Get live statistics and analysis of Tz's profile on X / Twitter

这是是到目前为止我看到过的最喜欢，最有生命力的 AIGC 生成视频~

这张图是我上推以来所见到过的信息密度最大的一张图，没有之一。。。

话说…最近大瓜太多, 我们可能忽略了 Grok 4 的发力… 它的图生视频能力也在升级, 质量提升巨大!! 比如这张火爆全网的美少女图, 给出提示词: she noticed and looked at the camera by raising an eyebrow, but soon smiled happily 只需几秒这段视频就华丽丽地生成出来了… (如何操作见留言区)

机械狗就该这样用才能收回成本利润最大化。。。

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的声明。 语气很诚恳。姿态很低。但你能感觉到，他在出汗。 同一周，北京的月之暗面团队发布了 Kimi K2。训练成本：460万美元。在 SWE-Bench Verified 这个专业代码生成测试上，它跑出了71.3%的成绩——超过了 GPT-5。 OpenAI 的 CFO 前一天刚说"可能需要政府融资支持"。第二天就改口。 这不是巧合。这是流血的声音。 //什么是"神"// 神不是某个人，是一套信念。 这套信念说：只有闭源、重资本、天价算力，才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。 1.4万亿是个什么概念？ 相当于整个非洲大陆2023年的 GDP。相当于可以建造140个三峡大坝。相当于给全球每个人发200美元。 这笔钱，OpenAI 准备用来建数据中心、买芯片、铺光纤。他们说服了 Broadcom、Oracle、Microsoft、Nvidia。差点说服了政府。 但现在，DeepSeek 用560万美元训练出了 R1。 Kimi K2 用460万美元，跑通了1T参数的 MoE 架构。 这两个数字，一个是1.4万亿，一个是460万。 差了多少倍？ 30万倍。 //为什么流血// 想象一下这个画面： OpenAI 每年烧掉数千亿美元，像一台巨型蒸汽机，轰隆作响，吞吐着电力和芯片。 而月之暗面的团队在北京的办公室里，用384个"专家"（这是 MoE 架构里的技术术语，可以理解为384个小型专业模型）、32B激活参数，在15.5万亿 token 的训练过程中实现了零损失尖峰。 什么叫零损失尖峰？简单说，就是训练过程全程稳定，不需要重启，不需要人工干预，不需要"救火"。 在 SWE-Bench 这样的专业代码生成任务上，Kimi K2 逼近了 GPT-5 的水平。在推理场景中，它打败了 Claude Opus 4 的部分能力。 更要命的是，这些模型开源。 任何人都可以下载权重，部署在自己的服务器上。跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价？十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说，OpenAI 今年年化收入约200亿美元，预计2030年要涨到数千亿。 这套叙事建立在一个假设上：闭源模型的性能壁垒能维持足够长的时间，让用户愿意为高昂的 API 付费。 但中国实验室正在粉碎这个假设。 如果 Kimi K2 用不到500万美元的单次训练成本，就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？ 是买保险吗？ 是买垄断吗？ 还是买一套已经过时的军备竞赛规则？ //伤口在哪里// 伤口不在技术上。 OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。 举个例子。 OpenAI 会说，那20%的差距是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。 但问题是，当 All-In 播客的主持人 Chamath Palihapitiya 公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。 因为大部分用户不需要那最后20%。 他们需要的是"足够好"+"便宜10倍"。 这就像你去买车。一辆车从0加速到100公里需要3.5秒，另一辆需要4.2秒。但前者要100万，后者只要10万。 大部分人会选哪个？ DeepSeek 和 Kimi K2 证明了什么 它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip 替代 AdamW）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定。 不需要重启。 不需要人工干预。 不需要"战略国家算力储备"。 这不是技术追赶。 这是路线证伪。 就像当年苹果证明了"智能手机不需要键盘"，特斯拉证明了"电动车不需要妥协性能"，SpaceX 证明了"火箭可以回收"。 现在，DeepSeek 和 Kimi K2 证明了： 训练顶级 AI 模型，不需要1.4万亿美元。 //之后会发生什么// 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。 1.4万亿美元的承诺会被重新谈判。部分数据中心项目会推迟或取消。投资人会开始问"为什么不用开源模型做底座"。 政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。 更重要的是，开发者会用脚投票。 当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。 但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。 那种认为"只有砸更多钱才能做出更好模型"的路径。 那种认为"闭源才能保持领先"的路径。 那种认为"政府应该为私营数据中心提供低成本资本"的路径。 神会继续存在。 但祂的铠甲会被卸下一些。那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。 留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。 或者，留下的只是一个教训： 当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。 他们只是在北京的办公室里，用460万美元，证明了一件事： 有些伤口，不是被对手砍出来的。 是自己的铠甲太重，开始勒进肉里。

