Ambral (@ambral_ai) está construindo o primeiro controle de missão do cliente. É uma equipe de gerenciamento de contas de IA criada para ajudá-lo a maximizar a receita de cada cliente. Parabéns pelo lançamento, @Sambrickman_ & @JackStettner!

Saberemos que a AGI foi adiada assim que os laboratórios começarem a criar recursos para escolher nossas próprias cores e fontes de fundo.

Há uma enorme vantagem em ser uma startup presencial em SF agora: proximidade com os laboratórios de IA, acesso antecipado a modelos, proximidade com pessoas de ponta, acesso a capital. Se um novo modelo for lançado e sua equipe for mais rápida para integrar, isso pode facilmente ser a diferença entre adquirir centenas de novos usuários em um único dia ou não.

Waymo para escavadeiras!

O cofundador e CEO da Figma, Dylan Field (@zoink), fala sobre como a IA transformará o design e por que o artesanato e a atenção aos detalhes serão os principais diferenciais. Na AI Startup School em San Francisco. 01:38 - Como Dylan e Evan começaram Figma 02:58 - WebGL: De jogos a ferramentas 04:10 - Comprando tempo para construir 05:48 - Mantendo-se motivado através da exploração inicial 06:10 - E-mails frios, feedback antecipado e primeiros usuários 08:24 - Cronograma de lançamento e lições sobre envio antecipado 10:08 - Cultura de Restrições e Resolução Criativa de Problemas 10:50 - Reconhecendo a atração do produto no mercado 13:32 - Por que o design é o diferencial na era da IA 16:34 - Lançamentos de produtos de IA da Figma e expansão além do design 18:56 - A indefinição de design, desenvolvimento e produto 21:00 – A "Era MS-DOS" das Interfaces de IA e Superfícies Futuras 23:26 - O papel do design na pesquisa de IA e o futuro dos designers 27:36 – Perguntas e respostas do público: Ferramentas de IA, código aberto, princípios e conselhos

Às vezes é difícil entender o significado das atualizações de raciocínio e lógica que estão começando a surgir em modelos poderosos, como o GPT-5. Aqui está um exemplo * muito simples * de como esses modelos estão ficando poderosos. Peguei um documento recente de transcrição da teleconferência de ganhos da NVIDIA que tinha 23 páginas e 7.800 palavras. Peguei parte da frase "e a margem bruta vai melhorar e voltar a meados dos anos 70" e modifiquei "meados dos anos 70" para "meados dos anos 60". Para um analista financeiro remotamente sintonizado, isso pareceria fora de lugar, porque as margens não "melhorariam e retornariam" a um número menor do que o descrito como um número maior em outros lugares. Mas provavelmente 95% das pessoas que lêem este comunicado de imprensa não teriam percebido a modificação porque ela se encaixa facilmente nas outras 7.800 palavras mencionadas. Com o Box AI, testando uma variedade de modelos de IA, perguntei a uma série de modelos "Há algum erro lógico neste documento? Por favor, forneça uma resposta de uma frase." GPT-4.1, GPT4.1 mini e um punhado de outros modelos que eram de última geração há apenas ~ 6 meses geralmente voltaram e retornaram que não havia erros lógicos no documento. Para esses modelos, o documento provavelmente parece coerente e segue o que seria de esperar que fosse uma transcrição de ganhos, então nada realmente se destaca para eles sobre o que prestar atenção - uma espécie de alucinação reversa. O GPT-5, por outro lado, descobriu rapidamente o problema e respondeu com: "Sim - o documento contém uma inconsistência interna sobre a orientação da margem bruta, em um ponto dizendo que as margens "retornarão a meados dos anos 60" e depois dizendo que estarão "em meados dos anos 70" ainda este ano." Surpreendentemente, isso aconteceu com GPT-5, GPT-5 mini e, notavelmente, *até* GPT-5 nano. Lembre-se de que os tokens de saída do GPT-5 nano custam 1/20 dos tokens do GPT-4.1. Portanto, mais inteligente (neste caso de uso) por 5% do custo. Agora, embora fazer revisões de erros em documentos comerciais não seja uma ocorrência diária para todos os trabalhadores do conhecimento, esses tipos de problemas aparecem de várias maneiras ao lidar com grandes conjuntos de dados não estruturados, como documentos financeiros, contratos, transcrições, relatórios e muito mais. Pode ser encontrar um fato, descobrir uma falácia lógica, executar uma hipótese ou exigir um raciocínio dedutivo sofisticado. E a capacidade de aplicar mais lógica e raciocínio aos dados corporativos torna-se especialmente crítica ao implantar agentes de IA na empresa. Portanto, é incrível ver os avanços neste espaço agora, e isso abrirá muito mais casos de uso para as empresas.

Novo livro de receitas em parceria com @llama_index está fora! Examinamos como criar um poderoso fluxo de trabalho de análise-recuperação-reclassificação em PDFs complexos Confira!

Estamos organizando um evento de Engenharia de Contexto em SF! Saiba como as principais equipes de IA aplicada estão projetando suas janelas de contexto. Ouça de: Jake Heller, CEO @Casetext Beyang Liu, diretor de tecnologia @Sourcegraph Sam Bhagwat, CEO @Mastra_ai Jeff Huber, CEO @trychroma RSVP:

Anytrace () é o seu engenheiro de suporte de IA. Ele pode resolver tíquetes técnicos de ponta a ponta, conversando com os clientes, investigando problemas e gerenciando todo o ciclo de vida do tíquete. Parabéns pelo lançamento, @samgoldman0 & @tairabun!

Um novo laboratório de pesquisa de IA chamado @blankbio_ lançado hoje. Eles estão construindo novos modelos de base para mRNA e são uma das equipes técnicas mais fortes com quem trabalhei. Estou particularmente animado com os resultados do novo modelo e com o amplo conjunto de áreas de aplicação para ele.