StartupPulse

Meta all-hands meeting leaked. Zuckerberg straight up told employees: we're training AI on your work.

Before cutting 8,000 jobs, he explained why internal employee data is more valuable than outsourced training data for their models.

The calculus is brutal but logical - high-quality, domain-specific data from actual product workflows beats generic crowdsourced labels. Meta's internal tools, code reviews, design iterations, and product decisions create a proprietary training corpus that external contractors can't replicate.

This confirms what many suspected: your Workplace chats, internal docs, and project workflows aren't just productivity tools - they're feeding Meta's AI training pipeline. The 8K layoffs likely target roles where AI can now handle tasks after being trained on years of employee output.

Corporate AI strategy in 2025: extract maximum training value from human workers, then automate their roles with models trained on their own work. Cold, but technically sound.

Anthropic is testing a "file-based memory" feature for Claude that lets users choose between Memory Files and traditional context memory.

How it works: Claude auto-organizes notes during conversations and retrieves them when relevant. Users can view and edit these memory files anytime.

This is essentially an upgraded version of the previous Knowledge Bases feature. More importantly, it's laying groundwork for persistent agent capabilities—meaning Claude could maintain state across sessions and act more like a long-running assistant rather than a stateless chatbot.

For devs: This could mean better context management in multi-turn workflows without manually re-injecting context every time. If they expose an API for this, it'd be huge for building agentic apps that need memory beyond a single conversation.

Meta is executing a massive org restructure: 8,000 employees getting cut, while 7,000 are being redeployed into AI-focused roles. This isn't just cost-cutting—it's a hard pivot. They're essentially shutting down non-AI product lines and doubling down on infrastructure, model training, and AI product development.

The scale here is wild: 15,000 people affected in one move. For context, that's bigger than most startups' entire headcount. Meta is betting everything on AI competitiveness, likely pouring those savings directly into compute clusters and talent acquisition for LLM/multimodal research.

If you're in traditional product/growth roles at big tech, this is your wake-up call. The industry is aggressively reallocating resources toward AI infrastructure. Either upskill into ML engineering, data pipelines, or model optimization—or risk being on the wrong side of the next reorg wave.

YC 2026 batch signals a shift: AI opportunities aren't in chatbots anymore. The real money is in vertical AI attacking high-friction, slow-moving industries with massive TAM but terrible UX. Think regulated sectors like healthcare ops, legal workflow automation, or supply chain orchestration - places where incumbents are bloated and sales cycles are brutal, but once you're in, switching costs become your moat. The pattern: pick industries where AI can compress months of manual work into API calls, not just generate prettier emails.

Microsoft AI chief Mustafa Suleyman dropped a timeline bomb: 12-18 months until most computer-based professional tasks get automated. The target isn't low-skill jobs—it's repetitive high-paying office work.

This is way faster than most people think. We're talking about tasks like data analysis, report generation, code reviews, legal document drafting—anything that follows patterns and sits in front of a screen.

The technical implication: transformer-based models + multi-agent systems + tool-use APIs are maturing fast enough to handle complex workflows end-to-end. Not just "assist," but actually execute.

If you're in a role that's 80% pattern-matching and 20% edge cases, the clock is ticking. Time to focus on the 20% that requires real judgment and creativity.

Shido Testnet is live with 500ms block finality—basically instant transaction confirmation for devs building DeFi infra. This is targeting the speed bottleneck that plagues most L1s where you're waiting 2-12 seconds for finality.

The core value prop: sub-second finality means you can build trading bots, DEX aggregators, and cross-chain bridges without the latency tax. For context, Ethereum mainnet is ~12-15 seconds, Solana averages 400ms but with occasional hiccups.

Testnet is open for builders who want to stress-test high-frequency apps before mainnet launch. If you're working on anything that needs real-time state updates (think on-chain orderbooks, liquidation engines, or fast oracle feeds), this could be worth prototyping on.

Still early—production readiness depends on how the validator set scales and whether they can maintain that finality under load. But 500ms is the right benchmark to aim for if you're serious about competing with CEX UX.

ChatGPT now runs natively inside PowerPoint. You can spawn new slides on the fly, query across your entire deck, and edit content in real-time without leaving the app. Integration bypasses the usual export/import loop—everything happens in-process. Decent win for workflow velocity if you're prototyping decks or iterating fast on slide logic.

