The AI’s latest trick is following the schedule you set for it.

قدمت جوجل جيميني وChatGPT ميزة جديدة تتيح للمستخدمين تنظيم حياتهم من خلال اتباع جدول زمني تحدده الذكاء الاصطناعي. تمثل هذه القدرة تقدمًا كبيرًا في تكنولوجيا الذكاء الاصطناعي، مما يتيح إدارة المهام بشكل أكثر تخصيصًا وكفاءة. يمكن للمستخدمين الآن الاعتماد على هذه الأدوات لأتمتة أنشطتهم اليومية بناءً على تفضيلاتهم.

Google Gemini y ChatGPT han introducido una nueva función que permite a los usuarios organizar sus vidas siguiendo un horario establecido por la IA. Esta capacidad representa un avance significativo en la tecnología de IA, permitiendo una gestión de tareas más personalizada y eficiente. Los usuarios ahora pueden confiar en estas herramientas para automatizar sus actividades diarias según sus preferencias.

Google Gemini et ChatGPT ont introduit une nouvelle fonctionnalité permettant aux utilisateurs d'organiser leur vie en suivant un emploi du temps défini par l'IA. Cette capacité représente une avancée significative dans la technologie de l'IA, permettant une gestion des tâches plus personnalisée et efficace. Les utilisateurs peuvent désormais compter sur ces outils pour automatiser leurs activités quotidiennes en fonction de leurs préférences.

Google Gemini and ChatGPT have introduced a new feature that allows users to organize their lives by following a schedule set by the AI. This capability represents a significant advancement in AI technology, enabling more personalized and efficient task management. Users can now rely on these tools to automate their daily activities based on their preferences.

Use Google Gemini and ChatGPT to Organize Your Life With Scheduled Actions

حقق Google Gemini 3 إنجازًا كبيرًا من خلال تجاوز جميع معايير الذكاء الاصطناعي الحالية، بما في ذلك الأكثر تحديًا. يبرز هذا الإنجاز التقدم الذي حققته فريق الذكاء الاصطناعي في Google ويضع Gemini 3 كمتنافس رائد في مجال الذكاء الاصطناعي. يتم الاحتفال بهذا النجاح داخل مجتمع التكنولوجيا، مما يعكس التطور المستمر لتقنيات الذكاء الاصطناعي وقدراتها.

Google Gemini 3 ha logrado un hito significativo al superar todos los benchmarks de IA existentes, incluidos los más desafiantes. Este logro resalta los avances realizados por el equipo de IA de Google y posiciona a Gemini 3 como un competidor líder en el panorama de la inteligencia artificial. El éxito es celebrado dentro de la comunidad tecnológica, reflejando la evolución continua de las tecnologías de IA y sus capacidades.

Google Gemini 3 a atteint un jalon significatif en surpassant tous les benchmarks d'IA existants, y compris les plus difficiles. Cet accomplissement met en évidence les avancées réalisées par l'équipe d'IA de Google et positionne Gemini 3 comme un concurrent de premier plan dans le paysage de l'intelligence artificielle. Le succès est célébré au sein de la communauté technologique, reflétant l'évolution continue des technologies d'IA et de leurs capacités.

Google Gemini 3 has achieved a significant milestone by surpassing all existing AI benchmarks, including the most challenging ones. This accomplishment highlights the advancements made by Google's AI team and positions Gemini 3 as a leading contender in the artificial intelligence landscape. The success is celebrated within the tech community, reflecting the ongoing evolution of AI technologies and their capabilities.

Google Gemini 3 Just Killed Every AI Benchmark, Including the Hardest of All

Two weeks ago I read a line about tool use with Claude that stuck in my head. Paraphrased:

<blockquote>
Direct tool calls don’t really scale. 
Have the model write code that uses tools, and execute that code instead.
</blockquote>

At the same time, I was knee-deep in wiring a JavaScript execution environment into Contenox, my self-hosted runtime for deterministic, chat-native AI workflows.

So of course the thought was:

<blockquote>
What if I just let the model write the JavaScript and run it inside the runtime? 😅
</blockquote>

This post is about what happened when I tried exactly that.




<h2>
 
 
 What is Contenox?
</h2>

Very short version:

<blockquote>
Contenox is a self-hostable runtime for sovereign GenAI applications. 
It models AI behavior as explicit state machines, not opaque prompt chains.
</blockquote>

Some key properties:

Runtime, not a library, Explicit state machines, Chat-native interface, Vendor-agnostic &amp; self-hosted, written in go with lots of passion and zero tolerance for shortcuts




<h2>
 
 
 The experiment: ask it to fetch and summarize a TODO
</h2>

Once the JS execution hook was in place (a Goja VM with some globals exposed), I wired up a new state machine: 


<div class="highlight js-code-highlight">
<pre class="highlight plaintext"><code>mux_input → moderate → generate_js → run_js → eval_js_result → (repair_js?) → answer
</code></pre>

</div>



Then I opened the Contenox chat UI and typed:

<blockquote>
Me: “Hey Contenox, fetch the TODO item from jsonplaceholder and summarize it.”
</blockquote>

The first attempt didn’t go as planned.

