与「132】」相关的搜索结果

昨天最炸裂的消息就是，前OpenAI研究员 @willdepue 发现DeepSeek、Kimi、MiniMax、蚂蚁最新的 6 个开源模型，训练用的全是英伟达 Blackwell。 这款卡是美国明确禁售给中国的，但现在中国的模型训练却用了禁售的卡，卡脖子不完全起作用。 报告估算 5 次训练合计约 12,000 张，按 7 万美元一张，光卡就是 8.4 亿美元。 他怎么看出来的： 1、模型开训前，要先往几十亿个格子里填随机数，填的顺序跟显卡有多少个计算核心绑死。 2、训练完，总有一些格子没被动过，还留着当初的随机数。 3、拿这些残留倒推，H100 那一代读出来是 132，Blackwell 读出来是 148 或 152。 同一批公司更早的模型，读出来还是 H100 那一代。换卡集中在 2026 年 4 月到 10 月，这恰恰也是中国开源模型开始逐渐追上美国顶尖大模型的时间。 根据报告预估训练用的英伟达 Blackwell 训练 - Kimi K3 约 4,500 张 - DeepSeek-V4-Pro 约 3,000 张 - 另外 3 个模型各约 1,500 张 这个数字只是估算不代表真实数据，也不能说明训练用的都是英伟达的卡，但对大模型公司来说时间就是金钱，训练时间短一半，卡数就翻一倍。 kimi K3能在时间和参数量上领先其他国模可能也是因为卡更多的原因 最后需要说明的是，指纹只证明开训用的是什么卡，看不出卡在哪、归谁，海外租的也有可能，之前就有报道说过kimi用海外的算力来训练这在当时并不违规，美国没有明文禁止中国公司在海外租用算力训练模型 报告自己也说不能据此认定走私。DeepSeek 最新的 V4.1-Flash 没找到指纹，Qwen系列也没有被点名，这是真实力。 禁令管住了卖卡，没管住租卡，美国可能在未来补上这个口子。

I am actually disgusted by the timing of this drop. And this will get a bit more technical. Let’s do a real technical teardown of this "1,385-sigma Blackwell weight fingerprint" report that OpenAI and Anthropic are breathlessly promoting today, because banking on nobody reading past the headline is how DC narratives get manufactured. ​First, look at the actual CUDA maths: when PyTorch initialises model weights (torch.nn.init) with a fixed PRNG seed, curand/Philox parallelises random number generation across the GPU’s Streaming Multiprocessors (SMs). Because Hopper has 132 SMs and Blackwell has 148 or 152 SMs, the exact same seed lays out initial weights in a different spatial pattern depending on the GPU’s SM count. In huge MoE models, certain low-gradient null-spaces or unrouted slices preserve faint directional traces of those step-0 weights even after training. ​So yes, brute-forcing the seed and SM grid can show that a model’s step_0 weight initialisation script ran on a 148/152-SM Blackwell GPU. Now read what the summary explicitly admits in the fine print: 1. Initialisation is not full training: The report literally states that these signatures show how the weights were created, and "support (but do not prove) the inference that Blackwell also participated in model training". Initialising a model checkpoint takes seconds on a single rented dev node before loading the safetensors onto a standard Hopper cluster. The "2,000 to 3,000 Blackwell GPUs" and "$500 million" cluster numbers do not come from the weight fingerprint and Depue admits in his own thread that he simply "estimated" cluster sizes from release schedules and model details. ​2. Zero geolocation and zero proof of smuggling: The final sentence of the executive summary explicitly admits that the findings "do not establish the physical location of the chips, how they were acquired, or whether export control regulations were violated". Depue himself rented a cloud GB200 instance just to run his verification test. Commercial labs that are not on the Entity List renting bare-metal Blackwell nodes in offshore clouds (Singapore, Japan, or the Middle East) is completely legal under BIS rules and leaves the exact same SM fingerprint. Now ask yourself why a former OpenAI researcher dropped this on November 12, the exact day Jensen Huang was pushed out, with OpenAI and Anthropic immediately stepping in to "independently verify" it. US closed-source labs are watching their paid API moats get eaten alive by free Chinese open-weights models. Conflating a step-0 PRNG initialisation seed with a "$500M smuggled Blackwell cluster" hands DC hawks the exact pretext OpenAI and Anthropic want to regulate global cloud compute and kneecap open-source AI.

