Ivenaccip

@DotCSV Cual sera el límite de indexacion antes de que agente empiece a alucinar en la ingesta?

El paradigma de ingesta del segundo cerebro de Karpathy, donde tienes una carpeta donde echar tus datos en crudo y que luego un agente procesa y estructura para agregarla a una wiki o segundo cerebro, es un patrón escalable a otras tantas aplicaciones. Yo en mi caso por ejemplo ya tenía creada una aplicación financiera que usaba un sistema similar: mis extractos bancarios, facturas, datos traídos de APIs, modelos de impuestos en pdf... todo en crudo en una carpeta. Con la idea de luego llamar a un agente que trabaje en dar orden y forma a esos datos (una única vez) para procesarlos adecuadamente de cara a que luego lo consuma una aplicación (en este caso en vez de Obsidian, un front-end). Se me antoja como un nuevo tipo de aplicación con un patrón arquitectónico que funciona por poner en su diseño a un agente que cada cierto tiempo sale a pasear para dar orden al caos de la carpeta de datos. No es un script determinista que sepas que va a funcionar siempre igual, con lógicas encorsetadas a formatos concretos, sino que tiene la flexibilidad de comerse y procesar cualquier dato crudo que pongas en la carpeta. Y donde además cualquier dato alimenta al sistema y lo mejora para hacerlo crecer. Además, obviamente los agentes no sólo actúan como procesadores de esa información sino que luego se nutren de todo el sistema para poder hacerle consultas mucho más completas o hacer crecer tu aplicación con cada nuevo dato crudo que se agrega. Estamos empezando a diseñar software alrededor de datos caóticos, confiando en las capacidades de una nueva capa agéntica. El usuario no se adapta al software sino que el software se adapta al caos del usuario. So good

Opus 4.8 is insane guys. It one shotted my session usage limit.

@flazzar1n @nicobustelo__ Mi duda es para que necesitas un max x20? 🥴

@nicobustelo__ 2 sesiones al 100% con opus 4.8 39% usado del semanal de $200. Mientras consiga los resultados lo veo bien.

Alguien sabe si está muy caro? Me da miedo decirle hola y quedarme sin créditos

@GoodfireAI Grokking?

Neural networks do math by rotating shapes. We found a shape-rotating calculator hidden inside an LLM – and it’s used for more than just math! (1/6)

@Bogzabs96 Ai

GPT Images 2.0 is CRAZY good. I've built a file with some prompts I've tested, with results. Our creative strategists are using these exact prompts for our 7/8-figure clients. Inside the mini-guide: - Examples - Type of requests - Prompts you can test Want a copy? Like + Comment "AI" and I'll send it over ASAP (Must be following)

@filicroval Demasiado lenta y muy poco práctica. Además parece que no tiene nada de protección antibloqueos

Acaban de liberar en open source una herramienta que scrapea negocios de Google Maps a escala global. Saca nombre, dirección, teléfono, web, reseñas, horarios… todo. Le pasas una búsqueda y te lo exporta directo a CSV. 100% open source.

@Yus9519 Que pasó? Me quede en mas papas de gajo (atte. Leo)

@spwfeijen V2

Claude = 550 videos/day Fully realistic UGC ads — cinematic lighting, natural human motion, clean pacing — powered by AI agents. - UGC cost: $0 - Production time: minutes - Scale: instant One AI engine that creates, tests, and scales short-form ads automatically — nonstop. Comment + RT “V2” and I’ll DM you the full workflow. (Must be following)

@yuichiro_dev @Bhavani_00007 I've the same jaja

@Bhavani_00007 Rate my real setup 🤞

Rate my setup guyys

@davidfigeira Agent

clawdbot + makeugc = 550 videos per day fully realistic ugc ads with cinematic lighting, human motion, and clean pacing powered by ai agents ugc cost around $5 production time measured in minutes scale happens instantly one ai engine creates, tests, and scales short form ads automatically around the clock it’s live campaigns are scaling right now rt + comment “agent” and i’ll dm the full workflow (follow for dm)

@askalphaxiv @grok explícame este paper

DeepSeek just dropped a banger paper to wrap up 2025 "mHC: Manifold-Constrained Hyper-Connections" Hyper-Connections turn the single residual “highway” in transformers into n parallel lanes, and each layer learns how to shuffle and share signal between lanes. But if each layer can arbitrarily amplify or shrink lanes, the product of those shuffles across depth makes signals/gradients blow up or fade out. So they force each shuffle to be mass-conserving: a doubly stochastic matrix (nonnegative, every row/column sums to 1). Each layer can only redistribute signal across lanes, not create or destroy it, so the deep skip-path stays stable while features still mix! with n=4 it adds ~6.7% training time, but cuts final loss by ~0.02, and keeps worst-case backward gain ~1.6 (vs ~3000 without the constraint), with consistent benchmark wins across the board

La neta si se sacaron la pija, hicieron modelos increibles

@grok quien es mas fuerte Elon Musk o Mike Tyson?

@IntrovertTechi Hi

Twitter is cool. But it’s 10x better when you connect with people who code. If you’re into tech, AI, or programming, say hi

Book

icymi we wrote a new agents book: patterns for building ai agents it has everything you need to take your agents from prototype to production, like agent design patterns, the basics of security, etc reply to this tweet with BOOK and we'll dm you so you can get a copy

@snappyprompts AI

pretty sure pewdiepie watched this.