0xmaker

Kimi Code CLI 0.29.1 Features 🌟Add global default MCP server timeouts in config.toml and env vars. 🌟Add environment variables to configure the web search and web fetch services without OAuth login. 🌟Add experimental secondary-model bindings for newly spawned subagents, including per-agent model preferences and subagent-only model overrides.

Kimi K3 has received far more love than we expected, and our GPUs are feeling it. Over the past 48 hours, demand has pushed close to the limits of our current capacity. To protect the experience of existing subscribers, we're temporarily pausing new subscriptions and prioritizing compute for current members. Existing subscribed users are not affected. We're adding capacity as fast as we can and will reopen new subscription spots in batches. Going forward, we'll also split membership into two more focused plans: Kimi Membership for Kimi Web, App, and Work; and Kimi Code Membership for coding workflows. This will help us match compute more precisely and keep the experience stable. Thank you for your patience and understanding!

做量化的人都知道回测是策略开发的核心工具，但问题从来不在于你有没有做回测，而在于你的回测方式是否真的在模拟「未来」 传统的 K 折交叉验证在静态数据集上运作良好，但一旦放进时间序列，它就会制造出一个你看不见的漏洞：未来数据渗入训练集 我的观察是，很多策略在样本外表现崩溃，根源在开发者从一开始就没有把时间的方向性当回事。金融时间序列有一个根本属性：今天的价格行为受昨天影响，反过来不成立。你在训练集里混入了「未来」的数据，模型学到的不是真正的超额收益，只是一种精致的过度拟合 时序交叉验证，或者更精确地说，向前滚动验证（Walk-Forward Validation），就是为了对抗这个问题而存在的 基本逻辑并不复杂：你把整条时间序列切成多个窗口，每一个窗口都严格保持「训练在前、测试在后」的顺序。你不允许测试集的任何信息回流到训练集。每一次向前推进一个窗口，重新训练，重新测试，累积出一条模拟真实部署的绩效路径 但实际操作上，细节才是问题所在 窗口大小怎么定？固定窗口还是扩展窗口？这两个选择背后其实是对市场状态的假设。如果你相信市场结构相对稳定，扩展窗口让你用上更多历史数据，训练集越来越大，信噪比理论上更高。但如果市场在某个时点发生了结构性转变，比如某次流动性冲击之后的微结构变化，那些远古数据反而是噪音，固定窗口可能更接近真实 我倾向于两者都跑，然后比较绩效差异。如果两种方式的Sharpe差距很大，那本身就是一个讯号，说明你的因子对市场状态很敏感，这种策略上线之前需要更多的压力测试 另一个容易被忽略的问题是隔离期（Embargo） 训练集结束到测试集开始之间，要不要留一段空白期？我认为要。原因在于很多因子的构建本身就带有前瞻性偏差的风险，特别是当你使用的特征涉及滚动计算、财报数据的发布时间差，或者订单流的延迟确认。如果训练集的最后一天和测试集的第一天紧邻，这些边界效应会让你的因子有效性指标虚高 隔离期的长度取决于你的因子构建逻辑。短周期的高频讯号可能只需要几天，基本面因子可能需要一个季度 说到因子有效性，时序交叉验证的一个重要输出就是每个测试窗口的资讯系数（IC）分布。我不太相信一个平均值漂亮但标准差极大的因子。这种因子在某些市场状态下表现亮眼，在另一些状态下完全失效，实盘中你很难知道自己现在处于哪个阶段。我更愿意看资讯系数的稳定性，即使均值稍低，但跨窗口的一致性高，这种因子在执行层面更可控 最大回撤的分析也应该在这个框架下进行。每个测试窗口的最大回撤是多少？有没有某个特定的时间段让策略持续亏损？如果你发现策略在某类市场环境下系统性失效，那不是坏事，这是信息，你需要加入市场状态过滤器，或者在那段环境下降低仓位 执行层面的现实是，向前滚动验证的结果再好，也要考虑滑价与流动性的影响。回测里的成交假设往往过于乐观。特别是均值回归策略，讯号往往在流动性最差的时候出现，你的订单在市场上的冲击成本会把理论上的超额收益吃掉一大半 时序交叉验证不能解决这个问题，但它至少能让你在进入执行讨论之前，先确认你的因子逻辑是干净的 延伸的话，组合净化交叉验证（Combinatorial Purged Cross-Validation）是更全面的测试，它在保持时序完整性的前提下，生成更多的测试路径，让你对策略的夏普比率分布有更稳健的估计。计算成本更高，但对于准备实盘部署的策略，多花这个时间是值得的 时序交叉验证是一种思维纪律，不只是技术工具。它逼你诚实地面对一个问题：你的策略到底在预测什么，它的信息来源有没有污染？这个问题答不清楚，回测结果再漂亮也只是骗自己

I just paid $321 for a coding session where Fable 5 refused to do the work. Here is where the work actually went: Fable 5: $78 Opus 4.8: $242 75% of the session got routed to Opus because the new classifiers kept flagging routine coding work as cybersecurity risk. The model I chose did a quarter of the job. The fallback did the rest. Anthropic said a small fraction of tasks would fall back. My receipts say otherwise.