跳到主要內容

發表文章

目前顯示的是 7月, 2026的文章

Numerai 回購價值 120 萬美元的 NMR 股票,對沖基金資產規模達 7 億美元

Numerai (CRYPTO: $NMR) 已完成第三次策略回購,再次購買了價值 120 萬美元的 NMR,這家眾籌對沖基金正在擴大其資產、貢獻者基礎和鏈上激勵系統。 最新這筆交易使 Numerai 在不到一年的時間內回購 NMR 代幣總額達到 320 萬美元。該公司表示,此次回購是透過 Coinbase Institutional 平台在幾週內以接近或等於買入價的價格進行的,使其能夠在不給相對清淡的市場造成突然壓力的情況下積累代幣。 與以往的公告不同,Numerai 是在交易全部完成後才披露此次收購的。 https://kopyai.com/zh-tw/markets/view/type.stock.us/0/173 Picture Source unsplash

科技股暴跌,股市大幅收低

週五,標普 500 指數($SPX)(SPY)收跌 1.01%,道瓊工業平均指數($DOWI)(DIA)收跌 0.77%,納斯達克100指數($IUXX)(QQQ)收跌 1.49%。 9 月標普 500 指數迷你期貨(ESU26)下跌 1.02%,9 月那斯達克 100 指數迷你期貨(NQU26)下跌 1.51%。 週五,全球股市大幅下跌,標普 500 指數跌至一週低點,道瓊工業指數跌至兩周半低點,納斯達克 100 指數跌至五週低點。由於市場擔憂人工智慧發展帶來的巨額收益已超出合理估值,全球晶片製造商的拋售潮在周五繼續。這波暴跌始於亞洲,中國上證綜指下跌 3%,日本日經指數下跌 4%。在此之前,中國人工智慧新創公司 Moonshot 發布了其新的 Kimi K3 人工智慧模型,該公司稱該模型可與 OpenAI 和 Anthropic PBC 最強大的產品相媲美,引發了人們對該行業過度投資的擔憂。 「七大科技巨頭」的下跌也拖累了整體市場。 對股市而言,利多消息包括:密西根大學公佈的美國7月消費者信心指數漲幅超乎預期,創下5個月新高;一年期通膨預期降幅也超乎預期。此外,受原油價格飆升至5週高點的提振,能源股也隨之上漲。 週五公佈的美國住房市場數據好壞參半。 6 月新屋開工量較上月成長 19.0% 至 142.7 萬套,高於預期的 131 萬套。然而,作為未來建築量指標的 6 月份建築許可數量較上月下降 3.0% 至 136.7 萬套,低於預期的 140.3 萬套。 https://kopyai.com/markets/view/type.stock.us/0/172 Picture Source unsplash

棉花期貨交易在周末逐漸淡出

棉花期貨疲軟走勢延續至週五,當日合約收跌 62 至 89 點,12月合約本週累計下跌 291 點。原油價格上漲 3.50 美元/桶,美元指數上漲 0.011。 週五下午的交易員持股報告顯示,棉花期貨和選擇權的管理資金投機基金在截至週二的一周內,淨多頭頭寸增加了 10,578 份合約,達到 49,684 份合約。 https://kopyai.com/markets/view/type.stock.us/0/171 Picture Source unsplash

比特幣國庫公司出售 48% 的比特幣儲備以償還債務

Empery Digital(納斯達克股票代碼:EMPD)在轉向比特幣國庫策略的第一年內,以 8,710 萬美元的價格出售了 1,400 個比特幣。 此次出售的比特幣約佔其交易前比特幣持有量的 48%。 該公司前身是電動運動器材製造商 Volcon,於 2025 年 7 月轉型為比特幣資金儲備策略。比特幣資金儲備公司將比特幣作為核心企業策略持有在資產負債表上,通常使用股權或債務融資來建立儲備。 Empery 在 7 月 10 日的文件中披露了這筆交易 ,並表示其在 5 月 7 日至 7 月 10 日期間以平均每枚 BTC 62,200 美元的價格出售了比特幣。 比特幣資金管理公司面臨新的考驗 此舉推出之際,採用比特幣資金管理策略的公司正面臨壓力,需要在加密貨幣風險與營運成本、債務義務和新的投資計畫之間取得平衡。 Empery 的出售加劇了人們對比特幣資金管理公司是否能在市場低迷時期維持其累積策略的質疑。 最大的企業比特幣持有者 Strategy 公司在 6 月 29 日至 7 月 5 日期間出售了 3,588 個比特幣,獲利 2.16 億美元。該公司表示,已將所得款項用於優先股分紅和補充美元儲備。 https://kopyai.com/markets/view/type.stock.us/0/170 Picture Source unsplash

