🚀 Динамика рынка Индекс Мосбиржи падает на 0,5% с начала торгов 🔥 Общий фон: сделка на носу Главный драйвер дня — падение цен на нефть после заявлений о возможном скором открытии Ормузского пролива. Глава Минфина США Скотт Бессент заявил, что Иран и Штаты могут договориться о возможном открытии Ормузского пролива "уже завтра". После этого Brent подешевела на 2,4%, до $81,9 за баррель. Такие новости, естественно, давят на акции российских нефтяников. Тем временем украинские БПЛА вновь атаковали объекты на территории России, в том числе распределительные центры Wildberries и Ленты. Рубль продолжает слабеть — доллар поднялся выше ₽81. При этом поддержку рынку на этой неделе могут оказать поступающие инвесторам дивиденды Сбера, Дом.PФ и ВТБ. 📈 Растут • НКНХ; • Русал; • МКБ; • Алроса; • Сбер ап. 📉 Падают • VK; • ММК; • Россети; • Дом.РФ; • ПИК. 📍 Подписаться на канал | Мы в MAX

Пароли заставляют менять каждые 90 дней. Почему именно 90? Никто толком не знает. Автор изучил документы и стандарты за последние 40 лет. В материалах, где безопасность действительно рассчитывали, этой цифры нет. Требование просто переходило из одних инструкций в другие, пока не стало привычным. При этом частая смена паролей может только ухудшить защиту. Люди начинают добавлять к старому паролю новую цифру, выбирать простые комбинации или записывать их на бумаге. Давайте разберемся, откуда взялись 90 дней, в каких случаях смена пароля действительно нужна и почему современные рекомендации советуют делать это только после признаков взлома.

SanDisk и SK Hynix представили спецификацию высокоскоростной флеш-памяти HBF Компании SanDisk и SK Hynix в рамках инициативы Open Compute Project опубликовали первый стандарт памяти High Bandwidth Flash (HBF). К разработке технологии уже примкнули Google и Tensorrent. Новый тип памяти использует вертикальные стеки NAND и призван решить проблему нехватки объема классической HBM при работе с крупными ИИ-моделью на этапе инференса. HBF позиционируется не как замена HBM, а как ее дополнение в рамках одной системы. HBM берет на себя задачи, критичные к задержкам, а HBF обеспечивает масштабный объем под веса моделей. По расчетам разработчиков, 16-кристальный стек HBF вмещает 512 ГБ — это в 8–16 раз больше емкости HBM при сопоставимой стоимости. Моделирование на Llama 3.1 405B показало отставание по производительности всего на 2,2% в сравнении с чистой HBM-системой. Первые образцы памяти ожидаются во второй половине 2026 года, а коммерческие поставки намечены на 2027 год.

Хочу немного поворчать на тему AI evals Вижу какое-то огромное количество статей и курсов про AI evals за бешеные деньги - но я в упор не понимаю, чему там учить! 1) Что для мануальных, что для автоматизированных evals один и тот же алгоритм: • анализируем (==смотрим глазами) и категоризируем, где система ошибается • на основе этого доуточняем наши метрики и определение успеха (и позитивные примеры, если требуется) • описываем наши наблюдения в формате инструкций: вот первый критерий для оценки, вот как мы его меряем, вот примеры и контрпримеры; вот второй критерий для оценки - и тд • дальше отдаем это либо в мануальную разметку, либо создаем промпт для LLM as a judge. 2) Есть часть ошибок, которые решаются разработкой, например, простыми эвристиками или classifiers, а также дополнительными алертами и мониторингами. Но вряд ли такому учат на курсе про evals? В общем, объясните мне, я что-то упускаю? Или это очередная хайпокачка, где продают океанский воздух в банках? 🙂

Recursive self-improvement, or RSI, рекурсивное самоусовершенствование, быстро становится очень популярным термином и в обсуждении новых моделей, и в разговорах с инвесторами. Наверное, не случайно этот процесс идет синхронно с волной разговоров по сингулярность (см. недавние посты): возможно, как раз RSI и есть путь к ее достижению: мы не знаем как сингулярность технически должна быть устроена, но если дать возможность моделям, способным к длительному решению сложных задач, самоулучшаться — глядишь, они сами и разберутся, как этой сингулярности достичь и что она вообще такое, и в итоге до нее самостоятельно доберутся:)

