opensource

美團開源千億參數AI模型 LongCat-2.0 🚀

LongCat-2.0 的這次開源發佈包含 1.6T 參數，並採用了創新的稀疏注意力架構，標誌着國內 AI 基礎設施進入了一個新階段。該模型在國內 50,000 卡集羣上的成功推理，打破了此前的硬件限制。

隨着行業消化這一能力躍遷，美團生態中的內容量與開發者關注度很可能會隨之攀升。你認爲這將如何影響你投資組合中更廣泛的 AI 敘事？

不構成財務建議。請始終管理你的風險。

#MEITUAN #AI #OpenSource #TechBreakthrough

🚀

HERMES MOA 2.0 剛剛上線——$AI ENSEMBLE 模型擊敗 GPT 和 CLAUDE 🔥

Nous Research 發佈了一個開源框架，將 GPT、Claude 和 DeepSeek 融合到一個輸出中——並且在推理與代碼基準測試中表現優於任何單一模型。集成方法將每個 AI 視爲專長型專家，而不是“萬能型”選手。

這是首個重大的開權重發布，旨在不將你綁定到某一單一 API 的前提下，挑戰閉源模型的性能。對開發者而言，這意味着以更低成本獲得前沿級推理能力。對加密與 AI 行業而言，這表明“模型多樣性”而非“主導地位”可能將定義下一階段。

你在這裏押注的是代理（agents），還是基礎模型（foundation models）？

不構成財務建議。請務必管理好你的風險。

#AI #MixtureOfAgents #OpenSource #CryptoAI

🔥

1、背景

今日開源模型生態最值得關注的變化，不是單一模型參數再創新高，而是參與者結構正在明顯擴容。過去，市場更多聚焦少數頭部實驗室；現在，開源陣營已延伸到全球模型公司、主權AI組織、雲與芯片廠商，以及擁有明確場景需求的產品公司。Zyphra、Cohere、Poolside 等名字集中出現，說明“誰在做模型”這件事，正從少數玩家主導轉向多極競爭。與此同時，NVIDIA、Google、阿里等巨頭也並未缺席，它們分別從算力、生態入口和平臺戰略角度切入，推動開源模型從技術展示走向產業佈局。🚀

2、核心分析

這輪動態釋放了三個明確信號。第一，開源模型競爭正從“參數規模比拼”轉向“生態廣度比拼”。例如 Cohere 開源 Command A+，不僅強調大模型能力，還覆蓋多模態、多語言與智能體方向，說明開源模型已不只是研究資產，而是瞄準真實企業應用。第二，架構創新仍在加速。NVIDIA 推出採用 LatentMoE 的新模型，並調整許可證策略，反映出行業正同步優化性能、推理成本和可用性，尤其是 MoE 路線仍被廣泛看好，因爲它更適合在大能力與部署效率之間尋找平衡。第三，垂直化趨勢正在增強。JetBrains、Zed、Krea、Photoroom 這類產品公司訓練小而專的模型，意味着未來競爭不一定由“最大模型”勝出，而可能由“最貼近場景的模型”獲得更高商業轉化。

3、潛在影響

對開發者而言，模型選擇將更加豐富，開源許可證的放寬也有助於二次開發和商用落地，降低對單一閉源API的依賴。對企業而言，未來採購邏輯可能從“追逐最強模型”轉向“匹配成本、合規與場景效果”。對加密與Web3行業而言，這種趨勢同樣重要：一方面，更多開源模型意味着鏈上AI、去中心化推理和AI Agent基礎設施有了更廣泛的底座；另一方面，多國和多組織參與，也會強化“主權AI”和本地化部署需求，爲分佈式算力、數據確權和隱私計算帶來新增敘事。總體看，今日這批更新傳遞出的主線非常清晰：開源AI已進入生態擴張階段，未來勝負手將不只在模型本身，更在許可證、開發者社區、部署便利性與行業適配能力。📌

