Bloomberg: Perplexity ведет переговоры про привлечение инвестиций по оценке $18 млрд
– Perplexity намерен удвоить собственную оценку до $18 млрд
– ИИ-стартап намерен привлечь от $0,5 до 1 млрд инвестиций
– Переговоры пока продолжаются, их детали могут измениться
– В прошлом году Perplexity дважды утроил оценку, до $3 млрд
– Его новая оценка $18 млрд будет включать сумму инвестиций
– Источники говорят, что сейчас ARR составляет почти $100 млн
– На март 2024 число активных пользователей было 15+ млн
– Среди его инвесторов: SoftBank, Nvidia, Джефф Безос и др.
– Кто именно хочет принять участие в новом раунде пока неясно
– На стартап влияет растущая конкуренция от OpenAI, Google и др.
@ftsec
– Perplexity намерен удвоить собственную оценку до $18 млрд
– ИИ-стартап намерен привлечь от $0,5 до 1 млрд инвестиций
– Переговоры пока продолжаются, их детали могут измениться
– В прошлом году Perplexity дважды утроил оценку, до $3 млрд
– Его новая оценка $18 млрд будет включать сумму инвестиций
– Источники говорят, что сейчас ARR составляет почти $100 млн
– На март 2024 число активных пользователей было 15+ млн
– Среди его инвесторов: SoftBank, Nvidia, Джефф Безос и др.
– Кто именно хочет принять участие в новом раунде пока неясно
– На стартап влияет растущая конкуренция от OpenAI, Google и др.
@ftsec
👍1🔥1
Вы только посмотрите на эти картинки. В сети уже окрестили "убийцей" flux, midjourney и т.д.
Работает бесплатно
Качество — сами видите (оно супер)
Политической и селеб-цензуры нет
Надеюсь сайт "отпустит" и он начнёт нормально генерить. И если это сулчится, то будет на рынке очень крутой конкурент имеющимся топам.
ссылка
У кого получится сгенерировать — поделитесь результатами в комментах, плиз👇
Подсмотрено
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2
10_Чеклист_вопросы_о_инвестициях_в_бизнес_Алексей_Королюк.pdf
97.1 KB
Это пост с самыми полезными инструментами за последние полгода
1. Сверхполезная системная блок-схема, как делать стартап. Это технология, она достаточно сложная, но всё же полностью повторяемая. Просто делайте по схеме, это хорошие практики максимизации успеха. Знаю, звучит просто, но всё равно мало кто так делает. Ещё её полезно показывать вообще всем, кто так или иначе занят в проектных командах, потому что даёт осознание, что многие вещи — технология, а не интуиция.
2. Список самых частых KPI, которые ставят подразделениям. Полагаю, для вас ничего нового, а вот для ваших подчинённых вполне возможно, что да.
3. Как "пробивать" человека. Всеми возможными методами в легальном поле.
4. Как построить презентацию для инвестора. Это нужно тем владельцам, кто пришёл за раундом. И сразу же 320 вопросов инвесторов к компании — вот пост по ссылке. Попробуйте ответить для себя хотя бы наполовину, это здорово прочищает голову в некоторых случаях.
5. Гайд для быстрого питча инвестору — какие вопросы будут задавать основателю (ну или какие вопросы стоит задавать вам тем, кто показывает вам новую идею).
6. Список вопросов для интервью с нанимаемым топом. Выбирать в команду лучших из лучших — это один из самых серьёзных навыков предпринимателя. Маск лично участвует в найме первых 1000 сотрудников в каждом своём бизнесе, и он считает, что правильный человек на ключевой позиции может изменить всё. Я не Маск, конечно, но свои вопросы у меня тоже есть. Они помогают понять, кто перед вами, и оценить его опыт. Ну или знать, о чём вас будут спрашивать, если вы готовитесь к интервью.
7. Что делать на рынке с высокой инфляцией. Многие рынки такими как раз стали, и если вы ещё используете подходы обычного спокойного рынка, где стоимость денег относительно невелика — вы проиграете. Нужно немедленно менять правила ведения бизнеса, если вы ещё этого не сделали. В документе конкретные практические шаги.
8. Как уйти в отпуск и не потерять контроль над компанией, чек-лист по удалённому управлению с пляжа.
