比推消息， 桥水基金创始人 Ray Dalio 发文表示，日本政府出售部分美债、美国长期国债收益率创新高同时美元走弱，以及美国财政部宣布购买国债等近期事件，与其提出的“经典债务重组模板”高度相似。Dalio 认为，当政府债务增速超过收入增速，利息支出将持续挤压财政空间；若国债供应超过市场需求，可能推动收益率进一步上升，并迫使央行通过购买国债、增加货币供应稳定市场，从而削弱货币价值。在此背景下，Dalio 建议降低债券配置，增加黄金等非债务资产，同时可配置少量比特币。
亲爱的读者朋友们好~过去24小时，X上的KOL们在聊什么呢？注：以下内容整理自X平台，均为个人观点，不代表本平台立场，更不构成投资建议。特朗普又要发币？牛市剧本，这次怎么走？Bitmart 官宣考虑重组宇树科技大跌！Twitter：https://twitter.com/BitpushNewsCN比推 TG 交流群：https://t.me/BitPushCommunity比推 TG 订阅： https://t.me/bitpush
作者：桥水基金创始人 Ray Dalio原标题：How Countries Go Broke: The Dynamic Behind What is Happening Now编译及整理：BitpushNews我在《国家如何破产：大周期》中，详细阐述了一个分析框架，用以描述因债务供需之间不可持续的失衡而极有可能发生的动态过程。最近有三件事同时发生:1）日本政府出售部分美国国债持仓，将资金回流日本以支撑日元和日本资本市场，并减少对美国国债的敞口，同时避免为了支撑日元而被迫将利率提高到超过其意愿的水平；2）美国债券收益率在长端引领下创出新高，同时美元走弱，原因既包括当前和预期中的巨额债务供给，也包括对美债需求的疲软；3）本周财政部长贝森特宣布美国财政部将购买美国国债，而他能够动用的资金规模有限许多人问我：这些事件是否符合我在书中阐述的经典模板？答案是肯定的。要预判接下来可能发生的事，先来回顾这个运作机制。运作机制详解中央政府的债务动态与个人或公司的债务动态原理相同，区别只在于中央政府拥有一个可以印钞（这会令货币贬值）的央行，并且它可以通过征税从民众那里获取资金。正因如此，如果你设想一下：假如你自己或你经营的企业可以印钞，或者可以通过征税从人们那里获得资金，债务动态会如何运作——那你就能理解这个过程了。但要记住，你的目标是让整个系统运转良好，不仅为你自己，也为所有公民。在我看来，信贷/市场系统就像人体的循环系统，将养分输送到构成市场和经济的每一个角落。如果信贷被有效利用，它就能创造生产率和收入，从而偿还债务和债务利息，这是健康的状况。然而，如果信贷没有被用好，未能产生足够的收入来偿还债务和利息，债务偿付就会像血管中的斑块一样不断堆积，挤压其他支出。当债务偿付变得非常庞大时，就会产生债务偿付问题，并最终演变为债务展期问题——因为债务持有人不愿继续展期，反而想卖出。这自然会导致对债券等债务工具的需求短缺以及抛售行为；而当需求相对于供给出现短缺时，要么导致 a）利率上升，从而打压市场和经济下行，要么 b）央行“印钞”并买入债务，这会使货币价值下降，从而推高通胀（相较于原来应有的水平）。印钞还会人为压低利率，损害贷款人的回报。这两种选择都不好。当债务抛售规模过大、难以遏制，而央行又已大量购债时，利率上升会导致央行出现亏损，损害其现金流。如果这种情况持续下去，央行将陷入净资产为负的境地。当这种情况变得严重时，中央政府与央行都要借钱来偿还债务本息，而央行则因为自由市场需求不足而印钞来提供贷款，于是债务/印钞/通胀之间形成自我强化的螺旋上升。总而言之，需要关注的经典指标如下：政府债务偿付额与政府收入之比（这就像循环系统中的斑块量），政府债务的卖出量与政府债务的需求量之比（这就像斑块脱落并引发心脏病发作），以及央行为弥补政府债务需求相对于需出售的政府债务供给之间的缺口而印钞购买政府债务的数量（这就像央行施加大剂量的流动性/信贷来缓解流动性短缺，从而产生更多债务，而央行对这些债务有风险敞口）。这些指标通常会在一个长达数十年的长期周期中不断上升——债务和债务偿付相对于收入持续增长——直到这种状态无法再持续下去，因为：1）债务偿付开支不可接受地挤占了其他支出，2）必须被购买的债务供给相对于购买需求过大，导致利率必须大幅上升，从而使市场和经济大幅下行，或者 3）央行不愿让利率上升并承受糟糕的市场/经济后果，于是大量印钞并大量购买政府债务以弥补需求缺口，从而使货币价值大幅下跌。无论如何，债券的回报都会很差，直到货币和债务最终变得足够廉价，足以吸引需求，或者政府能够廉价地回购或重...
