Daniel Matthews

Diterbitkan: 00:31 EDT, 29 Juni 2025 | memperbarui: 00:38 EDT, 29 Juni 2025

Julio Cesar Chavez Jr. melakukan pemanasan untuk pertempuran yang sangat dinanti dengan Jake Paul dengan bantuan kinerja Maria Chiband di ruang loker.

Meksiko berusia 39 tahun, ayahnya dan nama yang sama, adalah salah satu pejuang terhebat sepanjang masa, dan memperoleh seorang petinju yang mengubah YouTuber di Anaheim pada Sabtu malam.

Ketika Chavez Jr. membuat persiapan terakhirnya di California, kamera diizinkan di dalam ruang ganti.

Dan beberapa menit sebelum bel pertama, lima bagian Maria Chiband memulai penampilannya, dan para petinju melewati pemanasan.

Band ini kemudian menemani Chavez Jr., yang sedang berjalan ke ring dia tenang sebelum menghadapi youtuber-turn-toxer.

Ketika ditanya mengapa dia begitu santai sebelum pertarungan, pria berusia 39 tahun itu berkata: “Mengapa tidak?”

Julio Cesar Chavez Jr.

Band ini bermain saat Chavez Jr mengalami pemanasan sebelum pertarungan hari Sabtu

“Saya di sini, itulah yang saya inginkan dalam hidup saya, jadi saya sangat bahagia, dan saya pikir lebih baik tetap santai daripada merasa tertekan.

“Ini persis seperti yang saya kerjakan dengan sangat keras. Saya lebih siap, ayah saya ada di sini sebelumnya, ibu saya ada di sini sebelumnya. Ini bukan hal baru.

“Aku bekerja sangat keras, aku sangat senang bisa kembali. Inilah yang ingin aku lakukan. Aku sangat tenang sekarang, tapi ketika aku melangkah ke ring, dia hampir meraih.”

Namun, Paul juga menunjukkan sedikit tanda -tanda saraf sebelum pertempuran. Dia mendapati dirinya menari di ruang ganti dengan adiknya Logan.

Pengguna utas akan segera memiliki kontrol lebih besar atas apa (atau tidak) yang menunjukkan mereka di umpan mereka. Demikian Posting utas Dari Kepala Instagram Adam Mossi, pembaruan fitur kata tersembunyi dari platform ini memungkinkan pengguna untuk menyesuaikan konten mana yang disaring secara terpisah dari preferensi mereka di Instagram.

Kata -kata tersembunyi itu sendiri bukanlah hal baru: pengguna utas sudah dapat meredam kata, frasa, dan emoji dari feed mereka dan menyaring komentar bahasa yang agresif secara otomatis. Namun, itu adalah pengaturan global yang diterapkan pada utas dan Instagram, sehingga Anda tidak dapat memiliki daftar konten terpisah untuk menyembunyikan atau menyesuaikan filter ini di utas.

Thread juga memeriksa label konten “spoiler tanda” untuk menyembunyikan spoiler dalam posting – tidak ada pengguna untuk mempublikasikan teks atau gambar – serta DMS. Bahkan satu-satunya platform yang meningkatkan kontrol pengguna atas konten apa yang mereka tonton: Tiktok baru-baru ini memperluas pengaturannya yang memungkinkan pengguna untuk mempersonalisasikan umpan Anda dengan lebih baik, termasuk penyaringan kata kunci yang digerakkan oleh AI.

Cara menyesuaikan kata -kata yang tersembunyi di utas

Untuk mengedit kata -kata tersembunyi, buka aplikasi utas, ketuk ikon profil Anda di bilah navigasi di bawah ini, lalu buka menu Pengaturan dari sudut kanan atas. Pergi Preferensi konten> kata -kata tersembunyiAnda bisa beralih Sembunyikan kata -kata ofensif yang umum dalam jawaban Off atau on, yang akan menghapus jawaban ke bagian tersembunyi di bawah pos Anda (siapa pun yang masih bisa mengetuknya untuk menunjukkannya).

Di bawahnya, Anda bisa mengetuk + Filter baru Jawaban untuk konten yang difilter serta menyembunyikan posting dengan kata -kata, frasa atau emoji tertentu dari feed Anda. Thread memiliki opsi baru untuk menyesuaikan filter, seperti menyembunyikan posting yang dibagikan oleh siapa pun atau tidak untuk menyembunyikan “tunda” 30 hari untuk konten yang difilter yang tidak ingin Anda sembunyikan secara permanen. Kata -kata terkait dapat dipanggang di bawah satu filter khusus (laba -laba) Dan Laba -laba, misalnya).

Perhatikan bahwa fitur baru mungkin belum tersedia di perangkat Anda, jadi perhatikan pembaruan aplikasi.

Artikel ini adalah bagian dari jumlah khusus VentureBeat, “Biaya sebenarnya dari Amnesty International: Kinerja, Efisiensi dan Investasi Skala Besar.” Baca lebih lanjut dari nomor khusus ini.

Selama dua dekade terakhir, perusahaan memiliki pilihan antara teknologi terbuka dan properti tertutup.

Opsi asli untuk institusi terutama berpusat pada sistem operasi, karena Linux menawarkan sumber terbuka dari Windows Microsoft. Di dunia pengembang, bahasa open source seperti Python dan JavaScript mendominasi, karena teknologi open source, termasuk Kubernetes, adalah standar di cloud.

Jenis pilihan yang sama antara terbuka dan penutupan sekarang menghadapi institusi untuk kecerdasan buatan, dengan banyak opsi untuk kedua jenis model. Di bagian depan model kepemilikan tertutup, ada beberapa model terbesar dan paling banyak digunakan di planet ini, termasuk yang ada di openai dan antropologi. Di sisi open source, ada model seperti Meta’s Llama, IBM Granite, Qwen dan Deepseek Alibaba.

Memahami ketika model terbuka atau tertutup digunakan sebagai opsi yang menentukan bagi para pembuat keputusan yayasan pada tahun 2025 dan seterusnya. Memilihnya memiliki efek keuangan dan mengalokasikan pada setiap opsi yang perlu dipahami dan dipertimbangkan lembaga.

Pahami perbedaan antara lisensi terbuka dan tertutup

Tidak ada kekurangan dekade berlebihan yang berlebihan antara lisensi terbuka dan tertutup. Tapi apa arti semua ini untuk pengguna institusi?

Teknologi properti tertutup, seperti Openai’s GPT 4O, misalnya, tidak berisi kode pelatihan atau bobot yang terbuka atau patut dicontoh yang tersedia bagi siapa saja untuk melihatnya. Model ini tidak dapat dengan mudah tersedia dengan baik, dan hanya tersedia untuk penggunaan institusi nyata dengan biaya (pasti, chatgpt adalah lapisan gratis, Tapi ini tidak akan terganggu oleh pekerjaan lembaga nyata).

Teknologi terbuka, seperti meta llama, granit IBM, atau Deepseek, tersedia secara publik. Lembaga dapat menggunakan formulir secara bebas, secara umum tanpa batasan, termasuk penyesuaian dan kustomisasi.

Rohan Gupta, direktur dengan DeluetteMemberitahu VentureBeat bahwa diskusi terbuka versus sumber tertutup tidak unik atau asli dalam kecerdasan buatan, dan tidak mungkin diselesaikan dalam waktu dekat.

GOPTA menjelaskan bahwa penyedia sumber daya tertutup biasanya menawarkan banyak sampul tentang model mereka yang memungkinkan kemudahan penggunaan, ekspansi yang disederhanakan, promosi yang lebih halus, intervensi yang mengalir dan aliran perbaikan yang berkelanjutan. Ini juga memberikan dukungan besar bagi pengembang. Ini termasuk dokumen di samping saran praktis dan seringkali memberikan integrasi yang lebih ketat dengan infrastruktur dan aplikasi. Di sisi lain, lembaga dibayar selain layanan ini.

“Model open source, di sisi lain, dapat memberikan lebih banyak kontrol, fleksibilitas dan opsi alokasi, dan didukung oleh ekosistem yang dikembangkan yang dinamis,” kata Gupta. “Model -model ini dapat semakin diakses melalui fasad pemrograman aplikasi yang dikelola sepenuhnya melalui penjual cloud, yang memperluas distribusinya.”

Ambil pilihan antara model AI yang terbuka dan tertutup

Pertanyaan yang mungkin ditanyakan oleh banyak pengguna lembaga adalah yang terbaik: model terbuka atau tertutup? Tetapi jawabannya belum tentu satu atau lain.

“Kami tidak menganggap ini sebagai pilihan bilateral,” David Garrera, pemimpin Ai Tawili di Ey AmericaBeri tahu VentureBeat. “Terbuka versus tertutup semakin banyak ruang untuk desain cair, di mana model dipilih, atau bahkan diatur secara otomatis, berdasarkan perbedaan antara akurasi, jintan, biaya, interpretasi dan keamanan pada titik yang berbeda dalam alur kerja.”

Gararrera memperhatikan bahwa model tertutup membatasi cara meningkatkan organisasi atau adaptasi perilaku. Model cadangan sering membatasi perumusan formula, menagih tarif premium, atau menyembunyikan proses dalam kotak hitam. Meskipun alat API menyederhanakan integrasi, mereka mengambil banyak kendali, yang membuatnya sulit untuk membangun sistem yang spesifik atau dapat ditafsirkan.

Sebaliknya, model open source memungkinkan desain target, desain pegangan dan peningkatan untuk kasus penggunaan tertentu. Ini lebih penting di masa depan agen, karena model tidak lagi menjadi alat homogen untuk tujuan umum, tetapi mereka merupakan komponen pengganti dalam alur kerja yang dinamis. Kemampuan untuk membentuk perilaku model secara akurat menjadi, dengan biaya rendah dan melengkapi transparansi, keunggulan kompetitif yang besar saat menerbitkan tugas atau solusi yang terorganisir dengan ketat.

“Dalam praktiknya, kami mengharapkan masa depan agen di mana pemilihan model diekstraksi,” kata Garra.

Misalnya, pengguna dapat merumuskan pesan e -mail menggunakan satu alat AI, merangkum dokumen hukum dengan dokumen lembaga penelitian lainnya dengan model sumber terbuka, dan berinteraksi dengan kecerdasan buatan secara lokal melalui LLM pada perangkat, semua tanpa mengetahui model apa pun yang melakukan apa yang dia lakukan.

“Pertanyaan sebenarnya menjadi: Apa campuran model yang sesuai dengan tuntutan alur kerja Anda?” Kata Garrera.

Pertimbangkan total biaya kepemilikan

Dengan model terbuka, ide dasarnya adalah bahwa model tersedia secara gratis untuk digunakan. Meskipun sebaliknya, lembaga selalu membayar model tertutup.

Realitas adalah ketika datang untuk melihat total biaya kepemilikan (TCO) lebih akurat.

Praven Akkiraju, Direktur Pelaksana Mitra wawasan Saya menjelaskan risiko bahwa TCO memiliki banyak lapisan yang berbeda. Beberapa pertimbangan utama termasuk biaya hosting infrastruktur dan teknik: Apakah model open source di -host oleh lembaga atau penyedia cloud? Berapa banyak rekayasa, termasuk instalasi, tes taman penjaga dan tes keamanan, yang diperlukan untuk mengoperasikan model dengan aman?

Perhatikan Akkiraju itu Menyesuaikan model berat terbuka juga bisa menjadi tugas yang sangat kompleks. Perusahaan model perbatasan tertutup menghabiskan upaya rekayasa yang luar biasa untuk memastikan kinerja melalui berbagai tugas. Menurut pendapatnya, kecuali lembaga menerbitkan pengalaman teknik yang serupa, mereka benar -benar akan menghadapi anggaran yang kompleks ketika merumuskan model sumber terbuka. Ini menciptakan efek biaya ketika institusi memilih strategi penerbitan model. Misalnya, institusi dapat menyesuaikan beberapa versi model dari berbagai tugas atau menggunakan antarmuka pemrograman aplikasi tunggal untuk beberapa tugas.

Ryan Gross, Kepala Data dan Aplikasi di Penyedia Layanan Cloud Asli Kylent VentureBeat mengatakan bahwa dari sudut pandangnya, ketentuan lisensi tidak peduli, kecuali untuk skenario kasus Edge. Pembatasan terbesar seringkali terkait dengan ketersediaan model ketika ada akomodasi data. Dalam hal ini, menerbitkan formulir terbuka pada infrastruktur seperti Amazon Sagemaker mungkin satu -satunya cara untuk mendapatkan model yang lebih baru yang masih sesuai. Ketika datang ke TCO, Gross mencatat bahwa barter jatuh di antara biaya segalanya dan biaya hosting dan pemeliharaan.

“Ada titik setara yang jelas saat ekonomi berubah dari model terbuka tertutup menjadi lebih murah,” kata Gross.

Menurut pendapatnya, bagi sebagian besar organisasi, model tertutup, dengan solusi hosting dan ekspansi atas nama organisasi, akan lebih sedikit. Namun, untuk lembaga besar, perusahaan SaaS dengan permintaan yang sangat tinggi pada LLM, tetapi sapi yang disederhanakan membutuhkan kinerja dalam batas, atau produk yang berfokus pada kecerdasan buatan, dapat menjadi model penyuling yang lebih efektif.

Bagaimana pengembang program yayasan mengevaluasi model terbuka untuk yang tertutup

Josh Busquiz, CTO di Sistem depan kedua Ini adalah salah satu perusahaan yang harus berpikir dan mengevaluasi model terbuka untuk ditutup.

“Kami menggunakan model kecerdasan buatan yang terbuka dan tertutup, tergantung pada penggunaan spesifik, persyaratan keselamatan dan tujuan strategis,” kata Buswiz kepada VentureBeat.

Bosquez menjelaskan bahwa model terbuka memungkinkan perusahaannya untuk mengintegrasikan kemampuan canggih tanpa waktu atau biaya formulir pelatihan dari awal. Untuk eksperimen internal atau model awal yang cepat, model terbuka membantu perusahaannya untuk mengulangi dengan cepat dan mendapat manfaat dari perkembangan yang bergantung pada masyarakat.

Dia mengatakan: “Model tertutup, di sisi lain, adalah pilihan kami ketika database, dukungan gelar di tingkat lembaga dan jaminan keamanan diperlukan, terutama untuk aplikasi yang dihadapi pelanggan atau operasi penerbitan yang mencakup lingkungan yang sensitif atau terorganisir.” “Model -model ini sering berasal dari penjual yang andal, yang memberikan kinerja yang kuat, dukungan untuk kepatuhan dan opsi pengarahan diri.”

Bosquez mengatakan bahwa pemilihan model multi -fungsional dan infus risiko, tidak hanya mengevaluasi kesesuaian teknis, tetapi juga kebijakan pemrosesan data, persyaratan integrasi dan ekspansi jangka panjang.

Melihat TCO, ia mengatakan bahwa itu sangat berbeda antara model terbuka dan tertutup dan pendekatannya tidak lebih murah.

“Ini tergantung pada skala publikasi dan kedewasaan organisasi,” kata Busquiz. “Pada akhirnya, kami mengevaluasi TCO tidak hanya pada dolar yang dihabiskan, tetapi pada kecepatan pengiriman, risiko kepatuhan dan kemampuan untuk berkembang dengan aman.”

Apa artinya ini bagi strategi AI yayasan

Untuk pembuat keputusan teknologi pintar yang mengevaluasi investasi kecerdasan buatan pada tahun 2025, debat terbuka terhadap tertutup tidak terkait dengan pilihan kedua belah pihak. Muncul untuk membangun pendekatan dompet strategis yang meningkatkan berbagai kasus penggunaan dalam organisasi Anda.

Elemen tindakan langsung jelas. Pertama, periksa beban kerja AI saat ini dan rencanakan mereka untuk kerangka kerja pengambilan keputusan, dengan mempertimbangkan persyaratan akurasi, kebutuhan jintan, pembatasan biaya, persyaratan keselamatan dan kewajiban kepatuhan untuk setiap kasus penggunaan. Kedua, mengevaluasi kemampuan teknik organisasi Anda untuk merumuskan model model, hosting dan pemeliharaan, karena ini secara langsung mempengaruhi total biaya kepemilikan riil.

Ketiga, mulailah bereksperimen dengan model pemformatan platform yang secara otomatis dapat mengarahkan tugas ke model yang paling tepat, baik terbuka atau tertutup. Ini menempatkan institusi Anda untuk masa depan agen yang diharapkan oleh para pemimpin industri, seperti Guarrera di EY, di mana pemilihan model menjadi tidak terlihat bagi pengguna akhir.