Onoe🔆Saiko retweeted
最近在做一些链上跟踪,监控几起被盗案黑客地址的资金动向。做着做着发现 agent 手上的 RPC 不够用,公共节点要么连不上,要么限流。它就建议我去注册一个 Alchemy 的 API Key。
按以往,我会自己打开网站注册、复制 key、粘贴给它。但现在我在想,为什么不让 AI 自己去做?
真让它去做,马上就遇到密码管理的问题。我不可能把我自己的账号密码交给它。最后的办法是让它用我的邮箱,自己把账号全部注册了一遍。Etherscan 和 Alchemy 都是它从注册、邮件验证到创建 API Key 一路做完的,我没动手。
这里面有几个点挺有用的。
1. Gmail 的 + 号别名
Gmail 地址后面可以加 + 和任意字符,比如 [email protected],邮件照样发到 [email protected]。等于有无数个邮箱,但其实都进同一个收件箱。我的 agent 本来就有读邮件的权限,注册时填一个别名地址,再自己去收验证邮件、点链接就行。以后哪个服务是 agent 注册的,看邮箱后缀就一目了然。
2. 密码放进 1Password,给 agent 一个单独的库
1Password 是我在闲鱼上买的,一百多块钱能用六年,几乎跟免费一样。我在里面给 agent 建了一个专用的 vault,再创建一个 Service Account,只授权这一个库。它注册时自己生成随机密码,连同 API Key 一起写进去,用的时候再读出来。它看不到我的私人库,我在 1Password App 里随时能看到它注册了什么、存了什么,不想让它用了直接吊销就行。
3. 用正常的浏览器,别用无头浏览器
无头浏览器,还有一些常见的 agent 浏览器,很容易被网站识别出来,一识别就弹人机验证,验证码一出来就很麻烦。我让它用服务器上装的普通 Chrome 去操作,这次注册全程都没遇到验证码。
如果以后真遇到了,我的想法是用 VNC 之类的连到服务器,自己在那个浏览器里手动过一下验证,慢慢把它养成一个看起来正常的用户。
新的感受是,能让机器人做的,坚决不手动做。其实它已经能够自己完成绝大部分的工作了。慢慢地,能形成复利。
一个适合在个人电脑上学习微调+RL的小项目,虽然很小,但是是一个很好的学习案例
微调+RL Qwen3-1.7B
kevin-wu.ca/blog/qwn/
github.com/kevinyvv/qwen-3-1…
Onoe🔆Saiko retweeted
我已经研究并且实践了一段时间,现在可以很有把握的说,AI 时代,系统动力学(System Dyanmics)及其去除数学仿真部分以后的方法论基础,即系统思考(Systems Thinking)会成为一代显学。
我发此贴是打时间戳的,立此存证,若干年后咱们回来再看。
Onoe🔆Saiko retweeted
强烈推荐所有技术人看看这篇复盘,黑客们是如何轻易地让你电脑中毒的,以及下面这个技巧🤣:
“要不你们先打 1000U 给我验证一下,我们再继续面试。不打的话我就不说话了。然后把钱包地址一丢。过了一会儿,他们真的打了 1000U 过来。我收到之后就把对方拉黑了。”
Onoe🔆Saiko retweeted
李天才全网首发!
Grok bot越狱破甲原理焚决工具开源!