比推消息，BitMart 发布公告称，正在制定潜在重组计划，作为全面关闭的替代方案。该计划可能包括在有序安排下分阶段恢复部分运营，并向债权人进行分配，但仍需进一步法律、财务、运营及监管评估。 BitMart 已任命 White & Case 为重组法律顾问，协助评估可行方案并制定重组及分阶段恢复运营框架。BitMart 表示，目前正与顾问共同制定路线图，并将争取在 2026 年 9 月 9 日前提供进一步更新。
比推消息，知名加密 KOL Ansem 发文表示，由 BTC、ETH、SOL、HYPE 和 PUMP 按等权重组成的投资组合，未来两年内可能轻松实现 3 至 5 倍增长。他表示，在这一篮子资产中，HYPE 和 PUMP 具备最高的风险收益比（R/R），或将成为表现更突出的标的。
文｜苗正编辑｜王靖来源｜字母AI腾讯混元多模态团队又发生了一起人事变动。据媒体报道，曾负责xAI多模态理解负责人蔺旭东，已经离开xAI，加入腾讯混元，担任多模态内容生成算法负责人。这则人事消息之所以值得关注，是因为它发生在混元多模态团队持续调整的背景下。过去一段时间，混元内部陆续传出负责人离职、研究人员转岗和新成员加入的消息。原多模态理解负责人胡瀚离职创业，田永龙等人加入腾讯，原有多模态团队的汇报关系也随着大语言模型部门和多模态模型部门的整合而发生变化。但这是否意味着腾讯多模态团队正在“改朝换代”，目前还不能直接下结论。公开信息能够确认的是，混元确实出现了人员流动和组织重组。蔺旭东的加入传闻，更像是这场调整中的一个新信号：腾讯正在重新组合多模态理解和内容生成这两条路线。那么问题来了，蔺旭东究竟是什么来头，他能为腾讯补上什么能力？以及腾讯的多模态路线是否正在从“生成内容”转向了姚顺雨更偏向的“理解上下文并在世界中行动”？蔺旭东是什么来头他加入腾讯后能做什么？公开资料显示，蔺旭东2018年毕业于清华大学，随后赴哥伦比亚大学攻读博士。在读博期间，他的研究方向包括嵌入学习、视频分析和生成模型，也曾参与哥伦比亚大学与Facebook AI合作的Vx2Text项目。V指的是视频，x指的是未知数，可以是声音、语音甚至是环境音，2代表to，Text则代表字幕。它的逻辑是，先把视频、声音等不同模态转换成类似“语言token”的向量，再统一送入语言模型进行融合，最后由自回归解码器生成开放式文本。Transformer只能理解token，所以AI本质上是不理解视频和音频这两种文件形式的，也就更不可能将其转换成文字。举个例子，一只狗在游泳池旁边跳进水里，那么Vx2Text的视频识别器看（V）就会输出关键词：狗、跳跃、游泳池；声音识别器（x）就会输出：水声、扑通。虽然Vx2Text的产品功能是“生成”，但产品的核心难点在于“理解”。当然，Vx2Text并不是简单地把画面“翻译”成几句话而已。模型需要从视频里识别人物、物体、动作和事件，还要理解这些东西在时间上的变化，最后再把视觉信息组织成语言。博士毕业后，蔺旭东进入DeepMind，参与Gemini相关的多模态预训练和后训练工作。