A Nvidia acabou de apoiar uma startup indiana que ajuda empresas a executar IA com menos GPUs próprias da Nvidia. Chama-se SimpliSmart, com sede em Bengaluru, arrecadou US$ 14 milhões na rodada B com a Accel, avaliada em cerca de US$ 100 milhões. Seu software fica entre os modelos de IA e a infraestrutura de computação, ajustando automaticamente como os modelos são implantados, para que as empresas obtenham o equilíbrio certo entre velocidade, custo e desempenho sem precisar gerenciá-los manualmente. A InVideo reduziu seus custos de serviço de GPU em 56% usando-a. A receita cresceu 14 vezes em seis meses. Mais da metade vem dos EUA. A pergunta óbvia é: por que a Nvidia apoiaria um software que reduz a demanda por seus próprios chips? A resposta dos fundadores: tornar a inferência de IA mais barata e mais fácil faz com que mais empresas adotem IA em primeiro lugar, o que, no final, aumenta a venda de mais GPUs. A Nvidia também está trabalhando com a SimpliSmart em integrações técnicas com seu próprio software de inferência Dynamo, apresentando-os a clientes e parceiros. Portanto, a Nvidia não está apenas investindo — está se integrando a uma startup que compete no mesmo espaço que seus próprios produtos de inferência. Ou a Nvidia acredita genuinamente que eficiência impulsiona mais adoção, ou prefere controlar o jogo da eficiência do que ver alguém mais assumi-lo.

Peter Steinberger, o criador do OpenClaw, estima que gastou cerca de US$ 10 milhões em tokens no mês passado. Nessa taxa, são US$ 120 milhões por ano por uma única pessoa. Isso é suficiente para pagar 500 engenheiros sênior por um ano. Seu empregador, a OpenAI, cobre a conta. Ele também admitiu que nem todo esse gasto foi útil. Então, quando alguém disser a você "IA é mais barata do que contratar", pergunte o que os tokens realmente compraram.

Arte de IA não é ARTE!! BOOOOOOOO Gosto, lembra-me da minha NVIDIA

Acho que todo o ecossistema do X é incrível. Algo que gosto de fazer é curtir tweets que vejo aqui sobre IA, especialmente quando estou no meu Cybertruck. Tenho o Grok lendo em voz alta os tweets que curti e explicando-os para mim enquanto estou em direção autônoma.

Bullshot acabou de anunciar arrecadação de US$ 7,7 milhões em rodadas de financiamento, com apoio de @animocabrands e @PolygonVentures, além de levantar US$ 1 milhão com @MindoAI A interseção entre criação de tokens, negociação e agentes de IA torna @Bullshot911 um projeto para acompanhar 👀

SANTO F*CK, ELON MUSK CRIOU O BOT GROK QUE SUBSTITUIU 28+ FERRAMENTAS PAGAS Ele opera em seu próprio computador na nuvem, faz login nos seus aplicativos e executa rotinas em horários programados. Cada bot pode armazenar até 50 rotinas. O que ele substitui: → agentes de IA: chatgpt plus/pro, manus, perplexity pro, genspark, devin, lindy → automação: zapier, make, n8n cloud, bardeen, phantombuster, apify/browse ai → redes sociais: hootsuite, buffer, sprout social, typefully, hypefury → vendas: apollo io, clay, lemlist/instantly, salesloft → operações: superhuman, motion/reclaim, otter/fireflies, intercom fin/zendesk ai, feedly/brand24/mention → conteúdo: jasper/copy ai, gamma Comece pequeno: escolha a única assinatura que você abre todos os dias e entregue essa tarefa a um bot como uma rotina. Salve isto e leia o artigo abaixo para configurar o bot grok como os engenheiros da spacexai fazem ↓