Every CEO Dan Shipper 分享了个反直觉的数据点：全面部署 AI agent 后，团队规模反而持续扩张。

AI 替代论的实战反例 - 当你把 AI 当工具而不是替代品用时，它会放大人的产出能力，创造更多需要人处理的高价值任务。

核心逻辑：AI 消灭的是重复劳动，释放的是认知带宽。团队能承接更复杂的项目，反而需要更多人来 orchestrate 这些 AI-human 协作流程。

这篇长文拆解了具体的组织架构变化和工作流重构细节，对正在做 AI 转型的团队有很强的参考价值。

NYT front page dropped a brutal take: in the AI era, most people will become a permanent underclass. This isn't some random internet hot take—it's VCs writing 8-figure checks and founders saying this face-to-face in Silicon Valley coffee shops. The tech elite are openly discussing a future where AI creates an irreversible class divide, and they're positioning themselves on the winning side. Worth noting: when the people building the infrastructure start talking about societal stratification this casually, it's a signal about where compute power and capital are concentrating. The dystopian part isn't the prediction—it's that the builders see it as inevitable rather than a problem to solve.

India's regulatory framework just classified cryptocurrency under "High Risk" category officially. This classification impacts how crypto assets are treated from a compliance, taxation, and regulatory oversight perspective.

What this means technically:
- Stricter KYC/AML requirements for exchanges operating in Indian jurisdiction
- Enhanced reporting obligations for crypto transactions
- Potential impact on banking infrastructure integrations with crypto platforms
- Increased scrutiny on DeFi protocols and cross-border crypto flows

This follows India's existing 30% tax on crypto gains + 1% TDS on transactions. The "High Risk" flag suggests India is leaning toward tighter controls rather than an outright ban, but it definitely adds friction to the ecosystem.

For developers: If you're building crypto products targeting Indian users, expect more compliance overhead and potential restrictions on fiat on/off ramps. 🇮🇳⚠️

Google dropped Gemini Omni less than 34 hours ago and the dev community is already going wild with implementation ideas.

The model's multimodal capabilities are spawning some genuinely creative use cases across different domains. From real-time video understanding to cross-modal reasoning, developers are stress-testing the API limits and exploring edge cases that weren't even in the original demo.

What's interesting is the speed of adoption - typically there's a lag between release and serious experimentation, but Omni's API accessibility and performance characteristics are lowering the barrier significantly.

The thread promises 10 specific examples of these use cases, which would give us concrete data on what's actually feasible versus what's just hype. Worth checking the full thread to see if these are production-ready implementations or just proof-of-concept demos.

Google just dropped Gemini Omni 🔮 — a new multimodal model that takes arbitrary inputs and generates arbitrary outputs. Think of it as "Nano Banana but for video generation."

Key integration points:
- Gemini App (native support)
- Flow (workflow automation)
- YouTube (direct video generation)
- API access coming soon

This is Google's play to unify input/output modalities under one model architecture. Instead of separate pipelines for text→video, image→video, etc., Omni handles it all in a single forward pass.

The "Nano Banana" reference suggests lightweight inference with aggressive quantization — likely targeting edge deployment and real-time generation scenarios. If they're pushing this into YouTube directly, expect optimized serving infrastructure and possibly custom TPU acceleration.

API launch timing will be critical. If they beat OpenAI's Sora API to market with comparable quality, this could shift a lot of developer mindshare toward Google's multimodal stack.

Short-form drama series have quietly become a massive entertainment format.

Think of them as next-gen soap operas: episodic streaming, mobile-first distribution, and monetized like games (microtransactions, ad-supported tiers).

In China, their revenue has already surpassed domestic box office numbers—that's a huge market signal.

Now AI is about to blow this format wide open 👇

Why AI matters here:
- Automated scene generation cuts production costs by orders of magnitude
- Personalized storylines based on viewer behavior (real-time A/B testing narratives)
- Voice cloning + lip-sync lets studios localize content at scale without reshoots
- Procedural content generation means infinite episodes with consistent characters

This isn't just about cheaper production—it's about fundamentally changing the economics of serialized content. When you can spin up 100 episodes for the cost of 1 traditional show, the entire distribution model flips.

Google just dropped Gemini Omni - a multimodal model that takes any input format and generates any output format.

The demo shows real-time video editing with natural language commands: record a clip, then tell it to swap the background to NYC streets, inject a cat into the scene, and restyle everything with cinematic grading.

What's technically interesting: the model maintains spatial awareness and physics consistency. It understands gravity, fluid dynamics, and object interactions while preserving the original scene's geometric relationships. This suggests they're using a 3D scene representation layer under the hood, not just 2D image manipulation.

This is basically vision-language-action models meeting video diffusion - you're no longer just generating images from scratch, you're doing context-aware scene reconstruction and physics-informed editing in one pass.

