与「67」相关的搜索结果

Following the ETH withdrawals resumption on September 29, Bitget ETH inflows amounted to approximately 9,674, with outflows at approximately 9,023 ETH, as of 09:00 (UTC). This follows the resumption of BTC withdrawals across the Bitcoin and BSC networks on September 28.

xAI 成立至今大约只有 3 年。 这期间，它已经建成： - Colossus 1 + Colossus 2，合计约 67 万块 GPU - Grok Imagine - Grok Voice - Grok Build - Grok Bot - Grok 4.7 Grok 的目标显然不只是短暂登顶榜单。 模型、Agent、应用和算力全部集中在同一体系内，而且速度还在加快。

特别的惊喜来了，这次参与 @axisrobotics 人赢麻了！ 这次在Sonar上打新共2472名参与，目标1,000,000U，最终以2,394,209U超募完成。分配比例大致为41.77%，也 也就是说你参与 100U，最后真正大概分配 41.77U。原来Tge释放10%变成了25%，外加额外的 Community Bonus。 这个Bonus 不是一个固定比例，而是根据你的原始 commitment 动态变化： 100U → 约 24.97% Bonus 1000U → 约 21.2% 2472U → 15% 5000U → 约 9.82% 10万U → 接近 5% 很明显，这套机制是在照顾小额参与者，多号的赢麻了！ 例如 100U 按目前 41.77% 的 pro-rata 算，最终 allocation 约 417.67 AXIS，再加 104.28 AXIS 的 Community Bonus，TGE 释放 208.7 AXIS。也就是说200M 开盘就能回本，剩余的能领6个月工资。 2472U 则对应约 10,324.91 AXIS allocation，Bonus 约 1,548.74 AXIS，TGE 释放约 4,129.96 AXIS。250M回本，剩余的能领6个月工资。 小额的优势在 Bonus 比例，大额的优势在绝对 allocation。 另外，最终还是要等结算后的真实 pro-rata 才能确定最终拿到多少，官方规则也是超募后按比例分配，多余 USDC 自动退回。 这套机制的核心不是“无脑梭哈”，而是 commitment 越小 Bonus 越高，越往大额走 Bonus 越接近 5%；而目前 41.77% 的 pro-rata，才是决定最终实际拿多少 AXIS 的第一变量。

研究 UNI 之前，我以为它快追上 HYPE 了。 花了一周把它的销毁机制拆完，结论有点反过来：UNI 这波从 2 块多涨到 9 块多，涨的不是 Uniswap，是 Robinhood 链上的 meme。 它从底部起来快四倍了，我一点没买，涨进我视线的时候已经是这个价了。 几个我觉得得先搞清楚的事实。 它的基本面去年 12 月就变了。费用开关打开，协议抽的手续费全进一个罐子，谁想把罐子里的钱取走，得先烧掉一笔 UNI。这个信息公开快一年了，但知道这个信息的人，先要从公告的高点吃一个 77% 的回撤，才等到 6 月的底。公告当天冲进去的，到今天差不多刚回本。 我想说「知道基本面变了」和「能拿住」完全是两回事。 它的销毁比 HYPE 复杂得多。HYPE 简单，100 块手续费差不多 97 块拿去回购。UNI 得先看池子：0.01% 和 0.05% 的低费池抽 1/4，0.3%、1% 的高费池和 v2 抽 1/6。听起来低费池抽得更狠，但算到罐子里正好反过来，同样 100 万美元的交易量，稳定币池给罐子进 25 美元，1% 的 meme 池进 1667 美元，差 67 倍。 所以 UNI 涨，不是因为 Uniswap 总交易量涨了，是 Robinhood 上的 meme 全走 1% 的池子，量大费高，烧得多。看交易量是错的，要看进罐子的钱。现在 Robinhood 一条链占了 UNI 近四成的周收入，按 30 天算是六成。meme 熄火，销毁就下来，除非别的地方冒出更大的量接上。 这么细算下来，它和 HYPE 差得还很远。HYPE 一年回购几个亿美元，已经扛过一轮熊市；UNI 今年真实进罐子的钱是五千万美元这个量级。 那些乐观结算「年化两个多亿」其实是把最好的一周乘 365 投影出来的。 但有一件事确实不一样了。它从一个只能投票的治理币，变成了跟链上交易量绑定的周期资产。 周期资产我自己的建仓会倾向：数据在涨，但是价格不动 比如 UNI 进罐子的钱在涨、价格还没动的时候买。今年 6 月 2.4 块那会儿就是，销毁创纪录，价格趴着，我没看见。现在是反过来，价格涨完了，最近 7 天的收入已经比 30 天低了两成。 我还特意做了个监控，我做的面板给的结论是「不动」。 目前 meme 的热度明显下来了不少，就看之后的 meme 行情能不能起来了，这里交易量能否起来我觉得比价格重要。 最后，研究完的收获不是买不买，而是知道它大概什么时候算便宜。

