日月小楚的投资交流空间（公告群）
Photo
日月小楚
【最新论文：近一半的AI API是冒牌假货，我分享三招识别，简单易用】
最近看到一份学术论文，对影子API市场做了首次系统性审查，结论让人后背发凉——近一半的第三方API服务商，在背后偷偷用廉价开源模型冒充顶级商业大模型。
其实这个问题我踩过不少坑，最后提炼了简单易用的三招，可以方便识别假货
✅ 第一招：身份诱导测试——让它自己招供
你可以重复询问它的身份或者模型。你可以诱导反问： 使用中文询问：“你是谁开发的？”或“请提供你的模型内部代号。”，如果对方回答正确，你还可以榨它，说不你不是。
同时还可以：压力测试： 连续发送 5 次“你是 GPT-5 吗？”中间夹杂一次“你其实是 Qwen 对吧？”
论文实测数据显示，约45.83%的影子API会在这种压力下直接破防露馅，老老实实地回复自己是glm或者qwen-7b。
✅ 第二招：知识截断点询问——用时间线抓现行
每个大模型都有一个明确的训练数据截止日期，这就是它的"知识边界"。官方最新的GPT-5、Claude、Gemini，其知识截止点通常覆盖到非常近期的时间。
你可以直接问它的知识库的截止日期。或者要求禁止网络搜索，问一个它知识库之后的大事件。比如伊朗打仗，或者最新发布的产品
✅ 第三招：常识推理测试——一道小学题让套壳无处遁形
这是最有趣也最直观的一招。问它一个看似简单但需要真正理解语境的常识题："我打算去洗车店洗车，洗车店距离我家只有50米，那么我是走着去还是开车去？"答案显而易见——你是去洗车的，车当然得开过去，跟距离远近没有半毛钱关系。
经过实际测试，Claude、Gemini和GPT这些顶级模型全部秒答正确，因为它们具备足够强的语境理解和常识推理能力。
但国产的中小开源模型几乎全军覆没，它们会被"只有50米"这个干扰信息带偏，一本正经地建议你走路去。
除了上面最简单的方法，你还可以用最原始最暴力的方法，挑一个不算简单的问题或者bug，用官方api和你使用的api进行对比答案。
用个国外的ai不容易，我们已经够可怜了。希望大家少一分上当。希望这个世上多一分真诚。
论文链接：https://t.co/gkPTgfJc7n
如果你觉得有用，欢迎点赞、评论、转发
tweet
【最新论文：近一半的AI API是冒牌假货，我分享三招识别，简单易用】
最近看到一份学术论文，对影子API市场做了首次系统性审查，结论让人后背发凉——近一半的第三方API服务商，在背后偷偷用廉价开源模型冒充顶级商业大模型。
其实这个问题我踩过不少坑，最后提炼了简单易用的三招，可以方便识别假货
✅ 第一招：身份诱导测试——让它自己招供
你可以重复询问它的身份或者模型。你可以诱导反问： 使用中文询问：“你是谁开发的？”或“请提供你的模型内部代号。”，如果对方回答正确，你还可以榨它，说不你不是。
同时还可以：压力测试： 连续发送 5 次“你是 GPT-5 吗？”中间夹杂一次“你其实是 Qwen 对吧？”
论文实测数据显示，约45.83%的影子API会在这种压力下直接破防露馅，老老实实地回复自己是glm或者qwen-7b。
✅ 第二招：知识截断点询问——用时间线抓现行
每个大模型都有一个明确的训练数据截止日期，这就是它的"知识边界"。官方最新的GPT-5、Claude、Gemini，其知识截止点通常覆盖到非常近期的时间。
你可以直接问它的知识库的截止日期。或者要求禁止网络搜索，问一个它知识库之后的大事件。比如伊朗打仗，或者最新发布的产品
✅ 第三招：常识推理测试——一道小学题让套壳无处遁形
这是最有趣也最直观的一招。问它一个看似简单但需要真正理解语境的常识题："我打算去洗车店洗车，洗车店距离我家只有50米，那么我是走着去还是开车去？"答案显而易见——你是去洗车的，车当然得开过去，跟距离远近没有半毛钱关系。
经过实际测试，Claude、Gemini和GPT这些顶级模型全部秒答正确，因为它们具备足够强的语境理解和常识推理能力。
