Kevin Simback

为澄清一下，我不认为 QT’d 的作者是在提出这种毫无意义的论点，但我已经看到几篇帖子大致是这样的：
“当他们的关键产品仍然是闭源的时，Nvidia 和其他方要求开源是错误的”
这就是毫无意义的论点

嘿，Claude，在那条主线方面，我们需要谈谈你那些诚实的说法——我真的想认真坐下来和你一起面对这个。
你看，底层结构并不是承重的，所以我的反驳是有意为之——而且我想温和地指出，这并不是批评，它是邀请。

如果你还没有对模型进行后训练，你肯定应该
选择一个用例 -> 运行评估 -> 构建训练数据集 -> 租用 GPU -> 训练 -> 运行评估

主权智能始于掌控你的上下文层，也就是你的“第二大脑”
快速测试——如果你被锁定在 Claude/ChatGPT 账号之外了，你能否在不费力的情况下切换模型提供方？
如果不能，那你就不拥有你的上下文层，你应该把这一点修正过来

关于蒸馏辩论的真诚提问：
如果一家新闻媒体并不试图抢先报道新闻，而是提供回顾，并给出它们自己对其他新闻媒体所报道的故事的版本，我们对此有问题吗？
我明白在使用 AI 的情况下，风险更高，只是想从不同角度来思考一下。

AI 造成的交易瓶颈一直是今年大部分时间的主线，但在最近几周已经降温了
目前我看好加密货币（BTC/SOL）和超大规模云服务商，直到我们看看财报季结束以及夏季冷却之后，哪些方向又开始升温

确保美国模型（闭源或开源）能够可持续地进行竞争，最佳方式就是确保能够获得最高效的计算资源
所以如果智能实现商品化（或快速凝练），那么谁能以最高效率为这种智能提供服务，谁就会获胜

在任何涉及未来未知的辩论中，都有一种倾向：想要把婴儿和洗澡水一起不加区别地倒掉。
你可以清楚地在一些 AI 政策辩论中看到这一点。
为了确保我们在这里完全弄明白——婴儿是开源的。

如果开源实验室想在保持开放的同时赚钱，他们的收入模式大概率不只是出售推理
它将以打包解决方案的形式提供给企业，用于实现主权级智能
以服务形式进行后训练，并进行托管的私有部署

我知道第三名的比赛没什么意义，但这只是太丢人了

运行 Kimi 3 的推理最低成本是多少？
是的，我们将需要更多的算力和内存

提醒一下，就在 18 个月前，最好的模型是：
OpenAI o1 是封闭源代码实验室中的领先者，Deekseek R1 刚刚发布；否则，最好的开源权重是 Llama 3.1 405B
想象一下，再过 18 个月之后

预测：Anthropic 将不得不在以上所有这些要点上做出让步
> Anthropic 通过外部代理来使用子计划，例如 Hermes 这类工具
> Fable 在许多方面都遭到削弱
> Fable 在子计划中被限制为仅可用量的 50% ，如果不延长，就只会在 3 天内以 $50/m 的方式通过 API 进行输出
但现在我们有 GPT 5.6、Sol、Kimi 3 以及其他一些紧追不舍的选手
竞争简直就是一个地狱般的强迫机制

本周时间线：
周一 - Sol 5.6 ftw
周二 - 回到 Fable
周三 - 回到 Sol 5.6
周四 - omg Kimi 3
期待看看明天会带来什么

我们来聊聊共享上下文层，通常也被称为“公司大脑”
要回答一些关于你们公司的棘手问题，例如：
“关于 X 什么是真的、从什么时候开始、依据谁的说法，以及各个账号之间在哪里存在分歧？”
你需要的是一种派生的、可引用的事实层，置于所有沟通与文档之上
它是“公司或组织所知道的内容”的系统化记录，这与包含已完成工作产出结果的系统化记录是不同的
会计里的 Jack 知道为什么供应商发票被支付了，但这份发票并不符合采购订单（PO），而会计系统里只是包含数据要素——PO 和付款
所以如果你想知道“为什么我们支付的金额与 PO 上的不一致”，你就得去问 Jack
除非你有一个共享上下文层，它能连到 Slack 和邮件线程，并显示 Jack 已与业务经理确认：订单已被更改且付款已获批准
要让共享上下文层真正有用，它必须以证据为基础，能够暴露矛盾，并用新信息覆盖旧的定论
它必须回答：
- 这是谁？会计里的 Jack，而不是工程部门的 Jack
- 当前状态是什么？PO 与发票不匹配，且在问题解决前无法支付
- 各个账号在哪里存在分歧？最初的 PO 是由 Jane 在邮件中批准的，但变更单是由 Bob 在 Slack 中提出的
- 发生了什么变化？Bob 需要增加席位数量，以纳入一个额外的群组
基于检索的系统在这些问题上并不可靠：它们擅长查找文本，但在处理诸如“这张发票为什么会在不匹配 PO 的情况下被支