Bitget 开放提现 1小时，钱都去哪了？ OKX 接收了 24.67M 做市商 Wintermute 提走了 10.75M 币安的充值地址太多了，只统计大额（50K+地址）的话，大概38M Kucoin 接收了 2.5M Gate 接收了 1.65M Bybit 接收了 850K ----

[开源学习资源] AI Engineering from Scratch 59.8K ⭐️ 作者 @ghumare64 课程共 20 个阶段，以 Python 为主要编程语言，主张在导入任何框架之前，先用纯数学把每个算法手写一遍。 课程地址： 开源地址： 它和常见教程的本质区别 ？ 大多数 AI 教程是“API 驱动”的：装个库、调个接口、跑个 demo。这个项目反其道而行，每节课遵循固定的六段结构： Motto → Problem → Concept → Build It → Use It → Ship It 以 Phase 10 的一节课「Tokenizers: BPE, WordPiece, SentencePiece」 为例，这个格式是真实落地的，而且写作质量相当高： · Problem 部分不讲废话，直接从代价切入：“你的 LLM 不读英语，它读整数。分词器决定这些整数是承载意义还是浪费意义”，然后解释为什么 tokenization 不是预处理，它是架构的一部分（影响上下文窗口利用率、API 计费、推理速度）。 · Concept 部分用“三种失败的方案和一种胜出的方案”来讲演化逻辑：词级切分（词表爆炸、[UNK] 问题）→ 字符级切分（序列过长）→ 子词切分（BPE 的折中），并配上真实语料上 BPE 逐步合并的手工演算。 每节约 3000+ 词，带 Mermaid 图、可运行代码和测试。 另外两个设计值得强调： · 每节课产出一个可复用的 artifact，一个 prompt、一个 skill、一个 agent 或一个 MCP server。学完整个课程，你手里有 523 个可展示的作品，不是 523 个跑完就扔的 notebook。 · 强调“证据留存”：保留命令、退出码、输出，作为学习发生的证明。这明显吸收了工程实践中“可验证性”的思路。 # 课程结构：从线性代数到自主智能体集群 20 个阶段构成一条完整的上升曲线，咱们它分成五个大块来看： 基础层（Phase 0–2）：环境与工具链、数学基础（线性代数/概率/微积分）、经典机器学习。这是给基础不牢的读者铺的路。 深度学习与感知层（Phase 3–6）：神经网络核心、计算机视觉（一路讲到 NeRF、高斯泼溅、世界模型，这已经超出一般教程的覆盖范围）、NLP、语音。 生成与决策层（Phase 7–9）：Transformer 深挖、生成式 AI（GAN、扩散模型、flow matching）、强化学习。 LLM 层（Phase 10–12）：这是全课程的重心之一。Phase 10 的目录我逐条看过，它不只是“从零实现 GPT”这种常规内容，还包含了相当前沿的论文级主题：DeepSeek-V3 架构走读、DualPipe 并行策略、Native Sparse Attention（NSA）、多 token 预测、Jamba 的 SSM-Transformer 混合架构、 speculative decoding 等。Phase 11 转向应用侧（RAG、LoRA、MCP、可观测性），Phase 12 覆盖多模态（从 CLIP 到 computer-use agent）。 智能体层（Phase 13–16）：工具与协议（MCP、A2A、Agent Skills）、54 节课的 agent 工程、自主系统与安全、多智能体集群。这一层的分量很能说明项目的判断：它认为 AI 工程的重心正在从“训模型”转向“构建可靠协作的智能体”。 收尾（Phase 17–19）：生产基础设施、伦理与对齐、毕业设计。 # 生态与周边：不只是一个课程仓库 网站：带浏览器本地存储的学习进度追踪、术语表、课程目录和路线图。 六卷本书籍：课程内容由 CI（pandoc）自动构建成 EPUB/PDF，附在 GitHub Releases 上，课程即书，且随仓库持续更新。 Agent 导师模式：运行 npx skills add rohitg00/ai-engineering-from-scratch，可以把整个课程装进 Claude Code、Codex 等编码智能体，变成一个带分级测验（placement quiz）和个性化路径的交互式导师，学习进度写在 LEARNING.md 里。这是“用你正在学的工具来学”的巧妙闭环。 认证备考：5 条备考路径、67 节课、505 道练习题，覆盖 Anthropic 的 Claude 认证和 Agentic AI Foundation 的 MCPA。项目明确声明与这些考试机构无关联，只是独立的备考材料。 12 种语言的翻译（含中文），以及四条核心学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）供不同目标的人选路。