SANTO CUSCO. A OPENAI ACABOU DE TORNAR AGENTES DE IA MAIS BARATOS E MELHORES EM USAR SEU COMPUTADOR. Conheça o GPT 6.1 Terra. E esta atualização vai muito além de gerar respostas melhores. A OpenAI está empurrando a IA rumo a algo muito mais útil: realmente fazer o trabalho. O Terra foi projetado para entender o que está acontecendo na sua tela, interagir com aplicativos de computador e completar sequências complexas de tarefas. Pense no que isso significa. Uma IA pode ajudar a preparar propostas, interpretar desenhos técnicos, preencher formulários, editar vídeos e lidar com tarefas repetitivas de escritório. Em vez de explicar como fazer algo, ela pode executar os passos necessários para concluí-lo. E a OpenAI afirma que o novo modelo é significativamente melhor que o GPT 5.6 Terra nesse tipo de tarefa. Mas aqui está a parte que realmente chamou minha atenção: o preço. O preço padrão da API do GPT 6.1 Terra é 50% menor que o do GPT 5.6 Terra. Isso importa porque agentes de IA podem fazer muitas chamadas ao modelo ao completar um único fluxo de trabalho. Cada passo custa dinheiro. Ler informações, analisar uma tela, decidir o que fazer a seguir e verificar o resultado podem somar. Custos mais baixos tornam mais prático executar esses sistemas em escala. A OpenAI também relata melhorias significativas no desempenho de codificação e raciocínio visual, além de menos erros factuais em suas avaliações internas. Essa combinação é importante. Um modelo que pode entender uma tarefa, operar software e escrever código se torna muito mais útil quando consegue fazer tudo isso mais rápido e com menor custo. Imaginem agentes de IA processando faturas, atualizando planilhas, organizando informações de clientes ou lidando com tarefas repetitivas em múltiplos aplicativos. Não apenas dizendo o que você deve fazer. Mas realmente ajudando você a concluí-lo. Claro, o uso do computador não é o mesmo que autonomia perfeita. Fluxos de trabalho complexos ainda precisam de testes, permissões e supervisão humana. Mas a direção está ficando clara. A próxima grande corrida de IA não é apenas sobre qual modelo consegue pensar melhor. É sobre qual modelo pode transformar confiavelmente essa inteligência em ação. E agora, a OpenAI está tornando essa capacidade mais barata para usar.

🚨 SANTO CÃO. JENSEN HUANG ACABOU DE SEGURAR UM PETAFLOP DE PODER DE IA EM UMA MÃO. E a comparação que ele fez é absolutamente insana. Em 2016, Jensen Huang entregou um sistema NVIDIA DGX 1 a uma pequena empresa chamada OpenAI. Era uma máquina massiva construída especificamente para computação de IA. Ela fornecia um petaflop de desempenho de computação e vinha com 128 GB de memória. E Jensen lembrou a todos de um detalhe: Eram necessárias duas pessoas para carregar essa máquina para cima. Agora, dez anos depois, ele está segurando um computador de IA compacto em uma mão e mostrando os mesmos números principais. Um petaflop. 128 GB de memória. Deixe isso afundar por um segundo. A nova linha RTX Spark foi desenvolvida ao longo de quatro anos em parceria com a Microsoft e a indústria de PCs como um todo. Segundo Jensen, o projeto envolveu um novo chip chamado N1X e uma família inteiramente nova de computadores, incluindo desktops, laptops e estações de trabalho. O objetivo é trazer poder de computação de IA sério para um formato muito mais compacto. E é aí que as coisas ficam interessantes. Por anos, o acesso a hardware de IA poderoso significava depender de infraestrutura em nuvem cara ou máquinas especializadas que estavam muito além do alcance da maioria dos desenvolvedores individuais. Sistemas compactos como este apontam para uma abordagem diferente. Imagine desenvolver agentes de IA, experimentar modelos e executar cargas de trabalho de IA exigentes na sua própria mesa. Menos dependência de infraestrutura remota. Mais controle sobre seu ambiente de desenvolvimento. E potencialmente menos custos recorrentes em nuvem para cargas de trabalho que podem ser executadas localmente. Claro, há uma distinção importante. Igualar o mesmo valor pico de petaflop não significa automaticamente que duas máquinas ofereçam desempenho real idêntico. A precisão usada, a arquitetura de memória e a carga de trabalho importam. Mas a transformação física ainda é notável. Em 2016, essa classe de computação de IA vinha em uma máquina que exigia duas pessoas para carregar. Agora, Jensen Huang pode segurar um sistema com especificações principais comparáveis em uma única mão. É isso que torna isso mais do que apenas mais um lançamento de computador. O hardware de IA não está apenas se tornando mais poderoso. Está se tornando dramaticamente mais acessível. E a próxima geração de desenvolvedores de IA pode não precisar de uma sala de servidores para começar.