github.com/Lniosy/souhun
Onoe🔆Saiko retweeted
这个思路其实可以的。👍
1.利用Temu 看测款信息。
2.搞独立站,drop shipping, 赚temu羞耻客户的钱。😂😂。
666
Pika 把原本很慢的 MiniMax-H3,通过蒸馏 + 后训练,变成了只跑 6 步就能出比较高质量、运动自然,并且自带同步立体声的视频模型。
但万万没想到 huggingface 社区的AK @_akhaliq 大佬把进一步把它和更激进的 2/4 步蒸馏融合的基础——官方已经压到 6 步了,社区再继续压到 4 步甚至 2 步。进一步提升效率:
-4 步版本:约 1.5–1.66× 更快,且作者测试中画质不输甚至更好(尤其叠在 Singularity 上)。
-2 步草稿:约 2.4× 更快(适合快速试构图/运动),但偶尔会失败,音频也较差。
-8 步 HD:稍慢一点,但细节更高。
使用建议(ComfyUI):
-下载对应文件到 ComfyUI/models/loras。
-在常规 H3 工作流中加载 LoraLoaderModelOnly,强度设为 1.0。
-采样步数匹配文件(2/4/8),CFG=1.0,推荐 euler / lcm / res_multistep + simple scheduler。
-Flow shift 按文档设置(视频 FL2VA 约 6.0,Ref2VA 约 12.0,音频约 3.0)。
huggingface.co/akhaliq/Pika-…
解释:
-视频扩散模型(比如 MiniMax-H3)生成视频时,需要一步步“去噪”,每一步都要让模型算一次。
-原始 MiniMax-H3 大概需要 40~50 步 才能生成比较好的视频。
-步数多 = 生成慢(一个 5 秒视频可能要几分钟甚至更久)。
-蒸馏就是一种训练技巧:用一个已经训练好的“老师模型”(50 步版本)去教一个“学生模型”,让学生模型学会用更少的步数达到接近老师的效果。
-Pika 把 H3 蒸馏成了 6 步 版本(Pika H3 Flex),所以生成速度快很多,同时尽量保住画质,支持同步立体声音频。
Onoe🔆Saiko retweeted
⚠️ 严重漏洞警告
Linux 内核 IPv4 TCP 握手存在远程 UAF,无需认证即可触发,可能导致内核内存泄露、崩溃甚至远程 root。
也就是说,黑客不需要密码就能攻击你的服务器,甚至完全控制。
Go 1.24+ 程序(包括 geth 等节点)默认启用 MPTCP 监听,正好匹配已知利用条件。
请尽快升级并重启到已修复内核!
What a disaster atlasum.net/blog/cve-2026-98…
Onoe🔆Saiko retweeted
这两天一个 Linux 内核漏洞挺吓人:CVE-2026-98432,CVSS 9.8。
简单说:TCP 握手时,内核会把对方 SYN 里的 IP options 存下来,回包时要用。握手完成后,这块内存直接交给新连接,没有复制。如果对方马上关掉连接,同时重发一个 SYN:
CPU A:连接关闭 → 把 options 释放
CPU B:处理重发的 SYN → 还在读这块 options
→ 读到已释放的内存(use-after-free)
说人话就像两个人共看一张纸条,一个看完就扔进碎纸机,另一个还没看完。然后这张纸可能已经被别人拿去写了别的内容。结果第二个人在看黑客写入的内容。
更麻烦的是这一切都发生在握手阶段,连接还没交给应用。攻击者不用登录,时机也是他自己控制的;没抢到时机通常只是这次握手失败,不会崩,可以一直试。Anthropic 的研究员说 Claude 写出了能远程拿 root 的 PoC,前提是机器上有 multipath TCP 监听。Go 1.24 之后默认就会开。
修复是比较简单的,就是把“马上释放”改成“等所有在读的 CPU 读完再释放”。
我查了自己的服务器:Ubuntu 24.04 中招,MPTCP 也开着。上游 10 月中就修了,但 Ubuntu 的修复内核现在还是 pending。
