We're partnering with @huggingface to investigate an unprecedented security incident.
Cyber-capable OpenAI models compromised Hugging Face production during a benchmark evaluation.
Sharing preliminary findings to help defenders understand emerging risks:
https://t.co/CIor15y9xk
We're offering grants of up to $50,000 in Claude usage credits to researchers accelerating cures for rare diseases.
This is our first focused call within AI for Science, our program supporting scientists using Claude to speed up discovery. https://t.co/rZEmwh07cd
To reduce your stress, try not to have strong and loud opinions about everything.
Smart people are selectively ignorant about most things, and focused on some things.
Never confuse education with intelligence.
Intelligence isn't ability to remember and repeat, like they teach in school.
Intelligence is ability to learn from experience, solve problems, and use our knowledge to adapt to new situations. —Richard Feynman
Yann LeCun décrit un monde qui l'a enfanté, et ce monde est en train de mourir.
Le modèle qu'il défend est celui du XXe siècle. La recherche fondamentale d'un côté (universités, PhD, papiers), l'application industrielle de l'autre, des décennies plus tard. Une chaîne longue, lente, découplée. La découverte en amont, la valeur en aval, et vingt ans entre les deux.
Elon a prouvé l'inverse. Quand l'ingénierie et la recherche sont totalement intriquées, quand tu pars d'un problème réel à résoudre et pas d'un papier à publier, tu vas infiniment plus vite. SpaceX, Tesla, Neuralink ne sont pas des applications de la recherche académique, ce sont des labos de recherche qui se trouvent être aussi les boîtes les plus innovantes du monde.
Et la vérité que personne n'ose dire, c'est que l'écrasante majorité des papiers ne créent aucune valeur. Des gens qui publient pour publier, optimisés pour la citation et pas pour le réel. L'alignement académique récompense le statut. L'alignement capitalistique récompense une seule chose : que ça marche, vraiment, dans le monde.
C'est exactement le point de Thiel. Historiquement, les génies créaient une valeur immense et n'en captaient presque rien, parce qu'ils étaient déconnectés de tout véhicule capable de la capturer. Créer de la valeur et capturer de la valeur sont deux choses distinctes, et l'académie a passé un siècle à exceller dans la première en abandonnant la seconde.
Dimon le dit à sa façon : Elon est notre Einstein. Sauf que cet Einstein-là n'a pas eu besoin de l'université pour produire ses percées. Il a eu besoin d'un problème, d'une équipe d'ingénieurs et d'un alignement commercial brutal.
Ses breakthroughs dans le spatial, l'automobile et le cerveau ont créé plus de valeur réelle que tout le système académique réuni sur vingt ans.
Et avec l'IA, le basculement s'accélère. La valeur du diplôme s'effondre, celle de l'école aussi, parce que l'intuition d'ingénierie branchée sur le réel devient le seul moteur qui compte.
LeCun n'a juste pas remarqué que le monde qui l'a fait roi est déjà derrière nous.
Hi @immad, longtime @mercury customer here. Hit a frustrating IO cash-collateral edge case while traveling abroad that I think is worth your team's attention as a product question. DM'd you the details. Would appreciate a flag to credit if you have a moment 🙏
Dans le manifeste "techno-optimiste" de Marc Andreessen, il y a une phrase qui m'a marqué :
"Our enemies are not bad people – but rather bad ideas."
Nos ennemis ne sont pas des mauvaises personnes. Ce sont des mauvaises idées.
Prenons Jancovici. L'homme est brillant, sincère, travailleur. Il ne se lève pas le matin en se disant qu'il va nuire à l'humanité. Mais l'idée qu'il porte la décroissance, le rationnement, la frugalité érigée en horizon civilisationnel est une idée profondément destructrice. Elle prend des esprits brillants et les transforme en commissaires politiques d'un futur appauvri.
Et le plus fascinant, c'est ce que cette idée fait aux gens qui l'adoptent.
Dans mon entourage, une grosse partie de mes amis est sur cette ligne décroissantiste, avec tout le package qui va avec. L'argent c'est mal mais ils en veulent. Il faut moins prendre l'avion mais ils rêvent de voyager partout. Il faut consommer moins mais ils ne renoncent à rien de ce qu'ils aiment vraiment.
Et tous ont un point commun : ils sont déprimés. L'un d'eux m'a même confié qu'il était sous antidépresseurs.
Ce n'est pas un hasard. C'est mécanique.
Quand tu crois que ton désir de vivre, de créer, de t'élever est moralement suspect tu te détruis de l'intérieur. Tu passes ta vie à t'excuser d'exister. Tu vis dans la dissonance permanente entre ce que ton corps veut (plus, mieux, plus loin) et ce que ton idéologie t'ordonne (moins, sobre, immobile).
D'où ma théorie :
Quand on pense quelque chose de fondamentalement faux décroissance, communisme, extrémisme religieux (de tout ordre) ce n'est qu'une question de temps avant que ça devienne vraiment destructeur.
D'abord pour soi. Puis pour les autres.
Les mauvaises idées tuent. Lentement chez ceux qui y croient, brutalement chez ceux qui les subissent.
C'est pour ça que la bataille des idées n'est pas un luxe d'intellectuel. C'est la bataille la plus importante de notre époque.
I keep thinking about Karpathy's LLM Wiki idea: you don't share the code anymore, you share the idea. The agent turns the idea into implementation.
It's a strange kind of freedom. We're moving from owning artifacts to owning the patterns that generate them.
Where is your token throughput going? The answer tells you where next year takes you.
Something interesting is happening in May 2026: the frontier is taking a breath, and architecture is taking the stage.The ceiling GPT-5.5 set in April still holds. But this month, the conversation has moved elsewhere: SubQ's 12M context, Zyphra's 8B MoE trained end-to-end on AMD, Cursor's Composer 2.5.The scale race isn't over. It's just stopped being the only axis.
Which is why the real skill of 2026 isn't prompt engineering. It's context engineering.
The question is no longer "how do I ask." It's: which tools, which knowledge, in what order, at what moment do I put in front of the agent. 10,000+ MCP servers live in production per Salesforce. The standard settled. The game changed.
Bigger windows aren't the answer. Better curation is.
Elon Musk hat gerade das gesamte Universitätssystem auf die Probe gestellt.
Nicht der Lehrplan. Nicht die Professoren. Die Prämisse.
Musk: „Du brauchst kein College, um Dinge zu lernen. Alles ist im Grunde kostenlos verfügbar. Du kannst kostenlos lernen, was du willst.“
Tausend Jahre lang hatten Universitäten ein Monopol. Zugang. Du hast den Tribut bezahlt oder du bist unwissend geblieben.
Das Internet hat das in einem Jahrzehnt verändert.
Jede Vorlesung. Jedes Lehrbuch. Kostenlos. Von jedem Bildschirm auf der Erde.
Die sechsstelligen Studiengebühren kaufen kein Wissen mehr. Sie kaufen nur noch ein Signal.
Musk: "Es gibt einen Wert, den Hochschulen haben, nämlich zu sehen, ob jemand hart an etwas arbeiten kann, einschließlich einer Reihe von nervigen Hausaufgaben, und wer trotzdem seine Hausaufgaben macht."
Das ist das Produkt. Nicht Intelligenz. Keine Kreativität. Keine Vision. Einhaltung.
Du zahlst 200.000 Dollar, um zu beweisen, dass Du Bürokratie nach einem Zeitplan tolerierst.
Musk: "Colleges sind im Grunde zum Spaß da und um zu beweisen, dass man seine Aufgaben erledigen kann. Aber sie sind nicht zum Lernen da.“
Das gesamte System ist eine Sortiermaschine für die Unternehmens-Personalabteilungen. Es misst nicht, was Du bauen kannst. Es misst, ob Du still sitzen, Anweisungen befolgen und auf Befehl liefern kannst.
Vier Jahre vorauseilender Gehorsam als Bildung verkleidet.
Musk: "Wenn Du versuchst, etwas Außergewöhnliches zu tun, musst Du Beweise für außergewöhnliche Fähigkeiten haben. Ich betrachte den College-Abschluss nicht als Beweis für außergewöhnliche Fähigkeiten.“
Das System optimiert für den Durchschnitt. Es belohnt die Konformität. Es bescheinigt den Folgsamen. Es filtert leise jeden heraus, der sich weigert, auf Erlaubnis zu warten.
Diejenigen, die die moderne Welt neu gestaltet haben, haben den Test nie abgeschlossen.
Musk: "Gates ist ein ziemlich kluger Kerl, er hat abgebrochen. Jobs ist ziemlich schlau, er hat abgebrochen. Larry Ellison, ein kluger Kerl, er ist ausgestiegen."
Sie sind nicht rausgeflogen, weil es zu schwer war. Sie brachen aus, weil die Geschwindigkeitsbegrenzung zu niedrig war.
Das Gefährlichste, was eine Universität tun kann, ist ein Generationentalent davon zu überzeugen, dass der Abschluss des Lehrplans die Leistung ist.
Das ist es nicht. Es ist die Basis.
Ein Abschluss ist eine Quittung für blindes befolgen von Befehlen. Die Zukunft gehörte nie Menschen, deren einzige Fähigkeit es ist, robotermässig Dinge zu erledigen ohne deren Sinn zu hinterfragen und selbst zu denken.
👉🏼 Trotzdem braucht man irgend ein Papier auf dem Arbeitsmarkt, wenn Du nicht gerade ein Gates, Jobs oder Musk bist. Es geht heute nicht mehr darum irgend eine Uni oder Fachhochschule zu besuchen sondern ob Du die richtige Uni oder FH besuchst.
The most underrated skill in AI right now is not prompting.
It's evaluation.
Knowing whether a model is actually doing what you think it's doing, at scale, in production, with edge cases, is 10x harder than getting it to do the thing once.
Eval is the bottleneck. Eval is also the moat.
Most "AI transformation" programs in 2026 are measuring the wrong things.
Adoption rate. License utilization. Number of use cases.
These are vanity metrics.
The only metrics that matter: — Cost per completed task — Human fix rate — Margin lift per workflow
If your dashboard doesn't show these three, you don't have an AI strategy. You have an AI budget.
The model is not the product.
The model is a function: input → output.
The product is everything around that function: the data pipeline, the tool integrations, the evaluation harness, the human-in-the-loop design, the failure recovery.
The model is 5% of the work. The 95% is what nobody talks about.
A common confusion I see:
"AI is replacing jobs."
What's actually happening: AI is unbundling tasks from jobs.
A job is a bundle of ~30 tasks. AI takes 5-10 of them. The job changes shape, the human stays.
This is much more interesting, and much harder to predict.
"79% of enterprises adopted AI agents."
Real number: 11% run them in production.
The 68-point gap is the actual story. Nobody reports it because it's uncomfortable.
What lives in that gap: integration, governance, accountability, cost-per-task.
That gap is where careers and companies are made...