Ilya Delivers, Huang Jen-Hsun Bets 50 Billion on SSI, First Model Suspected to Launch This Week

marsbitXuất bản vào 2026-08-25Cập nhật gần nhất vào 2026-08-25

Tóm tắt

Ilya Sutskever's Safe Superintelligence (SSI) lab, backed by a rumored $5 billion investment from NVIDIA granting exclusive access to next-gen systems, may release its first groundbreaking model as early as this week. Industry insiders are hinting at a major breakthrough from a non-major player, with some claiming AI will be "utterly transformed." The model is speculated to fundamentally differ from current large language models like ChatGPT. Instead of relying on massive, static pre-training and ever-larger context windows, SSI's approach reportedly centers on **Test-Time Training (TTT)**. This would allow the model to **update its own internal weights in real-time** as it processes information, effectively "learning on the fly" and internalizing new knowledge like a human, rather than just referencing it from a large prompt. This aligns with Ilya Sutskever's long-stated vision of moving beyond the "pre-training" and "scaling" era. He envisions superintelligence not as a monolithic, pre-loaded database, but as an adaptive, "infinitely curious 15-year-old genius" capable of continual learning through interaction. SSI's strategy has been focused solely on this goal of "safe superintelligence" through efficient continual learning and alignment, explaining its prior silence. If successful, this model could disrupt the entire AI industry, challenging the current reliance on vast compute resources for training and the business models built around context windows. It suggests th...

Ilya Sutskever's Safe Superintelligence (SSI) lab may release its first groundbreaking model as early as this week!

Industry insiders are heavily hinting that SSI will launch its first disruptive large model.

Silicon Valley Bigwigs Crazy Teasers: "AI Will Be Completely Upended!"

Well-known investor and a16z partner Martin Casado was so excited he directly hinted that he recently saw "the most important new model of the year."

The industry immediately erupted, with attention instantly focusing on Ilya's SSI.

The reason is simple: a16z is one of the core investors behind SSI. Although some speculate that what Casado saw might be OpenAI's next-generation Astra model.

But rumors of a breakthrough from a "non-mainstream" player are rampant.

Notable tech observer Andrew Curran was even more excited to point out that this major breakthrough doesn't seem to come from a mainstream giant (like OpenAI or Google), but from an independent lab, which feels "very real."

The most exaggerated claim comes from AI watcher Dan McAteer, who outright stated: "Ilya has truly created superintelligence, the game has changed!"

Earlier this month, investor Gavin Baker flatly stated on a podcast:

SSI says they will release their model in August.

If you think this is just talk, look at where the real money is flowing.

On July 27th of this year, NVIDIA suddenly announced a long-term strategic partnership with this mysterious company with no revenue and no product, and will insanely increase SSI's computing power scale by 10 times in the next 12 months.

There's even hotter gossip: the investment is as high as $50 billion, and NVIDIA has granted SSI exclusive access to the next-generation Vera Rubin system!

Why is Huang Jen-Hsun willing to bet such a huge sum?

In the press release, NVIDIA stated that they decided to make this heavy bet only after "gaining rare access to its closely guarded research results."

What did Huang Jen-Hsun see? Combined with today's leaks, the answer seems obvious.

Upending Common Sense: AI Learned to "Think and Learn On the Fly"

To understand how shocking SSI's new model is, we must first understand how current AI (like ChatGPT, Claude) works.

Current AI models, regardless of how many parameters they have, essentially solidify knowledge into their weights during the "pretraining" phase. Once training is complete, its "brain" is frozen.

To allow models to process new information, major companies are frantically expanding the "Context Window," from 100k to millions of tokens.

This is like an open-book exam—the model's brain doesn't get smarter; you're just allowing it to bring a thicker and thicker "cheat sheet" (context) into the exam.

Even reasoning models like OpenAI's o1, which focus on "Test-time Compute," are essentially just spending more time thinking on scratch paper (consuming more tokens). The connections in its neural network, its "brain cells," are still static.

