CHROMA тепер на GitHub. Ви можете клонувати її, запустити сканер і перевірити, як вона працює. Я опублікував CHROMA v0.2: відкритий інструмент дослідження Solana зі скануванням ринку в реальному часі, вісьмома пояснюваними перевірками, ранжованою чергою цілей та локальною історією подій. https://t.co/2tmx1901C4 Доступні три режими: → DEMO — офлайн-інструкція з синтетичними цілями → SCAN — дані DEX Screener в реальному часі, ранжування кандидатів та повторні спостереження → TRADE — котування Jupiter, симуляція транзакцій та явне підтвердження виконання обміну Вісім перевірок охоплюють наявність ціни, ліквідність, обсяг, активність, купівельний тиск, стабільність ціни, вік пари та оборот. Порогові значення видимі та налаштовувані. Оцінка — це дослідницький фільтр, а не гарантія безпеки чи прибутковості токена. Кожне збережене спостереження зберігає виміри, порогові значення та зміни статусу разом. Ви можете переглянути історію, додавати зауваження та експортувати записи у форматі JSON або Markdown. Сканування вимагає Node.js 22+, без гаманця, ключів API чи встановлення пакетів. Торгівля має окремі залежності та налаштування гаманця. Сканування ніколи не розміщує замовлення автоматично; виконання вимагає окремої команди та підтвердження для кожного замовлення. Репозиторій містить інструкції з налаштування, методологію, конфігурацію, тести та зауваження щодо безпеки. Ліцензовано під MIT. Спробуйте робочий процес, перевірте правила та створюйте питання, якщо щось потрібно виправити. Реалізація тепер відкрита, включаючи частини, які варто запитувати.

НА ЕКРАННОМУ ЛІЧИЛЬНИКУ CHROMA ЗАКРИТО НА +28,64 SOL. ЗАКРИТО 13 ПОЗИЦІЙ. ВІДФІЛЬТРОВАНО 5 КАНДИДАТІВ. Я створив CHROMA, щоб поєднати виявлення токенів, вісім паралельних перевірок та журнал прийняття рішень, який супроводжує кожного кандидата від входу, через відстеження до виходу. Фінальні показники, відображені у відео: → Лічильник сесії: +28,64 SOL → Остання закрита позиція, OPAL: +5,22 SOL → Оброблено сигналів: 2 520 → Закрито позицій: 13 → Відфільтровано кандидатів: 5 Робочий процес зберігає в одній історії як обрані, так і відхилені кандидати. Кожен результат повинен пов’язуватися з перевірками та рішеннями, що передували йому. Це цифри, відображені у анімації, а не підтверджений торгівельний прибуток. Визначення реалізованого чистого прибутку вимагає запису виконання, який включає витрати, комісії та збитки. Мета — зробити число зрозумілим: які позиції дали прибуток, що було відхилено та що залишилося після виконання.

LEOPARD SCAN: 277,78 SOL → 310 SOL. +32,22 SOL. ЗБІЛЬШЕННЯ НА 11,6% ВІД ПОКАЗАНОГО БАЛАНСУ. Я створив Leopard Scan, щоб відстежувати можливості, пріоритизувати кандидатів і робити історію кожного цільового об’єкта відстежуваною. Сесія, зафіксована у відео, містить: → Початковий баланс: 277,78 SOL → Кінцевий баланс: 310,00 SOL → Показаний дохід за сесію: +32,22 SOL → Збільшення балансу: +11,6% → Записаних захоплень: 5 Робочий процес має чотири основні завдання: → SCAN — виявлення кандидатів, яких варто відстежувати → TRACK — підтримка їхнього статусу зі зміною умов → PRIORITIZE — організація черги цілей → RECORD — збереження послідовності подій та результатів Перегляд з п’ятьма цілями об’єднує оцінені значення, статус відстеження та історію активності. Мета — показати, чому об’єкт став ціллю і що сталося після цього, а не залишати лише графік балансу як єдиний запис. Це дані на екрані, а не підтверджений торгівельний запис. Реалізований чистий прибуток повинен враховувати витрати на виконання, комісії, збитки та будь-які депозити чи зняття коштів. Репозиторій GitHub та працюючий сканер з’являться дуже скоро. Випуск перенесе проект на етап публічного тестування, де реалізацію можна буде перевірити, а результати — безпосередньо оцінити. Сканер повинен заробити своє місце завдяки повторюваним результатам, а не переконливому скріншоту.

Найпростіший спосіб зруйнувати цифровий образ — наблизити камеру. У мініатюрному розмірі посмішка і м’який силует виконують всю роботу. Коли збільшуєте, стають помітними всі спрощення: плоска шерсть, однакові волосинки, шарф, що виглядає як приклеєний до тіла. Цей дот-дослід піддає ці деталі мікроскопічному дослідженню. → подивись — проаналізуй форму та поверхню → розчеши — визнач напрямок волокон → фокусуй — розкрий окремі волосинки → надай руху — додай руху через шерсть → перевір — оціни силует та межі → збережи — зафіксуй стан для наступного проходу Корисна деталь — скільки відбувається без зміни виразу. Шерсть ловить світло, вільні волосинки розбивають контур, а рожевий шарф надає м’якості іншу текстуру, з якою можна порівняти. Інтерфейс позначає шерсть як 168K волосинок. Її телеметрія ілюстративна, тому ці лічильники не є показником продуктивності. Саме наближення — те, що може оцінити глядач. Більше деталей не означає автоматично більш переконливий результат. Якщо все згинається разом, ловить однакове світло й рухається з однаковою швидкістю, це все ще виглядає як один пластиковий об’єкт. Персонаж починає виглядати живим, коли його найменші частини перестають виглядати однаково.

