COISAS PERIGOSAS > mais de 20 milhões de conversas do ChatGPT > agora são evidências... um juiz acabou de ordenar > que a OpenAI as entregue em um processo se algo já gritou > Compre uma GPU > execute sua IA localmente > proteja seus malditos dados é isso aqui

sinal extremamente baixista > jantar e entreter potenciais contratações > acontece por generosidade > ou desespero > neste caso é o último Mark Zuckerberg será lembrado por > contratar Alexandr Wang, > tornando-o chefe de Yann LeCun & > destruindo o FAIR culminou com o Llama3 ig

> ser arcee > olhar ao redor > perceber que o MoE de pesos abertos é basicamente um monopólio Qwen/DeepSeek > decidir “não, vamos construir o nosso próprio” > pré-treinamento real de ponta a ponta > em solo americano > apresentando Trinity > Nano (6B MoE) e Mini (26B MoE) > pesos abertos, Apache 2.0 > grátis no OpenRouter por enquanto > Nano: modelo de personalidade com 800M de parâmetros ativos > Mini: modelo de raciocínio com 3B ativos > Grande: treinamento agora em 2048 B300s porque por que não > o futuro é óbvio > os modelos não serão aparelhos estáticos > eles serão sistemas que crescem > se adaptam > aprendem com seus usuários > re-treinamento a partir do uso ao vivo > você não pode fazer isso se não possui os pesos > ou o ciclo de treinamento > então arcee vira a mesa > decide pré-treinar tudo sozinhos > passo 1: AFM-4.5B > 8T de tokens curados > treinados com DatologyAI > experimento “podemos até fazer isso” > resposta: sim > também: matemática e código ainda doem > prosseguir de qualquer forma > passo 2: Trinity Nano & Mini > pular direto para a terra da fronteira MoE > 56 camadas, 128 especialistas > roteamento sigmoide, especialista compartilhado, sem perda auxiliar > atenção gated, QK-norm, consultas agrupadas > padronização local/global > otimizador muon > treinamento bf16 em 512 H200s > o especial Dion/TorchTitan/HSDP > comprimento do contexto? > Nano treinado em 256k (inferir em 128k) > Mini treinado em 128k > dados? > 10T de tokens em 3 fases > amplo → afiado → pesado em STEM > Datology produzindo um mangueirão sintético > Prime Intellect mantendo os clusters H100 vivos > e sim > treinar MoE em tal escala é dor > “não há maneira educada de dizer isso,” dor > 20T de tokens para Trinity Large > 2048 H100s gerando dados sintéticos > 2048 B300s treinando o modelo real > (depuração é um estilo de vida, a propósito) > mas é aqui que fica divertido > porque uma vez que você possui o pré-treinamento > você possui tudo a montante de “produto” > proveniência de dados > objetivos > desvio de comportamento > re-treinamento local > verdadeiros sistemas de longa duração > não um purgatório de API como dependência > então, o que vem a seguir? > Trinity Large > 420B de parâmetros > 13B ativos por token > totalmente aberto > visando janeiro de 2026 > o momento em que “MoE americano” se torna uma Coisa™ > Nano + Mini são o aquecimento > modelos que você pode realmente usar agora > baixar > hospedar > ajustar fino > quebrar > relatar bugs > moldar o treinamento do Large > ciclo comunitário desbloqueado > se você se importa com pesos abertos > ou em não terceirizar toda a sua pilha para laboratórios de caixa-preta > Trinity é basicamente o desafio lançado > pegue Nano + Mini no Hugging Face > ou execute-os no OpenRouter > teste-os sob estresse > encontre as falhas > envie o feedback > o ponto todo é a propriedade eu gosto da arcee, eles estão construindo esses modelos para que você não precise alugar sua inteligência de mais ninguém