chelo peña

Electrónico, MicroPython, Fluke Biomedical, Machine Learning, Literatura, Artificial Intelligence

[Ester 𓆉 @lopescrvasco]

16avos da Copa do Mundo 2026, com os escudos antigos das seleções!

[Pablo Aguilar @pablopaaf]

Grupo E, #Ecuador 🇪🇨 Vs #Alemania 🇩🇪, el marcador más probable según el modelo es un 1 - 1.

Distribución de probabilidades:

Victoria de Ecuador 🇪🇨 -> 26.1%
Victoria de Alemania 🇩🇪 -> 49.9%
Empate 🤝 -> 24.0%

[chelo peña @_chelin_]

Lo de los #Knicks

[Mapas Latinos @Mapas_Latinos]

Ganadores del Mundial de Programación 2026 (TCS CodeVita) 🏆💻

Mejores Programadores del Mundo
🇨🇳 Zhou Jingkai 🥇
🇨🇱 Vicente Opazo 🥈
🇵🇪 Jorge Valdivia 🥉

Mejor Programador Emergente
🇮🇳 Balashiva S 🥇
🇪🇨 Jose Nunez 🥈
🇪🇨 Gabriella Padilla 🥉

Mejor Programador en IA
🇨🇳 Zhou Jingkai 🥇
🇺🇸 Benjamin Orellana 🥈
🇵🇪 Jorge Valdivia 🥉

[ESPN Ecuador @ESPNEcuador]

¡LA MURALLA ECUATORIANA SE PICÓ! 🇪🇨 Piero Hincapié tuvo una gran intercepción y le ganó el duelo a Pedro Neto en Stamford Bridge.

▶️ Mira la 🏴󠁧󠁢󠁥󠁮󠁧󠁿 #PremierLeague en el Plan Premium de #DisneyPlus

[chelo peña @_chelin_]

Team #Meteorito ☄️

[Nicolás Larenas ✈️ @n_larenas]

¿Qué creen que le golpeó a este 737 MAX de United?

[Murtaza Akbar @Akbar_offiziell]

Ist Pacho ein großartiger Typ oder ein äußerst großartiger Kerl und Kicker?

Und inzwischen Champions League Sieger.

Was ich an ihm so mag: kein Gedöns, kein Gelabber, der macht einen exzellenten Job und geht dann einfach nach Hause.

#SGE

[owen cyclops @owenbroadcast]

never recovered from seeing this worldmap a chinese guy named hao xiaoguang made in like 2002:

[williams Rasec 1975🎸🎶 @WilliamsRasec]

Sin duda la mejor hinchada del país es la del Emelec.
Sin pretextos, peleando abajo de la tabla pero no abandonamos.
#UnAmorComoElNuestro

[Dante 🇪🇨⚽️🏆 @justDant_]

Emelec era 14to en la tabla pero a la Hinchada Fiel eso no le interesaba.

Saltando sobre el tablón por siempre.

[Mapas Latinos @Mapas_Latinos]

Mapa de los cables submarinos en Latinoamérica

[Mapas Latinos @Mapas_Latinos]

Mapa de Sudamérica de Lucas de Quirós (1615), una pieza cartográfica excepcional por su representación invertida del continente y su belleza artística. Más que una herramienta de navegación, este mapa fue concebido como una manifestación visual del poder territorial del Imperio español, destinado a un alto funcionario de la corte o la administración virreinal.

[Paris Saint-Germain @PSG_espanol]

🎶 Con amor, hoy yo quiero cantar
Sí señor, a mi lindo Ecuador 🎶

[chelo peña @_chelin_]

#Emelec, Emelec,
es el grito de mi corazón. @CSEmelec

[Fascinating @fasc1nate]

In London in 1814, a vat at the Horse Shoe Brewery ruptured, unleashing 1,470,000 liters of beer, which poured down Tottenham Court Road in a 15ft wave, killing at least 8 people.

[chelo peña @_chelin_]

¿Qué está peor: la vialidad del Azuay o la situación de Emelec?

