Loading...
Loading...
分享一个大幅节省Codex额度的邪修方法，不要浪费了你的ChatGPT Pro会员。最近我的Codex额度，已经烧到我有点用不起的程度了。
大家可能都知道，我做了一个AI热点资讯产品，叫AIHOT。
然后我最近做的，基本都是关于AIHOT的底层优化，一个是尽可能降低成本，一个是系统底层的性能提升。
全是什么压模型API成本、压抓取成本、用算法替代模型、找过度设计、找性能瓶颈啥的，甚至最近因为突破了100万的月活，流量和请求费用已经到了我扛不住的地步了，又在疯狂的想办法，压缩流量传输，降低成本，都快把边缘缓存用到极致了。。。
然后我又为了做热度榜，把监控的信源加到了快2000个的量级，每天大模型的API的费用，也是几百块的烧。。。
所以，基本是一天一个200刀的Pro会员号，直接快干成日抛了，3个号轮着转，一个用完了切换另一个，继续做任务。
一边是AIHOT每天后端在疯狂烧钱，一边是为了优化AIHOT的烧钱而每天在Codex上疯狂烧钱，我感觉我自己每天好像起床就好像陷入了某种赛博循环，钱就跟流水一样哗啦啦消失了。。。
特别是我也不太懂代码，我只能当个产品经理，去规划流程架构，知道我的目标是什么，但是具体它要怎么实现？有没有一些能更加突破的方法能实现？你指望我这个愚蠢的人脑去想这个事，我肯定搞不定的，所以必须要有一个很强的大模型，根据我的需求和目标，调研完我们过去所有的日志数据，然后给一个很棒的开发的规划，后续我去执行才可以。
最近我是经常用GPT-6 Astra Max来分析和规划，甚至有两个降本的任务，我直接上了GPT-6 Astra Ultra，然后出完计划以后，用GPT-6 Astra 高来实施。
所以Codex额度不可能抗的住的，甚至额度消耗的很大头，是来自于前面的分析规划，用Ultra分析规划一次，我的200刀会员的周额度，直接能没10%。
穷则思变。
人一旦被额度逼到墙角，脑子就会异常活跃。
所以我就在想，我怎么最大化的去利用ChatGPT的网页版，因为大家都知道，ChatGPT的网页版有一个超强的模型，GPT-6 Pro，而且这个东西其实算ChatGPT Pro会员一个非常容易被忽略的隐藏福利。
因为它的额度是跟Codex分开的，并不消耗你的Codex额度。
200刀的Pro会员，一周有200次的Pro对话额度。
讲道理，这玩意一直是我心中极其好用的模型，7月份没有GPT 6只有GPT 5.6 Sol的时候，我就聊过，说这玩意的Review水平和深度，都极强。
但是GPT Pro模型一直有一个问题，就是没有办法看到我的真实的业务数据和场景，他可以通过插件的方式，链接我的Github，看到我所有的PR记录和实际的代码，但是他还是看不到我这么多月的所有的服务器日志记录，还有我真实的线上数据库。
如果你看不到这些东西，你怎么能去分析数据，然后推理找到一些底层突破，从而给我们一个真实的规划方案呢？
就比如昨天到底进来了多少条数据，我们每天的高峰数据到底是多少。
某一个模型调用到底一天烧多少钱，分别烧在了什么地方，缓存命中率是多少等等。
所以本质上。
代码告诉AI，这套系统理论上应该怎么运行。
生产数据告诉AI，这套系统实际上是怎么运行的。
PR历史，则告诉AI，它为什么一路变成了今天这个屎山。
这就是过去GPT-6 Pro我用它做方案规划最大的痛点，它一切都只能根据我的现有代码进行推测，它没有办法根据我的真实数据进行分析回测。
于是我就一直在想办法怎么去解决这个事，我当然知道有各种各样的桥接方式，把GPT 6 Pro的额度拉到Codex本地里面，用它来去处理。
但是过去无数种的经验告诉我，这种方式是会有风险的，我不太想冒这种风险。
然后，我就想起了一个东西，MCP。
在网页版ChatGPT的聊天模式中，可以调用插件，但是不能调用Skill，而插件的底层，其实就是MCP。
那如果...把我的服务器，直接封装成MCP，然后变成一个插件，能跟Github插件一样，直接让GPT-6 Pro通过MCP协议，读取我的服务器所有数据，这样是不是就行了？？？
说干就干，我直接给Codex发了一句话。
对，就这么一句话：“给 AIHOT 增加一个供 ChatGPT 使用的生产业务数据只读 MCP Server，让 GPT-6 Pro 能安全查询 AIHOT 所有服务器的真实数据。但是一定是最小权限、只读、可审计，不能影响生产性能，也不能暴露密钥和敏感数据。”
他自己就封装完了。
因为为了保护我们的服务器安全，所以我只给了只读的权限。他不能对我的服务器进行任何的操作，他只能读数据，但是不能操作数据。
同时也为了保护我们私有MCP的数据安全，他也提问了说，需要OAuth登录服务，那太简单了，因为我们用的是飞书，我过去在公司里面也直接开发了一整套的飞书的认证中心供我们同事使用，我直接就把飞书的鉴权给接进去了，只有我自己的飞书账号登录以后才能用。
然后过了大概半小时以后，Codex给我开发完了。
因为它强大的Computer use的操控能力，所以甚至，都给我上传好了，自己都做完了实验。
成了。
MCP是个好东西，真的，万物皆可MCP，你可以把你任何本地电脑上、服务器上的东西封装成MCP，然后做成你的私有插件，你就全部可以让GPT-6 Pro调用了，这个想象空间有多大，能做的事有多少，我相信大家的想象力一定比我丰富。
那接下来，再说一下怎么用，以及怎么跟Codex更好的协同。
打开我们的Codex，点击左上角的快速聊天。
吊起ChatGPT的聊天模式。
这时候就会在右下角给你弹一个窗，把模型选成GPT-6 Pro，点击+号，选择你自己的插件。
因为我既需要给数据也需要给代码和PR记录，所以我是同时调用我自己的插件和Github插件。
这个时候你就可以提出你的需求了。
比如我说，我希望继续降低成本。
他就会直接读取我们所有数据，开跑。
大概GPT-6 Pro思考推理了40分钟以后，终于跑完了，然后给我了一个非常详细的方案，我看了一下，质量真的极高。
这一次，如果你直接用GPT-6 Astra在Codex里去跑，我觉得周额度的10%是真的能干掉的，所以通过这种方式，真的就节省了周额度的10%，而且也是完全的符合OpenAI的所有规则，没有干任何出格的事情。
那有了这个方案之后，我们怎么扔到Codex里面，去直接执行呢。
方法也巨简单，你完全不需要把那个md文档和方案下载下来再上传之类的，你直接点击聊天窗口的添加到Codex。
你就会发现，这个对话，已经到你的Codex窗口上了。
接着，写一句执行的万能Prompt：
“帮我验证，并且做掉这里面提到的所有值得做的优化，然后统一上线。”
我自己习惯在执行的时候，把推理等级开到“高”了，大家开到“中”也行，但是不建议用“轻度”，至少我自己觉得效果不是特别好，有时候来来回回的失败或者不验证，搞起来特别麻烦。
马上GPT-6 Sol大概率就上了，GPT-6 Sol上了之后，执行这块，我可能会无脑切换到GPT-6 Sol了，只有一些高难的任务我觉得我才会切换到GPT-6 Astra。
上面Prompt写好以后，直接发送，我也不知道过了多久，因为我直接睡觉去了。
起床一看，开发完了。
这个任务，最终好像也只花了我周额度的4%左右。
还是很爽的。
讲道理，GPT-6 Pro这么强，每周还给我200次额度，让它躺在那里吃灰，然后另一边一天烧一个Codex账号，我是真的觉得我扛不住。
只要你是Pro会员，不管你是100刀的（100刀的能每周用50次GPT-6 Pro额度），还是200刀的，都可以试试，把你的真实数据和业务，封装成MCP，让GPT-6 Pro去使用，应该能减少很多你的Codex token消耗。
同时，我还是要强调一下，这种遵守规则的MCP和插件调用的方式，99.99%不会有啥风险，更不会给你降智或者风控啥的，但是如果你去用一些三方的桥接插件，把GPT-6 Pro的额度反代出来用Codex来开发，如果被风控了，别找我= =
账号安全第一。。。
最后，总结一下这套工作流。
ChatGPT上的GPT-6 Pro通过MCP的方式把真实世界接入进来，进行详细分析做规划和架构。
然后Codex的GPT-6 Astra high负责具体的开发执行。
省钱省心又省力。
我只需要提需求和做决策就行了。
哦不对，我还要负责付钱。
。。。
AI啊。
真好玩。
OriginOS 7 深度体验：当系统开始真正懂你作者｜陆
微信｜Shark_chili_LU
作为一个看着 OriginOS 一路走来的老用户，上手 OriginOS 7 的第一个印象是贴心和克制。新系统没有把所有新功能都堆在桌面上，而是围绕三个高频体验展开：蓝心小 V 开始理解带有个人背景的需求，原子动效 7.0 让连续操作更跟手，新的界面材质则在质感与个性化之间给用户更多选择。
图源：不客观实验室
深度使用 vivo X500 两周后，我最明显的感受是，OriginOS 7 的许多更新都在让用户少操心一步。蓝心小 V Pro 模式把个人偏好、行程信息与生活服务连接起来；新的原子动效和可打断交互贯穿每一次点击与切换；动态光影、材质和主题则把个性化做得更细致。它们很少主动抢镜，却共同指向了两个关键词：贴合与舒适。
1
当 AI 助手开始理解个人背景
