Guys it’s a misconception that Jev can’t hallucinate
It’s a non-generative LM ie it models probabilities of things given language as context
The guarantee is the type-safety, and that answers are deterministic - ie no stochastic sampling. The deterministic answers can still be confidently wrong!
It can still hallucinate if the training data on the topic was under cooked
@JohnGalt_is_www A eso hay que sumarle que estan nerfeando modelos, ejemplo opus 5 que se siente peor que su antecesor opus4.8.
Parte del manotazo para bajar costos.
I used GPT-6 Astra Ultra to track a tennis ball. The results are impressive until I tell you the following.
Ball annotation, using 3 parallel agents took 8m 35s and 17,611 tokens.
Complete workflow: 11m 49s and 30,481 tokens.
The complete workflow also processed 313,914 uncached input tokens and 7,528,320 cached input tokens.
That's a total of 7.87 million total, mostly context reused across frame-inspection calls.
Un clase media baja muerto de hambre invierte la totalidad de sus ahorros, 200.000 usd, en bitcoin. Gana 300.000 usd y deja la guita en una compu vieja como un "trofeo". Sigue viviendo como muerto de hambre doce años, hasta que llega a funcionario y vive como rico.
Es razonable.
En resumen:
- @madorni misteriosamente logró ahorrar 200K dólares.
- Aunque no sabía nada de Bitcoin, los invirtió todos ahí y ganó 300K.
- Al nacer sus hijos tomó esos 500K como "seguro" para su educación.
- Al ser nombrado vocero se olvidó de los hijos y se patinó todo.
Fin.
- Para 2014 había ahorrado 200.000 dólares.
- Los invirtió todos en Bitcoin.
- Ganó 300.000 dólares.
- Mientras tanto, vivía como un croto.
- Cuando dejó de invertir y pasó a cobrar un sueldo, empezó a vivir como un rey.
¿Alguien será tan idiota como para creerle a @madorni?