Available now! Telegram Research 2025 — the year's key insights 
1 140
Subscribers
-124 hours
-67 days
-1530 days
Data loading in progress...
Similar Channels
Tags Cloud
Incoming and Outgoing Mentions
---
---
---
---
---
---
Attracting Subscribers
July '26
July '26
+1
in 0 channels
June '26
+8
in 0 channels
Get PRO
May '26
+5
in 0 channels
Get PRO
April '26
+8
in 0 channels
Get PRO
March '26
+10
in 0 channels
Get PRO
February '26
+9
in 0 channels
Get PRO
January '26
+13
in 0 channels
Get PRO
December '25
+17
in 0 channels
Get PRO
November '25
+9
in 0 channels
Get PRO
October '25
+22
in 0 channels
Get PRO
September '25
+25
in 0 channels
Get PRO
August '25
+14
in 0 channels
Get PRO
July '25
+19
in 0 channels
Get PRO
June '25
+15
in 0 channels
Get PRO
May '25
+20
in 0 channels
Get PRO
April '25
+19
in 0 channels
Get PRO
March '25
+14
in 0 channels
Get PRO
February '25
+1
in 0 channels
Get PRO
January '25
+2
in 0 channels
Get PRO
December '24
+1
in 0 channels
Get PRO
November '24
+11
in 0 channels
Get PRO
October '24
+7
in 1 channels
Get PRO
September '24
+3
in 0 channels
Get PRO
August '24
+7
in 0 channels
Get PRO
July '24
+6
in 0 channels
Get PRO
June '24
+1
in 0 channels
Get PRO
May '24
+5
in 0 channels
Get PRO
April '24
+6
in 0 channels
Get PRO
March '24
+26
in 0 channels
Get PRO
February '24
+5
in 0 channels
Get PRO
January '24
+8
in 0 channels
Get PRO
December '23
+17
in 0 channels
Get PRO
November '23
+11
in 0 channels
Get PRO
October '23
+21
in 0 channels
Get PRO
September '23
+20
in 0 channels
Get PRO
August '23
+45
in 0 channels
Get PRO
July '23
+38
in 0 channels
Get PRO
June '23
+17
in 0 channels
Get PRO
May '23
+80
in 0 channels
Get PRO
April '23
+45
in 0 channels
Get PRO
March '23
+16
in 0 channels
Get PRO
February '23
+21
in 0 channels
Get PRO
January '23
+74
in 0 channels
Get PRO
December '22
+16
in 0 channels
Get PRO
November '220
in 0 channels
Get PRO
October '22
+86
in 0 channels
Get PRO
September '22
+39
in 0 channels
Get PRO
August '22
+31
in 0 channels
Get PRO
July '22
+44
in 0 channels
Get PRO
June '22
+15
in 0 channels
Get PRO
May '22
+89
in 0 channels
Get PRO
April '22
+47
in 0 channels
Get PRO
March '22
+37
in 0 channels
Get PRO
February '22
+581
in 0 channels
Get PRO
January '22
+75
in 0 channels
Get PRO
December '21
+13
in 0 channels
Get PRO
November '21
+53
in 0 channels
Get PRO
October '21
+15
in 0 channels
Get PRO
September '21
+26
in 0 channels
Get PRO
August '21
+20
in 0 channels
Get PRO
July '21
+127
in 0 channels
Get PRO
June '21
+9
in 0 channels
Get PRO
May '21
+38
in 0 channels
Get PRO
April '21
+353
in 0 channels
| Date | Subscriber Growth | Mentions | Channels | |
| 03 July | 0 | |||
| 02 July | +1 | |||
| 01 July | 0 |
Channel Posts
Estudo da Ramp dizendo que a IA está criando empregos, e não os destruindo.
| 2 | O maior risco da IA corporativa não é ela ser pouco usada. É ela ser muito usada para coisas que quase não importam.
O modelo pode ser excelente, a adoção pode crescer, o consumo pode explodir, e ainda assim a captura de valor ficar abaixo do prometido.
Dois usos podem consumir a mesma quantidade de inferência e gerar mundos diferentes.
Em um caso, um engenheiro encontra um erro que reduz centenas de milhares de dólares em custo de cloud.
Em outro, alguém usa o modelo para transformar um PDF mal formatado em documento, refaz metade na mão e chama isso de produtividade.
