Вышла обновленная модель Opus 5.0, я сразу же затестила ее в клодике. Модель замечательная — умнее и быстрее предшественников. Но вот, блядь, незадача: она намеренно делает опечатки в своих же текстах. Даже если речь идет про создание лендингов на копоративный сайт, где опечатки точно не могут быть частью ред. политики. Типа где-нибудь в предложении специально не поставит запятую, пропустит букву, накосячит с падежом. Это не одна случайная ошибка на 50 страниц. У меня стабильно где-то одна опечаточка на абзац. Нейросеть, обученная на огромном количестве человеческих текстов, такая: «Кожаные мешки тупые и регулярно делают опечатки... значит, и мне надо». Я никогда в жизни вообще такого не видела. И че это такое, Дарио Амодеи? Чтобы в понедельник у меня на почте был отчет. А если нет, то я эксалирую сразу до Лукашенки.

Разработаны тончайшие сверхпроводники, устойчивые к воздействию воздуха Сверхпроводящие материалы толщиной в 1-2 атома обладают уникальными свойствами и могли бы радикально уменьшить размеры квантовых устройств. Увы, на воздухе такие сверхтонкие пленки разрушаются за считанные минуты. Исследователи из США нашли способ вырастить стабильный сверхпроводник на целой пластине. Материал сохраняет свои сверхпроводящие свойства на воздухе и демонстрирует высокую кинетическую индуктивность — ключевой параметр для компактных квантовых устройств. https://hightech.plus/2026/08/06/razrabotani-tonchaishie-sverhprovodniki-ustoichivie-k-vozdeistviyu-vozduha

Несколько наблюдений за последнее время • Гипотеза: дело не только в мощнейшей прокачке harness-составляющей кодинг-агентов (ultracode, /goal, системных промптов, поиска по актуальной документации в инете и всего остального). Нынешние frontier-модели Opus 5, GPT-5.5 Sol уже обучались на данных, появившихся после начала распространения вайбкодинга в прошлом году и успели вобрать в себя всю накопленную мудрость работы с LLM-разработкой (включая, конечно же, мою статью на Хабре) — поэтому они уже сами достаточно хорошо понимают, как двигаться по задаче, и сейчас их нужно заметно меньше направлять. • Если ещё в конце прошлого года можно было поразить клиента, собрав сразу после первого брифинга рабочий прототип личного кабинета, то сейчас клиенты всё чаще сами приносят завайбкоженные прототипы как часть ТЗ. И всё чаще просят сделать возможность управлять данными на сайте через агентов. То есть теперь продуктам нужна не столько админка, сколько API или MCP. • Code First подход к веб-разработке — сейчас основной в моей студии. Это когда проект начинается не с попытки полностью спроектировать продукт в Figma с воображаемыми данными, а с того, что мы как можно раньше собираем его рабочую версию: со всей логикой, интеграциями и полноценным интерфейсом. Главное преимущество — сразу начинаешь работать с реальными данными: каталогом товаров из 1С, пользователями из CRM, контентом страниц и т.д. И уже на этом этапе становится понятно, как продукт на самом деле должен выглядеть и работать. На этапе красивого дизайна на макетах очень редко получается учесть все особенности реальных данных. Поэтому, когда дело доходит до интеграции настоящего контента, зачастую всё начинает разваливаться. Поэтому мы сначала делаем работающий продукт, а дизайн и UX докручиваем уже в процессе — поверх реальности, а не предположений. Ну и в целом проект быстрее движется, когда уже с первого дня нужно доставать все данные из источников, а не на последних этапах интеграции вёрстки.

