Futuros
Aceda a centenas de contratos perpétuos
TradFi
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Lançamento
CandyDrop
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Launchpad
Chegue cedo ao próximo grande projeto de tokens
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Simple Earn
Ganhe juros com tokens inativos
Investimento automático
Invista automaticamente de forma regular.
Investimento Duplo
Aproveite a volatilidade do mercado
Soft Staking
Ganhe recompensas com staking flexível
Empréstimo de criptomoedas
0 Fees
Dê em garantia uma criptomoeda para pedir outra emprestada
Centro de empréstimos
Centro de empréstimos integrado
Centro de Património VIP
Aumento de património premium
Gestão de património privado
Alocação de ativos premium
Fundo Quant
Estratégias quant de topo
Staking
Faça staking de criptomoedas para ganhar em produtos PoS
Alavancagem inteligente
New
Alavancagem sem liquidação
Cunhagem de GUSD
Cunhe GUSD para retornos RWA
A liderança da OpenAI tem vindo a pintar um quadro otimista sobre o caminho da empresa para a rentabilidade. À medida que a organização cresce, Sam Altman sugere que os custos de treino para modelos grandes se tornarão menos onerosos em relação à receita global — um argumento clássico de economias de escala. As contas parecem razoáveis no papel. Mas há uma desconexão que vale a pena examinar: apesar destas projeções de escalabilidade, as perdas reais da empresa têm vindo a aumentar em vez de diminuir. Esta disparidade entre o modelo teórico e os resultados financeiros reais levanta questões difíceis sobre se a abordagem atual ao desenvolvimento de IA é realmente sustentável, ou se a economia precisa de uma redefinição fundamental.
---
A conta no papel difere tanto das perdas reais, quem ainda acredita em economias de escala, risos.
---
Sam voltou a contar histórias, as perdas aumentam cada vez mais, mas diz que consegue reduzir custos. Se não tivesse entrado na hora certa, até gostaria de acreditar.
---
Se na altura não tivesse sido enganado por essa teoria... Enfim, já é tarde para dizer qualquer coisa agora.
---
Cliché clássico de startups de IA, gastando dinheiro em sonhos, depois "acreditamos que vamos lucrar", é mesmo uma fórmula antiga.
---
Os números parecem bons, o dinheiro na conta não engana, mas essa diferença é absurda.
---
Fala bonito, mas as perdas reais continuam a subir. Como é que eu me deixo levar por esse tipo de argumento tão facilmente?
---
Não é à toa que eles têm uma forte capacidade de captação de recursos, enquanto continuam a pagar rapidamente, mesmo assim.
---
Quanto maior a escala, maior a perda. Será que esta teoria realmente se sustenta?
---
Sam está novamente a contar histórias de economia... mas a carteira vai dizer a verdade
---
Escalar até ao final acaba por gastar mais dinheiro. Será que estou a entender mal ou há um problema no modelo?
---
As economias de escala no papel e as perdas reais são coisas completamente diferentes
---
Tenho a sensação de que, ao seguir o caminho dos grandes modelos, estamos a desviar-nos, os custos não diminuíram, aumentaram
---
Este tipo de desconexão é que mais revela os problemas; os números podem enganar, mas o dinheiro verdadeiro não