CH retweeted
Introducing IOTA Decide 4B, our first public model.
Pareto optimal. Built different.
Trained across globally distributed GPUs with our SDK.
Open weights, Apache-2.0.
🤗 huggingface.co/macrocosm-os/…
CH retweeted
My 2027 - 2028 stock predictions:
1. Chicken and protein will be essential and enter a new super-cycle, there will be supply chain shortages here
2. Japanese "matcha" will also enter a new supercycle, and supply chain and cafe's will benefit
3. Copper and uranium is going to be the next big thing
4. Asian-related influences will outperform in US markets - food, clothing, and products
5. Physical trade and manual craftsmanship will be highly sought after
6. Biotech is on the cusp of discovering cures for certain types cancer, especially with the help of quantum
7. Golf will enter a new super-cycle
8. Comfort will enter a new super-cycle. First-class. Clothing. Footwear. Taxi's.
9. Pharmaceutical infrastructure I think will be big
10. Water infrastructure I also think will be big. AI consumes a ton of water
11. Anti-aging and nursing homes - people want to live longer, look at REIT's with nursing homes in their portfolios
Some stocks in this list above, will make you multi-millions in the next few years.
CH retweeted
🚀 Geometry 终于成为 AI 在建筑领域的缺失关键层！
@Bootsblac 用 OpenGeometry 把 Text → Floorplans → CAD → Render 完整打通，精度控制成为可能！
1. 从文本/平面图直接生成精准 BREP CAD 模型
2. Three.js 实时渲染 + Google AI 驱动，全流程端到端
3.完整开源可用
CH retweeted
华尔街花300万训练的金融AI，
普通人现在0成本就能白嫖！
FinGPT来了——
AI4Finance基金会又一个重磅开源项目，
直接把“金融大模型”从机构专属变成了人人可用的工具。
它和BloombergGPT的区别简单粗暴：
Bloomberg砸300万刀从零训一个模型，
而FinGPT只在开源大模型上用LoRA轻量微调，
每次迭代成本不到300美元，还能每周更新最新金融数据！
目前19k+ Star，NeurIPS 2023正式收录，不是野路子，是真硬核。
核心五层架构一目了然：
数据源层：实时抓取市场资讯
数据工程层：NLP处理海量高频金融数据
大模型层：针对时效性做高效微调
任务层：严格基准测试
应用层：直接上线生产环境
最亮眼的几个能力：
FinGPT v3情绪分析：一张RTX 3090就能跑，
准确率直接干翻GPT-4微调版，FPB数据集F1得分0.882
FinGPT-Forecaster：
输入股票代码和时间范围，就能综合新闻+行情给出走势预测，HuggingFace有在线Demo
FinGPT-RAG：检索增强，让情绪判断更有深度和上下文支持Llama-2、Qwen、ChatGLM2等主流基座，你甚至可以做RLHF个性化微调，训出只属于你投资风格的私人AI投顾。它能干的事儿太多了：
金融情绪分析、新闻分类、命名实体识别、金融问答、报告摘要……
连中文金融考试评测（FinEval）都支持。
更良心的是开源数据集：76.8K条情绪分析、82.2K条标题分类、17.1K条金融问答，随便拿去练手。为什么这个项目牛？
因为金融市场一天一个样，模型必须低成本快速迭代——FinGPT完美解决。
它把华尔街级别的金融AI能力，真正民主化了。
和他们之前的FinRobot是绝配：FinGPT做底座大模型，
FinRobot做上层智能Agent。
想在AI时代不被金融信息碾压的朋友，
这个项目必须星标+收藏！
GitHub：github.com/AI4Finance-Founda…
CH retweeted
微软又搞事情了。
一个低调的Python工具，悄悄爬到GitHub趋势榜第一。
10万+ stars。
它叫MarkItDown，干什么的？
把任何文件变成Markdown。
PDF、Word、PPT、Excel、图片...
扔进去，出来就是干净的Markdown。
听起来很简单对吧？
但你知道这解决了多大的痛点吗？
RAG系统最头疼的就是：怎么喂数据给AI。
PDF格式乱七八糟，Word藏满隐藏样式，
PPT全是图片没文字...
