CHROMA artık GitHub'da. Klonlayabilir, tarayıcıyı çalıştırabilir ve nasıl çalıştığını inceleyebilirsiniz. CHROMA v0.2'yi yayınladım: Canlı piyasa taraması, sekiz açıklanabilir kontrol, sıralı hedef kuyruğu ve yerel olay geçmişi içeren açık kaynaklı bir Solana araştırma aracını. https://t.co/2tmx1901C4 Üç mod dahildir: → DEMO - sentetik hedeflerle çevrimdışı bir adım adım kılavuz → SCAN - canlı DEX Screener verileri, aday sıralaması ve tekrarlı gözlemler → TRADE - Jupiter teklifleri, işlem simülasyonu ve açıkça onaylanan takas yürütmesi Sekiz kontrol, fiyat mevcudiyeti, likidite, hacim, aktivite, satın alma baskısı, fiyat istikrarı, çift yaşı ve devirini kapsar. Eşikler görünür ve yapılandırılabilir. Puan bir araştırma filtresidir, bir tokenin güvenli veya karlı olduğunu garanti etmez. Her kaydedilen gözlem, ölçümleri, eşikleri ve durum değişimlerini birlikte tutar. Geçmişi inceleyebilir, not ekleyebilir ve kayıtları JSON veya Markdown olarak dışa aktarabilirsiniz. Tarama için Node.js 22+ gerekir; herhangi bir cüzdan, API anahtarı veya paket kurulumu gerekmez. İşlem yapmak için ayrı bağımlılıklar ve cüzdan ayarları gerekir. Tarama asla otomatik olarak bir emir vermez; yürütme için ayrı bir komut ve her emir için onay gerekir. Depo, kurulum talimatlarını, yöntemolojiyi, yapılandırmayı, testleri ve güvenlik notlarını içerir. MIT lisanslıdır. İş akışını deneyin, kuralları inceleyin ve bir düzeltme gerektiren bir şey varsa bir sorun açın. Uygulama artık kamuoyuna açıktır, sorgulanması değerli olan kısımlar da dahil.

CHROMA'nın ekran üzerindeki defteri +28,64 SOL ile kapanmıştır. 13 pozisyon sonuçlanmıştır. 5 aday filtrelenmiştir. CHROMA'yı, token keşfi, sekiz paralel kontrol ve her adayın giriş, takip ve çıkış sürecini izleyen bir karar günlüğü oluşturmak amacıyla geliştirdim. Video'da gösterilen kapanış verileri: → Oturum defteri: +28,64 SOL → Son kapanan pozisyon, OPAL: +5,22 SOL → İşlenen sinyaller: 2.520 → Sonuçlanan pozisyonlar: 13 → Filtrelenen adaylar: 5 İş akışı, seçilen ve reddedilen adayları aynı geçmişte tutar. Her sonuç, onu izleyen kontroller ve kararlarla bağlantılı olmalıdır. Bu rakamlar, animasyonda gösterilen verilerdir, doğrulanmış bir işlem geliri değildir. Gerçekleşmiş net kârın belirlenmesi, maliyetleri, ücretleri ve kayıpları içeren bir yürütme kaydını gerektirir. Amaç, sayının açıklanabilir olmasını sağlamaktır: hangi pozisyonlar katkıda bulundu, ne reddedildi ve yürütme sonrası ne kaldı.

LEOPARD SCAN: 277,78 SOL → 310 SOL. +32,22 SOL. GÖRÜNTÜLENEN BAKİYEDE %11,6 ARTIŞ. Leopard Scan’ı, fırsatları takip etmek, adayları önceliklendirmek ve her hedefin arka planını izlenebilir hale getirmek için oluşturdum. Video da gösterilen oturum şu bilgileri kaydeder: → Başlangıç bakiyesi: 277,78 SOL → Bitiş bakiyesi: 310,00 SOL → Gösterilen oturum getirisi: +32,22 SOL → Bakiye artışı: +11,6% → Kaydedilen yakalamalar: 5 İş akışı dört temel görevden oluşur: → TARİHLE: İzlenmeye değer adayları belirle → TAKİP ET: Koşullar değiştiğinde durumlarını güncelle → ÖNCELİKLENDİR: Hedef sırasını düzenle → KAYDET: Olay ve sonuçların sırasını koru Beş hedefli görünüm, tahmini değerleri, takip durumunu ve etkinlik geçmişini bir araya getirir. Amaç, yalnızca bir bakiye grafiğini bırakmak yerine, bir şeyin neden hedef haline geldiğini ve sonrasında ne olduğunu göstermektir. Bu rakamlar ekran görüntüsü verileridir, doğrulanmış bir işlem kaydı değildir. Gerçekleşmiş net kâr, yürütme maliyetlerini, ücretleri, kayıpları ve tüm yatırımları ya da çekimleri dikkate almalıdır. GitHub deposu ve çalışan tarayıcı yakında yayınlanacaktır. Yayın, projeyi halka açık test aşamasına taşıyacak; uygulama incelenebilecek ve sonuçları doğrudan değerlendirilebilecektir. Bir tarayıcı, ikna edici bir ekran görüntüsüyle değil, tekrarlanabilir sonuçlarla yerini kazanmalıdır.

