Tesla addict

[Tesla addict @truth_zeeker]

Conservative projection of Starlink capacity growth (with satellite replacements) vs global fiber backbone.

Even with a cautious Starship ramp, the numbers get absurd pretty quickly.

Full launch ramp-up assumptions in the second chart.

[Tesla addict @truth_zeeker]

@mikepat711 💯

[Tesla addict @truth_zeeker]

@brivael Ton poste m’as tuer!
Bien goué mek! T’est trot un boss toua!

[Tesla addict @truth_zeeker]

@beffjezos Yes we can!

[Tesla addict @truth_zeeker]

@polynoamial 100000x compression in cost and 100000x compression in time.

And this is just the beginning. Buckle up, folks!

https://t.co/ElH9A7FYyB

[Tesla addict @truth_zeeker]

OpenAI’s Astra just cracked 10 major long-open advances (non-sofic groups, Connes rigidity, sphere-packing bounds, Ehrhart, Ramsey, circuit lower bounds…) that had seen essentially no real progress for decades.

Estimation by Grok of Human effort invested into those problems: hundreds–thousands of person-years of top talent over 20–50+ years → tens to hundreds of millions of dollars.
Astra inference: ~$2,000.

Cost compression: ~50,000x–250,000x.

Time compression: decades of open status + centuries of cumulative researcher-years collapsed into days of compute.

The gap is staggering.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ and this is still just the beginning.

About a year ago, I did a post on how the decades of Einstein’s work on relativity theory could compress in mere hours.

Some laughed at the idea. It looks like this will become true during the current decade.

[Noam Brown @polynoamial]

And yes we did try other major problems without success. Sadly no Millennium Prize problems (yet).

But also, we didn’t spend a lot on each problem. It’s possible to push test-time compute much further.

[Tesla addict @truth_zeeker]

@aaronburnett Fully agree.

https://t.co/OJ91174beU

[Tesla addict @truth_zeeker]

💯
This will be the ultimate version of Jevons paradox.

Much much more computation on much much more complex problems will happen on the bigger clusters in the future.

Human’s needs, data processing capacity, and available time are very bounded.

A recursively improving swarm of super intelligent entities trying to understand and explore the universe is only bounded by the amount of energy it can leverage.

[Tesla addict @truth_zeeker]

💯
This will be the ultimate version of Jevons paradox.

Much much more computation on much much more complex problems will happen on the bigger clusters in the future.

Human’s needs, data processing capacity, and available time are very bounded.

A recursively improving swarm of super intelligent entities trying to understand and explore the universe is only bounded by the amount of energy it can leverage.

[Aaron Burnett @aaronburnett]

I think there is a disconnect with the “efficiency” folks who see token usage moving to the edge as inherently meaning a large percentage of overall token usage will live there. There are so many more tokens to crunch that offloading the small token tasks to local will likely always be minority and in the limit a vanishing minority of tokens.

Similar to the human brain just because “compute” happens at the edge in nerves, doesn’t mean you do less “computation” in brain. It just frees the brain up for more intensive computation tasks.

Any freeing up of computation at the server level to the edge is immediately spoken for with more complex computation.

Good example of people not being able to grasp exponential intelligence demand.

This isn’t an either or thing it’s simply a we need more computation thing.

[Tesla addict @truth_zeeker]

Parce que Musk raisonne toujours en principes premiers : la faim n’est pas un problème d’argent ponctuel, mais de production, d’énergie, de logistique et de gouvernance.

Il cherche à éliminer le gaspillage (d’où sa demande de comptabilité open-source) et refuse les incentives qui maintiennent le problème pour que des organisations en vivent indéfiniment.

La quasi-totalité de sa fortune est engagée dans ses entreprises (Tesla, SpaceX, xAI…), qu’il considère comme les leviers les plus efficaces pour faire progresser l’humanité.

En sortir des milliards pour un don impliquerait d’être convaincu que ce réinvestissement dans l’aide traditionnelle serait plus efficient que de continuer à développer ces technologies pour résoudre les causes racines — ou des problèmes encore plus urgents.

Le plan du PAM était une aide d’urgence d’un an pour 42 millions de personnes, pas une solution structurelle. Ses méthodes visent à rendre le problème obsolète en créant de l’abondance durable.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

Si vous souhaitez mieux comprendre le personnage, je vous invite à lire Liftoff d’Éric Berger livre fascinant qui retrace la première grosse décennie incroyable de SpaceX avec une mise en avant d’un certain nombre des employés clé et des aventures épiques qu’ils ont vécu. Le livre est vraiment fascinant permet d’apprendre beaucoup de Musk mais n’est pas centré que sur lui, et rend compte avec brio de la succession d’exploits exceptionnels que SpaceX a du réaliser pour devenir ce qu’il est aujourd’hui.

