Sembra una grande giornata per ripubblicare questo.

I prezzi più bassi delle GPU che troverai: Un H200 nella piattaforma HPC-AI costa $2.19/ora on-demand. Quanti ne vuoi. C'è una grande offerta in questo momento per i clienti statunitensi. Non ho visto nessuno offrire prezzi più bassi. Questo è perfetto per chi vuole eseguire il modello open-source di OpenAI, GPT-OSS-120B. La piattaforma HPC-AI lo offre, quindi puoi eseguirlo con pochi clic. Puoi gestire tutto utilizzando la loro Cloud API: • Crea e gestisci programmaticamente le istanze GPU • Automatizza i flussi di lavoro di addestramento e inferenza • Ottimizza i costi con la scalabilità dinamica Nessun impegno. Paga man mano.

Ho creato un'estensione per @code per trasformare l'IDE in un ambiente di apprendimento personalizzato per il programma che insegno. Dopo due gruppi, è stato un enorme successo: alle persone piace molto! In allegato, vedrai un video di 2 minuti su come funziona l'estensione. Ho deciso di renderlo open source, nel caso tu voglia costruire qualcosa di simile. Questa sarebbe un'idea fantastica per introdurre nuovi sviluppatori al tuo progetto. Vedi qui sotto il link del repository.

Kling sembra incredibilmente buono! Questo è un enorme impulso alla produzione di Immagini in Video. • Coerenza sorprendente del soggetto • Movimento molto fluido e dinamico • Lo stile rimane costante per tutto il video • Visuals super nitidi Questa è la loro nuova versione. Apparentemente, #kling l'ha confrontata con la vecchia versione, ed è un incredibile 102% migliore. #klingai è stato così gentile da fornirmi accesso anticipato alla loro piattaforma e collaborare con me su questo post. Ecco cosa devi fare per provarlo: • Vai al sito di @Kling_ai • Carica un'immagine • Aggiungi qualcosa di divertente usando il prompt E questo è tutto! Buon divertimento.

Non riuscivo a dormire ieri notte pensando a questo: Ieri, proprio prima di andare a letto, ho usato l'agente di @code per costruire uno script per fare tutto questo: 1. Si connette al mio Gmail 2. Cerca eventuali email provenienti da Stripe 3. Filtra le email relative ai pagamenti per una delle mie aziende 4. Estrae l'ID del pagamento dal corpo dell'email 5. Cerca nell'API di Stripe utilizzando quell'ID di pagamento 6. Recupera l'ID della fattura relativo a quel pagamento 7. Aggiorna un foglio di calcolo con quell'ID 8. Aggiorna un file che ho con quell'ID Ci sono voluti letteralmente meno di 45 minuti per completare tutto questo. In un mondo pre-AI, ci sarebbero voluti almeno un giorno di lavoro. Ho dovuto intervenire tre volte: 1. Per configurare l'accesso all'API di Gmail 2. Per configurare l'accesso all'API di Stripe 3. Per configurare l'accesso all'API del Foglio di calcolo L'agente ha scritto 2.529 righe di codice. Questo sembra sbagliato, ma non ho ancora esaminato il codice, quindi non posso dirlo con certezza. Questo è stato utilizzando Claude Sonnet 4. Sono ancora sotto shock. Non capisco cosa stia succedendo.

La matematica non è necessaria per lavorare come ingegnere di Machine Learning. Proprio come non è necessario conoscere la storia europea per viaggiare e goderti l'Italia, la Spagna o la Francia. Ma se conoscessi la storia, il tuo viaggio sarebbe dieci volte più piacevole. Non penso alla matematica il 99% del tempo, eppure sono ancora molto competente e posso svolgere il mio lavoro senza problemi. Conosco molte persone che hanno un'esperienza simile. Ma quando sono andato al college, non avevo altra scelta che imparare a conoscere matrici, convoluzioni, probabilità, gradienti e tutte quelle cose divertenti. Oggi, c'è quella rara occasione in cui tutto ciò torna utile. Quando succede, sembra magia. So perché qualcosa funziona in un certo modo. So perché dovremmo testare questo metodo invece di quell'altro. So perché stiamo ricevendo quell'errore strano. Quella conoscenza è fondamentale in quelle situazioni strane. Con un po' più di impegno, chiunque potrebbe superare questi problemi, ma non ne ho bisogno grazie alle molte notti insonni che ho trascorso a imparare cosa succede dietro le quinte. Non hai bisogno di matematica per lavorare come ingegnere. Ma se dedichi del tempo, sicuramente starai dieci volte meglio.

Il MacBook Air è un computer ridicolo. Ho trascorso due mesi interi viaggiando per l'Europa con il mio Air. Nient'altro. Ero davvero preoccupato che il computer mi avrebbe bloccato, ma non è stato così. Ho scritto codice usando Visual Studio Code ogni giorno (con Dev Containers, che usano Docker). Ho persino montato una dozzina di video durante questo periodo. È andato bene. Non ho mai desiderato di avere un altro laptop con me. Non comprerò un MacBook Pro a breve. Il mio costava solo $1,399.

Sto costruendo un sistema multi-agente utilizzando il A2A SDK di Google. È un sistema semplice. Il protocollo è solido, ma devi scrivere un sacco di codice per far funzionare più agenti e farli comunicare tra loro. E tutto è delicato. Non sono sicuro se il problema sia con Gemini, l'ADK (Agent Development Kit) o il A2A SDK. A volte le cose funzionano. A volte falliscono. È così frustrante e fragile. Devi essere pazzo per usare tutto questo in un'applicazione di produzione in questo momento.

Ci sono cose che il codice normale farà sempre meglio dell'IA. Infatti, la maggior parte del software continuerà a fare affidamento sul vecchio e semplice codice normale, non sugli LLM. Ricordo quando la programmazione orientata agli oggetti (OOP) è diventata una cosa. Tutti, e anche le loro madri, volevano scrivere classi invece di funzioni strutturate. È difficile comprendere quanto siano diventati gonfiati i codici sorgente perché i puristi dell'OOP non volevano fare altro. Ora stiamo vivendo la stessa cosa, ma invece di OOP stiamo affrontando il codice AI-first (qualunque cosa significhi). Ci sarà un momento in cui guarderemo tutti insieme indietro e rideremo della stupidità di così tante persone che usano gli LLM per fare cose che le normali istruzioni if/else/for/while possono fare 100000 volte meglio e in modo più efficiente.

Recentemente ho incontrato un team che utilizzava un LLM per implementare una macchina a stati. L'hanno chiamata "agentic". Mi hanno anche detto che funzionava correttamente la maggior parte del tempo. Ho chiesto loro di scrivere l'elenco delle regole per passare da uno stato all'altro. Le hanno elencate. Non ci è voluto molto perché si rendessero conto di cosa stava succedendo: avevano costruito una soluzione utilizzando l'IA per un problema che non necessitava di IA. Abbiamo rimosso il modello e scritto del codice per implementare le regole. Potrebbe averci messo al massimo 2-3 ore. Sono passati da "funziona la maggior parte del tempo, è relativamente veloce e costa alcuni token" a "funziona al 100% del tempo, istantaneo e non costa nulla." Così tanti esempi come questo recentemente. Regola d'oro: COSTRUISCI LA COSA PIÙ SEMPLICE CHE POTREBBE FUNZIONARE.