NVIDIA просто підтримала індійський стартап, який допомагає компаніям запускати ШІ з меншою кількістю власних GPU NVIDIA Він називається SimpliSmart, базується в Бенгалуру, зібрав $14 млн у серії B від Accel, оцінка — близько $100 млн Їхнє програмне забезпечення розташоване між моделями ШІ та обчислювальною інфраструктурою і автоматично налаштовує розгортання моделей, щоб компанії досягали оптимального балансу швидкості, витрат та продуктивності без ручного керування InVideo зменшили витрати на сервіс GPU на 56% за допомогою цього. Дохід зростав у 14 разів за шість місяців. Більше половини походить із США Очевидне питання: чому NVIDIA підтримує програмне забезпечення, яке зменшує попит на чипи NVIDIA? Відповідь засновників: зробивши висновок ШІ дешевшим і простішим, більше компаній спочатку приймуть ШІ, що в кінцевому підсумку призведе до більшого продажу GPU NVIDIA також працює з SimpliSmart над технічною інтеграцією зі своїм власним програмним забезпеченням Dynamo для висновку, знайомлячи їх із клієнтами та партнерами Отже, NVIDIA не просто інвестує — вона вбудовує себе у стартап, який конкурує в тій самій сфері, що й власні продукти NVIDIA для висновку Або NVIDIA справді вірить, що ефективність стимулює більше прийняття, або вони краще хочуть контролювати цей напрямок ефективності, ніж дивитися, як це заберуть інші

Пітер Штейнбергер, автор OpenClaw, оцінює, що минулого місяця витратив близько 10 мільйонів доларів у токенах. За цим темпом це $120 мільйонів на рік на одну особу. Цього достатньо, щоб заплатити 500 старшим інженерам на рік. Його роботодавець, OpenAI, покриває ці витрати. Він також визнав, що не вся ця витрата була корисною. Тож, коли хтось каже вам: «ШІ дешевший, ніж наймати», запитайте, що саме було куплено за токени.

AI-арт — це не мистецтво!! BOOOOOOOO Мені подобається, нагадує мою NVIDIA

Я думаю, що вся екосистема Space X дивовижна. Одне з того, що мені подобається робити, — це ставити лайки твітам, які бачу тут і які стосуються ШІ, коли я в своєму Cybertruck. Grok озвучує мої лайкнуті твіти та пояснює їх мені під час автопилоту.

Bullshot оголосив про збір $7,7 млн у рамках раундів фінансування з підтримкою @animocabrands та @PolygonVentures, а також збір $1 млн через @MindoAI Поєднання створення токенів, торгівлі та AI-агентів робить @Bullshot911 проєктом, за яким варто стежити 👀

СВЯТА БЛЯДЬ, ЕЛОН МАСК СТВОРИВ БОТА GROK, ЯКИЙ ЗАМІНИВ 28+ ПЛАТНИХ ІНСТРУМЕНТІВ Він працює на власному хмарному комп’ютері, входить у ваші додатки та виконує завдання за розкладом. Кожен бот може зберігати до 50 завдань. Що він замінює: → AI-агенти: ChatGPT Plus/Pro, Manus, Perplexity Pro, GenSpark, Devin, Lindy → Автоматизація: Zapier, Make, n8n Cloud, Bardeen, PhantomBuster, Apify/Browse AI → Соцмережі: Hootsuite, Buffer, Sprout Social, Typefully, HypeFury → Продажі: Apollo.io, Clay, Lemlist/Instantly, SalesLoft → Операції: Superhuman, Motion/Reclaim, Otter/Fireflies, Intercom Fin/Zendesk AI, Feedly/Brand24/Mention → Контент: Jasper/Copy AI, gamma Почніть з малого: виберіть одну підписку, до якої ви звертаєтеся щодня, і передайте цю задачу боту як завдання. Збережіть це та прочитайте статтю нижче, щоб налаштувати бота Grok так, як це роблять інженери SpaceXAI ↓

БОЖЕ МІЙ. OPENAI ЗРОБИЛА AI-АГЕНТИ ДЕШЕВШИМИ І КРАЩИМИ У ВИКОРИСТАННІ ВАШОГО КОМП’ЮТЕРА. Знайомтесь: GPT 6.1 Terra. Це оновлення стосується чогось набагато більшого, ніж генерація кращих відповідей. OpenAI рухається до чогось набагато кориснішого — реальної виконання роботи. Terra розроблена, щоб розуміти, що відбувається на вашому екрані, взаємодіяти з програмами комп’ютера та виконувати складні послідовності завдань. Подумайте, що це означає. AI може допомогти підготувати пропозиції, інтерпретувати технічні креслення, заповнювати форми, редагувати відео та виконувати повторювану офісну роботу. Замість того щоб пояснювати, як це зробити, він може сам виконати всі необхідні кроки. OpenAI стверджує, що нова модель значно краще справляється з такими завданнями, ніж GPT 5.6 Terra. Але ось частина, яка справді привернула мою увагу — ціна. Стандартна ціна API GPT 6.1 Terra на 50% нижча, ніж у GPT 5.6 Terra. Це має значення, бо AI-агенти можуть робити багато запитів до моделі під час виконання одного робочого процесу. Кожен крок коштує грошей. Читання інформації, аналіз екрана, вирішення, що робити далі, та перевірка результату — все це додається. Зниження витрат робить більш практичним масштабне використання таких систем. OpenAI також повідомляє про значні покращення в кодуванні та візуальному мисленні, а також зменшення кількості фактологічних помилок у внутрішніх оцінках. Ця комбінація важлива. Модель, яка може розуміти завдання, керувати програмним забезпеченням та писати код, стає набагато кориснішою, коли може робити все це швидше й дешевше. Уявіть AI-агентів, які обробляють рахунки, оновлюють електронні таблиці, організовують інформацію про клієнтів або виконують повторювані завдання через кілька додатків. Не просто кажуть вам, що робити. А реально допомагають це зробити. Звичайно, використання комп’ютера — це не те саме, що повна автономність. Складні робочі процеси все ще потребують тестування, дозволів та людського контролю. Але напрямок стає очевидним. Наступна велика боротьба в AI — це не лише те, яка модель краще мислить. Це те, яка модель може надійно перетворити цю інтелектуальну здатність на дію. І зараз OpenAI робить цю здатність дешевшою для використання.

🚨 БОЖЕ МІЙ. ДЖЕНСЕН ХУАН ТОЧНО ТРИМАВ ОДИН ПЕТАФЛОП ШТУЧНОГО ІНТЕЛЕКТУ В ОДНІЙ РУЦІ. І порівняння, яке він зробив, абсолютно дивовижне. У 2016 році Дженсен Хуан доставив систему NVIDIA DGX 1 маленькій компанії під назвою OpenAI. Це був величезний пристрій, створений спеціально для обчислень штучного інтелекту. Він забезпечував один петафлоп обчислювальної потужності і мав 128 ГБ пам’яті. І Дженсен нагадав всім про один деталь. На другий поверх цю машину довелося носити двом людям. Зараз, через десять років, він тримає компактний AI-комп’ютер в одній руці і показує ті самі ключові цифри. Один петафлоп. 128 ГБ пам’яті. Хвилинку подумайте про це. Нову лінійку RTX Spark розробляли протягом чотирьох років у співпраці з Microsoft і цілою індустрією ПК. За словами Дженсена, проект включав новий чіп під назвою N1X і цілу нову сім’ю комп’ютерів — настільні, портативні та робочі станції. Мета — перенести серйозну обчислювальну потужність штучного інтелекту в набагато менший форм-фактор. І саме тут стає цікаво. Роками доступ до потужного AI-обладнання означав залежність від дорогих хмарних інфраструктур або спеціалізованих машин, які були недоступні для більшості окремих розробників. Компактні системи, подібні до цієї, вказують на інший підхід. Уявіть, що ви розробляєте AI-агенти, експериментуєте з моделями та запускаєте вимогливі AI-завдання прямо на своєму столі. Менше залежності від віддалених інфраструктур. Більше контролю над середовищем розробки. І потенційно менші повторювані витрати на хмарні сервіси для завдань, які можна запускати локально. Звичайно, є важлива різниця. Те, що два пристрої мають однаковий пиковий петафлоп, не означає автоматично, що вони забезпечують однакову реальну продуктивність. Важливими є точність обчислень, архітектура пам’яті та тип завантаження. Але фізична трансформація все одно дивовижна. У 2016 році цей клас AI-обчислень мав форму пристрою, який треба було носити двом людям. Зараз Дженсен Хуан може тримати систему з порівнянними ключовими характеристиками в одній руці. Саме це робить це більше, ніж просто запуск нового комп’ютера. AI-обладнання не лише стає потужнішим. Воно стає набагато доступнішим. І наступне покоління розробників AI може не потребувати серверної кімнати, щоб почати.