#AI #OpenSource #Crypto

🛡️ 資安防護

Linux 基金會和另外 19 家大型組織——包含 AI 實驗室與大銀行——剛剛推出 Akrites……這是一個新的安全防護層，用來阻止針對開源的 AI 驅動攻擊。對開發者來說是個大贏！🛡️💻

#OpenSource #CyberSecurity

🚨 中國的 AI 模型正在迅速縮小差距 GLM 5.2 剛剛在長週期商業仿真基準測試中排名第 2。
Kimi K2.7 和 MiniMax M3 呢？結果參差不齊——但仍在競爭中。

從數據看：
GLM 5.2 在綜合基準上得分 91，對比 Kimi K2.6 的 81——其中 GLM 在知識類任務上表現更強，67.2 對 53.8。Yahoo Finance
在網絡安全基準中，GLM 5.2 戰勝了 Claude Code——而 MiniMax M3 和 Kimi K2.7 的得分顯著更低，且彼此之間聚集得很近。Followin
但真正的故事在這裏 👇
GLM 5.2 的成本僅爲 GPT-5.5 的 1/7——以更低的價格，開放權重的中國模型現在已經能夠與前沿、閉源的 API 競爭。3Commas

這對加密貨幣 & Web3 意味着什麼：
AI 推理成本正在快速下降。當開放權重模型以 1/7 的價格就能與閉源 API 匹敵時：
① AI 代理變得足夠便宜，可以在鏈上大規模部署

② 去中心化的 AI 項目無需支付 OpenAI 價格，就能獲得前沿級模型

③ “美國 AI 霸權”敘事開始出現裂縫
地緣政治角度：
美國政府因安全顧慮剛剛限制了 GPT-5.6 的推發行。與此同時，中國的 GLM 5.2 是開放權重——任何人都可以在任何地方運行，無需政府批准。
抗審查的 AI + 更低的推理成本 = Web3 正需要的東西。👀

我的看法：
AI 競賽不再只是美國 vs 中國。
而是開放 vs 封閉。
開放在價格上贏了。
閉源在原始能力上仍然領先——至少目前如此。
拭目以待。差距每個月都在縮小。

非財務建議。自行研究（DYOR）。

來源：BenchLM、Medium、Semgrep — 2026 年 6 月
#GLM #Kimi $BTC #MiniMax #OpenSource #CoinbroNews

$GLM CRACKS TOP 3 AI MODELS WHILE COSTING A FRACTION OF RIVALS 💎

正文：
Z.ai 的開源權重 GLM‑5.2 目前在獨立基準測試中位居全球第三，僅次於兩個 Anthropic 系統，並領先所有 OpenAI 和 Google 模型。真正的關鍵在於價格差距：每百萬輸入 token 僅需 1.40 美元，而 Claude Opus 4.8 約爲 15 美元——對在生產環境運行負載的團隊而言，節省幅度可達十倍。

該模型運行在國產芯片上，可下載並進行修改，還配備了百萬級 token 窗口。那些原本預計“芯片限制”會進一步拉大差距的人，如今看到的卻是差距在縮小。成本更高效的開源模型將會多快重塑企業的 AI 支出？

不構成財務建議。請務必管理好你的風險。

#GLM #AI #OpenSource #Disruption

💎

集中式代碼託管的風險正在促使像馬特·科拉洛（Matt Corallo）這樣的開發者，在“Lightning”被禁後，敦促 $BTC 個項目從 GitHub 上撤離。去中心化不只是爲了金錢。爲了獲得控制權，轉向自託管。🛡️
#BitcoinDev #OpenSource

完整故事：https://cryptoversenews.eu/bitcoin/matt-corallo-urges-bitcoin-projects-to-exit-github-after-rus/

🚨😲UNSLOTH 剛剛壓縮了一個 7530 億參數的 AI 模型，能在 Mac 上運行。這將永遠改變本地 AI。

GLM-5.2 — 史上最大的開放 AI 模型之一 — 剛被 Unsloth 使用極端的 GGUF 量化壓縮。結果：在 Mac 上平穩部署。本地運行。沒有雲端。沒有 API 成本。你的數據不會離開你的設備。
→ 753B 參數是數據中心級別的 AI — Unsloth 把它壓縮到消費者硬體水平

