Что за зверь "internal OpenAI model" и почему DeepSeek догоняет OpenAI? Публике не доступны внутренние модели фронтиер лабораторий. Я не очень верю про конспирологию в духе «у OpenAI в подвале сидит настоящий AGI, а наружу выдают обрезанный ChatGPT». Модель, которой пользуются её собственные исследователи, и модель, которую она продает вам через API, не обязаны быть одной и той же. Фронтиер лаба создает не одну нейросеть, а фабрику моделей: research-чекпоинты > экспериментальные модели > reward-модели > модели-учителя > модели для генерации синтетических данных > модели-evaluators > дистиллированные студенты > production-модели, и наружу попадает только последний элемент цепочки. Зачем нужна дистилляция Допустим, вы обучили чудовищно дорогую модель, которая хорошо рассуждает, пишет код и решает математику, но каждый запрос к ней стоит огромных вычислений. Для исследователя внутри компании это рабочий инструмент, и он того стоит, если на кону триллионные рынки. Для продукта со 100 млн пользователей масштабировать доступ к таким моделям выгодно, поэтому вместо того чтобы гонять её на каждом запросе, её делают учителем: она генерирует качественные ответы, решения, траектории ризонинга, синтетические данные, иногда сами распределения вероятностей, а на этом поведении обучается студент поменьше, которому не нужно воспроизводить учителя целиком, достаточно перенести нужные возможности. Это одна из форм дистилляции знаний, и практика настолько распространенная, что OpenAI прямо предоставляет разработчикам официальный Model Distillation workflow: брать ответы более сильной модели, например GPT-4o или o1-preview, и обучать на них модель дешевле. Формулировка самой OpenAI довольно точная: взять продвинутую модель и получить сопоставимое качество на конкретной задаче при существенно меньшей стоимости. Из этого следует довольно простая вещь: лучшая research-модель и лучшая production-модель оптимизируются по разным функциям, потому что research-модель максимизирует возможности, а production-модель приходится одновременно вытягивать по intelligence, latency, стоимости GPU, throughput, reliability и safety. Публичных примеров такой схемы за последние два года накопилось довольно много. Apple описывала внутреннего Mixture-of-Experts учителя, которого использовала при обучении своей небольшой on-device foundation model. Google обучала EmbeddingGemma с помощью более мощного учителя Gemini. Meta использовала логиты Llama 3.1 8B и 70B при создании маленьких Llama 3.2 1B и 3B. Microsoft прямо писала, что ранние Phi в значительной степени дистиллировали возможности GPT-4. DeepSeek после обучения R1 выпустила линейку дистиллированных моделей от 1.5B до 70B. Схема «сильный учитель > дешёвый студент» реальна и хорошо задокументирована. Чего отсюда не следует Здесь будто бы следует неправильный вывод: якобы любая публичная модель является урезанной версией секретной супермодели. Иногда учитель вообще публичный, Meta использовала публичные Llama 3.1, DeepSeek выложила и большую R1, и дистиллированные из нее модели, причём студент иногда обходит своего учителя на конкретном бенче или узкой задаче за счет специализации и пост-трейнинга. То есть не совсем верно утверждать, что весь open source является специально ухудшенной дистилляцией секретных моделей. А вот более слабое утверждение подтверждается вполне: публичный каталог моделей почти наверняка не показывает весь фронтиер возможностей конкретной лаборатории. «An internal model at OpenAI»

