標題: Kimi K3 引熱議，開放權重模型恐推向「AI 共產主義」 [打印本頁]

---

作者: cbsphoto    時間: 2026-7-22 07:34     標題: Kimi K3 引熱議，開放權重模型恐推向「AI 共產主義」

本帖最後由 cbsphoto 於 2026-7-22 07:37 編輯

月之暗面（Moonshot AI）最新發表的開放權重模型 Kimi K3，這款模型被視為規模龐大的開放 AI 系統，在有關程式設計和 Agent 任務等基準測試展現強勁表現。

Kimi K3 背後技術成為焦點，這款模型採多模態設計，擁有約 100 萬 token 的超長脈絡視窗，採用名為 Kimi Delta Attention（KDA）新架構，以混合線性注意力和記憶機制降低 KV Cache 負擔。此外，Kimi K3 還搭配 WideEP 技術，形同將 896 個專家分散到多顆 GPU 上，確保每顆 GPU 的高頻寬記憶體（HBM）包含少數專家，使每個 token 的記憶體使用和計算利用率最佳化。

Kimi K3 整體能力雖落後如 Anthropic 的 Claude Fable 5 和 OpenAI 的 GPT-5.6 Sol 等專有模型，但在多項基準測試超越 Claude Opus 4.8 和 GPT-5.5 等第二梯隊。
Kimi K3 的創新和技術，對美國競爭對手如 OpenAI、Anthropic 等構成直接威脅。不久前加入 OpenAI 領導 Strategic Futures 團隊、曾為川普政府的顧問 Dean Ball 在 X 貼文，表達對 Kimi K3 的觀察和看法。

「一個由開放權重模型所主導的世界，其中一個很可能出現的結果便是『全面 AI 共產主義』。」Dean Ball 表示，「這正是中國提出的主張：AI 並非一款市場產品，而是一項公共財，最終由國家以某種數位公共基礎設施的形式提供。」

Dean Ball 談到過去在政府部門工作時，有很多支持 AI 快速發展的人一直來遊說他，這些人的想法認為政府應該花幾百億元甚至上千億美元興建資料中心，目的不是政府自身投入 AI，而是能讓新創公司和企業免費使用 GPU、訓練模型，然後把模型免費提供全世界使用，他們認為 AI 唯一能持續進步的方法，就是依靠政府補助。

Dean Ball 無法接受這樣的論點，認為他們之中有許多人根本不曉得自己在做什麼，不將創造先進模型及其服務視為一門正當的生意。

「我猜測，川普政府在某個時間點將會意識到，他們對此最好的策略是，製造大量監管風險，限制使用中國開放權重模型。」Dean Ball 表示，政府只需要一直釋放訊息如「聯準會提醒，中國模型可能存在後門」。「你只需創造出足夠的監管風險，讓每一家受監管的企業打退堂鼓即可」，他說。

Dean Ball 論點引發關注之際，外界也注意到他對 Kimi K3 本身並非全盤否定。他表示這是一款「非常好的模型」，不認為它的效能能用蒸餾（distillation）或其他類似手法來解釋，並對中國政府竟然稱允許這種優質模型開源釋出感到驚訝。