→ GGUF 格式允許極端模型壓縮，而不破壞核心性能

→ 這種規模的本地 AI 意味著開發者和建造者可以私密且免費地運行前沿級別的模型
對於加密和 Web3 建造者來說：這意味著裝置上的 AI 代理、私密智能合約分析，以及零成本推理 — 不再依賴 OpenAI 或 Anthropic 的 API。
如果你在筆記型電腦上有一個 753B 模型本地運行，你會建造什麼？
"AI 的未來不在雲端。Unsloth 剛證明它可以放進你的包裡。" — CoinbroNews 分析
#Unsloth #GLM5 #LocalAI #GGUF #AITools #Web3 #OpenSource

CoinbroNews | coinbronews.com

Fable-5 被禁四天，Qwable 火速接班🤖

Anthropic 的 Claude Fable-5 在 6 月 9 日到 12 日短暫公開了四天，然後就被美國出口管制命令直接關了。但開源社羣動作超快——developer lordx64 直接在 HF 上放了 Qwable-v1，用 Qwen3.6-35B-A3B 做底，蒸餛了 Fable-5 的工具調用軌跡，本地就能跑。

70GB 權重檔，目前沒有 Token，純開源項目。不過這種「大模型被封 → 開源立刻補位」的節奏，在 2026 年已經不是第一次了。AI x Crypto 的敘事又多了個現實案例：去中心化計算 + 本地 AI，可能是未來趨勢。

$AI $WEB3 #OpenSource

$AI $WEB3

Solana Institute 的首席執行官呼籲參議院在 CLARITY 法案下保護開源開發者。開發者不應該被視爲金融中介。 #Crypto #Regulation #開源

🔐 比特幣的自我保管不應該複雜。

恢復種子短語的真正目的是什麼？

恢復對您比特幣的控制，以便移動資金或生成公鑰，而不將您的私鑰暴露於互聯網。

許多用戶仍依賴於封閉源代碼錢包。其他人則使用先進的離線解決方案，提供出色的安全性，但對普通用戶來說可能比較複雜。

爲了使自我保管更易於訪問，同時不犧牲透明度和操作安全性，我開發了 PhantOS ColdWallet。

一個開源、可審計且完全離線的解決方案，旨在保護真正重要的東西：您的私鑰。

🚀 主要功能：

✔ 離線恢復種子；

✔ 生成新的比特幣地址；

✔ 導出公鑰以便監控；

✔ 通過二維碼和 PSBT 簽署交易；

✔ 通過U盤直接初始化；

✔ 專爲安全管理私鑰和簽署交易而設計的環境。

理念很簡單：

🔒 離線設備保護並簽署。

👁️ 在線設備查看並傳輸信息。

沒有集中服務器。

沒有對第三方的依賴。

沒有將私鑰暴露於互聯網。

比特幣消除了對第三方的信任需求。自我保管是這一哲學的自然結果。

₿ 您的私鑰。您的比特幣。您的自由。

#Bitcoin #SelfCustody #OpenSource $BTC

1、背景

近期，開源大模型進入密集放量階段，英偉達 Nemotron、谷歌 Gemma 等開源權重模型接連發布，直接改變了企業採購 AI 能力的比較框架。過去市場更關注“誰最強”，而現在企業更關心“性能差多少、價格差多少、是否值得長期綁定”。從文中給出的測算看，在相近任務場景下，閉源頭部模型與開源模型之間已出現接近 40 倍的成本落差，這意味着 AI 競爭正從技術競賽，轉向成本效率與架構控制權的競賽。

2、核心分析

這條消息最值得關注的，不是單一模型報價，而是行業邏輯的變化。第一，能力差距正在收窄。開源模型雖然在複雜推理、穩定性和極限表現上未必全面領先，但在大量通用業務場景中，已經足以“可用且便宜”🙂。當“夠用”成爲採購標準，高溢價模型的護城河就會被削弱。

