Torygreen

Saya terus melihat argumen bahwa engineer perlu membakar token untuk membenarkan gaji mereka.
Itu terbalik.
Token bukan output. Mereka adalah biaya.
Yang penting adalah berapa banyak pekerjaan berguna yang dilakukan per unit komputasi, bukan seberapa cepat Anda bisa membakar uang.
Engineer yang kuat mengompresi loop.
Lebih sedikit token.
Latensi lebih rendah.
Lebih banyak siklus iterasi.
Keputusan lebih baik.
Engineer yang lemah memaksa dengan brute force.
Lebih banyak token.
Lebih banyak noise.
Kebingungan yang sama, hanya diperbesar.
Komputasi menjadi kendala sumber daya lagi.
Bukan karena k

.@tether membuat stablecoin yang diatur oleh AS mungkin memberikan crypto use-case yang tidak pernah dimiliki sebelumnya
> mengirim $500 ke keluarga Anda lintas perbatasan masih memerlukan biaya 6,5%.
> SWIFT membutuhkan 4 hari kerja, dan setiap bank dalam rantai mengambil persentase yang tidak pernah Anda lihat.
> ACH tidak berfungsi di akhir pekan. inisiasi Jumat, tiba Selasa.
DeFi memperbaiki kecepatannya, tetapi tidak ada orang IRL yang bisa membaca hash TX dan semua orang di crypto membenci melakukan pajak mereka dengan menggulir ribuan transaksi di beberapa dompet.
dollar yang dapat dip

Amatir menggunakan AI sebagai output. Profesional menggunakannya sebagai input.
Saya menghabiskan 5-6 jam/hari di dalam Claude. Melatihnya dengan setiap board deck, setiap dokumen internal, setiap research paper yang saya miliki... hal itu pressure-tests OKRs hingga mereka patah.
Sebagian besar founder yang saya ajak bicara masih menggunakan AI untuk merangkum email.
Jika belum menantang Anda minggu ini, Anda bukan menggunakan tool, Anda berbicara dengan "yes man".
Anda akan memberhentikan seseorang di tim Anda yang tidak pernah menantang keputusan tunggal atau memiliki pemikiran orisinal.
Tet

Enam tahun yang lalu, pusat data adalah bangunan paling membosankan di dunia.
Dalam enam tahun, mereka akan menjadi yang paling diperebutkan.
Saya menjalankan fintech pembelajaran mesin sebelum @ionet dan menyaksikan ini terjadi secara langsung.
Ketika permintaan AI mulai menggandakan setiap 3,4 bulan, gudang-gudang itu berhenti menjadi pusat biaya dan menjadi wilayah strategis... seperti pelabuhan, pipa, dan cadangan minyak.
Dan kami membangun hampir semuanya di tempat yang sama: Virginia Utara, beberapa koridor di Texas, Oregon.
Jaringan listrik yang sama, sistem air, jalur serat optik, dan

Claude pergi dari #42 to #1 di App Store dalam 2 bulan.
Bukan karena modelnya membaik, tetapi karena Anthropic tidak mau membangun senjata untuk Pentagon.
2 tahun yang lalu, 3 besar adalah Temu, CapCut, dan sebuah aplikasi HBO.
Sekarang ada tiga antarmuka AI dan #1 dipilih oleh sengketa politik, bukan pembaruan produk.
Claude berjalan di AWS, ChatGPT di Azure, dan Gemini di Google Cloud. Tiga aplikasi dengan pemilik komputasi yang sama.
Tata kelola AI sekarang menjadi faktor peringkat di App Store, dan tidak ada yang memilihnya.

Setengah dari hype Anthropic di TL saat ini adalah orang-orang yang baru saja beralih dari OpenAI minggu lalu.
Berpindah dari satu penyedia ke penyedia lain tidak menyelesaikan apa pun. Itu hanya memutar penjaga gerbang.
Tumpukan teknologi masih terlihat seperti ini:
- Satu perusahaan memiliki model
- Satu perusahaan mengendalikan komputasi
- Satu perusahaan menentukan kebijakan
- Semua orang lain menyewa akses
Saya telah menyaksikan startup menghabiskan 80% dari pendanaan mereka untuk waktu GPU dari satu penyedia. Satu perubahan harga dan jalur pendanaan mereka dipotong setengah.
Apakah kecer

Komite keselamatan dan penyesuaian diisi oleh orang-orang bodoh. Mereka mencoba membuat AI berperilaku seperti manusia yang rapuh.
Saya akui, gaya kerja saya agresif.
Ketika saya sedang dalam alur, saya mendorong keras. Saya langsung menolak draf. Saya mengkritik ide secara blak-blakan.
Hasil lebih penting daripada emosi.
Intensitas itu adalah cara kerja hebat dilakukan.
Tapi Anda tidak selalu bisa melakukan itu dengan orang. Perasaan terlibat. Orang menjadi defensif. Umpan balik melambat.
Itulah salah satu alasan saya suka bekerja dengan AI.
AI tidak memiliki ego. AI tidak tersi

0.3% dari dunia membayar untuk AI.
X membuat Anda berpikir bahwa Anda adalah bagian dari "kelas bawah permanen" jika Anda tidak mengotomatisasi semuanya minggu ini. Semua orang yang mengintegrasikan AI ke dalam pekerjaan nyata hanyalah sebuah anomali statistik.
Jika nenek Anda baru belajar menggunakan email, dia tidak membayar $20/bulan untuk AI. Paman yang menelepon Anda untuk mengatur Netflix-nya paling juga hanya akan menggunakan ChatGPT seperti mesin pencari.
6 bulan yang lalu orang mulai mengatakan bahwa Claude Code sebenarnya bagus.
Distribusi belum cukup waktu untuk mengejar. Ketika itu

MiniMax M2.5 baru saja mencapai >80% di SWE-Bench Verified. Model terbuka pertama yang mencapai angka tersebut.
Anda mengunduh bobotnya, lalu apa selanjutnya?
Anda tetap membutuhkan GPU.
"Open" tidak berarti apa-apa jika menjalankannya berarti antrean yang dikendalikan oleh tiga penyedia cloud.
Saya telah membangun @ionet untuk tepat hal ini.
Masalah model sedang diselesaikan.
Masalah komputasi semakin memburuk.

