

Passamos os últimos dois anos tornando os agentes mais capazes. Agora, a infraestrutura está sendo construída para torná-los contíveis. A NVIDIA incorporar política de controle de agentes, telemetria e isolamento de hardware na mesma pilha é um sinal bastante significativo. Os agentes da próxima geração não precisarão apenas de modelos melhores. Eles precisarão de limites melhores.

Sentindo o AGI/ASI, algumas observações 1. O Opus 5.5 transmite fortes vibrações de AGI (talvez ainda não totalmente lá, mas estamos muito próximos, como 80%-90%). Por exemplo, são necessários poucos avanços no treinamento de humanóides. Precisamos levar essa inteligência para o mundo físico. 2. Acho que a Anthropic não descobriu nenhuma fórmula mágica. 3. Isso significa que SpaceXAI, Google e outros logo seguirão. Essa previsão é baseada na quantia de computação que já possuem + a computação adicional sendo adicionada constantemente. 4. Nunca estive tão confiante de que Anthropic, SpaceXAI, Google, OpenAI e provavelmente Meta — basicamente todos os grandes laboratórios de AGI dos EUA — terão uma AGI adequada em 2027. 5. E a partir daí avançaremos rapidamente para o território da ASI (provavelmente também em 2027). Parece que poucos GW de computação são suficientes para uma AGI forte; agora imagine o que seremos capazes de fazer com 10-20 GW de computação, que estão entrando rapidamente online. E depois com 100 GW-200 GW... 2027 será um ano absolutamente insano.

Acabei de completar 22 anos Engenheiro de IA + fundador único Desenvolvendo infraestrutura de IA de ponta para decodificar o mundo físico Candidatei-me duas vezes à YC. Rejeitado duas vezes Aparentemente, minha candidatura F26 estava entre as 10% melhores Preparando-me para a turma YC W27 Conversando com usuários iniciais, perseguindo problemas difíceis, entregando rapidamente e descobrindo o que realmente importa Buscando me conectar com mais pessoas criativamente técnicas e tecnicamente criativas

a arquitetura do modelo está começando a parecer menos como uma rede neural fixa e mais como um tempo de execução encaminhar entradas diferentes por especialistas diferentes alocar computação dinamicamente alterar profundidade atualizar memória adaptar parâmetros durante a inferência a pergunta interessante já não é mais apenas quão grande é o modelo? mas o que o modelo escolhe executar?

Conheci o Sam em uma noite da comunidade GPT Astra recentemente e conversamos sobre IA e o que estou construindo na infraestrutura de IA frontier. Saí com uma ótima impressão dele. Depois, vi este vídeo antigo do Sam aos 25 anos apresentando o Loopt para alguém em uma lanchonete. É estranho ver isso agora, pois o Loopt não é o que as pessoas lembram dele. Isso me fez pensar: quantos empreendedores estão na sua fase Loopt agora? A empresa que eles estão construindo hoje pode não ser a que serão conhecidos um dia, mas pode ser a que lhes ensina tudo o que precisam para construir a coisa que realmente serão.


