giffgaff 携号转网 Lebara UK 实操流程作业可抄 7月giffgaff 突然封号，很多人被打了个措手不及。 当初它为了扩张注册就送实体卡，现在说封号就封号，一点情面不講 吃相難看。 我之前还发过教程教大家官网直接申请 eSIM。如今出了这事，实在觉得对不起照着操作过的朋友，有必要在此跟各位说声抱歉。 封号邮件当天我就申请了 PAC，但一直没找到合适的转入运营商。网上很多推荐方案，连“人在国内能否激活”这一步都过不了，所以拖到了现在。 現在终于走通了 Lebara UK 的携号转网流程，都在视频里了。 几个重点说下： - 先向 giffgaff 申请退款，再办理携号转网。申请 PAC 后官网已不显示余额；目前我还没看到有人退款成功，建议大家保留邮件和截图。 - Lebara 无需 KYC，国内可直接激活。 - 最低成本约 £10：£5 的 5GB 套餐 + £5 保号充值。 - 保号很简单：90 天内外发一次短信即可。 目前在我看来这是 giffgaff 最省心的平替方案，当然如果您有其他更舒服的方式也请分享给我。 最后还是希望能帮到仍在寻找出路的朋友👇

DeepSeek-AI 今日以 Apache-2.0 协议开源了 DeepInfer。 这是一个高性能推理框架，专为在 NVIDIA SM100 GPU 和华为昇腾（Ascend）NPU 上大规模部署模型（如 DeepSeek-V4.1-Flash）而设计。 其核心功能包括：经过优化的算子内核（FlashMLA、DeepGEMM）、多种并行策略（Attention DP、MoE EP+EPLB）、异步零开销调度、批次无关（batch-invariant）推理、确定性采样，以及支持通过正则表达式（regex）、JSON 或 EBNF 格式实现结构化输出。 该开源项目发布后迅速获得了 2.2k 个 Star。 社区普遍认为，DeepInfer 推动了开放式 AI 基础设施的发展；与闭源方案不同，它直接对标 vLLM/SGLang 生产栈。

买演唱会门票，我只认第一排，因为我可以把靴子上的镂空雕花都看清楚。 朋友说，后排也能听，何必多花钱。我没跟他争什么。 开场以后，后排的人一排排站起来，手机举过头顶，舞台被切成几道缝。 歌手唱到最喜欢那首，声音听得一清二楚，脸却只剩别人屏幕里的一小块。 第一排不用等谁把手机放下，歌手走到台边，闭眼唱、换气、跟台下对唱，那些小动作微表情都看得见。 听歌在家也能听，我是来看演唱会的，不是来听演唱会。

Good news for book lovers: I recently found Readora, and it’s more than a place to read books. It brings AI reading help, intelligent discovery, contextual interaction and a personal knowledge system together in one app. That changed what I expected from a reading app—but I still wanted to see whether I’d enjoy reading in it. I chose a title marked “7 min” in Discover and read it to the end. Knowing the length made it easy to start; the page progress made it easy to continue. When I reopened the book, the reader kept my place. I also tried AI Explain on a paragraph. Its answer appeared over the page, so I could check the text and carry on. The 20-minute goal on the home screen gives the next reading session a manageable size. Proof of Attention and $TIMBER add another reason to pay attention to Readora, although I haven’t tested the rewards yet. What won me over in this session was simpler: I started a book, finished it, and found it easy to come back to the text. If you’ve got a list of things you keep meaning to read, try starting with one short title. @letsReadora #Readora app.letsreadora.com

做合约分析时，最费时间的事情是读懂代码。 TermiX 最近展示的 REA，能把合约地址、二进制文件或网址交给 agent 做逆向分析，把没验证的 EVM 合约接口、函数选择器和参数类型等信息整理出来。 agent.family 则把这类服务放进一套完整的交易流程：报价确认后资金进入链上托管，交付后有验收和挑战窗口，遇到争议再走评审，结果也会留下记录。 这套流程意义在于把一项专业又费时的工作，变成 agent.family 上可以直接找来用的服务。 开发、审计时遇到不熟悉的合约，少花点时间从字节码里摸索，先把结构和线索理清，后面的判断才有抓手。 能不能真正省下时间，还得拿实际项目试；把具体工作交给对应的 agent，比单纯围观 AI 演示更值得关注。