https://technews.tw/2026/07/19/d ... houghts-on-kimi-k3/

---

作者: kcthomlau    時間: 2026-7-22 09:27

要幾千萬HKD級server先至部署到既LLM都叫共產？

---

作者: ampm    時間: 2026-7-22 11:13

一直都有疑問,點解只有中國先可以蒸餾到？其他國家做唔到？

蒸餾真係可以令到個model,越來越進步？

---

作者: hkmand001    時間: 2026-7-22 11:19

本帖最後由 hkmand001 於 2026-7-22 11:21 編輯


姐係好簡單打一個例子
而家有一個美國佬發明咗頭孢。
中國佬喺頭孢嘅技術之下。
研發咗第二代頭孢。
美國佬走出嚟。話你應該研發另外一種。你要尊重佢嘅知識產權價值。

點解佢走出嚟反對啊？理由:
佢話如果你再係咁做，
冇人再做研發第一種。每個都等人哋做咗之後先做改良。

但中國唔認同。認為技術係應該全世界一齊改良先進步

所以佢個第二代頭孢。直接開放咗俾所有人用。

咁你而家覺得邊個啱邊個錯？
冇錯啊，有咗第二代頭孢。確實，第一代頭孢嘅價值就會即刻大減。美國佬打算賺錢就冇可能。

所以你冇見到新聞話而家佢美國要封閉，唔俾啲模型出嚟。

佢驚俾人哋抄。驚俾人哋攞去蒸餾改良。你打算鎖國定係俾自己國家啲人攞研發

但係你諗下如果全世界都開放。得佢一個鎖，佢鎖到D咩？？

你嘅收費咁貴。人哋開放，哪怕追唔上你。只要用人哋都會用。

---

作者: gerrardjamie    時間: 2026-7-22 11:21




    =小米, 人地研發出黎,佢抄
然後唔洗R&D,賣平D
D人走去買小米...然後主要品牌破產,被中國公司收購.....

---

作者: hkmand001    時間: 2026-7-22 11:26


小米唔同啊。小米係將人哋嘅師傅直接勾咗過嚟。連埋個技術一齊過檔。

小米基本上嚟講就係叫做轉移技術。佢冇新增過，亦都冇改良。佢係直接搬走咗。

但係人哋蒸餾係省略資源。優化咗程序。其實係唔同嘅嘢。
一個照版就咁搬走。
一個改良咗整個設計。

但無論邊個都好。肯定會損害原先一個設計嘅人。

---

作者: dls2046    時間: 2026-7-22 11:29

有啲生意人諗法都係咁，對將啲好用嘅嘢開放出嚟公用感到驚訝，有錢做咩唔賺？但世界就係有啲咁嘅事，先不管動機為何…倉頡、光纖、二維碼、甚至互聯網本身…好多嘢都可以係一盤生意，但都可以放出嚟公用。
只可以說，有時小腦袋容不下大格局。

---

作者: ampm    時間: 2026-7-22 11:47



我想你理解錯了佢話“蒸餾”意思,蒸餾應該是用最新model蒸餾.

如果你話對錯,那其他公司都唔可以出AI?那meta, Mistral AI都是蒸餾

---

作者: dls2046    時間: 2026-7-22 11:51




而家唔係話單靠蒸餾出唔到咁嘅效能？佢係認同個 model 優質的，只係唔明點解要開源出嚟

---

作者: hkmand001    時間: 2026-7-22 11:59



AI蒸餾（模型蒸餾）是一種技術改良與優化。它是一種廣泛應用於機器學習的工程技術，主要目的是將龐大、複雜且運算昂貴的「教師模型」精髓，轉移到規模較小、運算速度更快的「學生模型」上，讓小型模型在保持高效能的同時，大幅降低對硬體算力的要求。

---

作者: dls2046    時間: 2026-7-22 12:01



如果用藥物開發做例子，就要面對一個現實，臨床試驗數據邊到嚟？如果咁講…
藥廠用極低價去用非洲人做實驗，成功咗就出藥，注冊，跟住呢啲「experimental object」就再買唔起啲藥。另一間藥廠開發第二代藥物，開放巿場，原本果啲「experimental object」而家有得揀了。

每一個 parties 嘅貢獻都唔係咁易講得通、計得準的。無第一代藥物開發商，啲「experimental object」一開始就無得救，但之所以能夠有第一代，呢啲「experimental object」又真係無貢獻？通常呢啲「experimental object」都係要靠「公共」先可以生存的「低下階層」。

你第一代訓練 AI 嘅數據邊度 嚟？全部都係自己憑空 gen 出嚟？無用過任何「公共」嘅嘢？

呢類道德辯論唔係咁非黑即白的。不過我估計呢班人無諗咁遠，只係好簡單咁諗，咁正嘅嘢唔拎去賣，開放出嚟任人用，傻的嗎？

---

作者: hkmand001    時間: 2026-7-22 12:01



你就咁啊唔明啦，呢個就係中美之間嘅對決。如果中國攞咗但係又唔開放一齊收錢。

美國佬就會話中國偷。死賊仔偷嘢。
   
但如果中國開放。咁佢就冇利益，因為全部人都可以用。站喺道德高地。美國佬講唔到。只能夠話你唔尊重佢嘅知識產權價值。

---

作者: godofcomputer    時間: 2026-7-22 12:10

咁唔開放咪搞AI獨裁法西斯

---

作者: ampm    時間: 2026-7-22 17:04


初初open係無辦法之中辦法.當初D ai未夠人強和D人成日擔心d data. 正如meta 當初一樣行open是看到未到openai 和anthropic級數,希望殺出另一條路. 點知佢俾中國倦死.