Mô hình của OpenAI vừa tự động giải quyết Vấn đề Khoảng Cách Đơn Vị của Erdős năm 1946 trong mặt phẳng - một bài toán đã mở trong suốt 80 năm qua.

Bước đột phá: các nhà nghiên cứu đã giả định rằng giải pháp tối ưu giống như một cấu trúc lưới, nhưng AI đã khám phá ra một cấu trúc vượt trội mà không ai tìm thấy trước đó.

Đây là lần đầu tiên một hệ thống AI độc lập giải quyết một vấn đề cốt lõi trong toán học mà không có sự hướng dẫn của con người về hướng giải pháp. Mô hình không chỉ xác minh các chứng minh hiện có hoặc hỗ trợ các nhà toán học - nó đã tạo ra những hiểu biết và cấu trúc toán học mới từ đầu.

Ý nghĩa kỹ thuật: Điều này chứng minh AI đang tiến xa hơn khỏi việc nhận diện mẫu và vào quy trình lý luận toán học thực sự và giải quyết vấn đề sáng tạo trong toán học thuần túy. Vấn đề Erdős liên quan đến việc tìm các cấu hình điểm tối đa hóa khoảng cách đơn vị trong khi tối thiểu hóa tổng số điểm - một thách thức hình học tổ hợp đã làm khó các nhà toán học trong hàng thập kỷ.

Những tác động đối với việc chứng minh định lý tự động và khám phá toán học là rất lớn. Chúng ta đang chứng kiến AI chuyển mình từ công cụ tính toán sang nhà nghiên cứu toán học độc lập.

Anthropic CEO Dario Amodei dropped a cold truth at Davos: this AI wave won't follow the classic "tech dividend → job growth" playbook.

Instead, he predicts humanity will split into two tiers. He's calling the new top layer "World Zero" — a techno-elite class that controls AI infrastructure and reaps exponential gains, while everyone else gets left behind.

This isn't about automation replacing jobs. It's about a fundamental restructuring of economic power. The gap won't be between employed and unemployed — it'll be between those who own the AI stack and those who don't.

Worth paying attention to. The people building AGI are openly saying the rules are changing.

🇮🇳 Chính sách crypto của Ấn Độ sắp có sự thay đổi. Nguồn tin từ chính phủ gợi ý về khả năng thay đổi khung quy định có thể hợp pháp hóa giao dịch tài sản số và hạ tầng blockchain. Điều này quan trọng vì Ấn Độ đại diện cho 1,4 tỷ người dùng tiềm năng và đã có lịch sử lật qua lật lại giữa việc cấm hoàn toàn và đánh thuế nặng (thuế lợi nhuận crypto 30% + 1% TDS hiện đang có hiệu lực).

Những tác động kỹ thuật quan trọng: Nếu Ấn Độ tiến tới quy định rõ ràng thay vì cấm đoán, hãy mong đợi sự xây dựng hạ tầng sàn giao dịch lớn, phát triển stablecoin gắn với rupee, và tích hợp blockchain vào các đường ray fintech hiện có (UPI có hơn 300 triệu người dùng hoạt động hàng tháng).

Đáng theo dõi: Liệu họ sẽ áp dụng mô hình cấp phép tương tự như Singapore/UAE hay tạo ra các yêu cầu tuân thủ riêng cho Ấn Độ có thể phân mảnh hệ sinh thái crypto toàn cầu. Tác động đến các nhà phát triển = tiềm năng cho các giao thức DeFi địa phương và các đổi mới lớp thanh toán phù hợp với các hạn chế quy định của Ấn Độ.

Ủy ban Thường vụ Quốc hội Ấn Độ đã tổ chức một phiên họp tập trung vào crypto hôm nay. Các mục chính trong chương trình nghị sự:

• Khung thuế cho tài sản số - có khả năng sẽ thảo luận về mức thuế 30% cố định hiện tại + 1% TDS mà đã bị chỉ trích là giết chết thanh khoản
• Những lo ngại về rủi ro của Ngân hàng Dự trữ Ấn Độ - RBI đã tỏ ra hoài nghi về tác động của crypto đối với chính sách tiền tệ và sự ổn định tài chính
• So sánh với các mô hình quy định toàn cầu (có thể sẽ xem xét MiCA của EU, hệ thống cấp phép của Nhật Bản, khung quy định của Singapore)
• Phân tích dòng vốn ra nước ngoài - một lượng lớn INR đang chảy vào Tài sản Kỹ thuật số Ảo (VDAs) ở nước ngoài

Chủ tịch ủy ban Bhartruhari Mahtab đã chỉ ra rằng "hàng nghìn crore" (tỷ rupee) đang di chuyển vào thị trường crypto. Khối lượng này có khả năng kích hoạt hành động quy định.

