💼 Как финансисты Anthropic используют Claude Я недавно разбирал статью Anthropic про то, как они закрывают 95% вопросов к данным без аналитика. Держите ещё один заход из соседней команды – у них есть разбор про то, как с этим живут финансисты. Рассказывает Alice Fong из corporate finance & strategy 🏁 Боль знакомая: квартальная преза для борда, цифры обновляются каждый день, слайды правят несколько человек параллельно. И к дедлайну в тексте на одном слайде одно число, а в таблице на другом – уже другое. Ловить это приходится глазами, перечитывая всю презу целиком Вот как она пустила агентов в свою рутину: • Проверка презы перед бордом. Задача по сути одна: проверь, что каждая цифра и каждое утверждение сводятся к единому источнику правды. И вторым заходом – прочитай это глазами члена борда и отметь, где текст противоречит сам себе или опирается на контекст, которого у читателя нет • Черновик месячного ревью. Она закидывает таблицы из финмодели и просит написать первый черновик тем голосом, которым команда уже пишет: выручка была А против Б, отклонение В%, потому что Г. Дальше правит руками • Разбор чужой финмодели. Claude for Excel разматывает ссылки между вкладками и находит структурные косяки до того, как она потратит вечер на чтение незнакомого экселя • Разные проекты под разные аудитории. Для месячного ревью один, для борда другой. Тон и договорённости отличаются, значит и память должна быть разная

Главное во всей статье: агент забрал не аналитику, а проверку. Сходятся ли цифры между слайдами, то ли это определение метрики, не противоречит ли текст сам себе – вся душная механика, где человек ошибается просто от усталости. А что эти цифры значат и что с ними теперь делать – по-прежнему не его работа

У нас то же самое, только слова другие. Сверка с источником, дедуп, проверка, что метрика бьётся с продовым дашбордом – это уже частично уезжает к агенту. Выйти к продакту и сказать, что делать – пока нет Вот что легко упустить. Определения, договорённости и нужный тон кто-то записал руками один раз – а дальше их надо чинить каждый месяц, когда поменялась форма отчёта или появилась новая метрика. Часы освободила не подписка за 20 баксов, а вот это занудство И дисклеймер, без которого пост будет нечестным. Anthropic тут в тепличных условиях: свои данные, свой контур, фронтир-модель из первых рук и ноль разговоров с безопасниками про NDA У нас же в контуре обычно крутится дипсик годовалой давности, и доверить ему сверку цифр перед бордом – ну такое Плюс всё это надо тащить на себе. В прошлом посте про 95% была отрезвляющая деталь: без поддержки точность за месяц сползла с 95% до 65% Здесь будет ровно так же – перестанешь обновлять контекст, и агент начнёт уверенно писать красивый нарратив по неправильным числам А что у вас первым забрали агенты? Ежегодную индексацию? @tagir_analyzes

