与「v2」相关的搜索结果

Robinhood 链上一个发币团伙，两个月发了 53 个币，他能直接追到的抽走金额就有超过 1843 万美元。 套路很简单，上一个币割到的钱转进下一个币的出资钱包，往往几秒后就开下一局，几乎每个币一开盘，就被 70 到 200 个捆绑钱包抢走 70% 以上筹码，大多走 Pons V2 发射平台。 有的还先发假盘预热，再公布真合约地址。 引出这次调查的 DEED，部署者赚了近 90 万美元，在这个团伙里都排不进前十，链上分析师 Wazz说，这些钱大多以 ETH 放着，还没法冻结。

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。

终于有人把这事做了！不用碰 Python，零依赖 JS/TS 直接拿 A股/港股/美股/基金/期货/期权全市场行情 stock-sdk，1.9K stars，内置 92 个 MCP 工具直接喂给 AI。 以前前端想做行情看板，行情工具基本全是 Python 生态，要么自己起后端，要么忍受财经接口 GBK/并发/批量各种坑。 stock-sdk 不一样，v2 架构大改，命名空间 API + 统一符号模型，零依赖，浏览器和 Node 18+ 双端直接跑。 核心能力： 1️⃣ 一套 API 覆盖 A 股、港股、美股、公募基金、期货、期权，实时行情、K 线、分钟线都能直接调 2️⃣ 资金流、龙虎榜、融资融券、大宗交易、涨跌停池、盘口异动、板块资金这些 A 股常用数据也做进去了 3️⃣ 自带 MACD、RSI、KDJ、BOLL、ATR、SAR 等技术指标，还能直接识别指标信号 4️⃣ 内置 Screener + 本地回测，不只是拿数据，筛股和策略验证也能直接做 5️⃣ 筹码分布也已经支持，A 股 / 港股 / 美股都能本地计算获利比例、平均成本和筹码区间 6️⃣ 最关键的是 MCP 已经原生做好了，Claude、Codex、Cursor 可以直接调用这些金融工具，不用你再包一层接口 我觉得它现在最有意思的一点，是已经从“股票数据包”慢慢变成了 Agent 的金融基础设施。 上面 AI 负责研究，下面 stock-sdk 负责行情、指标、选股和回测。 做股票 Agent、AI 投研，或者想给自己的量化系统补一套统一数据层，这个很值得留着。

“小TRX” $JST 突破10亿市值里程碑！ 从协议收入到通缩闭环，JUST 正在把链上基本面写成价格。 当前 $JST 价格$0.123，市值站上10亿美元关口。这不是单纯的情绪行情，而是 TVL、产品矩阵与回购销毁机制同时共振的结果。 一、市值与 TVL：规模先于叙事 JustLend DAO 近期官方快照显示，平台 TVL 已来到约 75.6亿美元 量级，供给端超 41亿美元，借贷端约 2亿美元。JUST 生态此前更长期占据 TRON DeFi 四成左右份额。 对治理代币来说，市值突破 10 亿的意义在于：它不再只是“生态投票筹码”，而开始被市场按可持续现金流资产定价。 二、JustLend DAO 三大核心场景 支撑收入的，是三条能持续产生真实需求的产品线： 1/ SBM / SBM V2（借贷市场）
核心资金池。用户存入 TRX、USDT 等资产赚息，或超额抵押借贷。V2 引入隔离抵押与自适应利率，降低风险传染，同时提升资金效率。 2/ sTRX（流动性质押）
一键质押 TRX，获得可流通的 sTRX，叠加投票收益与 Energy 出租收益。sTRX 还能继续存入 SBM，形成“质押 + 借贷”的资金复用。 3/ Energy Rental（能量租赁）
把 TRON 上最高频的成本痛点产品化。用户不必燃烧 TRX，即可低价租用 Energy，降低转账与合约调用成本。该业务已成为协议收入的重要来源。 三条线不是并列展示，而是闭环：借贷沉淀资金，质押放大 TRX 收益，能量租赁把链上活跃度直接变成手续费收入。 三、协议收入回购销毁：通缩已从提案变成节奏 2025年10月21日，社区通过 $JST 回购销毁提案：JustLend DAO 净收入，以及 USDD 多链生态超过 1000 万美元以上的部分，用于公开市场回购并永久销毁。 截至第四轮（2026年7月）： • 累计销毁约 17.11亿枚 JST • 约占初始总供应 17.29% • 累计投入资金约 9462万美元 这不是一次性营销销毁，而是季度化、可链上核验、由协议利润驱动的通缩机制。 四、机制启动后的涨幅，比口号更有说服力 回购启动时， $JST 大致在 $0.03–$0.034。 
如今约 $0.12，机制落地后累计涨幅约 250%–300%。近一年涨幅约 250%–280%，近30日仍有约 20% 的独立走强。 市场给出的判断很直接：能把协议收入持续换成供给收缩的代币，才会被重新定价。 10亿市值只是节点，不是终点。真正决定下一阶段的，不是再讲一遍“TRON 生态”，而是三件事能否继续同时成立： 1/ SBM、sTRX、Energy Rental 继续贡献稳定净收入 2/ 季度回购按规则执行、销毁比例继续抬升 3/ TVL 维持在高位，而不是靠短期激励堆出来 对 $JST 来说，最好的叙事已经不是故事，而是账本！ @justinsuntron @DeFi_JUST #TRONEcostar#

