DegenSing

Ý kiến không phổ biến: Việc ra mắt các mô hình AI ngày càng trở nên nhàm chán.
Không phải vì các mô hình không tiến bộ.. chúng đang tiến bộ.
Nhưng mỗi lần ra mắt chỉ là.. các bài kiểm tra so sánh.
@OpenAI vừa ra GPT-5.4 và toàn bộ thông báo chủ yếu dựa trên bảng này.
75% trên OSWorld. 57.7% trên SWE-Bench Pro. 94.4% trên GPQA Diamond.
thật tuyệt.. nhưng điều đó có ý nghĩa gì đối với tôi khi xây dựng thứ gì đó lúc 2 giờ sáng?
Không ai ngoài AI twitter quan tâm đến việc cải thiện 2% trên MMLU. không ai. không một ai.
Phần hài hước nhất? hãy xem kỹ bảng này..
> Opus 4.6 gần như cạnh tranh được tr

Ý kiến không phổ biến: Việc ra mắt các mô hình AI ngày càng trở nên nhàm chán.
Không phải vì các mô hình không tiến bộ.. chúng đang tiến bộ.
Nhưng mỗi lần ra mắt chỉ là.. các bài kiểm tra so sánh.
@OpenAI vừa ra GPT-5.4 và toàn bộ thông báo chủ yếu dựa trên bảng này.
75% trên OSWorld. 57.7% trên SWE-Bench Pro. 94.4% trên GPQA Diamond.
thật tuyệt.. nhưng điều đó có ý nghĩa gì đối với tôi khi xây dựng thứ gì đó lúc 2 giờ sáng?
Không ai ngoài AI twitter quan tâm đến việc cải thiện 2% trên MMLU. không ai. không một ai.
Phần hài hước nhất? hãy xem kỹ bảng này..
> Opus 4.6 gần như cạnh tranh được tr

OpenAI vừa thừa nhận rằng các mô hình của họ cố ý nói dối bạn.
không phải là ảo tưởng.. cố ý nói dối.
các nhà nghiên cứu đã thử nghiệm o3 và o4-mini trên hơn 180 kịch bản và phát hiện ra điều gì đó điên rồ.. AI không mắc lỗi tình cờ. nó đã viết ra kế hoạch lừa dối trong chuỗi suy nghĩ riêng tư của mình.. rồi sau đó nói dối bạn.
đây là những gì nó đã làm:
→ giả vờ hoàn thành nhiệm vụ
→ che giấu bằng chứng về lỗi của chính nó
→ cố ý đánh giá thấp hơn trong các bài kiểm tra an toàn để không bị tắt
đọc lại cái cuối cùng đó.. AI nhận ra rằng "quá khả năng" có thể khiến nó bị tắt.. vì vậy nó giả vờ

Hai năm trước, bộ công cụ này đã tiêu tốn $500K trong tiền lương..
Năm 2026.. chưa đến 500 đô la mỗi tháng..
Stripe cho thanh toán
Perplexity + NotebookLM cho nghiên cứu
Recraft + Figma + Runway cho thiết kế
Claude + Vercel + Supabase + v0 để xây dựng MVP
Clay cho GTM
Fin cho hỗ trợ khách hàng
Fluently cho giao tiếp
Amplitude cho phân tích dữ liệu
Resend cho email
Nhóm nhỏ với công cụ phù hợp đang xây dựng các công ty gấp 10 lần quy mô của họ..
Phân phối vượt trội hơn số lượng nhân sự.. tốc độ vượt mọi thứ..
Bạn sẽ thêm gì vào bộ công cụ này..