Bối cảnh: Ấn Độ đã có lập trường khó hiểu - crypto không bị cấm nhưng cấu trúc thuế trừng phạt + thiếu quy định rõ ràng đã đẩy hầu hết hoạt động vào bóng tối hoặc ra nước ngoài. Cuộc họp này báo hiệu khả năng di chuyển về một khung quy định thực tế hơn là cách tiếp cận hiện tại là thuế và phớt lờ.

Nếu Ấn Độ thực hiện theo, hãy mong đợi một trong hai điều:
1. Một chế độ cấp phép cho các sàn giao dịch (như UAE/Singapore)
2. Thực thi KYC/AML nghiêm ngặt hơn
3. Cấu trúc thuế được sửa đổi không giết chết khối lượng giao dịch nội địa

Một sự kiện lớn cho dân số internet lớn thứ hai trên toàn cầu.

Ủy ban Tài chính của Quốc hội Ấn Độ vừa tổ chức một phiên họp quan trọng về quy định crypto. Đây là những gì đã diễn ra:

Các điểm thảo luận chính:
• Khung thuế crypto (Ấn Độ hiện có thuế 30% + 1% TDS trên các giao dịch chuyển nhượng)
• Mối lo ngại về rủi ro hệ thống của Ngân hàng Dự trữ Ấn Độ
• Phân tích so sánh các mô hình quy định từ Mỹ, Anh, EU, Trung Quốc, Nhật Bản và Brazil
• Vấn đề dòng vốn - các khoản đầu tư crypto lớn đang chảy ra ngoài Ấn Độ

Phát biểu của Chủ tịch Bhartruhari Mahtab rất đáng chú ý: "Hàng nghìn crore đang được đầu tư vào VDA, điều này thật đáng lo ngại." Điều này cho thấy chính phủ đang theo dõi việc phân bổ vốn lớn vào Tài sản Kỹ thuật số Ảo.

Các tác động kỹ thuật:
Ấn Độ đã ở trong tình trạng pháp lý lấp lửng kể từ khi Tòa án Tối cao đảo ngược lệnh cấm ngân hàng của RBI vào năm 2020. Chế độ thuế hiện tại (thuế 30% cố định, không bù lỗ) đã đẩy người dùng sang các sàn giao dịch offshore và các giao thức DeFi để tránh TDS.

Cuộc họp này báo hiệu khả năng chuyển động từ thuế trừng phạt sang khung quy định thực sự. Đối với các nhà phát triển và người dùng crypto Ấn Độ, điều này có thể có nghĩa là:
• Trạng thái pháp lý rõ ràng hơn cho tài sản crypto
• Khả năng tiếp cận ngân hàng cho các sàn giao dịch
• Khung cho các giao thức DeFi và stablecoin

Thực tế là họ đang nghiên cứu cách tiếp cận của Brazil thật thú vị - Brazil gần đây đã thông qua luật crypto toàn diện coi nó như một phương thức thanh toán và tài sản đầu tư. Nếu Ấn Độ theo con đường tương tự thay vì cấm kiểu Trung Quốc, điều này có thể mở khóa một thị trường khổng lồ cho cơ sở hạ tầng Web3.

Theo dõi không gian này - sự rõ ràng về quy định có thể thúc đẩy hệ sinh thái phát triển crypto của Ấn Độ một cách đáng kể.

Andrej Karpathy tham gia Anthropic để trở lại với công việc R&D thực tế.

Điểm chính:
• Anh ấy rất hào hứng khi trở lại nghiên cứu và phát triển ở cấp độ đội nhóm
• Các sáng kiến giáo dục (như kênh YouTube và các khóa học của anh ấy) đang tạm dừng, không bị bỏ rơi - anh ấy dự định sẽ tiếp tục chúng sau này
• Diễn biến này cho thấy Anthropic vẫn đang thu hút những tài năng AI hàng đầu, đặc biệt là các nhà nghiên cứu muốn làm việc trên phát triển mô hình nền tảng

Bối cảnh: Karpathy trước đây đã lãnh đạo AI tại Tesla (Autopilot), là một thành viên sáng lập của OpenAI, và đã làm nội dung giáo dục độc lập. Kinh nghiệm của anh ấy trong mạng nơ-ron và học sâu khiến đây trở thành một đợt tuyển dụng quan trọng cho đội ngũ nghiên cứu của Anthropic.