Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Launchpad
Будьте готовы к следующему крупному токен-проекту
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Руководство OpenAI рисует оптимистичную картину пути компании к прибыльности. По мере масштабирования организации Сэм Альтман предполагает, что затраты на обучение больших моделей станут менее значительной финансовой нагрузкой относительно общего дохода — классический аргумент в пользу экономии за счет масштаба. Математика звучит разумно на бумаге. Но есть разрыв, который стоит проанализировать: несмотря на эти прогнозы масштабирования, реальные убытки компании продолжают расти, а не сокращаться. Этот разрыв между теоретической моделью и реальными финансовыми показателями вызывает серьезные вопросы о том, является ли текущий подход к развитию ИИ действительно устойчивым или экономика нуждается в фундаментальной перестройке.
---
Плановые счета значительно отличаются от реальных убытков, кто еще верит в экономию за счет масштаба, смеюсь.
---
Сам снова начал рассказывать истории, убытки растут, а он говорит, что можно снизить издержки, если бы не пропустил возможность, я бы поверил.
---
Если бы меня не обманули этой теорией вначале... Ладно, сейчас уже поздно что-то говорить.
---
Классический сценарий стартапа в сфере ИИ: тратим деньги на мечты, а потом "поверьте, мы выйдем на прибыль", уже старо.
---
Цифры выглядят хорошо, деньги на счету не обманешь, разрыв такой — просто невероятный.
---
Говорят красиво, а реальные убытки все растут, почему я так легко поддаюсь этим доводам?
---
Не зря говорят, что у них сильные возможности для привлечения финансирования: инвесторы продолжают вкладывать деньги, а они при этом быстро теряют.
---
Чем больше масштаб, тем сильнее убытки, действительно ли эта теория может оправдать себя?
---
Сам снова рассказывает экономические истории... но кошелек скажет правду
---
Когда масштабирование в итоге становится еще более затратным, я неправильно понял или у модели есть проблема?
---
Экономия на масштабе на бумаге и реальные убытки — это совершенно разные вещи
---
Кажется, что путь больших моделей со временем отклонился, расходы не снизились, а выросли
---
Такая разрывность наиболее явно выявляет проблему, цифры могут обмануть, но настоящие деньги — нет