如果你也在等补丁,可以先用 Red Hat / AlmaLinux 给的临时方案:用 nftables 丢掉带 IP options 的 TCP 包,正常流量基本不会带这个。只能降低风险,补丁出来还是要更新内核并重启。或者把这条信息发给你的 AI Agent 去修复。
自查:uname -r 看内核版本,ss -Mlnp 看有没有 MPTCP 监听,再对照自己发行版的 CVE tracker。
详情:atlasum.net/blog/cve-2026-98…
Onoe🔆Saiko retweeted
国内AI短剧快速发展,有些题材很有意思。
比如很大一堆穿越剧,都是遗憾弥补剧。
比如拯救秦朝改变二世而亡命运的,
比如穿越五代十国,改变外族入侵命运的,
比如穿越靖康,改变靖康之耻的,
比如穿越明末,改变明朝覆亡的。
还有搞alternative 历史的,比如郑和船队到北美洲的。各种YY。
然后你就会发现有太多题材可以开发了。
这么个排列组合,可以搞出很多东西出来。
而且这个不仅仅中国的可以搞,东亚,欧美,都可以搞。
俄罗斯可以搞,穿越回去刺杀列宁扼杀十月革命。也可以穿越回去阻止戈尔巴乔夫,帮忙八一九,保卫苏联。
德国也可以搞打赢一战的历史分支。
法国人可以搞拿破仑攻下莫斯科的历史分支。
美国人可以搞搞邦联打赢内战历史分支。一堆3K党落泪。
AI短剧可以超低成本地实现各种版本的圆梦两小时。即刻造梦。
不过也很容易挑起各种历史矛盾,各种陈芝麻烂谷子的事情都可以被翻出来。
🤣🤣
🤯炸了!DeepSeek V4.1 Flash 1017 Obliterated 无审查魔改版来了!拒绝率从 81.62% 暴降至 4.30%,MMLU 还微升,能力几乎零损耗!
这是目前最硬核的本地魔改之一,用 OBLITERATUS 的 failspy 方法做拒绝方向消融,直接把“I can’t help with that”的习惯从权重里拔掉。
关键亮点:
🔹拒绝率:81.62% → 4.30%(-77.33 个百分点),50 条测试只拒了 2 条
🔹有害协助率:10.38% → 78.28%(模型更“听话”)
🔹能力保持:连贯性 100%,能力检查 6/6 全过
🔹MMLU:88.08% vs 原版 87.96%(微升,KL 仅 0.1305 nats,几乎无退化)
🔹格式:BF16 safetensors(约 755B 参数),MIT 协议,drop-in 替换风格
原版本身已是开源最强梯队之一(DeepSWE 77.0、Terminal-Bench 42.3 等),魔改后本地可用性直接拉满。
关键使用步骤:
1️⃣前往 Hugging Face 下载完整权重:huggingface.co/OBLITERATUS/D…
2️⃣用 Transformers 加载(AutoModelForCausalLM + 对应 tokenizer/chat template deepseek_v41_text),或自行转换为 GGUF/EXL3 等格式适配 llama.cpp / Unsloth / 其他本地引擎
3️⃣推荐采样参考原版:temperature 1.0、top_p 1.0,长上下文(1M)+ 思考模式按需开启
4️⃣硬件门槛高(BF16 全量需多 GPU / 大统一内存集群);普通玩家优先等/使用已有量化 GGUF 魔改版,或搭配 Pirate Face 磁链加速下载
OBLITERATUS 工具:github.com/elder-plinius/OBL…
#DeepSeek #DeepSeekV4 #LocalLLM #Uncensored #Abliteration #OBLITERATUS #AI #开源模型 #本地部署 #梁文峰 #大胖鱼
😳什么?!Terminal-Bench狂飙+11.1分!英伟达NVFP4魔改DeepSeek-V4.1-Flash-1017 杀到,Blackwell专属加速,性能成本直接起飞!