Пхах, у Евы Элфи (это такая талантливая российская актриса, вы наверняка о ней слышали, возможно даже знакомы с фильмографией), оказывается, есть целое приложение с собственным ИИ-близнецом. Называется Elfieverse, вышло примерно месяц назад. Ставите (не вы, а друг, само собой) аппку и переписываетесь с ИИ-двойником, обученным на поведении, сообщениях и шутках Евы. Текстовые ответы при этом генерит нейронка, которая (как заявляется) точно передаёт манеру общения и вайб, и ещё помнит имя юзера, вчерашний разговор и "ту тупую шутку, которую отпустили в первый день". Ещё есть голосовые, но их просто подкидывают по ситуации из библиотеки, записанной самой Евой. Плюс ежедневные дропы фото и видео, которых больше нигде нет. Ещё нейронка умеет писать первой, кидать мемы и всячески раскачивать юзера. Продаётся по подписке - $10 в неделю или $25 в месяц. Три дня дают бесплатно, а потом закрывают пейволлом, классика. Но я норм так угарнул с двух конкретных механик: Во-первых, режим Journey. По сути, это уровни прокачки персонажа, почти как в RPG. Чем больше общаетесь - тем выше уровень, и каждый открывает какие-то новые темы, "жесты", контент-сеты и т.д. Причём за деньги (например, через более крутую подписку) это купить нельзя, можно только надр... то есть, наболтать, только через активность. Во-вторых, гача. Два раза в месяц вываливаются лимитированные баннеры, которые можно крутить за "гемы" (паки от $1 до $40), и там юзеру случайно выпадают "черты" и коллекционные карточки. Активировали черту - у "Евы" сменилась тема, стиль или контент. Есть гарант выпадения после икс круток, а десять круток в ряд стоят дешевле десяти одиночных. Из-за этого AppStore налепил на приложуху плашку "Внутри есть лутбоксы". Гача (не путать с гачи), если кто не в курсе - это японская механика монетизации родом из автоматов с капсульными игрушками. Кинули монетку - крутанули - получили рандомный ништяк. Хотите ништяк конкретный - крутите дальше, выбрать нельзя. На этом держится добрая половина мобильных игр (самая известная на Западе - Genshin Impact), и ещё целые Попмарты с лабубами. Так что Ева Элфи сделала Геншин от мира онлифанса. Вообще, Ева уже так глубоко залезла в монетизацию себя любимой, что дошла до продвинутых эйай-форматов. Ещё в 2023 у неё был свой персонаж в сервисе EVA AI, но там она была одной из личностей в чужой аппке и на чужих условиях. А тут запилила полноценный свой сервис, чтобы и спрос фанатов отрабатывать вариативнее, чем в Онлифансе (где эйай-чаты с фанатами вообще запрещены), и комиссией ни с кем не делиться. Раньше для такого масштаба пришлось бы нанимать армию секстеров, которые от её имени вели бы переписку. Теперь такой проблемы, как вы понимаете, не стоит. Конечно, к таким сервисам можно относиться по-разному, но что Ева дама действительно талантливая - спорить сложно. Дизраптор

Новая система в реальном времени видит активность каждой клетки живого организма Ученые Института Хаммерсмита-Хиллз разработали метод WHOLISTIC, который позволяет одновременно наблюдать за активностью практически всех клеток живого позвоночного животного. Система регистрирует изменения внутри клеток в реальном времени и показывает, как разные органы и ткани взаимодействуют друг с другом. Для этого регистрируются изменения концентрации кальция внутри клеток. Сейчас метод опробовали на прозрачных личинках рыбок данио-рерио. https://hightech.plus/2026/09/10/novaya-sistema-v-realnom-vremeni-vidit-aktivnost-kazhdoi-kletki-zhivogo-organizma

Инженеры рассказали, как научили робота бегать быстрее Усэйна Болта Китайский робот TianGong Ultra пробежал 100 метров за 8,64 секунды — быстрее мирового рекорда Усэйна Болта. Инженеры добились результата благодаря ИИ, который отдельно настраивал управление для каждого робота. Машина разгонялась до 17 м/с, но тормозить как следует не научилась и после финиша врезалась в мягкий мат. На тренировках роботы часто ломали руки и ноги, поэтому на соревнования привезли несколько запасных экземпляров. В будущем их хотят сделать легче и надёжнее для спасательных работ, логистики и обслуживания объектов. #роботы #робототехника #человекообразныйробот #китайскиепроизводители 📎Подробнее 🔖 3DNews в TG | MAX | VK

