Ambral (@ambral_ai) đang xây dựng trung tâm điều khiển nhiệm vụ khách hàng đầu tiên. Đây là một đội ngũ quản lý tài khoản AI được thiết kế để giúp bạn tối đa hóa doanh thu từ mỗi khách hàng. Chúc mừng về việc ra mắt, @Sambrickman_ & @JackStettner!

Chúng ta sẽ biết AGI bị hoãn lại khi các phòng thí nghiệm bắt đầu xây dựng các tính năng cho phép chọn màu nền và phông chữ của riêng mình.

Hiện tại, có một lợi thế lớn khi là một startup trực tiếp ở SF: Gần gũi với các phòng thí nghiệm AI, tiếp cận sớm với các mô hình, gần gũi với những người ở tuyến đầu, và tiếp cận vốn. Nếu một mô hình mới ra mắt và đội ngũ của bạn nhanh chóng tích hợp, điều đó có thể dễ dàng tạo ra sự khác biệt giữa việc thu hút hàng trăm người dùng mới trong một ngày so với không.

Waymo cho máy xúc!

Người đồng sáng lập và CEO của Figma, Dylan Field (@zoink) về cách AI sẽ biến đổi thiết kế và tại sao sự khéo léo và sự chú ý đến chi tiết sẽ là những yếu tố phân biệt cuối cùng. Tại AI Startup School ở San Francisco. 01:38 – Cách Dylan và Evan bắt đầu Figma 02:58 – WebGL: Từ trò chơi đến công cụ 04:10 – Mua thời gian để xây dựng 05:48 – Giữ động lực trong giai đoạn khám phá ban đầu 06:10 – Email lạnh, phản hồi sớm & người dùng đầu tiên 08:24 – Thời điểm ra mắt và bài học về việc giao hàng sớm 10:08 – Văn hóa của những hạn chế & giải quyết vấn đề sáng tạo 10:50 – Nhận diện sức kéo của sản phẩm-thị trường 13:32 – Tại sao thiết kế là yếu tố phân biệt trong kỷ nguyên AI 16:34 – Các sản phẩm AI của Figma và mở rộng ra ngoài thiết kế 18:56 – Sự mờ nhạt giữa thiết kế, phát triển và sản phẩm 21:00 – Kỷ nguyên "MS-DOS" của giao diện AI & các bề mặt tương lai 23:26 – Vai trò của thiết kế trong nghiên cứu AI & tương lai của các nhà thiết kế 27:36 – Hỏi đáp từ khán giả: Công cụ AI, mã nguồn mở, nguyên tắc và lời khuyên