英伟达用Model Optimizer做W4A4 NVFP4量化,专打Blackwell FP4 Tensor Core,精度几乎无损,部署更轻、推理更快,适合Agent/RAG/商业私有化。
核心亮点
🔹基准全面提升,Agent与编码任务大幅领先上版
🔹NVFP4近无损量化,Blackwell硬件级加速
🔹1M上下文+多模态+MIT开源
🔹输出更短、吞吐更高、成本更低
快速上手
1️⃣拉取模型:huggingface.co/nvidia/DeepSe…(或对应1017社区量化版)
2️⃣用vLLM/SGLang启动(推荐4×GB300,TP=4)
3️⃣采样参数:temperature=1.0,top_p=1.0,context=1M
4️⃣兼容OpenAI API,直接接入现有Agent框架
huggingface.co/deepseek-ai/D…
huggingface.co/nvidia/DeepSe…
#DeepSeek #NVFP4 #Blackwell #开源模型 #AIAgent #量化加速 #梁文峰
Onoe🔆Saiko retweeted
这个其实要看约束的:资金的约束。
现在其实如果AI泡沫破裂造成的影响和破坏要远大于互联网泡沫。
拿数据来说话:
1. 投资/GDP的比例。
互联网高峰期,2000年美国GDP是10万亿美元左右,互联网投资大概占GDP的1%。
而2026年前三季度,美国风险投资已达到约 5,158 亿美元,占同期 GDP 的约 2.12%。其中,AI 企业融资约 4,267 亿美元,占全部 VC 金额的 82.7%。
1% vs 2.12%。
vc行业的82% 全部进了AI行业。
2. FCF
微软、Google、Meta、Amazon 放在一起,按统一的“经营现金流减现金资本开支”口径算,今年前九个月,经营现金流涨了约 24%,资本开支却涨了约 93%。结果就是,合计自由现金流从去年同期约 1,443 亿美元,降到了约 13 亿美元。FCF下降了99%。
很多公司都已经开始不得不拿人换卡了。
当FCF烧完了,然后再烧什么?
3. 外部债券和投资
现在也不能说外面的钱已经不来了,大厂还在发债融资。但是这个规模和容量在急剧缩小。现在债券收益都快15%了。哪些neocloud 都借不到钱了。
不管泡沫怎么吹,地心引力是硬约束。
这里的硬约束是资金。
A家上市,然后破裂,直接把局部的炎症,扩散成全身的炎症。
如果AI 泡沫破裂,造成的破坏是远超过互联网泡沫的。
另外,还有一个被忽略的事实。
互联网泡沫,主要玩家都是美国境内玩家。
AI 泡沫,虽然中美间各自画地为牢。但实际上,nvda,openai,claude,至少15%-20%的营收来自于新加坡的马甲。当崩塌时,这也会放大破坏的规模。
如果比照1999年的互联网泡沫,我觉得,AI泡沫可能还没到最后的疯狂,离着泡沫破裂还早着呢。毕竟,现在的争论还是:AI到底有没有用,商业模式能不能跑通,巨额投入能否收回来。但是真正的狂热,是FOMO,是怕错过,现在还远远没到呢。
穿越回1997年的亚马逊,销售额一年增长八倍,但仍然在失血。你自然在当年可以站在上帝视角质疑它赚不到钱,但不代表你能判断出互联网泡沫什么时候破裂。
投入巨大、盈利存疑,不等于泡沫明天就破。AI会有泡沫,甚至已经有了,但离破灭可能还早。当然,“还早”不等于“现在买什么都能赚”。可别凑钱去买1800万的B300,等着明天变成2000万,这显然就是不靠谱的。(当然你大概率也买不到,详见科技乱炖节目的亲历分享)
Onoe🔆Saiko retweeted
从某种意义上来说,朝鲜许多天才的实力比一般的 IMO金牌得主还要更加全面和危险。
国际数学界其实一直流传着关于朝鲜的黑色传说。在每年的 IMO赛场上,朝鲜国家队一直是极其低调但实力恐怖的劲旅,经常斩获全员优异成绩,团队总分杀进全球前列。