Перенасыщен ли рынок френдслопами? Крис разбирает, достиг ли жанр френдслоп потолка, и приходит к выводу: сам термин «насыщение» скорее вредит. Правильнее спрашивать, насколько игроки в жанре голодные. Тут краткая выжимка, статью можно прочесть в блоге автора. Рекорды френдслопов продолжают обновляться - Декабрь 2023: Lethal Company, 197 000 одновременных игроков — казалось, вот он, потолок. - Март 2025: R.E.P.O., суммарно 281 000 игроков во всех играх жанра. - 2026: MECCHA CHAMELEON — уже 350 000 одновременных игроков по жанру в целом. - Цикл повторяется: новинка забирает около 50% аудитории жанра (Content Warning — 47%, Chained Together — 48%, PEAK — 50%, RV There Yet — 50%), затем за 3–9 месяцев откатывается к 10%. - Даже «провал» по меркам Reddit — это деньги: Mage Arena на пике взяла лишь 11,75% аудитории, но продала свыше 624 000 копий за неделю с чистой выручкой $3 698 080. У аудитории френдслопов есть потребность в новой игре каждые пару месяцев. Почему счётчик релизов ничего не говорит Три игры 2026 года с сопоставимой выручкой около $4 млн: - Dragon Sword Awakening (RPG): $4 584 900, 5 019 обзоров, в жанре вышло 785 игр. - SAND: Raiders of Sophie (королевская битва): $4 822 700, 11 151 обзоров, вышло всего 67 игр. - Scritchy Scratchy (кликер): $3 966 620, 13 509 обзоров, вышло 1 087 игр. 67 королевских битв за год не означают свободную нишу, а 1 087 кликеров — перегрев. Тут надо смотреть на голод аудитории. Пять факторов «голода» жанра вместо одной цифры: 1) Насколько исследовано пространство дизайна: в метроидваниях всё вытоптано, побеждает чистое качество. 2) Терпимость к экспериментам: фанаты визуальных новелл требуют строгого соответствия поджанру, шаг в сторону — плохие обзоры. 3) Кто конкуренты: RPG — территория крупных студий с большими бюджетами. 4) Терпимость к сырости: поклонники souls-подобных игр не прощают кривое управление, аудитория friendslop прощает всё, если фантазия смешная. 5) Всеядность аудитории: фанаты файтингов моногамны и играют в одну игру годами, аудитория friendslop покупает новинку каждые пару месяцев. Практический метод оценки: - Взять месяц подписки на GameDiscoverCo, VGInsights или Gamalytic. - Отфильтровать релизы жанра за 2–3 года, выгрузить в таблицу, отсортировать по выручке. - Идти сверху вниз с вопросом «мы способны сделать такую игру?» — до первого честного «да». - Проверить: окупит ли ожидаемая выручка срок разработки и размер команды. - Посчитать, сколько игр рядом в списке тоже заработали достойно. Один вирусный выброс — случайность, несколько — тенденция.

Сидели на днях с основателем одного стартапа над его финмоделью. Несколько универсальных мыслей из разговора. – Техническое “качество” это как бы мелкое дело, но это важно. В таблице не должно быть магических чисел и ячеек типа “=8*350*20”. Все конкретные значения должны быть вынесены в отдельный раздел с предположениями. – Выручка должна быть завязана на действия. Условно говоря, новые лиды – это какой-то результат расходов на маркетинг. Мы планируем потратить X – получим Y. Если изменить план, то автоматически изменится и результат. – Если презентация инвестиционная и предполагает рост расходов после раунда, то опасно фиксировать в ней конкретные месяцы. Сейчас ждем инвестиции в сентябре и взлет в октябре. Если обсуждения затянутся, то, например, в ноябре придется объяснять разницу между моделью и жизнью. Иногда это будет легко, но есть риск, что инвестор не поймет. Я видел очень большую сделку, в которой это реально повлияло. А можно было просто в Excel ставить условные месяцы 1-2-3-4… вместо конкретных дат.