9. Примеры нашего поиска гипотез по методологии Impact Mapping. Это метод стратегического планирования, который помогает мне и моим командам сосредоточиться на достижении бизнес-целей. Сделает совещания по планированию логичнее и понятнее в разы.
10. Список вопросов про то, надо ли открывать новое направление, помогающих принять обоснованное решение об инвестициях или партнёрстве. Этот список помогает сосредоточиться на стратегии и не отвлекаться на внешние факторы.
Я постоянно добавляю документы из своей рабочей практики в канал, как видите.
↗ Алексей Королюк #инструкции
1. Сверхполезная системная блок-схема, как делать стартап. Это технология, она достаточно сложная, но всё же полностью повторяемая. Просто делайте по схеме, это хорошие практики максимизации успеха. Знаю, звучит просто, но всё равно мало кто так делает. Ещё её полезно показывать вообще всем, кто так или иначе занят в проектных командах, потому что даёт осознание, что многие вещи — технология, а не интуиция.
2. Список самых частых KPI, которые ставят подразделениям. Полагаю, для вас ничего нового, а вот для ваших подчинённых вполне возможно, что да.
3. Как "пробивать" человека. Всеми возможными методами в легальном поле.
4. Как построить презентацию для инвестора. Это нужно тем владельцам, кто пришёл за раундом. И сразу же 320 вопросов инвесторов к компании — вот пост по ссылке. Попробуйте ответить для себя хотя бы наполовину, это здорово прочищает голову в некоторых случаях.
5. Гайд для быстрого питча инвестору — какие вопросы будут задавать основателю (ну или какие вопросы стоит задавать вам тем, кто показывает вам новую идею).
6. Список вопросов для интервью с нанимаемым топом. Выбирать в команду лучших из лучших — это один из самых серьёзных навыков предпринимателя. Маск лично участвует в найме первых 1000 сотрудников в каждом своём бизнесе, и он считает, что правильный человек на ключевой позиции может изменить всё. Я не Маск, конечно, но свои вопросы у меня тоже есть. Они помогают понять, кто перед вами, и оценить его опыт. Ну или знать, о чём вас будут спрашивать, если вы готовитесь к интервью.
7. Что делать на рынке с высокой инфляцией. Многие рынки такими как раз стали, и если вы ещё используете подходы обычного спокойного рынка, где стоимость денег относительно невелика — вы проиграете. Нужно немедленно менять правила ведения бизнеса, если вы ещё этого не сделали. В документе конкретные практические шаги.
8. Как уйти в отпуск и не потерять контроль над компанией, чек-лист по удалённому управлению с пляжа.
9. Примеры нашего поиска гипотез по методологии Impact Mapping. Это метод стратегического планирования, который помогает мне и моим командам сосредоточиться на достижении бизнес-целей. Сделает совещания по планированию логичнее и понятнее в разы.
10. Список вопросов про то, надо ли открывать новое направление, помогающих принять обоснованное решение об инвестициях или партнёрстве. Этот список помогает сосредоточиться на стратегии и не отвлекаться на внешние факторы.
Я постоянно добавляю документы из своей рабочей практики в канал, как видите.
↗ Алексей Королюк #инструкции
👍5🔥1
Новая статья от Гугла, в которой они показали что совершенно независимым образом представление информации в человеческом мозге и LLM выглядит поразительно схожим образом.
Почему так? Мое мнение, что это демонстрация вычислительной природы вселенной и, соответственно, вычислительных свойств интеллекта и сознания. Источник: trust me, bro.
Почему так? Мое мнение, что это демонстрация вычислительной природы вселенной и, соответственно, вычислительных свойств интеллекта и сознания. Источник: trust me, bro.
🤔3👍1
Forwarded from GPT/ChatGPT/AI Central Александра Горного
Nvidia выпустила модели для создания AI-агентов
«Рассуждающие» модели из серии Llama Nemotron представляют собой основу для создания продвинутых AI-агентов.
Модели, как следует из названия, созданы на базе Llama. Nvidia улучшила математику, работу с кодом, рассуждение и принятие сложных решений. Точность Llama Nemotron выросла почти на 20% по сравнению с базовой Llama, а работают они в 5 раз быстрее остальных моделей рассуждения с открытым кодом.
Llama Nemotron доступны на build.nvidia.com, Hugging Face и платформах партнеров.
https://nvidianews.nvidia.com/news/nvidia-launches-family-of-open-reasoning-ai-models-for-developers-and-enterprises-to-build-agentic-ai-platforms
«Рассуждающие» модели из серии Llama Nemotron представляют собой основу для создания продвинутых AI-агентов.