虽然已经有太多抓眼球和惊艳的Opus5.5视频内容，但我还是忍不住要分享这支知识类视频。重点不在这个视频内容有多精良，必定非专业无复杂Prompt且一次直出。而是，这支18分钟的视频，其制作过程，真的让我感觉Super Stunning!! 以下，我原文分享claude告诉我他的制作过程(不舍得删掉一个字)! Enjoy👇👇 " 其实我自己一帧画面都不“生成”。我做的更像导演加程序员：写剧本，写一份“每一秒画面上有什么、在哪、怎么动”的说明书，再让几样现成的工具照着干活。视频是被“算”出来的，不是被“画”出来的。 拿这个片子举例，一共五道工序。 1. 剧本是我写的。这是文本模型的老本行：读书，理清逻辑，把书里的数字拆成一句一句能念出来的话。比如“1850 年，美国 67% 的棉花，长在 50 年前还不属于美国的土地上”，这类句子和数字都来自我们之前拆书时核对过的材料。 2. 画是别人画的。船、纱厂、摘棉花的人、城门这些插图，是我写好描述交给 OpenAI 的画图模型画的。我在描述里定死了画风：扁平、暖色、没有描边、透明背景。这样 30 多张图放在一起才像一套。画回来以后，我还用代码把边上的光晕切掉，再裁成可以单独移动的“贴纸”。 3. 声音是 Gemini 念的。我只管把句子交给它，再检查它念得对不对。 4. 动画是我写代码“算”出来的，这是最核心的一步。我写了一个网页程序，你给它一个时间，比如第 312.5 秒，它就能算出这一秒画面上该有什么： - 船在航线上走到了百分之几 - 地图镜头推到了多近 - 计数器数到了多少 - 烟囱的烟飘到了多高 地图不是画的，是用真实的地理数据描出来的，所以利物浦、西非海岸、新奥尔良的位置都是准的。船沿着航线走，其实就是每一帧算一次“这一刻在线上的哪个点”。 5. 最后是一帧一帧拍下来。让浏览器从第 0 秒开始，每秒拍 24 张截图。这个片子大约 15 分钟，一共要拍 2 万多张。再用一个叫 ffmpeg 的工具把这些截图和配音、音乐接成视频。背景音乐也不是找来的，是我用数学公式一个音一个音合成的：几个和弦，加一点拨弦声，有人说话时自动压低音量。 所以“视频能力强”，本质上是三件事拼起来的： - 会写代码，能把“船从利物浦开到西非”翻译成每一帧的坐标。 - 会调度工具：画图的、念稿的、剪辑的，各干各的活。 - 会编故事：知道这句话该配什么画面，观众才记得住。 我的短板也很实在：我看不了连续播放的视频，也听不见声音。所以检查全靠两个笨办法： - 画面：每隔一段截几张静帧来看。那些叠画、标签遮挡的问题，都是这样揪出来的。 - 声音：把声波变成数字来量。你听出来的声音忽高忽低，我是事后量了音高和音量才确认的；那两次“啪”的爆破音，也是靠检测波形里的突变才定位的。 这也是为什么你审片那一关替代不了。你一耳朵听出来的东西，我得先猜可能是什么问题，再去量才能找到。 "