Bir dijital karakteri mahvedmenin en kolay yolu, kamerayı daha da yaklaştırmaktır. Küçük bir küçük resim boyutunda, bir gülümseme ve yumuşak bir siluet büyük bir iş görür. Yakınlaştırıldığında ise her kısayol görünür hale gelir: düz tüy, birbirinin aynısı iplikler, vücuduna yapışmış gibi görünen bir atkı. Bu nokta çalışması, bu detayları bir mikroskop altında inceler. → gözlemle – şekli ve yüzeyi incele → fırçala – ipliklerin yönünü belirle → odaklan – bireysel iplikleri görünürlük kazandır → akış ver – tüy örtüsüne hareket kazandır → kontrol et – silueti ve sınırları incele → koru – bir sonraki geçiş için durumu koru Kullanışlı detay, ifadeyi değiştirmeden ne kadar şeyin gerçekleştiğidir. Tüy örtüsü ışığı yakalar, gevşek iplikler silueti bozar ve pembe atkı yumuşaklığı farklı bir dokuyla karşılaştırır. Arayüz, tüy örtüsünü 168 bin iplik olarak etiketler. Telemetri verileri örnekleyici olduğundan, bu sayaçlar bir performans ölçütü değildir. Yakın çekimler, izleyicinin gerçekten değerlendirebileceği unsurlardır. Daha fazla detay otomatik olarak daha ikna edici değildir. Eğer her şey birlikte bükülür, aynı ışığı yakalar ve aynı hızda hareket ederse, hâlâ bir plastik nesne gibi görünür. Bir karakter, en küçük parçalarının birbirinin aynısı gibi görünmeyi bıraktığı anda canlılık hissi vermeye başlar.

Sam Altman, Fanvue + Higgsfield ile yaratıcıların talimatları ücretli içeriklere dönüştürmesini izlerken, siz iki satırlık bir e-postanızın 7. ChatGPT revizyonundaysanız

BİR OTURUMDA 15.728 $ → 23.831 $. KOPYALADIĞINIZ CÜZDAN BİR BOT OLABİLİR. BANA, DİREKT OLARAK ZİNCİR ÜZERİNDEN TAKİP ETMENİN GÜVENLİ OLUP OLMADIĞINI SÖYLEYEN $0 TAKİP ARACI İNŞA ETTİM. Bu aracın adı WolfBrain. Masam sadece her kontrolü geçen eski, sessiz cüzdanları takip eder. Klip, o oturumdaki defterdir. +8.153 $, +52% Büyük alım → bir bloğa düşer → ekranımda görünür → arkasındaki cüzdanı görürüm Herhangi bir cüzdanı yapıştırın ve size: sniper, flipper, accumulator, whale veya bot olduğunu söyler. Tahminler TypeSafe Jev'den gelir. Kod verileri çeker, Jev karar verir ve ne kadar emin olduğunu söyler. Cüzdan bağlama, anahtar, kayıt yok. Kopyaladığınız cüzdanı yapıştırın. Benim için hangi ismi verdiğini merak ediyorum.