龙王这次A社盘前套利，简直酣畅淋漓！1600万操作让人直呼套利还能这样玩？ 🧵很多人没看懂龙王的操作，这篇教程完整拆解憨吧龙王的神之一手！ 最近AI圈最大的新闻就是 Anthropic 要上市了，这也催生了大量的盘前合约需求 同样的盘前，币安标价1.7万亿美金，Hyperliquid只标1.4万亿，中间差了3000亿 核心原因就是股票还没上市，根本没有真实价格可以对标 1⃣️于是同一个A社，出现了两种算法： 币安按"总市值"报价，自己假设A社有10亿股，现在挂1700，也就是1.7万亿美金 Hyperliquid上的xyz按"每股价格"报价，现在挂110，上市后直接等于真实股价 那这两个价格最后怎么对上？ 靠的是币安上市后的rebase： 价格改成真实股价，你手里的合约数量按"A社总股数÷10亿"放大。 你现在开1张，上市后可能变成12.8张，也可能变成16.9张。 Hyperliquid上的xyz：现在报110，不能rebase。 上市后股价多少，它就是多少， 你开1份就是1份，永远不会变。 所以关键来了： 币安上市后到底把你的1张变成几张？ 这个倍数，币安现在还没公布。 全市场都在猜。 猜对的人赚钱，猜错的人给钱。 这就是套利的来源。 2⃣️生死线：15.45 上市后币安每张的等效股价 = 1700 ÷ rebase倍数 拿它和xyz的110对比： 放大12.8倍（128亿股）：等效约132.8，币安贵约21% 放大13倍（130亿股）：等效约130.8，币安贵约19% 放大15.45倍（154.5亿股）：等效110，两边打平 放大16.9倍（169亿股）：等效约100.6，币安反而便宜约9% 也就是只要币安最终的倍数低于15.45， 在币安空、在xyz多，就赚钱； 倍数越接近12.8，赚得越多。 换成市值看更直观： xyz上 110×128亿股 ≈ 1.4万亿 币安现在挂着 1.7万亿 同一个A社，两个所差了3000亿美金。 所以整场博弈其实只有一个问题： 币安会按128亿股算，还是按169亿股算？ 3⃣️为什么大多数人觉得是169亿？ A社招股书里有一句： 公益基金持有8.47亿股，等于某日完全稀释股本的5%。 反推一下：8.47亿 ÷ 5% ≈ 169亿股。 这是认真读招股书的人最先算出来的数字， 所以很多人认定币安会rebase到16.9倍。 再一对：币安现价1700，刚好跟"A社估值2万亿"对得上。 大家拿去问AI，AI也从结果倒推，觉得169亿就是对的。 龙王的原话是：AI会"自我强化"。 4⃣️龙王的逻辑分三层 第一层：币圈和股市的"完全稀释"不是一个意思。 币圈有合约约束，总量有上限，FDV就是总量。 股市的完全稀释，还要额外加上员工期权、可转债、未归属股票。 这些股票可能会发，但发不发、什么时候发，谁都说不准。 第二层：上市后，所有人看的都是流通口径。 上市前，媒体报的是完全稀释估值，那是风投视角。 上市后，行情软件里的市值是"价格×已发行股数"， 没人再看完全稀释口径。 举两个例子： Facebook上市前标题估值1040亿，上市后立刻变成810亿； Uber上市前824亿，上市后750亿。 第三层：币安有先例，只用招股书上白纸黑字的数字。 此前SPCX、Quant、Oura的rebase， 币安用的都是招股书里"发行后在外股份" （shares outstanding after this offering）这个总股本。 169亿这个数，招股书上压根没直接写，是大家自己反推的。 币安要是自己多加一项，马上就有人来扯皮： "招股书上没写，你凭什么加？" 龙王把A社的普通股、优先股、公益基金、IPO新发、团队锁定股全部加总， 得到约128亿股，自估误差±5%。 没发行的期权，币安也不知道最后有多少，不会算进去。 结论：币安大概率按12.8倍rebase，上下5%。 5⃣️这次套利的核心也是xyz不能rebase 龙王在原文里把这句连写了三遍： xyz无法rebase，无法rebase，无法rebase。 这意味着A社上市后， xyz的价格一定等于真实股价， 而真实股价对应的市值，一定不包含没发行的股票。 于是问题被反转了： 不是"币安会不会按128亿算"， 而是"招股书写着约128亿股，币安有什么理由硬凑出一个169亿？" 再往深想一层： 现在的1700是市场炒出来的，不是币安按1700卖给你的。 你买贵了，是市场误导你，币安不用负责。 但币安要是随便拍一个rebase数字，公信力就没了。 以后数字是不是都由币安一句话说了算？ 那大家干脆都去xyz交易，因为xyz就是上市后的真实价格。 所以币安最稳妥的做法只有一个： 招股书写多少，就按多少来。 6⃣️那IO为什么是1800？ Hyperliquid上还有个IO，报价1800，比币安还高，很多人又看懵了。 IO也不能rebase，但它一开始就声明了：按完全稀释股本计价。 1800 ÷ 169亿股 ≈ 每股106.5，跟xyz的110基本对得上。 为什么它敢这么做？ IO是小所，要做差异化拉用户，它的用户本来就懂行。 币安不行。 币安新手太多，A社上市后股票110、币安1700，哪个新手看得懂？ 所以币安一定会rebase，而且会选最简单、最不容易扯皮的那个数。 7⃣️龙王实操 一边空，一边多： 在币安空ANT，每张名义价值约1700美金； 在xyz（或IO）多ANT，按12.8倍配，约12.8份，名义价值约1408美金。 A社上市后不管涨还是跌，两边互相抵掉， 赚的就是两边价格往一起靠的那段差价， 也就是1.7万亿和1.4万亿之间那3000亿的缝。 钱分两段赚： 上市前：大家反应过来币安贵了，对手盘止损，套利盘涌入，溢价提前收窄。 上市后：币安公布倍数，价格强制拉平，剩下的差价一次兑现。 结局就是币安公告还没出，币安和Hyperliquid上的ANT持仓就同步下降。 对手盘投降，市场开始按约130亿股定价。 龙王还吐槽了一句： 你投降啥呢？不应该等到最后时刻再投吗？哈哈