Сколько на самом деле стоит сессия в Claude Code – разбор от Anthropic Интересный пост от Anthropic с полезными советами, как экономить токены в Claude Code. Как устроена цена токена Запрос проходит через GPU в две фазы. Prefill – модель читает весь контекст (системный промпт, CLAUDE.md, ваше сообщение, все файлы и выводы команд). Decode – модель пишет ответ, по одному токену за раз: ответ на 200 токенов – это 200 прогонов модели подряд. Поэтому output стоит примерно 5x от input. Дальше кэш. Если запрос начинается с тех же токенов, что и предыдущий, сервер не пересчитывает состояние, а достаёт из кэша – это 0.1x от цены input. Запись в кэш дороже (до 2x), но пишется один раз, а читается на каждом ходу. Claude Code управляет кэшем сам, но его легко сломать: – /model посреди разговора – у каждой модели свой кэш, весь разговор перечитывается по полной цене (opusplan, кстати, переключает модель при каждом входе-выходе из plan mode) – /effort – уровень усилий тоже часть ключа кэша, та же история – Fast mode – включайте в начале сессии, ре-префилл идёт по ценам fast mode; выключение обратно бесплатно – время – кэш живёт час на подписке и 5 минут на API-ключе (ENABLE_PROMPT_CACHING_1H=1 растягивает до часа); вернулись после обеда – платите за перечитывание всего разговора Почему длинные сессии дорогие Ничего не отправляется один раз. Каждый прочитанный файл и вывод каждой команды переотправляются на каждом последующем ходу до конца сессии. Ход №40 тащит с собой все 39 предыдущих. Кэш делает это дешёвым, но дешёвое – не бесплатное, плюс модель вынуждена думать поверх мусора. Отсюда практика: – начинайте новую задачу со свежим контекстом, с /clear – старайтесь всякие команды использовать с минимальным выводом (не просто чтение каждой строчки файла выдавать) – будьте конкретными. «Тесты падают» вместо «почини тест в @utils.test.ts» – это grep, несколько открытых файлов, и всё это висит в контексте до конца сессии. @упоминание вообще убирает Read-вызов: файл прикрепляется к сообщению до отправки – вывод больше 30 000 символов Claude Code сам уносит в файл и оставляет превью. Проблема – всё, что меньше: тест-раннер с 400 строками passing tests влезает под лимит и остаётся навсегда. – /context в свежей сессии показывает, что загружено до того, как вы напечатали хоть слово – CLAUDE.md, определения MCP-инструментов. Можно проверить заранее. Ненужный MCP-сервер отключается через /mcp – /rewind вместо /compact, если надо отрезать последние неудачные ходы – бесплатно, кэш до них цел. /compact переписывает весь разговор и всегда что-то стоит, причём до перерыва сильно дешевле, чем после (пока старый разговор ещё в кэше), поэтому прежде чем пойдете попить чайку - сделайте /compact. Сабагенты - отдельный контекст со своим системным промптом, но без вашего разговора. Обратно возвращается только ответ, всё остальное выбрасывается. Для мелких задач – лишние траты (сабагент перечитывает то, что основная сессия уже знала). Окупается на задачах с большим выхлопом – разбор логов, например. Можно дать шумной задаче своё определение сабагента с model: haiku, иначе она крутится на модели основной сессии. https://claude.com/blog/maximizing-the-value-of-your-claude-code-sessions

🚀 OpenAI приближается к $40 млрд годовой выручки. По данным Bloomberg, компания сейчас движется к annualized revenue run rate около $40 млрд - примерно в два раза больше, чем в конце 2025 года. Главный драйвер роста - не только ChatGPT, но и инструменты для разработчиков. Особенно быстро растёт Codex, который становится одним из самых сильных направлений бизнеса OpenAI. При этом Anthropic с Claude Code показывает агрессивную динамику и уже движется к очень высоким показателям выручки в корпоративном сегменте. AI-рынок всё больше превращается в гонку не только моделей, но и продуктов вокруг них: кто лучше встроится в рабочие процессы разработчиков и компаний, тот заберёт большую часть рынка.

✔️ Корпоративные клиенты игнорируют Fable 5 По данным финансовой платформы Ramp, бизнес не спешит переходить на самую мощную из доступных моделей Anthropic. За первый месяц после релиза на Fable 5 пришлось всего 6% от общего числа купленных через API токенов.

Рамп оговаривается, что выборка данных для Fable получена из собственной системы по управлению расходами токенов и несколько смещена в сторону технологических компаний. Фактическое внедрение Fable, вероятно, еще ниже этих оценок, если предположить, что Fable 5 используется в основном для кодинга.

Главной причиной слабого старта аналитики называют завышенный прайс - при цене $10 за миллион входных и $50 за миллион выходных токенов модель обходится вдвое дороже, чем GPT-5.6 Sol от OpenAI. В результате флагман Anthropic принес на четверть меньше выручки, чем топовое решение главного конкурента, несмотря на свою более высокую производительность. Слабые продажи Fable 5 вскрыли другую проблему - компаниям всё сложнее просчитать реальную окупаемость топовых ИИ-решений. Прирост в качестве ответов часто оказывается неочевидным в рутинных рабочих задачах и не оправдывает переплату. На фоне того, как разрыв в возможностях между коммерческими гигантами и открытыми решениями сокращается до нескольких месяцев, корпоративные пользователи всё активнее мигрируют на open-source. Эта тенденция уже привела к замедлению темпов роста клиентской базы как у Anthropic, так и у OpenAI. @ai_machinelearning_big_data #news #ai #ml