友人问我，为什么隔段时间就要去 V2EX 发帖，每次都“舌战群儒”。 我说，有几个理由： 1、V2EXer 并不是一个人，而是一群人，每个人的想法都不一样，真正油盐不进的只是一小部分人，也就是说，我其实只需要能够挡住一小部分人的谩骂，是可以影响更多人的； 2、这种影响虽然不是立竿见影，但只要次数多了，潜移默化，会有一些人慢慢开始自己的事业的，不至于天天发帖抱怨自己职场不公生活不易； 3、每一次发帖都是一次测试，看看部分人有没有进步，然而每次都让我失望，这部分人三年了，还是没长进，还是停留在三年前的观点和认知里。

刚看完中关村学院的何纪言老师带领 7 位博士生，用 3 个月时间从头训练出了 7B 模型，从预训练到中训练、后训练完全都是自己搞的，在 7B 尺寸模型中达到 SOTA 水平。 首先，虽然很多人在吹 RSI，但技术报告指出，现在模型的能力远未到全自主的程度，在模型架构设计、学习算法设计、数据清洗等方面仍然只能达到 L2 的辅助水平。我自己也有一样的感觉，不管 Astra 还是 Fable，都不能替代我的架构设计，我也得不断提醒自己不要外包思考。 其次，模型训练就是个会者不难、难者不会的问题，对会的人来说，用不了多少算力资源，但对不会的人来说，用再多的算力资源、堆再多的人，都是做不出来的。比如 MiMo V2.6 RL 只花了 300 多万美金，对基模公司来说很便宜了，整个 MiMo core team 只有几十位正式员工，更没有走蒸馏之类捷径。但烧了上亿美金、投入上千人的模型未必就能搞好。中关村学院一个老师加上 7 个学生只用 3 个月就完成造数据、预训练、中训练、后训练，是非常 impressive 的。 最后，数据是新的代码，数据质量就像代码质量一样非常重要。过去几年，我总是想用代码的方式实现 Agent 的自我进化，但很快就达到上限了。最近一年我才发现，这些我用代码方式做的东西更应该用训练数据的方式表达，训到模型里面。我们都知道脏代码的危害，脏数据其实也是一样的。中关村学院这个 7B 模型做了非常深入的数据工作，预训练数据清洗和课程学习，中训练按照上下文长度扩增，后训练利用开源和蒸馏来的 trace 建立指令遵循、长上下文等基础能力，进而构建长思维链推理、工具调用等高阶能力；在 RL 中不断移除已经高概率解决的问题，保持 GRPO学习效率。 技术报告：

🚨 Unauthorized NFT transfers observed via Limit Break's Payment Processor on Ethereum and ApeChain. If you've approved Payment Processor on any chain, revoke it as a precaution. Cancelling listings doesn't remove the approval. V2: 0x9A1D00bEd7CD04BCDA516d721A596eb22Aac6834 V3: 0x9a1d00000000fc540e2000560054812452eb5366 Per @0xQuit, NFTs in 0x71cF3f5724bD2B72Ef6464992aCd26216DE7fe33 are held by a whitehat and expected to be returned.

🎉 Tiered Model Perks Are Officially Active Starting today at 15:00 (SGT), updated model perk structure is officially live! The newly integrated MiMo-V2.6-Flash spearheads the lineup at 90% OFF, flagship MiMo-V2.6-Pro debuts at 50% OFF, and popular Flash models enter the 70% OFF tier! remains dedicated to democratizing AI compute, making top-tier big models accessible, affordable, and stress-free for every developer! 👉 Start building now: