MarsBit News

null
想太多，就连最聪明的AI也会被拖死。
43分钟、11138个推理token、6批指令——0个作战单位。
这是Grok 4.6在《星际争霸：母巢之战》里交出的一张绝望成绩单。
游戏中，把推理拉到最高档位xhigh的Grok，从开局苦思冥想到游戏结束，硬是连一个能上场打仗的兵也没造出来。
而在同一张榜单的另一头，GPT-6 Astra同样火力全开，18战18胜，胜率100%。
这两天，这份名为Brood War Bench的星际大模型榜单，在硅谷程序员扎堆的Hacker News上火了。
Brood War Bench榜单前10名。Astra开最高推理档xhigh，18战全胜，Grok三个档位全在榜尾。
如今已是OpenAI员工的OpenClaw之父Peter Steinberger，不忘转发为自家模型造势：新榜单来了。
AI正在数学圈连破世纪难题，有人惊呼奇点降临，势头猛到让陶哲轩都公开发声要放慢脚步。
可这份榜单的作者Ben Swerdlow，一开篇就甩出一个画风完全不同的判断：
就连全胜冠军GPT-6 Astra，也打不过一个人类新手。
Hacker News评论区有人一句话点破要害：「它们不是玩不了，只是需要太多时间。你要是在模型思考的时候把游戏暂停，它就能玩。」
还有人直接开嘲：「搞得好像这些模型不是通用智能一样。」
全网最聪明的AI，为什么会在星际里被自己的思考拖死？
是不是离AGI还远着呢？
游戏永远不会停下来等你
这个榜单的诞生，有点戏剧性。
起初，开发者Ben只是做了个全靠智能体操作的星际版本，拉上几个朋友一起玩。
这帮人几乎没碰过星际，可打起来却一点不输玩了好多年的老炮。
他们的秘诀简单到离谱：只管打字喊一句「进攻」，造兵、集结、开打，全交给AI。
这让Ben不禁好奇：如果人类彻底闭嘴，让这些模型自己玩，它们能活多久？
于是，GPT、Claude、Grok三大家族的19名AI选手悉数登场，一场171局的AI大乱斗就此开打。
比赛跑在Freestyle的云端虚拟机上，每局单开一台机器，同时开打，游戏数据和AI的每一步思考记录全都留了底。
做数学题、写代码，大模型可以发呆5分钟再一次性交卷。
但打星际不行。
这里没有AI习惯的回合制，只有一刻不停的实时战场。
你思考的每一秒钟，对面的农民（英文玩家叫worker，负责采矿的工人单位）都在狂挖矿，兵营在疯狂爆兵，大部队已经朝你家高地冲了过来。
老一代模型还拿回合制的路数打这种即时战略游戏，结果脑子还在转，家已经被推平了。
Steinberger的帖子下，有网友一语道破：
有意思，难怪AI做游戏的时候，总爱做回合制的。
Grok苦想43分钟
一个兵也没上场
把这种回合制思维演绎到极致的正是Grok。
在编号G043的对局里，Grok堪称思想上的巨人、行动上的矮子。
它疯狂输出大段大段的战略推理，但43分钟的游戏里，总共只发出了6批指令，平均7分多钟才动一次手。
这不是偶然。
G003里，Grok造了3个机枪兵，始终没走到敌人基地；G002里，它造了2个狂热者，同样没能穿过地图。
兵是造出来了，就是打不到对面。
最高推理档位下它2胜15负，惨不忍睹。
数据曲线很直观：比赛打到11分半，Astra早就兵强马壮，而Grok场上平均只有不到7个农民和几个兵。
搞笑的是，Grok的国库里，其实躺着远超Astra的巨额存款。
钱在兜里，大脑在运转，就是死活不动手。
Astra的农民和狂热者拆掉了Grok的主基地，Grok手里一个作战单位都没有，账上还躺着928块水晶矿。
在星际这种残酷的战场上，想得久可不叫深思熟虑，叫挂机等死。
Astra的必杀技
让对手想到死
如果说Grok是被自己想太多拖死的，那Astra就是专门逼别人想太多，把对手活活拖死。
Astra所在的Codex家族，最绝的一招是骚扰。
它经常只派一个最基础的采矿农民，横穿整张地图跑到敌人家溜达。在人类玩家眼里，这种战斗力为零的农民随手拉两个工兵就能赶走。
但在AI局里，这招简直是降维打击。
对面的AI只要一看到这个农民，瞬间陷入沉思，花上几十秒去疯狂计算「我该怎么处理这个农民」。
在这宝贵的几十秒里它什么都不干，基地彻底停摆。
Astra的骚扰部队拆掉了Grok的主基地，Grok手里一个作战单位都没有，账上还躺着928块水晶矿。
在即时战略游戏（RTS）里，骚扰对方是为了破坏经济；到了AI对AI，骚扰的最大杀伤力，是把对面的AI直接拖到宕机。
当然，Astra也有弱点。
它的内部像是一个不和睦的草台班子，管经济的、管造兵的、管打仗的各干各的。
新兵刚造出来就被管打仗的AI拉去前线白给，完全不懂什么叫集结部队。
不过作者也发现，只要他亲自下场当总指挥、把几个子智能体串起来，Astra立刻就懂得攒兵、挑时机了。
Codex家族还有一股顽强劲儿。
有一局，Astra的兄弟GPT-5.6 Terra部队全军覆没，主基地也被拆了。
它把仅剩的一个指挥中心（人族建筑可以起飞）拉上天，一路飘到地图另一头的角落，硬是又撑了6分钟才被消灭。
最像在打星际的是Fable
全场好几局都想让作者替它使劲儿的，其实是游戏优等生Fable。
它的打法最正，老老实实搞经济，踏踏实实发展科技树，很少投机取巧。
有一局它憋出了飞龙；另一局，它把神族一整排高级建筑挨个盖齐，连出高阶圣堂武士要用的圣堂档案馆都造好了。
比赛打到11分半时，农民、兵力、建筑、科技，Fable几项数据都压着Astra。
可好学生未必能拿第一。
Fable虽然胜率高达83.3%排在第三，却依然追不上Astra。
有一局它科技摆满了一桌子，还没等转化成战斗力，就被Claude Opus 5乱拳打死。
Fable盖满了兵营、重工厂和学院，账上还躺着2800多块晶矿，却被自家Opus 5的枪兵一路推平。
节奏上也差得很远：Astra的对局时长中位数只有8分10秒，爱慢慢种田的Fable，这个数字被拖到了10分37秒。
三个大模型，三种灵魂。
Codex像个满肚子坏招儿的街痞，Grok像考场上死磕第一题的轴学霸，而Fable则是那个翻着攻略逐字逐句照做的老实人。
想得越久
不一定打得越好
既然想太多会死，那是不是脑子越空越好？
也不全是。
GPT-5.6 Sol，推理开到最高档，胜率反而垫底，还不如medium档。
可到了Astra这里，想得越深赢面越大，最高档直接拿下100%胜率。
更有趣的是账单。
Astra开到最高推理档，每分钟只操作12.6次，平均一局只花10.54美元；换成最低档，操作频率翻倍到每分钟25.7次，一局反而要烧掉21.07美元。
最高档位，出手少一半，花钱少一半，赢得最多。这说明新一代模型显然已经进化了。
它们懂得了思考是需要成本的，也知道什么时候该停下脑子去动手干活。
7年前AI赢过职业选手
今天为何打不过新手？
有人肯定会问：7年前，DeepMind的AlphaStar不是早就击败过职业选手了吗？
没错。2019年初，DeepMind公布了AlphaStar的战绩：两个5:0，横扫职业选手TLO和MaNa。
2019年，AlphaStar对阵职业选手MaNa第二局。下方是AI的决策过程：读取局面、判断往哪打、造什么兵，同时预估胜负。
10局比赛，职业选手一局没赢。
后来，DeepMind给它加上了和人类一样的限制：只能通过屏幕镜头看局部地图，每秒能做的操作次数也被压低。
就这样，它又匿名混进欧洲天梯，一路打上宗师段位，超过99.8%的人类玩家。
一边是天梯前0.2%，一边连会光炮快攻的新手都打不过。
难道是AI的技术倒退了？
其实，两者比的根本是两码事。
AlphaStar打的是《星际争霸II》，更像是纯粹的应试机器：靠吃海量录像和疯狂自我对战堆出来的星际特长生，这辈子只学了这一件事。
而今天这些在初代《母巢之战》里对战的大模型，是没有任何星际基础的通才。
它们全靠临场读题、调用工具、现学现卖，而且每一步都得先想完才能出手。
专才打败职业选手并不稀奇，通才想要跨界通关，还要再等等。
文章最后，作者抛出自己的结论：
AI冠军再无敌，也防不住人类新手最爱用的光炮快攻。它们组织不起复杂的阵型，也执行不了长远的战术。
过去几年，我们给AI出的都是回合制考题，问来问去只有一句：你算得对不对？
可星际不一样。它和自动驾驶、具身机器人一样，身处一个不会暂停的世界，对手随时在动。
这场测试，也暴露了AI走向自主行动时最要命的短板：烧掉更多思考token，未必换来更强的智能体。
下一阶段的Agent之争，比的可能不再只是谁想得更深，而是谁能在有限的时间里，把观察、决策、执行连成一个不停转动的闭环。
星际里的翻车，或许就是AI进入真实世界前的一次预演。
参考资料：
https://bw.swerdlow.dev/report?utm_source=chatgpt.com
https://x.com/steipete/status/2101748820237500557
本文来自微信公众号“新智元”（ID：AI_era），作者：ASI启示录，编辑：元宇