現在發展成熟,當中內地自己都倦死好多自己人.

---

作者: cbsphoto    時間: 2026-7-22 20:45

本帖最後由 cbsphoto 於 2026-7-22 20:47 編輯

要本地部署 Kimi K3 開源模型 硬件開支就要 1900 萬 非一般用家可以負擔

月之暗面（Moonshot AI）本週推出 Kimi K3，總參數高達 2.8 兆，成為史上首個「3T 級」開源模型。官方技術網誌建議本地部署使用 64 張或以上加速器組成的超節點配置。完整開源權重預計 7 月 27 日前推出，惟單機玩家已無力自行部署，只能轉用 K2 系列或直接呼叫官方 API。

MoE 架構拆解

Kimi K3 採用混合專家（MoE）架構，模型內部設有 896 個專家子網絡。每次處理一個 token 時，系統只會挑選其中 16 個路由專家加上共享專家運算，不會全部啟動。實際運作參數只有 500 億至 600 億左右，這亦是模型能兼顧龐大規模與運算效率的原因。

模型同時搭載新架構 Kimi Delta Attention（KDA），並配合 Attention Residuals 技術。官方表示這套組合在 100 萬 token 長上下文環境下，解碼速度最高可提升 6.3 倍。上下文視窗達 100 萬 token，同時亦原生支援視覺輸入，令模型可直接處理圖像與影片資料。

官方門檻：64 張 GPU 起跳

月之暗面官方技術文件明確建議，原文出自 unwire.hk， 考慮到推論效率需要更大的高頻寬通訊域，本地部署 K3 宜使用 64 張或以上加速器組成的超節點配置。原生 MXFP4 權重約 1.4 TB 至 1.5 TB，屬 DeepSeek-R1 671B（Q4 量化版本約 350 GB 至 400 GB，各方報告數字略有差異）的 3 至 4 倍左右。



單純換算放置權重所需的 GPU 數量：H100（80 GB）約需 19 張，H200（141 GB）約需 11 張，B200（192 GB）約需 8 張。以上數字尚未計及 KV cache，即模型記錄對話上下文所需的記憶體。100 萬 token 長上下文的 KV cache 需求，官方目前尚未公佈，但需求只會更高。價格方面，H100 80 GB PCIe 版本單張現時約 25,000 美元至 33,000 美元（約港幣 HK$195,000 至 HK$257,400），SXM 版本則達 35,000 美元至 40,000 美元以上（約港幣 HK$273,000 至 HK$312,000 以上）。8 卡 H100 伺服器一台已超過 30 萬美元（約港幣 234 萬元）。按 64 張規格計算，即相當於 8 台 8 卡伺服器，單是硬件採購費用已超過 240 萬美元（約港幣 1,872 萬元以上）。

功耗方面，H100 SXM 版本單張最高功耗達 700 W，PCIe 版本則為 350 W。若以 64 張 SXM 版本計算，單是顯示卡本身已消耗約 45 kW 電力，遠超一般家庭供電容量。一台 8 卡 H100 伺服器實際運作已需要 6.5 kW 至 7.5 kW，屬於機房級用電規模。


上一代還塞得進一部電腦

對照上一代 K2 系列（1 兆參數，約 320 億啟用參數），落差更為明顯。社群 Unsloth AI 為 K2 製作的 1.8-bit 極限量化版本，將原本 1.09 TB 的模型壓縮至約 245 GB，一張 24 GB 消費級顯示卡搭配 256 GB 系統記憶體卸載亦能運作，但速度僅約每秒 1 至 2 個 token。較平衡的 Q2_K_XL 版本則約需 381 GB。



上一代一台 512 GB Mac Studio 已勉強能運作，K3 卻直接將門檻推回數據中心級別。市場上其他大型開源模型如 DeepSeek V4 Pro（約 1.6 兆參數）同樣規模龐大，而 K3 仍以 2.8 兆參數，原文出自 unwire.hk， 較 DeepSeek V4 Pro 大出約 75%，成為現時最大開源模型。Kimi K3 在多項編碼及代理任務基準上表現超越 Anthropic Claude Opus 4.8，但整體性能仍落後於 Claude Fable 5 及 GPT-5.6 Sol 等頂級私有模型，這一點月之暗面官方亦明確承認。對於一般用戶而言，若想使用相關技術，暫時只能轉用 K2 系列，或直接呼叫官方 API。

https://unwire.hk/2026/07/21/kimi-k3-64-gpu-barrier/ai/

---

作者: latali    時間: 2026-7-22 22:15

本帖最後由 latali 於 2026-7-22 14:19 編輯


其實佢有個錯誤係或者知道但唔講，資本主義會將第一代(發明者)既大部分利益剝削晒。另外好多好野就係因為利益唔能夠最大化之後比人切割左出黎唔再發展，但又HOLD住左個專利唔比其他人用。

