Valueflows项目:构建下一代分布式经济网络的通用词汇表
什么是Valueflows?
Valueflows是一个面向经济活动的通用词汇表(本体论),它旨在为各种经济活动提供统一的概念框架。这个项目名称中的"Value"代表有用的经济资源,"Flows"则描述了人们创造、组合、移动和交换这些资源的过程。这种基于流动的系统可以像协调单个公司一样轻松地协调整个网络。
从技术角度看,Valueflows的核心目标是促进不同软件项目之间的互操作性。虽然Valueflows核心模型也被用于设计经济软件,但它本身并不是一个软件应用程序,而是一套标准化的概念和关系定义。
经济网络的本质
经济网络由独立的经济主体(个人或组织)组成,这些主体通过协作来生产和分配满足人类和生态需求的商品与服务。在这样的网络中,由于各主体是独立的,它们无法依赖传统层级结构中的"上级"来指挥协调,而是需要彼此之间直接协作。Valueflows词汇表正是为这种协作而生。
面向"下一代经济"的设计理念
Valueflows特别关注支持"下一代经济"的实验和创新,这些实验通常具有以下特征:
- 强调合作而非竞争
- 倡导开放、共享的知识体系,而非封闭的知识产权
- 追求可持续生产,而非资源掠夺
- 注重价值公平分配,而非利润剥削
- 尊重自然和生态环境
这些经济实验可能以各种名称出现,如团结经济、协作经济、小型商业生态系统、基于公共资源的对等生产等。
Valueflows的独特之处
Valueflows模型在设计上有几个关键特点:
- 组织边界无关性:既支持组织内部也支持跨组织的经济活动协调
- 货币中立性:支持有货币或无货币的互惠交换
- 生态整合:将生态主体视为网络的组成部分,将外部性视为需要管理的资源
Valueflows应用场景
Valueflows模型虽然相对简单,但应用范围非常广泛,这得益于它建立在REA等经典经济模型的基础上。以下是主要应用场景:
生产与创造领域
- 制造与装配
- 分布式制造
- 供应链与经济网络
- 创客空间与开源硬件设计
- 库存管理
- 服务提供
- 组织与行政项目
- 简单的待办事项管理
- 社区支持农业(CSA)
- 运输物流
- 资源追踪
交换领域
- 市场与电子商务
- 零售销售点
- 供需发布与匹配
- 互助信贷与时间银行
- 供应网络采购
- 替代货币系统
- 以物易物与礼物经济
- 购买俱乐部与消费者合作社
- 基于贡献的奖励分配
- 资源直接分配
金融领域
- 储蓄池
- 互助信贷融资
分析与规划领域
- 运营规划
- 供应链与网络规划
- 社区/区域规划
- 各层级的缺口与机会分析
- 标准会计
- 气候会计
构建经济生态系统
基于Valueflows的应用可以成为构建完整经济生态系统的基石。通过Valueflows协议,资源可以在不同应用间流动,形成有机的经济生态系统。图中展示了典型的生态系统流程:从规划到生产,再到供应,最后回归生态的完整循环。
Valueflows为分布式经济协作提供了概念基础,使得不同规模、不同类型的组织能够使用共同的语言来描述和协调经济活动。这种标准化不仅降低了协作成本,也为创新经济模式的实验和推广创造了条件。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00