Instead of a neat summary, I got:

<blockquote>
Contenox: 
“I'm sorry, but it seems there was a problem fetching the TODO item from the provided URL due to an Internal Server Error (status code: 500). Unfortunately, I couldn't retrieve any data at this time. My apologies for the inconvenience!”
</blockquote>

I checked manually – Cloudflare was having a moment, JSONPlaceholder was behind it, and the request really was failing. Okay, fair. Long coffee break.

A bit later, I went back to the same chat and typed:

<blockquote>
Me: “okay let's try again now.”
</blockquote>

This time the reply was:

<blockquote>
Contenox: 
<code>Task titled "delectus aut autem" is incomplete. Nothing to summarize here.</code>
</blockquote>

Wait. It worked? Just like that?




<h2>
 
 
 Under the hood: LLM → JavaScript → tools → LLM
</h2>

Looking at the execution trace made it clear what happened.

<h3>
 
 
 1. Input is normalized and moderated
</h3>

The workflow starts with:

<ol>
<li><code>mux_input</code></li>
</ol>

<ul>
<li>
Parses the incoming chat history into a normalized <code>messages</code> array.

<ol>
<li><code>moderate</code></li>
</ol>
</li>
<li>Uses a small model to classify the input as safe/unsafe.</li>
<li>Output: <code>0</code> → safe → continue.</li>
</ul>

So far this is standard workflow stuff.

<h3>
 
 
 2. <code>generate_js</code>: the LLM writes JavaScript
</h3>

Next, the <code>generate_js</code> task runs with a system instruction like:

<ul>
<li>“You are an expert JavaScript agent for the Contenox runtime…”</li>
<li>“You must output JSON: { "code": "" }”</li>
<li>“You can use httpFetch, executeTask, executeTaskChain, …”</li>
<li>“Script must be synchronous, no async/await, and must return a JSON-serializable object.”</li>
</ul>

Given the chat history, the model produced something like this (simplified): 


<div class="highlight js-code-highlight">
<pre class="highlight json"><code>{
 "code": "var result;
var answer;
var meta = { steps: [] };

var todoUrl = \"https://jsonplaceholder.typicode.com/todos/1\";

// Step 1: Fetch the TODO item
meta.steps.push(\"Fetching TODO item from \" + todoUrl);
var fetchResponse = httpFetch(todoUrl);

if (!fetchResponse.ok) {
 answer = \"I couldn't access that item right now because there was some trouble with getting it. Please check the URL or try again later.\";
 meta.error = {
 message: \"HTTP fetch failed\",
 url: todoUrl,
 status: fetchResponse.status,
 statusText: fetchResponse.statusText,
 body: fetchResponse.body,
 error: fetchResponse.error
 };
 result = { answer: answer, meta: meta };
} else {
 var todoItem;
 try {
 todoItem = JSON.parse(fetchResponse.body);
 meta.raw = todoItem;
 } catch (e) {
 answer = \"I fetched the item, but I couldn't understand its format. It doesn't seem to be valid JSON.\";
 meta.error = {
 message: \"JSON parse error\",
 rawBody: fetchResponse.body,
 parseError: e.toString()
 };
 result = { answer: answer, meta: meta };
 }

 if (todoItem) {
 // Step 2: Summarize the TODO item using an LLM
 meta.steps.push(\"Summarizing TODO item with LLM\");
 var prompt = \"Summarize the following TODO item in a concise sentence: \" + JSON.stringify(todoItem);
 var summarizeTask = executeTask(prompt, \"gpt-4o-mini\", \"openai\");

 if (!summarizeTask.success) {
 answer = \"While I managed to fetch your TODO details, the summary tool had a hiccup and couldn't provide me with a concise sentence right now. We seem to be experiencing some temporary issues.\";
 meta.error = {
 message: \"LLM task execution failed\",
 task_id: summarizeTask.task_id,
 error: summarizeTask.error
 };
 result = { answer: answer, meta: meta };
 } else {
 answer = summarizeTask.response;
 meta.llmResponse = summarizeTask.response;
 result = { answer: answer, meta: meta };
 }
 }
}

result;"
}
</code></pre>

</div>



A few important details here:

<ul>
<li>
It encodes error handling:

<ul>
<li>If HTTP fails → user-friendly <code>answer</code>, raw error in <code>meta.error</code>.</li>
<li>If JSON parse fails → similar pattern.</li>
<li>If the inner LLM call fails → fallback message.</li>
</ul>


</li>

<li>It delegates the actual summarization to another model via <code>executeTask</code>.</li>

<li>It returns a structured <code>result</code> with both <code>answer</code> and <code>meta</code>.</li>

</ul>

This is not the model “calling tools” directly. It’s the model writing a program that calls tools.

