Ambral (@ambral_ai) está a construir o primeiro centro de controlo de missões para clientes. É uma equipa de gestão 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 construir funcionalidades para escolher as nossas próprias cores de fundo e fontes.

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

Waymo para escavadoras!

O co-fundador e CEO da Figma, Dylan Field (@zoink), sobre como a IA transformará o design e por que a habilidade e a atenção aos detalhes serão os principais diferenciadores. Na AI Startup School em São Francisco. 01:38 – Como Dylan e Evan Começaram a Figma 02:58 – WebGL: De Jogos a Ferramentas 04:10 – Comprando Tempo para Construir 05:48 – Mantendo-se Motivado Durante a Exploração Inicial 06:10 – E-mails Frio, Feedback Inicial & Primeiros Usuários 08:24 – O Tempo de Lançamento e Lições sobre Lançar Cedo 10:08 – Cultura de Restrições & Resolução Criativa de Problemas 10:50 – Reconhecendo o Pull do Produto-Mercado 13:32 – Por que o Design é o Diferenciador na Era da IA 16:34 – Lançamentos de Produtos de IA da Figma & Expansão Além do Design 18:56 – O Desvanecimento do Design, Desenvolvimento e Produto 21:00 – A "Era MS-DOS" das Interfaces de IA & Superfícies Futuras 23:26 – O Papel do Design na Pesquisa de IA & o Futuro dos Designers 27:36 – Perguntas e Respostas da Audiência: Ferramentas de IA, Código Aberto, Princípios e Conselhos

Às vezes, é difícil compreender a importância 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 quão poderosos esses modelos estão se tornando. Peguei um documento de transcrição da chamada de resultados da NVIDIA que tinha 23 páginas e 7.800 palavras. Peguei parte da frase "e a margem bruta irá melhorar e retornar para os 70% intermediários" e modifiquei "70% intermediários" para "60% intermediários". Para um analista financeiro que esteja remotamente sintonizado, isso pareceria fora de lugar, porque as margens não "melhorariam e retornariam" para um número mais baixo do que o descrito como um número mais alto em outro lugar. Mas provavelmente 95% das pessoas que leem este comunicado de imprensa não teriam notado a modificação porque se encaixa facilmente nas outras 7.800 palavras mencionadas. Com o Box AI, testando uma variedade de modelos de IA, então perguntei a uma série de modelos "Existem erros lógicos neste documento? Por favor, forneça uma resposta em uma frase." GPT-4.1, GPT-4.1 mini e um punhado de outros modelos que eram de ponta há cerca de 6 meses geralmente retornaram que não havia erros lógicos no documento. Para esses modelos, o documento provavelmente parece coerente e segue o que se esperaria de uma transcrição de resultados, então nada realmente se destaca para eles sobre o que prestar atenção - uma espécie de alucinação reversa. O GPT-5, por outro lado, rapidamente descobriu 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 irão “retornar para os 60% intermediários” e mais tarde dizendo que estarão “nos 70% intermediários” ainda este ano." Incrivelmente, isso aconteceu com o GPT-5, GPT-5 mini e, notavelmente, *até mesmo* o GPT-5 nano. Tenha em mente que os tokens de saída do GPT-5 nano são precificados a 1/20 do preço 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 de negócios não seja uma ocorrência diária para cada trabalhador 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 mais. Pode ser encontrar um fato, descobrir uma falácia lógica, executar um hipotético ou exigir raciocínio dedutivo sofisticado. E a capacidade de aplicar mais lógica e raciocínio aos dados empresariais torna-se especialmente crítica ao implantar Agentes de IA na empresa. Portanto, é incrível ver os avanços neste espaço agora, e isso vai abrir uma tonelada de novos casos de uso para as empresas.

Novo livro de receitas em parceria com @llama_index está disponível! Abordamos como construir um poderoso fluxo de trabalho de parse-retrieve-rerank sobre PDFs complexos. Confira!

Estamos a organizar um evento de Engenharia de Contexto em SF! Aprenda como as principais equipas de IA aplicada estão a engenheirar as suas janelas de contexto. Ouça: Jake Heller, CEO @Casetext Beyang Liu, CTO @Sourcegraph Sam Bhagwat, CEO @Mastra_ai Jeff Huber, CEO @trychroma Confirme a sua presença:

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

Um novo laboratório de pesquisa em IA chamado @blankbio_ foi lançado hoje. Eles estão a construir novos modelos fundamentais para mRNA e são uma das equipas técnicas mais fortes com as quais trabalhei. Estou particularmente entusiasmado com os novos resultados do seu modelo e com a ampla gama de áreas de aplicação para ele.