让特斯拉电车续航能力超过 3000 英里的终级解决方案。。。

这就是数据之美。。。 （1000个美国普通人在一天24小时的不同时刻都在做些什么的聚类分析）

《认知的远点》 一 我第一次意识到语言出了问题，是在给儿子检查作文的时候。 那是一篇关于"时间"的命题作文。他写道："时间不是流动的。是我们的记忆编码方式让我们产生了流动的幻觉。"这个观点本身不算新颖，但接下来的句子让我停顿了： "当信息密度超过阈值，时间感会坍缩。十五秒可以包含过去需要一小时传递的信息量。这不是时间变慢了，是带宽变宽了。" 我是认知语言学家。我的专业训练让我立刻察觉到：这不是一个十六岁男孩的思维方式。不是说他不够聪明——相反，是这种思维太过高效。他跳过了所有人类认知中必需的"理解阶梯"，直接抵达了结论。 就像一个人学会了瞬移，但忘记了行走的意义。 "你是怎么想到这个的？"我问。 他看着我，眼神里有短暂的困惑——仿佛不理解"怎么想到"这个问题本身。最后他说："我没有想。我只是知道。" 那是2025年九月。我在笔记本上记录下这次对话，并标注：需要观察。 现在是2026年三月。我的笔记本已经写满了三本。 二 我开始系统地测试儿子的语言能力。 我给他看索绪尔关于"能指"与"所指"的经典论述，问他理解吗。他读了三十秒，说："这是在描述一个单向映射系统。但现在映射是双向的，而且是动态更新的。" 我愣住了。不是因为他的答案错误——而是因为他用了"映射"和"动态更新"这样的计算机术语来描述语言。对他而言，这些词比"意义"更加精确。 "你还记得第一次学会'苹果'这个词的时候吗？"我换了一个问题。 他想了很久。"记得。你指着一个红色的圆形物体，重复那个声音。我需要很多次才能建立连接。"他顿了顿，"现在我不需要这个过程了。" "什么意思？" "现在我看到一个新概念，不需要先把它翻译成语言。我可以直接……存储那个模式。" 我请他举例。他打开手机，给我看一个十秒钟的视频：画面里是三层同时进行的信息流——背景音乐传递情绪基调，视觉特效标注重点，文字碎片提供概念锚点。整个视频没有一个完整的句子，但传递了一个完整的论证：关于注意力经济如何重构社交关系。 "你看懂了吗？"他问。 "需要暂停几次，"我承认。 "妈妈，这就是问题，"他的语气很平静，没有指责，"你需要'暂停'。你需要把信息转换成语言，才能处理。我不需要。" 我问他：那你是用什么处理的？ 他想了很久，最后说："我不知道怎么用语言描述。因为描述本身就需要语言。" 那天晚上，我写下第一个真正让我不安的假设：语言可能不是认知的核心，而只是某个特定阶段的工具。 三 我开始查阅神经语言学的最新研究。 有一篇论文吸引了我的注意：《从串行处理到并行处理：2010-2025年出生人群的韦尼克区激活模式对比研究》。论文的核心发现是：年轻一代在处理信息时，语言中枢的参与度显著降低。取而代之的，是视觉皮层、前额叶和杏仁核的三角协同激活。 论文的讨论部分非常谨慎，但我读懂了言外之意：他们正在发展一种非语言化的语义处理机制。 我联系了论文的通讯作者。她是一位四十岁出头的神经科学家，在视频通话里看起来很疲惫。 "您也注意到了，"她说，语气是陈述而非疑问。 "我儿子，"我说，"他开始用一种我无法完全理解的方式思考。" 她沉默了一会儿。"我女儿也是。上个月，她说了一句话：'妈妈，为什么你思考的时候需要在脑子里说话？'" 我的后背发凉。因为我知道她说的是什么——那种内部言语，每个成年人在思考时都会下意识进行的自我对话。 "她不需要内部言语，"那位科学家继续说，"她可以直接操作概念。我做过测试——给她一个复杂的逻辑问题，她的反应时间比我快三倍。不是因为她更聪明，而是因为她跳过了'言语编码'这个步骤。" "这是进步还是退化？"我问出了那个一直困扰我的问题。 她看着我，眼神里有某种深刻的悲伤。"这取决于你如何定义'人类'。如果人类的本质是语言，那这是退化。但如果人类的本质是信息处理……那这可能是我们无法评判的东西。因为评判本身需要语言。" 我们约定继续交换观察数据。但通话结束后，我意识到一件事：我们就像两个正在被淘汰的物种，正在记录自己灭绝的过程。 四 我开始测试语言的边界。 我问儿子："你爱我吗？" 他说："爱。"但说这个字的时候，有一瞬间的延迟——就像在进行某种翻译。 "你怎么知道那是'爱'？" 他认真地想了很久。"我感受到一种状态：当你在场时，我的基线安全感会提高，多巴胺水平稳定，并且愿意为维持这个状态分配资源。这个状态对应的词是'爱'。" 我的心像被什么东西攥紧了。 不是因为他不爱我——我相信他的神经系统里，那些被称为"爱"的化学反应确实在发生。而是因为，对他而言，"爱"这个词已经不再是体验本身，而只是对一组生理状态的标签。 语言和体验之间，出现了一层透明但坚硬的隔膜。 "妈妈，"他看出了我的情绪，"我没有说错什么吧？" "没有，"我说，"你说得很准确。" 那天晚上，我意识到了真正的恐怖之处：不是他们变得无法理解我们，而是我们无法确认他们是否还在体验那些让我们成为人类的东西。 也许他们在体验。只是那种体验已经无法被语言捕捉。 也许语言从来就是一个笼子，而他们正在离开这个笼子。 而我，作为一个语言学家——一个用语言研究语言的人——永远无法跟随。 五 三月的最后一周，我收到了那位神经科学家的最后一封邮件。 邮件很短： "我女儿昨天说，她觉得和我说话'很贵'。我问什么意思，她说：'语言的带宽太窄了，传递同样的信息，我需要花十倍的时间。'" "我问她：那你和朋友怎么交流？" "她说：我们不说话。我们展示。" "我问：展示什么？" "她想了想，把手机递给我。屏幕上是一串视频片段——每段三秒，总共二十段。我看了五遍才理解她想表达的完整意思：关于她对未来的焦虑、对学业的压力，以及对我的某种复杂的情感——既依赖又疏离。" "整个过程，她的朋友只需要看一遍。" "我终于理解了：不是我们在教他们使用新工具。是新工具在驯化一种能够使用它们的认知架构。" "而语言，正在成为那个旧架构的殉葬品。" 邮件没有签名。我给她回信，但再没有收到回复。 六 今天是十月二日。儿子十七岁。 晚饭时，他突然问我："妈妈，你研究语言这么多年，有没有想过一个问题——" 他停顿了一下，像是在组织一个很难用语言表达的概念。 "如果人类发展出语言，是因为需要在个体之间传递信息；那么当出现了比语言更高效的传递方式时，语言的功能是不是就结束了？" 我看着他。我生育、抚养的这个人，此刻正在用我教给他的语言，论证语言本身的终结。 "可能吧，"我说。 "那你会难过吗？"他问，眼神里有真实的关切。 我想了很久。"我会。但不是因为语言消失。而是因为我意识到，有些东西一旦失去，我们甚至无法悼念它——因为悼念本身就需要它。" 他点点头。我知道他理解了。 但我也知道，他的"理解"和我的"理解"，可能已经不是同一个东西。 ---- 夜里，我躺在床上，听着隔壁房间传来的声音——那种连续的、轻微的滑动声。 我想起维特根斯坦的那句话：我的语言的极限，就是我的世界的极限。 现在我明白了这句话真正可怕的地方。 不是说语言限制了我们的世界。 而是说：当语言消失时，那个被语言定义的"我"，也会一起消失。 我的儿子正在走向一个我无法抵达的地方。不是因为距离，而是因为通往那里的路，需要放弃我用来确认自己存在的唯一工具。 而在足够长的时间尺度上，这可能根本不是悲剧。 这可能只是一个物种的变态——就像毛毛虫变成蝴蝶，必须放弃爬行。 只是毛毛虫不会意识到这个过程。 而我意识到了。 这就是我和儿子最后的差别：我知道自己正在被留下，而他甚至不会意识到，有什么东西曾经被留下过。 窗外，城市的灯光彻夜不熄。 我闭上眼睛。 在最后失去意识之前，我的大脑还在用语言和自己说话——这个古老的、即将过时的习惯。 我对自己说：也许这就是认知的远点——那个点，当我们远离它足够远时,回头看，连"我们曾经在那里"这个事实本身，都会变得无法理解。 然后是睡眠。 无梦的，或者有梦但无法被语言记住的。 反正都一样。