地緣政治風險緩解,原油價格下跌支撐股市

標普 500 指數($SPX)(SPY)今日上漲0.19%,道瓊工業指數($DOWI)(DIA)上漲 0.11%,那斯達克100指數($IUXX)(QQQ)上漲 0.03%。 9 月標普 500 指數迷你期貨(ESU26)上漲 0.19%,9 月那斯達克 100 指數迷你期貨(NQU26)上漲 0.04%。 今日股市小幅上漲,標普 500 指數攀升至三週高點。原油價格走低支撐了股市,地緣政治風險略有緩解。儘管本周美伊衝突導致霍爾木茲海峽交通量大幅下降,但預計雙方仍將繼續就和平協議進行談判。晶片製造商和人工智慧基礎設施類股疲軟,限制了股市的整體漲幅。 https://kopyai.com/markets/view/type.stock.us/0/169 Picture Source unsplash

Bullish (BLSH) 獲得直布羅陀批准,可進行受監管的代幣化證券交易

Bullish 是一家融合區塊鏈技術和傳統金融的公司,專注於為數位資產提供受監管的交易平台。在獲得直布羅陀的批准後,該公司能夠為希望在特定監管框架下交易代幣化證券的發行人提供服務,這可能對那些優先考慮合規性的機構具有吸引力。 對於投資者而言,紐約證券交易所代碼為 BLSH 的股票目前所處的市場領域,監管機構正開始為代幣化資產制定更清晰的規則,這可能會在未來影響其融資和二級交易的運作方式。如果完成與 Equiniti 的收購,Bullish 將獲得成熟的企業服務和註冊功能,從而擴展其可為發行人和資本市場參與者提供的服務範圍。 https://kopyai.com/markets/view/type.stock.us/0/168 Picture Source Bullish

失業率下降,但離開勞動市場的人數卻更多

6 月新增就業人數 5.7 萬個,未能達到經濟學家的預期,就業成長在經歷了數月的成長後有所放緩。不過,勞動市場似乎保持穩定,失業率降至 4.2%。 但仔細分析週四的就業報告,就會發現一些證據表明,對於求職者來說,這仍然是一個艱難的——或者至少是怪異的——勞動力市場。 長期失業率——即失業至少 27 週的人數佔失業總人數的比例——在 6 月略有下降,但仍維持在 27 %以上。除新冠疫情及其後的復甦階段外,長期失業率自 2016 年以來從未如此之高。上個月,有 190 萬人失業近 7 個月或更長時間,比一年前增加了 28.6 萬人。 同時,勞動參與率(即正在工作或積極尋找工作的人口比例)下滑至 61.5%,為 2021 年 3 月以來的最低水準。雖然勞動參與率下降可能由多種原因造成,隨著人口老化和進入勞動力市場的年輕人減少,預計未來十年將降至 61.1% ,但同時,由於一些人對找工作感到厭倦,勞動參與率也可能進一步下降。 https://kopyai.com/markets/view/type.stock.us/0/167 Picture Source unsplash

DeepReinforce 公開 Agent 推理模型 - Ornith-1

DeepReinforce 團隊正式推出 Ornith-1.0,這是一系列專為智能體編碼任務而設計的開放程式碼自改進模型,Ornith-1.0 涵蓋了從適用於邊緣設備部署的緊湊型 9B Dense 模型到針對最高性能優化的 397B MoE 前沿規模模型的完整範圍,其變體包括 9B Dense、31B Dense、35B MoE 和 397B MoE。 Ornith -1.0基於預訓練的 Gemma 4 和 Qwen 3.5 模型構建,在編碼基準測試中,其性能在同等規模的開源模型中處於領先地位。 Ornith-1.0 的核心創新在於其自我改進的訓練架構。與依賴人工設計的框架來驅動強化學習中的解決方案生成不同,Ornith-1.0 能夠學習生成解決方案的展開式以及指導這些展開式的特定任務框架。透過聯合優化框架和最終解決方案,該模型可以發現更優的搜尋軌跡並產生更高品質的解決方案。 Ornith-1.0 在各種智能體編碼基準測試中,在同等規模的開源模型中取得了最先進的性能:Ornith-1.0-397B( 在 Terminal-Bench 2.1 上得分為77.5 ,在 SWE-Bench Verpus 上得分為82.4)的性能與 Claude Opus 4.7135-7013上。 SWE-Bench Verified 上得分為80.8)相當,並且優於規模相近的領先開源模型,包括 MiniMax M3(在 TB-2.1 上得分為66.0 ,在 SWE-Bench Verified 上得分為80.5)和 DeepSeek-V4-Pro(在TB-261 上得分為80.5 .0.0 上)為6898 上。 Ornith-1.0-9B 可以輕鬆部署在邊緣設備上,其性能可與 Gemma 4-31B 和 Qwen 3.6 35B 等更大的型號相媲美,甚至更勝一籌。 Ornith-1.0-35B 的表現顯著優於類似規模的模型,包括 Qwen 3.5-35B、Qwen 3.6-35B 和 Gemma 31B。儘管只有 350 億個參數,但它在 Terminal-Bench 2.1 測試中甚至超過了 Qwen 3.5-397B(64.4 對 53.5),同時在其他幾個編碼和智能體基準測試中也達到了相同的性能。 Ornith-1.0 的核心是一個自我改進的訓練框架,它能夠共同學習如何解決任務,...