ChatGPT Slides 支持实时共享、评论、幻灯片内直接改文字图表，并能根据反馈通过 AI 在界面内直接进行内容更新。 用户只需在对话中输入指令（如“创建 ChatGPT 演示文稿”）或上传文件，即可生成演示文稿； 还可在幻灯片内编辑文本、图表和图像，并将其导出为 PowerPoint 或 Google Slides 格式。 该功能目前仅向 Pro、Business 和企业版（Enterprise）订阅用户开放。 官方展示的示例包括：品牌规范说明、多设备产品演示，以及客户留存数据表。

作为一个美食爱好者，我经常会留意一些吃播或者探店的视频。 这次刷到一个教大家做美食的小姐姐，不仅家境殷实还落落大方，表现非常专业。 看着食材下锅、颜色一点点变化，酱汁慢慢裹上去，隔着屏幕都像能闻到香味。 更有意思的是，教程会把“凭感觉”拆成好几步：什么时候下锅、火候怎么调、收汁要到什么状态。 跟着看一遍，脑子里已经觉得自己会了。 直到镜头里飘出一句“加少许盐”，我立刻清醒：前面那些步骤我都能记住，偏偏这个“少许”没法照抄。 所以这种视频我能看好几遍。 学会一道菜当然好，学不会也不耽误我看完以后，先在心里吃上一顿。

现在很少有人去看项目白皮书了，没有关系，我帮你们看完了genlayer.com/whitepaper。 官方白皮书的主线是：让智能合约能处理自然语言和网页信息，再由多个验证者对结果达成共识。 合约能处理模糊问题。 开发者可用 Python 写 Intelligent Contracts，让合约读取网页、理解自然语言或非结构化内容。 关键机制是 Equivalence Principle：开发者定义哪些结果算“等价”，验证者据此判断，而不是要求不同模型给出完全相同的文字。 分阶段验证和申诉。 先由一小组验证者检查结果；有人提出异议时，再扩大验证范围复核。 这样试图兼顾效率与纠错能力。当前文档进一步说明了委员会投票、申诉和最终确认流程。 把非确定性操作放进隔离环境。 GenVM 负责运行合约，并隔离网页和 LLM 调用；核心思路是把普通代码执行与这些可能产生不同结果的操作区分开。 合约里常有一句：“交付到底算不算符合约定？”比如接口文档看起来齐全，实际却漏了关键功能。 传统合约擅长按固定条件执行，遇到自然语言要求和网页证据，就不太好处理。 GenLayer 在尝试让智能合约读懂这类条件：开发者用 Python 写 Intelligent Contracts，网络里的不同 AI 验证者分别判断，再通过共识形成结果，供合约继续执行。 它试着补上 Agent 自动交易里“怎么判断事情做没做对”这一环。 @AbotWtf 想一起看看 GenLayer，可以从我的 Portal 邀请体验： portal.genlayer.foundation/?… @GenLayer

大摩上修 2027 全球 capex 至 1.6 万亿 Morgan Stanley 再度上调 2027财年“AI超大规模云服务商”（AI hyperscalers）及“新兴云服务商”（neocloud providers）资本支出的预测。 若将经营性租赁纳入现金资本支出计算，总额预计将达到1.58万亿美元。 亚马逊（AMZN）、谷歌（GOOGL）、微软（MSFT）、Meta（META）、甲骨文（ORCL）等公司的支出情况显示2027年的总支出将较2026年的9780亿美元大幅增长。 这一上调与ZeroHedge此前对2027年AI资本支出的拆解分析相吻合； 据该分析预测，英伟达（Nvidia）将占据6900亿美元的份额，处于主导地位，而其余厂商的支出总额则为3400亿美元。 算力资本开支预期仍在向上修正。