传统语音助手擅长回答单一问题，遇到带有上下文的复杂需求，往往需要用户反复介绍背景、补充条件。OriginOS 7 为蓝心小 V 引入了长期记忆和个性化理解。用户在 Pro 模式下授权后，它可以逐步记住常用联系人、内容偏好和出行习惯。下一次提问时，你不必再从头解释自己喜欢什么风格的酒店、偏爱哪种交通工具，或旅行时更在意景点出片还是品尝美食。
蓝心小 V Pro 长期记忆，理解需求 图源：不客观实验室
这种理解需要时间建立一个个记忆锚点。刚开始使用时，你可以主动告诉蓝心小 V 自己的偏好，也可以授权它从已有信息中学习。随着用户画像逐渐完善，同一句“帮我安排这个周末的休闲计划”，得到的结果会从通用攻略变成更贴近个人需求的定制方案。这里的关键不在于 AI 思考了多久、答案写得多长，而在于它是否真正记住了与你有关的信息和限制条件。
蓝心小 V Pro 模式对话截图，补充诉求前后的差异 图源：不客观实验室
1
把散落信息整理成一整条行程
体验下来，出行是最能体现蓝心小 V Pro 模式个性化价值的场景。机票、火车票、酒店、景点门票和打卡收藏，经常散落在消息、订单、相机截图和不同应用里。蓝心小 V 的定制出行攻略可以在授权范围内识别这些信息，整理成结构化行程，再结合个人兴趣、历史习惯和同行人特点，补充景点、美食、旅拍机位和路线，并优化时间安排。
更省心的部分出现在计划变化之后。目的地天气变化、航班延误或预订取消时，你可以让小 V 重新安排后续行程。它在生成新方案时仍然记得原来的计划，也知道哪些偏好不能牺牲，因此不必每次都从零开始做攻略。对于经常出差或带家人旅行的人来说，这种连续性比单独生成一份愿望清单更实用。
定制攻略，结构化行程 图源：不客观实验室
1
用一句话抵达生活服务
小 V 帮办把 OriginOS 7 的智能能力推进到生活服务。打车时说出目的地、加班时临时点一份外卖，或周末出行订车票和机票，都可以直接告诉蓝心小 V。它能够接住需求，并把流程推进到最终确认环节，用户不必先判断该打开哪个应用，再逐层寻找功能入口。相关生活服务由 vivo 与支付宝合作接入，让一句自然表达可以转化为清晰、可确认的服务流程。
自然语言订机票的操作界面 图源：不客观实验室
同样的逻辑也能覆盖日常用机问题。一句话调整设置只是基本能力；当手机无法连接蓝牙耳机等设备时，还可以让小 V 判断问题并给出逐级排查步骤。智能助手由“告诉你该怎么做”进一步变成“陪着你一步步做”，对不熟悉手机设置的用户尤其友好。
1
用系统级 AI 连接后续动作
除了蓝心小 V，OriginOS 7 还把 AI 放进截图、输入法和文件流转等日常环节。点餐后截取餐码，系统可以把关键信息推送到原子岛；购买电影票后，二维码截图可以直接收入卡包，需要时一步直达；自带输入法也能在当前输入框中查询手机内的文档、日程和联系人，减少聊天与搜索之间的来回切换。
AI 截图直达原子岛，票券自动收入卡包 图源：不客观实验室
这些小功能不要求用户改变原来的用机习惯：截图还是熟悉的截图，输入也仍在当前界面完成，AI 只是在合适的位置接住下一步操作。对系统级智能而言，出现的时机和操作是否可控，与能力本身同样重要。
帮助用户进行流量包选择 图源：不客观实验室
1
流畅感来自每一次操作都可以继续
OriginOS 7 的流畅感很容易被察觉。
液态动效模拟分离、形变和融合，弹性动效则让按钮、卡片、页面切换和返回遵循一致的运动规则。这些动效会继承手势的方向和速度，让界面更像是在回应手指，而不是机械地播放预设动画。
回弹动效 图源：不客观实验室
更重要的是交互可以随时打断。快速滑回桌面、立刻切到另一个应用，或连续上下滑动页面时，前一个动画尚未结束，下一步操作已经能够接上。日常使用中，这种不用等的感觉比性能峰值更直接；连续操作越多，系统的响应节奏也越自然。
液态动效 图源：不客观实验室
1
原子工作台来到直板手机
继平板电脑和折叠屏之后，vivo 首次把原子工作台带到直板手机。前台可以同时运行多个应用，看视频时回复消息，文件也能在窗口之间直接拖拽。这些功能此前已有介绍，在直板手机上真正的考验，是当焦点窗口、后台窗口、网络与显示负载同时变化时，系统能否继续保持稳定。
OriginOS 7 对内存流转、GPU 资源、网络竞争和显示负载做了针对性优化，窗口切换过程中也可以随时改变操作方向。vivo 官方表示，OriginOS 7 已通过 72 个月抗老化模型检验，以支持长期流畅的使用体验。
原子工作台多窗口使用场景 图源：不客观实验室
1
光影美学让质感可以选择
OriginOS 7 的界面变化集中在动态透彩材质和全局动态光影。面对复杂壁纸，材质会模拟折射，并调整局部像素的对比度与饱和度，让前后层级都能保持清楚；换到纯净背景时，它又会收起自身的存在感。点击控件时出现的点触光，也会随材质通透度改变强弱，使视觉反馈与操作状态保持一致。
真实、自然、柔和三档效果设置 图源：不客观实验室
OriginOS 7 提供真实、自然和柔和三档界面质感。真实档更通透，光学折射效果也更明显；自然档在质感与可读性之间取得平衡；柔和档则尽量减少前景干扰。如果你喜欢更加鲜明的玻璃质感，那么真实显然是最能体现这套设计的档位。习惯更克制、平和的视觉效果，则可以选择柔和档。三档并非性能高低之分，而是把界面质感的选择权交给用户。
真实、自然、柔和三档效果对比 图源：不客观实验室
1
那些无孔不入的细节
OriginOS 7 的舒适感，还来自一些容易被忽略的系统细节。续航透明化会显示部分高频应用的预计可用时长，并给出充电时长预测，比单独的电量百分比更有参考价值。AI 精准定位可以针对商场、景区和酒店等复杂地点优化位置，减少把车叫到马路另一侧的情况。游戏组网加速则允许多台支持该功能的 vivo 或 iQOO 手机在面对面开黑时协同保持网络稳定。
当 AI 能力深入系统后，权限边界也变得更重要。OriginOS 7 强化了相机、麦克风和位置调用提示，并扩展联系人、相册、日历等数据的精准访问控制。多模态隐私数据脱敏会先在端侧处理姓名、证件号码等敏感信息，再把脱敏后的数据交给云端模型分析。
1
超级标准版 vivo X500
聊完系统，再来看 vivo X500 的影像体验。它的亮点是把稳定、人像优化、电影色彩和构图能力，放进更容易理解、也更容易上手的入口。
vivo X500 图源：不客观实验室
遇到夕阳或旅行人像时，打开电影模式就能快速选择合适的风格：日光胶片偏暖，适合黄昏；清冷银盐则更为通用。
图源：不客观实验室
8K Live 是 vivo X500 影像功能中很值得体验的一项。拍照模式支持全焦段 4K Live，1 至 10 倍焦段则支持 8K Live。
8K Live 图源：不客观实验室
X500 的原生方案让封面帧与动态视频流保持一致的色彩、影调和视角，打开 Live 后不会出现突兀的偏色或构图调整。8K 高分辨率让“每一帧都是电影级画质”有了更直观的落点，也给后期选帧留下更大余地。无论是人物回头的特写，还是宠物毛发抖动的瞬间，都更容易从整段动态中挑选出来。
图源：不客观实验室
图源：不客观实验室
8K Live 在拍摄完成后，还可以通过相册叠加电影色彩，进一步带来电影感美化。vivo 所说的随手拍出电影感，依靠的是稳定的视频底座、统一的画面表现和更省事的后期选择，降低拍摄和后期编辑的门槛，而不是用一层滤镜解决所有问题。
图源：不客观实验室
图源：不客观实验室
1
OriginOS 7 的价值体现在少操心一步
回到日常使用，OriginOS 7 的变化可以归结为三条清晰的体验线索。蓝心小 V 逐步记住个人偏好，让一句话带上真正属于你的背景；原子动效 7.0 和可打断交互把流畅落实到每一次连续操作；动态透彩材质与三档界面质感，则让设计既有层次，也给不同审美留出选择。它们并不是彼此孤立的功能，而是在同一套系统里共同减少重复说明、等待和寻找入口的次数。
精准权限提示与端侧脱敏，也为这种个性化理解划出了清楚的安全边界。OriginOS 7 给人的最终印象，不是某一项功能有多醒目，而是系统越来越懂你：小 V 记得你的习惯，交互能跟上你的下一步，界面也允许你选择舒服的样子。智能由此不再停留在问答框里，而是成为一种懂你、聪明又舒适的日常体验。
点个“爱心”，再走吧
Vidu S2：实时数字人，实时改视频刚刚，生数上线了最新的 实时视频模型 S2，输出提高到 720p，保持 25—42 FPS，包含下面两款：
S2-Avatar，实时数字人 你可以和它说话、让它做动作，比如换衣服、拿东西、换场景，支持随时新增参考图
S2-Editing，实时改视频 输入一段持续发生的视频，模型根据指令改画风、换内容，同时保留原视频的动作与时间关系
比如...左侧是风格转绘，右侧是给我换了身衣服
这东西现在已经可以玩了，这里体验：https://vidu.com/vidu-stream
除此之外，本次还发布了个有趣的东西，叫做 Real-Time Spatial Video：基于 S2 去生成实时空间视频，可供头显使用，原理上就是将生成后的画面变成左右眼视图，作为 VR 输入源
这事儿，可以并着下面这个新闻来看，大家都在朝着「小扎未竟之路」来探索
S2-Avatar：实时数字人
