Hace dos semanas, OpenAI lanzó GPT-5. Gran parte del rumor es sobre su modelo de codificación, que ahora compite con Claude Code de Anthropic. ¿Sus nuevas habilidades? Obtenido a través del entrenamiento en datos de codificación del mundo real. ¿Qué pasaría si esos mismos datos estuvieran abiertos a cualquier investigador que construyera modelos de próxima generación? Eso es lo que está haciendo ORO

Dato subestimado sobre los datos de IA de frontera: Scale AI proyecta ingresos de $ 2 mil millones en 2025. Agregue Surge, Mercor y otros, y el gasto total en datos alcanza alrededor de $ 3.5B: principalmente para modelos de razonamiento. ¿Pero IA multimodal? Espere que sea 10 veces más grande. Impulsado por video, audio y más.

El contenido de nuestro chico @NiphermeDave siempre es increíble 🗣️ échale un vistazo

A veces simplemente tienes "una de ESAS" semanas.... Agradecido por la comunidad de ORO. Para cualquiera que haya terminado una semana difícil, ¡mantén la cabeza en alto! Es solo el comienzo. Disfruta tu domingo.

Mucha gente nos ha estado preguntando... ¿qué potencia mis datos? En ORO, ayudamos a potenciar modelos de IA multimodal de manera amplia. Razonamiento, Voz, Video, y pronto... otros verticales 👀 ¿Por qué Multimodal? Porque es el espacio que los jugadores centralizados no pueden y no van a atacar. El mundo del video, audio, datos de larga cola de dispositivos portátiles... solo una plataforma como la nuestra puede agregarlo. Y somos los únicos que trabajamos con los laboratorios líderes. Ventaja de primer movimiento en efecto.

Otra publicación en nuestra serie de textos... $META en 2024: Si intentaras agregar todos los datos de audio de alta calidad del mundo, obtendrías 3,000 horas. Necesitamos MILLONES. ¿Quién sabe realmente cómo agregar estos datos a gran escala? ¿Para filtrar millones de horas y obtener 10,000 horas realmente utilizables para entrenar la próxima generación de modelos? ORO. Eso es todo.

Simplemente lo diremos... La mayoría de los proveedores de datos de IA en realidad no están agregando datos útiles. No tienen investigadores reales en los laboratorios líderes entrenando con sus datos. ¡Aprende a separar la señal del ruido! ¡Como lo hacemos nosotros con nuestros datos de audio!

¿Por qué los proveedores de datos serios se obsesionan con la infraestructura? 🤔 Porque los grandes datos de IA requieren dos cosas: 1️⃣ recolección a escala global 2️⃣ verificación de calidad autónoma La #1 necesita descentralización. La #2 depende de una infraestructura poderosa. Somos la única plataforma probada en batalla en ambos aspectos: recolectando datos privados de video, audio y dispositivos portátiles a gran escala con los mejores laboratorios multimodales utilizándolos.

Hace unas semanas, compartimos un vistazo a nuestra infraestructura de datos de IA. Hoy en día, impulsa los principales laboratorios de IA multimodal con canalizaciones extensibles: – síntesis de datos escalable – anotación de modelo en bucle – búsqueda granular y personalizable Ante nosotros: herramientas internas frágiles o proveedores heredados lentos. Ahora: infraestructura diseñada específicamente para IA a escala.

La mayoría de los modelos actuales se entrenan con datos web raspados... Pero de ahí no es de donde vendrán los próximos saltos de rendimiento. ¿La capa sin explotar? Notas de voz, transmisiones portátiles, recibos, calendarios, diagnósticos. Estructurado, autorizado y rico en contexto del mundo real.