Lukas Kidzinski

Building generative AI since 2015. Co-founder of Saliency acquired by Clario.

[Lukas Kidzinski @kidzik]

🔬 📷 Biotech investors and corporate development professionals
We've just launched Gosset, the platform that provides insights about biotech assets. Try our demo here: https://t.co/Wb4kP7CXO6 and comment on this post to get early access to the full version (or to help us😀)

[Lukas Kidzinski @kidzik]

🎯 𝗜𝗻 𝟮𝟬𝟬𝟲, 𝗚𝗟𝗣-𝟭𝗥 𝘄𝗮𝘀 𝗯𝗮𝗿𝗲𝗹𝘆 𝗼𝗻 𝘁𝗵𝗲 𝗿𝗮𝗱𝗮𝗿.

Fast forward to 2025: GLP-1R has more new trials than any other target.

The targets getting quiet investment today will define the next decade.

[Lukas Kidzinski @kidzik]

@elonmusk @wholemars So it sux!

[Lukas Kidzinski @kidzik]

#𝗝𝗣𝗠𝟮𝟬𝟮𝟲 𝘄𝗶𝗻𝗻𝗲��𝘀 𝗮𝗻𝗱 𝗹𝗼𝘀𝗲𝗿𝘀

- 𝗥𝗶𝘀𝗸-𝗼𝗻 𝗶𝘀 𝗯𝗮𝗰𝗸
Biotech companies outperformed Pharma

- 𝗘𝗮𝗿𝗹𝘆-𝘀𝘁𝗮𝗴𝗲 𝘄𝗶𝗻𝘀
Phase 1-2 stocks outperformed late-stage

- 𝗔𝗗𝗖𝘀 𝘀𝘁𝗶𝗹𝗹 𝗸𝗶𝗻𝗴
Top-performing modality

#biotech

[Piotr Sankowski @piotrsankowski]

To, co dzieje się z AI, to podręcznikowa ilustracja Paradoksu Jevonsa: gwałtowny spadek kosztów sztucznej inteligencji wywołuje eksplozję popytu. Przy koszcie "myślenia" dążącym do zera poszerza się spektrum możliwych zastosowań AI.

W historii technologii, a w szczególności w historii IT, mieliśmy wiele przykładów taniejących dóbr podstawowych. Jednakże nie mieliśmy dotychczas doczynienia z tak szybko zachodzącymi zmianami. Prawo Moore'a mówiło o tym, że koszt tranzystora zmniejsza się dwukrotnie co każde dwa lata. Prawo Edholma o tym, że koszt przesyłu informacji zmniejsza się dwukrotnie co 18 miesięcy. Dziś mamy LLMflation - chyba brakuje jeszcze innej nazwy - które mówi, że koszt inferencji spada o 10x rocznie (Wykres 1). To tempo szybsze niż w jakiejkolwiek poprzedniej rewolucji technologicznej.

Co ciekawe wiele danych wskazuje, że najszybciej tanieje ta najbardziej zaawansowana inteligencja. Dane z raportu Epoch AI (Wykres 2) to pokazują koszt najsłabszego modelu GPT-3.5 spadał 9x rocznie, a ten najbardziej zaawansowanych z modeli - tutaj GPT-4o - 900x rok do roku.

Podobnie zaskakujące wyniki pokazują wyniki testu ARC-AGI (Wykres 3). W grudzieniu 2024, model o3 (High) osiągnął wynik 88% przy koszcie ok. 4500 $ za zadanie. Rok później model GPT-5.2 Pro osiągnął nieznacznie wyższy wynik 90,5% kosztując jedyne 11,64 $. To niemal 400-krotna redukcja kosztów w rok. Ludzka praca tak się nie skaluje.

Spadek kosztów inferencji to efekt wielu czynników:
- Wydajniejszy hardware: Prawo Moore’a i ulepszenia strukturalne GPU drastycznie poprawiają stosunek ceny do wydajności.
- Kwantyzacja modeli: Przejście z formatu 16-bit na 4-bit (np. w układach Blackwell) to ponad 4-krotny wzrost wydajności przy takim samym ruchu danych.
- Optymalizacje software: Oprogramowanie lepiej zarządza mocą obliczeniową i eliminuje wąskie gardła przepustowości pamięci.
- Mniejsze, sprawniejsze modele: Dzięki lepszemu treningowi dzisiejsze modele 1B parametrów biją giganty 175B sprzed 3 lat.
- Presja Open Source: Modele od Meta, Mistral, czy sam DeepSeek mogą być hostowane na dowolnej infrastrukturze, co wymuszają spadek marż u dostawców modeli przez API.
- Architektura: Kluczowe są zmiany takie jak MoE (Mixture of Experts) i rzadka atencja. W IDEAS rozwijamy te koncepcje, co opisaliśmy https://t.co/F4w81pfzC0. w pracy https://t.co/Y7BzLiHaSJ.

