Tópicos em alta
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
seth bloomberg
Parceiro de Investimento @UnsupervisedCap | prev: @CrucibleLabs, @MessariCrypto de pesquisa | Woo Porco 🐽
Concordo cada vez mais com essa opinião
8 de ago., 02:52
Estou cada vez mais convencido de que a "IA transformadora" parecerá uma abundância de modelos especializados para tudo, desde design de medicamentos a simuladores meteorológicos, robótica e cadeias de suprimentos, sem um agente para governar todos eles. Vamos precisar de muito mais pesquisadores de IA
538
O objetivo do projeto ATOM é enorme. É um esforço conjunto para garantir que os EUA tenham os recursos para construir modelos de IA de código aberto de fronteira.
É um dos movimentos em código aberto / IA com o qual estou mais animado e tenho orgulho de ser incluído na lista de signatários abaixo.
7 de ago., 09:21
Um dia e meio após o lançamento do ATOM, uma coisa é muito clara sobre os modelos abertos em comparação com os anos anteriores: não é mais uma posição minoritária.
Abaixo está uma lista de signatários notáveis (mais de 200 no total). Pessoas de todos os cantos da comunidade de IA se inscreveram. Pessoas que seriam rotuladas como "doomer" e outras que são "aceleracionistas". Existem acadêmicos importantes, funcionários do governo, pesquisadores nos principais laboratórios, engenheiros, capitalistas de risco e tudo mais.
Agora começa um longo processo de tornar isso real. A OpenAI fez uma coisa boa ao tornar mais fácil para a liderança em todo o campo aprovar lançamentos de modelos abertos, mas isso não resolve a necessidade do ATOM. Isso reforça que esta é uma mudança na comunidade que não pode ser corrigida por uma organização aberta ou por um defensor.
Vamos continuar pressionando.
Aqui estão os signatários proeminentes. Estarei lançando outra atualização com todos os agradecimentos por quem fez isso acontecer em breve também.
Clement Delangue (@ClementDelangue), CEO da Hugging Face
Jeremy Howard (@jeremyphoward), cofundador da Fast ai & Answer ai
Oleksii Kuchaiev (@kuchaev), Diretor de Pesquisa Aplicada da Nvidia
Ross Taylor (@rosstaylor90), CEO da General Reasoning
Sebastian Raschka (@rasbt), autor de Build A Large Language Model (From Scratch)
Soumith Chintala (@soumithchintala), cofundador da PyTorch
Miles Brundage (@Miles_Brundage), ex-chefe de pesquisa de políticas da OpenAI
Ali Farhadi, CEO da Ai2
Sergey Levine (@svlevine), professor da UC Berkeley, co-fundador da Physical Intelligence
Bill Gurley (@bgurley), sócio geral da Benchmark
Vincent Weisser (@vincentweisser), CEO da Prime Intellect
Dylan Patel (@dylan522p), fundador e CEO da SemiAnalysis
Christopher D. Manning (@chrmanning), professor da Universidade de Stanford
Andrew Trask (@iamtrask), fundador da OpenMined
Percy Liang (@percyliang), professor da Universidade de Stanford
Seth Bloomberg (@bloomberg_seth), sócio de investimentos da Unsupervised Capital
Jason Lee (@jasondeanlee), professor da UC Berkeley
Animesh Garg (@animesh_garg), Professor de Computação, Instituto de Tecnologia da Geórgia
Thomas Wolf (@Thom_Wolf), cofundador e CSO da Hugging Face
Matt White (@matthew_d_white), Diretor Executivo, Fundação PyTorch
Prof. Dylan Hadfield-Menell (@dhadfieldmenell), Professor Associado do EECS, MIT
Kevin Xu (@kevinsxu), fundador, Interconnected
Andy Konwinski (@andykonwinski), Fundador, Laude Institute
Jason Kwon (@jasonkwon), diretor de estratégia, OpenAI
Will Brown (@willccbb), líder de pesquisa, Prime Intellect
Paige Bailey (@DynamicWebPaige), líder de engenharia de DevX no Google DeepMind
Mike Abbott, cofundador e CEO da Open Athena
Helen Toner (@hlntnr), Universidade de Georgetown
Mark Surman (@msurman), presidente da Mozilla Foundation
Jordan Schnieder (@jordanschnyc), fundador da ChinaTalk
Finbarr Timbers (@finbarrtimbers), Engenheiro de Pesquisa Líder da Ai2
Andrew Carr (@andrew_n_carr), cofundador e cientista-chefe da Cartwheel
Swyx (@swyx), co-fundador da Smol. ai & Espaço Latente
8,36K
seth bloomberg repostou
Um dia e meio após o lançamento do ATOM, uma coisa é muito clara sobre os modelos abertos em comparação com os anos anteriores: não é mais uma posição minoritária.
