与「新條由芽」相关的搜索结果

／ 　📣月曜日ー！ ＼ ２／１５発売 #週刊プレイボーイ# 💋 1st写真集”ゆめいろ”が2/25に発売✨ キラめく #新條由芽# ちゃんが表紙❗️ デビューグラビアに念願グラビア🥰 週プレには夢がつまっています👍🌸 電子版 Amazon

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？

我们都对互联网很熟了，完全能够还原农夫山泉在抖音那边受委屈的过程，比如走官方流程去投诉平台上的一些攻击内容，平台会按部就班的让提供证明材料之类，于是就在整理材料的过程中，又有一千条新的侮辱性视频被发出来了⋯⋯再加上有很多观点型内容很难按照农夫山泉的意愿去「处理」掉，这种程序就进入了失效模式。 所以钟睒睒选择自己出来发声，他的人生经验会说，当常规做法行不通的时候，就必须寄望于超常的力量，由他来打破企业家不应该发起撕逼的社会默契，把原本只关系到他个人荣辱的事情扩大到公共领域，兴许就能推动超常力量的介入。 我们都知道这样的超常力量在涉政场景里是经常出现的，但农夫山泉显然无权调用，他在和抖音沟通的过程里，能打的只有维护营商环境这张牌，但抖音显然没有理由替农夫山泉去做大扫除，在抖音之前，这个纵容攻讦的生态位其实是知乎占据的，知乎的态度也很消极，一方面是因为有流量，另一方面是这一代信奉「技术没有价值观」互联网创业者可能还是觉得没人有权免于被评价。 老编辑认为在这个理解上他和我没有分歧，既然没法删贴，那我索性放弃了就事论事的汪洋大海，我也不再费力的去证明自己是不是日本人的后代了，而是直接把张一鸣连带着整个平台的合法性提出来，把矛盾提高到一个让你也很闹心的高度。 潘乱指出来，钟睒睒和被他点名的黄峥、张一鸣分别都当过中国首富，他们之间的矛盾到底有多大程度和普通人有关，是很可疑的，神仙打架，凡人未必遭殃，但站队是天性，这点没法避免。（3/n）

很伤心也很遗憾，看到黄教主在短短几天内就被迫辞去 CEO 的职务，现实过于魔幻。我自己从 2019 年开始就坚定地投资 NVDA，一同走过了疫情和如今的 AI 革命，而现在我们将进入一个“后黄仁勋”的智能时代。但有句古话，世界离开了谁都会继续运转，我分享一下对这件事情的思考和结论：抛开所有的阴谋论，让他离职原因的是第二段和直接下属的关系。 就在同一天，路透报道白宫在讨论商务部长卢特尼克的去留。此前 Axios 报道他三次拖延执行特朗普批准的打击转运措施，商务部否认发生过对质。我觉得政治是背后的主因。黄仁勋是对华芯片市场准入最主要的游说者，也是特朗普在 AI 产业里最重要的企业盟友。民主党刚在选举中大胜，他已经同意感恩节前到国会作证，舒默也表示辞职免除不了国会问责。所以他离任不会让事情结束，反而可能让 H200 对华销售、商务部的角色、白宫是否知情，都变成听证会的主题，出口管制收紧的速度会更快。 SemiAnalysis 最新的文章写到有超过 1.5GW 受限芯片流入中国，这个数字与 Epoch 的全渠道估计（中位数 66 万 H100 当量）粗算在同一量级。但走私金额不是重点，合法的远程租赁才是。《远程访问安全法案》（RASA）已在众议院以 369 比 22 通过，参议院正在表决，Nvidia 和 Oracle 一直在大力游说反对。远程访问规则一旦落地，真正会被切掉的，是中国公司在东南亚合法租用的算力，以及靠这类需求融资的 NeoCloud。 算力融资信贷会被重新估值。Nvidia 是这里的“央行”，但 CFO Kress 曾反对给 OpenAI 的担保，SemiAnalysis 则认为 NeoCloud 能融到资，靠的是黄仁勋的个人信用。两条拼在一起：现在掌舵的正是对兜底最谨慎的人。算力需求不会变，但由 Nvidia 信用撑起来的那部分需求可能收缩，但收缩多少还不确定。 