ROBA PERICOLOSA > oltre 20 milioni di conversazioni ChatGPT > sono ora prove... un giudice ha appena ordinato > a OpenAI di consegnarle in una causa legale se qualcosa ha mai urlato > Compra una GPU > esegui la tua AI localmente > proteggi i tuoi dannati dati è proprio questo qui

segnale estremamente ribassista > invitare e intrattenere potenziali assunzioni > avviene per generosità > o per disperazione > in questo caso è la seconda Mark Zuckerberg sarà ricordato per > aver assunto Alexandr Wang, > rendendolo capo di Yann LeCun & > distruggendo FAIR raggiunto il picco con Llama3 ig

> essere arcee > guardarsi intorno > rendersi conto che l'open-weight frontier MoE è fondamentalmente un monopolio Qwen/DeepSeek > decidere “no, stiamo costruendo il nostro” > pre-addestramento end-to-end effettivo > su suolo statunitense > presentiamo Trinity > Nano (6B MoE) e Mini (26B MoE) > pesi aperti, Apache 2.0 > gratis su OpenRouter per ora > Nano: modello di personalità con 800M di parametri attivi > Mini: modello di ragionamento con 3B attivi > Large: in fase di addestramento ora su 2048 B300s perché no > il futuro è ovvio > i modelli non saranno apparecchi statici > saranno sistemi che crescono > si adattano > apprendono dai tuoi utenti > si riaddestrano dall'uso dal vivo > non puoi farlo se non possiedi i pesi > o il ciclo di addestramento > quindi arcee rovescia il tavolo > decide di pre-addestrare tutto da soli > passo 1: AFM-4.5B > 8T di token curati > addestrati con DatologyAI > esperimento “possiamo anche farlo” > risposta: sì > inoltre: la matematica e il codice fanno ancora male > procedere comunque > passo 2: Trinity Nano & Mini > saltare direttamente nel territorio MoE > 56 strati, 128 esperti > routing sigmoidale, esperto condiviso, nessuna perdita ausiliaria > attenzione gated, QK-norm, query raggruppate > pattern locale/globale > ottimizzatore muon > addestramento bf16 su 512 H200s > il tutto speciale Dion/TorchTitan/HSDP > lunghezza del contesto? > Nano addestrato a 256k (inferire a 128k) > Mini addestrato a 128k > dati? > 10T di token attraverso 3 fasi > ampio → affilato → pesante STEM > Datology che sforna un idrante sintetico > Prime Intellect mantiene in vita i cluster H100 > e sì > addestrare MoE a questa scala è un dolore > “non c'è modo educato per dirlo,” dolore > 20T di token per Trinity Large > 2048 H100s generando dati sintetici > 2048 B300s addestrando il modello effettivo > (il debug è uno stile di vita btw) > ma qui inizia il divertimento > perché una volta che possiedi il pre-addestramento > possiedi tutto ciò che è a monte del “prodotto” > provenienza dei dati > obiettivi > deriva comportamentale > riaddestramento on-prem > veri sistemi a lungo termine > non purgatorio API-come-dipendenza > quindi, cosa c'è dopo? > Trinity Large > 420B parametri > 13B attivi per token > completamente aperto > obiettivo gennaio 2026 > il momento in cui “American MoE” diventa una Cosa™ > Nano + Mini sono il riscaldamento > modelli che puoi effettivamente usare ora > scarica > ospita > affina > rompi > segnala bug > plasma l'addestramento di Large > ciclo comunitario sbloccato > se ti interessa il peso aperto > o non esternalizzare l'intero stack a laboratori black-box > Trinity è fondamentalmente la sfida > prendi Nano + Mini su Hugging Face > o eseguili su OpenRouter > stressali > trova le crepe > invia il feedback > il punto è la proprietà mi piace arcee, stanno costruendo questi modelli così non devi affittare la tua intelligenza da qualcun altro