DGrid AI 完成 500 万美元种子轮融资，半年营收突破 2300 万美元
相关推荐
去中心化AI推理网络DGrid AI完成500万美元种子轮融资
PANews 7月21日消息，据官方消息，去中心化AI推理网络DGrid AI宣布完成500万美元种子轮融资，投资方包括Waterdrip Capital、IoTeX、Paramita和Zenith Capital。 据悉，DGrid AI是一个去中心化AI推理网络，为链上AI模型的运行和变现提供分布式计算基础设施，使开发者能够在去中心化GPU网络上部署、验证和执行AI工作负载。项目集成区块链支付和证明系统，为计算提供方实现透明结算和公平报酬，面向AI和DePIN应用场景。
DGrid AI 与 Meituan LongCat 达成官方合作，并上线美团 LongCat-2.0 模型
ChainCatcher 消息，去中心化 AI 基础设施网络 DGrid AI 宣布与 Meituan LongCat 建立官方合作关系，并已上线美团旗下 LongCat-2.0 模型。全球开发者与 AI Agent 构建者即日起可通过 DGrid 去中心化 AI Gateway，低成本、高可用地接入这一模型。 LongCat-2.0 专为真实场景下的 Agentic Coding（智能体编程）打造，采用 1.6T 参数、约 48B 激活的架构，支持高效的 100 万 token 长上下文推理，并通过 LongCat Sparse Attention 提升长文本工作流的处理速度。模型融合了 Agent、推理与交互能力于一体，在代码理解、生成与执行方面表现突出。 DGrid 是聚合全球主流 AI 模型的去中心化 AI 基础设施，当前已接入 Claude、GPT、Gemini、MiniMax、GLM 等 200+ 模型，通过统一 API 实现一站式调用。此次 LongCat-2.0 的接入，是 DGrid 在模型供给侧的又一次扩充。随着更多优质模型持续上线，DGrid 正在成为 AI 开发者获取多元模型能力的统一入口，为下一代智能应用提供更开放、更灵活的基础设施支撑。
DGrid 正式上线去中心化 AI 模型市场，模型提供方可自由上架并获链上收益
火星财经消息，去中心化 AI 智能网络 DGrid 宣布，其去中心化 AI 模型市场（DGrid Model Marketplace）正式上线。该市场面向三类模型供给方开放：模型开发者、模型微调者，以及具备算力基础设施能力的模型部署者，均可在平台上自由上架模型、自主定价，并在模型被调用时获得实时结算的收益。对开发者而言，市场提供统一入口，可发现、比较并通过一个统一的 API 直接调用各类模型，无需在不同平台间切换或对接多套接口。DGrid 表示，模型市场是其网络的"供给侧"，与负责调用的 AI Gateway（接入侧）协同工作，共同连接 AI 的创造者与使用者。目前 DGrid 已聚合 Claude、GPT、Gemini、MiniMax、GLM、Kimi 等 200 多种主流模型，付费用户超过 15,000 名。在质量保障方面，市场由 DGrid 自研的 Proof of Quality（PoQ）机制支撑。PoQ 通过平台自有的基准测试集对模型提供方进行独立、随机抽检，并将验证结果上链，以此保证服务质量与定价透明——该机制不触碰用户的调用数据。DGrid 团队核心成员拥有 Stony Brook University 等院校的博士背景，已围绕 PoQ 发表 4 篇学术论文。目前，DGrid Model Marketplace 已正式上线。模型提供者可申请入驻，开发者也可通过平台体验一站式 AI 模型发现与访问服务。
数据：Abraxas Capital 转移约 1.36 亿美元资产，向 Bitfinex 存入 6119 万枚 USDT 并向 Spark 供应 4 万枚 ETH
ChainCatcher 消息，据 Onchain Lens 监测，Abraxas Capital 向 Bitfinex 存入 6119 万枚 USDT，价值约 6119 万美元；另通过 Spark 协议的 Wrapped Token Gateway 供应 4 万枚 ETH，价值约 7517 万美元。总转移金额约 1.36 亿美元。
Claude Code官方省Token指南：11个技巧让额度用得更久