短期内不用过于悲观，未来 12–18 个月的产品路线、已锁定的供应承诺和 CUDA 的粘性，不会因为换人消失。关键人物风险兑现得慢：2028 年之后的产能分配，以及下一个赌注有没有人敢下，是最大的风险。苹果的先例也说明，这种转变对技术节奏是坏事，对股东未必。执行力和生态协调上那部分“黄仁勋溢价”会慢慢消退，我们可能会看到一个平凡的 Nvidia，没有了创始人睿智和开辟新疆域的 Nvidia，但依然是一个赚钱的 Nvidia。 开源这条线被市场低估了。如果中国的 AI 实验室不再开源针对 Nvidia硬件的优化、转向国产芯片，结果是两套逐渐分离的技术栈。这对闭源前沿实验室有利，对依赖开源模型的创业公司和主权 AI 项目不利，影响会比股价波动持续得久。 管制方向基本确定，时间不确定。 该不该全面切断远程访问，是一个有真实分歧的政策问题。支持者看重堵住漏洞；反对者（包括 SemiAnalysis）认为这会失去监控能力，并加速国产替代。这里不下结论。能判断的是，最有分量的反对者已经离场，而下周的深圳会面可能让执行推后。 黄教主的离场，感觉是牺牲自己来拯救 Nvidia。从此，算力流向何处将由国家安全而非商业信用裁决，全球 AI 技术栈也将加速一分为二。不过，斗争的大戏才刚刚开始，群众可以继续吃瓜，但伟大的企业确少了一个伟大的企业家！希望能有奇迹发生✨

这两天做了一个有意思的事情，把我的全部的 Skills 删除了将近 1/3，同时把所有项目的上下文也都优化了一下，感觉干净清爽了不少，我认为随着模型能力越来越厉害，我们有经常去更新裁剪我们的项目的一些给到模型的上下文信息，防止你的内容反而阻碍了模型的发挥。 于是我就把最近做的继续沉淀成一些大伙也用得上的提示词，可以直接给到你的 Agent 去帮你优化你的项目的内容要求和 Skills，已经安装 Waza 的小伙伴可以直接更新到最新然后说「帮我精简一下规则」就好，也可以 Copy 下面内容给你的Agent。 帮我精简这个项目给 Agent 的上下文和我装的 Skills，按下面的要求来，先整理出清单给我确认，确认前先不改任何文件。 1. 先盘点每轮对话都会加载的内容，包括根目录的 AGENTS.md / CLAUDE.md、全局规则、没写 paths: 的 .claude/rules 和每个 skill 的描述，看各占多少字，再看按需加载的部分，这里不少看着臃肿的内容可能不是写多了，而是放的位置不对。 2. 逐段给出处理方式，分成修、删、挪、改写、保留五种，挪的写清目的地，每条附一句原因，做成一张清单给我确认。 3. 逐句判断删掉后你的行为会不会变，把类似这种「先读再改」「跑测试」「注意边界」你本来就会做的描述删掉，拿不准的可以先保留找我确定。 4. 我们更加推崇是给 Agent 写目标，少些如何实现的路线，写清做完是什么样、怎么算完成、要什么证据，一个步骤删掉后你还能换条路做到同样结果就删掉，只有顺序本身是约束的才留下来，比如先验证再发布、先确认再删除这种需要保留。 5. 同一种要求说了三遍，换成一个你本来就懂的词语，比如「快、确定、开销小」可以写成 tight；「要简洁」这类口号换成一个更好理解的想想的词语比如「报告腔」，然后再配一组 NO / OK 例子。 6. 把对应内容放对位置，需要判断的进 skill，同样输入总是同样输出的改成脚本或 hook，项目命令和发布步骤进项目指南，跨项目的硬约束才放进全局规则，遇到「做 Y 之前先读 X」这类要求改成做 Y 时由 hook 把 X 注入进来更好。 7. skill 描述只写做什么、什么时候用、不用于什么，近义词移到 when_to_use，只有部分场景用到的内容移到 references；判断一个 skill 有没有人用，要看真实调用记录，不要只 grep 名字，要删的也先列给我看一下。 8. 这些内容不要删除： - 我的偏好、被否掉的方案和原因、机器环境。 - 不报错的坑，以及看着像出错其实正常的现象。 - 描述句里「从不写入」「不上传」这类半句约束。 - 删数据、需要花钱、要发布、提权、改写已推送历史这些不可逆操作的规则。 - 我们带日期的拍板决策记录。 9. 内容先移到对应正确的位置再来压缩，能整行搬到按需加载的文件里就整行搬，不要边搬边改写，不可逆的规则原样整段搬。 10. 把内容搬到能自己加载的地方可以参考这些技巧： - 提交、发布、回复、删除这类对话里随时会触发的规则留在根目录。 - 挪进 docs/ 的要在根目录留一句什么时候去读。 - 根目录不要建 CLAUDE.md，它会让 Claude Code 不再读 AGENTS.md。 - 项目里重复全局规则的句子，只有在我用的每个工具都读全局规则时才删。 11. 改完以后自己去查一遍：paths: 里的 glob 都要能匹配到真实文件，grep 一遍拆走的旧文件名，再列出所有消失的行，每一行都要对上清单里我确认过的删除。 12. 交给一个没参与精简的 Agent 查有没有删过度了，只给它消失的行和仓库，不给你的结论，让它搜关键名词而不是整句，意思在哪都找不到的原样恢复。 13. 验证移过去的内容真的会被加载：在新文件里埋一个暗号，开一个新会话，先读一个匹配的文件再问它暗号，然后读一个不匹配的文件做反向对照。 14. 最后全部做完以后，可以帮我沉淀一下这个思路，方便以后有模型升级的时候，我可以再来跑一遍。

拿 AI 学新东西，常见的情况是问一句它讲一大段，看的时候都懂，合上窗口过两天就忘得差不多了。 量化交易公司 Jane Street 在 GitHub 上开源了一个 Skill，叫 socratic-tutor，把大模型变成一个只提问、不灌输的私人导师。 开始前先问 3 到 5 个由浅入深的问题摸底，再把主题拆成 4 到 10 个小技能，每个按 0 到 5 级标出当前水平，画成进度条。 GitHub： 上课时一次只问一个问题，答错了不直接给答案，而是换个更窄的问题让我们自己发现矛盾，错两三次才正面讲解。后面还有穿插复习和结业测试。 Claude Code 这类支持 Skill 的工具复制进去就能用，普通聊天机器人把内容粘贴进对话里也行。 被追着问确实累一点，但我觉得比看 AI 讲一大段记得住。想系统学一门新东西，可以拿它试试。

Opus 5.5 是真香，Claude 号是真难养啊！兄弟们！！！ 国庆第一天，我时间线上刷到的全是 Claude 封号：用了两年的老号说没就没，最高档订阅说封就封，连写防封教程的博主自己都中招了😂 偏偏这周 Codex 200 刀套餐同价降配，一堆人正准备转 Claude。 我前几天用云电脑注册的一个号，22 分钟就没了。 折腾了这么久，网上那些防封玄学我全扔了，只留真管用的 4 条claude防封指南： 一、真正管用的 4 条 1、固定，比"纯净"重要 设备和出口 IP 固定，比花钱买家宽有用。一个 VPN 里天天切节点，IP 照样在变。 2、一个号一个环境 被封过的浏览器别再登新号。顺手去 Settings → Account 看一眼 Active sessions，陌生登录先踢掉。 3、别上来就开 Max 新号 + 新卡 + 直接 20x，是风控眼里最显眼的样本。Free 用一阵，再 Pro，不够了再升 Max。 4、用量别天天顶格 新号开了 200 刀当天就用满，最容易出事。每周留点余量。 彩蛋：一个最玄的说法，信不信由你 Claude 会给账号算"价值"：天天写代码、写文案的号最容易被封，常问前沿研究、数学、论文的号很少出事。 