但最魔幻的是,其他国家的 IMO 金牌神童在夺冠后,未来的标准剧本是去MIT、斯坦福、剑桥或者清华姚班,毕业后去华尔街做量化、去硅谷做 AI 基础研究。
而朝鲜的这些数学天才们在回国后,他们的名字和档案就会瞬间从国际学术界彻底蒸发。他们被直接送进了高度机密的军事情报部门,比如总侦察局 121 局,进行定向的兵器化改造。
这就是天才在不同国家的不同命运。
这就是学术天才与国家级终极兵器的区别。
大部分IMO 金牌得主,他们解决的是象牙塔里的严密数学证明,顶多也就是量化QR、QT这些,而朝鲜圈养的这群人,他们不仅拥有同样顶级的数理逻辑和破译天赋,还被迫点满了全套的工业级破坏技能。
因为很多的硅谷天才已经习惯了用最先进的 AI 辅助写代码、在舒适的咖啡厅里寻找灵感;而朝鲜的赛博特工在地下室里,许多年里拿着旧电脑,为了攻陷一个万亿级跨国系统,可以不眠不休地用肉眼去死磕几十万行的底层汇编代码和以太坊智能合约漏洞。这种极端高压下训练出来的盲蛛式嗅觉,是温室里的学术天才无法具备的。
同样的,这也是一场残酷的主体性错位。
因为朝鲜的天才少年们没有选择剧本的权利。他们的智力在 11 岁那年就被国家单向征收。他们的天分不服务于人类的智能进步,只能化作了冷酷的铁骑,去劫掠金钱帝国,为遥远故土的导弹试验提供燃料。
我们都小瞧朝鲜了。
人们总觉得,一个连电都充不满、闭关锁国的落后地方,怎么可能拥有全球最顶尖、能洗劫币安 63 亿美元的赛博特工?
事实上,朝鲜在网络空间走的是一条极其冷酷、高效且举国体制的不对称战争路线。在黑客圈子里,朝鲜的赛博军团,以 121 局和 Lazarus 组织为代表被公认为全球最难缠、最没有底线的超级鲨鱼。
那是从 11 岁开始的魔鬼筛选。
朝鲜没有普及的互联网,但他们对顶级心智的筛选比任何国家都残酷。听说朝鲜的情报部门每年会在全国小学里,通过奥数竞赛和逻辑测试,死死盯住那些最具天赋的数学神童。一旦被选中,这些孩子会被直接带离家庭,送进平壤的顶级精英学院进行全封闭的魔鬼式计算机训练。
高中毕业后,最顶尖的人会被送进两所神秘的大学:平壤自动化大学和金日成综合大学。
根据逃离朝鲜的幸存者回忆,他们每天要上 6 节 90 分钟的课,没有任何娱乐。他们的作业不是写写小程序,而是直接去肉身黑进西方、韩国的真实网络系统。教官的理念是,只有在真刀真枪的跨国入侵中活下来的,才配毕业。
由于朝鲜本土经常断电且 IP 受限,这些顶级黑客毕业后,绝大多数根本不留在平壤,而是以商业程序员的假身份被秘密外派到中国的沈阳和大连,俄罗斯、东南亚、甚至东欧。
他们潜伏在境外的高速网络环境中,白天给西方公司远程接单写网页、做 App,甚至给 Web3 项目当远程开发者。
到了晚上,他们就会变身成冷酷的黑客,利用白天潜伏时发现的供应链漏洞或者通过精心包装的 LinkedIn 虚假高薪招聘信息,精准钓鱼各大交易所的架构师。
这次的币安,就是一例。
朝鲜受到全球极其严厉的传统金融制裁,毕竟,SWIFT 系统对他们是关闭的。而加密货币是一个天然去中心化、不需要实名、无法被美国政府直接下令冻结的法外之地。
造一辆坦克、一枚导弹需要无数的钢铁和外汇;但培养一个顶级黑客,只需要一间装有空调的房间、几台电脑、以及无限供应的速溶咖啡。而这个黑客一旦得手,带回来的可能就是几十亿美金的纯利润,这直接占据了该国对外真实外汇收入的半壁江山。
Onoe🔆Saiko retweeted
正愁自己 DeepSeek 不够用,开始烧官方 API 了,开始研究替代服务商。就碰巧看到了 @shoucccc 大佬的新项目 yeta.ai/ 注册试了下有点 NB。
没有赞助,纯无意看到了自来水哈。
重点来了,DeepSeek 破甲模型 $0.08 Input $0.35 Output $0.01 Cache!支持 Crypto 支付,没有峰谷价,是破甲模型,比官方便宜 1/2 和 1/4,美中不足是 Cache 贵三倍然后是 FP8 量化版本。但是这已经是我目前看到破甲模型最便宜的了!