Dla nas ważne jest to, że spadek ceny inferencji zmienia sposób, w jaki korzystamy z technologii AI. Kiedy produkt staje się tani, znajdujemy dla niego miliony nowych zastosowań. Dzięki ciągłemu spadkowi cen, który będzie długookresowo dążyć do zero, inteligencja może stać się nową elektrycznością.

A linki do artykułów na, których powstał post są tutaj:
https://t.co/4bGlME0NwF, https://t.co/BdjP4VZPyO.

[Magdalena Matusiak @MagdaMatusiak]

ISO TWO #postdocs to work with me on human #macrophage spatial biology. #R01 @NIH funded! @Stanford @StanfordPath using #scRNAseq, #SpatialTranscriptomics, and proteomics. Please RT!

[Senator Mark Kelly @SenMarkKelly]

Traitor?

Elon, if you don’t understand that defending freedom is a basic tenet of what makes America great and keeps us safe, maybe you should leave it to those of us who do.

[Lukas Kidzinski @kidzik]

@PalmerLuckey @ZDNET This must have 10xed ZDNET’s traffic. Think of all the people who’ll now google (or perplex) if they still exist 😂

[Lukas Kidzinski @kidzik]

@tomasztrzcinsk1 @Przegaa @kjgeras @baborbe Dokładnie -- mądrych ludzi mamy, ograniczeniem wciąż jest kapitał. W AI kapitał to compute, więc tani dostęp dałby więcej szans na low-cost high-variance projektów a'la elevenlabs. Z założenia trudno przewidzieć co to mogłoby być, ale z dużym prawdopodobieństwem coś by wypaliło.

[Lukas Kidzinski @kidzik]

@harari_yuval wrote in Nexus: 𝘛𝘦𝘤𝘩𝘯𝘰𝘭𝘰𝘨𝘺 𝘪𝘴 𝘯𝘦𝘷𝘦𝘳 𝘥𝘦𝘵𝘦𝘳𝘮𝘪𝘯𝘪𝘴𝘵𝘪𝘤, 𝘢𝘯𝘥 𝘵𝘩𝘦 𝘧𝘢𝘤𝘵 𝘵𝘩𝘢𝘵 𝘴𝘰𝘮𝘦𝘵𝘩𝘪𝘯𝘨 𝘤𝘢𝘯 𝘣𝘦 𝘥𝘰𝘯𝘦 𝘥𝘰𝘦𝘴 𝘯𝘰𝘵 𝘮𝘦𝘢𝘯 𝘪𝘵 𝘮𝘶𝘴𝘵 𝘣𝘦 𝘥𝘰𝘯𝘦.
Or maybe he didn’t write it because it's from Gemini.

[Lukas Kidzinski @kidzik]

I've changed the history. Literally, I’ve altered EU decisions from 1997.

Two days ago, motivated by the EU USB mandate, I posted a 𝘀𝗮𝘁𝗶𝗿𝗶𝗰𝗮𝗹 𝘀𝘁𝗼𝗿𝘆 about how they had already mandated some other PC connectors in 1997.

[Lukas Kidzinski @kidzik]

• I’m the story's author, and it’s reprinted verbatim without attribution.

I usually favor progress in AI, but I admit that experiencing such bias firsthand makes me much more worried.

[Lukas Kidzinski @kidzik]

Fortunately, this has never happened. RS-232 was very popular, but RS stands for "recommended standard".

[Lukas Kidzinski @kidzik]

In 1997, the European Union mandated that all new personal computers be equipped with an RS-232 port for charging and data exchange. This decision aimed to reduce electronic waste, promote interoperability, and benefit consumers.

[Lukas Kidzinski @kidzik]

When the polish characters in your name are a perfect spam filter...

[Lukas Kidzinski @kidzik]

AGI is almost here and it's almost self-aware 😀