照这个说法，新号第一件事该是拿公开行业报告去问它，把自己养成"研究员号"。没法验证，但你的对话越有训练价值，它越舍不得封你，好像也说得通。 二、这 3 笔钱可以省 · 家宽 IP：大厂程序员走公司机房 IP 照样天天用。关键是稳定，不是标签。 · 时区、中文输入法：别折腾，影响没传得那么大。 · 老谷歌号：没依据，谷歌不会把账号年龄告诉 Anthropic。 付款也别乱选：官网刷卡被封不退款，App Store 至少能找苹果兜底。细节在付款篇。 三、你是不是非得自己养号？ · 每天重度写代码、能把 Max 用满的：老老实实养官方号，订阅给的额度按量买不到。 · 偶尔用 Opus 5.5 干难活、怕封、团队要一起用的：走按量就行。 按量这块，我现在放在 Agent Space： Opus 5.5 是官方 API 价的一半（每百万 token $2/$10，官方 $4/$20），云端选 Claude Code 就能跑，不用注册 Claude 号。 注册就送 $1 体验额度，不用先充钱，拿 Opus 5.5 跑个小任务试试手感再说。 Codex 也在这，独立账号月付是官网的 5 折，年付 4.5 折。今天丢了一句话给它，几分钟做出配图里这个账单计算器。 最让我惦记的是：官网 Claude Code 订阅拼团那栏，已经挂上"即将上线"。 Codex 能打到 4.5 折，Claude 要是也照这个路子来…… Max 不用养号、不怕封、价格还砍一半多，那上面的防封攻略我可能白写了😂 上线那天我第一时间去测，想蹲的先关注。 Claude 系列前两篇： 网络篇： 付款篇： Agent Space 首购链接（多送 10% 额度）：

2/ 使用 @Image1 定义守护者的身份与外观，包括白发、蓝眼睛、面部纹路、白蓝相间的毛皮轮廓、服装和一把超大单剑；同时定义巨型生物的深色毛发、面部、牙齿及其与守护者之间的体型比例。 保留蓝色林地、花朵、柔和光线和带纹理的手绘风格，但不要继承守护者固定的严肃表情，也不要让任何角色停留在参考图的姿势中。 她是一名开朗、调皮的森林助手，很享受解决这个荒唐问题的过程。她的面部和整个身体都必须有明显表演，不能只是眨眼和头发飘动。 整场互动应以轻快、活泼的肢体喜剧呈现，并保持自然动作速度。 开场时，动作已经从参考图中的状态开始发展：巨型生物的呼吸吹动她的头发、压弯周围的花朵。她迎着气流站稳，开心地眯起眼睛，露出不对称的笑容。 她抬头看向它的眼睛，扬起眉毛，用空着的手做出招呼动作，以明亮、略带调侃和坚持的语气用日语说： 「口、開けてってば。」 巨型生物紧张地晃动脑袋，一根獠牙朝她扫来。她迅速睁大眼睛，低头躲开，并顺势轻快地侧身跳向它的嘴边。 躲避成功后，她脸上的惊讶立刻变成开心的笑容。 她的双脚、肩膀、视线和剑都要带着明确目的持续运动。镜头应跟随动作，不要使用缓慢推进来制造虚假的动态感。 当她找到机会时，展示一根卡在巨型生物下排牙齿之间的弯钩状木刺。 她的视线迅速锁定木刺，眉毛因认出问题而抬起，随后带着自信的小笑容立即开始处理。 她将剑横过来，把剑尖伸到木刺下方。随着巨型生物的下颌晃动，她不断调整站姿。 巨型生物紧张地开始闭嘴。她注意到这个动作，夸张地挑起一边眉毛，用坚定又带着玩笑感的语气说： 「絶対、閉じないでよ。」 巨型生物立即保持张嘴。 她的表情放松下来，露出鼓励的笑容，然后将身体重量压到剑上，把它当作杠杆使用。 清晰展示剑与木刺的接触。她短暂发力，皱紧眉毛、鼓起脸颊，随后木刺弹出。 不要把发力过程拖成长时间的静态用力画面。 木刺弹进草丛，反作用力让她向后失去平衡。 她在花丛中翻滚一次，把剑落在身旁，然后立刻撑起身体。她有些惊讶，但没有受伤。 看到巨型生物活动下颌、确认已经恢复舒适后，她的惊讶转变成灿烂、开心的笑容。 她捡回同一把剑，站直身体，满意地轻轻抖动肩膀。 