以太坊年初至今下跌45% – 为何SharpLink和巨鲸仍在买入?尽管以太坊(ETH)年内下跌20%-45%,但机构与巨鲸仍在持续买入。SharpLink时隔八个月后通过FalconX购入5000枚ETH,价值约788万美元,随后又增持价值4554万美元的LSETH,使其总持仓达876,285枚ETH。这表明尽管面临未实现亏损,机构对其长期效用和质押收入抱有信念。 巨鲸也在跟进积累。一个新钱包在九天内买入18,361枚ETH(约2890万美元)及大量Hyperliquid代币,显示大资金正在为未来价格波动布局而非短期操作。同时,BlackRock向Coinbase转移了大量BTC和ETH,这通常与ETF结算、托管调整或流动性管理相关,并非直接抛售。 然而,市场信心尚未全面恢复。现货ETF在6月26日出现1285万美元净流出,尽管累计净流入仍高达109亿美元。这表明直接国库买家和ETF投资者对市场反应不一。整体来看,巨鲸积累与机构活动显示信心正逐步重建,但以太坊的持续复苏仍需更强的ETF资金流入来抵消机构资金外流压力。ambcrypto3 小時前ambcrypto3 小時前
刚刚,DeepSeek V4更新DSpark,推理速度提升80%DeepSeek-V4-Pro-DSpark版本已更新,通过引入推测性解码框架DSpark大幅提升推理速度。该版本并非架构革新,而是在原有模型基础上加入推测性解码模块,重点在于工程优化。 DSpark采用了创新的半自回归生成架构,结合了并行草稿模型的高吞吐优势和串行模块的精准依赖建模。同时引入硬件感知的置信度调度验证机制,动态调整验证长度,将算力集中在高价值token上。在真实线上部署中,DSpark通过异步调度器实现了零开销调度和连续CUDA图回放。 测试显示,在Qwen3系列模型上,DSpark的平均接受长度比Eagle3提升26.7%-30.9%,比DFlash提升16.3%-18.4%。与单token生成基准相比,DSpark将用户生成速度提升了60%-85%(Flash模型)和57%-78%(Pro模型)。 随DSpark一同开源的还有全栈推测性解码框架DeepSpec,提供了从数据准备、训练到评估的完整工具链,支持多种草稿模型算法和目标模型系列,为研究者提供了可复现的标准化开发环境。marsbit4 小時前marsbit4 小時前
在Kraken收购传闻中,Aavenomics 3.0能否维持AAVE的复苏势头?Aave Labs CEO 斯坦尼·库莱霍夫驳斥了近期关于Kraken收购的传闻。据报道,加密货币交易所Kraken计划收购DeFi借贷协议Aave背后实体Aave Group的15%股份,但库莱霍夫否认会以大幅折价出售AAVE。他同时透露了Aavenomics 3.0计划,将包含新的自动化非酌情回购机制。此消息推动AAVE价格在6月反弹超过50%,一度触及88美元,尽管其价格相较2025年高点仍下跌约77%。市场分析认为,价格反弹得益于交易所供应量减少带来的卖压下降以及新代币经济学的预期。AAVE在2026年的下跌主要受治理冲突和宏观压力影响。市场后续将关注Aavenomics 3.0的具体细节及其是否能持续推动复苏。ambcrypto5 小時前ambcrypto5 小時前
BIT 投研:2028 年减半不是终点,比特币矿业真正的洗牌才刚开始比特币矿业正经历结构性调整,行业盈利能力持续恶化。尽管比特币价格约61,000美元、全网算力接近历史高位的1 ZH/s,但矿工实际日收入远低于理论值,手续费收入亦持续低迷。当前行业整体盈亏平衡价格约65,000美元,多数矿企已接近无利可图。 2028年减半预计将把比特币生产成本下沿推升至约93,289美元,加速行业出清。矿业竞争重点正从算力扩张转向商业模式升级,收入结构亟待向手续费驱动过渡。越来越多矿企向能源运营商和AI/HPC算力基础设施提供商转型,寻求多元化收入。 未来,行业将向资本雄厚、拥有低成本电力及多元化业务的大型机构化矿企集中。投资者需关注那些能成功完成从“挖矿业务”向“基础设施业务”转型、建立更具韧性竞争优势的矿企。marsbit5 小時前marsbit5 小時前
大神Karpathy用Claude的方式,原来是这样的?AI大神安德烈·卡帕西(Andrej Karpathy)在加入Anthropic后,开源活动减少。近期,一份据称是他本人使用的`CLAUDE.md`文件在社区流传,旨在指导Claude AI进行更高效的编程协作。该文件强调了一系列核心原则,并非简单建议而是必须遵守的规则,以规避大语言模型写代码时的常见错误。 核心原则包括: 1. **写之前先读**:在编写新代码前,务必认真阅读现有代码库,理解项目风格、既有模式和工具,确保新代码与项目保持一致。 2. **写代码之前先想清楚**:明确任务需求、澄清假设、说明方案取舍,避免基于模糊理解生成错误代码。 3. **保持简单**:抵制过度设计,避免过早抽象、臆想式错误处理和不必要的配置,编写能解决当前问题的最少代码。 4. **外科手术式修改**:修改代码时力求改动范围最小,严格匹配项目现有风格,只清理自己引入的问题,避免无谓的重构和格式化。 5. **验证**:重视测试,修复bug前先写测试复现,确保改动不破坏现有功能。 6. **目标驱动执行**:将模糊任务转化为可验证的具体步骤,并在执行前说明计划。 7. **调试**:遇到问题先深入调查、复现,理解根因,避免盲目添加临时解决方案。 8. **谨慎管理依赖**:添加新依赖前,优先考虑使用现有工具或标准库,并评估其维护状态和成本。 9. **有效沟通**:清晰说明改动内容和原因,主动指出潜在隐患和不确定之处。 文章指出,尽管这份文件的真实性存疑,但其内容高度契合卡帕西本人关于AI编程助手的公开观点。社区已据此提炼出原则并制作了模板,有测试表明能显著降低Claude的代码错误率。这些准则被认为是提升AI辅助编程效率、保证代码质量的关键。marsbit5 小時前marsbit5 小時前