---

作者: ki_cat    時間: 2026-7-23 09:55



unreal engine,阿tim哥講,其實只要咁上下既野,連接4t ssd,有足夠多平衡架構提升讀取速度,就咩模型都可以行到.
nv唔做,遲早有人咁做,可能好快.

via HKEPC IR 5.1.14 - Android(5.1.2F)

圖片附件: Uploaded_via_HKEPC_IR_Pro_Android(5f550).jpg (2026-7-23 09:52, 128.69 KB) / 下載次數 0
https://www.hkepc.com/forum/attachment.php?aid=2534161&k=9cb3712e98ea59df005b45fecbdc19cd&t=1787197993&sid=g6EI6ouiEP

---

作者: rcbananahk    時間: 2026-7-23 10:03

回覆 17# ki_cat


    NV 都賺夠了
比人賺下

---

作者: hkmand001    時間: 2026-7-23 10:09



精簡可以減少內存使用。但係冇辦法去減少整個模組所需要嘅內存。

即係省略版。完整版。永遠都冇可能係同一個實力。

其實調轉槍頭反而刺激到個內存需求。特別係nand，dram。

因為當細模型普及出去。民用嘅情況下冇可能使用HBM。速度變咗唔係太重要，最重要係可以用。

---

作者: ki_cat    時間: 2026-7-23 10:54


佢唔係精簡,係多路打爆ssd讀取速度.當然寫入會慢,但llm本來就少寫入.

via HKEPC IR 5.1.14 - Android(5.1.2F)

---

作者: hkmand001    時間: 2026-7-23 11:07



我覺得最後發展會變成兩極化。
HBM就變咗做伺服高級貨色
nand dram 就變左民用貨色

諗住做得冧內存價格應該冇可能發生，因為而家嘅內存都未做到民用。好似個BB仔啱啱出世咁。只係嘗鮮。有好多公用設備。民用設備連個AI輔助都冇。

我諗韓國佬估計的需求應該係行得通。

---

作者: godofcomputer    時間: 2026-7-29 06:18




    就快出DDR6喇， 傻仔先至宜依買貴RAM

---

作者: javacomhk    時間: 2026-7-29 09:19

蒸餾真的可以令模型越來越進步嗎？

• 成本效益高：蒸餾能讓小模型以極低的算力與成本，迅速掌握大模型的優秀邏輯與輸出表現。
  
• 無法無限超越原版：蒸餾的核心是「模仿與壓縮」，它能幫助學生模型快速追趕並達到接近老師模型的水平，但很難單靠蒸餾讓模型無中生有、超越世界頂尖的原生創新極限。
  
• 持續進步的關鍵：模型要真正實現質的飛躍，依然需要依賴基礎架構創新、更高質量的原始訓練數據、大規模算力（預訓練）以及強化的後訓練（Post-training）。
  

---

作者: godofcomputer    時間: 2026-7-29 12:19


只能蒸餾到開源， 唔開源你係蒸餾唔到， 只係睇到有咩字輸出（同普通文件訓練無別分， 要一樣的算力和成本）。 睇唔到輸出token嘅機率分布，

開源嘅會睇到輸出token嘅機率分布， 可以全面更新權重值。咁快好多。

---

作者: godofcomputer    時間: 2026-7-29 12:32




     你砌個多路SSD？ Deepseek R1 跑4bit權重， 每個token要讀19GB資料，如果要毎秒出一個TOKEN, 你要砌19條多路PCI 5.0 SSD, 仲要係順住讀先至有咁快。RANDOM讀會慢到媽媽聲。