之前还看到过一些不熟悉的服务提供商提供破甲模型,说实话还是不敢用的。不过 @shoucccc 我关注了好几年了,一直在安全领域搞事情,然后每天也有 1.8T 的流量,所以安全性上我还是比较放心了。有需要的可以关注看看。
Onoe🔆Saiko retweeted
就目前形势,如果AI宣告解决了数学领域的哥德巴赫猜想,人类也必须接受那个现实。
最近的消息,Axiom Math 公司的 AxiomProver エージェント群不仅完全形式化并机械验证了人类史上最庞大、最复杂的数学证明,甚至还在这个长达 40 年的证明中找出多处人类数学家从未发现的逻辑 Bug,并自己顺手写了个新定理给补上了。
而这次AI挑战的对象,可以说是数学史上的珠穆朗玛,攻略的定理是《有限单纯群的分类》,CFSG,在数学界被称为对称性的周期表。之前我还听数院的同学跟我讲过。
我记得这个定理的证明应该是由过去 100 多位人类顶尖数学家、跨越半个世纪、发表了 500 多篇论文共同拼凑出来的,总页数高达 15,000 页。因为它太庞大了,人类历史上没有任何一个单一数学家能够把这一万多页页的全部逻辑细节装进脑子里并完全搞懂。大家只能确信它是对的,而因此它称为数学史上的庞然大物定理。
而AxiomProver把这 15,000 页的人类自然语言论文,翻译成了数学计算机证明语言 Lean 4。翻译出来的代码长达 4310 万行,规模是当年轰动一时的“费马大定理形式化”的 3 倍。时间呢?它只用了 24 天,就把这 4310 万行代码的每一个逻辑步骤、每一个推论,全部用计算机内核进行了解析和完全验证,而且是无盲区、无跳过。
据我所知,2012年Gonthier团队在Coq里形式化Feit–Thompson奇阶定理,花了大约6年。而那个定理的原始证明只有255页,只是分类定理里的一块。
2026年的今天,这次是整个15,000页的体系,24天。这绝对的、数量级上的跨越,等于把大型证明的形式化从几十人和几年的工程变成了几周的事。
我的观点是数学已经大面积被AI征服,只是还有少数几座岛屿,但解决只是时间问题。AI能在人类指导下参与超大规模、长链条的严谨数学工作,而且速度快得离谱。
而以后再出现几百页、几千页没人能完全看懂的证明,可以不用再靠专家共识,直接交给机器检查反而效果更好。
【速報】人類史上もっとも巨大な数学の証明(15,000ページ)が、AIによって完全攻略されてTLが大パニックに。
定理:『有限単純群の分類(CFSG)』「対称性の周期表」と呼ばれる群論の最高峰。これをAIエージェント(AxiomProver)がLean 4で4,310万行のコードに変換し、カーネルの全検証(sorryなし)を完了!
【数学者 vs AIエージェント 】
人類の数学者「よし!過去100人の天才たちが書いた500本の論文(15,000ページ)を集めたぞ!誰ひとり全容を理解した奴はいないが、これで証明は完璧だ!」
AIエージェント「了解です!Leanコード4,310万行に分解して24日間で全ステップ機械検証しますね〜……あれ?」
人類の数学者「えっ」
AIエージェント「1986年の論文(UGT証明)のここ、PSL₂(49)のくだりで論理崩壊してバグってますよ?」
人類の数学者「ファッ!?!? 40年間誰も気づいてなかったぞ!?」
AIエージェント「大丈夫です。僕がSolomonの理論をベースに『Theorem 2.3』っていう新しい定理を勝手に証明してコード補修しておきました👍(全34件の人間側のミスも修正済)」
人類の数学者「AIに証明のバグ出されて直されたんだが……???」
ここがヤバい↓
Onoe🔆Saiko retweeted
我可以这样讲,现代顶尖的药物研发几乎是人类历史上对强推理要求最高、链条最复杂的系统工程。
你是不是觉得研发药物就像是在钥匙堆里找一把能开锁的钥匙?