ChatGPT'yi oluşturmaya yardımcı olan kişi, tek bir cümle bile yazamayan bir model için 40 milyon dolar topladı. Diogo Almeida, ChatGPT ve InstructGPT için OpenAI'de çalıştı. İki yıl boyunca gizli kaldı. 15 Eylül'de Jev'i sundu. ChatGPT, modellere konuşmayı öğretti. Jev ise fiziksel olarak metin yazamaz. Sadece bir şey yapar: karar verir. Evet veya hayır. Hangi seçenek. Ne kadar acil. Her karar için 70-500 ms. Milyon token başına $0,042. Şimdi aracınızı açın. Her seferinde "Bu kaynak ilgili mi?" veya "Sonraki işçi kim?" diye sorduğunda, bir evrensel modelden evet/hayır konusunda sesli düşünmesini sağlıyorsunuz. İşte sızıntı. Bir geliştirici, 500 e-postayı sınıflandırdı ve toplamda 3,5 sent ödedi. Her e-posta başına değil. Başka biri, bunu canlı bir Monad emir defterine entegre etti; her 300 milisaniyede bir gerçek emir verdi. Kendi testlerinde, Jev, durum başına $0,0004 ile %67,8 doğrulukla evrensel model konsensüsüne ulaştı. GPT-5.6 Terra ise %67,9 doğrulukla $0,0304 maliyetle sonuçlandı. Aynı doğruluk. Yaklaşık 76 kat daha ucuz. Yazan model ve karar veren model aynı model olmak zorunda değil.

MY TERMINAL, birkaç saat içinde $5.007’den $8.625’e çıktı. 25 işaret geldi. 12’sini aldım, 13’ünü bıraktım. Bıraktığım işaretler gürültülü olanlardı. Aldığım işaretler ise bir yıldır uykuda olanlardı, biri 363 gün boyunca hareketsizdi ve hiçbir feed bir şey söylemeden önce harekete geçtiler. Kliplerin boyutu kasıtlı olarak küçük tutuldu. Fiyat etkisi %2’nin altında kaldı, bu yüzden doldurmadan önce yaptığım hiçbir şey kitaba yansımadı. Doldurmaların %83’ü yeşil döndü. Kaçırılanlar düşük maliyetliydi çünkü boyut asla amaç değildi. Avantaj, daha fazlasını görmek değil; geçen yıl beri kimse bakmayan cüzdanları izlemektir.

DÖNGÜ HER ZAMAN CEVAPTı. SANA BİTİRİLEBİLECEĞİNİ BİLDİRMEDİLER. Birinci günden beri söyledim: tetiklemeyi bırakın, döngüleri çalıştırın. Gönderen, harekete geçen, doğrulayan, hatırlayan, devralan — ve sizden hiçbir zaman beklemeden çalışan agenter. Şimdiye kadar cevaplayamadığım kısım: 8 saat boyunca çalışan bir döngü, ikinci saatte karesel token faturasıyla çöker. Her adım, kendinden önceki tüm adımları yeniden okur. Geçmiş kaydı ölümcüldür. @Marko_Poly tam olarak çözümü yazdı. Aynı görev, aynı model: tam geçmişle 1.062.387 token, durum dosyasıyla 65.408 token. 16 kat daha ucuz — ve daha yüksek puan aldı. Döngü çağında daha büyük bir modelle kazanmazsınız. Kazanmak için geçmişi değil, durumu ödersiniz. Döngünüz hangisini ödüyor?

166.700 meyve sineği beyni hücresi, bir FPV drone’u bir duvara çarptırdı. Aynı simüle edilmiş beyin, önce FizzBuzz’ı yazdı. Bu sefer bir kumanda aldı. FPV PILOT adını verdi. NeuroMechFly, sineği bir DJI tarzı uzaktan kumandaya yerleştiriyor. Görsel nöronlar, drone verisini okuyor — sol göz 177 Hz, sağ göz 129 Hz. Yönlendirme nöronları kumanda çubuklarını itiyor. Bombarde edilmiş bir çöl kasabasında 1,49 m/s ileri hız. Her dönüş, 6.588 nöronun seyahat sırasında ateşlenmesinden doğrudan çözümleniyor. 8,8 saniyede: bir duvar. Çarpma anında beyin parlıyor. 15.628 hücre aktif, seyahat hızına göre iki katından fazla. Sonra görüntü siyaha dönüyor. Sinyal kayboluyor. İleri: 0,00 m/s. Dönüş: 0,00 rad/s. 100 milyon yıl boyunca sinek kovucu kaçan bir evriliş. 9 saniye bir tuğla duvara karşı.