Bevis på at små lag kan vinne i AI: Vi trente en helsegrunnlagsmodell på 3 millioner persondager med data, sammenlignbart i skala med de større laboratoriene. Den oppdager høyt blodtrykk med 87 % nøyaktighet, sammen med atrieflutter (70 %), ME/CFS (81 %) og syk sinussyndrom (87 %). Modellen var inspirert av Yann LeCuns JEPA-arkitektur, men tilpasset multivariate uregelmessige tidsserier. Vi kalte det JETS: Joint Embedding for Time Series. Inngangen er 63 kanaler med sensordata: hjertefrekvens, oksygenmetning, søvnstadier, VO2Max, osv. Modellen ble testet både på diagnose- og biomarkørprediksjonsoppgaver. «AI-revolusjonen» vil ikke være begrenset til chatboter, bilder eller kodeassistenter. Vi mener fysiologisk sannhet er neste grense for helse-superintelligens.

Fra @MenloVentures tredje årlige Enterprise GenAI-rapporten som kommer ut i dag: Selskaper brukte 37 milliarder dollar på KI i 2025, en økning 3 ganger år-til-år, med over 50 KI-produkter som nå overstiger 100 millioner dollar i ARR. Noen flere innsikter: - 50 % av virksomhetens AI-utgifter går nå på applikasjonslaget, en økning på 4 ganger siden 2024 - Anthropic står nå for ~40 % av LLM-utgiftene i bedrifter, opp fra 25 % i fjor og drevet av Claude Code - Åpen kildekode-bedrifters LLM-andel falt til 11 % (fra 19 %), med Llama som dominerende (70 % andel) til tross for at kinesisk modell ble tatt i bruk blant oppstartsbedrifter - Oppstartsbedrifter Tok 63 % av applikasjonslaget (mot 36 % i fjor), ledet av koding, salg og finansprodukter som ble levert raskere enn eldre leverandører - PLG sto for 27 % av AI-forbruket, 4 ganger tradisjonelle programvaresatser. GTM-modningen er sannsynligvis fortsatt i ferd med å ta igjen - Buy over build flip: 76 % av bedriftene kjøper nå AI-løsninger mot 24 % som bygger internt