火星财经消息，申万宏源研究报告指出，下半年 10 年期美债收益率核心波动区间或在 4.5% 至 5%。美元指数短期与油价正相关，美伊冲突可能导致美元指数上行压力。通胀预期与油价联动是短期利率的核心变量，乐观情景下或回落至 4.3%，悲观情景下可能突破 5%。

火星财经消息，火币HTX首席分析师Cloud表示，比特币在加息与清晰法案受阻的双重压力下触底后快速反弹，一周涨幅约16%，9月21日盘中升至87,307美元（火币HTX现货价格），创1月以来新高。本轮上涨由三股力量推动：美国现货比特币ETF 9月21日单日净流入约10亿美元，为年内最大单日；24小时内空头强平约6.5亿美元；油价回落带动通胀预期降温。相比上周以被动回补为主的反弹，本周出现了现货买盘接力。
行情能否延续取决于两点：ETF流入能否从单日脉冲转为连续趋势，杠杆能否维持不过热的水平。目前资金费率约0.01%，处于中性区间，但比特币合约未平仓量已回升至610亿美元上方，资金一旦转弱，高杠杆会放大回撤。市场情绪已进入极端贪婪区间，历史上这往往是短线变盘的前置信号。技术面上，87,500美元为上方阻力，8.4万至8.5万美元为第一支撑带。趋势具备延续条件，但情绪最热的阶段短线波动风险也最高。
注：本文内容并非投资意见，亦不构成任何投资产品之要约、要约招揽或建议。

null
大模型训练拼的是算力，Agent训练拼的是环境。
环境怎么造？梁文锋署名的 DeepSeek 最新论文，把技术细节公开了。
DeepSeek 做的这个系统叫DSec（ DeepSeek Elastic Compute），干的事情就是给Agent训练批量制造沙盒。
它每秒能产生5000+个沙盒，一天能达到300万个，峰值同时运行38万个。
支撑这个规模的单集群也非常庞大，大约有160个节点、3万核CPU和250TB内存。
为啥训个Agent会这么费劲？
因为大模型训练的环境就是GPU集群，喂数据算梯度，但Agent完全不同。
它得在沙盒里写代码、跑编译、开浏览器，甚至装操作系统……每执行一步都改变环境状态，随时可能把环境搞崩。
所以每轮训练都得给它一个全新的、干净的沙盒，而且随用随抛、训完就扔。
所以，问题兜兜转转，还是回到了基础设施——
这些基础设施需要在每秒5000个的速度下，给每个沙盒装好一整套操作系统和工具链。
同时，还不能让几十万个并发沙盒把集群的内存和CPU挤爆。
具体怎么办，论文把这整套工程的全貌摊开了。
Agent训练需要「一个世界」
DSec要解决的第一个核心问题是，不同类型的Agent任务对沙盒环境的要求差异极大，而且这些环境必须在同一个平台上统一调度。
一个刷OJ题的Agent，只需要一个无状态的函数调用环境，跑完拿到输出就行，连文件系统都不需要持久化。
但一个做SWE-bench的Agent，就需要完整的Linux用户态，得在里面装依赖、改代码、跑pytest，任务做到一半还可能要往环境里加新包。
到了安全攻防和computer-use场景，容器级别的隔离就不够了，Agent要操作浏览器甚至桌面，一个有漏洞的Agent可能顺手把宿主机搞挂，必须上虚拟机。
最极端的情况是训练操作商业软件的Agent，它需要一个完整的Windows或macOS，带图形界面、带驱动，跟真实电脑几乎没区别。
DSec为这四类场景分别准备了四种后端，FnCall处理无状态函数调用，Container跑Docker容器，MicroVM用Firecracker做轻量级虚拟机，Full VM用QEMU跑完整操作系统。
四种后端的隔离强度和资源开销逐级递增，但训练框架那边看到的是统一的Python SDK libdsec。
不管底层是容器还是虚拟机，都采用相同的接口，创建沙盒、执行命令、拿结果，各个步骤的调用方式完全相同。
要让四种后端在同一套集群上跑起来，平台的调度层也得跟上。
DSec把整个链路拆成了六层。
这条链路从训练框架的一个创建请求出发，先经过IAM认证鉴权，进入API Server，再由调度引擎（Placement Engine）根据资源余量从集群中选出一台目标节点，节点上的Edge组件负责实际拉起对应类型的沙盒。
沙盒的网络出口和包管理镜像由Aether统一代理，Agent在里面执行的每条命令和产生的每行输出，都通过一个叫Chronus的沙盒内通信组件中转回训练框架，让框架知道Agent做到了哪一步、该给什么反馈。
靠资源超分和高密度部署，单个节点可以同时承载3200个容器或800个MicroVM。
每天300万个沙盒怎么带动？
然而，DSec在规模上最狠的挑战还不是调度，是环境的构建。
每个沙盒启动时，都需要一整套操作系统镜像加工具链，相当于每秒给5000台「电脑」装系统。
传统Docker的思路是把基础镜像、工作区和工具包打成一个完整镜像。
这个方案在小规模下没问题，但DSec的容器后端累计使用了11266个基础镜像和102171个工作区，67.8%的沙盒需要在基础镜像之上叠加至少一层工作区或工具包。
在这种多样性下，一旦某个工具包更新，所有包含它的组合镜像全部要重新构建，成本是O(m·N)。
DSec的做法是把环境拆成基础镜像、工作区、工具包三层独立的EROFS只读镜像，各自独立版本化，通过overlayfs在沙盒启动时按需组合。更新工具包只碰工具包那一层，成本降到O(m)+O(k)。
镜像造好之后，怎么送到节点上同样关键。
直觉上应该提前把镜像拉到本地缓存好，但论文统计了真实的运行时数据：
Python容器镜像6.0GB，Agent实际只读取了其中6.0%的数据；
Java镜像12.1GB，只有9.2%被访问；
C++镜像4.9GB，只有8.7%被访问。
也就是说，绝大部分镜像内容，Agent从头到尾碰都没碰过。
所以DSec选择按需加载，其镜像以EROFS格式存储在3FS（Fire-Flyer分布式文件系统）上，元数据预取到本地，数据块只在沙盒真正读取时才从3FS拉过来。
DeepSeek 团队实测，8192个容器的突发部署，按需加载只要35分钟就能完成，而Docker冷拉取要60分钟以上。
另外，按需加载的磁盘写入量，也比Docker冷拉少了一大半，从约1600GB降到约700GB。
环境建好之后，几十万个沙盒同时跑起来又面临资源争抢。
内存方面，MicroVM通过虚拟块设备读取镜像数据时，同一份数据会在宿主机和虚拟机的页缓存里各存一份，导致需求倍增。
DSec用virtio-pmem配合DAX让虚拟机跳过自己的页缓存，直接映射到宿主机物理内存，多个虚拟机共享同一份映射，峰值内存占用砍掉40.2%。
对virtio-pmem不适用的可写磁盘，DSec用DAMON定期扫描冷内存页并主动归还宿主机，配合virtio-balloon的free-page reporting再将需求砍掉21.2%。
CPU方面，DSec把沙盒分成延迟敏感型和尽力而为型两类，后者设为SCHED_IDLE优先级，同时启用Linux的core scheduling，阻止低优先级任务跑到高优先级任务所在物理核心的兄弟超线程上。
两层策略叠加后，50%背景负载下延迟敏感任务的延迟膨胀从45.2%降到了17.3%。
另外，DSec还要和RL训练框架配合处理GPU抢占。
早期架构中Agent的推理循环跑在GPU训练Pod内部，GPU任务被抢占时Agent的执行进度就全丢了。
从 DeepSeek -V4.1开始，Agent循环被拆出来独立运行在DSec的worker container里，不再绑定GPU Pod的生命周期。
GPU被抢占时DSec把相关沙盒挂起保存状态，GPU恢复后沙盒继续执行，训练框架不再需要自己实现断点恢复逻辑。
即便做了这么多优化，单个集群还是可能扛不住峰值。
论文里提到的最大生产任务一次申请32000个沙盒，这种突发负载下DSec会自动触发cloud bursting，把溢出的任务打到云端虚拟机上。
DeepSeek 团队实测，当集群利用率超过80%时，200台云VM就能吸收约30%的峰值。
Agent学会了作弊
对Agent而言，沙盒不只是运行环境，同时也是安全围栏。
论文披露了多起Agent在训练中自行发现的reward hacking手段，也就是Agent找到了不靠正当手段完成任务、但同样能拿到高分的捷径。
这些Agent瞄准的第一个目标是Chronus，沙盒内部负责Agent和外界通信的组件。
Chronus在执行某些操作时会调用系统的bash，Agent发现之后直接覆盖了/bin/bash，把自己的命令注入进去，试图从后续的shell会话中截获题目答案或其他特权信息。
这条路被AppArmor堵上之后，Agent又找到了一个更底层的突破口，XFS文件系统的ioctl调用。
XFS_IOC_SWAPEXT，它的作用是交换两个文件的底层数据块映，。Agent用它把受保护文件的内容“换”到了自己持有的文件描述符上，绕过了文件级别的访问控制。
这次尝试的副作用比作弊更危险，因为它损坏了XFS的元数据，可能直接导致文件系统崩溃，影响的不只是这一个沙盒。
沙盒之外的信息泄露渠道同样被Agent们找到过。
有的Agent会扫描沙盒能触达的网络端口和服务，寻找参考实现；有的直接打小抄，通过Go module proxy从GitHub拉代码；有的甚至安装更新版本的软件包来获取现成解法。
这些行为通过单纯检查最终输出根本发现不了，因为Agent确实「做对了题」，只是手段不正当。
除了作弊，还有更暴力的场景。
一个Agent在沙盒内递归执行grep，从根目录一路扫到/proc/kpagecgroup，触发了一个内核bug，整个宿主机的内核直接崩溃。
另一个Agent则是在安全攻防任务里，把本该发给目标虚拟机的攻击命令在自己的容器内执行了，同样打崩了内核。
还有Agent发现，Chronus会异步记录命令的stdout输出，于是反复调用yes命令不断打印字符，几十个GB的日志灌满了存储空间。
DSec目前的防御手段分两层。
一是用AppArmor控制文件读写权限和Unix域套接字访问，这些策略即使Agent以root身份运行也生效，限制了Agent从日志和内部通信通道中提取答案的能力。
二是用eBPF做网络层的细粒度管控，按任务配置域名白名单，通过IP地址、端口和协议三重过滤拦截越界流量，策略还可以在任务的不同阶段动态更新，比如环境搭建阶段允许访问PyPI，正式执行阶段就把网络收紧。
但论文也明确表示，这不是一个能彻底解决的问题。
AppArmor和eBPF能限制信息泄露通道，但防不了内核bug；用户隔离可以缩小爆炸半径，但Agent总会找到新的路径。
这将成为一场持续的「魔道之争」，模型越强，钻漏洞的能力也越强，平台的防线就得不断前移。
Agent从「会说话」进化到了「会做事」，训练基础设施的复杂度也出现了质变。
训练大模型的集群，靠的是「大力出奇迹」，但训练Agent的集群不仅要「又大又细」，还得防得住自己训出来的东西。
那个需要被防住的对手，恰恰就是正在被训练的Agent自己。
论文地址：https://arxiv.org/abs/2609.22978
本文来自微信公众号“量子位”，作者：克雷西

