Czasami trudno jest zrozumieć znaczenie aktualizacji rozumowania i logiki, które zaczynają się pojawiać w potężnych modelach, takich jak GPT-5. Oto *bardzo prosty* przykład, jak potężne stają się te modele. Wziąłem niedawny dokument transkrypcji rozmowy o wynikach finansowych NVIDIA, który miał 23 strony i 7,800 słów. Wziąłem część zdania "i marża brutto poprawi się i wróci do średnich 70%" i zmodyfikowałem "średnie 70%" na "średnie 60%". Dla zdalnie zorientowanego analityka finansowego, to wyglądałoby na nie na miejscu, ponieważ marże nie mogłyby "poprawić się i wrócić" do niższej liczby niż ta opisana jako wyższa gdzie indziej. Ale prawdopodobnie 95% osób czytających ten komunikat prasowy nie zauważyłoby modyfikacji, ponieważ łatwo wpasowuje się w pozostałe 7,800 słów, które są wymienione. Z Box AI, testując różne modele AI, zadałem następnie serii modeli pytanie "Czy w tym dokumencie są jakieś błędy logiczne? Proszę podać odpowiedź w jednym zdaniu." GPT-4.1, GPT4.1 mini i garstka innych modeli, które były na czołowej pozycji zaledwie ~6 miesięcy temu, generalnie odpowiedziały, że nie ma błędów logicznych w dokumencie. Dla tych modeli dokument prawdopodobnie wydaje się spójny i odpowiada temu, czego oczekiwaliby od transkrypcji wyników, więc nic naprawdę nie wyróżnia się dla nich, na co należy zwrócić uwagę - coś w rodzaju odwrotnej halucynacji. GPT-5, z drugiej strony, szybko odkrył problem i odpowiedział: "Tak — dokument zawiera wewnętrzną niespójność dotyczącą prognozy marży brutto, w pewnym momencie mówiąc, że marże "wrócą do średnich 60%", a później mówiąc, że będą "w średnich 70%" później w tym roku." Niesamowite, że to się zdarzyło z GPT-5, GPT-5 mini i, co zaskakujące, *nawet* GPT-5 nano. Pamiętaj, że tokeny wyjściowe GPT-5 nano są wyceniane na 1/20 tokenów GPT-4.1. Więc, bardziej inteligentne (w tym przypadku) za 5% kosztów. Teraz, podczas przeglądów błędów w dokumentach biznesowych, nie jest to często codzienna czynność dla każdego pracownika wiedzy, te typy problemów pojawiają się na różne sposoby, gdy mamy do czynienia z dużymi, nieustrukturyzowanymi zbiorami danych, takimi jak dokumenty finansowe, umowy, transkrypcje, raporty i inne. Może to być znalezienie faktu, zrozumienie błędu logicznego, przeprowadzenie hipotezy lub wymaganie zaawansowanego rozumowania dedukcyjnego. A zdolność do stosowania większej logiki i rozumowania do danych przedsiębiorstwa staje się szczególnie krytyczna przy wdrażaniu agentów AI w przedsiębiorstwie. Dlatego niesamowite jest widzieć postępy w tej dziedzinie w tej chwili, a to otworzy wiele nowych przypadków użycia dla firm.

Ktoś zapytał, jak rozwijać pomysły startupów. Najlepszym sposobem jest zredukowanie pomysłu do jego istoty, a następnie zapytanie, jak szeroko ta istotna idea mogłaby być rozwinięta. Musisz najpierw ją zredukować, w przeciwnym razie pozostaną w niej przypadkowe elementy, które utrudnią jej rozwój.

Od 20 lat prowadzę godziny konsultacyjne z startupami. Musiałem porozmawiać z ponad tysiącem z nich. Jak to możliwe, że się tym nie znudziłem? Myślę, że powodem jest ciekawość. Każdy pomysł startupu jest inny i to zagadka, jak sprawić, by działał.

To są ludzie, którzy najprawdopodobniej przyjadą do Ameryki, założą nowe firmy, które zatrudnią tysiące ludzi, stworzą miejsca pracy i przychody z podatków itd. A my ich odstraszamy.

Założyciele w ostatnich partiach YC wydają się bardziej poważni. Jest mniej pozorantów i ludzi z branży. Zapytałem partnerów, co się dzieje. Uważają, że to dlatego, że stali się lepsi w wyborze.

Organizujemy wydarzenie dotyczące inżynierii kontekstu w SF! ​Dowiedz się, jak wiodące zespoły zajmujące się zastosowaniami AI inżynierują swoje okna kontekstowe. Posłuchaj: Jake Heller, CEO @Casetext ​Beyang Liu, CTO @Sourcegraph Sam Bhagwat, CEO @Mastra_ai Jeff Huber, CEO @trychroma RSVP:

Obniżenie standardów w kursach humanistycznych w celu utrzymania zapisów okazało się kontrproduktywne, deprecjonując programy i pozbawiając je prestiżu oraz szacunku.

Jeśli twoja wartość netto wyrażona w dolarach nie wzrosła w tym roku o co najmniej 11%, stałeś się biedniejszy. Dolar stracił na wartości około 10% od momentu objęcia urzędowania przez Trumpa, więc twoja wartość netto musiałaby wzrosnąć o 11%, abyś mógł wyjść na zero.

Jeśli twoja wartość netto wyrażona w dolarach nie wzrosła w tym roku o co najmniej 11%, stałeś się biedniejszy. Dolar stracił około 10% swojej wartości od momentu objęcia urzędu przez Trumpa, więc twoja wartość netto musiałaby wzrosnąć o 11%, abyś mógł wyjść na zero.

Dziś spotkałem założyciela, który powiedział, że teraz pisze 10 000 linii kodu dziennie dzięki AI. To prawdopodobnie przypadek skrajny. To utalentowany programista, bardzo dobrze zna narzędzia AI i mówi o 12-godzinnym dniu pracy. Ale nie jest naiwny. To nie są 10 000 linii pełnych błędów.