Ryo Im

Architect: Designing architecture →
Brand Architect: Branding new store and business →
Business Architect: ANDPAD ZERO Director

[吉川真人🇯🇵深セン @mako_63]

中国ロボティクス界の若手創業者を並べてみると、若くて優秀すぎてビビります。

90年代生まれが中心で、00年代生まれの創業者もすでに登場。今話題の清華大やスタンフォード、イェール、コロンビアなどを経て、20〜30代でロボット企業を立ち上げる人たちが続出。
中国のロボット産業を見ていると、資金やサプライチェーンだけでなく、この若い人材の厚さも大きなファクターと感じます。

[legalprimes @LegalPrimes]

Step into the craziest visualization of the fourth dimension you have ever seen

[Ryo Im @ri0001]

渋谷公園通りのフォスター建築ができてきている．リアル木質ファサード？

[Nico @nicos_ai]

Anthropic acaba de publicar un PDF de 13 páginas sobre memoria para agentes de IA

5 capas para reducir un 90% el coste en tokens y hacer que tu agente aprenda de verdad👇

1. MEMORIA DE TRABAJO: lo que ve ahora

La ventana de contexto. Todo lo que el agente tiene delante en este momento

Cuando se llena, el contexto antiguo se pierde. La mayoría de los agentes se quedan aquí y luego nos preguntamos por qué fallan

2. MEMORIA EPISÓDICA: lo que pasó

El historial completo de interacciones, con fecha y hora

El agente recuerda que el despliegue falló el martes a las 3 de la mañana porque el script de migración tenía una errata

No tienes que explicárselo otra vez

3. MEMORIA SEMÁNTICA: lo que sabe

Hechos, entidades y relaciones guardados en un grafo de conocimiento

«El usuario prefiere TypeScript» vive aquí

Y no desaparece cuando termina la sesión

4. MEMORIA PROCEDIMENTAL: cómo hacer las cosas

El agente prueba 3 enfoques. Uno funciona

Ese método se convierte en una habilidad reutilizable

La próxima vez va directamente a lo que funcionó

5. OLVIDO: lo que debe borrar

Un agente que nunca olvida acaba acumulando contradicciones

Las preferencias antiguas se imponen a las nuevas. Te mudas de ciudad y sigue recomendándote restaurantes donde vivías antes

Recordar importa. Saber qué olvidar, también

¿El resultado?

→ Mem0 almacena 1.800 tokens por consulta en lugar de 26.000
→ Snowflake añadió una capa de ontología: un 20% más de precisión y un 39% menos de llamadas a herramientas

La memoria compensa su coste desde el primer día

Este PDF de 13 páginas marca la diferencia entre un chatbot y un agente que aprende de verdad

No lo pases de largo ↓

[AGIラボ @ctgptlb]

【速報】ChatGPT共同発明者、2年のステルスを経て新型AIモデル「Jev」を発表

・LLMより20〜200倍高速、40〜400倍安価
・出力トークンは永久無料（安すぎて課金計測できない）
・文字列ではなく「型付きの判断」を返す
・構造上ハルシネーションが起きない

技術と実例をスレッドにまとめます👇🧵

[とよし🍅株式会社トクイテン代表 @toyoshi]

GPT-6 Astraならできるやろと思ったらできた。iPhoneで3Dスキャンして現実世界をパッチワーク。3Dプリントデータを作るところはAstraにお任せで作ってもらったので点群処理の知識ゼロでできた。驚いたのは私はこれのどこが欠けの部分か指示してないということ。

もしかしたらこれ���他社の旧モデルでもできたかもしれない。でもできないと思い込んでた。賢いモデルがでてきて他の人の活用を見ると刺激されて「それなら前に諦めてたこれもできる？」と思えた。こういうのが楽しい。 #astra #3dprinting #scaniverse #3dプリント

[川邊健太郎 @dennotai]

【かなり重要】Anthropic CEOのダリオが、昨日（9月12日）かなり踏み込んだ警告を出しています。

まず極めて重要なのは、AI自身が次世代のAIを作る能力を急速に高め始めていることを、最先端AI企業のトップ自身が明言したことです。

ダリオはこれを
「recursive self-improvement（再帰的自己改善）」
と呼び、「この夏頃から、その動きが目に見えて加速している」としています。

AIがAI開発そのものを加速させる段階に入ったということであり、AGIを考える上でも極めて重要な変化だと思います。

その上で彼の警告は、
「AI開発を止めろ」
ではありません。

AIの能力向上の速度を、意図的に“ペース調整”すべきだ
というものです。

AI自身がAI開発を加速することで、能力向上のスピードが、安全性研究、監査、制度設計など、人間側の対応速度を追い越す可能性がある。
彼が恐れているのは、
「AIが人間より賢くなること」そのものというより、

AIの進化速度が、人間の統治能力を追い越すこと

なのだと思います。

一方で、
「米国（民主主義国家）だけが減速して中国に抜かれるのも危険」
とも言っています。

つまり、

「AIは危険だから止める」
でも
「競争だから全力で進む」
でもない。
人類はいま、

“自分たちより賢いものを、自分たちより賢くないまま、どう安全に統治するのか”

という、かなり本質的な問題に入りつつある。

これはAI業界だけではなく、もっと広く議論されるべき問題だと思います。皆さんはどう思いますか？

https://t.co/bRIk8Mc5Pt

追伸：この警告に対して、イーロン・マスクも「Dario is right」とXで支持を表明しています。Sam Altmanも同様に賛同しています。本来、自社の競争優位を高め続けていたいAI最前線の当事者たちが相次いで「ペース調整」を口にし始めたこと自体、かなり重く受け止めるべき変化だと思います。

[Ryo Im @ri0001]

https://t.co/VsUx4SIngQ

[Higgsfield AI 🧩 @higgsfield_ai]

we rebuilt New York in 3D in 20 minutes.