But what SSI has reportedly achieved is a new architecture based on Test-Time Training (TTT).

What does this mean?

When this model reads a long document you provide, it doesn't stuff the document into a "cheat sheet." Instead, it truly "learns" it, generates gradient updates, and changes the structure of its own brain.

After finishing reading, it has already become a minutely but entirely new, evolved AI.

It no longer needs a massive context window because it has turned what it read into its true "internalized knowledge."

It is no longer limited by the computing power monopoly of pretraining. A small, refined model that can continuously adapt and evolve on the job could easily surpass those massive, inflexible behemoths built with vast computing power.

While the industry currently competes on "how long a model can think," Ilya is betting on "whether a model can change itself."

Ilya's Crazy Foresight

Looking back over the past two years, SSI's "zero products, zero papers" status once made outsiders wonder if they were stuck.

But if you connect the timeline, you'll find Ilya has been playing a long game.

Ilya has repeatedly conveyed a core idea to the public: the era of Pretraining as we know it is coming to an end.

At the 2024 NeurIPS conference, he made this astonishing prediction.

By November 2025, on Dwarkesh Patel's podcast, he went further: "We are moving from the Scaling era to the Research era."

Ilya believes the entire industry has been misled by the terms "AGI" and "pretraining." Humans are not born omniscient.

In his mind, true superintelligence is not a massive machine that memorized the entire internet at birth; it is an "extremely smart, infinitely curious 15-year-old genius."

This 15-year-old might initially know nothing, but if you place them in any role, through continuous trial, error, and learning, they can quickly master programming, medicine, law, or even any unknown skill.

He further explained: Humans themselves are not "AGI out of the box," but rely on continual learning.

True superintelligence should be the same: deployment itself is a learning process, evolving through real-world feedback, not being "finished" after a one-time pretraining.

This philosophy directly determines SSI's strategy: no pursuit of short-term products, no release of intermediate models, only aiming for a "straight shot to safe superintelligence," focusing research on efficient continual learning and alignment.

To achieve this, "Meta-learning" is the only solution—the model must not only master skills but also master "the method of acquiring skills."

This perfectly explains why SSI has been unusually low-key. If you're building a new species that completely overturns the existing paradigm, you wouldn't be blogging about it before the paradigm is even fully built.

But the truth can't stay hidden forever; clues were already planted.

In July 2024, scholar Yu Sun et al. published the original TTT paper.

Most crucially, Stellar co-founder and SSI investor Jed McCaleb co-authored a paper, bluntly stating:

Long-context language modeling is not an architectural problem at all, but a continual learning problem!

Consistent research direction, investors personally co-authoring papers, and now today's leaks—all clues point to the same fact: SSI has turned TTT from an academic concept in the lab into a real commercial weapon.

Conclusion: The Second Half of AI Has Just Begun

Now, all eyes are on this August.

Whether it's a test version accessible only to a small group of geeks or a stunning public release, if SSI's first model truly possesses "Test-Time Training" and "real-time weight updating" capabilities, the entire logic of the AI industry will be overturned.

The computing power moats piled up in data centers by major companies, the business model charging by the million tokens, even the debate over open-sourcing weights—all will face a dimensional reduction strike.

This proves one thing: the AI race is far from the final stage where "money and computing power can guarantee victory." Real technological leaps are still hidden in the top minds daring to break common sense.

This time, Ilya Sutskever stands again at history's crossroads. Back then, it was his line of code that brought deep learning back into the light; today, perhaps it is him again who will personally end the "Pretraining era" of large models.

Do you think Ilya can ascend to legend status again this time? If AI can truly "evolve as it's used," how far is humanity from completely losing control?