[Epoch AI @EpochAIResearch]

We’ve launched an expansion of FrontierMath: Open Problems! The benchmark now contains 50 significant, unsolved problems from research mathematics. AI has solved three so far, and solving all of them would be an incredible mathematical feat. Thread with more.

[Tesla addict @truth_zeeker]

OpenAI’s Astra just cracked 10 major long-open advances (non-sofic groups, Connes rigidity, sphere-packing bounds, Ehrhart, Ramsey, circuit lower bounds…) that had seen essentially no real progress for decades.

Estimation by Grok of Human effort invested into those problems: hundreds–thousands of person-years of top talent over 20–50+ years → tens to hundreds of millions of dollars.
Astra inference: ~$2,000.

Cost compression: ~50,000x–250,000x.

Time compression: decades of open status + centuries of cumulative researcher-years collapsed into days of compute.

The gap is staggering.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ and this is still just the beginning.

About a year ago, I did a post on how the decades of Einstein’s work on relativity theory could compress in mere hours.

Some laughed at the idea. It looks like this will become true during the current decade.

[Greg Brockman @gdb]

ten significant advances in mathematics and theoretical computer science.

solved using an internal version of Astra, our next major model, for a total cost of about $2000 at Sol API prices:

[Elon Musk @elonmusk]

SpaceX is hiring exceptional engineering & skilled trades talent to build & operate the most powerful AI supercomputer clusters on & off Earth.

If interested, please email 3 bullet points demonstrating evidence of exceptional ability & your resume to [email protected].

[Andrew Curran @AndrewCurran_]

Noam Brown. Everyone is up late.

[Noam Brown @polynoamial]

An internal version of Astra, @OpenAI’s next major model family, solved 10 major open problems in mathematics, quantum complexity, and theoretical computer science.

We believe it will be a major step for scientific reasoning. https://t.co/iP6cyheZ7i

[Lijie Chen @wjmzbmr1]

10 proofs from our next major model Astra on long-standing open problems in mathematics and theoretical computer science (also including new circuit lower bounds for computing the permanent!)

GPT-5.6 has already enabled so much exciting work in math and science. Can’t wait to see what comes next!

[Tesla addict @truth_zeeker]

🤯

[Sebastien Bubeck @SebastienBubeck]

yes, nonsofic groups exist: this statement is one of many new beautiful results proved by Astra, our next major model.

We're releasing 10 such Astra proofs, complete with lean certificates and CoT walkthroughs for each of them. The results are wide-ranging, from von Neumann algebras (disproof of Connes' Rigidity Conjecture) to better bounds for high dimensional sphere packing, for circuit complexity, for monochromatic triangles in multicolored graphs, and more.

More thoughts here: https://t.co/8SjXONeh38

[Tesla addict @truth_zeeker]

« il a juste du charisme » lol.

Combien de personnes sont capables d’accomplir tout ce qui suit en parallèle et en 25 ans?

1. Tesla (Automobile & Énergie)

• Cellules 4680 et pack batterie structurel
• Architecture 48 V + exosquelette Cybertruck
• Full Self-Driving (réseaux de neurones end-to-end)
• Robotaxi unsupervised + Cybercab sans volant
• Robot humanoïde Optimus
• Megapack et Gigafactories

Difficulté : Extrême (batteries, production de masse, autonomie réelle et régulation).

Disruption : A forcé toute l’industrie automobile à passer à l’électrique et menace le modèle de propriété individuelle des voitures.

2. SpaceX (Espace)

• Falcon 9 réutilisable (atterrissage propulsé)
• Moteurs Raptor (cycle full-flow méthane-oxygène)
• Starship acier inoxydable + bouclier thermique + catch par chopsticks
• Crew Dragon (amarrage autonome)

Difficulté : Quasi impossible historiquement (taux d’échec élevé, coûts énormes).

Disruption : Coût de lancement divisé par ~10, ouverture de l’espace commercial et objectif multi-planétaire rendu réaliste.

3. Starlink (Internet satellite)

• Constellation > 10 800 satellites
• Terminaux phased-array bas coût
• Liens laser inter-satellites
• Satellites V3 + Direct-to-Cell

Difficulté : Très élevée (déploiement massif, réglementation mondiale, fabrication à grande échelle).