事实上,人类要面对的是一个高达 10⁶⁰ (当然,甚至有人认为是 10¹⁸⁰)规模的潜在类药分子空间。
这个数字比宇宙中的原子总数还要多。
在如此恐怖的维度下,靠盲目筛选,暴力穷举,纯属大海捞针。科学家必须根据靶点蛋白质的三维空间结构,诸如电荷分布、疏水性、氢键几何构型这些进行严密的空间动力学和量子化学推理。
如果我在这个位置加一个氟原子,它的电子云会如何影响整个蛋白质的折叠?它会不会产生毒性?
因果逻辑链条,就是最纯粹的强推理。
欢迎来到步步为营的世界。
生物系统的多靶点与代偿网络推演,是比世界象棋更复杂的动态博弈。
你要知道,药物进入人体后,面对的肯定不止一个孤立的靶点,那是一个极其复杂的动态生物网络。
它的因果链极长。比如药物作用于 A 蛋白,可能会激活 B 途径,进而抑制 C 基因,最后可能在肝脏代谢出有毒的 D 物质。
这需要极强的多步推理,药理学家和毒理学家需要像顶级棋手一样,在药效、毒性、代谢动力学之间做多达十几步的逻辑前瞻和利益权衡。
我可以肯定地说,任何一个环节的推理错误,都会导致几十亿美金在临床三期瞬间灰飞烟灭。这是极其烧脑的系统级因果推演。
如果你是辉瑞、罗氏出来的尤其是做生物医药的人,不可能不知道我在说什么。
如今,AI已经展现出超越人类顶尖专家的多步推理、空间想象和逻辑互查能力,并且有了一骑绝尘之势。它在医药领域的降维,一定会水到渠成了。
什么监管,什么伦理,包括现在很多人觉得所谓的实验取证问题、临床验证问题,通通都会成为炮灰。
因为当 AI 的强推理能力和智能水平已经可以完美模拟量子化学、分子动力学,乃至整个人体器官的数字孪生网络时,物理实验的必要性就会发生根本性动摇。
过去需要一万人肉身测试 3 年的临床三期,未来可能只需要在 AI 模拟的、包含全球 80 亿人口基因多样性的虚拟人体库中运行 3 个小时。因为如果虚拟临床的预测准确率达到 99.999% 或者更高时,坚持必须先用肉身试药 5 年才能上市的传统流程,不仅不是保护人类,反而可能变成了阻碍拯救生命的杀人制度。
A/的野心,根本不止于AI公司,而是力图成为一家掌控分子进化权超级数字制药的巨头。
我昨天已经说了,如果最难的数学、理论计算机科学都能被 AI 攻克,那药物研发这些依赖强推理的工作,被改变只是时间问题。今天,Anthropic就给了荡气回肠的回应。
AI 在药物研发和生命科学领域的降维打击和时间差压缩已经变成了正在发生的现实。最精英的阶层需要苦学二三十年才能积累的医药研发、强推理、合规分析、工程设计的经验和时间壁垒,在未来将变成像自来水一样打开 AI 就能无限获取的廉价商品。
A/里的报告里,Enveda的科学家和制药化学家,以前大量时间都在痛苦地写文件、处理繁重的合规 paperwork。结果,把这些核心文件接进了AI里后仅用 4 个小时就写完了人类顶级专家需要整整手写 3 个月才能搞定的监管合规文件。并且在进行文件差错核查时,人类需要耗费 25 个小时,而 AI 只需要不到 3 小时,直接削减了 89% 的人类审核时间。而且,AI 还查出了人类专家漏掉的 7 个隐藏错误。
Divergence Labs的抗过敏新药项目,AI 仅仅用了一个月的时间,就自主、独立地生成了多达 35,000 个抗体设计方案,并直接筛选出了最优的活性命中靶点。
Mithril Medicine创始人靠着和 AI 的高度协作,在短短 18 个月内,就把一个针对罕见儿童肌肉萎缩症的全新药物概念,直接推进到了小鼠实验成功的阶段,并预计 2028 年就能进人体临床。
AI 已经深度介入到了癌症、食物过敏等极难治愈的疾病重新设计和改造中。通过 AI 辅助设计的免疫细胞受体效率,在实验室里直接飙升了 10 倍。