GPT-6 Astra + Blender + Higgsfield.

which city should we do next?

[Higgsfield AI 🧩 @higgsfield_ai]

GPT-6 Astra is scary good at rebuilding landmarks. This time, the Sydney Opera House.

The whole building came out of Astra as code. Blender gave it clean, editable geometry, Cycles gave it path-traced light, all on Higgsfield Supercomputer.

[ゲン/GEN🗡️ @Gen_x111x]

GPT6のAstraにBlenderで国会議事堂を作らせてみた

正面からの構図をメインでリファレンスを渡し
２回修正指示したが、30分ほどでこんな感じ

手直しは少し必要だが、すげぇじゃんか…

要点としてはリファレンスをいかに整えて渡すか、見たまんまの構図を模写モデリングならある程度はできるかもしれない。

どっちにしても私は30分でこれを作れない…

#blender #astra

[Goofy @goofyninjaaa]

GPT-6 Astra modeló una casa completa en Blender y la convirtió en un recorrido en Unreal Engine 5. Sola.

Alberca, jardín, sala, cocina. Así vas a ver tu casa antes de que exista.

Eso hoy lo cobra un estudio de visualización con arquitectos y artistas 3D.

OpenAI dice que Astra ya maneja Blender, FreeCAD y KiCad como lo haría una persona: abre el programa, modela y exporta.

En BenchCAD, el examen de diseño CAD, sacó 95.9%.

El modelo anterior: 83.3%.

Y con Sites, dentro de ChatGPT, arma y publica sitios, apps y juegos desde un prompt.

Los números y el video son de OpenAI.

¿Le encargas tu casa a un arquitecto o se la pides a ChatGPT?

[Ryo Im @ri0001]

きれいそう
https://t.co/13AWWAUv6o

[Ryo Im @ri0001]

https://t.co/PqJ022EAwZ

[chuplung @choopyplug1]

Google's team just dropped a 9-page PDF on Harness Engineering - one formula replaced prompt engineering:

the twist: same Claude Sonnet, same benchmark - change only the harness

the formula: Agent = Model + Harness

here's the playbook in 6 steps:

step 1 → add guides - AGENTS.md, rule files, constraint docs - each line is a past agent failure turned into a permanent fix

step 2 → add sensors - linters, tests, validation scripts the agent runs on its own output before a human sees it

step 3 → build the agentic loop - plan, execute, verify, fix - bounded retries, budget caps, escalation when stuck

step 4 → externalize memory - the model forgets every session. the harness remembers state, decisions, and artifacts across all of them

step 5 → enforce permissions - which tools, how many writes, what needs approval. the model doesn't enforce safety. the harness does

step 6 → wire observability - track every tool call, cost, retry. trip wires fire when behavior drifts

the result: your agent stops being a demo and starts being infrastructure - every failure makes the system permanently better, not just the next conversation

this 9-page PDF is what comes after prompt engineering and context engineering

bookmark and build the full system from the article below ↓

[Sanskriti Naruka @snskritinaruka]

INSTEAD OF WATCHING NETFLIX TONIGHT. Spend 2 hour with this. Claude AI FULL COURSE that teaches you how to BUILD and AUTOMATE anything. The people who watch this tonight will wake up tomorrow with a new skill. Watch it and bookmark it now.

[Jokker @0xJokker]

Anthropic ha lanzado una guia de 37 minutos para construir Agentes de IA que automatizan una empresa entera

GRATIS
De los ingenieros que construyeron Claude

Agentes que trabajan, se reparten tareas y ejecutan todo solos

Subtitulado al español

Guardate este post
Te va a servir mas de lo que crees

[Swarm｜東大AIエージェントラボ @swarm_japan]

【必見】
Anthropicのエンジニアが「ほとんどの人はClaudeの5%しか使えていない」と言っていた😳

質問して、答えをコピーして、タブを閉じる
それが全体のたった5%らしい
残り95%を彼女が40分で見せてる動画がこれ

https://t.co/I3i28iHsd8

・CLAUDE.mdは短いマークダウンでモデルを十分に誘導できるが、肥大化させるとコンテキストを圧迫する
・メモリツールを持たせると、エージェントが自分でセッション内の記憶を読み書きしながら進められるようになる
・いまの最先端は、記憶をファイルシステムとしてモデル化して、Bashやgrepのような普通のファイル操作でエージェント自身に自分の記憶を検索させるやり方

動画で語られてるのは、記憶を持って自分で動いて、寝ている間にも賢くなっていくエージェントの話だ

CLAUDE.md、メモリツール、記憶のファイルシステム化
どれも「呼ばれなくても自分で更新し続ける」ための設計だ

[Dhruv kumar @Dhruvkumar16797]

Sam Altman (CEO of Open AI):

"You no longer need to write prompts."

In just 38 minutes, he explains how to use ChatGpt at a level that most people can't even imagine.

It's talk he gave to stanford students. A friend sent me the recording last night.

After watching it, I realized I was only taking advantage of about 15% of what this tool can really do.

Watch it in full and then read the guide l leave below on how to create a system that prompts itself.

[ワディ @wady]

SpaceX AIエンジニア(元Cursor)の働き方がヤバい。
・GrokBotエージェントを常時10〜20体稼働
・日常業務の90%を自動化
・「Chief of Staffエージェント」が他の全ボットを管理

つまり本人はもう”実務者”じゃなく”エージェント組織のマネージャー”。

500ドルのAI��座より、この50分のポッドキャストの方が価値がある。