想像一下，削減對當代最偉大的數學家之一的資助

Cerebras 本週展示了其以非常高的速度托管大型 MoE 的能力，推出了 Qwen3 235B 2507 和 Qwen3 Coder 480B 端點，輸出速度超過 1,500 個標記/秒 ➤ @CerebrasSystems 現在提供 Qwen3 235B 2507 推理和非推理的端點。這兩個模型的總參數為 235B，活躍參數為 22B。 ➤ Qwen 3 235B 2507 推理提供的智能可與 o4-mini（高）和 DeepSeek R1 0528 相媲美。非推理變體的智能可與 Kimi K2 相媲美，並且遠超過 GPT-4.1 和 Llama 4 Maverick。 ➤ Qwen3 Coder 480B 的總參數為 480B，活躍參數為 35B。這個模型在代理編碼方面特別強大，可以用於各種編碼代理工具，包括 Qwen3-Coder CLI。 Cerebras 的推出代表了這種智能首次以這些輸出速度可用，並有潛力解鎖新的用例——例如，使用推理模型來處理代理的每一步，而不必等待幾分鐘。

Qwen3-Coder 現在在 Windsurf 上以 ~2000 tokens/秒的速度運行！⚡️ 由 @CerebrasSystems 完全托管於美國伺服器上。 視頻速度為 1x。

每次高管的聘用都是對上一位同職位聘用的過度反應。 這往往是重點，這也沒問題。但許多時候，CEO會忽視上一位的優勢，並過度重視彌補那些弱點。 因此，意識到這一點是很有價值的。

SOTA，西方開放模型 ✅ 非常大的模型 ✅ 為提升智慧開創新維度 ✅ 建造成本低於350萬美元 🤯 自從去年11月@benchmark的投資以來，與團隊合作非常棒。特別感謝@adityaag @southpkcommons的介紹！

你的對手是誰？ 在商業中我也見過這種情況很多次。@dittycheria 主導的 BladeLogic 讓我們在 Opsware 上變得更好。Snowflake 讓 Databricks 變得更好，反之亦然。 湯姆對於他當時的感受與事後的反思的誠實看法令人耳目一新。

Cerebras 剛剛在 @huggingface 上作為推理提供者達到了 300 萬的每月請求。這才剛開始！

"@lqiao，Fireworks 的 CEO，對我說：‘找到在模式匹配和路徑尋找之間有正確平衡的領導者特別困難。’ 我認為這很好地表達了在 AI 原生環境中領導的困難。 這與 @rabois 的帖子有關，談到在面對 AI 時如何找到新的組織形式。"

上週六次董事會會議中的五次主要議題：如何在人工智慧時代重新設計初創公司的組織。

我曾在幾家公司工作過，從創業到首次公開募股（IPO）及以後。這裡有五個我作為投資者所帶著的教訓。這些教訓在電子表格中並不存在。 1. 文化是公司的第二產品：公司有兩個產品 - 一個是賣給客戶的，另一個是賣給員工的。我曾在一些對文化非常重視的公司工作，也在一些不重視文化的公司工作過 - 對於文化和產品同樣用心的公司，作為投資者非常吸引人。這並不意味著他們為員工建造遊樂場。例如，亞馬遜對其文化非常用心。這並不適合每個人，但它有效。丹納赫（Danaher）是另一個著名的例子。 2. 沒有公司有“權利”進入第二幕：建立一個成功的單一產品業務是困難的。成為一個多產品業務則是極其複雜的。你需要保持核心業務的增長，以資助第二幕。你的客戶並不欠你在新領域的成功。新興熱點業務的員工與“舊”公司的員工之間的文化緊張關係很高。此外，第二幕是如此艱難，以至於它需要比第一幕更大，才真的值得。 3. 執行勝過策略：任何人都可以制定一個優雅的策略。成功執行的記錄才是重要的。每位成為公司首席執行官的人都可以口若懸河。他們都能講述一個引人入勝的故事，說明他們為什麼會成功。每次都給我堅定的執行，而不是精美設計的策略。 4. 我喜歡創始人主導的企業的“機會”：在某個時刻，你的公司將會面臨危機。你將不得不“賭上整個業務”才能走出困境。這需要管理層和員工的信念。我見過創始人這樣做，也見過專業經理這樣做。再次，每次都給我創始人。 5. 避免那些消化不良的公司：大衛·帕卡德（David Packard）曾經著名地說過：“更多的企業死於消化不良，而不是飢餓。”一家公司一次只能做好2-3件事。避免那些試圖做太多事情的公司。它們會失敗。