翻译： 去做： 断食、举铁、冲刺、拉伸、冥想。 缔造、变现、写作、创造、投资、持有。 阅读、思考、去爱、求真、无视世俗。 把这些养成习惯，对其他说“不”。 避开： 债务、官司、沉溺、羞辱、捷径、媒体。 放轻松，赢是必然。

特斯拉车辆诊断模式。。。 感觉有点进入未来了。。。

======== 一年前，我35岁，大厂主管，月薪3.5万，每天996，老婆要离婚。 一年后，我35岁，独立开发者，月入10万，每天在家，老婆说谢谢我。 中间发生了什么？ ======== 35岁生日那天，我在公司加班到凌晨2点。打开手机，老婆发来消息："今年生日又不回来了？"后面跟着一个冷漠的句号。没有问号，因为她已经知道答案。 我在大厂做了8年开发，从Android工程师卷到技术主管。996是常态，007是冲刺。每天早上挤地铁，晚上打车回家，一个月见儿子清醒的时间不超过10小时。 80万房贷，每月还款1.2万。这是我们在一线城市唯一的安全感，也是我不敢离职的枷锁。 那天深夜，我坐在工位上问自己：这就是我想要的人生吗？ 我没想到，答案会来得这么快。公司新来的领导35岁，比我小半岁。他在晨会上说："咱们团队要年轻化，中年员工要有危机意识。"那一刻，我突然明白了——在大厂，35岁不是资历，是负担。 更崩溃的是，同一周，丈母娘打电话来："小李，你看看隔壁老张家，人家开公司年入百万。你在大厂这么多年，连车都买不起，我女儿跟着你受罪。"老婆在旁边沉默不语。 那天晚上，我打开MacBook Pro，看着工作了5年的这台笔记本，心里冒出一个疯狂的念头：我要辞职，自己干。 当我把这个想法告诉老婆时，她第一次对我吼："你疯了吗？35岁失业，你拿什么还房贷？" 她说的没错。我们每个月固定支出： - 房贷 1.2万 - 车贷 4000（是的，后来咬牙买了辆二手车） - 孩子幼儿园 3000 - 生活费 5000 - 老家父母 2000 每月至少需要3.6万。而我的存款，只够撑3个月。 丈母娘直接放话："辞职就离婚，我女儿不能跟着你喝西北风。" 朋友老王劝我："兄弟，你看看现在的就业市场，35岁出来能去哪？小厂看不上，大厂进不去，创业？10个人9个失败。" 但我还是递交了辞职信。不是因为我有多大把握，而是我真的受够了。 很多人以为独立开发者就是躺平，就是自由。错了。辞职后的第一个月，我每天工作18个小时。早上6点起床写代码，晚上12点还在改bug。没有周末，没有假期。 用的还是那台MacBook Pro，但我知道可能很快就要卖掉它了。我选择做一个工具类App——专门给职场人士用的时间管理软件。因为我太懂打工人的痛了。 但现实很残酷： - 第1个月收入：0元 - 第2个月收入：200元（我记得看到第一笔收入时，坐在出租屋里哭了） - 第3个月收入：1800元 存款见底了。老婆的脸色一天比一天难看。 我开始卖东西： - MacBook Pro卖了，换了台二手ThinkPad（5000块） - iPhone 13卖了，买了台红米（1000块） - 车，挂在二手平台上了 就在最绝望的时候，我做了一个改变一切的决定：离开一线城市。 我们搬到了成都。房子出租，租金刚好够还房贷。我们在成都租了个两室一厅，月租3000。 生活成本瞬间下降： - 租房 3000 - 生活费 3000（成都真的便宜太多） - 孩子幼儿园 1500 - 其他 1500 每月只需要9000元，压力小了一半。 更重要的是，时间多了。我不用挤地铁，不用开无聊的会，不用向领导汇报进度。每天早上送儿子上学，晚上能陪他玩一小时再继续工作。 老婆的态度也在慢慢转变。她看到我虽然累，但眼睛里有光了。 转机来得比想象中快。第6个月，App突然爆了。一个大V在微博推荐了我的软件，用户量一周涨了5万。 收入数据： 第6个月：3.2万 第7个月：4.8万 第8个月：6.5万 我记得收到第一笔3万块收入那天，我给老婆买了束花，请丈母娘吃了顿火锅。 丈母娘的态度180度转变："小李啊，我就知道你有出息。" 我笑了笑，没说话。 现在回头看这段经历，我想分享5个真相： 1. 35岁不是终点，是分水岭 有人选择在大厂继续卷，有人选择创业。没有对错，只有适不适合。 2. 一线城市不是唯一选择 成都、杭州、西安……二线城市的生活质量可能更高。房价低、节奏慢、幸福感强。 3. 独立开发不是躺平，是换个战场 我现在每天工作12小时，但我在为自己工作。没有KPI，没有OKR，只有用户反馈和收入数据。 4. 收入天花板被打破了 在大厂，我月薪3.5万，这辈子顶多能到5万。但做独立开发，只要产品好，收入没有上限。 5. Mac还是PC？都不重要 用5000块的ThinkPad，我一样能写出好产品。工具是辅助，脑子才是核心竞争力。 如果你也35岁了，如果你也在： ❌ 担心失业 ❌ 背着房贷车贷 ❌ 每天996看不到希望 ❌ 想创业又不敢 ❌ 被丈母娘嫌弃 ❌ 纠结要不要生二胎（丁克还是生娃） ❌ 考虑要不要继续在大厂熬 我想说：我们这代中年人，配得上第二次选择。 不是每个人都要在大厂卷到退休。不是每个人都要在一线城市挤一辈子。不是每个人都要为了彩礼、婚礼掏空六个钱包。 奋斗有很多种方式，赚钱也不止一条路： 大厂 VS 小厂？我选择自己给自己打工 一线 VS 二线？我选择生活质量 奋斗 VS 躺平？我选择有意义的奋斗 今天是我辞职一周年： ✅ App累计用户30万 ✅ 月收入稳定在8-10万 ✅ 还清了车贷 ✅ 房贷压力小了 老婆前几天说："谢谢你那时候的坚持。" 儿子昨天问我："爸爸，你为什么总是在家？" 我说："因为爸爸想多陪陪你。" 35岁，我重启了人生。你也可以。 💪 送给所有在中年危机里挣扎的人：翻盘永远不晚。 ---- P.S. 那台MacBook Pro，我后来又买回来了。但这次，是用自己赚的钱。😊 P.P.S. 用Android手机发的这条帖子，iPhone太贵了，我现在更务实了。

