KevinSimback

主権インテリジェンスのフライホイール：
オープンウェイト → ポストトレーニング → 評価 → エージェントの実行環境 → 軌跡をポストトレーニングに再投入
これを企業向けにより簡単に、より利用しやすくする企業は、今後5年間で大きく勝ち抜くだろう

一日中ずっと
「🚨BREAKING: Someone just…」の投稿を見ずに過ごせた
気分いい

「私の死の報告は大げさに言われています」
—エンタープライズAI投資、2026年7月

今年いちばん思いを込めたAI記事もほぼ完成しました。明日には公開できそうです。
これは、いまAI業界にとって最も重要な問いに答える内容で、週末の議論を踏まえると非常にタイムリーです。

ファーマーズマーケットは、基本的に「数軒の生鮮品（生産者）を混ぜて体裁を整えた」リアルなEtsyみたいになってしまいました。
だいたい、必要ないのに結局買ってしまうような高すぎるものばかりです。

週末は台無しだ：
> GPT-5.6 + ChatGPT Work
> Meta Muse 1.1
> Grok 4.5 + Grok Build
これらのベストな記事／動画は誰が持っている？

現在、暗号資産×AI分野には信じられないほど良いR/Rの機会がいくつかあります。
適切なフィルターは、真のAIビルダーの才能と、暗号ネイティブだけでなく訴求する製品です。
主要銘柄の動向にかかわらず、容易に5倍から10倍のリターンを達成できるいくつかの銘柄があります。

私は、2026〜27年に史上最大のテクノロジーM&Aの波が来ると思います
通貨として使える巨額の株式評価額と、AIによる業界力学の再編が相まって、買い漁りが起きる

非常識な偏見を持っていない人なら誰でも、試合を見てバログンが不当に扱われたと結論づけるだろう
誰がそれを実現するのを助けたかに関わらず、覆すのは正しい判断だった

最新の@theallinpodを聞き終えたところです。今週話題になったAlex Karpの「暴言」について議論がありました。
誰もが気づき始めている最大の認識は、最先端モデルを使用する際の競争優位性の*欠如*です。
競合他社がすべてそれを使用している場合、差別化はできません。
さらに悪いことに、ラボがあなたのデータを取得して競合する製品を作ることを決めた場合、それらのモデルを使用すると競争リスクにさらされる可能性があります（Figmaに聞いてみてください）。
さらに驚くべきことに、これらのモデルは適切な実装で同等に優れたものにできる代替品よりも5〜100倍高価です。
つまり、差別化を失うだけでなく、それを失うために多額の代償を払うことになります。
これらは、オープンソースAIの支持者である私たちがしばらく前から言い続けてきたテーマであり、それがよりコンセンサスを得ているのを見て嬉しく思います。
しかし今、本当の課題が始まります。多くの点で、AnthropicやOpenAIを使用することはイージーボタンを押すようなものです。
製品は素晴らしく、実際に機能します。そして新しい「デプロイ企業」は喜んでそれらをあなたの組織に組み込み、使用方法についてあまり考えなくて済むようにしてくれます。
しかし、あなたのデータとオープンソースモデルを使用して自律型AIを構築するには、より多くのスキルが必

可能性を想像してください
推論資本市場 x $ansem タイアップ
アテンションを活用して、分散型AI、エージェンティックマーケットを強化せよ
cc @blknoiz06 と @0xgilbert

Fableを最大限活用してきた、それが再び有効になってから
私の主観的な意見では、それは現在他のどのモデルも持っていない主体性を持って行動する
それは私の要求を実行し、その過程で他の重要な関連事項を見つけてそれも実行する
それはまるで気にかけている人のように仕事を処理する

Anthropic/OpenAIと中国のオープンソースモデルの比較が話題になっていますが
他のプレイヤーも、いつでも大きな発表を行い、どちらかのバランスを変えられることを忘れないでください
予測: 次の1〜2週間以内に大きな発表があるでしょう

コーディングはAIにとって否定しがたいPMFのユースケースだが、ほとんどのナレッジワークにはまだ道のりがある
コーディングが機能するのは、すべてのコンテキストがバージョン管理され、構造化され、一か所に集約され、通常は何が正しいかを教えてくれるテストスイートを備えたgitリポジトリに存在するからだ
一方、ナレッジワークは、Slack、メール、さまざまなシステム、そしてしばしば人々の頭の中といった、まったく異なる場所に存在する情報に基づいている
したがって、コードのようにナレッジワークを自動化したいのであれば、「コンテキストリポジトリ」、または「カンパニーブレイン」と呼ばれるものが必要になる
しかし、単にファイルを取得してどこかに置き、その上にRAGを載せただけのカンパニーブレインは正しい答えではない
必要なのはオントロジーベースのシステムだ——その設定は困難であり、維持するのはさらに難しい
多くのエンタープライズAIパイロットが失敗したりROIを生み出せなかったりする理由がある——それは「コンテキストリポジトリ」が適切に構築されていないからだ
しかし肝心なのは——適切に行われれば、コンテキストレイヤーは企業が新しいツールに支払うコストから、価値が蓄積される資産へと変わる可能性があるということだ
エージェント型ワークフローがコンテキストレイヤーの上に構築され、それらのエージェントからの

LLMを審査員として使うことは、ループを作る最もシンプルで簡単な方法です
1. AIにプロンプトを送って普段行っていることを実行する
2. 別のモデルを使って出力を評価し、フィードバックを与える
3. 両方が満足するまで繰り返す
ループが完了した時点での最終出力のみを見る
LLMを審査員として使っているため、これは一般的に研究、デザイン、仕様策定など非決定的なタスクに最適です
Looperを使用してこれを行うと、より適切に構築されたループのためのプロンプトを洗練し、審査員を追加し、不必要な反復を実行しないように終了条件を設定することで、非常に簡単になります
現在500以上の⭐️を獲得