8 месяцев назад вышла Kimi K2 Thinking, и мы слышали то же самое: «Chinese open-source model is #1». Через 3 месяца после релиза я собрал аналитику по 16 бенчмаркам, вышедшим после релиза модели, и сравнил с GPT-5 / Sonnet 4.5. Модель была хуже на 13 (!!!) из них, причём на 7 — более чем на 10 процентных пунктов (пп). Повторится ли это с Kimi K3? Свои мысли и предсказания я напишу в конце, а пока пришла пора ретроспективно оценить DeepSeek v4 Pro (Preview) — с его релиза прошло почти 3 месяца. За это время я смог найти 32 новопоявившихся бенчмарка. В релизном блогпосте v4 Pro сравнивали с Opus 4.6 и GPT-5.4, и модель якобы «была лучше» в 4 и 3 бенчмарках из 6 соответственно. Surely результаты на новых будут сопоставимы? Нет. Opus 4.6 и DeepSeek v4 Pro обе были замерены на 10 бенчмарках — на 9 из них китайская модель проигрывает, и на 5 — более чем на 20 (!) относительных процентов. Сравнение с GPT-5.4 выглядит чуть менее жестким: DeepSeek v4 Pro оказался лучше на 3... но всё равно хуже на 13. (Количество бенчмарков разное потому, что не каждый бенчмарк замеряет цифры и для GPT, и для Claude). На 6 бенчмарках разница больше 20 относительных процентов. Но вообще-то стоит вспомнить, что и GPT-5.5, и Opus 4.7 вышли ДО DeepSeek v4 (на самом деле впритык, но всё же). И если добавить эти модели, как будто мы сравниваем со всеми моделями, доступными на момент релиза v4, то ситуация становится просто мрачной. Все 32 бенчмарка проиграны, и средняя разница в абсолютных оценках составляет -18.6 пп. Эта разница вырастает до -23 пп, если брать только те бенчмарки, которые я классифицировал как Agentic Coding (SWE-bench style), где казалось бы падение должно быть не таким существенным. Только подумайте: модель не решает четверть задач, которые решали проприетарные модели, доступные на момент релиза DeepSeek V4 Pro. Повторится ли эта ситуация с Kimi K3? Ведь ей предстоит пережить сравнение с GPT-5.6-Sol и Fable 5. Я уверен, что да — по сумме показателей на десятках бенчмарков мы точно увидим разницу, хотя, возможно, не настолько значительную. В конце концов по тем веб-сайтам, что я вижу в своей твиттер-ленте, модель действительно не хуже Fable на фронтенд-задачах, даже на очень креативных промптах. Вполне возможно, что на широком наборе других задачах на программирование модель тоже конкурентна или хотя бы отстаёт не так сильно. Может быть даже сможет потягаться в подготовке презентаций и экселек. Условно, если снова соберётся 30 бенчмарков, мы можем увидеть, скажем, 8 побед за Kimi, 5 ничьих и 17 поражений. А может быть, она покажет себя даже лучше — поживём увидим. Главное то, что Kimi K3 может быть той моделью, которая покажет, что существуют некоторые поддомены, в которых Китайские модели действительно не отстают систематически. Это не качество по всемнаправлениям, и "в среднем" проприетарные всё равно будут лучше — речь именно про поддомены (например, «вебсайты с 3D-графикой на three.js» или «веб-игры», по которым многие делают слишком далекоидущие выводы). (Не воспринимайте этот текст как «Kimi / DeepSeek говно и никто не должен их использовать». Пожалуйста, прочитайте детали моей позиции в блогпосте по ссылке). Все графики и данные тут: ссылка.

Короче, у меня снова кончился Клод. Лимит сбрасывается в понедельник, но на этот раз я был готов. Теперь у меня есть агенты выходного дня. Есть 5 баксов на DeepSeek для Гермеса — это на чёрный день. Есть подписка на ChatGPT за 20 долларов, которой хватает на выходные. Не роскошь, а боевой набор. После Гермеса я уже наловчился переносить данные из Клода. Осталось придумать, как сделать одно общее пространство для всех харнесов, но, увы, пока это не выходит: форматы у всех разные. Даже когда им что-то переносишь встроенными средствами ChatGPT, из Клода уезжает хорошо если процентов 30. Самое полезное всё равно остаётся внутри Клода, и это потом приходится вытаскивать и оверрайтить полуручным способом. Сессии на прошлой неделе как раз хватило, чтобы перенести все данные и начать делать питомца. В ChatGPT, кстати, тоже есть питомцы — я сам не знал, но пройти мимо не смог и сделал смешного Сэма Альтмана, чтобы тыкать его мышкой: timoncool/funny-sam-pet Так что если захотите себе такого же — забирайте на GitHub. А у вас в ChatGPT Desktop есть питомец? Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

100 млн рублей в ракету «Воронеж», короткий домен Telegram снова заработал, Wildberries обрастает сервисами, подробности про гаджет от OpenAI, DeepSeek собирает новый раунд и планирует IPO 🦄 Доброе утро, наши маленькие любители единорогов! 🚀 Компания «ЗД-Исследования и разработки», которая разрабатывает сверхлегкую ракету «Воронеж», привлекла 100 млн рублей от фонда «Восход», сообщается в канале последнего. Это уже третий раунд для компании, суммарно она привлекла 280 млн рублей. До этого в 2023-м году 120 млн рублей инвестировал «Восход», а в 2025-м — 60 млн рублей фонд ФСТ НТИ. 👍 Короткий домен Telegram t.me снова ожил! Оказалось, что Управление по контролю за иностранными активами США (OFAC) внесло в черный список VPN-сервис с адресом на домене t.me. И тогда оператор черногорской доменной зоны .me приостановил работу всего домена. Именно соблюдением требований OFAC они объяснили остановку работы. 🔨 Wildberries продолжает обрастать сервисами. Как пишет VC, компания запустила сервис WB Service, с помощью которого ПВЗ смогут найти специалистов по ремонту и обслуживанию. Помещение отремонтировать, мебель собрать и так далее. Всего в базе сервиса 8000 специалистов. Во время тестирования сервиса успели выполнить 80 000 заявок, утверждает Wildberries. Интересно, а вовне экосистемы WB они планируют работать или нет? 🤷‍♂️ Bloomberg выяснил у источников подробности про первый гаджет OpenAI. Вроде как это будет «умная» колонка без экрана — AI-ассистент для человека, «новый тип домашнего компьютера для эпохи искусственного интеллекта». С ее помощью можно будет управлять бытовыми приборами, воспроизводить мультимедиа, отвечать на вопросы и так далее. Получается, OpenAI делает «Яндекс Алису»? 💲 Китайский разработчик AI DeepSeek разошелся и обсуждает новый раунд инвестиций по оценке $71 млрд, пишет Financial Times со ссылкой на источники. Хотя буквально месяц назад у них был раунд по оценке $50 млрд. А Bloomberg добавляет, что DeepSeek вообще готовится к IPO и может провести его уже в этом году. @TheEdinorogBlog — тот самый канал про стартапы🦄