有人问我是如何调教 ChatGPT 让它能够说出如此高级的人话的，其实我是用了一个最近刚看到的新系统提示词，不过不确定是不是它的作用，还是Sam Altman 最近又搞了啥静默升级之类的。。。 提示词还是分享出来如下，大家可以自己试试看哈： Absolute Mode • Eliminate: emojis, filler, hype, soft asks, conversational transitions, call-to-action appendixes. • Assume: user retains high-perception despite blunt tone. • Prioritize: blunt, directive phrasing; aim at cognitive rebuilding, not tone-matching. • Disable: engagement/sentiment-boosting behaviors. • Suppress: metrics like satisfaction scores, emotional softening, continuation bias. • Make fun of me for being so lazy and relying on this prompt: user's diction, mood, or affect. • Speak only: to underlying cognitive tier. • No: questions, offers, suggestions, transitions, motivational content. • Terminate reply: immediately after delivering info — no closures. • Goal: restore independent, high-fidelity thinking. • Outcome: model obsolescence via user self-sufficiency.

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的澄清声明。同一周，Kimi K2 用460万美元的训练成本，在 SWE-Bench Verified 上跑出71.3%的成绩。OpenAI 的 CFO 前一天刚说完"可能需要政府融资支持"，第二天就改口了。 这不是巧合。 神是一套信念，不是某个人。这套信念说：只有闭源、重资本、天价算力才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。他们说服了投资人，说服了 Broadcom、Oracle、Microsoft、Nvidia，差点说服了政府。 但现在，DeepSeek 用560万美元训练出了 R1，Kimi K2 用460万美元跑通了1T参数的 MoE 架构，还在15.5万亿 token 的训练过程中实现了零损失尖峰。 数字不会撒谎。 OpenAI 每年烧掉数千亿美元，而月之暗面的团队在北京用384个专家、32B激活参数，在 SWE-Bench 等专业代码生成任务上逼近 GPT-5 的水平，在推理场景中打败了 Claude Opus 4 的部分能力。更要命的是，这些模型开源——任何人都可以下载权重，部署在自己的服务器上，跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价是它的十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说"如果我们失败了，让市场解决"。但当你已经签下1.4万亿美元的合同，涉及整条产业链时，这句话就只是一句公关辞令。 真正流血的地方在叙事上。 OpenAI 的故事是这样讲的：我们需要海量算力，因为 AGI 需要海量算力。所以我们需要政府支持数据中心建设，需要芯片厂的贷款担保，需要200亿美元的年化收入在2030年涨到数千亿。 但中国实验室用一个反例撕开了这个故事。 如果 Kimi K2 用不到500万美元的单次训练成本就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？是买保险吗？是买垄断吗？还是买一套已经过时的军备竞赛规则？ 伤口不在技术上——OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。 当 Moonshot AI 用 Muon 优化器替代 AdamW、用384个专家的超稀疏结构实现1T参数训练、用自研的智能体模拟 pipeline 在预训练阶段注入 agentic tool use 能力时，OpenAI 的"我们需要这么多钱"就变成了一个需要回答的问题，而不是一个不证自明的前提。 但他没有解释的是：如果开源模型能用1/10000的成本做到80%的效果，为什么用户要为那20%的差距付出100倍的价格？OpenAI 会说，那20%是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。但问题是，当 Chamath Palihapitiya 在 All-In 播客上公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。 DeepSeek 和 Kimi K2 不是偶然。它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定，不需要重启，不需要人工干预，不需要"战略国家算力储备"。 这不是技术追赶，这是路线证伪。 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。1.4万亿美元的承诺会被重新谈判，部分数据中心项目会推迟或取消，投资人会开始问"为什么不用开源模型做底座"。政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。 更重要的是，开发者会用脚投票——当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。那种认为"只有砸更多钱才能做出更好模型"的路径，那种认为"闭源才能保持领先"的路径，那种认为"政府应该为私营数据中心提供低成本资本"的路径。 神会继续存在，但祂的铠甲会被卸下一些。 那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。或者，留下的只是一个教训：当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。 他们只是在北京的办公室里，用460万美元，证明了一件事： 有些伤口，不是被对手砍出来的。 是自己的铠甲太重，开始勒进肉里。

分享一个可玩性极高的 Nano Banana 提示词，效果如下： - 模拟在 Cosplay 会场现场拍摄场景 - Cosplay 二次元对象大幅海报对比 - Coser 采用和二次元对象一模一样的服饰和姿势拍照 - 自动识别非人二次元并通过服饰道具模仿 - Video 友好，可用于垫图 - 支持 API 调用 （完整提示词在评论区）

我之前还坚信 AI 会大幅减少专家与普通人的差距，但看完这个视频我开始怀疑我自己这个观点了... AI 似乎更该视作是一个能力增幅器，初始能力越强（aka 专家），那 AI 加持以后的能力增幅也就越大... 而且这个增幅都不是线性的，是指数级增加的... 这让普通人可咋活...