Сем Олтман спостерігає, як творці перетворюють запити на платні розсилки за допомогою Fanvue + Higgsfield, тоді як ви на сьомій версії ChatGPT двохрядкового листа

$15 728 → $23 831 за одну сесію. Гаманець, який ви копіюєте, може бути ботом. Я створив трекер за $0, який прямо з ланцюжка повідомляє вам, чи безпечно за ним слідкувати. Він називається WolfBrain. Мій стіл слідкує лише за старими, тихими гаманцями, які проходять усі перевірки. Кліп — це реєстр цієї сесії. +8 153 $, +52% Велика покупка → потрапляє в блок → з’являється на моєму екрані → я бачу гаманець, який стоїть за нею Вставте будь-який гаманець — і він скаже вам: sniper, flipper, accumulator, whale чи bot. Рішення надходять від TypeSafe Jev. Код витягує факти, Jev аналізує і повідомляє, наскільки впевнений. Немає підключення гаманця, немає ключів, немає реєстрації. Вставте гаманець, який ви копіюєте. Цікаво, що він визначить для вашого.

Хлопець, який допоміг створити ChatGPT, зібрав 40 мільйонів доларів на модель, яка не може написати навіть одного речення. Діогу Алмейда працював у OpenAI над ChatGPT та InstructGPT. Два роки в таємниці. 15 вересня він представив Jev. ChatGPT навчив моделі говорити. Jev фізично не здатний до прози. Він робить одне: приймає рішення. Так чи ні. Який варіант. Наскільки терміново. 70–500 мс на рішення. $0,042 за мільйон токенів. Тепер відкрийте свого агента. Кожного разу, коли він запитує: «Чи є цей джерело релевантним?» або «Хто наступний працівник?» — він платить передовій моделі, щоб вона голосно міркувала над так/ні. Ось і розкриття. Один розробник класифікував 500 листів за 3,5 цента. Всього. Не за лист. Інший підключив його до реального order book Monad. Реальний ордер кожні 300 мілісекунд. У їхньому власному тесті Jev досяг консенсусу передових моделей на 67,8% за $0,0004 за випадок. GPT-5.6 Terra показав 67,9% за $0,0304. Та сама точність. Приблизно в 76 разів дешевше. Модель, яка пише, і модель, яка приймає рішення, не повинні бути однією і тією ж моделлю.

МОЙ ТЕРМІНАЛ ПІДНЯВ $5 007 ДО $8 625 за кілька годин. З’явилося 25 міток. Я взяв 12 і залишив 13. Ті, яких я залишив, були гучними. Ті, які я взяв, спали рік — одна з них була бездіяльною 363 дні, і вони почали рухатися ще до того, як будь-який фід сказав щось. Кліпи навмисно залишалися малими. Вплив на ціну — менше двох відсотків, тому ніщо з того, що я робив, не з’являлося в книзі до виконання. 83 відсотки виконань повернулися з зеленим кольором. Пропущені були дешевими, бо розмір ніколи не був метою. Перевага — не в баченні більшого, а в спостереженні за гаманцями, які ніхто не перевіряв з минулого року.

ЛОПА БУЛА ВІДПОВІДЮ ЗАВЖДИ. НІХТО НЕ СКАЗАВ ТЕБІ, ЩО ВОНА МОЖЕ ЗАВЕСТИ ТЕБЕ У БАНКРОТСТВО. Я казав це з першого дня: ти перестаєш запитувати — і починаєш запускати цикли. Агенти, які відправляють, діють, перевіряють, запам’ятовують, передають — і ніколи не чекають на тебе. Частина, яку я не міг пояснити до цього моменту: цикл, що працює 8 годин, помирає від квадратичної вартості токенів уже до другої години. Кожен крок знову читає всі попередні кроки. Транскрипт — це вбивця. @Marko_Poly щойно написав рішення. Та ж задача, та ж модель: 1 062 387 токенів з повною історією, 65 408 — із файлом стану. У 16 разів дешевше — і результат кращий. Ти не виграєш еру циклів більшою моделлю. Ти виграєш її, платячи за стан, а не за транскрипт. За що платить твій цикл?

166 700 клітинок мозку мухи-дрозофіли виконали пілотування FPV-дрону в стіну. Той самий симульований мозок, що раніше набирав FizzBuzz. Тепер він отримав кермани. Він назвався FPV PILOT. NeuroMechFly розміщує муху на пульті управління стилю DJI. Візуальні нейрони читають потік даних з дрона — ліве око на 177 Гц, праве око на 129 Гц. Нейрони керування зміщують важелі. Швидкість руху вперед — 1,49 м/с через руйнований пустельний містечко. Кожен поворот декодується безпосередньо з активних клітин — 6 588 імпульсів на крейсерській швидкості. Через 8,8 секунди: стіна. При зіткненні мозок спалахує: 15 628 клітин активні — більше ніж удвічі більше, ніж на крейсерській швидкості. Потім зображення перетворюється на чорне. Сигнал втрачено. Вперед: 0,00 м/с. Поворот: 0,00 рад/с. 100 мільйонів років еволюції, щоб уникати мухобоїв. 9 секунд проти цегляної стіни.