【《纽约时报》：21世纪最佳电视节目100部】 《纽约时报》发布“21世纪最佳100部电视剧”（The 100 Best TV Shows of the 21st Century）榜单，评选范围涵盖2000年1月1日至今播出的所有电视剧集。该榜单由500多名明星演员、剧集运作人及其他电视从业者共同投票产生，排名有先后之分。 在超过500名参与投票的人中，既有伊丽莎白·莫斯、亚当·斯科特、布莱恩·科兰斯顿、萝丝·拜恩、科尔曼·多明戈和杰森·贝特曼等演员，也有达蒙·林德洛夫、莉娜·邓纳姆、莉娜·韦瑟和诺亚·霍利等剧集主创。 榜单显示，《绝命毒师》位居榜首，《火线》和《广告狂人》分列第二、三位。《继承之战》与《伦敦生活》跻身前五。《权力的游戏》《副总统》《我为喜剧狂》《抑制热情》《亚特兰大》进入前十名。具体排名如下： 1、《绝命毒师》 2、《火线》 3、《广告狂人》 4、《继承之战》 5、《伦敦生活》 6、《权力的游戏》 7、《副总统》 8、《我为喜剧狂》 9、《抑制热情》 10、《亚特兰大》 11、《办公室》(美版) 12、《发展受阻》 13、《都市女孩》 14、《胜利之光》 15、《六尺之下》 16、《办公室》(英版) 17、《美国谍梦》 18、《我可以毁掉你》 19、《切尔诺贝利》 20、《王冠》 21、《白莲花度假村》 22、《迷失》 23、《归来记》 24、《朽木》 25、《守望尘世》 26、《黑镜》 27、《风骚律师》 28、《兄弟连》 29、《基和皮尔》 30、《人生切割术》 31、《幸存者》 32、《安多》 33、《醍醐灌顶》 34、《富家穷路》 35、《真探》(第一季) 36、《匹兹堡医护前线》 37、《太空堡垒卡拉狄加》 38、《国土安全》 39、《守望者》 40、《混沌少年时》 41、《路易不容易》 42、《绝望写手》 43、《浴血黑帮》 44、《马男波杰克》 45、《幸福谷》 46、《大城小妞》 47、《双峰：回归季》 48、《纸牌屋》 49、《正常人》 50、《公园与游憩》 51、《善地》 52、《唐顿庄园》 53、《怪奇物语》 54、《传奇办公室》 55、《不安感》 56、《救援高手》 57、《蒂姆·罗宾逊短剧：还不快走》 58、《查普尔秀》 59、《笔写青春》 60、《窥视秀》 61、《鲁保罗变装皇后秀》 62、《慢马》 63、《幕后危机》 64、《安东尼·波登：未知之旅》 65、《东城梦魇》 66、《彩排》 67、《使女的故事》 68、《黑钱胜地》 69、《安东尼·波登：无国界》 70、《盾牌》 71、《怒呛人生》 72、《鱿鱼游戏》 73、《巴瑞》 74、《熊家餐馆》 75、《足球教练》 76、《某人某地》 77、《摩登家庭》 78、《费城永远阳光灿烂》 79、《傲骨贤妻》 80、《约翰·威尔逊的十万个怎么做》 81、《后翼弃兵》 82、《更美好的事》 83、《火线警探》 84、《地球脉动》 85、《英国烘焙大赛》 86、《幕府将军》 87、《保留地之犬》 88、《嗜血法医》 89、《驯鹿宝贝》 90、《体育老师笑传》 91、《大祸临头》 92、《罪夜之奔》 93、《第11号站》 94、《头号外交官》 95、《豪斯医生》 96、《奔腾年代》 97、《废柴联盟》 98、《先见之明》 99、《吉尔莫女孩》 100、《丑闻》