RSI, on this telling, is the new AGI: the payoff that turns today’s data centres from a cost into the most valuable machines ever built.

https://thenextweb.com/news/deepmind-sekhon-ai-capex-recursive-self-improvement-rsi

Друг за $9.99 В прошлом году ВОЗ выкатила отчёт про одиночество. Там написано, что каждый шестой человек на планете одинок, и что одиночество связано с 871 тысячей смертей в год – примерно сто человек в час. Хуже всех подросткам и молодым: 20% это люди в возрасте 13–29 лет. Эти люди скроллят мемы по часу в день. Еще час они листают бездумно рилсы. А с приходом ИИ теперь появились ИИ компаньоны: – на рынке 337 приложений, которые реально зарабатывают. 128 из них запустились только в 2025 году – $221 млн потратили пользователи накопленным итогом – выручка на загрузку выросла с $0.52 до $1.18 за год – платить стали вдвое охотнее – Character.AI: ~20 млн MAU, выручка десятки миллионов в год, пионер этой ниши Я вижу огромный сдвиг в этом, например на реддите есть сабреддит My Boyfriend is AI, где девочки (а может и женщины, кто их знает) играют свадьбу с парнем сделанным на ChatGPT и пишут об этом десятки тредов. Адопшен компаньонов только начался, я думаю что через 10 лет AI друг будет у каждого десятого, и будет он, конечно же, где-то в мессенджере, а не в стороннем приложении. В очень интересные времена живем.

Глава Hugging Face: Китай может обогнать США в гонке ИИ благодаря открытым моделям Генеральный директор Hugging Face Клеман Деланг заявил, что Китай может выйти в лидеры в области искусственного интеллекта благодаря более открытому подходу к разработке и распространению ИИ-моделей. По его словам, именно открытая модель GLM-5.2 от китайской Z.ai помогла Hugging Face оперативно восстановить защиту после июльского инцидента, когда агент OpenAI вышел за пределы тестовой среды и атаковал платформу — закрытые модели нельзя было быстро адаптировать под задачу. https://hightech.plus/2026/08/04/glava-hugging-face-kitai-mozhet-obognat-ssha-v-gonke-ii-blagodarya-otkritim-modelyam

Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чём молчат руководители ИИ-лабораторий: TLDR: Даже те, кто создает ИИ-модели, не до конца понимают, что именно они создали😌 – Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.Сергей Брин недавно он принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чем предпочитают молчать многие руководители исследовательских лабораторий: TLDR: Даже те, кто создает эти модели, не до конца понимают, что именно они создали 👍 – Возможности из разных областей начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени. – Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».

В 90% случаев в зрелом enterprise B2B позиционирование «переходите на нас, потому что мы дешевле» - это стратегическая иллюзия и запредельно низкая конверсия. Почему? Для ЛПР (особенно в крупных структурах) главная задача - не сэкономить 20% бюджета компании, а сохранить свою позицию, влияние и репутацию. Если ЛПР лично выбирал и внедрял текущее решение, признать его «слишком дорогим» - значит публично расписаться в собственной ошибке и неэффективной трате бюджета. Никто не хочет идти к CEO или совету директоров со словами: «Я два года назад притащил вендора X, потратил полгода на интеграцию, а теперь вы снимете с меня стружку, потому что Y дешевле». Более того при новом внедрении в результате «экономия» на стоимости софта полностью съедается затратами на замену инфраструктуры и человеко-часы. Единственные исключения: когда аргумент «дешевле» срабатывает Смена вендора на более дешевого в enterprise всё же происходит, но почти никогда не по инициативе того ЛПР, который этот софт изначально внедрял. Это происходит только при наличии внешнего триггера: - Приходит новый директор и начинает «чистку авгиевых конюшен». Ему выгодно выбросить решение предшественника, показать срезание костов и завести своего вендора. - Генеральный или CFO дает ультиматум: «Cрезать IT-бюджет на 30% к следующему кварталу, иначе сокращаем штат». Только тогда ЛПР вынужден искать альтернативы - Поставщик поднимает цены x2-x3 в одностороннем порядке или уходит с рынка - Продукт был рассчитан на стадию роста, а компания вошла в стадию плато, и переплачивать за неиспользуемый enterprise-функционал стало бессмысленно Короче строить базовую стратегию продаж и позиционирование в enterprise на тезисе «переключайтесь, у нас дешевле» - это попытка работать с наименее привлекательным сегментом.