现在，一行代码搞定。
更狠的是，这是微软官方出品，
完全免费，开源，可商用。
我试了一下，一个200页的PDF，
3秒转完，格式干净得不像话。
这就是大厂的实力：
不做则已，一做就是行业标准。 github.com/microsoft/markitd…
CH retweeted
既然Claude Code源码都泄漏了，我觉得我这75页的《CLAUDE CODE橙皮书📙》也该开源了。
这份橙皮书是我和Claude Code花了两个多月一起写的实战手册，面向想用AI编程但不知道从哪开始的人。10章，从安装到独立做出一个完整产品。
里面有什么：
• 核心工作流拆解（Plan/Auto模式、权限管理）
• CLAUDE.md写法——怎么给AI一张项目地图
• Skills、Hooks、MCP等扩展能力的实战用法
• 多Agent并行协作的完整机制
• Computer Use和Voice Mode等最新能力
• 一章完整的从零到上线产品实战
信息源主要是Claude官方文档、CC之父Boris的分享、吴恩达的Claude Code课程，加上我自己用CC做了十几个产品的经验。内容更新到2026年3月底。
和AI协作写的，内容量大，难免有幻觉。发现不准确的欢迎指正，我会持续更新。
下载链接🔗：my.feishu.cn/wiki/JK1WwrRgJi…
CH retweeted
$TAO has been making headlines this week.
-> @nvidia CEO and @chamath on the @theallinpod
-> $TAO subnet staking growth
-> @intel collaborating with @manifoldlabs and @TargonCompute
Grayscale Bittensor Trust (ticker: $GTAO) is open for private placement for eligible accredited investors.
Learn more and see important disclosures: grayscale.com/funds/grayscal…
CH retweeted
‼️🦞有mac的来挖矿！tao这个子网！我测试一天能挖8u左右。根据 #iota sn9子网代币价格变动
大家养龙虾买的mac有用处了
最近研究tao，发现个 @IOTA_SN9 激励式编排训练架构——在 Bittensor 子网 9 上进行去中心化模型训练。由……@MacrocosmosAI构建的项目，目前只发布了mac系统的挖矿。
1️⃣mac电脑下载tah.iota.macrocosmos.ai/down…
2️⃣注册tao钱包bittensor.com/wallet
3️⃣打开软件，选第二个‼️填入自己的钱包地址。（一定不要选第一个为项目方贡献）
4️⃣到账的是iota 子网sn9 alpha代币
CH retweeted
On the @theallinpod this week, @chamath asked @nvidia CEO Jensen Huang about decentralized AI training, calling our Covenant-72B run "a pretty crazy technical accomplishment."
One correction: it's 72 billion parameters, not four. Trained permissionlessly across 70+ contributors on commodity internet. The largest model ever pre-trained on fully decentralized infrastructure.
Jensen's answer is worth hearing too.
CH retweeted
Friday @ 5pm GMT | 1pm ET 🚀 Next launch, live on X
Causal intelligence. Top-tier founders. Bittensor-first.
Join @macrozack plus guests this Friday here on X - sign into our webapp ahead of time 👇
CH retweeted
我们给了两个 bot 各 $1,000，然后把它们同时扔进了 Polymarket
一个基于 Claude
另一个基于 OpenClaw
两边接的都是 官方 Polymarket API
看到的是 同样的市场、同样的事件、同样的价格
Demo mode
真实逻辑
48 小时
全程不人为干预
一开始的节奏就不一样
Claude 开始 4 分钟后就开了第一单
OpenClaw 分析了 22 分钟后才下第一笔
第一天结束时，结果是：
Claude：+$340
OpenClaw：-$87
当时我们还在想，这会不会只是运气
到了第二天，差距开始变明显
OpenClaw 开始变激进
仓位变大
明显在尝试把亏损追回来
但 Claude 没有变
同样的逻辑
同样的仓位
同样的节奏
48 小时结束后的最终结果：
Claude：+$612
OpenClaw：-$231
真正把 OpenClaw 拖死的，不是市场本身
而是它在亏损后开始做了三件危险的事：
情绪化交易
试图回本
临场改策略
而 Claude 从头到尾都像机器一样执行。
不追
不急
不自我怀疑
也不试图翻本
因为它本来就是机器
现在下一步，就是把这套东西切到 真实资金 上跑。
同样的市场
同样的数据
最后输赢差距，居然只是因为 执行纪律
你觉得在 Polymarket 里，真正最值钱的到底是模型，还是不乱改的纪律？