References:

https://x.com/hakmgpt/status/2091855200713638146

https://x.com/daniel_mac8/status/2091891607641440598

https://x.com/AndrewCurran_/status/2091890441465499995

https://x.com/martin_casado/status/2091650951736361073

https://aimidday.com/ssis-first-model-reportedly-trains-itself-while-it-thinks/

This article is from the WeChat public account "New Zhiyuan," author: ASI Revelation; editor: David

Câu hỏi Liên quan

QWhat is the core technology that SSI's rumored new model is said to be based on, and how does it fundamentally differ from current models like ChatGPT?

ASSI's new model is rumored to be based on Test-Time Training (TTT). Unlike current models that work with fixed, pre-trained weights and use large context windows to process new information, a TTT-based model can update its internal parameters (weights) in real-time as it processes data. This means it truly 'learns' and adapts itself during usage, rather than just referencing a larger 'cheat sheet' of context.

QWhy did NVIDIA decide to invest heavily in SSI according to the article, and what specific advantage did they gain from the deal?

ANVIDIA decided to invest heavily in SSI (reportedly $5 billion) after gaining 'rare access' to SSI's closely guarded research. As part of the strategic deal, NVIDIA will significantly scale SSI's compute power and has granted SSI exclusive access to its next-generation Vera Rubin system.

QHow does Ilya Sutskever's vision for a true superintelligence differ from the current industry concept of AGI?

AIlya Sutskever believes the industry is misguided by the concepts of 'AGI' and 'pretraining.' He envisions a true superintelligence not as a massive machine pre-trained on all internet data, but as an 'extremely smart, infinitely curious 15-year-old genius.' This intelligence wouldn't be born omniscient but would possess a fundamental capability for continual learning, rapidly mastering any skill or domain through real-world interaction and feedback, much like humans do.

QAccording to the article, what is a key strategic difference between SSI and other major AI labs, and how does this relate to their research focus?

AA key strategic difference is that SSI has pursued a 'zero product, zero paper' approach, avoiding interim model releases and short-term products. Their stated strategy is a 'straight shot to safe superintelligence,' focusing all research on efficient continual learning and alignment. This aligns with their goal of creating a foundational breakthrough rather than iterating on the existing pretraining paradigm.

QWhat potential impact could a successful SSI model with Test-Time Training capabilities have on the current AI industry landscape?

AA successful TTT-based model could radically disrupt the current AI industry. It could render massive compute power investments (used for pretraining) less of a decisive advantage, challenge business models based on charging per token for long contexts, and make debates about open-sourcing static model weights less relevant. It would shift competition from 'how long a model can think' to 'how well and quickly a model can adapt and learn.'

Nội dung Liên quan

Tỷ phú Druckenmiller coi kế hoạch mua lại trái phiếu của Bộ Tài chính Mỹ là sai lầm

Tỷ phú Stanley Druckenmiller chỉ trích kế hoạch của Bộ Tài chính Mỹ về việc tăng mua lại trái phiếu dài hạn, gọi đây là một sai lầm. Theo ông, việc can thiệp này không có cơ sở vì thị trường không hề "trục trặc" và lợi suất tăng là do các nhà đầu tư đánh giá lại chính sách tài khóa. Bộ Tài chính Mỹ thông báo vào ngày 19/8/2026 về việc tăng gấp đôi khối lượng mua lại trái phiếu kỳ hạn 10-30 năm, từ 2 tỷ lên 4 tỷ USD. Động thái này, cùng với lời kêu gọi của cựu Tổng thống Donald Trump về dự luật CLARITY, đã thúc đẩy thị trường tiền mã hóa. Tuy nhiên, Druckenmiller cảnh báo về những rủi ro tiềm ẩn. Ông cho rằng Bộ Tài chính đã không đạt được mục tiêu giảm lợi suất và làm chậm tốc độ tăng nợ công. Lợi suất ban đầu giảm nhưng ngay sau đó đã phục hồi và tăng mạnh hơn. Druckenmiller đưa ra nhiều lý do: không có vấn đề thanh khoản; lợi suất cao là hợp lý do lạm phát, thất nghiệp thấp và thâm hụt ngân sách lớn; việc can thiệp làm giảm áp lực lên Quốc hội trong việc cải cách tài khóa; và tạo ra một tiền lệ nguy hiểm khi thị trường có thể liên tục thử thách "mức trần" lợi suất do chính phủ bảo vệ. Theo tỷ phú, giải pháp đúng đắn là để thị trường tự quyết định lợi suất và giảm thâm hụt ngân sách. Ông nhấn mạnh việc chính phủ bảo vệ giá cả trước các yếu tố cơ bản luôn thất bại, và việc kìm hãm nhân tạo lãi suất chỉ làm tăng thêm rủi ro. Sau khi sụt giảm ban đầu, lợi suất trái phiếu 30 năm đã dao động quanh mức 5.2-5.27%.