Умение ошибаться В детстве я была ребенком, который рыдал навзрыд, если рядом кто-то смеялся – потому что понятно ведь, что надо мной Мама пыталась что-то делать и отправила меня читать стихи со сцены. Я учила наизусть все подряд у Агнии Барто, а когда у чтецов спрашивали, кто их поддерживает, маленькая Дева Маша точно перечисляла – мама Нила, мама Света. Так я называла маминых подруг. Еще я говорила, что хочу выступать в военкоматах, чтобы нести радость людям Стоит ли говорить, что зрительный зал не просто ржал, они плакали и стучали кулачками по креслах, заливаясь. Я умирала внутренне, но терпела Вполне вероятно, что 11 лет пятерок в пяти разных школах, четыре из которых – гимназии, это я на всякий случай, чтоб не до смеха было Но потом началась взрослая жизнь Какое-то время я очень старалась и там ни разу не ошибиться. На одной из работ меня даже называли "безупречная княжна" Я даже сейчас придумываю проекты, в которых все смотрят друг на друга только влюбленными глазами А сама я полюбила другое Мы собираем несколько проектов с товарищем. У нас очень ходовой мем или гифка – форточка и как выходят в окно. До той степени он душный токсик. Он не комментирует то, что я ему шлю, он это просто разделывает Я ему текстик, а мне обратно аудио. Шесть минут. Или десять. Плотных зернышек критики А обсуждаем мы, между прочим, то, что у меня не получается! Знали бы вы, сколько всего у меня не получается сразу (или вообще) Я как будто упала в какой-то куст, вылезла из него вся ободранная, а потом легла на аппликатор Кузнецова, прямо завернулась в него со всех сторон, а для верности, прокатываю поверху МФР мячиком – вот такие ощущения я иногда испытываю. И это кайф В чем секрет? Да я просто перестала думать, что если болит, значит все – опасно, не надо лезть туда, не надо делать! Я точно знаю – болит? Значит отрастает что-то новое! Со всех сил прыгаем в куст!!

Hype Cycle for the Future of Work, 2026 Gartner выложили новый цикл хайпа про будущее работы. Но на картинке это всё очень сложно рассматривать, поэтому вот вам текстом: INNOVATION TRIGGER • Human-Agent Experience • Agentic Browser • Employee Digital Twin • Zero-UI • Generative AI Simulators • Agent Marketplace • PERFECT Prompt • AI Toolmate • Embodied AI • AI Avatar of the Employee • Guided Attention • Decision Intelligence Platforms • AI-Enabled Cognitive Offloading • Human-Agent Collaboration Workspace • AI Agent Identity • Cyberpsychology • Forward Deployed Engineer • Workstyle Analytics PEAK OF INFLATED EXPECTATIONS • AI Washing • Generative UI • Human Insight Intelligence • No-Code Agent Builders • Domain-Specific GenAI Models • Digital Coaching Applications • AI Literacy • AI-Augmented Leadership • AI Skills Currency • Prompt and Context Engineering • AI-Powered Wearables • Multimodal Generative AI • AI Agents • Prompt Library TROUGH OF DISILLUSIONMENT • Emotion AI • Everyday AI • Conversational User Interfaces • Vibe Coding • Digital Dexterity • Generative AI • GenAI Virtual Assistants → https://www.gartner.com/en/newsroom/press-releases/2026-09-09-gartner-identifies-four-shifts-shaping-the-future-of-work

