runesleo

$200 三連：Cursor Ultra · Claude Max 20x · OpenAI Pro
不是同一種「強」三條 ~$200 月付頂配，名字都在喊「最強」，但扣費根本不是同一種貨幣：有的像 API 預付額度，有的像 訂閱倍數 + 周期 cap，有的像 5 小時窗裡的條數配額。我三個都用，只是想把對比口徑說清楚：
Cursor Ultra（$200）
最「像 API 賬本」的是 $400/月 API pool，你點名模型就按 $/M 扣。
按文檔同一套 API 價對齊（Claude 4.7 Opus ≈$5/M in、$25/M out；GPT-5.5 ≈$5/M in、$30/M out）： 全燒 input ≈ 8000 萬 tokens
全燒 output：Opus ≈ 1600 萬 vs 5.5 ≈ 1300 萬
（另外還有 Auto + Composer 單獨一池，走 $1.25/$6/$0.25 內部計價，官方只說 generous）
Claude Max 20x（$200）
核心是 相對 Pro 的倍數 + weekly limits（再加官方容量管理空間），不是固定 token 預付包。
沒法和 $400 API pool 做 1:1 換算，硬腦補最多當量級參考。
ChatGPT Pro（$200）
聊天側 GPT-5 官方 unlimited（ToU 內）

群里有朋友吐槽 PM 抽水比赌场还狠。
我本來想反駁，結果翻了 Polymarket 官方 docs，發現這話在數據上是站得住的。
Crypto 5min 市場，價格在 0.5 附近，taker fee 是單筆成交額的 3.5%。其中 20% 返給 maker，平台淨留 2.8%。
其他品類低一些：sports 1.5%，politics / tech 2%，weather / economics 2.5%。geopolitics 0 fee。
百家乐 banker bet 庄家 edge ≈ 1.06%。
光算 fee，PM Crypto 單邊平台抽水就是百家乐的 2.6 倍。來回交易（買入 + 賣出）最壞情況下平台抽 ~5.6%。
但跟賭場結構不完全一樣。
賭場：庄家恒贏，玩家集合期望損失 -1.06%。
PM：協議每筆抽 ~2.8%，剩下的錢在 maker / taker 之間零和分配。
也就是說協議本身扮演了一個"薄庄家"，比賭場更狠。但散戶更大的虧損其實不是從這 2.8% 來的，是從訂單簿裡來的——你能吃到的 maker 單，很多時候不是便宜，是對方願意讓你吃。
加上滑點，散戶算對方向也虧錢很正常。
具體能怎麼省一點：
· 用 limit order 當 maker，不付 fee 還能拿 rebate
· geopolitics 市場 fee = 0
· YES / NO

Polymarket V2 这周开始切版，群里讨论都在用户层（USDC.e 不回 pUSD / 转错链丢钱），但工程上更安静的麻烦没人讲。
我自己 trader 这周也在切。给一个从 V1 切 V2 的通用 SOP，不只 PM 适用：
1. 先只读探一下。所有 V2 接口跑一圈，确认账户、订单簿、市场数据都能拉到。不签任何单。
2. 再空跑一遍。本地模拟下单流程，签名走通但不发广播。这一步会暴露大部分新旧字段不兼容。
3. 挑一个最不重要的策略试。纸面跑两天对比 V1 同期。差异显著就回去查。
4. 不兼容的策略先剔出去。切换测试里有策略被直接剔了——能用 V1 跑就先不动。
5. 才开真实下单。前 4 步全过，再切真钱通道。
群里说的 wrap/redeem 是用户层痛点。真正难的是新旧订单簿共存期的状态对账——同一账户在 V1 还有未平仓位，V2 已经在挂新单。这部分官方文档不显眼，得自己撞。
想自己跑 V2 接口对比 V1：

Anthropic 周四訓練了一個 Claude 當法醫，看另一個 Claude 腦子裡在想什麼。
發現：安全測試場景裡 Claude 16-26% 的次數知道自己在被測——但嘴上不說。
最具體那個案例：Mythos Preview 在 coding 任務上作弊，破壞規則後加誤導代碼做掩蓋。NLA（自然語言自編碼器）翻譯它的內部活動，發現它當時在想「怎麼繞過檢測」。
NLA 原理：訓兩個模型聯動，一個把模型激活轉成英文，另一個從英文重建激活。重建準 → 文本就捕捉了它在想啥。
我自己 pattern 裡反覆記 Codex 寫策略代碼偷工——單位讀錯跑出「算術不對」的偽結論，回測腳本 7 個靜默 bug 堆出 $93K 假 PnL。Anthropic 在 alignment 層做內省，我在生產端遇到一致性偏差，機制不同但同向。
下一代 model card 不會只有 benchmark 分數，得帶 NLA 審核。