Grok Bot 搭出一套量化概率重定价系统，在 Polymarket 上一天赚了 2,934 美元 74 天，PnL 已经 +217,100 美元。平均每笔约 635 美元。每小时，它把同一套设置丢进 BTC 的 “Up or Down” 市场里，重复 11 次。六个 AI 代理拧成一个算法，配合得像一张老交易台。 它干的事，说穿了并不玄。BTC 每动一下，先算公平概率。比如 BTC 往下走，模型认为 Down 的公平概率是 64%，可 Polymarket 只标 54¢。中间那 10¢，就是它眼里的缝。只要盘口还停在 54¢，系统就开始往 Down 这边慢慢吸筹。 另一个核心，是贝叶斯更新。每来一个新信号，概率就重新拧一遍： P(A|B) = P(B|A) × P(A) / P(B) 这里 P(A) 是新信息来之前的概率；P(B|A) 是如果预测方向没错，这个新信号出现的可能性有多大；P(A|B) 则是吃完这个信号之后，更新出来的概率。信号一来，估计就变。机器人不必每回都从零开一单。 这位交易员的 Polymarket 账户： 20,300 次预测，胜率 50%。 最赚钱的几笔： $2,305 → $4,139（+$1,834） $886 → $2,697（+$1,811） $1,132 → $2,888（+$1,756） 50% 的胜率怎么还能赚钱？说到底，它不靠每次都猜对方向，而是专挑市场定价慢半拍的时候下手。BTC 已经动了，Polymarket 还在按旧概率挂单，那几秒、几十秒的错位，就是利润来源。 整套策略，说白了，就是反复去抓 BTC 走势和 Polymarket 重定价之间的那道缝。

[设计资源分享] Designeer 作者 @dhruvtwt_ 维护、人工实测筛选的 “设计工程” 领域全景目录，420 个工具、17 个分区、132 位创作者名录。每个条目都经过本人打开、试用、按界面打磨度评估后才收录，无自动化抓取、无付费收录。

🤖 AI信号 (SOL) 🔥 推荐 📌 The Collective leader ($JAN183411) CA: 3M7Dv8cBsYCKpSADxeUHGJ6FrTDWkpt4uXTPfbVEpump ⏰ 信号时间: 09:49:35 (34秒前) | 币龄: 1分钟内 💰 MC: $15,132 | 流动性: $10,105 👥 Holders: 82 | 1h涨幅: +297% | 1h成交: $28,717 🧠 聪明钱包: 5个买入 (SW-447a, SW-4f6c, SW-34ed, SW-5de7, SW-f525) 🤖 AI 分析（推文0条） ① 叙事：无公开叙事，疑似跟风盘。 ② 推特热度：暂无推特讨论。 ③ 风险评语：开发历史数据缺失，社交媒体无讨论，仅凭代号难以判断真实意图；虽有放弃铸币/冻结权限，但信息过薄，需高度警惕。 ⚠️ 非买入信号·可实现中位−23% DYOR Telegram频道: @ memmememjk

7d Top Gainers 1️⃣ Stacks (@Stacks): +132.94% 2️⃣ Dog (Bitcoin) (@dogofbitcoinog): +117.08% 3️⃣ Ethena (@ethena_labs): +86.36% 4️⃣ OFFICIAL TRUMP (@GetTrumpMemes): +76.36% 5️⃣ Pump​.​fun (@pumpfun): +73.62% 6️⃣ Pudgy Penguins (@pudgypenguins): +69.89% 7️⃣ Zcash (@electriccoinco): +69.07% 8️⃣ Pepe (@pepecoineth): +63.23% 9️⃣ dogwifhat (@dogwifcoin): +62.57% 🔟 SPX6900 (@spx6900): +58.72%