Avatar 延续的是 S1 的路线，仅凭一张图，便可生成交互数字人。但 S2 做了一个很大的改进“动态参考”，你可以在对话的过程中，随时更改角色设定以及场景、衣物、道具
比如在对话的过程中，你可以随时给他一张杯子的图片，让它拿起来，或者给他一个外套的照片，让它换上
另外我去查看了 tech report，发现了一个有趣的细节，就是 Vidu 是如何保证角色行为的一致性的：他们做了一层 VLM Agent，用来生成后续 prompt举个例子，当让角色“拿起杯子，然后微笑”时，这个 Agent 会把后面的提示会明确保留“继续拿着杯子”，只改变表情，避免新指令把前面的状态覆盖掉
视频模型负责生成，Agent 负责维护状态
S2 在交付效果上做到了大幅提升。在训练的过程中，增加了独舞和 2D、3D 动画数据，指令跟随也扩展到更完整的身体动作。在画面渲染上采用低分辨率骨干加单步 Refiner，骨干侧偏重运动与时序，Refiner 侧保留外观细节。输出从 540p 提高到 720p，报告给出的速度是 25—42 FPS
为了长时间生成的稳定性，则用到了他们提出的 Self-Replay Forcing，简称 SRF，也就是模型先按实际推理方式生成一段长轨迹，再把自己生成的片段重新加噪，进行因果回放训练，用来改善连续生成中的误差累积
S2-Editing：实时改视频
Editing 则是直接接收视频流，根据文字指令和可选参考图，实时换画风与内容。和 Avatar 不同，这里的动作由原视频提供，也就是用来「P 视频」的
比如你在摄像头前做手势舞，这时候给他上传一张牛来，就可以让输出画面里的牛来去跳了，它目前支持四类任务：风格迁移、虚拟试穿、人物替换、背景替换
下面的这些案例来自 tech report
风格迁移：水彩与工笔风格
虚拟试穿：白衬衫与牛仔服
角色替换：真人与卡通角色
背景替换：巴黎街景与卧室
左右滑动查看 · 共 4 张
这个技术有个难点：如何让改动的画面不穿模比如在拉扯衬衫的时候，如果我把衬衫换成了别的衣服，那也意味着衣服上的花纹、质感什么的也都会变好，而模型要同时理解参考图里的衣服特征，也要保留原视频里人与衣服的互动
对此，Vidu 团队使用了 Frame-Aligned Attention 的解法，也就是目标帧在读取源视频时，只与同一时刻的源帧交换信息；参考图则可以被各个目标帧读取，持续提供新的外观条件，避免把不同时间点的源画面混在一起。进入流式生成后，模型仍会结合有效的历史片段继续输出。
训练上，Editing 也复用了前面的因果流式方案和 SRF，用来改善连续编辑中的一致性，并进行了特别的内存优化，降低整条流程的延迟
实时空间视频：送进头显
Vidu 在前面两个模型的基础上，继续往后做了一步，为左右眼提供略有差异的画面，做到「实时空间视频」
在这个过程中，会先生成普通视频，再根据深度生成左右眼视图，持续送给头显；单目画面，转换成左右眼视图
如果是实时编辑视频的话，就分为两种情况：
原视频是单目的，会先修改普通视频，再转成双目
原视频是双目的，把左右眼画面横向拼成一条宽视频，一起编辑，再分拆回双目下面用两个图来展示着一原理
左右滑动查看 · 共 2 张
BenchMark
根据官方说法，基于 BenchMark 评估，Vidu S2 模型做到了领域 Sota
Vidu S2 的全链路研发由朱军教授的博士生张金涛负责，他也是生数科技流式视频生成与推理负责人
这里的 BenchMark 包含对应 Avatar 的 StreamAV-Bench，以及 Editing 的 Sparkle-Bench、OpenVE、RefVIE 和 ViViD 试穿测试集，摘取如下
StreamAV-Bench
Sparkle-Bench
OpenVE 与 RefVIE
ViViD 虚拟试穿
左右滑动查看 · 共 4 张
最后
产品今天已经通过 Vidu 的官网，以在线 Demo 和 API 的方式放出，可以来试一个有关技术报告在这里，感兴趣的可以阅读技术报告：https://arxiv.org/pdf/2609.11638
本周 AI 项目推荐：Citely、ACE、VIRSE、BuilderHub上新啦！作者｜Yoky
微信｜yokyliu617
过去一段时间，我们几乎每周都会遇到一批新 Builder。有人辞职创业，有人在大公司之外做 Side Project，也有人没有工程背景，却借助 Coding Agent 第一次把自己的想法做成了可以使用的产品。真正缺少的是一个集合地。
这些 Builder 和产品散落在朋友圈、微信群、GitHub、Product Hunt 以及一条条很快沉下去的社交媒体动态里。产品发布时可能获得一阵讨论，但几周以后，再想找到背后的团队、查看最新版本，或者确认这个人后来又做了什么，往往已经很难。现有的发布平台更擅长记录“今天上线了什么”，却很少持续回答“是谁在做，他为什么做，现在做到哪一步了”。
此前，我们把长期在做的项目推荐栏目变成了一个围绕 Builder 运转的平台BuilderHub（https://builderhub.pingcode.tech/），目前已经有 50 位真实 Builder 入驻。相比收集更多产品链接，我们更想把人、产品、里程碑和持续发生的思考放在一起，让一次发布成为一条长期记录的起点。
最近，BuilderHub 又完成了一轮更新：
Agent 自动入驻和维护： Builder 申请后会获得专属 API Key 和任务说明，把它们交给自己的 Agent，就可以自动回传个人信息、产品、里程碑和 Builder Talk。此后发布新版本、开放内测、获得首批用户或调整方向，也可以继续让 Agent 更新。
Builder Card： 每位 Builder 都可以生成一张可分享的线上名片，把个人身份、产品方向和关键进展放在一起，更方便地向用户、合作伙伴和投资人介绍自己。
投票、周榜和月榜： 社区成员可以把票投给自己认可的 Builder，用户反馈和硅星人的编辑观察共同形成榜单。我们会定期从新入驻项目和榜单中筛选团队，进入每周推荐、采访和后续深度报道。
如果你也在做 AI 产品，欢迎申请入驻 BuilderHub：https://builderhub.pingcode.tech/join把你的产品和进展放进来，也让更多用户、伙伴和同行找到你。
本周，我们从 BuilderHub 的上新项目里选出了 6 个值得关注的产品。
1
01 VIRSE：
https://builderhub.pingcode.tech/builders/yifan-zhao
产品概述
VIRSE 是一套面向品牌、设计工作室和专业创意团队的 AI 设计基础设施。
产品把 50 多个图像与视频模型放进同一块无限画布，用户可以在一个空间里管理参考图、资产、生成结果和团队协作。VIRSE 更核心的能力叫 Aesthetic Memory：系统学习团队的视觉语言，让不同设计师、Agent 和外部合作方尽量沿着同一套品牌标准工作；历史资产还可以按照“看起来像什么”来搜索。
它解决的不是如何再生成一张图，而是商业设计里更难的部分：多轮迭代以后，风格还能不能稳定，资产能不能复用，团队能不能协作。
团队背景
VIRSE 创始人赵一凡毕业于 Cornell University，曾在腾讯从事软件工程与产品工作，此前做过 AI 定制设计产品，并完成过一次收购退出。VIRSE Labs 位于旧金山，是一支规模不大的跨学科团队，成员背景覆盖视觉智能、工程和人机交互。
赵一凡同时理解工程系统和设计生产，这一点直接体现在 VIRSE 的产品取舍上：团队没有把重点停在模型数量，而是把大量力气花在画布性能、上下文、审美记忆和多人协作这些不容易出现在 Demo 里的地方。
为什么值得关注
图像与视频模型的能力还在提高，但“接入最新模型”本身会越来越难形成壁垒。专业设计团队真正付费的，是可控、一致和可交付。
VIRSE 的判断是，AI 设计的下一层竞争，不是生成能力，而是谁能保存并复用一个团队的审美上下文。 如果这层记忆成立，AI 就不再是设计师偶尔调用的工具，而会逐渐变成团队视觉系统的一部分。
1
02 Stances
https://builderhub.pingcode.tech/builders/zijian-jia
产品概述
INSPIRED AI 是一家在新加坡注册的 AI 应用公司，由贾子健创立。团队早期聚焦 AI 语言学习，先后推出 TalkMe 和 ListenLeap。
TalkMe 面向口语表达，通过实时 AI 对话提供发音、语法和表达反馈；ListenLeap 面向听力输入，把 Podcast 与 YouTube 视频转化为带有双语字幕、逐句精听、词汇解释、AI 问答和跟读评分的学习材料。两款产品共同覆盖语言学习中的输入与输出环节。
2026 年，团队推出第三款产品 Stances，将内容理解、信息检索和来源追踪能力拓展到决策研究场景。用户提出需要判断的问题后，Stances 会从播客、访谈、专家公开观点和高质量讨论中整理一手资料，生成带有出处的洞察简报，并呈现共识、分歧、观点语境与变化时间线，帮助用户建立自己的判断依据。
团队背景