2025年，他又加入xAI，公开资料称其负责多模态理解方向，并参与多模态内容理解与生成模型的训练。如今他加入腾讯混元，将负责混元多模态内容生成算法。蔺旭东的加入与其说是提升混元多模态生成的性能，倒不如说是为了解决一个困扰所有多模态的问题——理解。以前的生成模型更像一个画面制造器。给它一句提示词，它可以生成一张图片、一段视频。但只要用户提出更复杂的要求，模型就有点跟不上了。比如人物在长视频里变了，物体的形状前后不一致，摄像机运动不符合空间关系等等。这不是因为模型不会生成，而是因为它没有稳定地记住和理解世界。所以，把蔺旭东放到多模态内容生成的位置上，可能正是因为他把多模态，“翻译”成AI能理解的东西。蔺旭东的加入要放在一个更大的背景下才能看得清楚，那就是如今腾讯混元正在重新整理自己的多模态路线。2025年1月，腾讯杰出科学家（Tencent Distinguished Scientist）胡瀚接替此前离职的刘威，全面负责混元多模态大模型的研发，同时担任腾讯混元大模型Tech Lead。2025年下半年腾讯内部组织调整，他从多模态模型部，调入了大语言模型部旗下的“Frontier”前沿技术研究组，头衔变成了多模态理解方向负责人，汇报线也改为向姚顺雨汇报。实际地位从“一个独立部门的领导”变成了“大语言模型...
比推消息， AI 快讯，字节跳动大模型团队 Seed 完成新一轮组织调整。Seed Foundation Model 新设四个一级部门，把此前分散在文本、代码、视觉和语音等方向的数据、后训练团队重新合并。核心变化是统一预训练数据和强化学习，同时把应用后训练拆成 Work 和 Chat 两条线。Pretrain Data 统一负责 Omni 模型的多模态数据，以及超大模型预训练所需的数据。Horizon RL 集中负责强化学习，提升模型基础能力。Product Posttrain-Work 面向办公和 B 端，重点优化模型调用工具、操作电脑和执行长任务的能力。原 Application 团队则更名为 Product Posttrain-Chat，继续负责 C 端对话模型。四个部门均向吴永辉汇报。过去 Seed 更多按文本、代码、视觉、语音等方向分团队，各自都有数据和后训练人员。现在字节希望下一代模型直接走向 Omni，让不同模态进入同一个基座。Seed 此前还在讨论训练超过 5 万亿参数的模型。模型越大、模态越多，原来分散的研发方式也越容易出现重复投入。类似的调整也出现在腾讯。腾讯 7 月将混元的大语言模型和多模态团队合并，由姚顺雨统一负责。字节这次还专门成立了 Work 后训练部门，说明办公 Agent 已经成为基础模型团队单独优化的一条产品线。
