🚨 Los usuarios Premium+ ahora pueden acceder a Grok Imagine. Actualiza tu aplicación a la versión 1.1.33 y pruébalo.

Apple podría estar construyendo su propio 'motor de respuestas' de IA | TechCrunch

He explicado esto un par de veces recientemente:
3090 (consumidor) - en esteroides A100 (40GB/80GB)
4090 (consumidor), 4090 48GB - L40S (centro de datos 4090 48GB), en esteroides H100/H200 (80GB/140GB)
5090 (consumidor), 6000 pro (estación de trabajo), 5090 en esteroides B200 (180GB)
Cuanto más sabes

todo el mundo viendo a Q2 ser superado por Q3 a este ritmo, Aptos simplemente doblando la curva sobre cómo se ve "escalar", ni siquiera es sutil al respecto, simplemente dejando recibos por todas partes

Grok Imagine ahora está haciendo *videos* en 1/2 a 1/4 del tiempo que los principales competidores tardan en hacer una sola imagen!

Grok Heavy sigue mejorando.
Si dio algunas respuestas la semana pasada que quizás no eran del todo correctas, entonces, podría estar acertándolas ahora.

Por qué la computación cuántica es increíblemente rápida

Wow. Este es un enorme conjunto de datos web de 24 billones de tokens con metadatos a nivel de documento disponibles en una cierta plataforma
apache-2.0 li…

El monedero de hardware SafePal X1 tiene BT 5, por lo que es super rápido para firmar transacciones y muy seguro con un chip EAL 5+ y…

Olvidamos mencionar que gran parte de nuestra capa API funciona en 🇩🇪. Pero hoy añadimos GPUs 🇩🇪 a . Cuantos más, mejor.

Exactamente, la permanencia no es solo almacenamiento, es verdadera propiedad. Dar a los datos un verdadero poder para perdurar y expresarse por sí mismos.

Gran ruptura bajista. Me encanta cómo una cierta red reduce los puntos únicos de fallo, para ser honesto.
Pero, ¿qué tan granular es su umbral de consenso?
¿Y cómo ponderan la incertidumbre frente a rechazos claros cuando los modelos no están de acuerdo?
Entender la diversidad de nodos y la economía del slashing es clave para la confianza más allá de

Gran ruptura bajista. Me encanta cómo ciertas redes reducen los puntos únicos de fallo, para ser honesto.
Pero, ¿qué tan granular es su umbral de consenso?
¿Y cómo ponderan la incertidumbre frente a rechazos claros cuando los modelos no están de acuerdo?
Entender la diversidad de nodos y la economía del slashing es clave para la confianza más allá

scout debería sentirse mucho más ágil este fin de semana - tomé un tiempo ayer para optimizar el frontend:
• código base mucho más limpio (no es algo que ustedes vean obviamente, pero nos ayuda a seguir impulsando el desarrollo)
• carga diferida en toda la app (las cosas se sienten mucho más rápidas)
• carga más limpia

¿Qué tan grande fue el cambio de paradigma con el subir de los modelos de razonamiento? Analizamos los datos y encontramos que, al menos en algunos benchmarks, es comparable a la transición de BERT a GPT-3.