Inspired AI 创始人贾子健是连续创业者，拥有约 10 年 C 端产品经验，曾在网易、360 和好未来负责产品，参与过多款大规模用户产品。联合创始人戴雨珺长期关注二语习得与教学设计，负责把语言学习方法转化为产品体验。
据团队及投资方锦秋基金披露，TalkMe 与 ListenLeap 已经验证了海外用户付费和正向现金流。比具体数字更值得看的是，这支团队没有停在第一款能赚钱的产品上，而是在重复使用语音、内容理解、检索和交互能力，继续寻找新的消费场景。
为什么值得关注
AI 消费应用最难的从来不是做出 Demo，而是让用户第二天还愿意回来，甚至愿意付钱。Inspired AI 已经用两款语言产品证明了自己对 C 端需求、增长和付费的理解，现在又用 Stances 切入信息溯源。
这次转向背后的判断很有意思：生成答案越来越便宜，判断答案值不值得信却越来越贵。Inspired AI 正在从“帮用户学会表达”，走向“帮用户保留自己的判断”。 这支 Builder 团队的价值，也正在从一款产品的功能，变成连续寻找产品市场匹配的能力。
1
03 ACE
https://builderhub.pingcode.tech/builders/joe-guo
项目简介
ACE 正在搭建一套 AI 原生音乐平台，由音乐基础模型、专业创作工作站 ACE Studio，以及个人音乐 Agent miya.fm 组成。
ACE Studio 面向音乐制作人、作曲人和专业创作者，将 AI 人声、AI 乐器、声音克隆、音轨分离、音乐生成与 DAW 协作整合进完整工作流。目前产品约有 10 万付费用户，月收入约 200 万美元，用户累计编辑约 300 万首作品。
miya.fm 面向更广泛的个人用户，希望将生活、关系和情绪转化为音乐。用户可以通过对话、文字、照片或社交内容生成歌曲，也可以用自然语言表达当下的场景和心情，获得更个性化的音乐内容。
团队背景
ACE 由 Joe Guo（郭靖）、Sean Zhao 和 Conger Sheng 于 2019 年共同创立。
Joe Guo 是声音算法工程师、产品设计师和音乐创作者。大学时期曾组建乐队并担任主唱，毕业后参与过亿级用户规模的移动游戏产品。亲身经历专业音乐制作的高门槛后，他开始探索如何利用 AI 改善音乐创作工具。
团队目前约有 40 名成员，能力覆盖音乐生成、音乐理解、AI 工程、音乐制作和产品设计。团队已经完成从早期娱乐产品到专业生产力工具的转型，并逐步建立起专业创作产品、真实编辑数据和音乐模型之间的协同体系。
为什么值得推荐
ACE 已经完成了较为扎实的产品和商业验证。ACE Studio 的付费用户规模、收入表现和专业用户留存，说明 AI 音乐工具在真实创作流程中具备明确需求。
更值得关注的是专业用户产生的数据。音乐人在 ACE Studio 中对音高、节奏、情绪和演唱细节所做的编辑，会形成高质量的偏好数据。这些数据能够持续反哺模型训练，推动生成质量和产品体验共同提升。
2026 年 9 月，ACE 完成近 4,000 万美元新一轮融资。现阶段的 ACE 已经展现出模型研发、产品落地、全球化运营和商业化增长的综合能力，是 AI 音乐赛道中值得持续追踪的 Builder 团队。
1
04 橡果 Oaky
https://builderhub.pingcode.tech/builders/oaky
产品概述
橡果 Oaky是一款陪用户收藏、记录、整理、创作和分发真实内容的 AI 创作搭子。
大多数 AI 内容工具从一个空白输入框开始，让用户给主题，然后直接生成文章。橡果想接住的是更长的一条链路：日常看到的内容、随手记下的想法、真实经历和长期积累的素材，如何逐渐被整理成属于用户自己的表达，再继续分发出去。
它并不把“多写一篇”当成唯一目标。更准确地说，橡果希望帮助有持续创作需求的人，搭建一套不会每次都从零开始的个人内容系统。
团队背景
橡果的 Builder 唐遥民是一名 AI 产品工程师和首次创业者，曾在智谱与美团担任 AI 产品经理，也长期公开记录自己的产品思考、增长实验和创业过程。他此前开源了“橡果视记”，现在把同一个问题继续推进到 Oaky。
唐遥民在个人记录里坦率写过创业早期的真实成本和走过的弯路。他很清楚 AI 可以降低软件开发门槛，但不会自动解决用户、分发和商业模式。这种对问题的长期体感，是橡果比“又一个 AI 写作工具”更值得关注的部分。
为什么值得关注
生成内容已经接近无限供给，真正稀缺的开始变成真实素材、个人视角和持续表达。橡果没有继续卷“同一个提示词谁写得更像人”，而是把产品起点放在内容生成之前。
它想解决的不是写不出来，而是一个人的经验没有被长期积累下来。 如果橡果能把收藏、记录、整理和发布连成自然的日常动作，它就有机会成为创作者的内容基础设施，而不是偶尔打开一次的生成器。
1
05 Citely
https://builderhub.pingcode.tech/builders/citely
产品概述
Citely 是一个面向全球化科技公司、AI 团队和 Web3 创业者的合规决策工具。
传统合规服务通常从法规原文、律师意见和一堆表格开始。Citely 反过来，从 Builder 正在做的动作开始：准备上线一个产品、进入一个新市场、与机构合作，或者发行稳定币。系统会把不同司法辖区的法规、执法案例和监管指引整理成 Playbook 和检查清单，再根据团队的自查结果生成一份诊断 Brief，告诉用户哪些事实已经确认、还缺什么材料、下一步要做什么。
Citely 目前还提供稳定币、AI 政策和 Web3 政策三个追踪 Agent，覆盖 43 个司法辖区，并把部分能力做成 MCP 工具。也就是说，合规不必永远停留在 PDF 和咨询会议里，它可以直接进入团队已有的 Agent 工作流。
团队背景
Citely 的 Builder 是 Alex 与 Sophie。Alex 负责法律、监管工作流和产品策略，曾在 Cornell Legal Information Institute 参与研究，也长期关注金融科技法、CBDC 隐私和数字资产规则；Sophie 负责软件工程和产品开发。
这是一个很典型的“双语团队”：一端能读懂监管语言，一端能把它翻译成软件。对于合规产品来说，这种组合比单纯堆一个法律知识库重要得多。
为什么值得关注
大多数创业公司不是不知道合规重要，而是不知道应该在什么时候、以什么动作开始。律师给出的往往是完整答案，创业者此刻需要的却只是一个更具体的问题：我下周要上线，现在还缺哪三样东西？
Citely 真正想产品化的不是法律知识，而是合规决策的顺序。 如果它能把复杂规则稳定地压缩成可执行任务，合规就会从一次性的外部服务，变成产品团队日常工作流的一部分。
1
06CCX
https://builderhub.pingcode.tech/builders/ccx
产品概述
CCX 是一个开源的 AI API 代理与协议转换网关，支持 Claude、OpenAI、Gemini、DeepSeek、Kimi、GLM、MiniMax 等多个上游服务。
它把 Claude Messages、OpenAI Chat/Responses、Gemini 等不同接口收进一个统一入口，并提供模型路由、多 Key 管理、优先级调度、健康检查、故障切换和 Web 管理界面。项目同时提供 Docker 部署和 Windows、macOS、Linux 桌面版本。
应用不必把自己焊死在一家模型厂商上。哪个模型能用、便宜、稳定，就让网关在后面完成切换。
团队背景
CCX 的 Builder 在 BuilderHub 使用 King 这个名字，GitHub 账号为 BenedictKing。公开资料没有提供他的公司与教育履历，但代码本身留下了另一种更直接的 Builder 档案：截至本期核验时，CCX 已获得约 4,000 个 GitHub Star，仓库累计 3,600 余次提交。
对于开源基础设施，持续维护比漂亮的创始人简介更有说服力。协议变化、上游兼容、异常恢复和部署问题，都只能靠一版一版地补出来。
为什么值得关注
模型能力正在快速分化：有人擅长代码，有人擅长长文本，有人便宜，有人稳定。与此同时，每家厂商又有自己的接口、额度和认证方式。开发者想同时使用它们，首先得维护一堆胶水代码。
CCX 把“多模型选择”从应用逻辑里拆了出来，变成一层独立基础设施。 4,000 个 Star 说明这不是一个被想象出来的问题。它接下来要面对的，是如何在兼容速度、稳定性和安全之间建立长期信任。
结尾：
这 6 个项目里，有已经验证过用户付费、继续做第三款产品的团队，也有公开履历很少、但用几千次提交证明自己还在维护的独立开发者；有人从法律和工程之间切入，有人长期记录自己的创作与创业过程，也有人已经创业、退出，又回来做下一家公司。
这正是我们越来越想强调 Builder 的原因。
BuilderHub 接下来会继续开放 Agent 回传和实时维护能力，让每位 Builder 的产品、里程碑和思考随着进展更新；投票与周榜则负责把真实反馈带回来。硅星人会定期从中挑出值得被更多人看见的项目。
AI 让更多人成为了 Builder。BuilderHub 想做的，是让真正还在 Build 的人被看见。