第二，企業內部的決策錯配正在暴露。很多 CEO 並不直接管理模型調用層，技術團隊爲了效果和開發便利，往往默認選擇最強、也最貴的 API。短期看提升上線速度，長期看則會放大推理成本、形成供應商依賴，甚至缺乏審計和治理。對高頻調用業務而言，這不是技術問題，而是利潤問題。

第三，模型路由和“模型無關架構”會成爲新趨勢。未來企業未必押注單一模型，而是將高複雜任務交給頂級閉源模型，把大規模、標準化推理分流到 DeepSeek 等低成本開源方案。誰能做好路由、監控、審計和成本控制，誰就更可能喫到下一階段企業 AI 落地紅利。

3、市場影響

對閉源巨頭而言，壓力正在從“是否領先”轉向“領先值不值這個價”。如果價格體系不調整，百億級 API 營收面臨被開源持續分流的風險。對開源陣營而言，機會不僅在模型本身，更在託管服務、私有化部署、安全治理和企業級工具鏈。

對投資市場來說，AI 賽道的估值邏輯也可能細化：未來真正有價值的，不一定只是訓練出最強模型的平臺，而是能把模型能力低成本、可審計、可規模化交付給企業的軟件層與基礎設施層 🚀。這對於雲服務、推理優化、中間件、Agent 編排等方向都是積極信號。

4、結論

這場“開源與閉源”的競爭，本質上是 AI 從技術展示走向商業落地的必經階段。短期內，閉源模型仍有高端能力優勢；但從當前趨勢看，企業會越來越理性，優先追求性價比、治理能力和架構彈性。誰能在效果、成本和可控性之間找到最優解，誰就更可能成爲下一輪 AI 商業化的贏家。

#AI #OpenSource #Crypto

這周在加密圈最重要的故事不是BTC測試$62K，而是一個在4年內未被發現的ZCash漏洞。

Shielded Labs披露了一個關鍵缺陷，讓某人能夠無限鑄造ZEC而無人知曉。該代幣崩盤40%。這種反應是可以理解的。但是，大多數人忽略了這一點。

這次漏洞的發現和公開披露正是開源安全模型按預期工作的表現。沒有公司掩蓋它。沒有高管悄悄修補並希望無人注意。社區發現了它，公開披露，市場立即進行了定價。

將其與許多TradFi醜聞相比，這些醜聞往往持續多年——有時甚至幾十年——才浮出水面。

$BTC 和$ETH 經過了類似的審查，因爲它們在公衆面前經受了 adversaries的壓力測試，持續了多年。這不是弱點。這是如何建立耐用基礎設施的過程。

那些經歷過真正安全挑戰並適應的鏈條，纔是在當前壓縮期值得持有的。

漏洞披露是痛苦的。但這也是這個行業贏得信譽的方式——一次透明的修復。

#Crypto #Bitcoin #OpenSource #CryptoSecurity #BinanceSquare

比特幣在數週內觸及最高價格，伯恩斯坦（Bernstein）

比特幣在數週內觸及最高價格，伯恩斯坦指出的這一發展，標誌着不斷演變的加密貨幣格局中的一個重要時刻。分析師和市場參與者正在權衡這對價格走勢以及更廣泛的採用趨勢所帶來的影響。

人工智能與區塊鏈技術的交匯仍持續吸引兩個領域的關注。開放權重（open-weight）的AI模型以及去中心化計算網絡，代表了遠離集中式平臺的替代基礎設施路徑。機構參與者正在評估這些技術如何匯聚，相關影響包括數據主權、計算市場以及抗審查AI部署。向可訪問AI模型發展的趨勢，呼應了加密領域中開放協議對“圍牆花園”的挑戰所帶來的類似動態。

這些影響不止於短期的價格反應，還涉及基礎設施可行性與競爭定位等問題。全球範圍內的監管框架正在追趕技術進步，這既爲不同市場參與者帶來逆風，也帶來順風。傳統金融相關方與加密原生玩家在某些用例上找到了共同點，但在其他方面卻出現了明顯分歧。接下來的12-24個月將揭示哪些敘事更具持久性，而哪些更偏投機。