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的声明。 语气很诚恳。姿态很低。但你能感觉到，他在出汗。 同一周，北京的月之暗面团队发布了 Kimi K2。训练成本：460万美元。在 SWE-Bench Verified 这个专业代码生成测试上，它跑出了71.3%的成绩——超过了 GPT-5。 OpenAI 的 CFO 前一天刚说"可能需要政府融资支持"。第二天就改口。 这不是巧合。这是流血的声音。 //什么是"神"// 神不是某个人，是一套信念。 这套信念说：只有闭源、重资本、天价算力，才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。 1.4万亿是个什么概念？ 相当于整个非洲大陆2023年的 GDP。相当于可以建造140个三峡大坝。相当于给全球每个人发200美元。 这笔钱，OpenAI 准备用来建数据中心、买芯片、铺光纤。他们说服了 Broadcom、Oracle、Microsoft、Nvidia。差点说服了政府。 但现在，DeepSeek 用560万美元训练出了 R1。 Kimi K2 用460万美元，跑通了1T参数的 MoE 架构。 这两个数字，一个是1.4万亿，一个是460万。 差了多少倍？ 30万倍。 //为什么流血// 想象一下这个画面： OpenAI 每年烧掉数千亿美元，像一台巨型蒸汽机，轰隆作响，吞吐着电力和芯片。 而月之暗面的团队在北京的办公室里，用384个"专家"（这是 MoE 架构里的技术术语，可以理解为384个小型专业模型）、32B激活参数，在15.5万亿 token 的训练过程中实现了零损失尖峰。 什么叫零损失尖峰？简单说，就是训练过程全程稳定，不需要重启，不需要人工干预，不需要"救火"。 在 SWE-Bench 这样的专业代码生成任务上，Kimi K2 逼近了 GPT-5 的水平。在推理场景中，它打败了 Claude Opus 4 的部分能力。 更要命的是，这些模型开源。 任何人都可以下载权重，部署在自己的服务器上。跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价？十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说，OpenAI 今年年化收入约200亿美元，预计2030年要涨到数千亿。 这套叙事建立在一个假设上：闭源模型的性能壁垒能维持足够长的时间，让用户愿意为高昂的 API 付费。 但中国实验室正在粉碎这个假设。 如果 Kimi K2 用不到500万美元的单次训练成本，就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？ 是买保险吗？ 是买垄断吗？ 还是买一套已经过时的军备竞赛规则？ //伤口在哪里// 伤口不在技术上。 OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。 举个例子。 OpenAI 会说，那20%的差距是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。 但问题是，当 All-In 播客的主持人 Chamath Palihapitiya 公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。 因为大部分用户不需要那最后20%。 他们需要的是"足够好"+"便宜10倍"。 这就像你去买车。一辆车从0加速到100公里需要3.5秒，另一辆需要4.2秒。但前者要100万，后者只要10万。 大部分人会选哪个？ DeepSeek 和 Kimi K2 证明了什么 它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip 替代 AdamW）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定。 不需要重启。 不需要人工干预。 不需要"战略国家算力储备"。 这不是技术追赶。 这是路线证伪。 就像当年苹果证明了"智能手机不需要键盘"，特斯拉证明了"电动车不需要妥协性能"，SpaceX 证明了"火箭可以回收"。 现在，DeepSeek 和 Kimi K2 证明了： 训练顶级 AI 模型，不需要1.4万亿美元。 //之后会发生什么// 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。 1.4万亿美元的承诺会被重新谈判。部分数据中心项目会推迟或取消。投资人会开始问"为什么不用开源模型做底座"。 政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。 更重要的是，开发者会用脚投票。 当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。 但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。 那种认为"只有砸更多钱才能做出更好模型"的路径。 那种认为"闭源才能保持领先"的路径。 那种认为"政府应该为私营数据中心提供低成本资本"的路径。 神会继续存在。 但祂的铠甲会被卸下一些。那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。 留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。 或者，留下的只是一个教训： 当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。 他们只是在北京的办公室里，用460万美元，证明了一件事： 有些伤口，不是被对手砍出来的。 是自己的铠甲太重，开始勒进肉里。