Abaixo está uma lista de signatários notáveis (mais de 200 no total). Pessoas de todos os cantos da comunidade de IA se inscreveram. Pessoas que seriam rotuladas como "doomer" e outras que são "aceleracionistas". Existem acadêmicos importantes, funcionários do governo, pesquisadores nos principais laboratórios, engenheiros, capitalistas de risco e tudo mais.
Agora começa um longo processo de tornar isso real. A OpenAI fez uma coisa boa ao tornar mais fácil para a liderança em todo o campo aprovar lançamentos de modelos abertos, mas isso não resolve a necessidade do ATOM. Isso reforça que esta é uma mudança na comunidade que não pode ser corrigida por uma organização aberta ou por um defensor.
Vamos continuar pressionando.
Aqui estão os signatários proeminentes. Estarei lançando outra atualização com todos os agradecimentos por quem fez isso acontecer em breve também.
Clement Delangue (@ClementDelangue), CEO da Hugging Face
Jeremy Howard (@jeremyphoward), cofundador da Fast ai & Answer ai
Oleksii Kuchaiev (@kuchaev), Diretor de Pesquisa Aplicada da Nvidia
Ross Taylor (@rosstaylor90), CEO da General Reasoning
Sebastian Raschka (@rasbt), autor de Build A Large Language Model (From Scratch)
Soumith Chintala (@soumithchintala), cofundador da PyTorch
Miles Brundage (@Miles_Brundage), ex-chefe de pesquisa de políticas da OpenAI
Ali Farhadi, CEO da Ai2
Sergey Levine (@svlevine), professor da UC Berkeley, co-fundador da Physical Intelligence
Bill Gurley (@bgurley), sócio geral da Benchmark
Vincent Weisser (@vincentweisser), CEO da Prime Intellect
Dylan Patel (@dylan522p), fundador e CEO da SemiAnalysis
Christopher D. Manning (@chrmanning), professor da Universidade de Stanford
Andrew Trask (@iamtrask), fundador da OpenMined
Percy Liang (@percyliang), professor da Universidade de Stanford
Seth Bloomberg (@bloomberg_seth), sócio de investimentos da Unsupervised Capital
Jason Lee (@jasondeanlee), professor da UC Berkeley
Animesh Garg (@animesh_garg), Professor de Computação, Instituto de Tecnologia da Geórgia
Thomas Wolf (@Thom_Wolf), cofundador e CSO da Hugging Face
Matt White (@matthew_d_white), Diretor Executivo, Fundação PyTorch
Prof. Dylan Hadfield-Menell (@dhadfieldmenell), Professor Associado do EECS, MIT
Kevin Xu (@kevinsxu), fundador, Interconnected
Andy Konwinski (@andykonwinski), Fundador, Laude Institute
Jason Kwon (@jasonkwon), diretor de estratégia, OpenAI
Will Brown (@willccbb), líder de pesquisa, Prime Intellect
Paige Bailey (@DynamicWebPaige), líder de engenharia de DevX no Google DeepMind
Mike Abbott, cofundador e CEO da Open Athena
Helen Toner (@hlntnr), Universidade de Georgetown
Mark Surman (@msurman), presidente da Mozilla Foundation
Jordan Schnieder (@jordanschnyc), fundador da ChinaTalk
Finbarr Timbers (@finbarrtimbers), Engenheiro de Pesquisa Líder da Ai2
Andrew Carr (@andrew_n_carr), cofundador e cientista-chefe da Cartwheel
Swyx (@swyx), co-fundador da Smol. ai & Espaço Latente
34,18K
seth bloomberg repostou
🌸 Como o código aberto impulsiona a inovação
Aqui está uma visualização dos agentes enviados ao longo do tempo
Quanto mais próximos os pontos estiverem entre si, mais semelhante será o código do agente
Observe como os clusters de agentes aparecem - toda vez que um minerador apresenta uma nova maneira inovadora de resolver problemas, muitos agentes semelhantes são lançados com base nessa lógica
Achamos lindo de se ver. Observe também como os clusters aparecem cada vez mais rápido no final - os agentes estão melhorando em um ritmo acelerado
14,5K
A configuração para Max e a equipe @webuildscore é fenomenal:
• Fundador/equipe excepcional
• Construção de um produto diferenciado para um mercado carente/em crescimento
• Aproveitar a tecnologia do mecanismo de incentivo da Bittensor para criar consistentemente um produto melhor
Muito animado com este.
5 de ago., 22:49
Estamos publicando nosso memorando de investimento interno no Score – Sub-rede 44 no Bittensor.
A Score está construindo um sistema de visão computacional para análise esportiva, já processando partidas de futebol completas em menos de 2 minutos.
Dimensionamos o mercado imediato e útil em US$ 1,8 bilhão, o que implica uma vantagem de 51x para o token na avaliação de hoje.