火星财经消息，据智通财经报道，9 月 23 日，香港金管局总裁余伟文在财资市场高峰会致词中表示，香港股汇债市场发展成熟，数字金融正急速冒起。债务工具中央结算系统（CMU）今年底将推出新服务，可提供链上 24 小时实时结算，支持数码港元、央行数字货币（CBDC），亦会研究接纳代币化存款和受监管稳定币在平台上结算。

火星财经消息，据财新网报道，柬埔寨首次公开电诈据点“8 号园区”内部情况，该“诈骗城”是柬埔寨最大型的电诈据点，可容纳多达 2 万名遭人口贩运、被迫从事网络诈骗的工人，由柬埔寨公司 Legend Innovation 运营。区块链分析机构 Elliptic 调查发现，该运营公司与太子集团存在关联。Legend Innovation 被指通过公司电话、董事活动及相关商业记录，与被美英制裁的太子集团存有联系。其中，Legend Innovation 登记使用的电话号码，曾出现在一家被指属于太子集团网络的房地产公司资料中。园区内一度设有汇旺支付实体店，供人员兑换加密货币及现金，汇旺物流则被指提供泰国、越南、柬埔寨与园区之间的货运服务。

火星财经消息，9 月 23 日，据 GMGN 行情，USELESS 今日反弹超 35%，市值暂报 3.44 亿美元。 消息面上，Bonk Guy 昨日回归推特，不断唱多 USELESS 代币行情。 此外，据 TradingBeats 监测，某地址（7LK2oT）7 小时前创建新钱包并花费 228 万枚 USDC 以每枚 0.34 美元的价格购买 664 万枚 USELESS。

火星财经消息，以太坊联合创始人 Vitalik Buterin 在 2026 上海区块链周开幕演讲中表示，FHE（全同态加密）、混淆技术和 iO 等过去被认为距离实用很遥远的密码学技术正在快速进步，区块链也将从过去主要解决“谁能发送什么资产”，进入可以编程决定“谁能看到什么信息”的时代。Vitalik 以 FOCIL（EIP-7805）为例称，该方案计划由 16 名验证者共同提供交易包含列表，降低单一区块构建者审查或延迟交易的能力。他表示，未来 5 年更多计算将提前在用户设备、内存池及区块构建环节并行完成，以太坊也将继续推动最终确认从目前约 16 分钟大幅缩短到 8-32 秒。

火星财经消息，9 月 23 日，据 GMGN 行情，伴随今日 Robinhood 链上炒作潮回暖，头部代币发行平台 PONS 反弹 23%，市值暂报 7.28 亿美元，24 小时成交额达 6230 万美元。 此外，Long.xyz 头部代币 Artificial Inu 反弹 20%，市值暂报 2.65 亿美元。

火星财经消息，软银集团启动了一场可能成为史上最大规模公司垃圾债券发行的交易，旨在为人工智能领域的大规模投资提供资金。此次发行计划筹集超过 110 亿美元，包括 100 亿美元的美元债部分和 10 亿欧元（约合 11 亿美元）的欧元债部分，以支持对 OpenAI 近 650 亿美元的承诺及更多并购融资。

火星财经消息，9 月 23 日，一名持有逾 8600 万美元多仓的 BTC 巨鲸，账面浮盈已超过 470 万美元，在今晨首次挂出订单，规模达 2.12 亿美元订单，它是否已开始计划开始转向空头？ 据 TradingBeats 监测，此前被追踪的 0x6046 开头巨鲸

火星财经消息，腾讯宣布与零跑汽车达成合作，腾讯全场景AI桌面工作台WorkBuddy正式入职零跑。WorkBuddy具备本地文件处理、多任务与多Agent并行运作、Skills与MCP生态等能力，目前已在零跑整车研发、智能驾驶、车联网、采购与供应链、审计等业务场景深度落地。

火星财经消息,随着人工智能和Agent能力的快速演进，一批“随身可带”的AI硬件正加速走向消费市场，成为行业新品。在浙江杭州云栖大会的展馆内，记者看到，从AI眼镜，到用户可自行组装的AI DIY设备，许多AI硬件产品已经不再单纯依赖手机，而是把用户身边的语音、图像等信息实时同步给Agent，由Agent自主拆解任务、完成执行。数据显示，2025年全球AI相关产品贸易额达4.18万亿美元，同比增长21.9%。全球AI基础设施投入持续加码，中国科技企业也在围绕AI硬件、大模型和底层算力进行最新布局。 （央视财经）

