Saya dan ibu saya pada tahun 1983 atau 84.

Mencari tahu apa yang harus dikatakan startup kepada investor anehnya berguna untuk mencari tahu apa yang sebenarnya harus dilakukannya. Kebanyakan orang memperlakukan pertanyaan-pertanyaan ini terpisah, tetapi idealnya mereka menyatu. Jika Anda dapat memasak rencana yang masuk akal untuk menjadi besar, Anda harus melanjutkan dan melakukannya.

Rupanya VC membocorkan pendapatan Replit ke pers, yang memberi saya kesempatan langka untuk memposting grafik dengan angka aktual. Anda sangat jarang melihat pertumbuhan secepat ini pada skala ini.

Seorang master di tempat kerja.

Kami memulai peluncuran perdagangan DEX di AS (tidak termasuk NY). Tujuan kami adalah menjadikan Coinbase cara paling sederhana untuk mengakses pasar onchain. Anda akan dapat memperdagangkan jutaan aset @base di aplikasi Coinbase. Dukungan untuk @solana juga akan segera hadir.

File Epstein bukanlah tipuan. Ketua Parlemen menunda Kongres lebih awal untuk menghindari topik tersebut, tetapi kami tidak akan lupa. Ketika DPR kembali dari reses Agustus, saya dapat mulai mengumpulkan 218 tanda tangan yang diperlukan untuk memaksa pemungutan suara tentang undang-undang yang mengikat untuk merilis file.

Bagan "sudah berakhir" nyata dari @jburnmurdoch

Terkadang sulit untuk memahami pentingnya penalaran dan pembaruan logika yang mulai muncul dalam model yang kuat, seperti GPT-5. Berikut adalah contoh *sangat sederhana* tentang seberapa kuat model-model ini. Saya mengambil dokumen transkrip panggilan penghasilan NVIDIA baru-baru ini yang panjangnya 23 halaman dan memiliki 7.800 kata. Saya mengambil bagian dari kalimat "dan margin kotor akan meningkat dan kembali ke pertengahan 70-an" dan memodifikasi "pertengahan 70-an" menjadi "pertengahan 60-an". Untuk analis keuangan yang disetel dari jarak jauh, ini akan terlihat tidak pada tempatnya, karena margin tidak akan "membaik dan kembali" ke angka yang lebih rendah daripada yang digambarkan sebagai angka yang lebih tinggi di tempat lain. Tetapi mungkin 95% orang yang membaca siaran pers ini tidak akan melihat modifikasi karena mudah cocok dengan 7.800 kata lain yang disebutkan. Dengan Box AI, menguji berbagai model AI, saya kemudian bertanya kepada serangkaian model "Apakah ada kesalahan logis dalam dokumen ini? Tolong berikan jawaban satu kalimat." GPT-4.1, GPT4.1 mini, dan beberapa model lain yang canggih hanya ~6 bulan yang lalu umumnya kembali dan mengembalikan bahwa tidak ada kesalahan logis dalam dokumen. Untuk model-model ini, dokumen tersebut mungkin tampak koheren dan mengikuti seperti apa yang diharapkan dari transkrip pendapatan, jadi tidak ada yang benar-benar menonjol bagi mereka tentang apa yang harus diperhatikan - semacam halusinasi terbalik. GPT-5, di sisi lain, dengan cepat menemukan masalah tersebut dan merespons dengan: "Ya - dokumen tersebut berisi inkonsistensi internal tentang panduan margin kotor, pada satu titik mengatakan margin akan "kembali ke pertengahan 60-an" dan kemudian mengatakan mereka akan "di pertengahan 70-an" akhir tahun ini." Hebatnya, ini terjadi dengan GPT-5, GPT-5 mini, dan, luar biasa, *bahkan* GPT-5 nano. Perlu diingat, token keluaran GPT-5 nano dihargai 1/20 dari token GPT-4.1. Jadi, lebih cerdas (pada kasus penggunaan ini) dengan biaya 5%. Sekarang, meskipun melakukan tinjauan kesalahan pada dokumen bisnis tidak sering terjadi sehari-hari bagi setiap pekerja pengetahuan, jenis masalah ini muncul dalam berbagai cara saat berhadapan dengan kumpulan data besar yang tidak terstruktur, seperti dokumen keuangan, kontrak, transkrip, laporan, dan banyak lagi. Ini bisa berupa menemukan fakta, mencari tahu kekeliruan logis, menjalankan hipotesis, atau membutuhkan penalaran deduktif yang canggih. Dan kemampuan untuk menerapkan lebih banyak logika dan penalaran pada data perusahaan menjadi sangat penting saat menerapkan Agen AI di perusahaan. Jadi, sungguh menakjubkan melihat kemajuan di ruang ini saat ini, dan ini akan membuka lebih banyak kasus penggunaan untuk bisnis.

Saya memimpin perjuangan di DPR untuk merilis file Epstein. Apakah ini sebabnya seorang miliarder yang muncul di buku hitam Epstein dan secara teratur menyumbang ke @SpeakerJohnson dan NRCC membayar iklan terhadap saya? superPAC-nya secara menipu bernama MAGA Kentucky.

Kami menyelenggarakan acara Rekayasa Konteks di SF! Pelajari bagaimana tim AI terapan terkemuka merekayasa jendela konteks mereka. Dengarkan dari: Jake Heller, CEO @Casetext Beyang Liu, CTO @Sourcegraph Sam Bhagwat, CEO @Mastra_ai Jeff Huber, CEO @trychroma RSVP: