I build agentic kits that help people and businesses work faster, get more clients, and stay ahead. Productivity + acquisition systems, no code.

Joined January 2021
Scribe retweeted
⚡Meet Qwen3.8-Flash, a multimodal MoE and an early preview of the Qwen4 architecture, now open-weight! The production version Qwen3.8-Flash will be available soon via QwenCloud API at just $ 0.16/1M input tokens and $ 0.47/1M output tokens. 125B parameters + 51B N-gram embeddings, with just 6B activated per token. Unmatched cost-efficiency. What's new: 🥳 - Next architecture: GDN + QSA hybrid attention, Gated Residual, N-gram Embedding & Muon optimizer, serving as a precursor to the architecture used in Qwen4. - Dramatically lower training and inference costs: trained at just 1/9 the cost of Qwen3.7-Plus, while outperforming it across the board with especially strong gains in coding and office tasks. - Strong performance: scoring 58.7 on DeepSWE 1.1, 62.5 on SWE-bench Pro, 73.9 on CoWorkBench, 84.5 on AndroidWorld, and 95.7 on MathVision (with CI). - 262K native context, extensible to 1M with YaRN. We’re also releasing the weights for Qwen3.8-Flash-Next, giving the community an early look at the new architecture we’re exploring for Qwen4.🚀 We can't wait to see what you build with Qwen3.8-Flash!👀👇 - Blog: qwen.ai/blog?id=qwen3.8-flas… - Technical Report: github.com/QwenLM/Qwen3.8-Fl… - Hugging Face: huggingface.co/Qwen/Qwen3.8-… - ModelScope: modelscope.cn/models/Qwen/Qw…
503
1,041
572
8,031
2,001,795
LMAO the Codex reset lore somehow gets even better Tibo says the resets aren’t coordinated with marketing or finance He can literally reset everyone’s usage whenever he thinks it feels right AND THERE IS NOW AN ACTUAL PHYSICAL RESET BUTTON 😭 OpenAI may have accidentally invented the most powerful button in AI
My full interview with Tibo (@thsottiaux) 0:45 Tibo's Lessons from Google DeepMind 4:22 Building OpenAI’s Relentless Culture 7:23 Astra & Next Gen Models 11:18 How Fast AI Changes Developer Workflows 14:27 ChatGPT & Codex Merging 20:25 OpenAI vs. Anthropic 23:37 Why OpenAI Keeps Resetting Limits 30:25 Recursive Self-Improvement 32:00 Dangers That Caused "The Pause" 34:13 Will Ultra Fast Become the Default? 43:20 Why Everyone Needs to Try AI
26
24
8
1,167
209,479
Scribe retweeted
Not at the moment. The models are currently available through HuggingFace, but they have not been added to OpenRouter yet.
1
7
701
DON'T USE DEEPSEEK V4 PRO ! DeepSeek V4 pricing is a good reminder that “best model” ≠ “best default”. V4 Pro Max scores higher on Artificial Analysis: • 52 intelligence • $0.87 / 1M output tokens • 46 tok/s V4 Flash Max is the better daily driver: • 47 intelligence • $0.28 / 1M output tokens • 101 tok/s So my routing would be simple: Flash Max by default → Pro High/Max only when the task is actually hard.
1
1
2
84
Microsoft qui veut intégrer DeepSeek dans Copilot, c’est un signe que le modèle seul n’est plus un moat. Ça se commoditise. Mistral a fait des moves intéressants avec Forge et les futurs open weights. En revanche, pour un builder, la proposition de valeur reste difficile à lire. Entre Vibe, Forge, les API et les offres enterprise, on ne comprend pas toujours clairement ce que l'abonnement apporte par rapport à un usage direct des API. Une offre plus lisible ferait une vraie différence. @IsForAt a good mission to start with? Le vrai sujet aujourd’hui n’est plus seulement « quel est le meilleur modèle ? ». C’est quel système on arrive à construire autour. On le sait : derrière Fable, il n’y a pas qu’un modèle. Il y a des outils, de la mémoire, des workflows et de l’exécution. C’est l’ensemble qui fait la différence. Chez moi par exemple : > Planka pour gérer les tâches (humaines + agentiques) avec review humaine >Kanban Hermes avec plusieurs modèles derrière Obsidian pour la mémoire et les skills Un bon Qwen 27B bien intégré fait déjà très bien le job sur la grande majorité des usages. Un Opus ou un Codex reste utile, mais il n’est plus indispensable comme avant. Pour le code, oui. Pour le reste de l’agentique, beaucoup moins. La valeur n’est plus seulement dans le modèle. Elle est dans le système que tu construis autour. Mistral, les builders sont là. On est prêts à bosser avec vous pour construire autour de Forge, de vos modèles open weights et de votre stack. On peut apporter les briques, les intégrations et les retours terrain dont vous avez besoin. Profitons-en ensemble.
Pourquoi on doit arrêter le Mistral bashing. Wald, je te dois une réponse. T’es là depuis mes débuts en février, t’as toujours gratté là où ça fait mal. Donc prends une bière, j’ai des choses à te dire. Et que ça profite à tout le monde. 🐛 Le sujet n’est pas d’avoir le meilleur modèle grand public. C’est d’avoir une IA utilisable par ceux qui ne peuvent pas envoyer leurs données chez OpenAI ou Anthropic. Oui, Qwen 27B démonte le Mistral 120B. Oui, leur com est souvent mauvaise. Oui, ils ont 194k abonnés contre 4,9M pour OpenAI. Oui, ils ne gagnent pas tous les benchmarks. Oui, certaines releases sont expliquées comme une appliance réseau de 2008. Parce que pendant qu’on s’obsède sur les benchmarks publics, Mistral avance ailleurs. Janvier : accord-cadre avec le ministère des Armées. Février : achat de Koyeb + 1,2 Md€ pour un datacenter IA en Suède. Mars : Mistral Small 4, Forge, Leanstral, Voxtral + coalition NVIDIA Nemotron. Mars aussi : 830M$ de dette pour 13 800 GPU à Bruyères-le-Châtel, à côté du CEA. Avril : Business Insider révèle que xAI a discuté d’un partenariat à trois avec Mistral et Cursor pour rattraper OpenAI et Anthropic sur le code et les agents. Mai : Mistral annonce Industrial Engineering avec Airbus, BMW et ASML. Ils rachètent Emmi AI pour la Physics AI. Ils sortent Medium 3.5 en open weights. Ils lancent Vibe avec remote agents, Connectors et Workflows. Et ils annoncent Les Ulis : 10 MW d’inférence en France. Juin (aujourd'hui) : Arthur pose les mots. Nouveau modèle cet été. Nouvelle famille « fat but sparse ». Early access en juillet pour la recherche, les gouvernements et l’industrie. Et surtout : open weights pour ce modèle et les suivants. Le message est clair : tu ne peux pas posséder, auditer ou améliorer un système que tu ne touches qu’à travers l’interface de quelqu’un d’autre. C’est ça, la stratégie du cafard. Les cafards ne survivent pas parce qu’ils sont les plus beaux ou les plus aimés. Ils survivent parce qu’ils s’infiltrent dans les murs, les tuyaux, les endroits que personne ne regarde. Et ils sont encore là quand les autres ont disparu. -> Défense, banque, spatial, télécoms, industrie lourde, énergie, secteur public. Ce ne sont pas les marchés les plus bruyants, mais ce sont les plus collants. Une fois que tu es dedans avec les données, les process, l’infra et les équipes, tu ne dégages pas facilement. Forge ? Ce n’est pas du RAG avec une landing page propre. C’est Mistral qui débarque chez toi avec des ingénieurs, dans tes données, ton code, ton vocabulaire métier et tes contraintes internes pour construire un modèle qui apprend ton entreprise. Ces organisations ne peuvent pas juste balancer leurs données sensibles dans un SaaS américain ou chinois. Elles ont besoin de contrôle, de déploiement local, d’auditabilité et de souveraineté. En Europe aujourd’hui, qui coche vraiment ces cases ? Mistral. Ça ne veut pas dire qu’il faut arrêter de critiquer. Au contraire. Benchmarker froidement. Dire quand Qwen est meilleur. Dire quand une release est mal vendue. Mais il y a une différence entre être exigeant et être aveugle. Le vrai sujet n’est pas de savoir si Mistral bat tout le monde aujourd’hui. Le vrai sujet, c’est : qui sera encore là si les Chinois ferment le robinet de l’open weights ? Qui peut fournir une IA européenne aux institutions qui ne peuvent pas dépendre d’OpenAI, Anthropic ou Alibaba ? Arthur et l’équipe ont commencé avec un tweet en 2023 pour lâcher leur 7B. Aujourd’hui, ils dirigent une scale-up avec les Américains devant, les Chinois aux fesses, les régulateurs sur les côtés et les clients enterprise qui veulent tout. Ce sont des scientifiques et des builders, pas des communicants. Et ça se voit. Mais quand Arthur parle, on a envie d’écouter. Parce qu’il y a une mission derrière. Ma vision est simple : >Forge doit devenir le cheval de Troie (data proprio + hardware local + relation profonde). >Il faut un open weights au niveau des meilleurs Qwen 27/35B MoE, robuste et bidouillable. >Le Chat et Vibe doivent progresser, mais ce n’est pas là que se joue la bataille principale. Mistral ne gagnera pas en devenant « le ChatGPT français ». Mistral gagnera s’il devient la couche IA des organisations qui ne peuvent pas se permettre de déléguer leur intelligence stratégique. Si demain les Chinois arrêtent de publier des open weights, Mistral sera là. Qwen c’est magnifique, un cadeau pour l'humanité. Mais on ne peut pas bâtir toute notre souveraineté sur la générosité durable d’Alibaba. Alors oui, tout n’est pas parfait. Oui il y aura des ratés. Oui il y aura encore des benchmarks moyens. Mais rien n’est fini. Au contraire, c’est maintenant que ça commence. La chaussette est chauvine. Elle assume. Et pour une fois, on a peut-être une boîte européenne qui ne se contente pas de commenter le train américain depuis le quai. Et elle dit : on y va.
2
5
47
4,086
Scribe retweeted
Benchmarking the new LFM2.5-8B-A1B MoE by @liquidai on an @AMD RX 7800 XT using ROCm and llama.cpp. A few interesting results: >Q5_K_M delivered the fastest generation speed at ~200 tok/s >Q8_0 pushed over 6,000 tok/s prompt processing >Even a 16GB card can run these smaller MoE models comfortably >Shows just how much capability is available without needing flagship hardware Running more tests on the AMD stack and seeing how far ROCm has come
13
6
1
106
7,827
Scribe retweeted
Behind the MiMo API Price Reduction: The deepest price cut, up to 99%, is for Input (Cache Hit). The core reason is our inference framework now supports hierarchical KV cache optimization for SWA. Production inference engine tests show this optimization increases cached token capacity by 5x, equivalent to an 80% reduction in caching costs. Combined with Cache Read Overlap among multiple Full Attention modules in the Hybrid model, actual costs are further reduced. Prices for Input (Cache Miss) and Output are also reduced by 60%-80%. This mainly benefits from the extreme 1:7 Full:SWA sparsity ratio brought by the model architecture (the prefill compute of the 70-layer MiMo-V2.5-Pro roughly equals a 10-layer GQA model). This kept our original inference costs well below the industry average, naturally leaving a 2x-3x profit margin in pricing. This price adjustment simply reflects our decision to pass these structural cost efficiencies directly to developers. Operating at these newly reduced API prices, our production inference engine is running at near full capacity, and we can still essentially break even. We previously advised LLM companies not to "blindly cut prices" precisely because very few model architectures and inference optimizations can keep API costs from running at a loss. If more architectures that save compute and KV cache emerge, along with better inference Infra to drive down API costs, this will form an excellent virtuous cycle in the industry. More crucially, affordable, high-performance model APIs will drive real, sustained, and at-scale inference demand. This upstream demand pulls forward the development of the entire AI infrastructure chain—including chips, servers, optical transceivers, PCBs, liquid cooling, power, energy storage, and data centers—serving as a strategic fulcrum for a systemic revaluation of AI hardware. In the long run, this injects more affordable and accessible compute into both training and inference pipelines, accelerating the parallel evolution of global AGI across multiple regions and technical routes. For more technical details, we will release a detailed Blog post later.
150
176
67
1,732
208,796
This is disgusting behavior on their part considering they just scammed thousands of users. They seem to be trying to join the Dr Evil AI lab crowd with Anthropic and OAI. Why can't we have nice things like AI labs that aren't huge hypocrites like this? xitter.cf/ZixuanLi_/status/20375…
Considering a switch to GLM-5.1 to see if Z.ai’s service gets crushed.
1
136
Congrats to the @cursor_ai team on the launch of Composer 2! We are proud to see Kimi-k2.5 provide the foundation. Seeing our model integrated effectively through Cursor's continued pretraining & high-compute RL training is the open model ecosystem we love to support. Note: Cursor accesses Kimi-k2.5 via @FireworksAI_HQ ' hosted RL and inference platform as part of an authorized commercial partnership.
509
1,353
669
20,035
3,573,426
Given Claude Cowork only supports the official Max subscription and no third-party APIs. So @austinit spent half a day recreating it -with support for any API compatible with the Anthropic format. The demo shows automatic file organization powered by @MiniMax_AI M2.1. Fully open-sourced. It is the OpenCode moment for Claude Cowork took less than 24 hours!🚀
鉴于 Claude Cowork 仅支持官方 max 订阅,且不支持第三方 API。 所以我花了半天时间,复刻一下 Claude Cowork,允许使用任意兼容 Anthropic 格式的 API。 视频演示了一个自动整理文件的功能,使用的模型为 @MiniMax_AI M2.1 项目开源👇 github.com/DevAgentForge/age…
17
46
10
474
52,622