Что будет, когда ИИ-пузырь лопнет? У The Hustle вышла именно такая статья. Про термин "ИИ-пузырь" можно бесконечно спорить, но сам материал любопытный, и его считаю нужным разобрать. Итак, начинают с велосипедной метафоры. В 1897 году в Бирмингеме изобрели безопасный велосипед с пневматическими шинами, и город сошёл с ума. Около 400 местных вело-мастерских тут же вышли на биржу, их акции разогнались в 100500 раз, но уже через год 3/4 из них сдохла, потому что велосипеды не заменили весь транспорт планеты Земля. Хотя сам велик, как вид транспорта, прекрасно закрепился, и все мы на нём иногда катаемся. Так вот, авторы утверждают, что слово "пузырь" - плохая метафора для таких штук. Ну, потому что пурызь делает бум-бах и исчезает полностью. Исследователи фин пузырей Куинн и Тёрнер предлагают заменить его на огонь. Огонь может всегда гореть, но сегодня он небольшой язычок пламени, завтра - порядочный костёр, а послезавтра - гигантский пожар. Его размер зависит от количества и качества дров (= дешёвого кредита и других типов финансирования, рынка, хайпа, возможностей спекулировать и шортить и т.д.). Ну и чтобы его изначально зажечь - нужна искра (= новая технология, после которой уже не будет как раньше). ИМХО, это действительно более подходящая аналогия. Так что, если встретите свидетелей ИИ-пузыря - расскажите им, что на самом деле они веруют в костёр, вот. Далее статья разбирает, что будет, если дровишки всё-таки оскудеют. Причём разбирают 4 разных зоны, которые почувствуют эффект: 1. Рынок акций. Гиперскейлеры собираются потратить $1,4 трлн к 2028 (прогноз Morgan Stanley) или $1,1 трлн к 2027 (Wells Fargo), а Anthropic и OpenAI оценены так, будто каждая из них станет победителем всей гонки, хотя так не бывает. Когда костёр ослабеет, частные инвесторы, понятное дело, обломятся - но хрен бы с ними. Хуже, если институционалы будут ставить на ИИ-бум заёмные средства. Вообще считается, что в отличие от той же недвиги в 2008, на ИИ ставят в основном собственные средства. Но кейс Ашенбреннера явно показывает, что это... ну.... не совсем так. Я не знаю общий объём плеча на ИИ-индустрию, но если он большой, то это системный риск. Банки и фонды могут допнуть и потянуть за собой других участников. 2. Рынок труда. Сейчас все строят гигантские ЦОДов и дают временные рабочие места, но чтбы обслуживать готовый дата-центр - нужно всего 50–200 человек. Это вряд ли компенсирует замещение людей ИИ-агентами (тут я бы поспорил, что вообще есть какое-то замещение, но да ладно). Но тут общий прогноз в целом оптимистичный. Раз интернет породил кучу индустрий с кучей вакансий, то и от ИИ стоит ждать подобного креативного всплеска. И это всё окупит, даже если дата-центры сдуются, а агенты продолжат выкидывать джунов. 3. Пенсионные накопления. Сейчас обычный человек [американский - речь в основном про США] человек привязан через ETF к пузырю сильнее, чем во времена доткомов. В том же индексной фонде S&P 500 1/3 идёт на "Семёрку" (Nvidia, Google, Microsoft, Amazon, Apple, Tesla и экстремисты). В момент икс может сработать "эффект богатства в обратную сторону". Если портфели начнут усыхать - люди будут резать реальные траты на квартиары, машину, отпуска и т.д., и это надавит на всю экономику. После тех же доткомов S&P 500 восстанавливался около 5 лет. Поколению X придётся сложнее всего - у них только 14% имеют традиционную пенсию против 56% у тех же бумеров (миллениалы и зумеры, видимо, ничего не почувствуют - у них и так нет денег 😈). 4. Повседневная жизнь. Хотя плечо и используется, сейчас всё-таки финансируют в основном через акционерный капитал (ну, если сравнивать с той же недвижкой в 2008). Именно поэтому после "лопания" последствия должны быть менее разрушительными для экономики в целом. Ну и плюс в том, что технологические пузыри, в отличие от долговых, оставляют после себя что-то осязаемое, на чём можно строить продукты и генерить новые кусочки ВВП. Интересно, что об этом начинают предметно задумываться в паблике. Гои сами себя не прогреют, как говорится. Дизраптор

Хочешь что-то спрятать - положи на самое видное место Бенн Джордан, чувак, который записывал файлы на птиц, выпустил интересное видео, где зашифровывает файлы прямо в аудиторожки Риллсов Книга «1984» Оруэлла влезла всего в 2 секунды публичного ролика. А потом извлеклась без каких-то проблем. Книгу не читал, но видел кукольный спектакль в Каса-Банита. Уверен, там всё как у нас. Минус этого способа - так нельзя шифровать большие файлы. И алгоритмы площадок могут поменяться в любой момент, что потенциально сделает файл нечитаемым. Кодеки Ютуба особо агрессивны в этом плане. Но вы вполне можете зашифровать текстовый файл или фотографию, а потом хранить их у себя в профиле. Крутой концепт. https://youtu.be/fhoJK02oD_E?si=tvczM4eIZBuppgW9