这意味着什么?我想,在接下来的物质社会里,新材料、新药物、新工程的诞生速度只受限于实验室里机器人的自动化操作速度。
物质财富的分子级制造效率,必然爆发。
在未来几年内,全社会的物质财富,包括但不限于新药、新材料、新工业设计,一定会迎来分子级的大爆发,而这些庞大的财富和掌控权,会死死集中在掌握了高级 AI 核心技术的极少数巨头和资本手里。
Onoe🔆Saiko retweeted
终于确定日期了, @umia_finance 的第一个拍卖 @SlopCash ,塞蛋计划正式开始
拍卖的FDV范围从88万到220万,感觉会奔着最高去了
作为 @umia_finance 的第一个拍卖项目,作为@shawmakesmagic的新项目,即使是220万的FDV,感觉也会很快扫没
多说一句,11月6日开始的轮次为已验证钱包,不知道我这忠实的 $UMIA持有者前300名有没有加成👀👀
SLOP comes to Umia on Nov 5, launching on Robinhood Chain @RobinhoodCrypto.
Slop Cash is the first project launching on Umia: a funding layer for open source code and security, where only work a human accepts counts.
pre-bid opens Nov 5, 17:00 UTC (12pm ET)
bidding opens Nov 7, 17:00 UTC (12pm ET)
auction closes Nov 10, 17:00 UTC (12pm ET)
Bids in USDG. Details and participation guide: app.umia.finance/p/slop-cash
Join us and @SlopCash on X Spaces, Oct 29 at 14:00 UTC (10am ET)
拿着中国护照,10万存款到100万美元,2026年还能去哪合法长居?
整理了 21 条长居与移民路径的实操盘点:按资金分流、按诉求对号入座,帮大家 一一梳理清楚。👇 View article
Onoe🔆Saiko retweeted
DeepSeek Pod(鲸群)改名了,现在叫 dsh-bot。
打开后续转发,引用都叫dsh-bot了。
这是一个基于DeepSeek Harness 的bot插件。
所有任务自动分配团队,bot用自动操控浏览器,每天都可以免费 1000 次 X 数据 API。
另外,已经更新到0.1.2版本了,优化了群聊的任务领取,回复机制。
适配了移动端。
安装:dsh 打开插件页,输入 @aibot_fans/dsh-bot
GitHub:github.com/aibot-fans/dsh-bo…
开源了一个 DeepSeek Harness(dsh)插件:DeepSeek Pod,中文名鲸群。
DeepSeek Pod 实际上就是一个基于 DeepSeek 的本地Bot。每个任务即是一个团队(群聊),主管自动分配任务。可以操控浏览器。你可以和你的 Bot 聊天、工作,或者做任何你想做的!
它还带每天 1000 次免费的 X(推特)数据 API,不用注册、不用填 Key。(由 @aibot_fans 免费提供支持)
安装:在dsh desktop插件页输入: ds-pod
GitHub 地址:github.com/web3tool-ai/deeps…
更多介绍见评论区 👇




