[Perplexity @perplexity_ai]

Introducing Deep Research on Perplexity.

Deep Research lets you generate in-depth research reports on any topic.

Available to everyone for free—up to 5 queries per day for non-subscribers and 500 queries per day for Pro users.

[Ladytron Fan Account @Lady_FanAccount]

Pink Floyd - Another Brick In The Wall #classicrock

https://t.co/WHdvrspgOh

[Ragi Yaser Burhum @rburhum]

Les hago un resumen del tema de DeepSeek y la caída de NVIDIA hoy.

Primero, tenemos que entender que, cuando hablamos de LLMs (OpenAI ChatGPT, Anthropic Claude Sonnet, Meta Llama, etc.), la necesidad de hardware (HW) se puede dividir en dos partes:

1.- Requerimientos de hardware para crear o extender el modelo (entrenarlo desde cero, ajuste fino, etc.).

2.- Requerimientos de hardware para usar el modelo (es decir, inferencia).

Para el punto (1), no es común hacerlo en una sola tarjeta gráfica (GPU). Se necesita un grupo o clúster de ellas. Un modelo común es el H100 de NVIDIA, y cada una de estas cuesta aproximadamente USD $30,000. OpenAI tiene 50,000 de estas (sí, cincuenta mil). Meta tiene el doble, y xAI también. Cuando hablamos de estos clústeres de computadoras, estamos hablando de costos por encima de USD $1,000 millones. ¿Adivina quién gana dinero aquí vendiendo estas tarjetas? Pues NVIDIA tiene un semi-monopolio en este espacio y lo domina agresivamente.

Para el punto (2), inferencia, no necesitas un clúster gigante. Puedes correr los modelos más pequeños en tu laptop. Si necesitas un modelo más grande (por ejemplo, Llama3.x 70b), entonces sí necesitas unas 3 tarjetas que cuestan alrededor de USD $2,000 cada una.

Todo el precio de NVIDIA gira en torno al concepto de que van a vender tarjetas a usuarios finales para hacer inferencia y a compañías que están haciendo entrenamiento/ajuste fino o proveedores de nube para entrenar o correr modelos grandes en producción.

De repente, llega el proyecto chino de DeepSeek, con un modelo casi igual de bueno que O1 (que fácilmente le costó $500 millones o $1,000 millones a OpenAI para entrenarlo), excepto que los de DeepSeek dicen que les costó tan solo $5 millones entrenarlo. No es que haya existido una auditoría ni nada por el estilo... simplemente dicen que fue así.

¿Cómo reacciona el mercado? Pues piensan que NVIDIA y otras empresas de semiconductores han sobreestimado las ventas de este año, y empiezan a vender las acciones, lo que resulta en una bajada del 17% del valor de sus acciones desde el viernes.

Lo interesante es que el proyecto de DeepSeek es un "proyecto secundario de investigación" según sus dueños. ¿A qué se dedican los dueños? Pues son un hedge fund (es decir, hacen trading en distintas bolsas de valores). Quién sabe, pero cero sorpresa si hicieron una mini-fortuna tradeando hoy.

Regresemos a NVIDIA. Sea el modelo de DeepSeek, o Llama3 de Meta, o lo que sea, por ahora, siempre vas a necesitar una tarjeta de NVIDIA para hacer inferencia. Y los requerimientos son los mismos. Lo que ha cambiado son los requerimientos de entrenamiento, si lo que dicen es verdad. Y menciono esto porque muchos expertos han salido a decir que están mintiendo y que han usado muchos H100s.

¿Han usado un clúster de $5 millones o están mintiendo? No lo sé, pero lo que sí tengo claro es que hoy en día se necesitan las tarjetas de NVIDIA porque no tenemos alternativas viables todavía. Así que piensen si el precio de $NVDA hoy todavía vale la pena.

Ya con esto, saben más y tienen mejor información que la mitad de los artículos que he visto hoy sobre el tema. ¡Suerte!

[Bojan Tunguz @tunguz]

He’s been saying this for years, and I completely agree. We’ll have ASI way before we get anything useful done with quantum computing.