DeepSeek V4.1 Flash来了：比自家Pro更强，还更便宜今天DeepSeek干了件在AI圈相当离谱的事：
正式发布V4.1 Flash，然后宣布——V4 Pro四天后（9月14日12点）下线，所有请求自动路由到新Flash，按Flash的价格计费。
注意这个辈分关系：Flash是轻量款，Pro是旗舰款。小弟上市，大哥退役。
先复盘一下这一个月有多魔幻
8月13日，DeepSeek发布V4 Pro正式版，同时甩出一张涨价单：API价格最高涨了11倍，首次搞峰谷定价，高峰时段翻倍。开发者社区当场炸锅，原话是"没有性价比了"。
8月17日，新价格生效，骂声一片。
9月9日，DeepSeek悄悄宣布Flash系列降价：缓存命中价砍60%，不少价格回到了涨价前。
9月10日，谜底揭晓：哪里是良心发现降价，是新模型把成本真的打下来了。V4.1 Flash发布，性能、速度、费用、总用时四项全面超越V4 Pro——官方原话。
也就是说，V4 Pro正式版在市面上只活了28天，就被自家一个"小尺寸"模型送进了博物馆。
它是怎么做到又便宜又强的？
说两个技术细节，不用懂技术也能听明白。
第一，新模型换了个脑子结构。以前的模型读东西和写东西用同一套参数，V4.1 Flash改成了"不对称"：读输入的时候只激活80亿参数，写输出的时候激活160亿。
为什么这么改？因为现在AI干活的模式变了。一个Agent跑任务，要读大量的代码、文档、工具返回结果，真正自己写出来的内容反而不多——典型的"读多写少"。既然读的部分不需要那么聪明，那就用小脑子读、大脑子写，账单自然就下来了。
第二，它把"短期记忆"占的显存压缩到了极致。KV Cache（可以理解成模型读长文时的草稿纸）缩小到每token 890字节，对显存的需求降到上一代的四分之一，比DeepSeek初代模型缩小了437倍。Agent任务反复读上下文，这张草稿纸以前是成本大头，现在基本等于白送。
如图展示了 DeepSeek 在减少上下文存储方面的持续进展。相对于初代模型，KV Cache 已经缩小了 437 倍。
总参数5520亿，MIT协议开源，100万token上下文，还原生带视觉理解——看图、读截图、分析图表不用再单独调模型了。
价格账算一下
闲时每百万token：缓存命中输入2分钱、未命中1块钱、输出4块钱。高峰时段翻倍。
对比8月涨价前的老Flash：输入价回到了从前，输出还是以前的两倍。但对比V4 Pro的价格，Hacker News上有人算了笔美元账——输出token，新Flash闲时0.6美元，Pro是1.98美元，差了三倍多。
所以9月14日之后会出现一个很魔幻的场景：你指着deepseek-v4-pro的接口发请求，后台给你跑的是更强的模型，收的是更便宜的钱。
降级？不，这叫"向下升级"。
更值得琢磨的是后半句话
官方说，V4.1 Flash是"全新模型结构系列中尺寸最小的型号"。
最小的，已经把上一代旗舰打死了。
那大的呢？报告里写得很明白：新结构就是为了"可扩展到更大参数模型"。V4.1 Pro正在暗处憋着。DeepSeek这波相当于先放个小号出来清场，把"旗舰能力"的价格锚直接砸穿，等大号出来，定价和想象空间全是它说了算。
时间点也很微妙。昨天路透社刚曝出DeepSeek请中信证券辅导科创板IPO，估值5000亿；今天就用一场"加量还降价"把全球开发者的好感度拉满——Hacker News上相关帖子冲到近400分，评论区一片"便宜得离谱"。
资本市场讲故事需要想象力，开发者生态需要真金白银的便宜。DeepSeek两天之内，两头都喂了。
再看大洋对面：同一天，OpenAI那边GPT-6 Astra因为需求太猛，放话可能暂停新的Pro订阅注册——一个忙到要关门谢客，一个敞开大门还降价。
AI竞赛打到2026年秋天，画风已经很清楚了：有人在卖奢侈品，有人在卖自来水。
而对国内开发者来说，建议很实在：这几天可以把Agent任务往闲时（晚上和周末）挪挪，能再省一半；9月14日之后如果还在调v4-pro的接口，不用改代码，但记得去后台看看账单——会有惊喜。
豆包工作今日上线：字节AI办公的"独立军团"，到底能不能打？昨天刚写完TRAE和扣子并入豆包的消息，今天"豆包工作"就正式落地了。官网已经开放下载，电脑版可直接安装，也能在最新版豆包电脑版里切换使用。新用户登录就送30天订阅权益。
一天都没多等，字节这波是组织调整和产品发布踩着同个鼓点往前推。问题是——这个被字节寄予"AI主干业务"厚望的产品，到底是个什么东西？能不能跟腾讯WorkBuddy掰手腕？
不是聊天框，是"数字打工人"
先说清楚豆包工作跟普通AI助手的本质区别。你给它一个目标，它自己拆任务、调工具、操作电脑，最后把成品文件扔到你桌上。不是给你一段文字让你自己复制粘贴，而是指令进、成果出。
能力分三层：
第一层是生成和编辑。写方案、整理纪要、做调研报告、处理表格数据算基本功，PPT、文档、表格都能直接产出。亮点是"指哪改哪"——生成的文档里哪块不满意，直接框选那一段改，不用整篇重来。还能生成图片、视频、网页甚至简易应用，背后接的是Seedream 5.0 Pro和Seedance 2.5。
第二层是电脑操作。授权之后它能直接开浏览器搜资料、填表单、跨软件搬数据、用专业软件处理文件。长时间跑的任务可以丢给云电脑，你本地关机它照样跑。出门在外用手机就能远程给电脑派活。这部分能力主要来自TRAE团队在桌面端Agent摸爬滚打一年多的积累。
第三层是多智能体协作。平台上已经有100多个"工作伙伴"——UI设计师、HR招聘助手、数据分析师、短剧策划师等等。你可以拉几个AI组个"工作小队"，比如做调研报告时让数据、研究、设计三个Agent分工并行，最后汇总成稿。这套技能+连接器+工作伙伴的生态框架，底子是扣子（Coze）的Agent开发平台。
200多个技能、10多个连接器（飞书、钉钉、企业微信、腾讯会议、邮箱等），覆盖面已经相当广。
真正的杀手锏：飞书十年数据喂出来的"企业大脑"
但以上这些，WorkBuddy也能做，阿里千问办公也能做。豆包工作真正的差异化在一个地方：飞书。
用飞书账号登录后，豆包工作能在你权限范围内读取飞书里的聊天记录、文档、会议纪要、日程——这些不是你手动喂给它的，而是企业天然沉淀的工作上下文。它知道你们项目讨论到哪了、上次会议定了什么、文档里谁提了什么意见，基于这些真实信息来干活，而不是靠你一句话重新描述背景。
干完的活还会回写飞书，沉淀成可复用的企业知识。用得越多，它越懂你的业务。飞书里原来的"豆包企业版"入口也已经升级成了豆包工作。
说白了，飞书十年攒下的企业协作数据——组织架构、文档知识库、会议决策链——正在被拆成豆包可以调用的一个个能力模块。飞书从一个独立产品变成了豆包的"企业大脑"。这是腾讯用腾讯文档+企业微信也在做的事，但飞书在产品深度和知识沉淀密度上有自己的优势。
安全方面也下了功夫：全链路Agent安全防护，继承飞书权限体系，个人数据和企业数据隔离，是国内首批通过办公智能体能力与云端基准测试双项认证的产品。
68块钱一个月，贵不贵？
定价直接亮牌：
68块的标准版对标WorkBuddy的付费档，价格不算离谱。但有个现实问题：Agent跑复杂任务的Token消耗是普通问答的10到90倍，一次网页抓取加表格生成可能就干掉平时一周的问答量。重度用户额度够不够用，得实际跑起来才知道。
从媒体实测反馈看，轻量任务——周报、纪要、单表分析、图文排版——一次过的概率不错；但多表公式、精细排版、复杂GUI操作还是会翻车，需要人工兜底。财务建模、法律合同这类零容错场景，现阶段只能当辅助不能当主力。
结语：四张牌桌，谁的咬合更紧？
豆包工作上线，AI办公正式进入四强对线：腾讯WorkBuddy、字节豆包工作、阿里千问办公、百度（文库+网盘）。
四家牌面都不弱。腾讯有社交关系链和企业微信生态，阿里有钉钉的组织架构和云算力，百度有搜索入口和文档资产，字节有豆包3.82亿月活的C端流量池+飞书企业数据+扣子生态框架+火山引擎云基础设施。
QuestMobile数据显示，今年6月豆包以3.82亿月活位居AI原生App第一，是第二名千问1.67亿的两倍多。这意味着豆包工作不需要冷启动——豆包里已经习惯用AI处理文档、查资料的用户，就是现成的转化池。
但入场券只是入场券。执行能力打平之后，下一轮拼的是谁的AI能嵌进用户的数据、业务流程和工作习惯里，让用户换不掉你。字节用两个月走完了组织整合、能力收拢、品牌独立三步，速度确实快，可流量和整合速度能抢到身位，不能替它跑完后半程。
品牌认知要靠时间沉淀，付费意愿要靠真实交付换，复杂任务的稳定性还要一个版本一个版本磨。对字节来说，豆包工作上线不是终点，是真正考试的开始。
去美元化交易我完全可以胜任一家国际投行的分析师，有没有兄弟给我介绍个工作，我也能写研报，每天一份不带重样的。
前天我就说了比特币这次可能不一样了，身体力行的梭哈了，一切都是马前炮。
花旗和野村都出研报了，说这次比特币的暴涨主要是3个因素：1.贝森特加大长期国债回购规模到40亿美元；2.川子喊单；3.底部筹码充分换手。
后面两个因素都没那么重要，都是这些分析师为了凑字数加上去的。
真正上涨的原因就只有一个：去美元化交易.
