СРО жалеет о существовании профессии продакт-менеджера У Лении вышел подкаст, где СРО Том Веррилли (ex-Twitch, ex-Twitter) о том, как ИИ обнажает масштабы «продуктового театра» Тезисы:

- управление продуктом — это навык, который приобретается на практике, а не просто должность, и иногда командам лучше, когда инженеры и дизайнеры принимают решения самостоятельно - системное мышление становится всё более востребованным - главная польза ИИ для продакт-менеджеров сейчас заключается в Data Science, а не в прототипировании - лучшие менеджеры по продукту сосредотачиваются на технических деталях, понимании клиентов и принятии решений - Роль смещается от «политики» и «совещаний по согласованию» к отдельным специалистам, которые выполняют реальную работу и углубляются в детали продукта - Для роста следует думать о том, как система работает в масштабе, представить все возможные проблемы, а затем исправить их до того, как они произойдут - При найме сотрудников ищите людей, которые могут защитить свои идеи, используя данные, а не тех, кто просто умеет говорить и заводить друзей - Любимая ошибка Верилли за карьеру — доверять средним показателям. Фичу с 3 процентами использования легко списать как бесполезную. Но для этих трёх процентов она может быть единственным сценарием использования продукта. Отключил фичу — обрушил чей-то бизнес.

Нейродайджест за неделю (#126) LLM - Muse Code и Spark 1.2 — Meta выкатили своего агента и новую модель. За счет разрешения обучаться на данных пользователя цена снижена до $0,1/$0,2 за миллион токенов. - Qwen 3.8-Max — Alibaba выпустила мультимодальную модель на 2.4T параметров (95B активных). Отлично справляется с визуальными agentic задачами и автономным кодингом, стоит $2/$6. Обещают выпустить веса уже на этой неделе. - Первая модель SSI — По слухам, стартап Ильи Суцкевера планирует релиз первой модели уже в августе, не дожидаясь заявленного сверхинтеллекта. Генеративные модели - Lift4D — Фреймворк для 4D-реконструкции динамических объектов и их текстур из обычного видео с камеры. - Grok Video 1.5 — xAI выкатила минорное обновление своего видеогенератора. - FLUX 3 Video — Видеомодель от BFL вышла в API (до 20 сек со звуком и липсинком). Появился черновой режим (Draft Mode), базовая цена от $0.17 за секунду в 720p. - SeedRealtime — ByteDance представила нативную full-duplex модель. Ассистент непрерывно смотрит видеопоток, слушает и может инициировать диалог без задержек. - Wan 3.0 — Alibaba запустила публичную бету. Модель генерирует видео до 30 секунд в 1080p, позволяя смешивать текст, фото, видео и аудио для точного переноса внешности и стиля. - Wan Animate 2 — Альтернатива pose-control для motion transfer по видео-референсу без скелетов. Выложили веса и ноды для ComfyUI. - Grok Imagine Image 2.0 — xAI сильно прокачали генератор картинок: добавили Magic Wand, точное редактирование областей, удаление фона и мультиреференс до 5 изображений. Прочее - Gemini Robotics 2 — Google DeepMind обновили VLA-модель: теперь она управляет всем телом гуманоида (включая мелкую моторику), координирует рой роботов и имеет on-device версию для быстрой адаптации. - Перестановки в Google — Демис Хассабис покинул пост CEO DeepMind (перешел на роль Chair и Chief Scientist Alphabet), а Джефф Дин ушел из компании после 27 лет работы делать стартап Discovery Loop. > Читать дайджест #125 #дайджест @ai_newz