Mesmo modelo. Mesmo custo. Valor completamente diferente. A diferença não está só na tecnologia. Está no incentivo de quem aponta a tecnologia.
Em uma startup, a IA tende a ser usada contra o problema que dói: vender mais, reduzir custo, corrigir produto, diminuir churn, ganhar tempo antes do caixa acabar.
Em uma grande empresa, muitas vezes ela vira conforto operacional: escrever melhor, resumir mais rápido, preparar reuniões, parecer produtivo.
Isso tem valor. Mas talvez não o valor necessário para sustentar a curva de gasto que está sendo projetada.
A métrica relevante não é uso. É valor econômico por uso.
Algumas empresas vão capturar valor real. Mas isso exige mais do que licença. Exige responsabilidade e poder para mudar como o trabalho acontece. | 240 |
| 3 | Os Apple Glasses vem aí?
Mark Gurman publicou ontem na Bloomberg os primeiros detalhes sobre os smart glasses da Apple, codinome N50, com lançamento previsto para 2027.
A estratégia é fazer o design internamente, sem depender de uma EssilorLuxottica ou Warby Parker.
Quatro estilos de armação, material acetato, várias opções de cor.
O objetivo declarado é criar um design "instantly recognizable", o que a Apple chama internamente de "icon".
Isso me fez pensar num padrão.
Existe uma correlação entre os produtos da Apple que dominam seus mercados: todos eles têm um atributo de moda.
iPhone, Apple Watch, AirPods são os mais importantes das suas categorias. Apple TV, HomePod, Mac Pro? Nem tanto.
Obviamente, isso não é regra geral, mas é uma correlação difícil de ignorar.
E agora a Apple entra numa categoria que é, por definição, um acessório de moda. A Meta precisou da Ray-Ban pra parecer fashion.
A Apple vai fazer sozinha.
O produto ainda nem foi lançado, mas é difícil imaginar que os Smart Glasses sejam uma exceção a esse padrão de sucesso da Apple nos produtos de moda. | 0 |
| 4 | Se você dobrar o número de clientes adquiridos, o seu CAC cai ou sobe?
Parte do CAC é fixo. Salários, CRM, ferramentas. Não muda com volume. Dobrou a aquisição? Esse pedaço caiu pela metade.
Parte é variável. Facebook, TV, comissões. Dobrou a aquisição? Esse pedaço não cai. Na prática, sobe. Os clientes mais fáceis já vieram.
Empresa A com CAC de 50. Composição: 30 fixo, 20 variável. Dobra a aquisição. Fixo cai para 15, variável sobe para 28. CAC novo: 43. O fixo diluindo compensou o retorno decrescente.
Empresa B com CAC de 50. Composição: 10 fixo, 40 variável. Dobra a aquisição. Fixo cai para 5, variável sobe para 55. CAC novo: 60. O fixo era pequeno demais para compensar.
Mesmo CAC de partida. Um cai. O outro sobe.
A maioria calcula CAC como um número só. Se você não sabe a composição, não sabe o que acontece quando escala. | 0 |
| 5 | A Meta tem 3 bilhões de usuários. Agora tem um frontier model plugado em todos eles.
O modelo foi construído do zero nos últimos nove meses.
Os resultados técnicos são reais: o modelo compete de frente com GPT e Gemini nos principais benchmarks, em categorias que vão de raciocínio científico a tarefas autônomas complexas. (Veja tabela nos comentários)
Para quem acompanhou o histórico recente da Meta em modelos, é uma virada significativa.
Mas não é só qualidade. É distribuição em escala com dados proprietários que nenhum competidor tem.
OpenAI tem o modelo. Google tem a busca.
A Meta tem outra coisa: sabe o que três bilhões de pessoas curtem, compartilham, param para olhar e compram.
Sem download. Sem cadastro. Simplesmente aparece onde o usuário já está.
Um detalhe que passou despercebido: o Muse Spark é o primeiro modelo fechado da Meta.
A empresa que construiu sua reputação em IA sobre open weights lançou um modelo que ninguém pode baixar, inspecionar ou replicar.
Alexandr Wang, fundador da Scale AI e agora à frente da unidade de IA da Meta, sempre soube que dados de qualidade valem mais que arquitetura.
Agora ele tem acesso ao maior dataset comportamental do mundo. | 0 |