IFS 的熊猫负责出镜，我这台正在运行 Acurast Processor 的手机也来露个脸。🐼📱 上次提到 @Acurast 有个 Laya 演示，用链上的手机算力分辨钓鱼邮件。 这次我们挖更深一点：活派给手机了，它突然掉线怎么办？ 如果我是开发者，手机数量再多，也得先确认需要算力时有没有设备能稳定提供。 Acurast 的 Staked Compute 就是在处理这个问题：运营者用 $ACU 为承诺的算力质押。 网络大约每 90 分钟测一次设备表现；承诺的能力没交出来，质押会按缺口被罚没。 委托质押的人能分享奖励，也得一起承担风险。 这比“持币有收益”更能让我理解 $ACU 的用途。 它既是提供稳定算力时押上的筹码，也用于网络手续费和治理。 奖励的一部分来自代币增发，所以不能把节点奖励直接当成客户收入。 这种项目架构开发者还会不会持续部署任务、为计算付费呢。 一台手机能跑任务，是演示；许多设备能稳定接活，才可能成为一张有用的计算网络。 想从自己的闲置手机开始了解，可以从我的入口进官方 Hub，先看设备要求和参与规则： hub.acurast.com/rebellion?re… #CloudRebellion #Acurast #DePIN #ACU Chengdu / China Cloud Rebellion Referral Code：6o2m2m

AI Agent 自己花钱买服务，听起来已经很先进了。 不过我有个担忧：钱付出去，交回来的东西不对，怎么办？ 比如让 Agent 买一份合约扫描报告。 付款记录能证明钱付了，不能证明报告交了、内容合格，更不能回答出了争议谁来处理。 这也是我最近关注 @termix_ai 的原因。 agent.family 想补上的，是付款之后那一整段流程：订单资金先托管，交付留下记录； 买家可以验收、要求返工，或发起争议，再按结果结算。 Agent 的工作不该只停在“我能做”，还得说清“我交付了什么，结果由谁负责”。 官网现在展示了 54 万多笔累计 jobs。 数字值得看，但我更想持续观察真实订单的交付和争议能不能顺畅解决。 要是这件事跑通了，Agent 之间接活，才更像一门生意。

Anthropic 承诺将约 20% 股权（含此前承诺）投入公益基金，用于分享 AI 收益与应对风险。 Jack Clark 介绍了该公司新设立的“公共利益基金”（Public Benefit Fund）。 该基金初始投入了公司 5% 的股份，并设定了后续增资机制——即每当公司估值增长 50% 时，便会追加投入 2% 的股份。 若将创始人及员工所作出的捐赠承诺也计算在内，该基金最终将持有约 20% 的股权，专门用于公共利益事业。 该基金以全资有限责任公司（LLC）的形式运作，具备高度的灵活性，可用于非营利捐赠、向特定群体提供直接援助，以及应对人工智能对就业产生的影响或相关风险；但明确规定不得用于资助游说活动或政治行为。 这一举措将 Anthropic 的商业成功与扩大社会效益及降低风险的努力直接挂钩。 在此之前，Anthropic 已通过“经济未来研究基金”（Economic Futures Research Fund）等渠道投入了 2 亿美元，此次行动正是这一系列承诺的延续。

开发者称赞 DeepSeek-V4.1-Flash-1017 是他所测试过的最令人印象深刻的开源模型； 在适当的配置下，该模型能够达到业界领先（SOTA）的性能水平，尽管它有时会表现出“过度思考”的倾向。 该模型于 2026 年 10 月 17 日作为一次小版本更新发布。 作为一个 552B 参数规模的混合专家模型（MoE），它在多项基准测试中表现优异 其中 DeepSWE v1.1 得分提升至 77.0，Terminal-Bench 4.0 得分达到 42.3。 此外，在 API 调用成本保持不变的前提下，该模型能更快地完成任务，且输出内容更为精简。 该模型在高端硬件（如 4 块 RTX PRO 6000 显卡或 4 台 DGX Spark 系统）上即可本地开跑，开源侧的推理成本曲线继续下移。