作者：Silicon Valley Vector 硅谷坐标编辑：Peggy，BlockBeats原标题：硅谷坐标 x Fireworks 联创 Benny Chen：开源模型、token 增速、推理优化和模型定制编者按：在开源模型加速逼近闭源前沿模型、推理价格持续下降的背景下，行业讨论正在从「谁拥有能力最强的模型」转向「谁能以更低成本把模型投入生产」。但当模型能力趋同、Token 消耗增长成为共识，一个更底层的问题开始浮现：企业真正愿意付费的，究竟是更便宜的模型调用，还是能够稳定完成具体任务的专属智能？近日，《硅谷坐标》主持人曹卿云与 Fireworks AI 联合创始人陈宇飞进行了一场对谈。Fireworks 位于模型与企业应用之间，主要为客户提供开源模型推理、性能优化和定制服务。相比单纯讨论开源能否追平闭源，陈宇飞的观察更接近真实工作负载：Token 流向哪里、企业为何付费，以及模型从概念验证走向生产还缺少什么。在这场对谈中，陈宇飞是将「开源与闭源谁会胜出」拆解为一组更底层的结构性问题：Token 增长能否转化为收入，通用能力能否替代垂直积累，低价模型能否通过企业评测，以及推理平台如何在云厂商和应用公司之间获得价值。第一，是开源模型的使用规模与商业价值正在分化。过去，能力追赶和调用价格是判断开源竞争力的主要指标；如今，Fireworks 平台每天处理约 40 万亿至 50 万亿个 Token，开源模型的实际使用量已经快速扩大。但免费流量、促销补贴和模型价格差异，会让 Token 统计高估部分需求。客户可能大量调用低价模型，却仍把最高预算交给效果最好的闭源模型。这意味着，开源的下一阶段不再只是扩大流量，而是证明其能够在高价值任务上达到甚至超过前沿模型，并把成本优势转化为付费意愿。第二，是通用模型与垂直模型开始沿着不同方向演进。过去，每次前沿模型升级，都可能直接淘汰一批微调模型；现在，法律、医疗、编程等垂直应用正在积累更细的评测、数据和工作流，其优化目标也与前沿实验室逐渐分离。通用模型需要提高能力上限，垂直模型则要在有限场景内稳定交付结果。前者可以解决更广泛的问题，后者却更理解用户如何定义「正确」。这意味着，垂直公司的壁垒并不只是拥有一个定制模型，而是能够持续把行业需求转化为评测体系，并随着基础模型更新反复迁移。第三，是企业 AI 落地的瓶颈正在从模型供给转向评测能力。过去，企业概念验证往往依赖试用体验和主观判断；现在，当 AI 进入呼叫中心、法律检索和医疗辅助等生产环节，仅凭「看起来效果不错」已经无法支持采购决策。企业必须知道模型在哪些任务上有效、何时失效，以及从闭源切换至开源会改变多少成本和质量。评测因此不再是附属工具，而是连接采购、训练与生产部署的基础设施。谁能定义任务、建立测试分布并持续更新标准，谁才真正掌握模型选择权。第四，是推理平台的价值正在从「卖便宜算力」转向组织模型、硬件与工作流。过去，推理优化主要被理解为降低单个 Token 的成本；现在，缓存、任务拆分、模型路由和上下文管理都可能直接改变任务完成率。不同模型不必争夺同一个位置，而可以分别担任执行者和顾问。Fireworks 的商业逻辑也由此成立：不自建重资产硬件，而是通过训练、定制和持续推理，将收入与客户模型的实际使用绑定。但这条路径的主要对手并非单一新云公司，而是能够同时控制算力、软件和客户入口的大型云厂商。第五，是开源模型崛起未必削弱基础设施需求，反而可能压缩模型层溢价，并把价值进一步推向推理和算力。科技巨头持续增加资本开支，也不只是计算短期回报，而是在衡量错过 AI 周期...
