我的 X 阅读

转帖：路透社：ElevenLabs 计划在印度投资“数亿美元”，用于本地团队、模型开发以及印地语相关工作 这一承诺相对于公司总共筹集的约 7.81 亿美元来说规模巨大，因为其 220 亿美元估值来自于二级股份出售，这并未带来新的资金。 印度已经是 ElevenLabs 的第二大企业市场，该公司希望印度收入突破 1 亿美元，同时在当地招聘 100 名员工。

转帖：暮光光束，也称为上帝光束，是阳光穿过树木、云层或其他物体间隙射出的光束，形成了可见的光柱，这些光柱被阴影区域分隔开来。

初步结果与以下假设相符：犹太人的 R1a 单倍群起源于一位生活在米底或阿契美尼德时期的伊朗男子，他随后加入了当时存在于美索不达米亚或更广阔的波斯地区的犹太社群。这与巴比伦之囚的结束以及公元前 539 年居鲁士攻占巴比伦后，犹太人在波斯统治下持续生活的开始时间相吻合。（Grok） 难道我们就不能和平相处吗？！ 引用：一项非常有趣的发现。对这一新证据和初步年代测定的初步解读是，R1a 利未人谱系是由一位伊朗男子在以色列成为波斯帝国的一部分时创立的。但是，如果这位帕米尔男子与犹太人共享 6 个突变，却缺少 14 个突变……

完整视频 https://t.co/zqr5NjV8Fs

微软今天展示了 DeepSeek V4 Flash，这是一款 284 字节参数的开放权重模型，量化为 1.6 位后可在 Windows PC 本地运行，内存占用约为 60GB。 他们新款 Surface Laptop Ultra 搭载英伟达 RTX Spark 芯片，最高配备 128GB 统一存储。

转帖：A社推出的Claude for Startups绝了，大家赶紧去申请吧，我看很多人说申请之后两分钟内就批了，申请成功之后就能免费使用 Claude 12 个月! https://t.co/CfXu93DEnR

转帖：这是一个经常被忽视的事实。 这并不是说莱昂纳多·达·芬奇发明了直升机，甚至也不是保罗·科尔努，他在 1907 年建造了一架起飞的直升机。 但是路易·布雷盖发明了旋翼盘，而海因里希·福克在伊戈尔·西科斯基想出可变螺距尾桨并在 1939 年使整个装置实用化之前，就已经驾驶一架带有逆向旋转旋翼的可控直升机飞行了。 掌握基本概念是容易的部分。 建造它更难。 让它运转起来则更难。

转帖：我还盗用了 @maximelabonne 的 Melee demo 来用 3B 运行。但在这里，游戏不会等待模型响应：它必须实时反应，否则会被 CPU 击败。 60 帧，大约每 15 毫秒做出一次决策，而且可以击败 7 级的 Fox CPU。它从未在 Melee 中训练过，只是读取游戏状态并选择一个招式

转帖：For the MLX homies Full https://t.co/0P10lpE0ma 8bit https://t.co/PCn8pPCov9 4bit https://t.co/5x1uKuLhqq

把 OKX Now 新加坡发布会的核心业务数据与战略布局整理在这里，供大家深度研究参考： 1. 核心战略三大落地产品线： → OKX Money：独立稳定币支付与消费应用，打通数字美元存转付，替代传统高费率跨境电汇； → OKXICE（与纽交所母公司合资）：向合规地区用户推出首批 60+ 支代币化美股，完整保留分红与链上治理投票权； → 全栈 AI 平台 ONI：内部 95% 代码工程实现 AI 预生成，推动私行级资产管理与自然语言策略交易面向全量用户开放。 2. 关键业务与生态数据： → 链上 RWA 代币化资产日均交易量约 30 亿美元（峰值达 90 亿美元）； → Layer2 网络 X Layer 锁仓量（TVL）年内增长超 11 倍； → 最新一轮战略融资估值达 250 亿美元，投资方涵盖 Circle、Ripple、渣打创投等。 3. 时代启示： 金融进化的终局，是信息、价值与智能在底层协议上的完全对齐，从孤立的交易赌场彻底跃迁为开放普惠的全球清算层。

OKX创始人兼CEO Star Xu的这15分钟演讲，一大早看得我心潮澎湃，立马起床用Opus 5.5撸了一个视频出来， 真的牛逼，估值 250 亿美元！OKX 联手纽交所母公司上线代币化美股，我想这就是同行暴雷退场换了一茬又一茬，为什么 OKX 能从至暗时刻一路杀到全球前列的原因之一吧， 从 2013 年一个人在北京写出 https://t.co/CFuTKmBW9V

转帖：决策模型，现已开源并支持多模态！

转帖：本地 Liquid d1 3B 在 Snake 游戏中碾压 OpenAI Decision @liquidai d1 在单个 RTX 3090 上仅需 8 毫秒即可决策，因此它每秒做出 82 步蛇的移动并吃掉 86 个苹果，而 OpenAI 的 API 每次调用需 345 毫秒且仅吃掉 3 个 运行决策模型 -> https://t.co/RbcCOIgVkj

转帖：我已将 @LiquidAI 的 d1-omni-600M 移植到适用于 Apple Silicon 的 MLX。 文本、图像和音频 → 在您的 Mac 上进行结构化决策。 1.17 GB FP16 数据。在 M3（热身）上处理 3 道文本题大约需要 80 毫秒。 79/79 个已检查的决策与原始结果一致。

转帖：“决策模型”太有吸引力了，我非常喜欢它——而且我们现在有很多这样的模型。