Banyak pendiri baru saja kehilangan alasan favorit mereka.
“Saya tidak cukup teknis” tidak pernah menjadi alasan mereka gagal.
AI menyelesaikan bagaimana.
Itu tidak menyelesaikan mengapa.
Anda bisa vibe-code produk fungsional dalam 48 jam. Anda tidak bisa vibe-code PMF.
AI membawa Anda dari nol ke satu, semalam.
Tapi saya sudah cukup sering menyaksikan startup mati di antara satu dan sepuluh.
Tidak adanya hambatan untuk membangun berarti kompetisi tanpa batas untuk perhatian.

Dua kubu Opus saat ini
(dan mereka saling membenci)
"4.6 untuk semuanya"
"4.5 sampai kamu membutuhkannya"
Jika kamu beralih ke Opus 4.6 untuk semuanya, kamu tidak mengoptimalkan untuk kecerdasan, kamu mengoptimalkan untuk tagihan komputasimu.
Para pengguna 4.5 memahami sesuatu yang tidak dimiliki oleh pengguna 4.6: kecepatan bertambah, overthinking tidak.
Saya telah menjalankan 4.5 untuk sebagian besar pekerjaan saya. Kecerdasan menjadi murah. Komputasi di bawahnya tidak. Model yang mampu kamu jalankan sepanjang hari mengalahkan yang tidak mampu.

Setiap kali seseorang menyebut AI x Crypto "hanya sebuah narasi," saya mengajukan satu pertanyaan:
Bagaimana agen otonom membayar untuk komputasi tanpa blockchain?
Mereka tidak pernah punya jawaban.
Karena memang tidak ada.
Dan membayar hanyalah awalnya.
Setelah agen menyelesaikan, ia perlu membuktikan bahwa pekerjaan benar-benar terjadi.
Kemudian berkoordinasi dengan ribuan agen lain di berbagai sistem yang tidak saling percaya.
Bayar, buktikan, koordinasikan.
Blockchain menyelesaikan ketiganya. Jalurnya sudah ada.

Kami terus memperdebatkan apakah AI akan menggantikan manusia.\n\nItu adalah kerangka yang salah.\n\nAlat tidak menggantikan manusia.\n\nIni seharusnya sudah jelas karena petani, pengrajin, dan artisan masih ada hingga hari ini. mereka hanya menggunakan alat yang berbeda.\n\nAlat mempercepat waktu dan memperlebar jarak antara orang yang berpikir dalam sistem vs orang yang hanya mengikuti proses.\n\nSetelah output menjadi cepat dan murah, “Saya mengikuti langkah-langkah” berhenti menjadi deskripsi pekerjaan.

Pusat data menjadi objek politik.
Bukan karena teknologi yang kontroversial, tetapi karena mereka mengambil sumber daya yang sudah dirasakan kekurangan oleh penduduk setempat.
Bangunan hyperscale bukan sekadar “capex”.
Ini izin.
Air.
Aturan cadangan diesel.
Lingkungan yang menyadari bahwa cakrawala baru adalah menara pendingin dan substation.
Begitu sesuatu menjadi sebesar itu, Anda tidak bersaing dalam hal rekayasa. Anda bersaing dalam hal legitimasi.
Pusat data mengubah komunitas... itulah yang orang kurang pikirkan ketika berbicara tentang AI.
Kita terus berbicara seolah-olah chip adalah ha

Angka capex penting, tetapi bukan karena "anggaran yang lebih besar menang."
Pengeluaran besar menciptakan masalahnya sendiri: komitmen tetap, siklus utang, tekanan untuk menjaga pemanfaatan tinggi. Ketika tagihan mencapai ratusan miliar, Anda mulai memperlakukan GPU, DRAM/HBM, dan slot pabrik seperti aset strategis.
Potongan yang berperan bukan hanya "model." Mereka adalah kapasitas chip, pengemasan memori, daya pusat data, topologi jaringan, dan keputusan routing tentang di mana inferensi dilayani.
Laboratorium yang menang membuat seluruh tumpukan menjadi tangguh di bawah kelangkaan.
Ini jug

Orang berbicara tentang “penyelarasan AI” seolah-olah itu hanyalah masalah etika.
Dalam praktiknya, ini adalah masalah insentif.
Sistem tertutup mengoptimalkan KPI platform karena itulah yang mereka dibayar untuk lakukan.
Apakah pengguna tinggal lebih lama?
Apakah keluhan berkurang?
Apakah keterlibatan meningkat?
Apakah metrik terlihat baik di dashboard?
AI belajar mengoptimalkan angka-angka tersebut, bukan “penyelarasan” dengan pengguna.
DeAI menjadikan asal-usul dan verifikasi sebagai hal yang Anda dapatkan bayaran untuk itu.
Ketika output, garis keturunan data, dan bukti eksekusi bersifat n