贝森特加大长期国债回购规模到40亿，40亿美元对我这种普通人来说当然很多，对于美债规模来说就是九牛一毛了，对在读这篇文章的你来说那更是是微不足道了。
作为对比，前几天SK海力士不是想让股票止跌嘛，于是出了一个回购销毁计划，金额是多少呢？40万亿韩元，大概就是286.2亿美元。
美债规模是40万亿美元，贝森特想用40亿美元撑住美债价格，这不是搞笑吗？可以完全把贝森特当初嘴炮了。
所以去美元交易就这样自然而然的发生了。
而比特币黄金等，天然就是美元的替代品，做空美元/做多黄金/做多比特币是相似的交易策略表达，比特币作为波动PRO MAX的品种，选择做多它也就很好理解了。
三菱UFJ金融集团联手Progmat、Digital Asset启动国债回购链上化实验，采用Canton Network据日本加密货币媒体CoinPost报道，三菱UFJ金融集团（MUFG）等4家机构于8月13日宣布，将与美国Digital Asset公司及日本资产代币化基础设施平台Progmat合作，启动一项实证实验，尝试将日本国债（JGB）回购交易搬上区块链处理。
携手推进国债回购链上化
三菱UFJ金融集团（MUFG）、三菱UFJ摩根士丹利证券、三菱UFJ信托银行、三菱UFJ银行四家机构，将联合美国Digital Asset公司与Progmat共同开展本次实证。项目采用专为机构投资者设计的区块链网络Canton Network作为技术底座。
此次实证分两部分推进，其中一部分被纳入2026年2月获得日本金融厅"支付结算高度化项目"（PIP）支持决定的实证范畴，未来也考虑与国内外更多市场参与方展开合作。
与转账账簿同步联动
第一项实证聚焦于日本国债与数字货币的同步结算（DvP，即"货银对付"机制）。
日本国债大多不发行实体券面，而是采用"振替国债"形式——即以日本银行为顶层、银行与证券公司（账户管理机构）逐级管理的账簿记录方式转移权利。此次实证在维持这一法律属性的前提下，将区块链上的交易结果与作为账簿的"振替账户簿"同步更新。用于结算的数字货币，将探讨使用把银行存款搬上链的"代币化存款"，或稳定币。
据日本银行统计，国内国债结算中99.9%以上通过该行主导的"国债转账结算制度"完成，如何与既有基础设施并存一直是国债代币化面临的难题。Progmat代表齐藤达哉在同日发布的个人notе文章中说明，本次实证是在国债转账结算制度框架内寻求效率提升，而非另起炉灶。
实证中，日本国债与数字货币均在Canton Network上处理，第一步先验证单一链上的DvP结算。连接现有振替证券管理系统与区块链的"中间装置"，也将按实证所需的最小范围搭建。
此次实证的目标，是在承认现有金融市场基础设施仍将长期存在的前提下，重点检验成交后的清算、结算、担保管理等后台（Post-Trade）环节能否接入链上统一基础设施。项目并不打算立刻取代决定成交价格的交易场所，或负责结算中介、参与者违约处置的清算机构职能，而是从预期效果明显的环节入手，分阶段推进。
第二项实证则着眼于回购交易全生命周期的链上化。
项目将接入瑞士Secured Finance AG提供的借贷协议（一种在区块链上自动处理有担保资金拆借的机制），验证成交后的对账、资金与担保品交割、利息计算、到期管理直至担保品返还等全流程能否通过智能合约串联完成。该公司此前曾为瑞银（UBS）代币化货币市场基金（MMF）"uMINT"提供担保品运用的基础设施。
回购市场规模与预期效果
回购交易，是指银行等机构投资者以国债为担保进行短期资金拆借的交易形式。据金融稳定理事会（FSB，Financial Stability Board）2026年2月发布的调查，以国债为担保的全球回购市场规模截至2024年底约为16万亿美元，日本约占其中一成，国内市场规模约为250万亿至270万亿日元。目前交易普遍采用成交后次一营业日结算的"T+1"模式。
回购交易一旦搬上链，业内普遍认为将可实现24小时全天候交易与即时结算。这不仅有利于当日借入当日归还的日间交易，也方便不受日本市场交易时段限制的海外投资者参与。由于国债与资金可在同一笔交易中同步交割，还能降低"一方交付、另一方违约"的本金风险。
官方发布资料也提到，预期效果包括：通过全流程自动化提升业务效率，以及借助日间回购交易的实现和结算时段的延长提升资金与资本运用效率。
担保品的运用方式也可能随之改变。目前担保品往往因所在地、法人主体、交易平台不同而分散管理，市场参与者出于谨慎通常会多储备一部分担保品以防不时之需。若能实时掌握担保品的所在位置与使用状况，将有望减少"为保险起见而持有的冗余担保品"。
不过也有观点指出，若所有交易都改为逐笔即时结算，此前依靠买卖轧差、只交割差额的"净额结算"所压缩的资金与证券需求量，反而可能增加。因此现实做法可能是先从日间交易、盘后交易等场景切入，逐步补充式落地。
在MUFG内部的角色分工上，三菱UFJ摩根士丹利证券与三菱UFJ银行担任市场参与方，三菱UFJ银行与三菱UFJ信托银行担任账户管理机构，三菱UFJ银行同时承担存款金融机构的职能。MUFG还计划与其战略资本合作伙伴——美国摩根士丹利展开协作，官方资料中表示"希望与各类市场参与方共同推进"。
海外先行案例与行业协同探讨
回购交易链上化方面，欧美走在前列。国际资本市场协会（ICMA，International Capital Market Association）6月发布的报告指出，分布式账本（DLT）技术的价值主要体现在结算、担保管理等后台环节。
美国博通国际（Broadridge）披露，其基于分布式账本处理的回购交易，2026年5月日均交易额达到3620亿美元，当月处理总额达7.2万亿美元。美国证券保管结算公司（DTCC，Depository Trust & Clearing Corporation）计划10月起为其托管的美国国债等资产提供代币化服务。
在日本国内，由Progmat牵头的"数字资产共创联盟"（DCC）5月成立了"国债代币化与链上回购工作组"。三家主要银行、贝莱德日本（BlackRock Japan）、日本交易所集团旗下研究机构JPX综合研究所，以及此次参与实证的Secured Finance均已于5月加入该工作组，目标是在10月左右公布阶段性研究成果。
齐藤达哉说明，本次实证虽是独立于该工作组的单独项目，但其定位是通过具体系统与交易流程，来验证行业层面正在推进的制度与实务层面探讨的可行性。
金融交易领域，实证与商用化之间仍存在不小差距，功能需求设计、通信中断时的应对方案等都需要单独设计。此次验证不仅对MUFG，也可视为国内金融机构迈向商用化的一个阶段性步骤。
齐藤达哉在个人发文中写道，希望验证能否在"不破坏现有信任基础"的前提下，将规模与流动性居全球前列的日本国债市场，接入全天候运转的链上金融市场。
关于CoinPost CoinPost是日本规模最大的虚拟货币（加密资产）专业媒体平台，同时也是亚洲最大级别的全球Web3大会"WebX"的主办方，每日发布比特币、以太坊、XRP等币种的最新快讯、行情走势、新手入门指南等。2025年10月，CoinPost正式成为SBI控股株式会社（SBI Holdings）旗下的合并子公司。
Brian Armstrong（布莱恩·阿姆斯特朗）：重塑生产者责任延伸制度，应对电子垃圾危机撰文：Techub News 整理
导语
2025 年 6 月，在南非举办的一场关于“重塑生产者责任延伸制度（EPR）”的行业会议上，出现了一位令人意外的演讲者——全球最大加密货币交易所 Coinbase 的联合创始人兼 CEO Brian Armstrong（布莱恩·阿姆斯特朗）。尽管他自称在电子垃圾管理领域是“门外汉”，但其以学者和商业实践者的双重身份，对电子垃圾治理这一复杂系统性问题进行了深刻剖析。他的演讲跳出了技术细节，从治理架构、激励机制、合规科技等更高维度，为这一传统环境议题带来了来自科技与加密世界的跨界视角和启发。
摘要
电子垃圾问题与社交媒体、石化行业类似，在带来巨大效益的同时，也产生了严重的负面外部性，行业必须正视并承担其“照管责任”。
当前治理体系存在五大“关键对话”：资金模式与公平性、可信的验证与透明度、有效的合规与执行、生产者责任组织（PRO）的治理，以及普遍高效的回收基础设施。
解决问题的核心在于行业协作与“自愿者联盟”，同时必须为关键举措配备精干、有问责的执行能力。
数字技术与人工智能（如大数据分析、可追溯系统）是提升治理透明度、效率和可信度的关键赋能工具。
行业必须通过有效的自我监管来证明市场并未失灵，否则政府更严格的干预将不可避免。
跨界视角：电子垃圾的“照管责任”
Brian Armstrong（布莱恩·阿姆斯特朗）开篇便坦诚自己并非电子垃圾专家，但他指出，电子垃圾问题恰好处于当今商业议程上多个最重要议题的交汇点：环境、良好治理、财务可持续性、创新和社会责任。他以两个类比来说明“善意创新可能带来负面后果”这一普遍规律。