Где возникают ошибки Можно предложить следующую модель получения результата: цель → намерение → действие → система → результат Все это находится в окружении, которое влияет на наши действия. 1. Намерение Насколько намерение помогает достичь цели, или насколько у меня правильный образ действия, того, что я хочу сделать. Дон Норман называл эту стадию понимание «концептуальной модели системы». В ряде случаев концептуальная модель простая: если нажать на педаль тормоза, то машина остановиться. Но в ряде случаев концептуальная модель может быть запутанной: чтобы открыть дверь — её надо толкнуть или потянуть на себя? Я уже не говорю про более сложные системы. Насколько система представляет собой ясную схему, что и как надо сделать, чтобы получить желаемый результат? 2. Действие Несовпадение намерения и действия — действительно ошибка человека. Я хотел повернуть налево, но повернул направо. Я хотел нажать на тормоз, а нажал на газ. Насколько система позволяет сделать неправильное действие. Кроме этого важную роль начинают играть другие факторы: усталость исполнителя, отвлекали ли исполнителя во время важных действий и т.д. 3. Система или черный ящик. Сама система может работать с ошибками. Люди могут неправильно понять, то что мы им говорим, информация передается с ошибками. Механизмы могут быть спроектированы с ошибками, софт ошибается. 4. Окружение Это та обстановка, в которой мы действуем. Либо это культура организации, это социоэкономические факторы и т.д. Окружение может влиять на ошибки, которые возникают в процессе. Есть ли давление, чтобы добиться хороших результатов. Насколько система требует не ошибаться или система требует достичь цели любой ценой. Это культура компании, тон сверху, психологическая безопасность и все подобные вещи. Сюда же относятся ошибки, которые можно называть «внешними событиями». Мы ехали по правилам, в нас врезалась машина. Но мы же все сделали правильно. ;) Как видно, отклонения или ошибки могут возникать на любом уровне в этой модели. Но на каждом уровне ошибки возникают по разными причинами и требуют разных методов для предотвращения. #ЧФ #ошибки

Все обсуждают, как ИИ ускоряет разработку лекарств, а Китай тем временем сделал ставку менее заметную, но, возможно, более важную - он начал ускорять самого регулятора. Исторически конкурентным преимуществом фармы были деньги, учёные и доступ к данным. Теперь к этому добавился ещё один фактор - скорость принятия регуляторных решений. В мае 2026 года китайский регулятор NMPA запустил программу AI + Drug Regulation. К 2030 году они хотят использовать ИИ и специализированных агентов практически на всех этапах работы, от проверки регистрационных досье до постмаркетингового надзора. Требования к безопасности при этом не снижают, убирают бюрократическое трение. Та же философия видна и в существующих процессах. Для инновационных препаратов уже действует ускоренный 30-дневный канал рассмотрения, а IND-заявки работают по принципу implicit approval: если в течение 60 дней регулятор не выдвинул возражений, испытания можно начинать. В результате путь от подачи документов до первых испытаний на людях сократился примерно до 87 дней. Ещё десять лет назад это занимало больше 500. Неудивительно, что Китай становится одним из мировых центров AI-биотеха. По последним оценкам, китайские компании подают около 70% мировых патентных заявок в области AI-driven drug discovery, а их доля в глобальных лицензионных сделках выросла с 8% в 2021 году примерно до 32%. Западные регуляторы тоже умеют работать быстро, но обычно в экстренных ситуациях. Во время пандемии COVID-19, когда появилась реальная необходимость, FDA и EMA перестроили процессы буквально за несколько месяцев. FDA запустила механизм Emergency Use Authorization, EMA - rolling review, при котором данные анализировались по мере поступления, а не только после полного пакета исследований. Сроки одобрения сократились в несколько раз, и требования к безопасности при этом никто не отменял. Тогда же регуляторы фактически легитимизировали виртуальные клинические испытания: удалённые визиты, электронное согласие пациентов и дистанционный мониторинг стали частью нормальной практики. Мы в Customertimes как раз разрабатывали для одного из клиентов платформу для таких виртуальных исследований. На ней тестировали основные вакцины, которые дошли до рынка в рекордные сроки. Хороший пример того, как изменения в регулировании за пару месяцев открывают дорогу новым продуктам и целому классу цифровых решений. Самое интересное, что сейчас США снова начинают ускоряться. В июне американские регуляторы объявили о планах сократить сроки ранних этапов исследований на 6–12 месяцев. То есть соревнуются уже не только биотех-компании, но и сами регуляторные системы. Мне кажется, это и есть главный тренд: AI добрался до государственных институтов и выигрывать будут страны, которые быстрее перестроят под него свои регуляторные процессы, а не просто компании с лучшими моделями для поиска молекул. Так что скорость государства оказывается таким же ресурсом, как вычислительные мощности, данные и таланты. @maxvotek | linkedin | substack