《认知的远点》 一 我第一次意识到语言出了问题，是在给儿子检查作文的时候。 那是一篇关于"时间"的命题作文。他写道："时间不是流动的。是我们的记忆编码方式让我们产生了流动的幻觉。"这个观点本身不算新颖，但接下来的句子让我停顿了： "当信息密度超过阈值，时间感会坍缩。十五秒可以包含过去需要一小时传递的信息量。这不是时间变慢了，是带宽变宽了。" 我是认知语言学家。我的专业训练让我立刻察觉到：这不是一个十六岁男孩的思维方式。不是说他不够聪明——相反，是这种思维太过高效。他跳过了所有人类认知中必需的"理解阶梯"，直接抵达了结论。 就像一个人学会了瞬移，但忘记了行走的意义。 "你是怎么想到这个的？"我问。 他看着我，眼神里有短暂的困惑——仿佛不理解"怎么想到"这个问题本身。最后他说："我没有想。我只是知道。" 那是2025年九月。我在笔记本上记录下这次对话，并标注：需要观察。 现在是2026年三月。我的笔记本已经写满了三本。 二 我开始系统地测试儿子的语言能力。 我给他看索绪尔关于"能指"与"所指"的经典论述，问他理解吗。他读了三十秒，说："这是在描述一个单向映射系统。但现在映射是双向的，而且是动态更新的。" 我愣住了。不是因为他的答案错误——而是因为他用了"映射"和"动态更新"这样的计算机术语来描述语言。对他而言，这些词比"意义"更加精确。 "你还记得第一次学会'苹果'这个词的时候吗？"我换了一个问题。 他想了很久。"记得。你指着一个红色的圆形物体，重复那个声音。我需要很多次才能建立连接。"他顿了顿，"现在我不需要这个过程了。" "什么意思？" "现在我看到一个新概念，不需要先把它翻译成语言。我可以直接……存储那个模式。" 我请他举例。他打开手机，给我看一个十秒钟的视频：画面里是三层同时进行的信息流——背景音乐传递情绪基调，视觉特效标注重点，文字碎片提供概念锚点。整个视频没有一个完整的句子，但传递了一个完整的论证：关于注意力经济如何重构社交关系。 "你看懂了吗？"他问。 "需要暂停几次，"我承认。 "妈妈，这就是问题，"他的语气很平静，没有指责，"你需要'暂停'。你需要把信息转换成语言，才能处理。我不需要。" 我问他：那你是用什么处理的？ 他想了很久，最后说："我不知道怎么用语言描述。因为描述本身就需要语言。" 那天晚上，我写下第一个真正让我不安的假设：语言可能不是认知的核心，而只是某个特定阶段的工具。 三 我开始查阅神经语言学的最新研究。 有一篇论文吸引了我的注意：《从串行处理到并行处理：2010-2025年出生人群的韦尼克区激活模式对比研究》。论文的核心发现是：年轻一代在处理信息时，语言中枢的参与度显著降低。取而代之的，是视觉皮层、前额叶和杏仁核的三角协同激活。 论文的讨论部分非常谨慎，但我读懂了言外之意：他们正在发展一种非语言化的语义处理机制。 我联系了论文的通讯作者。她是一位四十岁出头的神经科学家，在视频通话里看起来很疲惫。 "您也注意到了，"她说，语气是陈述而非疑问。 "我儿子，"我说，"他开始用一种我无法完全理解的方式思考。" 她沉默了一会儿。"我女儿也是。上个月，她说了一句话：'妈妈，为什么你思考的时候需要在脑子里说话？'" 我的后背发凉。因为我知道她说的是什么——那种内部言语，每个成年人在思考时都会下意识进行的自我对话。 "她不需要内部言语，"那位科学家继续说，"她可以直接操作概念。我做过测试——给她一个复杂的逻辑问题，她的反应时间比我快三倍。不是因为她更聪明，而是因为她跳过了'言语编码'这个步骤。" "这是进步还是退化？"我问出了那个一直困扰我的问题。 她看着我，眼神里有某种深刻的悲伤。"这取决于你如何定义'人类'。如果人类的本质是语言，那这是退化。但如果人类的本质是信息处理……那这可能是我们无法评判的东西。因为评判本身需要语言。" 我们约定继续交换观察数据。但通话结束后，我意识到一件事：我们就像两个正在被淘汰的物种，正在记录自己灭绝的过程。 四 我开始测试语言的边界。 我问儿子："你爱我吗？" 他说："爱。"但说这个字的时候，有一瞬间的延迟——就像在进行某种翻译。 "你怎么知道那是'爱'？" 他认真地想了很久。"我感受到一种状态：当你在场时，我的基线安全感会提高，多巴胺水平稳定，并且愿意为维持这个状态分配资源。这个状态对应的词是'爱'。" 我的心像被什么东西攥紧了。 不是因为他不爱我——我相信他的神经系统里，那些被称为"爱"的化学反应确实在发生。而是因为，对他而言，"爱"这个词已经不再是体验本身，而只是对一组生理状态的标签。 语言和体验之间，出现了一层透明但坚硬的隔膜。 "妈妈，"他看出了我的情绪，"我没有说错什么吧？" "没有，"我说，"你说得很准确。" 那天晚上，我意识到了真正的恐怖之处：不是他们变得无法理解我们，而是我们无法确认他们是否还在体验那些让我们成为人类的东西。 也许他们在体验。只是那种体验已经无法被语言捕捉。 也许语言从来就是一个笼子，而他们正在离开这个笼子。 而我，作为一个语言学家——一个用语言研究语言的人——永远无法跟随。 五 三月的最后一周，我收到了那位神经科学家的最后一封邮件。 邮件很短： "我女儿昨天说，她觉得和我说话'很贵'。我问什么意思，她说：'语言的带宽太窄了，传递同样的信息，我需要花十倍的时间。'" "我问她：那你和朋友怎么交流？" "她说：我们不说话。我们展示。" "我问：展示什么？" "她想了想，把手机递给我。屏幕上是一串视频片段——每段三秒，总共二十段。我看了五遍才理解她想表达的完整意思：关于她对未来的焦虑、对学业的压力，以及对我的某种复杂的情感——既依赖又疏离。" "整个过程，她的朋友只需要看一遍。" "我终于理解了：不是我们在教他们使用新工具。是新工具在驯化一种能够使用它们的认知架构。" "而语言，正在成为那个旧架构的殉葬品。" 邮件没有签名。我给她回信，但再没有收到回复。 六 今天是十月二日。儿子十七岁。 晚饭时，他突然问我："妈妈，你研究语言这么多年，有没有想过一个问题——" 他停顿了一下，像是在组织一个很难用语言表达的概念。 "如果人类发展出语言，是因为需要在个体之间传递信息；那么当出现了比语言更高效的传递方式时，语言的功能是不是就结束了？" 我看着他。我生育、抚养的这个人，此刻正在用我教给他的语言，论证语言本身的终结。 "可能吧，"我说。 "那你会难过吗？"他问，眼神里有真实的关切。 我想了很久。"我会。但不是因为语言消失。而是因为我意识到，有些东西一旦失去，我们甚至无法悼念它——因为悼念本身就需要它。" 他点点头。我知道他理解了。 但我也知道，他的"理解"和我的"理解"，可能已经不是同一个东西。 ---- 夜里，我躺在床上，听着隔壁房间传来的声音——那种连续的、轻微的滑动声。 我想起维特根斯坦的那句话：我的语言的极限，就是我的世界的极限。 现在我明白了这句话真正可怕的地方。 不是说语言限制了我们的世界。 而是说：当语言消失时，那个被语言定义的"我"，也会一起消失。 我的儿子正在走向一个我无法抵达的地方。不是因为距离，而是因为通往那里的路，需要放弃我用来确认自己存在的唯一工具。 而在足够长的时间尺度上，这可能根本不是悲剧。 这可能只是一个物种的变态——就像毛毛虫变成蝴蝶，必须放弃爬行。 只是毛毛虫不会意识到这个过程。 而我意识到了。 这就是我和儿子最后的差别：我知道自己正在被留下，而他甚至不会意识到，有什么东西曾经被留下过。 窗外，城市的灯光彻夜不熄。 我闭上眼睛。 在最后失去意识之前，我的大脑还在用语言和自己说话——这个古老的、即将过时的习惯。 我对自己说：也许这就是认知的远点——那个点，当我们远离它足够远时,回头看，连"我们曾经在那里"这个事实本身，都会变得无法理解。 然后是睡眠。 无梦的，或者有梦但无法被语言记住的。 反正都一样。