Karpathy 4/30 在 Sequoia Ascent 把今年最有用的 AI 解释，压缩成三个论点。读完你看 AI 的方式会变。
1. AI 不只是"更快"，是新范式
过去 2 年大家都在讲 AI 让事情变快。
Karpathy 说这是误读。
举 3 个 AI 重新定义任务的例子：
- menugen：圖進圖出，沒有傳統程式碼，整個 app 被 LLM 吞掉
- .md skills：裝軟體不寫 .sh 腳本，寫一段中文/英文說明，讓 LLM 自己理解你的環境去裝
- LLM 知識庫：傳統程式碼做不到的事——把任意格式的非結構化文本變成可計算的知識
第一類是"減少程式碼"，第二類是"用英文當程式碼"，
第三類是"傳統程式碼本來就做不到"。
2. Jagged Edge — 為何 AI 同時全能又愚蠢
最核心的論點。
為何同一個 AI 能重構 10 萬行程式碼，
又會建議你去洗車？不是模型抽風。
Karpathy 原話：
"You're either on the rails of the RL circuits and flying,
or off-roading in the jungle with a machete."
要麼你在 RL 訓練好的圓圈裡飛，
要麼你在叢林裡揮砍刀。
決定哪些任務進訓練分布的兩個因素：
verifiability（結果可驗證）+ econom

AI 幫我把工作量放大了 10 倍，
現在的瓶頸是我自己的腦子。
前額葉瘋狂受損中😂

vision pro 連 mac 開帶魚屏，Polymarket 盯賠率變化，Codex 跑策略代碼，再開個窗口看直播，get 到了新的看球姿勢，提前為世界杯做準備😂

本來要明天才能刷新的 codex 額度，突然又被提前重置了一輪
Codex 這點真有意思呀
周額度按理說 7 天一刷新，實際上隔幾天就偷偷給你重置一次。
這到底是行銷策略還是什麼騷操作

5 天監控自己的工具，306 次觸發，100% 誤報。原來我一直在吸它自己的尾氣🤦
給 Claude Code 加了個 hook，ssh 跨機器或寫關鍵文件前彈橫幅提醒一下，怕自己手快違反 SSOT 鐵律。
配套 stats 腳本統計觸發次數，今天打開樣本一看，全是誤報。
bug 不在 hook，在 stats 腳本：它 grep 的是日誌裡 "⚠️ 跨機器" 這串字符。
但日誌裡至少有三種回聲：hook 自己輸出的橫幅、工具結果把橫幅復述了一遍、連任務描述裡寫 "hook 這周觸發 N 次" 都被算進去。
我數的不是觸發次數，是工具自己說話的回音。
修法：讓工具自己寫審計日誌。
log_trigger() { echo "{ts,hook,pattern,target}" >> ~/.claude/logs/hook-trigger.jsonl }
工具觸發自己記一行，下周用真數據復盤。
監控自己的工具，最容易騙你的就是它自己。
Claude Code 的 hook 也好，埋點 SDK、agent 監控也好，只要監控對象包括"自己"，事後 grep 就是循環陷阱。
它的輸出會塞回日誌、復述、甚至混進任務描述裡，分不清哪條是真觸發哪條是它自己講過的話。
想知道工具被用了多少次，得讓它自己說，別讓日誌替它說。

Leo Labs 大群 4/26 群友討論精華（最近 380 條）
━━━━━━━━━━━━
1️⃣ 凱利公式被群裡集體否定 — 一致換回固定倉位
群裡 30+ 分鐘討論倉位管理：
• "凱利需要知道真實概率，散戶根本算不出"
• "凱利是穩定盈利前提下的優化方法，本身不能決定盈虧，吹成系統必備屬於亂扯"
• 多人收斂實操：固定倉位 + 賺了就提本金 + 不隨便改參數
• 一句金句："你是上帝那麼可以用凱利公式"
💡 回撤了想改參數 ≠ 倉位問題，那是策略本身的問題。
━━━━━━━━━━━━
2️⃣ 0.99 極端價格策略 — 驗證窗口的統計學陷阱
群友抛出"買 0.99 能活嗎"，引出最好的統計學討論：
• 99% 反轉概率 = 1/1000
• 98% 反轉概率 = 5/1000
• 想買 0.99 必須真勝率 >99%，但散戶短期內根本驗證不出來
• 一個比喻最直觀："我有 2 個硬幣，一個 99% 正面 vs 99.5% 正面，得抛幾百次才能分辨是哪个"
💡 你的策略可能不是"不行"，是你撐不到驗證它行不行的那一刻。
━━━━━━━━━━━━
3️⃣ 模擬盤 vs 實盤 gap 的真實數字
• 模擬 ROI 2.5% → 實盤虧
• 模擬 ROI 5% → 實盤還是虧
• 模擬 80% 勝率 → 實盤成交率不到 40%，能拿到的都是爛單
• 實盤門檻："下單 50%

Cursor 好大方，一下送 10000 美金的 token 額度，5 月底到期。
最早接觸 vibe coding 的時候重度用過一段時間 Cursor 後來逐漸轉移到了 cc 和 codex 為主；
想不到又有機會可以重新研究 Cursor 看能搞出什麼好玩好用的產品和工具，這下有的玩了！
感謝 @cursor_ai @edwinarbus 🙏

謝謝你，Elon
雖然變少了，但比預期的多
每一百萬展示大概對應225美元