KDD’26, день третий. 1. Keynote от Джеффа Дина. Это один из гигантов области ИИ, стоящий у истоков большого числа различных исследований и разработок Гугла, которыми мы все с вами пользуемся. Он буквально придумал MapReduce, TPU, tensorflow, был соавтором word2vec, mixture of experts, knowledge дистилляции; делал первый нейросетевой машинный перевод. В последние годы лидил разработку Gemini. У него 426490 цитирований на google scholar. Пока текущий кейноут не залили на ютуб, можете посмотреть как в 2014 году он выступал на ACM RecSys с кейноутом Large Scale Machine Learning for Predictive Tasks. На сегодняшнем кейноуте сначала был экскурс в его основные околонейросетевые работы, про которые писал выше. А еще: * оказалось, в своем диссере из 90-х он уже занимался нейросетями — скейлил обучение до 32-х процессоров. Потом продолжил тем же самым заниматься в Гугле :) * забавный факт — статью про knowledge distillation (ту самую, с Хинтоном в соавторах) — реджектнули на Neurips со словами “это никому не понадобится”)) Затем рассказывал про свой уход из Гугла — как объявлял на всю компанию что уходит; что очень много людей пришли на прощальную вечеринку, все не поместились в Гугл кафешке; что было очень много прощальных писем, он пытался на них все ответить, но не получалось, но он пытался, но не получалось... Сходил на йогу, поиграл в футбол, возможно всплакнул. И, наконец, рассказал про свою новую компанию Discovery Loop: * jсновная идея — автоматизация типичного экспериментального пайплайна “propose experiment -> implement and run -> evaluate” * К вопросу подходят масштабно — предполагается, что запускаться будет очень большое количество экспериментов, их результаты (и отрицательные, и положительные) будут использоваться агентами на следующей итерации экспериментов. Ожидается, что при должном масштабировании это приведет к большому количеству научных прорывов * Сначала фокусируются на digital областях, в которых эксперименты не требуют доступа к физическому миру * Приводил как пример масштабного запуска экспериментов разработку Gemini, в которой одновременно принимали участие тысячи людей, и мерджили результаты экспериментов в единую модель Еще было немного про кодинг: * сейчас происходит следующий, еще больше верхнеуровневый этап программирования: ассемблер, C++, Python, а теперь — делегирование задач агентам * по мнению Джеффа, агенты нас не заменят, а сделают продуктивней (ага, ага) 2. Вообще, сегодня я хорошенько прочувствовал, что агенты становятся основным трендом в рекомендательных технологиях. Семантические айдишники и генеративные рекомендации, конечно, это все еще очень горячая тема, про которую большие компании трубят из каждого угла; но уже появилось четкое ощущение, что самые передовые ребята занимаются агентами, а большие компании просто как всегда не поспевают за прогрессом. Чуть более конкретно: * пообщался с Derek Chang (руководителем команды в Google DeepMind, в которой придумали DCN-v2). Раньше его команда помогала различным сервисам Гугла (в первую очередь рекламе) делать рекомендательные технологии — придумывали архитектуры нейросетей, работали над эффективностью, etc. А теперь они делают агента, который их заменит)) Буквально занимаются посттрейнингом LLM * Артёму @nxt_item стажер из команды onerec-think/onereason Куайшоу сказал, что сейчас у них половина команды занимается проектом Агент X, суть которого буквально такая же — создать ИИ ресерчера, который их всех заменит В общем, тренды страшные. Мы все призадумались; на постерной сессии полчаса стояли в кружке и пытались осмыслить надвигающийся экзистенциальный кризис. Если еще посты Игоря @seeallochnaya про ситуацию с OpenAI агентами почитать, то совсем страшно. 3. Также сегодня была вторая постерная сессия (вчера industry track, сегодня research), ее я провел в основном возле статьи A Unified Language Model for Large Scale Search, Recommendation, and Reasoning от Spotify, про которую в этом году уже даже на лекциях рассказывал!) На этом всё. Следующий пост за меня будет писать уже агент

Роботы достигли 90% точности в сложных задачах, просмотрев 1 млн часов видео с людьми Стартап Dyna Robotics представил базовую ИИ-модель для роботов DYNA-2, обученную на 1 млн часов видеозаписей действий человека от первого лица. Разработчики утверждают, что использование доступного видео с людьми вместо дорогостоящих данных с самих роботов увеличило точность выполнения сложных задач с 20% до 90% и в 1,55 раза превзошло результаты прошлого поколения системы. Заявленная эффективность требует независимой проверки, но компания уже привлекла $143,5 млн инвестиций. https://hightech.plus/2026/08/11/roboti-dostigli-90-tochnosti-v-slozhnih-zadachah-prosmotrev-1-mln-chasov-video-s-lyudmi

Линус Торвальдс назвал гигантские патчи ядра Linux «новой нормой» из-за нейросетей Релиз Linux 7.2 оказался аномально крупным по количеству коммитов, однако Торвальдс не видит поводов для переноса сроков. По его словам, разрастание обновлений стало постоянной тенденцией, и существенную роль в этом сыграли ИИ-инструменты, с помощью которых разработчики автоматизируют проведение ревью и поиск ошибок. Основной объем Linux 7.2 составляют мелкие точечные исправления для драйверов, файловых систем и архитектурного кода, а из крупных изменений выделяются только правки для s390/zcrypt, netfilter и инфраструктуры btrfs. Если на финальной стадии тестирования не всплывут критические сбои, полноценный релиз ядра с обновленным планировщиком CPU и GPU состоится уже к концу текущей недели.