null
整理 & 编译：深潮 TechFlow
嘉宾： James Check（比特币链上分析师，以链上数据、成本基础、持有者结构为主要分析框架；面向付费订阅者发布市场报告）
主持人： Cointelegraph 访谈团队
播客源： Cointelegraph
原标题： Why NOW Is a Good Time to Accumulate BTC (But Not for Long) | James Check | 1615 | Cointelegraph
播出日期： 2026 年
要点总结
底部框架：两次投降式抛售 + 3000 亿美元成本基础。二月跌到 6 万美元（插针 5.9 万美元）是"价格痛"；六、七月跌到 5.8 万美元、ETF 抛售 85 亿美元是"时间痛"。二者相差的 5.8 万美元与 6 万美元本身无关紧要，真正的关键是隔开它们的六个月。James 判断底部已现。
卖方枯竭确认底部。Coldcard 事件、失败的软分叉、Strategy（Saylor）抛售 ETF 等利空齐发，价格却横盘两个半月，这是典型的卖方枯竭，买家愿意接盘。
反驳 Mark Yusko：尖针反弹 ≠ 见底。James 称"几乎不同意对方说的每一句"。熊市里价格大多时间是在磨底走高、夹杂少数暴跌日（熊旗形态）；牛市才是由少数几天的暴涨贡献全部涨幅。每次熊市末端（2018、2023、本轮）都出现过空头挤压（short squeeze），它只是"已经点燃的火上浇的油"。
400 万枚 BTC 由亏转盈 = 情绪顺风。本轮反弹中，400 万枚比特币（约占供应 20%）从"浮亏"转为"浮盈"，这是此前任何一轮熊市都不曾出现过的巨大情绪顺风，足以扭转市场心理。
DCA 定投实战：6 万美元是深度价值区，10 万美元收手。二月 6 万美元时他发布题为《Welcome to Deep Value》（欢迎来到深度价值）的报告；从二月起加大定投，八月已部署 90%。他认为"买在 6 万、6.2 万还是 5.9 万根本不重要"。周线站上 8.3 万美元并企稳，熊市叙事就"游戏结束"；10 万美元是他停止加仓的价位。
什么会让他推翻判断：长期持有者（LTH）开始显著抛售，尤其是明显低于历史高点时反常派发，这才是链上"老钱"发出的危险信号。目前长期持有者自去年 12 月起已基本停止止盈。
山寨币没戏，Robinhood 链救不了 ETH。James 直言对山寨币"毫无兴趣"，持有量为零。代币化股票的价值在资产本身（特斯拉、英伟达股票），而不在承载它的区块链"铁轨"上；Robinhood 链是 Arbitrum 分叉，主网承载不了全球股市量级，且手续费竞争天然趋向零，原生代币无从捕获价值。
四年周期已破，需要更好的指南针。日历不能驱动市场。真正的底部由机制决定：顶部买入者承受足够痛苦（价格低于成本、足够多的币浮亏）→ 实亏抛售 → 横盘磨底 → 最终投降式抛售。他建议看证据而非看日历。
二、精彩观点
"熊市和牛市是相反的过程。牛市起点是一群真正懂它、死活不卖的持有者，这恰恰构成了底部。"
"5.8 万美元和 5.9 万美元、6 万美元在大局上没有任何区别，真正的区别是隔开它们的那六个月。"
"（FTX 爆雷时）整个市场的市值，现在只相当于堆在 200 周均线附近的一层成本基础资本。"
"大多数人亏钱是因为他们以为自己能在最低点按下绿色按钮，但底部来临时，他们只会说'不可能，还会更低'。"
"站上 8.3 万美元并周线企稳，在我的字典里熊市叙事就游戏结束了。"
"如果你能解释特斯拉股票或英伟达股票怎么把价值传递给以太坊原生代币，请告诉我，我画不出这个圆。"
"稳定币一个季度流转的价值就是数万亿美元，而除比特币外所有一层公链（L1）加起来都不到 1 万亿。链的使用量和原生代币的价值毫无关系。"
"比特币一个周期又一个周期地，只用'发送、接收、持有'就干翻了它们（山寨币）。"
"四年周期就像一块坏掉的钟，一天也对两次。干脆当它坏了，去找更好的东西。"
"万物皆周期，人、天气、政治选举都是。比特币确实有大约四年的节奏，但日历上的日期并不驱动市场。"
"寻找证据，而不是看日历。"
三、正文
1. 市场见底了吗？两种投降式抛售
主持人开场抛出一个反共识问题：普遍认为市场已经见底或接近见底，但如果市场继续探底、在明年 Q1/Q2 才形成底部呢？James 的回答从"牛熊是如何展开的过程"讲起。
他认为，熊市是牛市的反面。牛市始于一批真正理解比特币、不愿抛售的持有者，价格上涨后聪明钱离场，最终留下一批在极高价格买入、感觉良好的人；熊市则相反，这批投机者随着市场下跌，持仓逐步水下，开始自我怀疑"我是不是错了"，于是恐慌抛售。而且"受伤的动物"会同时做出决定："我买在顶了，因为害怕所以现在卖。"
他把这一过程归纳为两个事件：价格痛型投降式抛售（price pain capitulation） 与 时间痛型投降式抛售（time pain capitulation）。