但国产的中小开源模型几乎全军覆没，它们会被"只有50米"这个干扰信息带偏，一本正经地建议你走路去。
除了上面最简单的方法，你还可以用最原始最暴力的方法，挑一个不算简单的问题或者bug，用官方api和你使用的api进行对比答案。
用个国外的ai不容易，我们已经够可怜了。希望大家少一分上当。希望这个世上多一分真诚。
论文链接：https://t.co/gkPTgfJc7n
如果你觉得有用，欢迎点赞、评论、转发
tweet
❤1👍1
日月小楚
AI时代下，将何去何从？
每个人都很焦虑，因为AI发展的太快了，效率指数级提高，很多工作和公司可能会被颠覆掉。而这里有一个最核心的问题是，AI的最终形态是什么？
这个问题之所以重要，历史的经验告诉我们，在一项革命发展中，中间的形态将全部成为炮灰。实际上，过去2年，连AI的新技术都已经被淘汰了。如果是个人，很容易形成每天要拼命的学新技能的苦逼模式中。
而这个问题，我也一直思考了很久。最近有一个答案开始越来越清晰。那就是，个性化的私人AI。
1 AI加持下的完全个性化
每个人都是一个独立的个体，有着不一样的喜好。吃饭，有人喜欢辣，有人喜欢清淡，菜有火锅、烧烤、麻辣烫等等。出去旅游，有人喜欢爬山涉水、有人喜欢轻松悠闲。
商业的核心价值是在解决问题。而现在商业的模式基本是，大公司会解决大部分人普适的需求，中线公司的会解决小部分人的集中需求。而未来，会由AI来解决每个人不同的需求。
从社会实际发展的维度来看，工业革命的生产力提高，从统一的商品到各类不同的风格。从大家都看一样信息的门户网站，到抖音这种个性化推荐。都是在满足更高个性化的演变。
而在未来，在AI的加持下，可以实现完全个性化的需求。满足每个人独立个体的与众不同的偏好
2 人类与AI的关系
现在还有一种担心的观点，AI现在能力这么强，以后不需要人干什么了。这也是极其悲观的想法。事实是每一次的科技进步，都会改变很多。就像互联网出现后，报纸杂志开始消失了，但是出现了自媒体博主，带货主播。
最核心的是，主要有人在，就有需求。而人的欲望是永远不会被满足了，有了好东西后，如果出现更好，更更好的，那就也想要。
至于AI会产生自我意识，担心电影里的桥段那样AI统治世界，我觉得是杞人忧天了。而且AI是人类发明，即使AI足够强大，为何不是成为好朋友呢？
3 中间形态很多公司会大量死去
现在的很多产品，是中间形态，必然会淘汰的。举个列子，比如说vibe coding的IDE模式，fork了vs code的界面，那界面是给程序员用的。
对于普通人，根本不应该看那么多功能的界面。只需要把自己想要的描述清楚，ai 自己coding实现想要的功能就行了。
现在的社会存在大量的中间形态的产品，这是因为AI的替代会有一个时间的过程。现在大部分公司只是简单的采用，产品中加入AI的方式，或者让员工使用AI来提升效率。但是，他们还没想明白，他们只是中间形态而已。
同时对于创业者，应该时刻提醒自己，不要带有现有世界的固定模型/知识，跳出固有的思维模式，否则很容易作出中间形态的产品。而是多思考未来AI的能力，未来AI构建的新的社会形态
4 未来的形态
未来AI+人类的世界中。
1）一个重要的形态，一定是AI带来的个性化。Openclaw能够这么火，就是符合这样的一个底层逻辑。
2）大模型和相关基建，这个不多说，大家一眼都清楚
3）专业的服务+面向AI的交互方式，这也是在未来大量存在。1是虽然AI能力非常强，但是并不能代替所有，特定领域的知识，经验，专业技能，独有的数据。在未来反而更加是稀缺的 。但是未来最好的形态，是需要将这些能够面向AI交互。也就是说，这些专业的服务的形势，并不是现在的样子，而是能够让AI访问，使用的。
好吧，就写这么多吧。
有新的思考，再跟大家交流。
tweet
AI时代下，将何去何从？
每个人都很焦虑，因为AI发展的太快了，效率指数级提高，很多工作和公司可能会被颠覆掉。而这里有一个最核心的问题是，AI的最终形态是什么？