<h3>
 
 
 3. <code>run_js</code>: execute the code in a sandbox
</h3>

The next task is <code>run_js</code>, which is just a Contenox <code>hook</code> that calls the JS sandbox: 


<div class="highlight js-code-highlight">
<pre class="highlight json"><code>{
 "name": "js_sandbox",
 "tool_name": "execute_js",
 "args": {
 "code": "{{.generate_js.code}}"
 }
}
</code></pre>

</div>



Inside the trace you can see:

<ul>
<li>An <code>httpFetch</code> log for the JSONPlaceholder URL.</li>
<li>A response with <code>status: 200 OK</code> when things finally worked.</li>
<li>
An <code>executeTask</code> log with the summarization prompt:

<ul>
<li><code>Summarize the following TODO item in a concise sentence: {"userId":1,"id":1,"title":"delectus aut autem","completed":false}</code></li>
</ul>


</li>

</ul>

The sandbox result looked roughly like: 


<div class="highlight js-code-highlight">
<pre class="highlight json"><code>{
 "ok": true,
 "result": {
 "answer": "Task titled \"delectus aut autem\" is incomplete.",
 "meta": {
 "llmResponse": "Task titled \"delectus aut autem\" is incomplete.",
 "raw": {
 "userId": 1,
 "id": 1,
 "title": "delectus aut autem",
 "completed": false
 },
 "steps": [
 "Fetching TODO item from https://jsonplaceholder.typicode.com/todos/1",
 "Summarizing TODO item with LLM"
 ]
 }
 },
 "logs": [ ... ],
 "code": "var result; ..."
}
</code></pre>

</div>



<h3>
 
 
 4. <code>eval_js_result</code>: success or retry?
</h3>

Now comes the evaluator:

<ul>
<li>It receives a description of the JS sandbox output.</li>
<li>
The system prompt is very strict:

<ul>
<li>If <code>ok</code> is true and there is a non-empty <code>result.answer</code> → respond with <code>success</code>.</li>
<li>Otherwise → respond with <code>retry</code>.</li>
</ul>


</li>

</ul>

On the successful run, it answered: 


<div class="highlight js-code-highlight">
<pre class="highlight plaintext"><code>success
</code></pre>

</div>



So the workflow does not go into <code>repair_js</code> or <code>run_js_retry</code>. Happy path.

<h3>
 
 
 5. <code>answer</code>: extract the final user message
</h3>

The final task, <code>answer</code>, is intentionally boring:

<ul>
<li>System prompt: “You are a purely extractive post-processor. Do NOT invent content. Just surface the best existing <code>answer</code> field.”
</li>
<li>
It gets:

<ul>
<li>First run (<code>run_js</code> result).</li>
<li>Second run (<code>run_js_retry</code>), if any.</li>
</ul>


</li>

<li>

Selection rule:

<ul>
<li>Take the last non-empty <code>answer</code> you see.</li>
<li>Output it verbatim.</li>
</ul>


</li>

</ul>

In our case it found: 


<div class="highlight js-code-highlight">
<pre class="highlight plaintext"><code>Task titled "delectus aut autem" is incomplete.
</code></pre>

</div>



And that’s exactly what Contenox replied in chat.




<h2>
 
 
 Why this is interesting (to me, at least)
</h2>

What I originally set out to build:

<blockquote>
A runtime for deterministic, observable GenAI workflows. 
Tasks, transitions, hooks – all explicit and replayable.
</blockquote>

What I accidentally stumbled into:

<blockquote>
A multi-model, self-orchestrating agent pattern, 
where LLMs write code that uses tools, and the runtime executes and evaluates that code.
</blockquote>

The pattern looks like this:

<ol>
<li>
Planner LLM (<code>generate_js</code>)</li>
</ol>

<ul>
<li>Reads user intent + history.</li>
<li>Emits JavaScript that calls <code>httpFetch</code>, <code>executeTask</code>, <code>executeTaskChain</code>, hooks, etc.</li>
</ul>

<ol>
<li>
Execution environment (<code>run_js</code> in Goja)</li>
</ol>

<ul>
<li>Deterministic execution of that JS.</li>
<li>Full logs of every HTTP call, every inner LLM call, every step.</li>
</ul>

<ol>
<li>
Controller LLM (<code>eval_js_result</code>)</li>
</ol>

<ul>
<li>Looks at the sandbox result.</li>
<li>Decides: is this good enough? Retry? Repair?</li>
</ul>

<ol>
<li>
Repair LLM (<code>repair_js</code>, if needed)</li>
</ol>

<ul>
<li>Gets the previous code + error output.</li>
<li>Writes a fixed version of the JS.</li>
</ul>

<ol>
<li>
Answer LLM (<code>answer</code>)</li>
</ol>

<ul>
<li>Doesn’t “reason” at all.</li>
<li>Just extracts the final <code>answer</code> text safely.</li>
</ul>

All of that is expressed as an explicit state machine in Contenox.

No hidden loops, no undocumented retries, no magic glue code inside some SDK. It’s all visible in the workflow graph and trace.




To me, that’s the exciting part:

<blockquote>
You don’t have to choose between “boring deterministic workflows” and “fancy agents”. 
You can build the agent on top of deterministic workflows. 
And everything stays **self-hosted, inspectable, and auditable if you want.
</blockquote>

يتناول المقال تجربة تم فيها السماح لنموذج ذكاء اصطناعي بكتابة كود جافا سكريبت داخل بيئة مستقلة تُدعى كونتينوكس. يتأمل الكاتب في مفهوم يتعلق باستخدام الأدوات في الذكاء الاصطناعي، مقترحًا أن النماذج يجب أن تولد كودًا لاستخدام الأدوات بدلاً من إجراء مكالمات مباشرة. تم اختبار هذا النهج من خلال تنفيذ كود جافا سكريبت الذي تم إنشاؤه داخل بيئة كونتينوكس، بهدف تحسين كفاءة سير العمل في الذكاء الاصطناعي.

El artículo discute un experimento en el que se permitió a un modelo de IA escribir código JavaScript dentro de un entorno autónomo llamado Contenox. El autor reflexiona sobre un concepto relacionado con el uso de herramientas en IA, sugiriendo que los modelos deberían generar código para utilizar herramientas en lugar de realizar llamadas directas. Este enfoque se probó ejecutando el JavaScript generado dentro del entorno Contenox, con el objetivo de mejorar la eficiencia de los flujos de trabajo de IA.

L'article traite d'une expérience où un modèle d'IA a été autorisé à écrire du code JavaScript au sein d'un environnement autonome appelé Contenox. L'auteur réfléchit à un concept concernant l'utilisation des outils en IA, suggérant que les modèles devraient générer du code pour utiliser des outils plutôt que d'effectuer des appels directs. Cette approche a été testée en exécutant le JavaScript généré dans l'environnement Contenox, visant à améliorer l'efficacité des flux de travail en IA.

The article discusses an experiment where an AI model was allowed to write JavaScript code within a self-hosted runtime called Contenox. The author reflects on a concept regarding tool usage in AI, suggesting that models should generate code to utilize tools instead of direct calls. This approach was tested by executing the generated JavaScript within the Contenox environment, aiming to enhance the efficiency of AI workflows.

I Let an LLM Write JavaScript Inside My AI Runtime. Here’s What Happened

Caterpillar Inc. was always an unlikely winner in the artificial intelligence craze. It makes the bulk of its money selling the equipment like yellow earth movers that has made it a stalwart of American industry.

تظهر شركة كاتربيلر كجهة غير متوقعة في قطاع الذكاء الاصطناعي، حيث تُعرف أساسًا بتصنيع الآلات الثقيلة مثل آلات الحفر. تاريخيًا، كانت الشركة تركز على المعدات الصناعية التقليدية، مما يجعلها أقل توافقًا مع الاتجاهات التكنولوجية المدفوعة بالذكاء الاصطناعي التي اجتذبت العديد من القطاعات الأخرى. على الرغم من الاهتمام المتزايد بالذكاء الاصطناعي، لا يزال النشاط الرئيسي لشركة كاتربيلر متجذرًا في الآلات المادية، مما قد يحد من جاذبيتها في مشهد تكنولوجي سريع التطور.

Caterpillar Inc. se ha presentado como un jugador improbable en el sector de la inteligencia artificial, siendo principalmente conocida por la fabricación de maquinaria pesada como las excavadoras. La compañía ha estado históricamente enfocada en equipos industriales tradicionales, lo que la hace menos alineada con las tendencias tecnológicas impulsadas por la IA que han cautivado a muchos otros sectores. A pesar del creciente interés en la IA, el negocio principal de Caterpillar sigue anclado en la maquinaria física, lo que podría limitar su atractivo en un paisaje tecnológico en rápida evolu…

Caterpillar Inc. se présente comme un acteur improbable dans le secteur de l'intelligence artificielle, étant principalement connu pour sa fabrication de machines lourdes telles que les pelles mécaniques. L'entreprise s'est historiquement concentrée sur l'équipement industriel traditionnel, ce qui la rend moins alignée avec les tendances technologiques axées sur l'IA qui ont captivé de nombreux autres secteurs. Malgré l'intérêt croissant pour l'IA, le cœur de métier de Caterpillar reste ancré dans la machinerie physique, ce qui pourrait limiter son attrait dans un paysage technologique en évol…

Caterpillar Inc. has emerged as an unlikely player in the artificial intelligence sector, primarily known for its manufacturing of heavy machinery such as earth movers. The company has historically focused on traditional industrial equipment, making it less aligned with the AI-driven technology trends that have captivated many other sectors. Despite the growing interest in AI, Caterpillar's core business remains rooted in physical machinery, which may limit its appeal in the rapidly evolving tech landscape.

Caterpillar’s Lone Bear Says Machinery Maker Is No AI Darling

<a href="https://www.techspot.com/news/110306-microsoft-explains-how-windows-11-become-agentic-os.html" target="_blank"><img src="https://www.techspot.com/images2/news/ts3_thumbs/2025/11/2025-11-18-ts3_thumbs-d01.jpg" width="800" height="560" style="padding: 15px 0" title="Microsoft explains how Windows 11 will become an agentic OS whether you like it or not" /></a> Windows president Pavan Davuluri recently described the future of Windows as an agentic operating system, where AI bots and large language models handle the user's commands on files and computing tasks. Critics mostly greeted the idea with scorn, cursing, and frustration over the "bug-ridden slop pile" the OS currently is.... <a href="https://www.techspot.com/news/110306-microsoft-explains-how-windows-11-become-agentic-os.html">Read Entire Article</a>

وصف رئيس شركة مايكروسوفت، بavan دافولوري، خطط ويندوز 11 للتطور إلى ما يسميه 'نظام تشغيل وكيل'. ستتضمن هذه التحويلة دمج روبوتات الذكاء الاصطناعي ونماذج اللغة الكبيرة لإدارة أوامر المستخدم ومهام الحوسبة. ومع ذلك، تم استقبال هذا الإعلان بسخرية وانتقادات من المستخدمين الذين يشعرون بالإحباط من الحالة الحالية لنظام التشغيل، الذي يصفونه بأنه مليء بالأخطاء.