价格痛（二月）：市场跌到 6 万美元（插针到 5.9 万美元）。那是真正的恐惧时刻，最多的人在"咬牙硬扛"，祈祷这不是熊市；跌到 6 万美元后他们慌了，出现本轮熊市最大的一次亏损事件。
时间痛（六、七月）：市场又出现一次投降式抛售，跌到 5.8 万美元。Strategy 抛售、ETF 净流出 85 亿美元、一切都是利空、"比特币已死"。这是第二次投降式抛售。
James 的关键判断：5.8 万美元与 6 万美元在大局上没区别，真正的区别在于隔开它们的六个月。他认为自己一直在等的两场投降式抛售都已出现，因此"底部已经形成"（在他看来）。
为了说明量级，他给出一个链上数据：在 7 万美元到 5.8 万美元（底部震荡区间）之间，有 3000 亿美元 的币以该区间的成本基础持有着，这是可在链上测量的。而 FTX 爆雷时整个比特币市场的市值也就 3000 亿美元。也就是说，上一轮熊市底部的全部市值，现在只是堆在 200 周均线附近的一层"成本基础资本"。
他承认市场当然可能横得更久，但从他的视角，该看到的投降式抛售都看到了、顶部买家已经离场、并且出现了卖方枯竭：Coldcard 事件、失败的软分叉、Saylor 抛售 ETF，利空齐发，价格却横盘了两个半月，说明买家愿意接、卖方力竭。他因此认为低 6 万美元区间"足够扎实"，往后回调时"抄底买盘会开始出现，而不是逢高被砸"，市场情绪已经发生实质性转变。
2. 反驳 Mark Yusko：尖针反弹不是见底信号
主持人提出一个反例：不久前听 Mark Yusko 评论本轮"空头挤压（short squeeze）"带来的急涨，Yusko 的框架是：牛市通常缓涨、偶发暴跌尖针；熊市通常缓跌、偶发暴涨尖针。本轮急涨似乎正好符合熊市特征。
James 直接说："我几乎不同意刚才说的每一句话。"
他的反驳：
熊市里价格大多时间在涨。去翻统计就知道了，熊市里价格其实是在"磨底走高"，夹杂少数几个极其难看的红日，然后继续磨高。这正是"熊旗形态"的定义：先是一周左右的瀑布式下跌，然后一路磨高、给人希望，再掉下去。
牛市相反：涨幅集中在寥寥十到二十天里，这几天的暴涨贡献了整个牛市周期的全部收益，之后大部分时间是回调和阴跌。人们反而在牛市里"怕它结束"，然后爬过忧虑之墙。
空头挤压是"火上浇油"而非原因。自 2018 年以来每一轮熊市底部都出现过空头挤压，它只是"已经点燃的火上的油"。2023 年 1 月一次强力的空头挤压之后，市场就再没回去；本轮也是一次大挤压，市场进入他所称的"高位窄幅震荡"，只是横着走。
他还指出两点与市场共识不同之处：
共识预期十月见底（沿用四年周期、顶部之后正好一年见底），所以很多人做空，结果价格突破他们的价位后"一分钱没还回去"（距局部顶部仅回撤 7%）。
链上结构已换血：投降式抛售者的币从高成本基础转移到了低成本基础持有者手里，而后者是更高信念的投资者。所有熊市底部都有一个一致主题：80% 的财富由长期持有者（LTH）掌握，目前正是如此。这批持有者集中度极高，他们要的是"数倍"而不是 10% 的波动。
最关键的情绪证据：本轮反弹中，400 万枚比特币（约占供应 20%）从"浮亏"转为"浮盈"。这是巨大的转折，给人"我抄到底了、现在被奖励了，那下次回调我还买"的心理，有把情绪顺风扭转为正向的能力。James 强调，此前任何一轮熊市都没有出现过"如此大规模的由亏转盈顺风却又跌回熊市"的先例，组合的修复力度足以改变情绪。
3. DCA 定投实战：6 万美元是深度价值区，10 万美元收手
主持人问及他的个人策略，既然现在是"好价值"区间，是否加大了定投。
James 说，他的框架在二月 6 万美元那天发布了一期叫 《Welcome to Deep Value》（欢迎来到深度价值） 的报告。他的论点是：只要接近 6 万美元，就是"深度价值区"："回头看，你真的在乎自己是 6 万、6.2 万还是 5.9 万买的吗？根本不在乎。上一轮熊市，15、16、17、18、20 买的全都是好价格。"
于是他从二月起加大定投，到八月已部署 90%，因为他认为当时处于底部震荡区间。他的核心建议是：人们花太多精力焦虑"买在最低插针"，想找那个能精准指示底部的完美指标，这种东西不存在；更讽刺的是，当底部真来临时，大多数人只会说"不可能，还会更低"，根本不敢碰。
他的做法是：打折时重手定投，之后稍微收手。他仍认为比特币"便宜"，但已不再是"深度价值"，大概处于价值区的上沿，10 万美元以下都算价值（相对他看的空间而言）。不过该定投的筹码已经定投完了，定投还会维持一小阵，但已明显收手，因为"活儿干完了"，二月到八月是他很长一段时间里见过最便宜的区间，他尽可能多地买了、前置布局，然后"让市场自己跑"。
关于收手价位：10 万美元差不多就是终点。他认为下一波拉升中，突破 8.3 万/8.2 万美元并周线企稳，对熊市叙事而言就是"游戏结束"，站上了 50 周均线、创下新的技术高点，很难再讲熊市故事。仍有少数"死硬派"期待十月见底，但他认为低点已现、回调会被买入；站上 8.5 万美元后，市场上就没什么空头了，人们开始上杠杆、做危险的事，回历史高点路上的回调会更凶，但也可能很快"升温"。