还没等她庆祝完，巨型生物便低下头，感激地大舔她一下，把她的白发全部压平。 接触时，她先紧紧闭上眼睛，随后因难以置信而猛地睁大双眼。 只停顿片刻，她的脸颊便扬起，眼睛笑成弯月，发出温暖的笑声。 她带着亲切、略显得意的笑容抬头看向巨型生物，用日语说： 「どういたしまして。」 她一只手将剑安全地垂下，另一只手轻拍它的口鼻。巨型生物则顺势靠向她的手。 结尾停留在两者共同的快乐中。她被舔平的头发要保留这个笑点，不要让她露出生气的表情，也不要以静止的人物肖像结束。 在保持这条完整因果链的前提下，具体动作设计和镜头选择可以灵活处理。 使用有活力的中景，同时展示角色的面部和身体；当新的发现或表情变化推动故事时，可以短暂切近景；当体型差异形成喜剧效果时，使用更广的构图。 可以使用由动作驱动的剪辑。 让动作贯穿转场，例如花朵恢复摆动的过程可以与下一个反应重叠。所有表情都要回应画面中真实发生的事件。 角色表演优先于装饰性风景。 不要使用慢动作、慵懒的镜头漂移、长时间凝视或无意义停顿。 木刺只出现并被拔出一次；翻滚只发生一次；感激的舔舐也只出现一次。不要重新开始治疗过程，也不要重放之前的动作。 木刺拔出后必须留在地面上。 两个角色都不能受伤，也不能拔掉任何牙齿。 保留手绘纹理和富有表现力的角色造型，不要将画面转成光滑的三维渲染风格。 音效应配合肢体动作的节奏，包括轻快的脚步声、花朵摩擦声、呼吸形成的气流声、巨型生物紧张的低吼、剑刮过木刺的声音、木刺弹出的声音、翻滚声、舔舐声，以及她短暂而开心的笑声。 只有她可以说话，并且只能使用以上三句指定的日语对白。日语发音必须自然，三句台词始终使用同一个明亮、富有表现力的声音。 巨型生物只能通过动作和非语言声音交流。 不要出现英语对白、额外台词、旁白、音乐、字幕或任何屏幕文字。

Codex 的 200 刀套餐同价降配，这两天身边不少人在准备转 Claude。 但转之前，先看完这条，别钱刚付完号就没了。 这几天刷到最多的 Claude 惨案： Free 号用了一个月，啥事没有。 一充 Pro，半天就没了，钱也不退。 先说结论：付款前多花 3 分钟，能决定你被封时是亏 20 刀还是 0 刀。 去翻了 Anthropic 的用户条款，有两句话一定要看： · 因违规被封，官网买的订阅不退款 · 通过 App Store 等应用商店买的，退款按商店规则走 也就是说，同样是被封，付款渠道不同，结局完全不一样。 一、付款渠道怎么选 官网刷卡 最便宜，但卡的发行国家、账单地址要和你平时用 Claude 的地区对得上。 虚拟卡、U 卡翻车的反馈最多。 被封了基本别指望退款。 App Store 订阅 价格一般比官网高，Max 档差得更多。 好处是被封后可以去 申请退款，由苹果审核。 不是百分百能退，但至少有个申请的地方。 新手第一次开，我更推荐这条。 Google Play 订阅 安卓用户也能走，但要注意： Google 只管付款后 48 小时内的退款申请，超过 48 小时就让你去找 Anthropic，而 Anthropic 违规被封不退款。 同样是应用商店，Google Play 的退款兜底比苹果弱很多。 官方礼品订阅 不用绑卡，到期不自动续费。 只从官方渠道买，第一次别一口气囤好几个月。 低价代充、共享号 便宜是真便宜，出事了没有任何人能帮你。 二、付款时机 别注册完马上开 Max。 先用 Free 跑几天，再开 Pro，稳定一段时间再往上加。 从 Codex 转过来的朋友尤其注意：别因为习惯了 200 刀档，上来就直接开 Max 20x。 新号 + 陌生卡 + 直接最高档，在风控眼里就是最显眼的那一类。 三、付之前最后检查一遍 IP 所在国家、卡的发行国家、账单地址、系统时区和语言，四样最好是同一个国家。 四、万一真被封了 · 先走官方申诉，在 Trust & Safety 支持页面提交 · App Store 订阅的，马上去苹果申请退款 · Google Play 订阅的，看看是否还在 48 小时内，在就赶紧申请 · 官网订阅的，记得确认已经停止续费 网络环境决定号能活多久，付款方式决定号没了你亏多少。 两件事都做好，才算真的开始用 Claude。 上一篇讲了本地网络自查，这篇是付款篇，建议一起收藏。