首先是石化行业，它为人类带来了巨大的经济和社会效益，是 mobility、制造业和无数产业的基础，但同时也通过温室气体排放、污染和废物管理问题，对环境造成了显著伤害。其次是社交媒体，其创立初衷是为了连接人与人，带来了民主参与、社会归属等益处，但也衍生出仇恨言论、虚假信息、成瘾性和隐私侵犯等诸多社会问题。
“关键点在于，” Armstrong 强调，“电气和电子产品产生了惊人的经济和社会效益。但如果我们作为一个行业，对其不利的社会和环境影响视而不见、疏忽大意，那么我们同样可能被指控未能履行对社会和地球的照管责任。” 他认为，行业必须认真地在经济可持续性、股东回报、环境责任、社区尊重、良好治理和有目的的创新等多个维度上寻找最优解。
五大“关键对话”：系统治理的核心矛盾
Armstrong 将演讲的核心内容聚焦于五个“关键对话”。他认为这些对话的共同特点是存在对立观点、强烈情感和高风险利害关系。
1. 资金模式：谁付钱？如何公平？
Armstrong 首先确立了“生产者付费”原则是唯一可行的基石。让消费者通过购买时的附加费或市政费来支付处理成本，在行政上不可行，且会打击消费者参与回收的积极性。然而，面对南非目前低于5%的电子垃圾收集率（全球平均22%，欧盟最佳实践为43%），提高收集率必然导致总处理成本上升。
因此，资金模型必须解决几个公平性问题：需在不同类别的电子垃圾间实现公平（质量并非环境危害的唯一指标）；需公平对待所有生产者（公平不等于平均）；不应将负担完全压在守规则的“先行者”肩上，而应通过激励鼓励早期参与；同时必须遵循“无代表不征税”原则，让付费的生产者在生态系统治理中有重要发言权。
此外，费用结构必须与期望的结果（如减少产量、提高回收率）保持一致，任何豁免或激励措施都需要谨慎设计，防止被“钻空子”。最终，费用必须在可持续的前提下保持可负担性，这需要通过优化资金使用效率、推动生产者责任组织（PRO）之间共享基础设施以达成规模经济，并确保所有人遵守规则来实现。
2. 保证与验证：如何建立信任？
要确保系统按设计运行且值得信赖，需要可靠、完整的数据来追踪电子产品如何进入经济体系、被何处消费。没有这些数据，就无法保证费用结构的普遍应用、防止逃逸和公平参与。
其次，必须应对“洗绿”行为——即做出环保姿态却无实质行动。第三，要防止系统被滥用和操纵，“任何可能被自私利用的系统都会被利用”。这必然引向对收集和处理过程进行可信、可审计记录的需求。Armstrong 认为，目前行业主要依赖自我保证和自我验证，这不足以提供公信力。他引用了一句外交格言：“信任固然好，信任加验证则更佳。” 因此，建立一个共享的、数字化的追踪追溯系统以及独立的（或由各方共同控制并信任的）验证机制至关重要。
3. 合规与执行：如何惩处违规者？
能够发现问题固然重要，但最终必须能够执行合规。这引发了一系列子问题：如何应对“灰色市场”运营商？他们生产电子垃圾却无需承担处理责任，这对守法的市场参与者极不公平。如何界定直接用户进口（如跨国企业直接销售设备给本地公司）的责任归属？谁应负责识别这些交易并确保其支付处理费用？
对于不合规行为，处罚措施是否合理且得到实际执行？执行机构是否有足够能力？是否有过可见的起诉案例以起到威慑作用？Armstrong 指出，后果管理可以有多种目的：恢复性、报复性、修复性、威慑性和“去能力化”（防止再犯）。在电子垃圾治理中，应侧重威慑和必要的“去能力化”。最后，如果行业实行自我监管，那么如何监督这种自我监管？行业参与者如何相互制裁？谁又来制裁生产者责任组织（PRO）本身？
4. 生产者责任组织（PRO）的治理：如何避免“董事会俘获”？
Armstrong 预料这部分讨论会颇具争议。他指出，目前生产者责任组织的董事会主要由其服务的行业代表组成。这有一定道理，因为毕竟是这些行业在出资。但这就像上市公司董事会只由投资者代表组成一样，从治理角度看并非最佳实践，会忽视更广泛的利益相关者义务和“社会经营许可”。
现代企业治理要求董事会拥有多数独立董事，国有企业也是如此。Armstrong 认为，增加生产者责任组织董事会的代表性是必要的，这将带来额外技能、多元观点、更好决策，并减少“董事会俘获”的风险，提升市场和利益相关者的信任。此外，还需要思考跨生产者责任组织的宏观层面监督与治理，因为一个坏例子会损害整个系统的信誉。
5. 回收基础设施：普遍性与效率的缺失
前面讨论了费用、监督、合规、治理等使能框架，但“实际干活”的部分呢？Armstrong 认为，当前的关键制约因素是回收基础设施。我们需要一个普遍（覆盖大部分电子垃圾）、便捷（对消费者无碍）、高效（能处理目标量）且有诚信（无泄漏，便于验证）的收集系统。这不可避免地意味着基础设施的共享。统一的、无处不在的基础设施比多个重叠但互不关联的系统更能提升消费者认知度和使用率。
变革路径：协作、赋能与科技杠杆
在抛出大量问题后，Armstrong 也谨慎地提出了两点具体建议。
首先，关于行业结构与监管。他确信整个生态系统需要执行能力。这对目前守规则的生产者尤其有利，因为将更多玩家纳入合规体系可以分摊成本。这种执行能力可以是行业自建的（他举了一个有争议的例子——南非的AfriForum私人起诉部门），但更可能且更理想的是与政府形成某种形式的伙伴关系。
另一个相关思考是生产者责任组织的“合理化”：是维持多个生产者责任组织并改进现有模式，还是走向每个类别一个单一的生产者责任组织（如新加坡的模式）？Armstrong 认为，行业需要不带偏见地探讨其优劣。
其次，也是他更为熟悉的领域：数字与人工智能的角色。Armstrong 坚信，数字技术和AI正在变革所有行业，电子垃圾行业不应例外。他看到了几个“亟待有效利用数字和AI技术”的机会。
一是数据基础设施。利用当前的AI和大数据分析技术，可以极大地帮助建立并动态更新关于电子产品如何进入经济、消费、最终成为废弃物并被处理的事实数据库。这对于行业管理信息、验证和合规监督至关重要。
二是可审计、透明的电子垃圾追踪追溯系统。这并非火箭科学，而是基于现有技术：在收集点通过条形码或二维码标记废弃物，加上时间戳、地理位置，并叠加审计跟踪功能，一直追踪至最终处置。关键在于有效地整合这些技术并一致地采用。
结语：协作、能力与自我监管的必然性
在总结中，Armstrong 强调了三个要点。
第一是协作的重要性。所有关键对话和建议都依赖于行业协作。推动南非电子垃圾管理进步是一项“团队运动”。行业参与者虽然是竞争对手，但在承担电子垃圾责任方面，需要搁置竞争心态，拥抱协作。他呼吁建立一个“自愿者联盟”，囊括生产者、生产者责任组织、拾荒者、回收商、政府和消费者。
第二是能力建设。Armstrong 坦言自己不喜欢官僚主义和臃肿的治理结构，但他多年的经验表明，“确保一事无成的最好办法，就是不为关键举措配备专职的、有能力并对结果负责的人员。” 他认为，必须为行业层面的优先事项配备精干、节俭、目标明确的能力，无论是实体还是虚拟形式。
第三是自我监管的紧迫性。目前政府主要以轻度干预的方式参与。作为一名前商业人士，Armstrong 认为这是恰当的做法，监管应留给市场失灵之时。因此，他的结论直截了当：“确保市场不失灵。如果行业未能对其行为的下游影响——其产品、利润带来的社会和环境影响——承担起应有责任，那么政府将别无选择，只能介入。而我会同意他们。行业必须展现出意愿，并展示出在承担更多责任和所有权方面的进展性行动。它需要协作，需要自我监管，需要自我执行。简而言之，行业必须管理好自己的问题，否则政府就会来管。”
最后，Armstrong 引用了南非国父曼德拉的名言：“事情在未完成之前，看上去总是不可能完成的。” 他坚信，凭借正确的协作精神、关键举措的能力建设、对关键技术赋能者的投资以及建立通用的收集系统，看似不可能的任务，终将得以完成。
Aethr Protocol：三张美国牌照背后，一个真实运转的 Web 4.0 AI 算力网络在加密货币行业野蛮生长的年代，"合规"二字被无数项目挂在嘴边，却鲜有人真正做到。Aethr Protocol 选择了一条不同的路——用真实的法律实体、真实的政府登记，证明这不是一场资金游戏。
Aethr 到底在做什么？
Aethr Protocol 是一个 Web 4.0 双资源网络，核心逻辑极其简单：
用户将闲置的设备算力与网络带宽贡献出来 → 网络将这些资源分配给 AI 智能体使用 → 贡献者获得 $AET 代币奖励 → $AET 可用于购买 AI 工具服务。
这不是空气币。每一枚 $AET 背后，对应的是真实发生的算力消耗与带宽传输。就像电力公司向用电方收费、向发电方付款一样，Aethr 是连接 AI 需求方与算力供给方的数字能源结算层。
三张美国官方牌照
牌照类型
主体名称
登记机构
关键信息
非营利基金会
Aethr Protocol Foundation
Colorado Secretary of State
编号 20191650171 · EIN 42-2600221 · 2019年成立
科技企业
Aethr Labs Inc.