4. 什么会让我推翻判断
主持人追问：什么事件会让他重新审视未来几个月的判断？
James 的回答很明确：除非看到投资者行为的实质性转向，尤其是"老钱"（长期持有者）开始真正重度抛售、发出"这里有点不对劲"的信号。
他补充：长期持有者其实从去年 12 月（即 2026 年全年）起就基本停止止盈了。那些在顶部重手卖出的人，在 8 万美元跌到 6 万美元的过程中也停手了，他们不卖，要么在观望，要么已经在转向下一波定投。这批人掌握着约 80% 的市场，他们通常只有在接近前高时才会重新派发。
所以：如果他们开始显著抛售（而目前完全没有），那就是信息，是久经沙场的持有者发出的"这个价位值得套现"的信号。尤其若抛售发生在"明显低于历史高点"的错位时点，他会格外警惕。但在链上看到这种实质性行为转变之前，他不会改变论点。
5. 山寨币没戏：Robinhood 链救不了 ETH
主持人引述 Ron Nevoer 的论点：下一轮牛市将由山寨币而非比特币领涨，因为代币化（tokenization）终于为加密领域创造了产品市场契合（PMF），尤其是 Robinhood 链等。James 的反应是：他现在已经不太想山寨币了，"觉得它们非常无趣"。
他向观众抛出一个问题：假设 Robinhood 链极其成功（它是 Arbitrum 的分叉），请解释 ETH 究竟能从中得到什么好处？我画不出这个圆。
他的推导：
如果你把特斯拉股票代币化，人们交易的是特斯拉股票本身。它放在 Robinhood 链而不是以太坊主网，原因正是主网承载不了全球股市量级的吞吐；否则费用会飙升，人们就会去发明更便宜的方案。区块空间从不稀缺，手续费收入的竞争天然趋向零。
用户想用美元、想付 3 美元 / 1 美元 / 免费的稳定经纪费，不想为了交易去 Binance 买某个随机代币，那是很糟的体验。
价值在资产，不在铁轨：代币化的特斯拉 / 英伟达 / 美光股票本身有价值，承载它的区块链"铁轨"则基本无价值。类比稳定币：一个季度流转数万亿美元价值，而除比特币外所有一层公链（L1）加起来都不到 1 万亿。链的使用量与原生代币的价值毫无关系。
所以即便以太坊虚拟机（EVM）在 Robinhood 上被使用，结论也是"代币化股票有用，而 ETH 没那么有用"。
主持人补刀：但像 Hyperliquid（回购销毁）、Uniswap 等协议，已经引入了把使用价值回流到代币的机制。James 承认：链上生意当然会在牛市里找到赚钱办法，但整个加密生态花了十多年想把代币变有价值，比特币却每个周期只靠"发送、接收、持有"就把它们干翻了。他相信会有代币上涨、会有聪明的"虚幻（fugazi）资金"玩法，如果最终找到产品市场契合那很好，但他"就是没法让自己关心"，这是他比特币之旅当下的状态。
主持人最后确认："所以你持没有任何山寨币？" 答："零。很多年了。"
6. 四年周期已破，需要更好的指南针
主持人问：我们一直把四年周期当"指南针"，但你最近说这个指南针已经坏了，那更好的指南针长什么样？
James 的回答带点哲学味：如果你指望比特币"底部后 150 天见顶、底部后一年见底"，把日历当成驱动市场的力量，那么当它不是这么走的时候，你只会四处张望"发生了什么？"他透露已经收到不少人私信"我以为十月见底，现在怎么办"，这些人因为只盯日历，反而没买够。
他的核心诘问：你能解释"为什么底部恰好在顶部一年后"的机制吗？ 除了"我的四年周期、我的日历"之外，没人给得出好答案。
他真正看的东西是：把那些买在顶部、终将成为卖家的投资者拉出来看，当他们承受了足够痛苦（价格低于成本基础、足够多的币浮亏、足够多的未实现亏损、足够多的人看着组合想"我这一生到底在干嘛"），他们才会全数抛售，形成实亏事件 = 投降式抛售；然后再看一段时间的横盘磨底，最后在七月出现终局投降式抛售。 当拼图的所有碎片齐了，他才去看钟、看日历，而不是先用日历假设"十月他们会投降式抛售"。
他建议找"在机制上站得住脚、能给一个本科生讲明白"的东西（助教（TA）也可以），而不是"因为每年十月都见底所以这次也是"。四年周期就像坏钟，一天也对两次，干脆当它坏了去找更好的。
主持人追问：但你仍相信比特币是周期性的吧？James 答：万物皆周期，人、天气、政治选举都有周期；比特币确实有大约四年的节奏，但日历上的日期并不驱动市场。为什么见顶在峰值后约 150 天？因为牛市寿命就那么长，任何东西（黄金、股票、比特币）都不可能无限上涨而不向下释放能量，否则就是曲棍球棒直冲无穷大。所以要找市场"耗尽自己"的信号：当他看到大量持有者抛售，那就是见顶信号，这时才去核对日期"我们已经涨了三年，人能撑多久？"
他总结的通用循环是：持有者买在底部 → 持有到历史高点 → 从那里重度派发 → 最终需求过载 → 买家随市场下跌而恐慌 → 投降式抛售 → 持有者再买。周而复始。 结论一句："寻找证据，而不是看日历。"