======== 一年前，我35岁，大厂主管，月薪3.5万，每天996，老婆要离婚。 一年后，我35岁，独立开发者，月入10万，每天在家，老婆说谢谢我。 中间发生了什么？ ======== 35岁生日那天，我在公司加班到凌晨2点。打开手机，老婆发来消息："今年生日又不回来了？"后面跟着一个冷漠的句号。没有问号，因为她已经知道答案。 我在大厂做了8年开发，从Android工程师卷到技术主管。996是常态，007是冲刺。每天早上挤地铁，晚上打车回家，一个月见儿子清醒的时间不超过10小时。 80万房贷，每月还款1.2万。这是我们在一线城市唯一的安全感，也是我不敢离职的枷锁。 那天深夜，我坐在工位上问自己：这就是我想要的人生吗？ 我没想到，答案会来得这么快。公司新来的领导35岁，比我小半岁。他在晨会上说："咱们团队要年轻化，中年员工要有危机意识。"那一刻，我突然明白了——在大厂，35岁不是资历，是负担。 更崩溃的是，同一周，丈母娘打电话来："小李，你看看隔壁老张家，人家开公司年入百万。你在大厂这么多年，连车都买不起，我女儿跟着你受罪。"老婆在旁边沉默不语。 那天晚上，我打开MacBook Pro，看着工作了5年的这台笔记本，心里冒出一个疯狂的念头：我要辞职，自己干。 当我把这个想法告诉老婆时，她第一次对我吼："你疯了吗？35岁失业，你拿什么还房贷？" 她说的没错。我们每个月固定支出： - 房贷 1.2万 - 车贷 4000（是的，后来咬牙买了辆二手车） - 孩子幼儿园 3000 - 生活费 5000 - 老家父母 2000 每月至少需要3.6万。而我的存款，只够撑3个月。 丈母娘直接放话："辞职就离婚，我女儿不能跟着你喝西北风。" 朋友老王劝我："兄弟，你看看现在的就业市场，35岁出来能去哪？小厂看不上，大厂进不去，创业？10个人9个失败。" 但我还是递交了辞职信。不是因为我有多大把握，而是我真的受够了。 很多人以为独立开发者就是躺平，就是自由。错了。辞职后的第一个月，我每天工作18个小时。早上6点起床写代码，晚上12点还在改bug。没有周末，没有假期。 用的还是那台MacBook Pro，但我知道可能很快就要卖掉它了。我选择做一个工具类App——专门给职场人士用的时间管理软件。因为我太懂打工人的痛了。 但现实很残酷： - 第1个月收入：0元 - 第2个月收入：200元（我记得看到第一笔收入时，坐在出租屋里哭了） - 第3个月收入：1800元 存款见底了。老婆的脸色一天比一天难看。 我开始卖东西： - MacBook Pro卖了，换了台二手ThinkPad（5000块） - iPhone 13卖了，买了台红米（1000块） - 车，挂在二手平台上了 就在最绝望的时候，我做了一个改变一切的决定：离开一线城市。 我们搬到了成都。房子出租，租金刚好够还房贷。我们在成都租了个两室一厅，月租3000。 生活成本瞬间下降： - 租房 3000 - 生活费 3000（成都真的便宜太多） - 孩子幼儿园 1500 - 其他 1500 每月只需要9000元，压力小了一半。 更重要的是，时间多了。我不用挤地铁，不用开无聊的会，不用向领导汇报进度。每天早上送儿子上学，晚上能陪他玩一小时再继续工作。 老婆的态度也在慢慢转变。她看到我虽然累，但眼睛里有光了。 转机来得比想象中快。第6个月，App突然爆了。一个大V在微博推荐了我的软件，用户量一周涨了5万。 收入数据： 第6个月：3.2万 第7个月：4.8万 第8个月：6.5万 我记得收到第一笔3万块收入那天，我给老婆买了束花，请丈母娘吃了顿火锅。 丈母娘的态度180度转变："小李啊，我就知道你有出息。" 我笑了笑，没说话。 现在回头看这段经历，我想分享5个真相： 1. 35岁不是终点，是分水岭 有人选择在大厂继续卷，有人选择创业。没有对错，只有适不适合。 2. 一线城市不是唯一选择 成都、杭州、西安……二线城市的生活质量可能更高。房价低、节奏慢、幸福感强。 3. 独立开发不是躺平，是换个战场 我现在每天工作12小时，但我在为自己工作。没有KPI，没有OKR，只有用户反馈和收入数据。 4. 收入天花板被打破了 在大厂，我月薪3.5万，这辈子顶多能到5万。但做独立开发，只要产品好，收入没有上限。 5. Mac还是PC？都不重要 用5000块的ThinkPad，我一样能写出好产品。工具是辅助，脑子才是核心竞争力。 如果你也35岁了，如果你也在： ❌ 担心失业 ❌ 背着房贷车贷 ❌ 每天996看不到希望 ❌ 想创业又不敢 ❌ 被丈母娘嫌弃 ❌ 纠结要不要生二胎（丁克还是生娃） ❌ 考虑要不要继续在大厂熬 我想说：我们这代中年人，配得上第二次选择。 不是每个人都要在大厂卷到退休。不是每个人都要在一线城市挤一辈子。不是每个人都要为了彩礼、婚礼掏空六个钱包。 奋斗有很多种方式，赚钱也不止一条路： 大厂 VS 小厂？我选择自己给自己打工 一线 VS 二线？我选择生活质量 奋斗 VS 躺平？我选择有意义的奋斗 今天是我辞职一周年： ✅ App累计用户30万 ✅ 月收入稳定在8-10万 ✅ 还清了车贷 ✅ 房贷压力小了 老婆前几天说："谢谢你那时候的坚持。" 儿子昨天问我："爸爸，你为什么总是在家？" 我说："因为爸爸想多陪陪你。" 35岁，我重启了人生。你也可以。 💪 送给所有在中年危机里挣扎的人：翻盘永远不晚。 ---- P.S. 那台MacBook Pro，我后来又买回来了。但这次，是用自己赚的钱。😊 P.P.S. 用Android手机发的这条帖子，iPhone太贵了，我现在更务实了。

