KevinSimback

Fable veio e foi - foi bom?
GLM 5.2 acabou de ser lançado - é bom?
A maioria responderá de forma anedótica, mas todos devemos criar nossas próprias avaliações pessoais
Escolha alguns fluxos de trabalho estruturados que você faz com frequência, construa um conjunto de avaliação, e depois execute-os com qualquer novo modelo como uma primeira tarefa

O enigma da inferência do consumidor:
Vejo muitos projetos de inferência voltados ao consumidor trabalhando para reduzir o alto custo das APIs de fronteira
Métodos variam, mas a premissa é oferecer inferência mais barata em comparação com agregadores como OpenRouter
O desafio aqui é uma questão de timing
Hoje, os consumidores têm acesso a IA de fronteira altamente subsidiada
Muitas opções para consumidores obterem planos de inferência SOTA a partir de $10 e os planos de $200/mês oferecem uma quantidade insana de uso
Simplesmente não há demanda de consumidores por inferência de API

A prioridade número 1 para toda a indústria de IA neste momento deve ser o avanço de modelos de código aberto baseados nos EUA
Não há razão para os EUA não terem paridade com, ou superarem, os modelos de código aberto vindos da China

Você tem 12 dias restantes de acesso ao Fable via planos Max, aproveite cada dia:
> revise toda base de código existente que você está mantendo
> execute de uma vez só aquela ideia que você vem segurando
> teste a pressão de cada tese sob a qual você está operando
> encontre o alfa entre o ruído
O que você vai fazer?

Em um período de 6 meses, passamos de:
vibecoders
para engenheiros agentic
para designers de loops
A cada evolução, consumindo cada vez mais tokens
Longo relacionado a inferência de qualquer coisa

Todos sabemos que a IA ainda não possui um bom gosto, pelo menos na maioria dos domínios
Então essa habilidade continua sendo exclusivamente humana
Mas outra habilidade poderosa dos humanos é ter um bom detector de $shit IA — você precisa saber quando questionar a saída versus aceitá-la como certa

Opinião polêmica: Anthropic está precificada para a perfeição absoluta
> Mythos tem que entregar
> empresas têm que permanecer flexíveis com os gastos de tokens
> a adoção deve continuar no ritmo de janeiro a maio pelo resto do ano
> o poder de computação tem que ser ampliado
> sem obstáculos governamentais ou sociais
Não apostando contra eles atingirem $100b a taxa de execução até o final do ano, mas eles não podem permitir qualquer escorregada

Este último grupo de projetos de IA em criptomoedas é bastante diferente
As pessoas ainda usam o preço do token como um indicador de qualidade do produto
Mas após uma análise aprofundada deste grupo de projetos, posso dizer que essa relação não se sustenta
O alfa está em avaliar realmente os produtos

Minha principal área de foco dentro de IA neste momento é encontrar empresas que façam uma das seguintes coisas:
> ajudar a reduzir as contas da API do frontier lab
> fornecer / viabilizar alternativas ao uso do frontier lab (os 90% das tarefas que não precisam dele)
De pura maximização de tokens a otimização de custos de tokens

Usar planos de assinatura de LLM hoje parece como ir a um bufê extravagante de tudo que você pode comer
Não custa nada experimentar tudo, então você consome por consumir
Aproveite enquanto dura, o próximo passo é a dieta de tokens, depois vêm os equivalentes de tokens dos GLP-1s para que consumamos menos

Isso é um pouco off-topic, mas retatrutida (dose baixa 1x/semana) + 10-20g/dia de creatina parece um código de trapaça
Perdendo alguns quilos, força aumentada em 10-15% em 2 meses, e se sente renovado com cerca de uma hora a menos de sono

Para mim, está bastante claro que a melhor oportunidade para executivos e proprietários de negócios usarem IA é a seguinte:
> descobrir os principais desempenhadores em seus fluxos de trabalho
> construir agentes com base nos fluxos de trabalho desses principais desempenhadores
> colocar esses agentes em ciclos de autoaperfeiçoamento nesses fluxos de trabalho
> permitir que esses agentes autoaperfeiçoados coordenem entre os fluxos de trabalho para reinventar como o negócio é feito
> humanos para supervisionar tudo isso
As ferramentas estão todas aí, é apenas uma questão de quais organizações p