砸下1亿美元、四年期天价「聘约」，换来14个月后的离开——扎克伯格从OpenAI抢来的人才，从Meta离职。2025年夏天，扎克伯格亲自拍板，用一份据传总值高达1亿美元、覆盖四年的薪酬方案，从OpenAI手中硬生生撬走了多模态研究负责人余家辉（Jiahui Yu）。硅谷为之侧目，业内直呼“天价抢人”。然而，仅仅14个月后——2026年8月14日，这位曾被Meta寄予厚望的明星研究员宣布离职，投身创业。一年前那场轰动业界的挖角，最终换来的停留时间，比一场NBA赛季还短。就在离职前八天，他带队打造的多模态模型Muse Spark刚刚更新到1.2版本。从组建团队到连续推出Muse Spark、Voice Mode、Muse Image和Muse Video四条产品线，余家辉在Meta的一年，几乎贯穿了这支新团队从搭建到密集交付的全过程。Muse Image在Arena文生图三项测试中拿下第二名，力压谷歌Nano Banana，仅次于OpenAI GPT Image 2；Muse Video在文生视频排行榜上排名第三。对Meta来说，这无疑是一份亮眼的成绩单。但对余家辉来说，这只是一段插曲。他在离职声明中说，自己“越来越被一个对人类未来至关重要却仍未被充分探索的问题所吸引”。新公司的细节尚未披露，但他已决意离开。从少年班到硅谷顶流余家辉的履历，放在任何一家AI大厂都是“顶配”级别。1995年出生于浙江慈溪，2012年，还在读高二的他就被中科大少年班学院提前录取。本科期间拿下全国并行应用挑战赛冠军等多项赛事名次。2016年毕业后，他前往伊利诺伊大学厄巴纳-香槟分校（UIUC）攻读计算机科学博士，师从计算机视觉领域泰斗黄煦涛——这位学者培养出了云从科技创始人周曦、文远知行创始人韩旭等多位AI领域知名人物。博士毕业后，余家辉的职业生涯步步攀升。他先后在Google Brain和Google DeepMind担任高级研究科学家及经理，参与过Gemini多模态项目的视觉模块研发。2023年10月加入OpenAI，担任感知（Perception）团队负责人，主导GPT-4o及o系列推理模型的研发。2025年6月，扎克伯格亲自下场，将余家辉与赵晟佳、毕树超、任泓宇等原OpenAI研究员一同挖入Meta新组建的超级智能团队。据外媒Wired透露，Meta开出的薪酬包高达1亿美元——尽管Meta CTO Andrew Bosworth后来澄清，这并非一次性签约奖金，而是包含股票、奖金与绩效条件的四年期总酬劳方案。但即便如此，这也是AI领域屈指可数的天价聘约。（图源：一亩三分地）换算下来，即便余家辉只干了14个月，按四年均摊，Meta也为这段短暂合作支付了超过2500万美元的预期成本——而实际沉没成本更高，毕竟团队组建和项目启动期的投入无法按比例折算。资本市场的狂热，助推硅谷人才大出走余家辉的离职绝非孤例。事实上，2026年的硅谷正在经历一场前所未有的AI人才“大出走”。研究平台alphaXiv的数据显示，仅Meta一家，就已流失超过200名知名研究人员，另有929名研究人员处于“曾在Meta工作但已离职”的状态。去年10月，Meta大手笔裁减了600多名AI业务的研究人员。今年6月，随着Llama 4市场表现平淡，加上公司推行更严苛的绩效考核，预计将有15%至20%的员工被评為“低于预期”，多位资深研究员已转投竞争对手。科技作者Gergely Orosz指出，Meta内部的组织重组与效率调整导致工程师产生不安感，许多资深专家开始对外部机会保持开放态度。谷歌的情况同样不容乐...
比推消息，Solana 上专注链上收益的协议 Paystream 于 8 月 15 日宣布关闭并清算。创始人 Maushish 表示，项目历经多次转型，从黑客松诞生的 P2P 借贷协议，到 LP 管理终端，再到永续合约资金费率套利工具（Funding Rate Farmer），后者获得一定真实使用，用户共开启 185 个仓位、部署 23.2 万美元保证金。 该项目通过 MetaDAO 融资，5 月提案重组大幅削减剩余资金。团队从 6 人缩减至 1 人，后续尝试构建自动化金库及薪资合规产品均未成功。团队决定停止运营，将开源资金费率套利筛选器代码，清算提案细节待定后通过 MetaDAO 公布。