Модели, как следует из названия, созданы на базе Llama. Nvidia улучшила математику, работу с кодом, рассуждение и принятие сложных решений. Точность Llama Nemotron выросла почти на 20% по сравнению с базовой Llama, а работают они в 5 раз быстрее остальных моделей рассуждения с открытым кодом.
Llama Nemotron доступны на build.nvidia.com, Hugging Face и платформах партнеров.
https://nvidianews.nvidia.com/news/nvidia-launches-family-of-open-reasoning-ai-models-for-developers-and-enterprises-to-build-agentic-ai-platforms
👍1
Очень полезная, хотя и непростая для чтения как любой научный текст, статья в Nature посвящена, на первый взгляд, довольно узкой задаче: использованию больших языковых моделей в процессах поиска и открытия новых в чем-либо полезных материалов.
В начальных разделах статьи указывается, что технологии обработки естественного языка, позволили, наконец, содержательно обрабатывать весь массив когда-либо опубликованных работ по теме, извлекая из них данные, которые формируют большие обучающие выборки.
В разделе про LLM содержится важное замечание: Recently, LLMs have shown their ability in learning universal language representations, text understanding and generation. В итоге в конкретном исследуемом случае оказывается, что Leveraging semantic textual similarity, new materials with similar properties can be identified without human labeling or supervision.
Познавательно выглядит сравнение уже давно использовавшихся пайплайнов открытия новых материалов с использованием методов обработки естественного языка и новых возможностей, появившихся благодаря LLM. Описано, как и почему необходим файнтюнинг готовых моделей.
Речь и здесь уже идет о создании автономных агентов, способных целиком самостоятельно планировать и проводить исследования, причем — снова как люди — эти агенты по ходу дела обучаются и самосовершентвуются: In-context learning allows an AI agent to accumulate experience and evolve so that its actions become increasingly consistent, logical, and effective over time.
При внимательном чтении статья позволяет заглянуть в будущее научных исследований и понять логику, по которой это будущее создается. А еще — почувствовать объем нерешенных проблем, гарантирующих, что в обозримом будущем тем людям, кто создает автономный пайплайн научных открытий, безработица не грозит:)
А для особо любознательных открывается, насколько же наивна, безосновательна и слаба критика ИИ в научных исследованиях со стороны якобы экспертов. Им следует поизучать матчасть. Можно с этой статьи и начать.
https://www.nature.com/articles/s41524-025-01554-0
В начальных разделах статьи указывается, что технологии обработки естественного языка, позволили, наконец, содержательно обрабатывать весь массив когда-либо опубликованных работ по теме, извлекая из них данные, которые формируют большие обучающие выборки.
В разделе про LLM содержится важное замечание: Recently, LLMs have shown their ability in learning universal language representations, text understanding and generation. В итоге в конкретном исследуемом случае оказывается, что Leveraging semantic textual similarity, new materials with similar properties can be identified without human labeling or supervision.
Познавательно выглядит сравнение уже давно использовавшихся пайплайнов открытия новых материалов с использованием методов обработки естественного языка и новых возможностей, появившихся благодаря LLM. Описано, как и почему необходим файнтюнинг готовых моделей.
Речь и здесь уже идет о создании автономных агентов, способных целиком самостоятельно планировать и проводить исследования, причем — снова как люди — эти агенты по ходу дела обучаются и самосовершентвуются: In-context learning allows an AI agent to accumulate experience and evolve so that its actions become increasingly consistent, logical, and effective over time.
При внимательном чтении статья позволяет заглянуть в будущее научных исследований и понять логику, по которой это будущее создается. А еще — почувствовать объем нерешенных проблем, гарантирующих, что в обозримом будущем тем людям, кто создает автономный пайплайн научных открытий, безработица не грозит:)
А для особо любознательных открывается, насколько же наивна, безосновательна и слаба критика ИИ в научных исследованиях со стороны якобы экспертов. Им следует поизучать матчасть. Можно с этой статьи и начать.
https://www.nature.com/articles/s41524-025-01554-0
Nature
Applications of natural language processing and large language models in materials discovery
npj Computational Materials - Applications of natural language processing and large language models in materials discovery
👍2