Disruption : Brise le monopole des télécoms traditionnels dans les zones isolées.

4. Neuralink (Interfaces cerveau-machine)

• Threads d’électrodes flexibles (1024 canaux)
• Robot chirurgical R1
• Implant sans fil + décodage neuronal temps réel
• Premiers implants à travers la dure-mère

Difficulté : Extrême (chirurgie, biocompatibilité, régulation FDA).

Disruption : Restauration potentielle de l’autonomie pour les personnes paralysées et future symbiose homme-IA.

5. xAI (Intelligence artificielle)

• Modèles Grok
• Supercalculateur Colossus
• Intégration temps réel des données de X
• Ambition de centres de calcul orbitaux

Difficulté : Concurrence féroce face aux géants de l’IA.

Disruption : Alternative « truth-seeking » et fusion possible de l’IA avec l’infrastructure spatiale.

6. X (Réseaux sociaux)

• Community Notes
• Algorithme orienté free speech
• Intégration native de Grok

Difficulté : Forte résistance politique et publicitaire.

Disruption : Remise en cause du modèle de modération centralisée des Big Tech.

[Tesla addict @truth_zeeker]

Elon est effectivement souvent plus qu’enthousiaste sur les dates et délais.

C’est parfaitement compréhensible quand les sujets auxquels ils s’attaque sont réputés impossibles ou révolutionnaires.

C’est à la fois un défaut et un atout. Ces timelines irréalistes provoquent des critiques acerbes quand elles ne sont pas atteintes.

Mais c’est justement parce qu’il est convaincu qu’il y a une petite probabilité qu’elles se matérialise qu’il s’engage sur des chantiers aussi difficile et arrrive à federer les meilleurs talents.

C’est la aussi un sujet qui est très bien documenté dans ses biographies ou encore les livres sur SpaceX.

[Tesla addict @truth_zeeker]

La promesse était conditionnelle : si le PAM montrait exactement comment 6 milliards “résoudraient” la faim dans le monde (avec comptabilité open source).

Ils ont fourni un plan d’aide d’urgence d’un an pour nourrir 42 millions de personnes pendant 1 an, avec probablement plus de la moitié de cette somme servant juste en frais de fonctionnement de l’organisme. Ca na rien d’une solution définitive pour résoudre le problème. D’où l’absence de don.

[Tesla addict @truth_zeeker]

Peut être que c’est ton propre biais qui parle.

Les commentaires sur cette interview dans la version YouTube sont en majorité affligeants pour l’interviewer et confirme clairement que les médias sont bien plus détestés que Musk. Sur quels question en particulier trouves to que Musk a montré qu’il était limité ?

[Tesla addict @truth_zeeker]

Musk n’a jamais promis de construire lui-même un Hyperloop commercial opérationnel entre San Francisco et Los Angeles avec un délai précis. En août 2013, il a publié le white paper open-source *Hyperloop Alpha*, un concept technique détaillé, motivé explicitement par sa critique du projet de California High-Speed Rail (CHSR), invitant tout entrepreneur motivé à essayer de réaliser cette vision.

Le document s’ouvre sur une critique directe du projet rail californien, alors estimé à **environ 68,4 milliards de dollars**, avec une vitesse moyenne de 164 mph (≈ 264 km/h) et un trajet SF–LA d’environ 2 h 38. Musk proposait son Hyperloop à **moins de 6 milliards de dollars** pour un trajet de ≈ 35 minutes à jusqu’à 760 mph.

Selon son biographe Ashlee Vance (*Elon Musk*, 2015), l’idée est née de l’opposition de Musk au projet de train à grande vitesse. Il espérait que la proposition pousserait les décideurs à le reconsidérer (voire à l’annuler). Vance précise que Musk n’avait pas l’intention de le construire lui-même à l’époque.

**État actuel du California High-Speed Rail (Business Plan 2026) :**

- Coût estimé de la Phase 1 (SF–LA/Anaheim) dans la version « optimisée / right-sized » : **≈ 126 milliards de dollars**.
- Coût sous l’hypothèse d’un design non optimisé (méthode bottom-up) : **≈ 231 milliards de dollars**.
- Environ **15 milliards de dollars** déjà dépensés (début 2026).
- Avancement concret : construction concentrée sur le segment initial Merced–Bakersfield (≈ 171 miles / 275 km). Plus de 80 miles de guideway sont terminés, des dizaines de structures majeures sont achevées, et la pose des voies démarre. Première mise en service passagers visée pour **2032-2033**.
- Service complet Phase 1 (SF–LA) : cible autour de **2040**.