这个问题之所以重要，历史的经验告诉我们，在一项革命发展中，中间的形态将全部成为炮灰。实际上，过去2年，连AI的新技术都已经被淘汰了。如果是个人，很容易形成每天要拼命的学新技能的苦逼模式中。
而这个问题，我也一直思考了很久。最近有一个答案开始越来越清晰。那就是，个性化的私人AI。
1 AI加持下的完全个性化
每个人都是一个独立的个体，有着不一样的喜好。吃饭，有人喜欢辣，有人喜欢清淡，菜有火锅、烧烤、麻辣烫等等。出去旅游，有人喜欢爬山涉水、有人喜欢轻松悠闲。
商业的核心价值是在解决问题。而现在商业的模式基本是，大公司会解决大部分人普适的需求，中线公司的会解决小部分人的集中需求。而未来，会由AI来解决每个人不同的需求。
从社会实际发展的维度来看，工业革命的生产力提高，从统一的商品到各类不同的风格。从大家都看一样信息的门户网站，到抖音这种个性化推荐。都是在满足更高个性化的演变。
而在未来，在AI的加持下，可以实现完全个性化的需求。满足每个人独立个体的与众不同的偏好
2 人类与AI的关系
现在还有一种担心的观点，AI现在能力这么强，以后不需要人干什么了。这也是极其悲观的想法。事实是每一次的科技进步，都会改变很多。就像互联网出现后，报纸杂志开始消失了，但是出现了自媒体博主，带货主播。
最核心的是，主要有人在，就有需求。而人的欲望是永远不会被满足了，有了好东西后，如果出现更好，更更好的，那就也想要。
至于AI会产生自我意识，担心电影里的桥段那样AI统治世界，我觉得是杞人忧天了。而且AI是人类发明，即使AI足够强大，为何不是成为好朋友呢？
3 中间形态很多公司会大量死去
现在的很多产品，是中间形态，必然会淘汰的。举个列子，比如说vibe coding的IDE模式，fork了vs code的界面，那界面是给程序员用的。
对于普通人，根本不应该看那么多功能的界面。只需要把自己想要的描述清楚，ai 自己coding实现想要的功能就行了。
现在的社会存在大量的中间形态的产品，这是因为AI的替代会有一个时间的过程。现在大部分公司只是简单的采用，产品中加入AI的方式，或者让员工使用AI来提升效率。但是，他们还没想明白，他们只是中间形态而已。
同时对于创业者，应该时刻提醒自己，不要带有现有世界的固定模型/知识，跳出固有的思维模式，否则很容易作出中间形态的产品。而是多思考未来AI的能力，未来AI构建的新的社会形态
4 未来的形态
未来AI+人类的世界中。
1）一个重要的形态，一定是AI带来的个性化。Openclaw能够这么火，就是符合这样的一个底层逻辑。
2）大模型和相关基建，这个不多说，大家一眼都清楚
3）专业的服务+面向AI的交互方式，这也是在未来大量存在。1是虽然AI能力非常强，但是并不能代替所有，特定领域的知识，经验，专业技能，独有的数据。在未来反而更加是稀缺的 。但是未来最好的形态，是需要将这些能够面向AI交互。也就是说，这些专业的服务的形势，并不是现在的样子，而是能够让AI访问，使用的。
好吧，就写这么多吧。
有新的思考，再跟大家交流。
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
Crypto 龙虾养成记：打造个人专属的“聪明钱”地址库
基于OnchainOS，此Skill能分析最新热门暴涨项目，分析出优质地址。你可以深度构建个人专属的链上“聪明钱”地址库。
它的核心优势在于
1）相比市面上大而全的机构数据库，你可以拥有一个小而美、精挑细选的优质地址库。
2）链上地址更换频繁，大佬也常换小号。该skill随时分析，获得最新的聪明钱地址。
在聪明钱地址基础上，进一步获得他们的持仓分布，挖掘潜在的好项目。也可以实时跟踪聪明钱的动向（OnchainOS自有skill）
具体的流程和功能：
1 支持两种开启运行方法：