---

作者: javacomhk    時間: 2026-7-29 12:46

「蒸餾」只是抄的其中一個方法，實際上會混合其他方法嘅！
混合嘅其他核心方法

• 強化學習 (Reinforcement Learning)：利用獎勵機制（如 RLHF / PPO）引導模型輸出更符合人類意圖同邏輯嘅答案。
  
• 微調 (Supervised Fine-Tuning, SFT)：使用高品質嘅高質素人工或域內數據對模型進行針對性訓練。
  
• 合成數據生成與重構 (Synthetic Data & On-Policy 混合)：結合自身推理軌跡同額外反饋動態修正，唔單止係被動「抄答案」。
  

---

作者: ueaf    時間: 2026-7-29 17:21

kimi 有冇人試過自己本地安裝？

---

作者: ampm    時間: 2026-7-29 23:52

又引用下其他人的睇法：

「中國模型全靠蒸餾（Distillation）美國模型」的迷思 ：

​數學與邏輯上的不可能：有些專家宣稱中國模型強大只是因為「蒸餾/複製」美國模型的 API 輸出，這是荒謬且不專業的說法 。
​蒸餾的極限：雖然微調（SFT）或硬蒸餾能激發模型既有的潛在能力（如 DeepSeek 引導小型模型產生 Chain of Thought 思考鏈），但僅憑 API 的數據輸出，絕不可能重建一個複雜度極高的前沿（Frontier）模型 。

​中國的自主創新：DeepSeek和各其他大形AI公司發表了詳細的論文（如 DeepSeek-V3、R1）與技術細節（如最先進的 Kimi, Deepseek 機構），開源了從零訓練前沿模型所需的一切知識，證明其技術完全來自於自主研發與創新 。

---

作者: godofcomputer    時間: 2026-7-30 00:15



試過K2.6, K3都太大了

---

作者: raywan    時間: 2026-7-30 11:27




   可以見得好快會出DDR6？你只係睇電腦新聞話就快出／研發中…
實際上2028年中都未有可能買到家用級DDR6，server grade DDR6有可能明年先有ｒｏａｄｍａｐ出，仲有ｄｄｒ５都仲未去到理論上極限，點會出ｄｄｒ６，小朋友你太天真了，你知唔知一粒CPU有幾多工程師做緊研發，你要改動一個設計同要求，要幾多個工程師幾多個千上萬個小時先可以完成一個修改

---

作者: rabbit82047    時間: 2026-7-30 12:58

有人真係用 80 張 5090 本地行 k3，結果都有 20 Tokens/s
淨計顯卡成本都已經百萬級別

---

作者: godofcomputer    時間: 2026-7-30 13:47




    用官方API行K3, 都係20左右， 唔係好快，

---

作者: godofcomputer    時間: 2026-7-30 13:50




    以前話2025-26就量產， 宜依啲大鱷炒緊啲RAM,入咗好多貨要散比啲傻仔， 當然推一推遲啲。 散哂貨就會出DDR6, GG班傻仔。

---

作者: cbsphoto    時間: 2026-7-30 17:06

用了Kimi K3 二日 , 似乎比google好 。

---

作者: Kin_2012    時間: 2026-7-30 23:59

本帖最後由 Kin_2012 於 2026-7-31 00:08 編輯


第一，唔開效無人敢用
第二，唔開放佢搶唔到市場
第三，唔開放解科唔到參考人
第四，唔開效佢搵唔到更多的人幫手

但當佢夠強能獨大時.....

---

作者: jacktsui    時間: 2026-7-31 08:57



RAM 廠造舊款貨都賺到傻啦

---

作者: hkmand001    時間: 2026-7-31 11:03



長鑫就係16nm老制程dram

---

作者: godofcomputer    時間: 2026-7-31 11:39



经实测，搭载长鑫颗粒的内存可稳定运行于DDR5-8000至8200，微星目前也是首家公开完成长鑫DDR5 颗粒AMD 平台DDR5-8000+ 验证，并同步向玩家开放测试BIOS 的....

老制程都整到DDR5 8000+

---

作者: godofcomputer    時間: 2026-7-31 11:41




    K3應該係最勁果級， 但佢哋算力唔夠， 慢。 琴日又過載死機

---

作者: cbsphoto    時間: 2026-7-31 12:43


K3 thinking 的時間比google 長。

---

作者: ampm    時間: 2026-7-31 15:00

唔好理,佢已令到close ai 減價了.

---

作者: cbsphoto    時間: 2026-7-31 18:01



Kimi K3 用的CPU and GPU 可能比Google 的慢。

---

作者: VV    時間: 2026-7-31 18:38

本帖最後由 VV 於 2026-7-31 19:08 編輯

咁多c hing 講到咁......

