被连接成一台虚拟机器，能运行2350亿参数的超大模型——单台电脑根本装不下。 他目前有6位受监管的客户，每人每月支付3500美元使用这套系统，每月总收入2.1万美元。 整个集群只用了总计2400美元的硬件，每月电费约25美元。前三周就回本了。 第1个月有2个客户（7000美元），第3个月增至4个（1.4万美元），第6个月达到6个（2.1万美元）。 关键在于隐私： 数据完全留在他的设备上，从不上传任何第三方服务器。 这对律师事务所、HIPAA合规的医疗机构、以及处理客户财务数据的会计师事务所来说，正是他们最需要却在云端买不到的东西。 他们不需要追逐最新模型，只需要一台“能指着说这就是我的数据”的本地系统。 云服务商卖的是计算资源和对你数据的访问权，而他卖的是唯一一样东西——永不外传的隐私计算。 四台银色小盒子在咖啡机和水果碗之间安静运行，客户却想象着机房和冷却风扇。这就是全部。