Reitshare Investment

@TheHumanoidHub Well in fact this is already reality, dont need to wait for the future. Figure 02 is already deployed IN PRODUCTION doing human work. Of course ir not perfect or at human level, but the speed now is exponential. Decades is too pessimist

Rodney Brooks believes that humanoids stepping in to perform at a human level within decades is 'pure fantasy thinking.' Fortune's editor really did a number on him with a loaded intro right in the headline.

@RobertoReis @tarcisiogdf Já era

@Teknium @Enscion25 The alternative is to solve real world problems, train to achieve that. Here robotics may contribute a lot to collect data, feedback the results, so they can train again and check if succeed

@Enscion25 agreed but whats the alternative

Ilya is 100% correct .it's a pattern that keeps repeating It's very clear with GPT5.2 Overfit the model to produce impressive looking benchmarks, have it excels in a few domains, but fall flat in many others. There's not enough generalization, and even if there is, the model has been so heavily reinforced that it becomes buried .

@gui_zanin_ Mas cresce mais neh. Quanto vale uma empresa que cresce o lu lcro nesta proporção ?

NVDA é 3x maior que todo o mercado de energia (petróleo), mas gera menos fluxo de caixa. Impressionante

@Civixplorer Where is Nicolas Maduro from Venezuela ?

🔫 World leaders with the most assassination attempts.

🏗️ Hardware Memory bandwidth is becoming the choke point slowing down GenAI. During 2018–2022, transformer model size grew ~410× every 2 years, while memory per accelerator grew only about 2× every 2 years. And that mismatch shoves us into a “Memory-Wall” The "memory wall" is creating all the challenges in the datacenter and for edge AI applications. In the datacenter, current technologies are primarily trying to solve this problem by applying more GPU compute power. And that's why HBM capacity and bandwidth scaling, KV offload, and prefill-decode disaggregation are central to accelerator roadmaps. Still, at the edge, quite frankly, there are no good solutions. 🚫 Bandwidth is now the bottleneck (not just capacity). Even when you can somehow fit the weights, the chips can’t feed data fast enough from memory to the compute units. Over the last ~20 years, peak compute rose ~60,000×, but DRAM bandwidth only ~100× and interconnect bandwidth ~30×. Result: the processor sits idle waiting for data—the classic “memory wall.” This hits decoder-style LLM inference the hardest. Becasue decoder-style LLMs generate 1 token at a time, so each step reuses the same weights but must stream a growing KV cache from memory. That makes the arithmetic intensity low, since you move a lot of bytes per token relative to FLOPs. As the context grows, the KV cache grows linearly with sequence length and layer count, so every new token has to read more KV tensors, hence the KV cache quickly dominates bytes moved. And thats why so much of recent research focus on reducing or reorganizing KV movement rather than adding FLOPs. Training often needs 3–4X more memory than just the parameters because you must hold parameters, gradients, optimizer states and activations. Hence we have this huge bandwidth gap: Moving weights, activations, and KV-cache around chips/GPUs is slower than the raw compute can consume. Together, these dominate runtime and cost for modern LLMs.

@RobertoReis @tarcisiogdf @ratinho_jr @RomeuZema É acho que o sistema já escolheu Ratinho Junior ao invés de Tarcísio:blogdoalberesxavier.com/noticias/57641…

@ZattarRafael Mais 72 h

Tá ruim e vai piorar. Vcs não têm noção do que tá acontecendo de verdade.

@apples_jimmy @sama With a lot of garlic hehehe

@sama Introducing Sam’s new pasta sauce

soon we have another low-key research preview to share with you all

@ai_for_success They are nit buying the code, they are buying the customer base, this is by far the most difficult part

OpenAI claimed their internal AI model is a top 50 coder in the world but couldn’t build an IDE and ended up spending $3 billion to buy one. Never trust what they say...

@pedroaccorsi_ Pode dar um exemplo real ? Quais outros movimentos de caixa vc usa ? A dívida vc cobsidera a variação total da dívida de curto (circulante) e longo (não circulante) ? Considera debentures tb ?

Como calcular o FCFE? Lucro Líquido  (+) Depreciação e Amortização (-) CAPEX (-) Variação NCG (+/-) Variação da Dívida (+/-) Outros movimentos de caixa = Fluxo de Caixa ao Acionista (FCFE)

A análise por múltiplos é a metodologia mais comum entre os investidores, que costumam recorrer ao P/L, EV/EBIT ou EV/EBITDA Há, contudo, um múltiplo muito mais funcional do que esses — e que a maioria dos investidores ainda desconhece. Conto tudo sobre ele nessa thread! 🧵👇🏻

@Samuelsworld Ele não pode se reeleger e será praticamente impossí ele mudar isso

@bubaz08 @Hoodville_ @grok I just use "transform this picture and persons in a studio guibli style"

@Hoodville_ Hey @grok, what is the particular prompt used in creating this picture?

If you know, you know

@ferdona_jpeg @Hoodville_ @grok I just use "transform this picture and persons in a studio guibli style"

@Hoodville_ @grok what is the prompt they’re using for this ghibli thing

@gui_zanin_ Vc está errado. A china considerou a parte dos consumidores. Leia aqui: chinadaily.com.cn/a/202412/02/WS…

Mercado Chinês está andando bem esse ano né? Também, eles ligaram a máquina de imprimir dinheiro (China money supply M1 vs SSE Composite index)

@OpenAI Time to release GPT 4.5

Livestream in 4.5 hours.

@Samuelsworld Tudo mudou quando Kassab começou a criticar Lula. PT sem o apoio do PSD em 2026 ? Se sim isso já resolve o fiscal futuro

🫣🫣 Se não era manipulação e especulação o que explica essa queda de R$0.53 centavos? Fiscal resolveu? Presidente da República mudou?

@arankomatsuzaki o3 is o2, they just jumpped because of telecom o2 already registred name

The leap from o1 to o3 is exponential, completely bypassing o2. If this pattern holds, o3 won’t lead to o4—it’ll jump straight to o9.

@femisapien_z @lf_br_it @elonmusk Ele já construiu, noticia do ano passado

@lf_br_it @elonmusk Ele falou disso no call?

$TSLA apresentou resultados muito abaixo das expectativas e chegou a bater $365 no after, mas @elonmusk só no gogó conseguiu reverter quase toda a queda. Ele disse que a Tesla não é mais uma empresa que vende EVs e sim uma empresa de AÍ real. Prometeu veículos autônomos com o serviço de robotaxi já em 2025, o robô Optimus gerando receita de $1 tri (!!!) no longo prazo. Usou muito da retórica que aprendeu com Trump, por exemplo: - "Tesla is 10X’ing down on autonomy at such a scale difficult to comprehend." - "I see a path for Tesla being the most valuable company in the world BY FAR. Worth more than top 5 companies combined." - "I fully expect an epic 2026." Elon é conhecido por overpromise e underdeliver, ou melhor, atrasar no delivery. A ver. Eu pessoalmente concordo com a visão que $TSLA não é mais um EV automaker, mas acho as metas muito ambiciosas.

@nfalan777 @rafaelgloves Código fonte não está disponível, somente os pesos dos parâmetros são abertos. Voce.pode rodar em qualquer lugar, mas não tem o código fonte

@rafaelgloves Pelo custo e por ter usado chips defasados da NVIDIA (tem gente que não acredita, mas o paper e o código fonte estão disponiveis) é que falam que pode furar a bolha das IAs

Testei o Deepseek. Forçação de barra dizer que é o melhor AI. Pra mim, abaixo do ChatGPT e infinitamente abaixo do GROK. Cópia meia boca. Tipo BYD vs Tesla.