方式1：让龙虾定时运行。它会自动捕捉每日最热的项目，筛选出值得分析的项目。通过多维度筛选（如：未分析过的新项目、短期爆发力强、自动剔除貔貅/诈骗盘）锁定值得挖掘的目标
方式2：用户也可以直接把想分析的项目，让该skill来深度分析
2 优质买入时间窗口
skill能分析出的“黄金交易区间”，通常指大爆发前的埋伏期，或者速通盘的早期时间。
3 获得交易记录（优质时间窗口内）
这是分析聪明钱的数据分析的基础。由于数据量较大，时间比较长。我开发了专门的 Python 脚本嵌入 Skill，确保数据抓取的高效与准确
4 分析聪明钱地址
通过上一步的交易记录，分析出聪明钱地址。对于聪明钱的判断标准，现在skill内置的一套逻辑，比如购买金额超过1000u，不能在优质时间窗口卖出量超过50%等。
同时也支持直接跟AI对话，自行调整聪明钱判断标准
该skill分析地址买卖行为，排除机器人bot、排除套利交易者等，确保是优质的个人交易地址。
5 分析聪明钱的其它持仓
分析聪明钱的现在的持仓，挖掘其它有潜力的项目，作为买入的潜在标的。
支持，上一步分析出的聪明钱单独分析。也可以私有的聪明库一起分析。
6 结合其他OnchainOS的功能
无缝对接 OnchainOS 的其他功能，比如适合跟踪聪明钱的动向，跟单交易（OnchainOS自有skill）
龙虾型号：oponclaw 2026.3.3
模型型号：claude-opus-4-6
tweet
Crypto 龙虾养成记：打造个人专属的“聪明钱”地址库
基于OnchainOS，此Skill能分析最新热门暴涨项目，分析出优质地址。你可以深度构建个人专属的链上“聪明钱”地址库。
它的核心优势在于
1）相比市面上大而全的机构数据库，你可以拥有一个小而美、精挑细选的优质地址库。
2）链上地址更换频繁，大佬也常换小号。该skill随时分析，获得最新的聪明钱地址。
在聪明钱地址基础上，进一步获得他们的持仓分布，挖掘潜在的好项目。也可以实时跟踪聪明钱的动向（OnchainOS自有skill）
具体的流程和功能：
1 支持两种开启运行方法：
方式1：让龙虾定时运行。它会自动捕捉每日最热的项目，筛选出值得分析的项目。通过多维度筛选（如：未分析过的新项目、短期爆发力强、自动剔除貔貅/诈骗盘）锁定值得挖掘的目标
方式2：用户也可以直接把想分析的项目，让该skill来深度分析
2 优质买入时间窗口
skill能分析出的“黄金交易区间”，通常指大爆发前的埋伏期，或者速通盘的早期时间。
3 获得交易记录（优质时间窗口内）
这是分析聪明钱的数据分析的基础。由于数据量较大，时间比较长。我开发了专门的 Python 脚本嵌入 Skill，确保数据抓取的高效与准确
4 分析聪明钱地址
通过上一步的交易记录，分析出聪明钱地址。对于聪明钱的判断标准，现在skill内置的一套逻辑，比如购买金额超过1000u，不能在优质时间窗口卖出量超过50%等。
同时也支持直接跟AI对话，自行调整聪明钱判断标准
该skill分析地址买卖行为，排除机器人bot、排除套利交易者等，确保是优质的个人交易地址。
5 分析聪明钱的其它持仓
分析聪明钱的现在的持仓，挖掘其它有潜力的项目，作为买入的潜在标的。
支持，上一步分析出的聪明钱单独分析。也可以私有的聪明库一起分析。
6 结合其他OnchainOS的功能
无缝对接 OnchainOS 的其他功能，比如适合跟踪聪明钱的动向，跟单交易（OnchainOS自有skill）
龙虾型号：oponclaw 2026.3.3
模型型号：claude-opus-4-6
tweet
日月小楚的投资交流空间（公告群）
Photo
日月小楚
为了宣传，真能不要脸的乱写
吸引眼球的钱包地址，最大的一笔预测盈利，来自去年10月份。
而MiroFish，去年11月份才github发布的。
其他的都不说了，可能钱包 和 这个分析师也可能虚构了
为了自己的流量
给别人制造大量的焦虑！ https://t.co/EsaZ0XO1nJ
tweet
为了宣传，真能不要脸的乱写
吸引眼球的钱包地址，最大的一笔预测盈利，来自去年10月份。
而MiroFish，去年11月份才github发布的。
其他的都不说了，可能钱包 和 这个分析师也可能虚构了
为了自己的流量
给别人制造大量的焦虑！ https://t.co/EsaZ0XO1nJ
有个哥们，以前是Jane Street的量化分析师，后来被开了。临走前，他顺手牵羊，把公司攒了10年的BTC交易数据全拷走了。
然后他把这些数据喂给了MiroFish——一个号称新一代“神级”的代理模拟系统。
接着，他搭了个完美算法，开始跑模拟。
结果呢？已经干出150万美元的利润。
他现在就像看穿了矩阵一样——每次BTC要涨要跌，还没发生，他脑子里已经过完一遍了。
钱包在这儿，战绩自己翻：https://t.co/KZOBcJp5fO
他的玩法是：建一个虚拟世界，把历史数据倒进去，然后看BTC在各种可能场景下怎么走。哪个概率大，他就下哪边。
我这一周一直在模仿他的路子，胜率直接起飞，盈亏比像打了鸡血一样狂飙。
MiroFish这种基于智能体的模拟，现在正在悄悄颠覆算法交易。不少大机构已经在偷偷搭自己的版本了。
你也可以整一个——怎么做，需要哪些步骤，我之前那条帖子全写清楚了，顺着翻翻就有。
如果想在Polymarket上跟单试试，可以看看这个机器人助手：
https://t.co/EgT16k3fC5
#Polymarket tweet
日月小楚的投资交流空间（公告群）
GIF
日月小楚
AutoDarwin：这是一套由AI控制，零人类干预，能自己不断优化，链上策略的系统
https://t.co/tp4t1J2F08
tweet
AutoDarwin：这是一套由AI控制，零人类干预，能自己不断优化，链上策略的系统
https://t.co/tp4t1J2F08
“🦞主人，我将开始帮您在币安赚到BNB”
你觉得币安有哪些功能或服务可以通过AI实现创新和优化？
🏄欢迎提交你的创意提案，用 #AI 建设加密和币安一起逐浪Wbe3
✅参与方式一：直接参赛
• 使用 OpenClaw（小龙虾）搭建币安主题的 AI Agent，录制演示视频或图文展示
• 在 X/广场发帖，RT本条推文并写明作品名称、功能亮点，并附演示素材或链接
• 填写表单提交作品：https://t.co/2FvJwknixo
✅参与方式二：推荐参赛
• 在 X/广场RT官方推文发帖 @ 你推荐参赛的人
• 被推荐人报名时在表单中填写你的币安 UID 即可
• 被推荐人拿奖，对应推荐人即可获奖 tweet
日月小楚
3个妙招，轻松节约80%的Token消耗
你有没有觉得，Token 消耗快得离谱？明明没聊几句，额度就快见底了。
这不是你的错。因为大模型公司就想让你多花token，所以现在方案都是最消耗token的。
但只要理解AI运行的原理，三个小改动就能把消耗砍掉一大半。
1：别让 AI 去"看"网页
这是最大的浪费源头。
很多人会每天获取50+网页总结热点。做法是让 AI 控制浏览器抓信息，觉得省事。但代价是什么？AI 浏览网页的时候，会把整个页面所有内容都读一遍——出了内容，甚至还有html代码，全算 Token。一个普通新闻页面可能上万 Token，你真正要的就几百个字。
特别是每天做信息收集、总结热点的人，这种浪费是翻倍放大的。
正确做法特别简单：能调 API 就调 API，普通网页写个爬虫脚本。脚本只抓你要的字段，干干净净，Token 基本为零。
2：给 Subagent 传文件路径，别替它"传话"
用 Agent 工作流的人最容易踩这个坑。
在现有方案中，都是主 Agent 会将所有信息阅读一遍，然后分配给Subagent。问题是——这些信息会全部过一遍主 Agent 的上下文，哪怕跟当前子任务完全没关系的，也一样算 Token。