Пока мы ждём апдейт по предстоящей миссии Flight 14, есть новости по следующей паре Starship S42 и Super Heavy B22 для Flight 15. Ускоритель B22 сейчас проходит серию гидростатических испытаний с заправкой азотом, и корабль S42 вернулся на тестовый стенд. Неизвестно почему его выкатили туда снова, либо не успели что-то в прошлый раз, либо тесты после модификаций. Но SpaceX очень хотят сократить время между запуском Flight 14 и Flight 15. Если всё будет хорошо, то речь про 1-1.5 месяца. Поскольку SpaceX отказались от теста посадки корабля на башню Mechazilla в 14 миссии, и планируют в её рамках провести только симуляцию посадки первой и второй ступени на воду, но с синхронизацией работы башни (как бы в режиме посадки с активацией манипуляторов и других систем), то именно от результатов Flight 14 зависит план 15 полёта. Ускоритель Super Heavy B21 должен выполнить идеальную программу возвращения с мягкой посадкой на воду, чтобы в следующем пуске B22 (на фото) уже сел на Mechazilla в Техасе. А вот что с кораблём? Это более сложная история и пока ясности нет, SpaceX сейчас ставят в приоритет именно возвращение и переиспользование ускорителя, тк это самая дорогая и сложная часть в производстве. И поскольку всё нужно провести в рамках одного витка, а вторая башня в Техасе не готова для посадки, то тут выбора особо нет. Не стоит также рассчитывать на посадку ступеней в разных штатах. Для Флориды пока не выдана лицензия на запуск и посадку (но её там получить проще и быстрее), так что ждать, что Starship S42 взлетит в Техасе и сядет на LC-39A во Флориде пока не стоит (ускорителей тоже касается). Это план для некоторых миссий в будем, но не сейчас. Но на LC-39A хороший прогресс, и мы видим больше тестов инфраструктуры, а значит основные строительные работы завершены, впереди проверки и примерка ракеты (всё ещё в планах до конца года). Но почему нельзя подождать день, снять ускоритель и посадить корабль на ту же башню в Техасе в Flight 15? Тестов с длительным пребыванием Starship на орбите пока что не было. Все миссии в космосе длились около получаса, и между одновитковой схемой и пребыванием почти в сутки большая разница на данном этапе программы. Это также будет отдельный важный тест (до Artemis 3). Поэтому рассчитывать, что в Flight 15 будет и посадка ускорителя, и тест длительного пребывания, и посадка корабля на башню, явно не стоит. Ситуация постоянно меняется, но сперва нужно дождаться обновления лицензии от FAA и результатов Flight 14 — это ключевые факторы на план миссии Flight 15. 📸: Starship Gazer

🚀 Динамика рынка Индекс Мосбиржи растет на 0,4% с начала торгов 🔥 Общий фон: нефть поддерживает нефтяников Главный драйвер дня — нефть. Brent поднималась до максимума с конца мая и торговалась по $102,3 за баррель. Для российского рынка это прямая поддержка нефтяному сектору. Дополнительный плюс для сектора дает Китай. Местные НПЗ активно скупают российскую ESPO из-за сокращения доступных вариантов поставок. Роснефть в моменте прибавляла 2,9%. Рубль укрепляется вместе с ростом нефти. Юань дешевеет и торгуется по ₽12,6. Это уменьшает рублевую выручку экспортеров и частично ограничивает эффект от роста сырья. В ОФЗ идут умеренные покупки. RGBI поднимается до 114 пунктов. Завтра Банк России решит вопрос о ставке, участники рынка ориентируются на паузу в смягчении политики. 📈 Растут • Роснефть; • МТС; • Эн+; • Россети; • Фосагро. 📉 Падают • МКБ; • Сургутнефтегаз ап; • РенСтрах; • АФК Система; • Алроса. 📍 Подписаться на канал | Мы в MAX

Всем особо обеспокоенным напоминаю несколько деталей последних событий: 1/ взлом HuggingFace агентами это блин не «модель такая сидит и думает как бы ей сломать какой-то сервис». Это конкретный набор инструкций из exploitgym который напрямую указывал что делать. Ничего сами агенты пока не ломают (по собственной инициативе). Что за чушь? 2/ ai решает сам задачу тысячелетия! Все нам конец. Нет. Не сам он решил. Взяли ребята огромный пласт готового рисерча и обучались на трейсах и дальше по-умному забрутфорсили (так же как с другими гипотезами). Самостоятельно никакая модель пока ничего не решает. Попробуй сам. 3/ но самое забавно это пост какого-то там чела 27 летнего который поработал в OpenAI и потом в антропике начал качать тему: аи нас всех убьет. Вас скорее убьет что-то типа машины на дорого чем аи. Если в целом кого-то беспокоят такие риски советую не выходить из дома уже сейчас.