El presidente de Microsoft, Pavan Davuluri, ha descrito los planes para que Windows 11 evolucione hacia lo que él llama un 'sistema operativo agente'. Esta transformación implicará la integración de bots de IA y modelos de lenguaje para gestionar los comandos y tareas informáticas del usuario. Sin embargo, el anuncio ha sido recibido con escepticismo y críticas por parte de los usuarios, que están frustrados con el estado actual del sistema operativo, que describen como plagado de errores.

Le président de Microsoft, Pavan Davuluri, a décrit les projets de Windows 11 pour évoluer vers ce qu'il appelle un 'système d'exploitation agentique'. Cette transformation impliquera l'intégration de bots IA et de modèles de langage pour gérer les commandes des utilisateurs et les tâches informatiques. Cependant, cette annonce a été accueillie avec scepticisme et critiques de la part des utilisateurs frustrés par l'état actuel du système d'exploitation, qu'ils décrivent comme rempli de bogues.

Microsoft's president, Pavan Davuluri, has outlined plans for Windows 11 to evolve into what he describes as an 'agentic operating system.' This transformation will involve the integration of AI bots and large language models to manage user commands and computing tasks. However, the announcement has been met with skepticism and criticism from users who are frustrated with the current state of the operating system, which they describe as plagued by bugs.

Microsoft explains how Windows 11 will become an agentic OS whether you like it or not

Although Black Friday is still two weeks away, you can find great Nintendo Switch and Switch 2 deals now. I've collected the best from Walmart, Best Buy, and more.

مع اقتراب يوم الجمعة السوداء بعد أسبوعين، تتوفر بالفعل عروض مبكرة على أجهزة نينتندو سويتش وسويتش 2. تقدم متاجر كبيرة مثل وول مارت وبيست باي أكثر من 20 عرضًا، مما يوفر للمستهلكين فرصة لتوفير المال على منتجات الألعاب الشهيرة قبل موسم التسوق للعطلات.

A medida que se acerca el Black Friday en dos semanas, ya están disponibles ofertas anticipadas en las consolas Nintendo Switch y Switch 2. Grandes minoristas como Walmart y Best Buy están ofreciendo más de 20 ventas, brindando a los consumidores la oportunidad de ahorrar en productos de videojuegos populares antes de la locura de compras navideñas.

À l'approche de Black Friday dans deux semaines, des offres anticipées sur les consoles Nintendo Switch et Switch 2 sont déjà disponibles. Des détaillants majeurs comme Walmart et Best Buy proposent plus de 20 ventes, offrant aux consommateurs l'occasion d'économiser sur des produits de jeu populaires avant la ruée des achats de vacances.

As Black Friday approaches in two weeks, early deals on Nintendo Switch and Switch 2 consoles are already available. Major retailers like Walmart and Best Buy are offering over 20 sales, providing consumers with an opportunity to save on popular gaming products ahead of the holiday shopping rush.

Best early Black Friday Nintendo Switch deals 2025: 20+ sales out early

<A HREF="https://substack.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.MstA6dhKs3CLxJgLSEpyVK_D4Oz9SmcjeXKNnqEDzIg?"><IMG VSPACE="4" HSPACE="4" BORDER="0" ALIGN="RIGHT" SRC="http://www.techmeme.com/251118/i47.jpg"></A>
<A HREF="http://www.techmeme.com/251118/p47#a251118p47" TITLE="Techmeme permalink"><IMG WIDTH=11 HEIGHT=12 SRC="http://www.techmeme.com/img/pml.png" STYLE="border:none;padding:0;margin:0;"></A> Alex Heath / <A HREF="https://sources.news/">Sources</A>: 
<A HREF="https://substack.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.MstA6dhKs3CLxJgLSEpyVK_D4Oz9SmcjeXKNnqEDzIg?">Q&amp;A with Demis Hassabis on Gemini 3, spending most of his research time on world models, fitting the entire Google Search index into Gemini, AI bubble, and more</A>&nbsp; &mdash;&nbsp; Demis Hassabis was noticeably relaxed when he joined our virtual call from London.&nbsp; &mdash;&nbsp; It was the day before the release of Gemini 3 &hellip;

ناقش ديميس هاسابيس، المؤسس المشارك لشركة ديب مايند، تقدم نموذج جيميني 3، أحدث نموذج للذكاء الاصطناعي من جوجل، مشددًا على قدراته في نمذجة العالم ودمج كامل فهرس بحث جوجل في النظام. تناول المخاوف بشأن فقاعة الذكاء الاصطناعي وأبرز إمكانيات النموذج في تحسين تفاعلات المستخدمين وتوفير معلومات أكثر دقة. تعكس أفكار هاسابيس التزامًا بدفع حدود تكنولوجيا الذكاء الاصطناعي ودمجها في التطبيقات اليومية.