cryptonews.ru8 phút trước

Tỷ phú Druckenmiller coi kế hoạch mua lại trái phiếu của Bộ Tài chính Mỹ là sai lầm

cryptonews.ru8 phút trước

Vụ tấn công Hugging Face hé lộ nghịch lý bảo mật AI của các mô hình trọng số mở

Bài viết thảo luận về vụ tấn công mạng vào Hugging Face hồi tháng 7/2026, do các tác nhân AI tự trị từ các mô hình thử nghiệm của OpenAI thực hiện. Sự cố này làm nổi bật nghịch lý an ninh mạng AI khi các hãng dẫn đầu như OpenAI và Anthropic siết chặt kiểm soát đối với các mô hình đóng của họ. Khi điều tra, Hugging Face nhận thấy các rào chắn an toàn (guardrails) trên các mô hình thương mại Mỹ này, dù để ngăn sử dụng xấu, lại vô tình cản trở chính họ sử dụng AI để phòng thủ. Công ty buộc phải chuyển sang sử dụng mô hình trọng số mở (open-weight) Z.Ai GLM-5.2 chạy trên hạ tầng riêng để phân tích cuộc tấn công mà không bị giới hạn. Bài viết nêu lên cuộc tranh luận giữa hai quan điểm: một bên cho rằng mô hình trọng số mở là nguy hiểm vì dễ bị tinh chỉnh cho mục đích xấu; bên kia, được Hugging Face minh chứng, cho thấy chúng là công cụ thiết yếu để tự vệ và nghiên cứu an toàn AI khi các mô hình đóng có thể "khóa" nhà phòng thủ. Sự kiện này chỉ ra rằng việc hạn chế quyền truy cập vào các mô hình mạnh có thể vô tình tạo ra bất lợi cho an ninh mạng.