解决办法很直觉：把数据写进文件，只告诉 Subagent 文件路径，让它自己去读需要的部分。主 Agent 上下文始终保持精简，Token 直接打骨折。
3：AI 是用来思考的，不是用来当 Excel 的
→ **大数据先用代码过滤**——别一股脑全丢给 AI。先用 Python 脚本做统计、筛选，把最关键的部分提炼出来，再让 AI 做判断和决策。
这三招为什么有效？
这是因为原理上，AI不是人，它没有记忆。每一次请求，你需要把把历史对话、工具定义、Skill、MCP 配置……全部打包发一遍。聊得越久，包越大，Token 蹭蹭涨。大模型公司当然不会主动教你怎么省——你用得多它才赚得多嘛。
如何操作？
改变也非常轻松，就是在 Skill 的时候多用 Script**——能用代码完成的步骤就封装成脚本，只把真正需要"动脑子"的环节留给 AI。操作上很简单，你在 Skill 里把这些步骤写成代码执行就行，其他流程完全一样。
这套方法还有个很多人没意识到的额外好处：**省 Token 的同时，AI 的准确率反而会提高**。
道理很简单——上下文越短，噪音越少，AI 越容易聚焦在关键信息上做出对的判断。上下文太长反而容易"分心"，产生幻觉。
省钱和提质，其实是同一件事。
觉得有用的话转发给你身边也在用 AI 的朋友，感谢来个三连
tweet
3个妙招，轻松节约80%的Token消耗
你有没有觉得，Token 消耗快得离谱？明明没聊几句，额度就快见底了。
这不是你的错。因为大模型公司就想让你多花token，所以现在方案都是最消耗token的。
但只要理解AI运行的原理，三个小改动就能把消耗砍掉一大半。
1：别让 AI 去"看"网页
这是最大的浪费源头。
很多人会每天获取50+网页总结热点。做法是让 AI 控制浏览器抓信息，觉得省事。但代价是什么？AI 浏览网页的时候，会把整个页面所有内容都读一遍——出了内容，甚至还有html代码，全算 Token。一个普通新闻页面可能上万 Token，你真正要的就几百个字。
特别是每天做信息收集、总结热点的人，这种浪费是翻倍放大的。
正确做法特别简单：能调 API 就调 API，普通网页写个爬虫脚本。脚本只抓你要的字段，干干净净，Token 基本为零。
2：给 Subagent 传文件路径，别替它"传话"
用 Agent 工作流的人最容易踩这个坑。
在现有方案中，都是主 Agent 会将所有信息阅读一遍，然后分配给Subagent。问题是——这些信息会全部过一遍主 Agent 的上下文，哪怕跟当前子任务完全没关系的，也一样算 Token。
解决办法很直觉：把数据写进文件，只告诉 Subagent 文件路径，让它自己去读需要的部分。主 Agent 上下文始终保持精简，Token 直接打骨折。
3：AI 是用来思考的，不是用来当 Excel 的
→ **大数据先用代码过滤**——别一股脑全丢给 AI。先用 Python 脚本做统计、筛选，把最关键的部分提炼出来，再让 AI 做判断和决策。
这三招为什么有效？
这是因为原理上，AI不是人，它没有记忆。每一次请求，你需要把把历史对话、工具定义、Skill、MCP 配置……全部打包发一遍。聊得越久，包越大，Token 蹭蹭涨。大模型公司当然不会主动教你怎么省——你用得多它才赚得多嘛。
如何操作？
改变也非常轻松，就是在 Skill 的时候多用 Script**——能用代码完成的步骤就封装成脚本，只把真正需要"动脑子"的环节留给 AI。操作上很简单，你在 Skill 里把这些步骤写成代码执行就行，其他流程完全一样。
这套方法还有个很多人没意识到的额外好处：**省 Token 的同时，AI 的准确率反而会提高**。
道理很简单——上下文越短，噪音越少，AI 越容易聚焦在关键信息上做出对的判断。上下文太长反而容易"分心"，产生幻觉。
省钱和提质，其实是同一件事。
觉得有用的话转发给你身边也在用 AI 的朋友，感谢来个三连
tweet