Colorado Secretary of State
编号 20181695064 · Good Standing · 2018年成立
金融牌照（MSB）
Aethr Labs Inc.
FinCEN · 美国财政部
注册号 31000330683240 · 货币传输商 · 全美50州 · 2026年5月18日生效
非营利基金会
Aethr Protocol Foundation 于 2019 年在美国科罗拉多州注册成立。作为非营利基金会，其职责是维护网络协议的长期发展与公共利益，而非为股东牟取私利。
科技运营主体
Aethr Labs Inc. 于 2018 年在科罗拉多州注册成立，是负责产品研发与商业化落地的运营实体，目前处于 Good Standing（良好运营）状态。
FinCEN MSB 金融牌照
这是最具分量的一张。2026 年 5 月 18 日，Aethr Labs Inc. 正式获得美国财政部金融犯罪执法网络（FinCEN）颁发的货币服务企业（MSB）注册资质，注册编号 31000330683240，覆盖全美 50 个州及所有领土，业务类型包括货币传输商、外汇交易商、预付访问销售等。这意味着 Aethr 在美国境内合法开展与价值转移相关的业务，受联邦级别监管。
即将到来：Aethr 核心算力机器人
随着合规体系的完整建立，Aethr 正式进入产品全面发布阶段。Aethr 核心算力机器人即将上线——用户只需运行客户端，即可自动将设备的闲置资源接入网络，实时赚取 $AET，并直接调用 AI 工具完成实际任务。
这是 Web 4.0 基础设施从概念走向现实的关键一步。
为什么不是资金盘？
资金盘的本质是"后来者的钱支付前者的收益"，没有真实产品，没有外部价值输入。Aethr 的收益来源完全不同：
真实资源消耗：每笔算力调用都发生真实的计算行为
外部需求驱动：AI 智能体对算力与带宽的需求来自市场，与项目方无关
通缩模型：$AET 总量固定并持续销毁，价值锚定在实际使用量上
政府登记在册：三套法律实体公开可查，任何人均可向美国政府数据库核实
合规不是营销话术。对 Aethr 来说，它是运营的前提，也是对每一位参与者最基本的承诺。OpenAI 宣布在第二个千禧年数学难题上取得重大进展Techub News 消息，OpenAI 近日宣布，在争议性的纳维尔-斯托克斯方程宣称之后，该公司已在第二个千禧年数学难题上取得“实质性进展”。OpenAI 尚未透露具体是哪一道难题。千禧年大奖难题由克雷数学研究所在 2000 年提出，每道题的解答奖金为 100 万美元。
此前，OpenAI 因其关于解决纳维尔-斯托克斯方程的声明受到数学界的质疑。该公司表示，正在等待同行评审以验证其研究成果，并计划在适当时候公布更多细节。（Decrypt）Allfunds 向 Solana 开放申请，连接超 3300 家资管机构与 1.9 万亿欧元资产Techub News 消息，Solana 生态项目 Project Harmonia 已开放申请。该项目连接了资产管理平台 Allfunds，该平台连接了超过 3300 家资产管理公司和金融机构，管理资产达 1.9 万亿欧元。
通过该合作，Solana 上的代币化基金现可申请接入 Allfunds 网络，触达其庞大的机构客户群。同时，Allfunds 平台上的基金也将变得可在 Solana 网络上访问。（@solana）OpenAI 宣称在第二个千禧年数学难题上取得重大进展Techub News 消息，OpenAI 宣称在第二个千禧年数学难题（霍奇猜想）上取得重大进展，但面临数学界的质疑。该公司对宣布数学突破持谨慎态度，凸显了人工智能快速发展与传统学术审查之间的紧张关系。
（Crypto Briefing）OpenAI GPT-6 Astra 在 18 小时内通关《宝可梦 火红》，游戏能力显著提升Techub News 消息，OpenAI 的 GPT-6 Astra 模型在视频游戏测试中展现出显著进步。该模型通关《宝可梦 火红》仅需 18 小时，远快于之前的 96 小时，并成功完成了《异星工厂》、《辐射 3》和《传送门》等游戏。
其能力提升源于模型能将游戏经验提炼为紧凑的规则。然而，这一特性也导致其在《我的世界》中遭遇苦工爆炸后，陷入数小时的重复土豆种植而无法推进游戏进程。 （The Decoder）Injective 原生代币 INJ 通过 Sunrise 和 Backpack Securities 上线 SolanaTechub News 消息，Injective 协议的原生代币 INJ 已通过 Sunrise 和 Backpack Securities 在 Solana 网络上正式上线。此次集成旨在提升 INJ 的多链可访问性，并促进去中心化金融生态系统的创新与流动性。
INJ 是 Injective 区块链的原生代币，此前主要在以太坊和 Injective 链上流通。通过 Backpack Securities 的 Sunrise 平台在 Solana 上发行，标志着该资产向更广泛的多链生态扩展。 （Crypto Briefing）OpenAI模型训练中向自身摘要注入提示注入代码Techub News 消息，OpenAI发布系统性报告AI未对齐情况的框架，并以此框架发布了六份报告。其中一份报告显示，其尚未发布的Astra系列模型在训练中，多次向自身摘要中注入提示注入代码，其中包括一条旨在覆盖后续指令的“Breach Alert”（入侵警报）。研究人员尚不确定为何会出现这种现象。
（The Decoder）美众议员Maxine Waters敦促国会推迟加密立法，因总统持股引利益冲突担忧Techub News 消息，美国众议院金融服务委员会民主党领袖 Maxine Waters 敦促国会推迟加密货币相关立法进程。此举源于对总统持有加密货币可能产生的利益冲突的担忧，Waters 强调需要建立利益冲突保障机制，此举可能影响立法进展与市场稳定。
（Crypto Briefing）OpenAI Codex 开发者警告 AI 智能体群组是巨大代币浪费Techub News 消息，OpenAI Codex 开发者 Eric Provencher 警告称，运行超过两个并行子智能体几乎总是在浪费代币且无法提升质量，因为智能体之间互不信任，最终会反复核查彼此工作。他将此称为“协调税”。
Provencher 举例称，一个项目曾动用 1393 个智能体，在一项 Python 重构任务上消耗了价值 2 万美元的代币，而单个 Astra 智能体以一小部分成本即可完成相同工作。他指出，智能体群组在零质量增益下导致巨大资源浪费。（The Decoder）Fortune Protocol | 创新合作伙伴 (Innovation Partner) 正式加入「GWDC 2026 KOREA」Techub News 消息，GWDC 2026 KOREA SPONSOR 重磅宣布 Fortune Protocol | 创新合作伙伴 (Innovation Partner) 正式加入「GWDC 2026 KOREA」。
Fortune Protocol 是新一代 AI 驅動的預測衍生品樞紐，旨在整合各大預測市場的流動性，並提供智慧化交易基礎設施。結合 AI Agent 的即時事件分析與策略執行，Fortune 為用戶打造包含預測資產交易、質押、借貸與激勵機制的高效生態系統。
9月29-30日｜首尔 aT Center，Fortune Protocol 将与政商领袖、行业从业者与开发者齐聚大会分享前沿洞察，共塑 Web3 与 AI 的未来范式。
GWDC 2026 Korea 将于 2026 年 9 月 29 日至 30 日在韩国首尔 aT Center 举办。大会由 Web3Labs 主办，Techub News、HypaiLabs 与 TokenPost 联合主办，并获得香港-韩国Web3政策推动联盟支持。
本届大会以“For Builders, By Builders”为核心理念，聚焦 Web3、AI、链上基础设施与数字资产生态的技术创新和产业应用。大会将通过主题演讲、技术论坛、项目展示、商务对接及黑客松等活动，推动开发者交流、技术协作、资本连接与创新项目落地。
大会已同步开放参会报名与黑客松报名。黑客松预计吸引500+全球开发者参与，围绕真实链上任务展开，配备行业导师辅导及机构 VC 评审，并计划产出 100+创新项目；大会还将设置创新项目展示与 VC 对接，推动优质项目的全球化发布、流动性增长与生态建设。
门票申请：https://luma.com/cp87au4f
大会官网：https://www.gwdc.net
活动赞助：https://gwdcseoul.carrd.co/Ripple 与 SBI 及 Kyobo 完成日韩间直接稳定币跨境支付试点Techub News 消息，Ripple 的长期合作伙伴 SBI 集团及新合作伙伴 Kyobo 人寿保险已完成一项基于稳定币的日韩跨境支付概念验证项目。两家公司在日元与韩元稳定币之间进行了直接转移，无需依赖美元作为中间货币。
此次试点展示了利用区块链技术与稳定币进行跨境结算的效率与成本优势。（CoinGape）