Crypto_Bilawal official

Un ancien élève de Drexel Burnham Lambert et d'Apollo Management, Antony Ressler, le co-fondateur du géant du crédit privé Ares Management, a passé des décennies à construire l'une des machines à argent les plus durables de Wall Street. Maintenant âgé de 64 ans, il a été un soutien précoce et agressif du prêt direct non bancaire, aidant à faire évoluer sa société en un géant de 600 milliards de dollars en prêtant à des entreprises de taille intermédiaire souvent négligées par les banques traditionnelles. L'augmentation des actifs—et les flux de frais constants et les dividendes qui l'accompagnaient—ont propulsé Ressler sur la liste Forbes 400 des milliardaires américains en 2015 et ont financé un portefeuille d'actifs en croissance, y compris les Atlanta Hawks de la NBA.

Les données de l'IRS montrent que les déclarations de la saison fiscale accusent toujours un retard par rapport aux chiffres de l'année dernière. Les données de l'IRS montrent que les déclarations de la saison fiscale accusent toujours un retard par rapport aux chiffres de l'année dernière, bien que l'écart se rétrécisse. Kelly Phillips Erb. Au 13 mars, l'IRS avait reçu 69,707,000 déclarations de revenus individuels, contre 70,370,000 au même moment en 2025. Cela représente une baisse de 0,9 % des déclarations, bien que l'écart se soit légèrement rétréci depuis le début de la saison. Les totaux de traitement racontent une histoire similaire. L'IRS a traité 68,816,000 déclarations, en baisse par rapport à 69,605,000 à ce stade de l'année dernière—une diminution de 1,1 %. Un facteur important est que les déclarants précoces ont tendance à soumettre des déclarations plus simples—généralement celles demandant la déduction standard et rapportant principalement des revenus de salaire provenant des formulaires W-2. Les déclarations qui incluent des revenus d'entreprise, des activités locatives ou des déductions détaillées compliquées arrivent généralement plus tard dans la saison. Si ce schéma se maintient, l'IRS pourrait encore voir une poussée tardive de déclarations plus complexes. Comment les contribuables déclarent. L'IRS continue d'encourager les contribuables à déclarer en ligne, en soulignant que la déclaration électronique est plus rapide, plus sécurisée et moins sujette aux erreurs que les déclarations papier.

A decentralized AI experiment once confined to crypto circles just earned a public nod from Nvidia CEO Jensen Huang, signaling that distributed model training may be inching closer to the mainstream.

Open Source AI Momentum Builds With Nvidia CEO Endorsement
Chamath Palihapitiya spotlighted Bittensor’s Covenant-72B during an episode of the All-In Podcast, framing it as a tangible example of decentralized artificial intelligence (AI) moving beyond theory. Bittensor operates as a decentralized, blockchain-driven network that establishes a peer-to-peer marketplace in which machine learning models and AI compute are exchanged and incentivized.

Palihapitiya described the effort in plain terms: a large-scale language model (LLM) trained without centralized infrastructure, powered instead by a network of independent contributors. “They managed to train a 4 billion parameter LLaMA model, totally distributed, with a bunch of people contributing excess compute,” he said, calling it “a pretty crazy technical accomplishment.”

The comparison landed with a familiar analogy. “There are random people, and each person gets a little share,” Palihapitiya added, referencing the early distributed computing project that harnessed idle hardware worldwide.

Huang did not dismiss the idea. Instead, he leaned into a broader framing of the AI market, suggesting that decentralized and proprietary approaches are not mutually exclusive. “These two things are not A or B; it’s A and B,” Huang said. “There is no question about it.”

That dual-track vision reflects a growing divide—and overlap—within AI. On one side are closed, highly polished systems like ChatGPT, Claude, and Gemini. On the other are open-weight and decentralized models that allow developers and organizations to customize systems for specific needs.

Huang made clear he sees both tracks as essential. “Models are a technology, not a product,” he said, noting that most users will continue relying on polished, general-purpose systems rather than building their own from scratch.

At the same time, he pointed to industries where customization is not optional. “There are all these industries where their domain expertise… has to be captured in a way that they can control,” Huang explained, adding that “that can only come from open models.”

That statement lands squarely in Bittensor’s wheelhouse. Covenant-72B, developed through its Subnet 3 (Templar), represents one of the largest decentralized training runs to date, coordinating more than 70 contributors across standard internet connections without a central authority.

Technically, the model pushes boundaries. Built with 72 billion parameters and trained on roughly 1.1 trillion tokens, it leverages innovations such as compressed communication protocols and distributed data parallelism to make training viable outside traditional data centers.

Performance metrics suggest it is not merely experimental. Benchmark results place it in competition with established centralized models, a detail that helps explain why the project has drawn attention beyond crypto-native audiences.

The market noticed as well. Following the announcement, the project’s token TAO has risen 24% since the video of Palihapitiya and Huang made its rounds on social media.

Still, Huang’s comments suggest the real story is not disruption, but coexistence between the two. Proprietary AI systems will likely remain dominant for general users, while open and decentralized models carve out roles in specialized, cost-sensitive, or sovereignty-driven applications.

For startups, the Nvidia CEO outlined a pragmatic playbook: start open, then layer in proprietary advantages. “Every startup we’re investing in now is open source first, and then going to the proprietary model,” he said.

In other words, the future of AI may not belong to a single architecture or philosophy. It may belong to those who can navigate both—and know when to use each.

FAQ 🔎
What is Bittensor’s Covenant-72B?
A 72 billion-parameter language model trained through a decentralized network of contributors without centralized infrastructure.
What did Jensen Huang say about decentralized AI?
He said open and proprietary AI models will coexist, describing the relationship as “A and B,” not a choice between them.
Why is this development important?
It shows large-scale AI models can be trained outside traditional data centers, challenging assumptions about infrastructure needs.
How does this affect the AI industry?
It supports a hybrid future where centralized platforms and decentralized models serve different roles across industries.
$ANKR
$JCT
$LIGHT
#OpenAIPlansDesktopSuperapp #AnimocaBrandsInvestsinAVAX #BinanceKOLIntroductionProgram #FTXCreditorPayouts #MarchFedMeeting

L'administration Trump envisage une variété d'options pour ce à quoi pourrait ressembler un déploiement de troupes américaines en Iran, selon plusieurs rapports, le président Donald Trump réfléchissant à la présence américaine sur le terrain alors que des milliers de Marines sont censés bientôt être déployés au Moyen-Orient.

Faits Clés
Trump pèse les options pour les troupes sur le terrain, a rapporté NBC News, citant deux anciens responsables américains non nommés et une autre personne familière avec le sujet qui a déclaré qu'une option consisterait à envoyer des troupes dans des ports iraniens ou de petites îles dans le Golfe Persique pour dégager le détroit d'Hormuz, un passage maritime vital pour le pétrole.