Datou

一周净赚超 600 万，独立开发者当场落泪 由独立开发者 Cakez 历时 4 年打造的像素塔防游戏《Tangy TD》，在 Steam 上拿下 89% 好评。 上线仅一周：售出 28,078 份，净收入达 197,847 美元（约合新台币 600 多万元）。 当他打开后台看到数据的那一刻，情绪瞬间崩溃，当场落泪；一旁的妻子也激动欢呼，两人紧紧相拥。 这是一次典型的独立开发者逆袭——没有团队，没有资本，只有时间、坚持，以及一点点运气。

OpenAI 现在的迭代速度比不上 Anthropic。 Anthropic 的工程师发条推，当天下午你就能用上新功能。 OpenAI 的高管发条推，只给你看一下计划。 过去 7 天 Anthropic ship 了：Dispatch、channels、语音模式、/loop、1M context GA、MCP elicitation、手机端 Cowork、Excel/PPT 跨应用上下文、内联图表、64k 默认输出。 每次发布来自工程师个人账号或 GitHub release。 过去 7 天 OpenAI ship 了：GPT-5.4 mini 和 nano。重新设计了模型选择器。下线了一个人格预设。宣布了三笔收购。 要找 OpenAI 同等密度的产品发布，得倒回去年 12 月。 Boris Cherny，Claude Code 负责人，每天 ship 10-30 个 PR，去年 11 月起没手写过代码。内部日均 60-100 次发布。Cowork 10 天做完。工具在构建下一版工具，每个周期压缩上一个。 OpenAI 有个头衔叫 CEO of Applications。Fidji Simo 来自 Instacart，再之前在 Meta 管了十年 Facebook app。到任 10 个月，收购 12 家公司花了 110 亿美金，通过华尔街日报宣布 superapp 整合。负责 ship 产品的高管在推特聊"探索与重新聚焦的阶段"。 产品还没发。 一个已经在复利了。另一个还在开会。

香港的一国两制没有失败？？你这回答也太不诚实了吧。一国两制无论对于大陆，还是对于香港民众，都基本上失败了。对比一下2000年时的香港政治生态和现在的政治生态，再看看北京曾经的承诺和现在的落实情况，只要不是瞎子，都能看出巨大的差别，更不要说还闹出了19年反送中以及后面的国安法这么大的事来

很多人没有意识到，工作是做不完的，当你通过各种工具提高了效率，并不会真正获得更多自由时间，只会被分配更多工作。 因为本质上市场所购买的是你的时间，至于你在工作时间内能产出多少、市场又能消化多少，并不在考虑范畴内。

我操，这个吐槽，，，克劳德还挺能黑的呀！我操。

根据我的出片理论，外观占宣传的 64%，内饰占 16%，藏在壳子里面的技术不能出片，再怎么宣传也是只占 20%🤪

传说中的DeepSeek天才少女、雷军千万年薪挖角的罗福莉也开始发推了。 帖子里最生动的段落是关于她第一次使用复杂 Agent 脚手架的经历。她用的词是：orchestrated Context，编排过的上下文，我理解就是现在比较火的 Harness Engineering。 她说第一天就被震惊了，然后试图说服团队去用，没成功，于是下了一个硬性命令： > MiMo 团队里，明天对话数不到 100 条的人，可以辞职了。 这个管理风格相当激进，但有效。一旦团队的想象力被 Agent 系统的能力点燃，这种想象力就直接转化成了研发速度。 一方面确实霸气，一方面也让我有点意外，原以为大模型团队应该是更积极拥抱这种从传统 Chat 模型到 Agent 模型范式变化的。 其他都是“干货” 1. 提前押注的架构优势 1T 底座模型几个月前就开始训练了，当时的目标是长上下文推理效率。采用了 Hybrid Attention 机制（混合注意力，简单说就是不让所有 token 都互相关注，而是让一部分用全局注意力、一部分用局部注意力，大幅降低计算成本），支持百万 token 上下文窗口，加上 MTP 推理层（Multi-Token Prediction，一次预测多个 token 而不是一个一个蹦，推理延迟和成本都大幅下降）。 这些架构决策在当时并不时髦，但它们恰好成了 Agent 时代的结构性优势。 2. 为什么 MiMo 团队能这么快 罗福莉在做 DeepSeek R1 的时候亲眼见证过的真实总结： — 基座与基础设施研究周期很长。你需要在它产出回报的一年前就有战略定力。 — 后训练的敏捷性是另一种能力：靠产品直觉驱动评估，压缩迭代周期，及早捕捉范式转换。 — 还有那些不变的东西：好奇心、敏锐的技术直觉、果断的执行力、全力以赴。 以及一样很容易被低估的东西：对你正在为之构建的世界，发自内心的热爱。 3. 模型会开源的，等模型稳定到值得开源的时候。

一个比较全面的大模型，完全下载到本地，小的能小到十几个G。你随便问它问题，他全部知道。他会所有人类语言。这就是人类全部知识骨架，或者说是知识 DNA，也就十几个G。

在说一个暴论。skills 就是 ai 时代的低代码，看起来很美，但最终还是阶段性产物。确定性流程是自动化的基础，每个环节稳定性 90%，十个环节稳定性就是 34.9%。