Memorando completo abaixo.
3,68K
seth bloomberg repostou
Estamos publicando nosso memorando de investimento interno no Score – Sub-rede 44 no Bittensor.
A Score está construindo um sistema de visão computacional para análise esportiva, já processando partidas de futebol completas em menos de 2 minutos.
Dimensionamos o mercado imediato e útil em US$ 1,8 bilhão, o que implica uma vantagem de 51x para o token na avaliação de hoje.
Memorando completo abaixo.
44,87K
Adoraria ver isso acontecer também. Mas, na prática, não tenho certeza de como implementar algo assim.
O governo federal simplesmente subsidia o custo para laboratórios abertos adquirirem esse hardware? Este seria um subsídio contínuo (precisa de novo hardware com frequência agora) e como selecionar quais laboratórios recebem o subsídio? A matemática do guardanapo para 10K H200s é provavelmente ao norte de US $ 300 milhões se usarmos a suposição simples de ~ US $ 30 mil por H200. E isso é apenas aquisição de hardware de GPU. Você precisa de um lugar para executá-los junto com o opex para mantê-los.
Se você forçar os proprietários de computação existentes a reduzir o suprimento para fornecer a esses laboratórios, eles também precisarão de alguma forma de subsídio. A maioria dessas empresas diz que também está com restrição de oferta no momento.
De qualquer forma, parece que estamos caminhando para a criação de um novo paradigma de computação. O paradigma até agora girou em torno da expansão da computação co-localizada. Sem dúvida, ainda haverá as construções de datacenters do tamanho de Manhattan nos EUA e em outros lugares. Mas também haverá ilhas de computação menores, variando em tamanho, conectadas com fibra, etc. Quando essas são as restrições novas/padrão e limitações fundamentais, isso empurrará a comunidade mais ampla de pesquisa em IA em direções novas e inexploradas.
O impacto a jusante disso pode significar uma grande e crescente divergência entre a pesquisa, arquiteturas de modelos, economia, etc., produzidos entre os maiores laboratórios de IA fechados (aqueles que trabalham com datacenters únicos efetivamente massivos) e aqueles (provavelmente acadêmicos e empresas de IA descentralizadas) que usam clusters de computação mais distribuídos (ou seja, as pequenas, mas numerosas ilhas de computação). Não está claro como isso acontece para ambos os lados (e, em última análise, para os consumidores dos modelos produzidos por cada um), mas parece que a direção em que as coisas estão indo.
Você poderia até argumentar que já vimos vislumbres disso. Os laboratórios chineses têm restrições de computação fundamentalmente diferentes das da OpenAI, por exemplo. Esses laboratórios chineses tiveram que inovar nas técnicas de treinamento / inferência por causa disso. Não é uma analogia perfeita, mas talvez possa ajudar a elucidar como são os "pequenos passos" em direção a um novo paradigma e, com o tempo, esses pequenos passos se compõem e produzem algo que parece / funciona de maneira bem diferente do que o outro caminho produz.
4 de ago., 22:08
Para resolver isso, o principal limite de recursos é ter vários laboratórios abertos com 10000+ GPUs cada.
Vários laboratórios fazem com que não estejamos em dívida com as boas graças das grandes empresas de tecnologia para querer lançar modelos. Essas instituições aumentam a inovação + reduzem o risco dessa tecnologia crucial.
621
Leitura muito interessante, algumas coisas que se destacaram:
- começa a peça observando que eles estão vendo os sistemas de IA se auto-melhorarem (tendência crescente), mas com poucos detalhes
- traçando grande distinção entre IA "pessoal / consumidora" versus substituição de trabalhadores / mão de obra
- óculos se tornando nossos "dispositivos de computação primários", favorecidos porque eles têm mais contexto
- superinteligência significa que eles precisam reconsiderar sua estratégia de código aberto, um grande pivô do ano passado.
30 de jul. de 2025
Today Mark shared Meta’s vision for the future of personal superintelligence for everyone.
Read his full letter here:
1,13K
Não poderia concordar mais.
Difícil de imaginar agora, mas antes de meados de 2019 as stablecoins estavam atingindo apenas 20% do volume diário no Ethereum. O eventual domínio do volume das stablecoins permitiu que o DeFi acelerasse.
Precisamos de catalisadores semelhantes para IA descentralizada.
30 de jul. de 2025
A IA descentralizada hoje é onde DeFi e stablecoins estavam por volta de 2020.
A maioria das tecnologias de IA verdadeiramente transformadoras não viverá dentro de pilhas fechadas. Está sendo construído em trilhos abertos, transparentes e descentralizados.
Um evento inovador dará início à adoção geral. Como a Stripe adquirindo a Bridge. E então a IA descentralizada será chamada apenas de IA.
1,16K
Melhores
Classificação
Favoritos