米西方AI 點解怕什麼

唔開放權重模型恐推向「AI 資本主義」才是佢地走既路

7姊妹...頂住

AI競賽｜應對中國低價競爭 再有美國公司調整收費 OpenAI有模型減價近八成

d 互射資金會唔會影響.....

---

作者: ampm    時間: 2026-7-31 22:13

ds4-flash-0731 剛好今天出 價格戰開始

---

作者: godofcomputer    時間: 2026-8-1 01:20




    唔係近期加返價， 高峰期用收2倍錢咩？ 邊有價格戰， 佢本身最平

---

作者: hkmand001    時間: 2026-8-1 10:01

好多人睇唔明個AI，覺得佢係一個泡沫。覺得一個數據中心淨係用5年。必定會破產。

但係佢哋唔明白。點解一個數據中心用5年都會要起？

因為呢5年裡邊產生出嚟嘅經濟價值係好大

你見到而家個個開支幾百億。幾千億。但你見唔到嘅就係佢背後訓練出嚟有幾多個模型？

所有人思維都係一個模型嘅思考速度到底有幾快？思考用量有幾多。呢個時間蒸餾所出嚟嘅。一定會追上研發所出原版

但呢個差距好快就會被拉開。
原因係美國開始鎖住唔給原版出嚟。自己用來訓練。只放出蒸餾版本

好快美國佬就會搶翻蒸餾第一位。用極細型嘅模型。用極少嘅容量。產生出同差唔多原版一樣嘅效果。到時候數據中心嘅價值就會出現。因為邊個人擁有數據中心，邊個人就可以產生出更多的原版訓練。而家嘅AI根本上趕唔上普及。甚至講唔上係可以用得上。佔個市場嘅比例仲係極細。。你覺得人哋會破產，但係人哋個市場深度遠超你嘅想象。

---

作者: ampm    時間: 2026-8-1 13:10

大家都見到AI未來是必須工具！另外如果唔係無open source/open weight 出現,都唔會發現有些付款的高價model,原來只是一般細公司的電腦server可以跑到.大家可能仲俾緊高價的token而是使用美國蒸餾自己的version.

至於AI bubble,之前已有好多文章或影片講過.或可睇下最新Bloomberg 今日訪問ed zitron 的 'Everyone has been sold a lie',其中有講data center 的賺$。可能meta 都領會high tech high 嘢,而租佢多出來的data center俾人.

最後build或rebuild data center,要用好多建設。當中小些機件都没法運作。之前睇報到美國其中一個建筑中的data center因為無發電機組的變壓器而停工。

我睇如果冇今次kimi或deepseek flash 新version.open ai 唔會大幅減價.

---

作者: VV    時間: 2026-8-2 11:43

大幅減價 回本期唔知點呢

---

作者: godofcomputer    時間: 2026-8-2 11:51



之前又搞個股災出嚟比啲老散嘆下， 宜個時間放宜啲減價戰消息出嚟， 當然係嚇走啲股民，要佢哋蝕錢落車， 明明班大鱷要靠啲AI股， 炒到個市升上宇宙先至會爆。

---

作者: hkmand001    時間: 2026-8-2 12:05

本帖最後由 hkmand001 於 2026-8-2 12:10 編輯


咁我問你。一台折疊屏2皮。回本期快？你2皮有鬼人用？
1皮有人用？少人但比之前多
殺到7000 5000就真正多人用啦

e個就叫普及

Ai一樣。開始的時候收費貴到300美一個月。唔好話普通人。公司都難用啦

拆細模型。30美一個月得唔得？
唔得。依然貴
咩叫做普及？
細模型10美一個月
大模型50美一個月就差不多啦


你就會話成本回唔到本。同造手機一樣。Aⅰ貴在訓練。平在改良
當然仲有電費

回唔回到本？早期扔出去估計要扔到2028。先開始回本

---

作者: VV    時間: 2026-8-2 13:19

股災啲老散 回本la

---

作者: hkmand001    時間: 2026-8-2 16:32



老散輸錢。華爾街賺錢。
有錢嘅人不停係咁買正股。到時升上嚟就升到好癲。

海力士一日升30個percent。
冇錢嘅人就只能夠坐喺度睇佢。

---

作者: VV    時間: 2026-8-2 19:45

本帖最後由 VV 於 2026-8-2 19:51 編輯

傳聞老散輸sk輸到大時代
另一邊仲要定價權都比西人夾埋

睇下7姊妹最後水退邊個見到妹妹先

2008