与「96」相关的搜索结果

Tom Lee 家的 BitMine 真是一周都不带歇的。 上周又买了 17,362 枚 $ETH ，目前总持仓正式破 600 万。 按 1.221 亿枚总量算，已经拿下全网 4.9% 的 ETH，离他们定的 5% 目标只差约 10 万枚。 真·E 卫兵的定海神针， 只可惜现在还亏$36.7亿。 🥲

极度依赖外部功能的项目，还是少碰吧。 昨天刚看到 PAID @UsePaid 能用 X Money 给名人自动分手续费，当时还觉得这概念挺有意思，市值也一度冲到 $50M。 结果 PAID 暂停 X Money 支付，24 小时就完成腰斩，现在只剩 $13M左右。 跟当初的 KAITO 异曲同工，最大的创新全押在第三方平台上，一旦被掐， GG。🫡

Anthropic @AnthropicAI IPO真要来了。 数据显示其2025 年营收 $45.9亿，同比翻 12 倍，但账面净亏 $420亿； 不过约 $340亿 是可转换融资工具涨价带来的会计计提，没真花出去； 真正在烧的是经营亏损 $80.6亿，光算力就花了 $73.3亿，是全年收入的 1.6 倍。 更要命的是，最大两个客户亚马逊（Amazon）和谷歌（Google）各占 12% 营收，走一个就少一成多。 就这，估值还要冲 $2万亿，而且 IPO 大概率放到 11 月中期选举之后。 二级市场到时候接不接？ 空T*D？🧐

Glassnode数据显示， bitcoin:native 最大的长期持有者供应密集区位于 84,000~85,000 美元。 很神奇，这个数字完全超出我的预估，我以为会集中在 6-7w 左右！ 应该还有很大一部分人都没有上车。 Glassnode给出的两个关键支撑和阻力位—— 如果价格能够守住84,000美元上方，则通往96,700美元的上行空间仍然畅通。 如果重新跌破84,000美元，77,000美元将再次成为市场关注的目标。

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。

Raven 0.2.0 — The Harness of Harnesses, built for RSI. 🐦‍⬛ One harness can't be best at everything. Raven combines its own specialist harnesses (Research, Code, Design, Oncall) with the agents you already use (Claude Code, Codex and more) into one team. And it's built for RSI, and not just at the skill level. The whole harness can be rewritten by AI: prompts, policies, strategy code, playbooks. Every sub-harness, including the orchestration layer itself, is its own instance that can be improved. With Raven you can: 1. Orchestrate many agents as one team. Raven's sub-harnesses and external agents work in one task graph with shared memory across sub-agents, powered by leading orchestration (0.963 Node F1 on the Multi-Agent Orchestration Benchmark). 2. Run long, complex tasks. Oncall and proactive execution keep work going for days, from scientific research loops to shipping a full Godot game. 3. Build vertical agents with RSI. Use Raven's RSI to develop and refine an agent for your domain, and we'll optimize it with you. Experimental for now; reach out to the Raven team(Discord: More in the video and slides below. Open source, Apache-2.0. (lots of work made with Raven lives there, and much of this launch's material was made with Raven too)