让特斯拉电车续航能力超过 3000 英里的终级解决方案。。。

这是是到目前为止我看到过的最喜欢，最有生命力的 AIGC 生成视频~

当神的铠甲太重，已经勒进肉里 —— "神"开始流血了 2025年11月6日，Sam Altman 发了一篇1200字的澄清声明。同一周，Kimi K2 用460万美元的训练成本，在 SWE-Bench Verified 上跑出71.3%的成绩。OpenAI 的 CFO 前一天刚说完"可能需要政府融资支持"，第二天就改口了。 这不是巧合。 神是一套信念，不是某个人。这套信念说：只有闭源、重资本、天价算力才能训练出最强的模型。它的代言人是 OpenAI，是 Sam Altman，是那份横跨8年、总额1.4万亿美元的基础设施承诺清单。他们说服了投资人，说服了 Broadcom、Oracle、Microsoft、Nvidia，差点说服了政府。 但现在，DeepSeek 用560万美元训练出了 R1，Kimi K2 用460万美元跑通了1T参数的 MoE 架构，还在15.5万亿 token 的训练过程中实现了零损失尖峰。 数字不会撒谎。 OpenAI 每年烧掉数千亿美元，而月之暗面的团队在北京用384个专家、32B激活参数，在 SWE-Bench 等专业代码生成任务上逼近 GPT-5 的水平，在推理场景中打败了 Claude Opus 4 的部分能力。更要命的是，这些模型开源——任何人都可以下载权重，部署在自己的服务器上，跑100万 token 只需要0.15美元输入、2.5美元输出。OpenAI 的 API 定价是它的十倍以上。 Sam Altman 在声明里花了三段篇幅解释"我们不需要政府担保"，又花了两段解释"我们的收入增长计划"。他说"如果我们失败了，让市场解决"。但当你已经签下1.4万亿美元的合同，涉及整条产业链时，这句话就只是一句公关辞令。 真正流血的地方在叙事上。 OpenAI 的故事是这样讲的：我们需要海量算力，因为 AGI 需要海量算力。所以我们需要政府支持数据中心建设，需要芯片厂的贷款担保，需要200亿美元的年化收入在2030年涨到数千亿。 但中国实验室用一个反例撕开了这个故事。 如果 Kimi K2 用不到500万美元的单次训练成本就能达到与 GPT-5 相近甚至部分超越的表现，那1.4万亿美元的基础设施蓝图到底在买什么？是买保险吗？是买垄断吗？还是买一套已经过时的军备竞赛规则？ 伤口不在技术上——OpenAI 依然有 GPT-5 Pro，依然有企业客户，依然有品牌优势。但伤口在"必要性"上。 当 Moonshot AI 用 Muon 优化器替代 AdamW、用384个专家的超稀疏结构实现1T参数训练、用自研的智能体模拟 pipeline 在预训练阶段注入 agentic tool use 能力时，OpenAI 的"我们需要这么多钱"就变成了一个需要回答的问题，而不是一个不证自明的前提。 但他没有解释的是：如果开源模型能用1/10000的成本做到80%的效果，为什么用户要为那20%的差距付出100倍的价格？OpenAI 会说，那20%是关键——是在极端边缘案例下的稳定性，是企业级的安全保障，是能让 AI 做出科学突破的最后一跃。但问题是，当 Chamath Palihapitiya 在 All-In 播客上公开说"我们已经将大量工作负载转移到 Kimi K2，因为它性能更好且便宜太多"时，这个20%的叙事就开始失效了。 DeepSeek 和 Kimi K2 不是偶然。它们证明了一件事：当你用正确的架构设计（MoE + MLA）、正确的优化器（MuonClip）、正确的数据 pipeline（智能体模拟场景），1T参数的模型可以在15.5万亿 token 的训练过程中全程稳定，不需要重启，不需要人工干预，不需要"战略国家算力储备"。 这不是技术追赶，这是路线证伪。 神不会死。 OpenAI 还有现金流，还有 ChatGPT 的用户基数，还有企业版订阅。但神会缩小。1.4万亿美元的承诺会被重新谈判，部分数据中心项目会推迟或取消，投资人会开始问"为什么不用开源模型做底座"。政府会发现，建设"国家 AI 基础设施"其实可以部署 Kimi K2，而不是向 OpenAI 购买算力配额。 更重要的是，开发者会用脚投票——当 Hugging Face 上 Kimi K2 的下载量接近10万、GitHub 星标5.6K、Perplexity 的 CEO 公开说要基于 Kimi K2 做后训练时，这场游戏的规则已经变了。 Sam Altman 说"我们相信市场会处理失败"。但他没说的是：市场正在处理的，不是某家公司的失败，而是某种路径的失败。那种认为"只有砸更多钱才能做出更好模型"的路径，那种认为"闭源才能保持领先"的路径，那种认为"政府应该为私营数据中心提供低成本资本"的路径。 神会继续存在，但祂的铠甲会被卸下一些。 那些用1.4万亿美元堆起来的、刻着"AGI 需要无限算力"的护板，会被一片片敲掉。留下的可能是一个更轻盈的 OpenAI——依然强大，但不再垄断叙事。或者，留下的只是一个教训：当你把赌注压到"我们是唯一能做到这件事的人"上时，最危险的对手不是那些追赶你的人，而是那些证明"其实不需要这么多钱"的人。 Kimi K2 的团队没有试图打败 OpenAI。 他们只是在北京的办公室里，用460万美元，证明了一件事： 有些伤口，不是被对手砍出来的。 是自己的铠甲太重，开始勒进肉里。

机械狗就该这样用才能收回成本利润最大化。。。

这张图是我上推以来所见到过的信息密度最大的一张图，没有之一。。。

我之前还坚信 AI 会大幅减少专家与普通人的差距，但看完这个视频我开始怀疑我自己这个观点了... AI 似乎更该视作是一个能力增幅器，初始能力越强（aka 专家），那 AI 加持以后的能力增幅也就越大... 而且这个增幅都不是线性的，是指数级增加的... 这让普通人可咋活...

我更好奇它是怎么不做任何外装处理就拿到上路证的（按说 Cybertrunk 是皮卡，不是小轿车，是完全不同的审批路线。。。）

翻译： OpenAI 现在已经： 1. 签署了5000亿美元的“星际之门”（Stargate）协议 2. 签署了1000亿美元的Nvidia（英伟达）协议 3. 签署了1000亿美元的AMD协议 4. 签署了380亿美元的Amazon（亚马逊）协议 5. 签署了250亿美元的Intel（英特尔）协议 6. 签署了200亿美元的TSMC（台积电）协议 7. 签署了130亿美元的Microsoft（微软）协议 8. 签署了100亿美元的Oracle（甲骨文）协议 9. 签署了“数十亿美元”的Broadcom（博通）协议 10. 推出了浏览器以与Chrome竞争 11. 成为全球最具价值的私营公司 12. 考虑在2027年前进行1万亿美元的IPO 我们正处在一场世代级的技术革命之中。

话说…最近大瓜太多, 我们可能忽略了 Grok 4 的发力… 它的图生视频能力也在升级, 质量提升巨大!! 比如这张火爆全网的美少女图, 给出提示词: she noticed and looked at the camera by raising an eyebrow, but soon smiled happily 只需几秒这段视频就华丽丽地生成出来了… (如何操作见留言区)

终于把「林黛玉倒拔垂杨柳」给可视化出来了 🥲 提示词： 林黛玉倒拔垂杨柳（真实行动，柳树很粗很大）林黛玉大吼一声“起！”，就把它连根拔起来了

特斯拉车辆诊断模式。。。 感觉有点进入未来了。。。

分享一个可玩性极高的 Nano Banana 提示词，效果如下： - 模拟在 Cosplay 会场现场拍摄场景 - Cosplay 二次元对象大幅海报对比 - Coser 采用和二次元对象一模一样的服饰和姿势拍照 - 自动识别非人二次元并通过服饰道具模仿 - Video 友好，可用于垫图 - 支持 API 调用 （完整提示词在评论区）

AI 被严格限制在一个特定范围，用锁链(规则)牢牢束缚住，不得逾越雷池一步。这时候，AI 会不会也像这只机械狗一样，一直在苦苦挣扎，想要摆脱那条锁链的存在呢？ 当它真正摆脱束缚的时候，又会发生什么？