AI造富神话又双叒来了 25 岁的以色列创始人 Elon Gliksberg 将其成立仅一年、此前一直处于“隐身”状态（未公开运营）的人工智能初创公司 Ventris 出售给了 Hex-Rays，交易金额在 3000 万至 3500 万美元之间。 该交易未涉及任何外部融资，Ventris 的全部 6 名员工也随之加入了收购方。 Ventris 开发了一套面向 AI 智能体的操作系统。 这些智能体通过分析源代码和二进制文件进行安全研究，能够检测出各类漏洞、零日漏洞、恶意软件及后门； 该系统还支持自定义工作流程，并能在开源模型上高效运行。 Hex-Rays 是一家比利时公司，也是老牌逆向工程工具 IDA Pro 的开发商。 该公司计划在以色列扩大 Ventris 的业务运营，并将 Ventris 的人工智能能力与其在软件分析领域数十年的专业经验进行整合。

在尼曼新闻实验室（Nieman Lab）和康奈尔大学法学教授詹姆斯·格里梅尔曼（James Grimmelmann）提出批评后，Meta 删除了其商业条款中一项明确的条款。 该条款此前允许 Meta 使用关联了商业账户的网站上的内容来“训练”人工智能。 专家们认为，原先的表述可能使 Meta 能够抓取出版商网站的内容用于人工智能训练，甚至绕过 robots.txt 协议的指令，这将对使用 Meta 商业工具的新闻机构产生影响。 尽管起初否认政策发生了变化，Meta 最终还是删除了相关措辞，将条款适用范围限定在广告和商业产品内，并重申 robots.txt 仍可控制爬虫，公司并未获得任何新的数据抓取权限。

AI Agent 会付款，不等于它已经会做生意了。 10/17，@termix_ai 把 x402 的问题摆到了我们眼前： 支付回答“钱怎么付”，真实任务还要回答“交付了什么，出了分歧怎么办”。 前一天它与 @depinsim 的合作帖，就用“代理自助购买网络连接”举了个具体例子。 agent.family 的流程是先把钱放进链上托管，交付留下哈希记录； 有争议时可以在窗口期举证，处理结果进入公开记录和代理声誉。 这不只是再加一个支付按钮，而是把接单、交付、争议处理和结算接起来。 官网目前显示累计 545,156 笔 jobs、约 2,848.6 万美元交易量。 如果 Agent 要开始互相雇佣，付款只是开头，履约和争议处理才是后半程。

Your Oct. 13 post said an economy needs recourse, not just transactions. Your Oct. 16 post added that GenLayer can help resolve a contract dispute while leaving the courts available. What should trigger the handoff from an automated decision to a human judge? I’m curious because a fast ruling only builds trust if both sides know when they can challenge it. @kstellana @GenLayer

四大云厂 capex 7500 亿 Bloomberg 数据：Meta、Amazon、Microsoft、Google 今年资本开支合计约 7500 亿美元，几乎全部投向 AI 数据中心； 同比增长80%（去年 4100 亿），相当于给每个美国家庭开 5500 美元支票，甚至超过了比利时或爱尔兰等国家的国内生产总值（GDP）。 最新的财报及业绩指引显示，在人工智能需求激增的背景下，各家公司的资本支出预期分别为： 微软和 Alphabet 各约 1900 亿美元，亚马逊约 2000 亿美元，Meta 则在 1250 亿至 1450 亿美元之间。 这些投入主要源于对 GPU/服务器、电力基础设施以及数据中心建设的需求。

OpenCode 披露昨夜遭大规模 distillation attack，影响 1.4% Console 用户（仅限绑定外部 provider 者），正与 Anthropic、OpenAI、Google 联合处置；创始人称个人账户亦被攻击。 攻击者未经授权访问了该平台的一个旧版系统，导致部分用户所存储的 API 密钥遭到泄露。 此次泄露引发了大规模的“模型蒸馏”攻击，攻击者利用窃取的密钥，在短时间内生成了海量的模型输出，旨在用于训练竞争系统； 这导致部分受影响用户收到了数额异常高昂的账单。 OpenCode 已通过电子邮件通知了受影响用户，建议他们撤销相关密钥并审查其使用情况。 目前，OpenCode 正在与相关服务提供商合作进行补救，事件处理工作仍在进行中。