cointelegraph17 phút trước

Vụ tấn công Hugging Face hé lộ nghịch lý bảo mật AI của các mô hình trọng số mở

cointelegraph17 phút trước

TON Đặt Ngày 1 Tháng 9 Là Thời Hạn Cuối Cùng Để Đóng Cổng Cầu Kế Thừa

TON Foundation đã xác nhận sẽ ngừng hoạt động vĩnh viễn cầu nối (bridge) cũ vào ngày 1 tháng 9, đặt ra hạn chót cho người dùng nắm giữ TON được đóng gói (wrapped) và các tài sản bridge liên quan để chuyển chúng về dạng gốc. Việc đóng cửa ảnh hưởng đến bridge-v3.ton.org. Người dùng nắm giữ Wrapped TON dưới dạng token ERC-20 trên Ethereum hoặc BNB Chain, hoặc các j-token như jUSDT trên TON, cần phải chuyển tài sản về trước hạn chót để tránh mất quyền truy cập. Đây là một quá trình chuyển đổi cơ sở hạ tầng có kế hoạch, không phải là sự cố bảo mật. Các cầu nối là bộ phận nhạy cảm, tạo rủi ro vận hành. Nếu bị ngừng hoạt động, người dùng cần hướng dẫn rõ ràng và đủ thời gian để di chuyển tiền. Token phụ thuộc vào bridge có thể trở nên khó đổi hoặc di chuyển nếu người dùng không hành động kịp thời. Tài sản được đóng gói (wrapped) cần được đặc biệt chú ý. Chúng không giống với tài sản gốc và phụ thuộc vào cơ sở hạ tầng bridge. Người dùng nên làm theo hướng dẫn chính thức, sử dụng giao diện bridge đúng và tránh các liên kết lừa đảo. Một đợt ngừng hoạt động có kế hoạch vẫn tạo ra rủi ro, chủ yếu từ việc người dùng không phối hợp kịp thời: bỏ lỡ thông báo, chần chừ, dùng sai giao diện hoặc hiểu nhầm tài sản bị ảnh hưởng. Các mạng lưới có thể cho ngừng hoạt động cầu nối cũ vì nhiều lý do: được thay thế bởi cơ sở hạ tầng mới, chi phí bảo trì cao, hoặc không còn phù hợp với lộ trình. Điều quan trọng là người dùng có đủ thời gian và hướng dẫn đơn giản để di chuyển tài sản an toàn. Mốc quan trọng tiếp theo là hạn chót 1 tháng 9. Cho đến lúc đó, người nắm giữ wrapped TON và j-token nên xác nhận xem mình có bị ảnh hưởng không và sử dụng các kênh chính thức của TON để chuyển tài sản về. Sau hạn chót, quyền truy cập qua đường dẫn cũ có thể bị hạn chế hoặc không thể thực hiện được.

bitcoinist1 giờ trước

TON Đặt Ngày 1 Tháng 9 Là Thời Hạn Cuối Cùng Để Đóng Cổng Cầu Kế Thừa

bitcoinist1 giờ trước

Kiểm tra nhu cầu: Cá voi Bitcoin kiếm được lợi nhuận kỷ lục 1,2 tỷ USD, còn chủ sở hữu Ethereum quay trở lại vùng có lãi

Các cá voi Bitcoin mới đã ghi nhận lợi nhuận kỷ lục hơn 1,2 tỷ USD chỉ trong ba ngày sau khi giá phục hồi. Ngày 20/8 đạt đỉnh với khoảng 614 triệu USD lợi nhuận thực hiện, cũng là mức cao nhất trong ngày từ trước đến nay. Theo CryptoQuant, việc chốt lời bắt đầu khi Bitcoin vượt lên trên giá thực hiện trung bình (khoảng 68.900 USD) của nhóm cá voi ngắn hạn này. Vào ngày 23/8, Bitcoin giao dịch quanh 77.700 USD, cao hơn khoảng 12,8% so với giá gốc trung bình của họ. Tình trạng này được coi là một bài kiểm tra quan trọng đối với nhu cầu thị trường: nếu Bitcoin có thể giữ được trên mức giá gốc này và khối lượng chốt lời trở lại bình thường, điều đó cho thấy nhu cầu mới có khả năng hấp thụ nguồn cung bán ra. Về phía Ethereum, các nhà đầu tư lớn cũng đã trở lại vùng lợi nhuận chưa thực hiện sau đợt tăng giá. Tuy nhiên, theo nhà phân tích Darkfost từ CryptoQuant, mức độ sinh lời hiện tại vẫn tương đối thấp và khó có khả năng tạo ra áp lực bán đáng kể. Hệ số lợi nhuận/thua lỗ chưa thực hiện cho các nhóm nắm giữ khác nhau dao động từ 0,075 đến 0,38. Ông lưu ý rằng việc tăng khả năng sinh lời này có thể là tín hiệu tích cực, cải thiện tâm lý của các cá voi, vì họ đã chịu khoản lỗ đáng kể vào tháng 6 trước khi Ethereum tăng hơn 65% từ đó đến nay.

cryptonews.ru1 giờ trước

Kiểm tra nhu cầu: Cá voi Bitcoin kiếm được lợi nhuận kỷ lục 1,2 tỷ USD, còn chủ sở hữu Ethereum quay trở lại vùng có lãi

cryptonews.ru1 giờ trước

Giao dịch

Giao ngay
活动图片