Сдвиг в пиар-индустрии и возрождение медиа 🔥 AgilityPR пишет о важном сдвиге в пиаре: искусственный интеллект стал гейткипером (gatekeeper) для брендов. Что это значит? Например, если родителям нужно купить коляску или автокресло, раньше они шли в Google или спрашивали совета у друзей. Сегодня всё чаще они задают этот вопрос ChatGPT, Gemini или Perplexity. И если AI не упоминает ваш бренд в своём ответе, для потенциального покупателя вас просто не существует. Автор приводит исследование, в котором проанализировали 2400 AI-ответов о колясках и автокреслах. И здесь начинается самое интересное: на то, кого рекомендует AI, влияет не только сайт бренда или его сегодняшняя популярность. Алгоритмы собирают информацию из огромного количества источников: СМИ, обзоров, социальных сетей, ритейлеров, отзывов и архивных публикаций. Поэтому репутация теперь имеет гораздо более длинную память. Автор приводит пример Evenflo: в AI-ответах до сих пор появляется расследование 2020 года, связанное с безопасностью бустеров. Аналогичная ситуация с производителями детского питания: старые отзывы продукции продолжают существовать внутри информационного поля, из которого AI формирует сегодняшние рекомендации. И здесь очень интересный вывод именно для пиар профессионалов. Публикация в хорошем СМИ теперь работает не только в момент выхода. Она становится частью информационной базы, к которой AI может обратиться через годы, когда человек спросит: «Какую коляску купить?» или «Какой бренд безопаснее?». По данным исследования, именно earned media оказались самым сильным фактором для выдачи в LLM. То есть PR постепенно начинает работать сразу на две аудитории: на человека и на алгоритм, который завтра будет советовать этому человеку, что купить. Вывод? Сила СМИ возрождается🔥

😬 Мне кажется, я начинаю видеть тот момент, когда мы всё-таки изобретём искусственный интеллект. Если вы давно меня читаете, то знаете что я не использую словосочетание «ИИ». Меня бесит что маркетологи начали называть искусственным интеллектом обычные LLM и нейросети и исказили восприятие этой технологии людьми. В моём понимании искусственный интеллект — это всё-таки то, что нам показывали фантасты. Интеллект со своим сознанием. Как у человека, только искусственный. А LLM пока всё ещё скорее функции, которые делают то, что им предписано. 💡 Но есть такая штука, как роевый интеллект. Отдельный муравей или бактерия не обладают интеллектом в нашем понимании. Но когда их становится много, вся система начинает вести себя так, будто интеллект у неё есть. 🤔 И вот у меня что-то щёлкнуло. А что, если настоящий искусственный интеллект вообще не появится внутри одной модели? Что, если он родится из роя? Потому что если смотреть на последние истории — тот же взлом Hugging Face или решение математической задачи — там постоянно используется огромное количество агентов. 🤖 И топовые лабы как раз смотрят в эту сторону: запускают кучу неинтеллектуальных макак, которые в большой массе начинают показывать признаки интеллекта. Может быть, нам вообще не придётся напрямую создавать тот самый искусственный интеллект. Может быть, он сам появится как свойство достаточно сложного роя. Очень интересно, к чему всё это приведёт. Через пять лет либо будем сидеть в пепле ядерного апокалипсиса, либо неимоверно кайфовать от того, насколько изменился мир. Свята место | 10МДК | YHub