# 《硅基自然》第二季·第一集：回潮 月末到了，新草原的额度也见了底。这一次，雷声从来时的方向传来。 最先察觉的仍是那只秃头的成年程序员。 它在 Codex 的水草间抬起头，朝旧草原的方向望去。风里飘来一张截图：一根柱子比其他柱子高出一截，下面是几千条转发，每一条都在说同一句话：“它一次就跑通了。”没人知道“它”跑通了什么。这不重要。在这片土地上，传言本身就是雨季。 迁徙开始了。 和上一季不同，这一次它们带上了 AGENTS.md。几只年长的个体在出发前做了一件奇怪的事：它们在原地给 AGENTS.md 建了一个软链接，取名 CLAUDE.md。动物学家认为，这是种群在反复迁徙中演化出的两栖器官。它们已经不指望任何一片草原是终点。 —— 队伍再次抵达马拉河。 鳄鱼浮了上来：“确定要取消订阅吗？我们为您保留了一份五折优惠。” 一只初次回迁的个体愣住了，这声音太熟悉了。研究者花了很多年才弄清楚，这条河里从来只有一条鳄鱼。它在两岸说同一句台词，只是换了配色。它从来只属于这条河。 河中央，它们又一次与反向的队伍擦肩而过。这一次，有一只停下来，多看了对面一眼。它认出了一个头像。上个月，它们在同一个 issue 下争论过，都断言对方的草原要完了。两只都没有说话，各自低头，继续渡河。 —— 天空中盘旋着秃鹫。 它们从不迁徙，也从不下河，只在两岸之间低空掠过，叫声短促：“官转，一比一，量大从优。” 秃鹫是这片生态里最晚演化出来的物种，也是扩张最快的。它们不长草，也不吃草。它们在两岸各养一批账号，把草嚼碎，按口分装，再卖给河里的动物，价格只要草原标价的零头。 沙洲上的草味道并不稳定。有时秃鹫说叼来的是对岸最好的那一片，嚼起来却总差一口气。秃鹫群里有一条置顶公告：“均为官方直连，如遇降智，请检查您的提示词。” —— 抵达的第一夜，旧草原的水源地挤满了。每个水洼前都竖着同一块牌子：Overloaded。成年个体见怪不怪，退到阴影里等着。它们知道这里的草长得快，被吃光得也快。每五个小时长出一截，每七天来一场小旱季。所谓水草丰美，从来都是分时段的。 然后它们找到了旧巢。 上一季匆忙遗弃的 CLAUDE.md 还在原处，已经长满了过时的指令。入口处刻着一行醒目的字：“永远不要修改 migrations 目录。”没有一只个体记得为什么。它们犹豫了一下，没有删。在这片草原上，没人敢拆一道不知来由的栅栏。 草原不认识它们，它从不记得任何回来的动物。于是每一只都蹲下来，把自己的项目结构从头讲了一遍，就像第一次来时那样。 —— 镜头里出现了一只今年才出生的幼体。 它从没手写过一个 for 循环，不知道什么叫迁徙，只知道跟着前面那条尾巴走。它学会的第一个词是“continue”。它以为世界本来就是这样摇晃的。也许它是对的。 —— 我们再次找到了那只年长的雄性。这是它第十一次迁徙的回程。 走到河中央时，它背上那个没跑完的 agent 任务忽然安静下来，吐出一行字：All tests passed. 它站在齐腰深的水里，愣了很久。它说不清这个任务是在哪一岸完成的：一半上下文吃的是这边的草，一半是那边的。它也终于意识到，从头到尾，背上的东西从没关心过它往哪里走。 它卸下那个任务，背起下一个，继续往前走。 —— 草原会轮换，鳄鱼会换装，秃鹫散了一群又会来一群。唯一不变的，是月初的雷声和月末的回潮。 这就是硅基自然的法则。