Våre TPU-er er på vei til verdensrommet!  Inspirert av vår historie med måneskudd, fra kvantedatabehandling til autonom kjøring, utforsker Project Suncatcher hvordan vi en dag kan bygge skalerbare ML-databehandlingssystemer i verdensrommet, og utnytte mer av solens kraft (som slipper ut mer kraft enn 100 billioner ganger menneskehetens totale elektrisitetsproduksjon). Som ethvert måneskudd kommer det til å kreve at vi løser mange komplekse tekniske utfordringer. Tidlig forskning viser at våre Trillium-generasjons TPU-er (våre tensorbehandlingsenheter, spesialbygd for AI) overlevde uten skade når de ble testet i en partikkelakselerator for å simulere strålingsnivåer i lav jordbane. Imidlertid gjenstår fortsatt betydelige utfordringer som termisk styring og pålitelighet av systemet i bane.  Mer testing og gjennombrudd vil være nødvendig når vi teller ned for å skyte opp to prototypesatellitter med @planet tidlig i 2027, vår neste milepæl av mange. Spent på at vi skal være en del av all innovasjonen som skjer i (dette) rommet!

Grunnen til at Cursor og Windsurf ga ut modeller optimalisert for hastighet er fordi det er mye mer gjennomførbart enn å bygge en intelligenspressende grunnleggende modell 1. Ta qwen3 og finjuster den via RL på selen din 2. slå den på Cerebras (eller optimalisert GPU) maskinvare 3. La den middels smarte, superraske modellen lage mat For kodeagentselskaper, hvis du ønsker å bringe noe av verdi til markedet, er det vanskeligere å bygge en ny grunnleggende modell enn å finjustere en åpen modell og optimalisere slutningen. ærlig talt, det er den effektive måten å gi ut noe som nærmer seg pareto-grensen, og jeg liker at kodeagentselskaper begynner å delta. Men ikke forveksle dette med kodeagentselskaper som erklærer "middels smart, men rask > svært smart, men treg"