Demis Hassabis, cofundador de DeepMind, discutió los avances de Gemini 3, el último modelo de IA de Google, enfatizando sus capacidades en modelos del mundo y la integración de todo el índice de búsqueda de Google en el sistema. Abordó las preocupaciones sobre la burbuja de la IA y destacó el potencial del modelo para mejorar las interacciones con los usuarios y proporcionar información más precisa. Las ideas de Hassabis reflejan un compromiso por llevar la tecnología de IA a nuevos límites y su integración en aplicaciones cotidianas.

Demis Hassabis, co-fondateur de DeepMind, a discuté des avancées de Gemini 3, le dernier modèle d'IA de Google, en mettant l'accent sur ses capacités en modélisation du monde et l'intégration de l'ensemble de l'index de recherche de Google dans le système. Il a abordé les préoccupations concernant la bulle de l'IA et a souligné le potentiel du modèle à améliorer les interactions avec les utilisateurs et à fournir des informations plus précises. Les réflexions de Hassabis reflètent un engagement à repousser les limites de la technologie IA et son intégration dans les applications quotidiennes.

Demis Hassabis, co-founder of DeepMind, discussed the advancements of Gemini 3, Google's latest AI model, emphasizing its capabilities in world modeling and fitting the entire Google Search index into the system. He addressed concerns about the AI bubble and highlighted the model's potential to enhance user interactions and provide more accurate information. Hassabis's insights reflect a commitment to pushing the boundaries of AI technology and its integration into everyday applications.

Q&A with Demis Hassabis on Gemini 3, spending most of his research time on world models, fitting the entire Google Search index into Gemini, AI bubble, and more (Alex Heath/Sources)

(My actual stack: simple, powerful, and beginner-friendly)

People overestimate what they need to start an AI-driven business. 
They think they need paid tools, fancy dashboards, or enterprise software.

Truth is, I scaled ReThynk AI, wrote 42+ books, built audiences across platforms, and automated huge parts of my workflow using free tools.

Here are the best ones I relied on every week, with the exact use cases that helped me run multiple brands without chaos. (Note: As I run a research company, I keep switching between tools for research purposes. I use many premium tools as well. )

1. ChatGPT Free Tier: The Core Engine

Yes, the free tier. 
The paid version is amazing, but even the free tier handles:

<ul>
<li>Outlining content</li>
<li>Structuring ideas</li>
<li>Generating variations</li>
<li>Drafting documentation</li>
<li>Writing internal notes</li>
<li>Debugging simple code</li>
<li>Creating mindmaps</li>
</ul>

The trick isn’t the tool. 
The trick is how you think with it.

2. GitHub: My Brain’s Second Hard Drive

I host:

<ul>
<li>Prompt libraries</li>
<li>Documentation</li>
<li>Templates</li>
<li>Frameworks</li>
<li>Experiments</li>
<li>AI workflow scripts</li>
</ul>

GitHub is not a coder’s tool anymore; it’s an intelligence repository. 
Once you start versioning your thinking, you never go back.

3. Notion (Free Plan): My “AI HQ”

I use Notion for:

<ul>
<li>Knowledge base</li>
<li>Content calendar</li>
<li>Prompt archives</li>
<li>Research notes</li>
<li>Project management</li>
</ul>

AI workflows become 10× clearer when you centralise information. 
Notion does that beautifully, even on the free plan.

4. Canva Free: For Fast Brand Assets

I create:

<ul>
<li>Book covers</li>
<li>Thumbnails</li>
<li>Presentation slides</li>
<li>Simple diagrams</li>
<li>Social graphics</li>
</ul>

Not perfect for advanced design, but perfect for speed. 
Speed compounds more than perfection.

5. YouTube Studio: For Running My AI Education Channel

I use it to:

<ul>
<li>Manage lectures</li>
<li>Analyse audience insights</li>
<li>Test titles/thumbnails</li>
<li>Track engagement loops</li>
</ul>

YouTube is one of the best free feedback engines on the planet.

6. Google Drive: Storage + Fast Sharing

Free tools inside Drive = gold:

<ul>
<li>Docs (collaboration)</li>
<li>Sheets (data, logs, planning)</li>
<li>Slides (presentations)</li>
<li>Keep (micro-notes)</li>
</ul>

Most of my ideas start in Google Docs before becoming articles, books, or videos.

7. Readwise (Free Tier): My “Learning Memory”

I use it to collect:

<ul>
<li>Quotes</li>
<li>Research snippets</li>
<li>Highlights</li>
<li>Insights from books</li>
</ul>

Then I reuse these for:

<ul>
<li>Prompt engineering</li>
<li>Books</li>
<li>Dev.to posts</li>
<li>Courses</li>
<li>Workshops</li>
</ul>

Readwise makes your learning compounding instead of disposable.

8. VS Code (Free): For Testing AI-Generated Code

I quickly validate:

<ul>
<li>Scripts</li>
<li>Prototypes</li>
<li>Debug suggestions</li>
<li>Refactored code</li>
<li>Micro-tools</li>
</ul>

AI writes the first version. VS Code helps me check the rest.

Why This Stack Works

Because it’s lightweight, fast, flexible, and zero-friction.