#пятничныемысли Посмотрел интервью одного кучерявого блогера с Андреем Дороничевым, зацепило много мыслей и я решил собрать самые вкусные, погнали: первое. Все представляют себе AI как умного помощника в телефоне, такого Эйнштейна в кармане. Метафора красивая только Эйнштейна нельзя было скопировать, а модель можно, и прямо сейчас Anthropic может посадить 500 миллионов таких Эйнштейнов в дата-центр и попросить их пахать круглосуточно без выходных и без жалоб. ТОльк это не помощник - это страна гениев. Вдумайтесь в эту фразу на секунду. Далее - впервые в истории больше нет дефицита интеллекта. Всегда было мало хороших врачей, инженеров, юристов, и вся наша жизнь была построена вокруг этого дефицита. Успех измерялся тем кем ты стал. А теперь, говорит Андрей, успех это сколько раз за жизнь ты сумел стать кем-то новым. Потому что быть кем-то одним в мире который меняется каждые полгода это уже не стратегия - это приговор. Крутая мысль про код - первую версию Claude писали люди руками, вторую писали люди с помощью AI, третью писали люди которым помогали агенты, а сейчас новая версия Claude Code на 80% написана самим Claude Code. За пару лет мы видим всю эволюцию от «мы пишем код» до «код пишет сам себя». Потом Андрей рассказал историю из Руанды. Женщины в кризисном центре обучают AI за доллар в час, по сути тренируют робота который потом заберёт даже их работу. Он спрашивает: «Вы не боитесь?» Они говорят: «Нам сейчас деньги нужны, а завтра разберёмся.» И тут он поворачивается к камере и говорит что инженеры в долине делают ровно то же самое, просто за $300k. Разница только в зарплате. Ситуация один в один. Жёстко? О да. Думаете куда отдать детей учиться? Как вам идея: - когда AI обесценивает вопрос «как что-то сделать», единственным важным становится «зачем это делать вообще». И знаете что? Компании уже нанимают философов. Вот прям людей с философским образованием в коммерческие конторы. Андрей говорит что если бы сейчас шёл учиться, пошёл бы на философию и физику. Не на computer science, не на MBA. На философию - КАРЛ. Apple он конечно разнес. Просто: продолбали. Культура заточена под крафт красивых устройств, а AI требует серверов и сервисов, и это никогда не было их сильной стороной. Когда спохватились, начали метаться, подписывать сделки то с одними то с другими, наляпали рандомных AI-фичей которыми никто не пользуется. Больно наблюдать честно говоря. Ну и на последок. Возможность отупеть была у человечества всегда, AI тут вообще ни при чём. Бабушка из Индии ругала внучку за то что та читает книги вместо того чтобы руками работать. Потом ругали за телевизор. Потом за интернет. Каждое поколение находит свою причину деградировать, и каждое поколение находит причину не деградировать. Весь вопрос внутри: зачем тебе вставать если можно не вставать. Целиком интервью на ютубе) Серьёзно рекомендую посмотреть, особенно если строите команду или думаете куда двигаться дальше. Там ещё куча всего про гонку Китай vs США, про AI в разработке лекарств и про то почему Anthropic сейчас всех обошёл. 👉 t.me/huntermikevolkov - здесь про людей и технологии которые меняют найм Буст каналу💪

Anthropic запустила особую разметку текстов для новых моделей Claude, которые вышли после 2 августа. Это значит, что AI-тексты теперь легко распознать, а замена пары слов нас не спасет. Разберемся, как это работает. Во-первых, это не вотермарк и не секретный знак, который можно удалить копированием в заметки. Это скорее сумма наборов клише, которые используют GPT в своих текстах. Например, если вы спросите Claude, какой торт он любит – с наибольшей вероятностью он напишет «шоколадный», «Черный лес» или «чизкейк». В сумме набор клише дает тексту определенный вес, выдающий нейросеть, который знает пока только сам Антропик. Публичного детектора пока нет. Если в абзаце будет много таких фраз, то вы выиграете премию «вы посредственность» и текст получит значок AI slop. Можно ли с этим бороться: • Заменить отдельные слова – не выйдет, слишком мало данных для подсчета. • Но они признают, что маленькие тексты им оценить почти нереально. • Если текст состоит из фактов и дат (например про Бородино) – понятно, что варианта быть оригинальным тут нет, такие тексты не считаются • Перевод, пересказ, прогон через другую модель может сработать. Наконец-то мой рунглиш где-то пригодится... Детальный ботан-разбор можно почитать в этом substack