据动察 Beating 监测，Anthropic 发布 Claude Code 省 Token 指南。核心就一句：上下文越长，后面每一轮越贵。聊天、文件和命令输出都会继续占用 Token，也会因此更快消耗额度。 整理下来，有 11 个最实用的技巧： 1. 换任务就 /clear。一个任务做完就清掉上下文。还在做同一个任务，只是前面的内容没用了，再用 /compact 压缩。长会话越往后越贵，因为每一轮都会重新带上之前的内容。 2. 模型和 effort 开局就选好。中途执行 /model 或 /effort 会打掉 prompt cache（提示词缓存），下一轮需要重新处理整段上下文。Fast mode 也是一样，最好一开始就开。 3. 离开前先 /compact。订阅用户的缓存约 1 小时过期，API Key 默认约 5 分钟。缓存过期后再回来，下一轮通常要重新处理整个上下文。趁缓存还在时压缩更便宜。 4. 最近几轮跑偏就 /rewind。它只删掉后面几轮，前面的缓存还能继续用。/compact 会重写整个对话，成本更高。 5. 文件直接用 @ 文件名。Claude 会在第一轮直接拿到文件，可以省掉一次 Read 或搜索。一个文件通常只需要 @ 一次，重复 @ 反而可能把同一文件再塞一份进上下文。 6. Prompt 尽量说具体。与其说「测试挂了」，不如直接告诉 Claude 哪个测试、哪个文件。否则它可能先 grep、搜索、读一堆文件，这些结果之后每一轮都会继续占上下文。 7. 测试和日志尽量少输出。Build、测试、git log 的输出都会留在上下文。可以加 quiet 参数、只输出错误，或者用 tail 截断。Claude Code 对超过 3 万字符的命令输出反而会自动写入文件，只把摘要和路径留在会话里。 8. 用 /context 查启动负担。新会话一开始就可以看 CLAUDE.md、MCP 和工具定义占了多少上下文。CLAUDE.md 只放通用规则，专项流程放进按需加载的 Skill，不用的 MCP 用 /mcp 关掉。 9. 简单任务用更小的模型、更低的 effort。大模型输入和输出都更贵，thinking 也属于输出 Token。纯执行类任务没必要一直用最高档模型和最高推理强度。 10. 大日志交给 subagent，小任务别滥用。Subagent 有独立上下文，只把最终结果带回主会话，适合读大量日志、搜索文档。但它也要重新读文件、自己跑多轮，小任务反而可能更贵。搜索、读日志这类任务还可以指定 Haiku 或 Sonnet。 11. /loop 最好单独开会话。每次循环都是完整的一轮，会重复携带当前会话的全部上下文。如果间隔超过缓存时间，还可能叠加一次缓存失效。官方建议另开终端，用一个干净会话专门跑循环。 Anthropic 的建议归根结底就是：少塞无用内容，任务结束及时清，会话别拖得太长。
Thrive Capital斥资2.15亿美元重仓亚马逊，布局AI购物与云计算增长机会
Odaily星球日报讯 由 Joshua Kushner 创立的风险投资机构 Thrive Capital 已买入约 2.15 亿美元 Amazon 股票，进一步扩大其对公开市场公司的投资布局。 根据监管文件披露，Thrive Capital 此次投资将使其获得亚马逊在人工智能领域增长机会的敞口，包括 AI 智能购物代理（agentic AI shopping tools）以及面向企业客户的 AI 计算基础设施服务。 本月早些时候，亚马逊市值首次突破 3 万亿美元，成为全球第五家达到这一里程碑的公司。市场持续关注其在生成式 AI、云计算业务以及 AI 驱动电商领域的发展潜力。 Thrive Capital 此前以投资早期科技公司闻名，投资组合包括 SpaceX、Stripe 和 OpenAI 等。近年来，该机构逐渐增加对上市公司的投资，包括 Figma、StubHub 和 Oscar Health 等。 今年早些时候，Thrive 还向投资者披露已投资约 1 亿美元买入 Shopify 股票，理由是 AI 技术正在推动电商行业的新一轮增长。 此次投资显示，Thrive Capital 正在从传统风险投资模式进一步向“AI 时代核心资产投资者”转型，通过布局大型科技公司分享人工智能基础设施和应用生态增长红利。（彭博社）