這一發展將會加速更廣泛的採用，還是僅限於利基社區？未來一個季度的數據將給出答案。市場參與者應關注鏈上指標、機構資金流動以及監管動態等信號。你怎麼看這則消息對更廣泛的加密生態系統在長期層面的影響？👇

#AIInnovation #DecentralizedTech #OpenSource

$VANRY TETHER 首席執行官表示 AI 巨頭在基礎設施上過度支出 🔥

Paolo Ardoino 剛剛給出了一記現實檢驗——AI 巨頭正在在基礎設施上燒錢，而利潤率卻在收縮，利潤兌現也被推遲。開源競爭正在升溫，這可能會重塑下一輪聰明資金的流向。

這不只是科技新聞。當某個行業的資金承壓時，它往往會轉向像去中心化 AI 代幣這類被低估的標的。爭論在於：這會加速向基於區塊鏈的替代方案轉變，還是隻是讓一切變得更慢。

你認爲這會成爲像 $VANRY 這樣的項目的看漲催化劑，還是對整個行業的警示信號？

非財務建議。請始終管理你的風險。

#VANRY #AI #CryptoNews #OpenSource

⚡

賽博龐克四十年後：義體成真了，但 Arasaka 也來了 💀

Decrypt 新文盤點：Neuralink 腦機介面、AI 眼鏡、仿生義肢——賽博龐克的科技全應驗了。但最準的預測不是 chrome，而是「企業掌控一切」。

Mondo 2000 創始人說：我們當年以為電腦會分散權力，結果只是幫 Big Tech 建了更大的王國。

不過開源 AI agent、cyberdeck 社羣、Bitcoin 上存維基解密……反抗軍正在重組。🖤

#Cyberpunk #Web3 #OpenSource #Bitcoin

#Bitcoin

當大家都在滾動過去的 AI 噪音時，@SentientAGI 正在準備起飛 🚀

發現的模式：技能與代理之間的循環迅速增強，最強的競爭對手在野外

反向投注：現在就買入點火，而不是在月球即將來臨時 #AI #OpenSource

本地開發獨立性的幻覺

從雲基礎設施轉向自託管本地硬件，不僅僅是爲了省錢；這是一種向絕對自治的結構性轉變。
依賴付費的企業服務器引入了第三方風險和隱藏的對手方責任。通過獨立節點的本地架構保證了絕對的數據隱私。

#SelfHosted #OpenSource #DevOps #TechAutonomy

付費雲服務 vs. 本地硬件：你會選擇在哪裏託管？ 🖥️⚙️

隨着雲成本上漲和隱私縮水，越來越多的開發者開始迴歸本地硬件——在舊設備、單板計算機上獨立運行服務器，或通過Ollama運行本地LLM。
構建自己的基礎設施需要努力，但對數據和正常運行時間的完全控制是值得的。

你是雲團隊（AWS/Vercel）還是本地/自託管團隊？讓我們看看技術細分。 😁

#SelfHosted #OpenSource #DevLife

$長貓 1.6T 參數模型開源——遊戲規則改變者 ⚡

美團剛剛發佈了 LongCat‑2.0——一隻面向真實“代理式編程（Agentic Coding）”的萬億參數巨獸。1.6T 模型每個 token 只會激活 48B，這意味着在不需要瘋狂算力成本的情況下也能擁有強大能力。他們在一個 50,000 卡的國內集羣上進行了推理——首個完成此類操作的萬億參數模型。

這表明 AI 基礎設施正在快速成熟。當像這樣的大玩家將此級別的技術開源時，它會直接帶動對去中心化算力與 AI 代幣的需求。這個敘事正在加速升溫。

你是否也在關注：哪些 AI 加密項目可能會從這波真實世界的落地採用中受益？

非財務建議。請務必管理好你的風險。

#LONGCAT #AI #OpenSource #CryptoAI #Bullish

⚡