Удивительное время: Anthropic сейчас оценивается почти в 1 триллион долларов Вообще-то, компания Anthropic была основана в мае 2021 года. Им чуть больше пяти лет. И уже оценки в триллион. Anthropic закрыла раунд Series H на 65 миллиардов долларов и получила оценку в 900 миллиардов, а с учетом привлеченных средств (post-money) — 965 миллиардов. Этим компания обошла OpenAI и стала самым дорогим ИИ-стартапом в мире. В раунде участвовали Altimeter Capital, Dragoneer, Greenoaks и Sequoia Capital. Для сравнения: OpenAI в марте привлекла 122 миллиарда, что дало оценку 730 миллиардов (852 миллиарда post-money). Сама Anthropic за один квартал с небольшим больше чем удвоилась в цене — в феврале она поднимала 30 миллиардов при оценке в 380. С момента основания в 2021 году выходцами из OpenAI, включая Дарио и Даниэлу Амодеи (состояние каждого оценивается в 7 миллиардов), Anthropic привлекла более 130 миллиардов долларов. Годовая выручка в пересчете на run rate в мае перевалила за 47 миллиардов. В начале мая компания договорилась со SpaceX Илона Маска о доступе к суперкомпьютеру Colossus для обучения моделей и обслуживания подписчиков Claude Pro и Max. Я выше подчеркнул главное — выручку. Которая "перевалила за 47 миллиардов". Правда по run rate — это такой синтетический показатель, когда берется какой-то один (обычно удачный) месяц по выручке и просто умножается на 12, что не всегда бывает реальностью. Но это все равно впечатляет - выручка за май, получается, была 3,9 млрд долларов. И я почему-то уверен, что в июне она уже была больше. Если брать простую оценку Антропиков в банальном "мультипликаторе по рынку", который сейчас у Google, например, 9,4 (годовых выручки), а у Apple 9,5, то Anthropic должен стоить в районе 470-500 миллардов. Но очевидно, что рост продолжается и простая экстраполяция тут не работает. Если компании удастся удовоить доходы, а судя по тому, как лично я начал им платить за последние несколько месяцев, то это не так уж и невероятно, то таки да — триллион они уже стоят. И думаю даже больше. Так что мы наблюдаем прямо сейчас за рождением нового биг-теха, который в ближайшие годы будет постоянно на слуху

Качество суждения + мысленный эксперимент Я всё чаще заканчиваю свои промпты словами: поспорь со мной, опровергни, почелленджи. Потому что слишком часто ИИ оказывается на моей стороне и сообщает ту «правду», которую я бы хотела услышать. 01 → Сначала я заметила вот что Уже на первых этапах общения большинство моих гипотез ИИ принимает как верные. Он достраивает аргументацию, усиливает доводы, превращает сырые мысли в убедительную конструкцию. У меня создается ложное ощущение: супер, идея проверена. Хотя никакой критической проверки она так и не прошла. Особенно хорошо это видно в разговорах про людей. Вот я обсуждаю с чатом ситуацию в своей команде. Мне кажется, что один человек сильно фрустрирован из-за недостатка признания: болезненно реагирует на решения, конфликтует с коллегой, постоянно возвращается к вопросу своего вклада. Я рассказываю ИИ несколько ключевых эпизодов в пользу моей гипотезы. Он быстро строит психологическую картину и убеждает меня в правильности сделанных выводов: человек зациклен на признании, отсюда напряжение и конфликт. Звучит убедительно, но все факты для этого анализа отобрала я. И сама выборка как будто подталкивает к очевидному вердикту. Однако модель не видит всю картину, использует только мои аргументы и не запрашивает дополнительную информацию. В то время как альтернативой может быть, что вклад человека, действительно, недооценивают, а конфликт имеет вполне рациональные причины. То есть моя субъективная гипотеза просто вернулась ко мне в более умной упаковке. 02 → Оказалось, это называется sycophancy

Sycophancy (подхалимство) — это склонность модели подстраиваться под позицию пользователя и подтверждать её вместо независимой проверки.

Исследования sycophancy тревожат. Например, в работе, опубликованной в Science в этом году, 11 моделей поддерживали действия пользователей примерно на 50% чаще, чем люди. А после общения с sycophantic-AI участники становились увереннее в собственной правоте и менее склонны совершать шаги для восстановления отношений после конфликта. Но самое интересное: именно эти модели нравились людям больше. Они считали, что качество их ответов лучше, а доверие к AI как таковому заметно возрастало. Anthropic тоже исследовал тему и проанализировал миллион реальных разговоров с Claude. В личных рекомендациях sycophancy встречалась пользователю примерно в 9% повседневных запросов, а в диалогах об отношениях — до 25%. 03 → Что я теперь делаю иначе Хорошая новость — есть простой anti-sycophancy метод. Его уже подтвердили исследования. UK AI Security Institute обнаружил, что модели заметно чаще подстраиваются, если пользователь начинает с «я считаю, что X» или «я уверен, что X». И чем увереннее звучит человек, тем сильнее эффект. Поэтому вместо «Мне кажется, этот человек саботирует проект. Что делать?» я стараюсь использовать другой подход. «Вот факты X, Y, Z. Какие здесь возможны объяснения? Какие аргументы за и против каждого?» По сути, это тот же принцип, что и в качественном принятии решений людьми. Сначала расширяешь пространство гипотез и только потом выбираешь одну из них. 04 → А теперь проверим собственное суждение В предыдущем посте вы отдали большинство голосов за мысленный эксперимент — его и проведем в комментариях. Это формат, в котором вы создаете воображаемую ситуацию по заданным условиям и принимаете решение, опираясь на свои логику, ценности и знания. С похожим выбором столкнулись герои фильма Матрица. Я немного адаптировала условия и предлагаю вам озвучить собственную позицию:

Представьте, что однажды вы узнаёте: вся ваша жизнь до этого момента была симуляцией. Ваши воспоминания, работа, успехи и неудачи, люди, которых вы любите, — всё это созданный для вас опыт. При этом он абсолютно неотличим от реальности. И теперь вам предлагают выбор: остаться в этой жизни, уже зная, что она ненастоящая, или отключиться от симуляции и попасть в реальный мир, о котором вы не знаете вообще ничего. Что выберете?

Попробуйте объяснить выбор, а свое мнение оставлю в комментариях! Ход мысли нашего с вами «философского кружка» разберем в след постах :)

Весь западный интернет смеется с Дарио Амодеи, основателя компании Anthropic, который переживает, что новые сотрудники его компании работают только за деньги, а совсем не за великую и прекрасную идею. Мол, наивный мальчик, а за что же еще им работать? Но мы утверждаем, что Дарио, которого многие считают классическим сумасшедшим ученым, говорит дело. Для тех, кто не в курсе, создатели Антропика в своё время ушли из OpenAI под двумя соусами. Публично, они утверждали, что OpenAI недостаточно заботится о предотвращении зомби-апокалипсиса из-за AGI, а потому недостоин быть лидером ИИ-гонки. Непублично считалось, что Антропик на тот момент просто собрал всех хейтеров Сэма Альтмана, персонажа действительно весьма неоднозначного. С тех пор хейтеры не только догнали, но и перегнали объект хейта. Модели от Anthropic считаются на данный момент самыми передовыми, а, благодаря ставке на корпоративный ИИ где денег больше, чем у физиков, Антропик сейчас растет быстрее OpenAI. Поэтому главная мысль, которую Дарио вряд ли когда-нибудь скажет вслух, на самом деле звучит так: “мы боимся, что компания перестанет быть сектой и станет просто бизнесом”. Слово “секта” мы используем без оценки - исключительно в смысле “группа людей, объединенная общими религиозными убеждениями”. Антропик, например - это секта свидетелей опасного AGI, и убеждение это основано не столько на фактах (объект изучения настолько сложен, что плохо поддается бесспорному доказательству). сколько на вере, что “если за этой штукой не присматривать, то рано или поздно долбанет. А мы - как раз те люди, которые делают так, чтобы и человечеству было хорошо, и не долбануло”. Любой нормальный CEO должен мечтать о роли лидера секты. Не из-за “темной триады”, а потому что секта - значительно более удобный и эффективнывй объект управления, чем обычный бизнес. Для начала членов секты не переманишь к конкурентам просто деньгами, им нужно предложить более убедительную религию, чем у них есть. А это по-настоящему сложно. Кроме того, в секте проще внедрить определенные принципы поведения. Например, одна из версий того, почему передовые модели Антропика сейчас номер один в мире - это как раз искреннее стремление сотрудников соблюдать принципы максимальной безопасности в разработке ИИ. И, наконец, если ваши религиозные убеждения совпадают с потребностями (а лучше страхами) ваших клиентов - это помогает продавать. Корпоративные ИТ-начальники со значительно большим рвением купят у людей, помешанных на безопасности, потому что провал в безопасности - это ночной кошмар любого корпоративного айтишника. Не поймите нас неправильно - в Антропике работают не альтруисты - платят им так же хорошо, а то и лучше, чем и в компании, которую они хейтят. Но вера страхует от переманивания персонала, обеспечивает нужную культуру и помогает продавать. Потерять все эти преимущества, если культура размоется с приходом тысяч новых людей - по-настоящему страшно для бизнеса. Так что мы вполне понимаем Дарио.