Đôi khi thật khó để nắm bắt tầm quan trọng của những cập nhật về lý luận và logic đang bắt đầu xuất hiện trong các mô hình mạnh mẽ, như GPT-5. Đây là một ví dụ *rất đơn giản* về việc những mô hình này đang trở nên mạnh mẽ như thế nào. Tôi đã lấy một tài liệu biên bản cuộc gọi thu nhập gần đây của NVIDIA dài 23 trang và có 7,800 từ. Tôi đã lấy một phần của câu "và biên lợi nhuận sẽ cải thiện và trở lại giữa những năm 70" và sửa đổi "giữa những năm 70" thành "giữa những năm 60". Đối với một nhà phân tích tài chính có mặt từ xa, điều này sẽ trông không hợp lý, vì các biên lợi nhuận sẽ không "cải thiện và trở lại" một con số thấp hơn so với con số được mô tả là cao hơn ở nơi khác. Nhưng có lẽ 95% người đọc thông cáo báo chí này sẽ không phát hiện ra sự sửa đổi vì nó dễ dàng hòa nhập vào 7,800 từ khác được đề cập. Với Box AI, thử nghiệm một loạt các mô hình AI, tôi đã hỏi một loạt các mô hình "Có lỗi logic nào trong tài liệu này không? Vui lòng cung cấp một câu trả lời ngắn gọn." GPT-4.1, GPT4.1 mini, và một số mô hình khác đã là công nghệ tiên tiến chỉ ~6 tháng trước đây thường trả lời rằng không có lỗi logic nào trong tài liệu. Đối với những mô hình này, tài liệu có lẽ có vẻ mạch lạc và theo những gì mà nó mong đợi một biên bản thu nhập trông như thế nào, vì vậy không có gì thực sự nổi bật để họ chú ý - kiểu như một ảo giác ngược. GPT-5, mặt khác, nhanh chóng phát hiện ra vấn đề và phản hồi: "Có — tài liệu chứa một sự không nhất quán nội bộ về hướng dẫn biên lợi nhuận, có một lúc nói rằng biên lợi nhuận sẽ “trở lại giữa những năm 60” và sau đó nói rằng chúng sẽ “ở giữa những năm 70” vào cuối năm nay." Thật đáng kinh ngạc, điều này đã xảy ra với GPT-5, GPT-5 mini, và, đáng chú ý, *ngay cả* GPT-5 nano. Hãy nhớ rằng, các token đầu ra của GPT-5 nano được định giá ở mức 1/20 giá của các token của GPT-4.1. Vì vậy, thông minh hơn (trong trường hợp sử dụng này) với 5% chi phí. Bây giờ, trong khi việc thực hiện các đánh giá lỗi trên các tài liệu kinh doanh không phải là một hoạt động hàng ngày của mọi nhân viên tri thức, những loại vấn đề này xuất hiện theo nhiều cách khi xử lý các tập dữ liệu lớn không có cấu trúc, như tài liệu tài chính, hợp đồng, biên bản, báo cáo, và nhiều hơn nữa. Nó có thể là tìm một sự thật, xác định một sai lầm logic, chạy một giả thuyết, hoặc yêu cầu lý luận suy diễn tinh vi. Và khả năng áp dụng nhiều logic và lý luận hơn vào dữ liệu doanh nghiệp trở nên đặc biệt quan trọng khi triển khai các AI Agents trong doanh nghiệp. Vì vậy, thật tuyệt vời khi thấy những tiến bộ trong lĩnh vực này ngay bây giờ, và điều này sẽ mở ra rất nhiều trường hợp sử dụng hơn cho các doanh nghiệp.

Cuốn sách nấu ăn mới hợp tác với @llama_index đã ra mắt! Chúng tôi sẽ hướng dẫn cách xây dựng một quy trình parse-retrieve-rerank mạnh mẽ trên các tệp PDF phức tạp. Hãy xem thử nhé!

Chúng tôi đang tổ chức một sự kiện Kỹ thuật Ngữ cảnh tại SF! Hãy tìm hiểu cách các đội ngũ AI ứng dụng hàng đầu đang thiết kế các cửa sổ ngữ cảnh của họ. Nghe từ: Jake Heller, Giám đốc điều hành @Casetext Beyang Liu, Giám đốc công nghệ @Sourcegraph Sam Bhagwat, Giám đốc điều hành @Mastra_ai Jeff Huber, Giám đốc điều hành @trychroma Đăng ký tham gia:

Anytrace () là kỹ sư hỗ trợ AI của bạn. Nó có thể giải quyết các vé kỹ thuật từ đầu đến cuối bằng cách trò chuyện với khách hàng, điều tra các vấn đề và quản lý toàn bộ vòng đời của vé. Chúc mừng về việc ra mắt, @samgoldman0 & @tairabun!

Một phòng thí nghiệm nghiên cứu AI mới có tên @blankbio_ đã ra mắt hôm nay. Họ đang xây dựng các mô hình nền tảng mới cho mRNA, và là một trong những đội ngũ kỹ thuật mạnh nhất mà tôi đã làm việc cùng. Tôi đặc biệt hào hứng về kết quả mô hình mới của họ, và nhiều lĩnh vực ứng dụng rộng lớn cho nó.