BlockBeats 消息，8 月 30 日，据 GMGN 监测显示，加密 KOL Unipcs（@theunipcs）目前 PONS 持仓浮盈约 340.3 万美元，账面回报约 52 倍。其此前花费 67,304 枚 USDG 买入 1096 万枚 PONS，至今尚未卖出任何代币；该笔持仓目前价值约 347 万美元。其账户资产价值已超 730 万美元，创历史新高。

Unipcs 成名于 2025 年 Solana 生态 Meme 币 USELESS 的炒作，当时其在 USELESS 上单币浮盈曾达 750 万美元。

动察 Beating AI 快讯，前 MIT 教授、Reflexion 共同作者 Ashwin Gopinath 提出一个猜测：最近在硅谷爆红的 个人 Agent 助手 Instinct 真正和别家 Agent 拉开差距的，可能不是执行能力，也不是普通的长期记忆，而是对用户「长期状态」的持续维护。

Gopinath 曾是创始人 Noah Shinn 的老师，两人 2023 年共同参与 Reflexion 研究。他没有 Instinct 的内部信息，以下判断来自实际使用体验：

单看任务执行，Instinct 并没有比 Hermes、OpenClaw 等 Agent 多出什么惊人的能力。现在很多 Agent 也已经会复盘、保存记忆甚至自动生成 Skill。Instinct 更特别的地方，是使用时间越长，似乎反而越了解用户，没有明显被越来越多的历史信息拖累。

关键可能在于，它没有简单保存全部聊天和操作记录，再靠向量搜索或知识图谱找回来，而是在持续维护一份「当前状态」：哪些用户偏好仍然有效，哪些事实已经变化，哪些任务还没完成，下一步应该等、继续跟进，还是直接行动。

这对长期 Agent 很重要。一个持续几天甚至几周的任务，中间可能经历邮件回复、等待、条件变化和多次跟进。Agent 不只要记住过去发生过什么，还要知道哪些信息已经过时，现在真正重要的是什么，以及什么时候根本不需要打扰用户。

Gopinath 把这种过程称为「记忆编译」：不断从杂乱的生活记录里筛出有用信息，压缩成一份持续更新的状态。重点不是「记得更多」，而是知道什么值得留下、什么应该失效，以及什么变化值得触发行动。

这和三年前的 Reflexion 有一条明显的延续线。Reflexion 让 Agent 把失败总结成文字记忆，用于下一次尝试；到了长期个人 Agent，问题进一步变成了如何持续理解一个不断变化的人和现实世界。

大模型能力越来越接近，工具调用和执行框架也在快速普及，真正难复制的部分，反而可能是谁能长期记住正确的事情，并在正确的时候采取行动。