Most people fail because they complicate their stack before they even start.

My philosophy is simple:

<blockquote>
Tools shouldn’t slow you down. 
Tools should disappear into your workflow.
</blockquote>

The best AI operators run lean, not heavy.

My Core Insight

People think “paid tools give leverage.” 
Wrong.

Systems give leverage. 
Thinking gives leverage. 
Your workflow gives leverage.

The tools are just containers. 
What you put inside them, your clarity, reasoning, and consistency, is what creates value.

Final Thought

You don’t need a $500/month tool stack to build an AI-driven career. 
You need:

<ul>
<li>Free tools</li>
<li>Clear thinking</li>
<li>Repeatable workflows</li>
<li>And the courage to publish and ship</li>
</ul>

Everything else is noise.

Start simple. 
Scale intelligently. 
Win consistently.

Next Article

Tomorrow we go deeper:

“Why Prompt Templates Are the New APIs.”

This one will shift how developers think about the next decade of software and AI.

يتناول المقال تجربة الكاتب في إدارة عمل مدفوع بالذكاء الاصطناعي باستخدام أدوات مجانية. ويؤكد أن العديد من رواد الأعمال يبالغون في تقدير الحاجة إلى أدوات مدفوعة وبرامج معقدة لبدء مشاريعهم. يبرز الكاتب فعالية الأدوات المجانية مثل ChatGPT وGitHub وNotion في توسيع أعماله وكتابة أكثر من 42 كتابًا وأتمتة سير العمل. يعمل المقال كدليل لأولئك الذين يسعون للاستفادة من الموارد المتاحة لبناء وإدارة علاماتهم التجارية بكفاءة.

El artículo aborda la experiencia del autor en la gestión de un negocio impulsado por IA utilizando herramientas gratuitas. Se enfatiza que muchos emprendedores sobreestiman la necesidad de herramientas pagadas y software complejo para iniciar sus proyectos. El autor destaca la efectividad de herramientas gratuitas como ChatGPT, GitHub y Notion para escalar su negocio, escribir más de 42 libros y automatizar flujos de trabajo. El artículo sirve como una guía para aquellos que buscan aprovechar recursos accesibles para construir y gestionar sus marcas de manera eficiente.

L'article traite de l'expérience de l'auteur dans la gestion d'une entreprise alimentée par l'IA en utilisant des outils gratuits. Il souligne que de nombreux entrepreneurs surestiment la nécessité d'outils payants et de logiciels complexes pour démarrer leurs projets. L'auteur met en avant l'efficacité d'outils gratuits comme ChatGPT, GitHub et Notion pour développer son entreprise, écrire plus de 42 livres et automatiser les flux de travail. L'article sert de guide pour ceux qui cherchent à tirer parti de ressources accessibles pour construire et gérer leurs marques efficacement.

The article discusses the author's experience in running an AI-driven business using free tools. It emphasizes that many entrepreneurs overestimate the necessity of paid tools and complex software to start their ventures. The author highlights the effectiveness of free tools like ChatGPT, GitHub, and Notion in scaling their business, writing over 42 books, and automating workflows. The article serves as a guide for those looking to leverage accessible resources to build and manage their brands efficiently.

The Best Free Tools I Use to Run an AI-Driven Business

Would you trust an AI chatbot with your children?
The post <a href="https://futurism.com/artificial-intelligence/parents-chatgpt-rear-children">Parents Using ChatGPT to Rear Their Children</a> appeared first on <a href="https://futurism.com">Futurism</a>.

يتناول المقال الاتجاه المتزايد للآباء الذين يستخدمون روبوتات الدردشة المدعومة بالذكاء الاصطناعي، وخاصة ChatGPT، للمساعدة في تربية أطفالهم. يطرح السؤال حول الثقة في تكنولوجيا الذكاء الاصطناعي عندما يتعلق الأمر بتربية الأطفال، مما يدفع القراء للتفكير في تداعيات الاعتماد على الذكاء الاصطناعي في اتخاذ قرارات التربية.

El artículo trata sobre la creciente tendencia de los padres que utilizan chatbots de IA, específicamente ChatGPT, para ayudar en la crianza de sus hijos. Plantea la cuestión de la confianza en la tecnología de IA en lo que respecta a la crianza, invitando a los lectores a considerar las implicaciones de depender de la inteligencia artificial para decisiones parentales.

L'article aborde la tendance croissante des parents utilisant des chatbots IA, en particulier ChatGPT, pour les aider dans l'éducation de leurs enfants. Il soulève la question de la confiance dans la technologie IA en matière d'éducation, incitant les lecteurs à réfléchir aux implications de la dépendance à l'intelligence artificielle pour les décisions parentales.

The article discusses the growing trend of parents using AI chatbots, specifically ChatGPT, to assist in raising their children. It raises the question of trust in AI technology when it comes to child-rearing, prompting readers to consider the implications of relying on artificial intelligence for parenting decisions.

Parents Using ChatGPT to Rear Their Children

Gemini 3 is skilled at reasoning, generating video, and writing code. Amid talk of an AI bubble, Google notes the new model could help increase search revenue too.