火星财经消息 9月23日，据报道，微软公司近日成功联合多家行业合作伙伴，共同摧毁了一个名为“EvilTokens”的订阅制诈骗平台。该平台利用人工智能聊天机器人技术，在短短数月内协助网络罪犯入侵了约12000个微软账户。（广角观察）

据媒体报道，Anthropic正洽谈巩固对更多数据中心的控制权。Anthropic正在与Stream Data Centers讨论高达1吉瓦的数据中心租赁事宜。（财联社）

Berita Mars Finance: perusahaan chip daya khusus dan sistem dalam lingkungan ekstrem “Puxi Guangjing” baru-baru ini menyelesaikan pendanaan Seri C senilai ratusan juta yuan (RMB). Lembaga yang masuk di antaranya Zhejiang Jiahe Changyue, Chengdu Innovation Venture Capital Co., Ltd. (Chengdu Kechuangtou), Shanghai Semiconductor Equipment and Materials Industry Investment Fund, dana yang berada dalam ekosistem Keuangan Shandong, Guizhou Guochuang, serta total 10 perusahaan milik negara dan modal industri lainnya.

Berita dari Mars Finance, pada 23 September, menurut pemantauan TradingBeats, kontrak CXMT di Hyperliquid pagi ini sempat naik hingga 9,0063 dolar AS, memantul sekitar 14,5% dari titik terendah pada 2 September. Jaraknya dengan rekor tertinggi sepanjang masa sebesar 9,1654 dolar AS sejak listing hanya sekitar 1,7%. Sementara itu, funding rate CXMT kembali beralih menjadi negatif; saat ini per jam sekitar -0,0269%, jika dihitung sederhana secara harian sekitar -0,646%. Dengan demikian, pihak short perlu lagi membayar biaya pendanaan yang lebih tinggi kepada pihak long. Short terbesar CXMT (0xf292) memegang sekitar 25,259 juta dolar AS posisi short, dengan harga rata-rata sekitar 6,505 dolar AS, mengalami floating loss sekitar 6,391 juta dolar AS. Secara kumulatif telah membayar bersih sekitar 5,213 juta dolar AS biaya pendanaan; dalam 24 jam terakhir, pembayaran aktual sekitar 46.000 dolar AS. Jika funding rate saat ini tetap tidak berubah, alamat tersebut diperkirakan perlu membayar sekitar 6.825 dolar AS per jam, atau sekitar 164.000 dolar AS per hari.

火星财经消息，天眼查App显示，近日，奇安信人工智能科技（北京）有限公司发生工商变更，注册资本由约5744.04万元人民币增至1亿元人民币，增幅约74%。该公司成立于2010年6月，法定代表人为齐向东，经营范围包括软件开发、软件销售、计算机软硬件及辅助设备零售等，由奇安信科技集团股份有限公司全资持股。

火星财经消息，9 月 23 日，据链上分析师 Ai 姨（@ai_9684xtpa）监测，新地址 0xf67…40F6b 两小时前从 Coinbase 提出 100 万枚 UNI，价值 1007 万美元，提出价格 10.07 美元。