جيميناي 3، أحدث نموذج للذكاء الاصطناعي من جوجل، يظهر قدرات متقدمة في التفكير، وتوليد الفيديو، وكتابة الشيفرات. وسط الحديث عن فقاعة الذكاء الاصطناعي، تؤكد جوجل أن هذا النموذج الجديد قد يساعد أيضًا في زيادة إيرادات البحث، مما يشير إلى تأثيره المحتمل على الأداء المالي للشركة.

Gemini 3, el último modelo de IA de Google, presenta capacidades avanzadas de razonamiento, generación de video y codificación. En medio de discusiones sobre una burbuja de IA, Google enfatiza que este nuevo modelo también podría mejorar los ingresos de búsqueda, indicando su impacto potencial en el rendimiento financiero de la empresa.

Gemini 3, le dernier modèle d'IA de Google, présente des capacités avancées de raisonnement, de génération vidéo et de codage. Au milieu des discussions sur une bulle de l'IA, Google souligne que ce nouveau modèle pourrait également améliorer les revenus de recherche, indiquant son impact potentiel sur la performance financière de l'entreprise.

Gemini 3, Google's latest AI model, showcases advanced reasoning, video generation, and coding capabilities. Amid discussions of an AI bubble, Google emphasizes that this new model could also enhance search revenue, indicating its potential impact on the company's financial performance.

Gemini 3 Is Here—and Google Says It Will Make Search Smarter

Microsoft still sees AI agents as the future of work, and the enterprise software giant wants companies to be able to manage those agents just like human employees.

تعتبر مايكروسوفت أن وكلاء الذكاء الاصطناعي عنصر أساسي في مستقبل العمل، حيث تهدف إلى تمكين المؤسسات من إدارة هؤلاء المساعدين الرقميين بطريقة مشابهة للموظفين البشريين. تعكس مقدمة أداة Agent 365 التزام الشركة بدمج الذكاء الاصطناعي في البيئات المؤسسية، مما يعزز الإنتاجية والكفاءة التشغيلية.

Microsoft está posicionando a los agentes de IA como un componente clave del futuro del trabajo, con el objetivo de permitir a las organizaciones gestionar estos asistentes digitales de manera similar a los empleados humanos. La introducción de Agent 365 refleja el compromiso de la empresa de integrar la IA en los entornos empresariales, mejorando la productividad y la eficiencia operativa.

Microsoft considère les agents d'IA comme un élément clé de l'avenir du travail, visant à permettre aux organisations de gérer ces assistants numériques de manière similaire aux employés humains. L'introduction d'Agent 365 reflète l'engagement de l'entreprise à intégrer l'IA dans les environnements d'entreprise, améliorant la productivité et l'efficacité opérationnelle.

Microsoft is positioning AI agents as a key component of the future workplace, aiming to enable organizations to manage these digital assistants similarly to human employees. The introduction of Agent 365 reflects the company's commitment to integrating AI into enterprise environments, enhancing productivity and operational efficiency.

Microsoft’s Agent 365 Tries to Be the AI Bot Boss

Much of the US economy rests on AI’s future. On this episode of The Big Interview podcast, Odd Lots cohost Joe Weisenthal breaks down why AI’s impact on finance goes beyond billion-dollar investments.

في حلقة حديثة من بودكاست The Big Interview، ناقش جو ويسنثال، المشارك في تقديم برنامج Odd Lots، تداعيات الذكاء الاصطناعي (AI) على الاقتصاد الأمريكي. وأكد أن تأثير الذكاء الاصطناعي يتجاوز الاستثمارات المالية الكبيرة، مما يشير إلى تأثير أوسع على مختلف القطاعات. تعكس أفكار ويسنثال المخاوف المتزايدة بشأن استدامة فقاعة الذكاء الاصطناعي وعواقبها المحتملة على الاستقرار الاقتصادي.

En un reciente episodio del podcast The Big Interview, Joe Weisenthal, coanfitrión de Odd Lots, discutió las implicaciones de la inteligencia artificial (IA) en la economía de EE. UU. Destacó que la influencia de la IA va más allá de las inversiones financieras significativas, sugiriendo un impacto más amplio en varios sectores. Las ideas de Weisenthal reflejan preocupaciones crecientes sobre la sostenibilidad de la burbuja de la IA y sus posibles consecuencias para la estabilidad económica.

Dans un récent épisode du podcast The Big Interview, Joe Weisenthal, coanimateur d'Odd Lots, a discuté des implications de l'intelligence artificielle (IA) sur l'économie américaine. Il a souligné que l'influence de l'IA va au-delà des investissements financiers importants, suggérant un impact plus large sur divers secteurs. Les réflexions de Weisenthal reflètent des préoccupations croissantes concernant la durabilité de la bulle de l'IA et ses conséquences potentielles sur la stabilité économique.

In a recent episode of The Big Interview podcast, Joe Weisenthal, cohost of Odd Lots, discussed the implications of artificial intelligence (AI) on the US economy. He emphasized that the influence of AI extends beyond significant financial investments, suggesting a broader impact on various sectors. Weisenthal's insights reflect growing concerns about the sustainability of the AI bubble and its potential consequences for economic stability.

Use Google Gemini and ChatGPT to Organize Your Life With Scheduled Actions

Was this article worth reading? Share it