Как пиар-консультанты сами себе режут партнеров. Пишет мне друг: "Посоветуй фрилансера на проект". Кидаю ему 4 контакта. Он со всеми поговорил и пишет: "Я думаю, вот этит две девушки подходят, попробуем с ними. Что скажешь?" Прежде, чем ответить, иду к ним в личку и пишу в духе: порекомендовала тебя, могу продолжать это делать, запросы периодически прилетают, хочу 10% комиссию с первого чека. Одна из них пишет: "Я видела рекоммендацию как обычный жест поддержки, а не коммерческое сотрудничество... Комиссию выделить не смогу". Речь про 60 евро :) То есть тут совершенно понятно – для меня дело не в деньгах, а обмене энергией, некой благодарности. "Ну что ж", – думаю я. Если выбор стоит между 60 евро и потенциальными будущими проектами и рефералами, то как-то даже обидно, что настолько ошиблась в рекомендации человека 😅

ЭВМ в народном хозяйстве: снабжение, телефон и мечты о цифровой экономике Виктор Глушков вкладывал в свой проект куда более смелую идею, чем просто сеть вычислительных центров на всю страну. Он предлагал перевести расчёты населения на безналичную основу, то есть, по сути, создать государственную систему безналичных платежей за два поколения до банковских приложений. Эту часть отклонили сразу, а саму сеть оценивали в 20 миллиардов рублей с окупаемостью уже в первую пятилетку. Судьбу всего проекта решили на одном заседании Политбюро осенью 1970 года. В тот день на нём не оказалось двух людей, которых считали вероятными сторонниками сети, потому что один был в Баку на торжествах по случаю 50-летия советской власти в Азербайджане, а другой находился в Каире на похоронах президента Египта. Публичным аргументом против стал анекдот про курятник, но, по словам самого Глушкова, за ним стояло совсем другое. Разберём, что стояло за этим анекдотом и чем в итоге обернулась история сети.

Деньги за тайну Инженеры придумали ставить на сайты счетчики. Рекламные сети видят с их помощью целевые действия, считают конверсии и в конечном итоге приводят более подходящих пользователей по более низкой цене. Бюрократы придумали, что больницам эту технологию использовать нельзя. Счетчик видит и передает в Google, как человек долго изучал страницу о конкретном заболевании и кликнул на кнопку “перезвоните мне”. По сути разглашается информация о здоровье, ай-ай-ай. После нескольких скандалов и судов медицинские учреждения массово поснимали со своих сайтов чужие коды. И, соответственно, испортили себе эффективность рекламы. Американский #стартапдня Ours Privacy придумал как её починить обратно. Он раздает свой собственный пиксель, получает через него информацию о конверсиях, вычищает из неё медицинскую тайну и отправляет в рекламную систему то, что им надо для правильного таргетинга. С технической точки зрения – ерунда, AI прототип такого сервиса за вечер запрограммирует. С бизнесовой – плата за риск. Стартап обещает, что у него данные никак не утекут, и берет деньги по сути за это. IT-гиганты от такой ответственности, между прочим, отказываются. В теории они могли бы правильные договора с больницами заключить, и тогда их счетчики стали бы легальны. Но Google и остальным такое счастье не надо, штрафы и для них могут быть существенны при взломах и подобном. В недавнем раунде Ours Privacy привлек 15 миллионов долларов. #юристы #маркетинг #сша #здоровье #rounda

В июле 2025 года METR провела рандомизированный контролируемый эксперимент: 16 опытных разработчиков, 246 задач, данные февраля по июнь 2025 года, инструменты Cursor Pro с Claude 3.5 и 3.7 Sonnet. Результат дословно: разрешение использовать ИИ увеличило время выполнения на 19 процентов, с доверительным интервалом примерно от плюс 2 до плюс 39 процентов, при том что после эксперимента те же разработчики оценивали ускорение в 20 процентов. Один эксперимент не приговор, и сама METR отмечает, что это замер начала 2025 года. Но он показывает, как легко спутать ощущение ускорения с ускорением, и почему ощущения плохой измеритель. 4. Что говорят данные о темпе, и как их читать? Есть тренд, который цитируют чаще всего. METR измеряет временной горизонт задач: длину задачи по человеческому времени, которую модель решает с вероятностью 50 процентов. Этот горизонт удваивался примерно каждые семь месяцев в 2019 по 2025 годы, а на данных 2024 по 2025 удвоение выглядит ближе к четырём месяцам. Anthropic на странице When AI builds itself приводит именно эту ускоренную оценку и добавляет внутренние данные: более 80 процентов кода, вливаемого в кодовую базу Anthropic на май 2026 года, написано Claude, Anthropic а типичный инженер во втором квартале 2026 года вливал в 8 раз больше кода в день, чем в 2024 году Anthropic. Строки кода это количество, а не качество, и Anthropic честно оговаривает, что величина 8x почти наверняка завышает реальный прирост продуктивности. Кривая METR очень чувствительна к нескольким длинным задачам, а человеческие базовые времена измерены лишь для малой части самых длинных задач. Но это не доказательство того, что машина сама выбирает направления исследований. Именно выбор целей Anthropic называет своим главным оставшимся разрывом. И ещё один датапоинт против прямолинейной экстраполяции. Дэниел Кокотайло, ведущий автор сценария AGI 2027 (апрель 2025), к концу 2025 и в 2026 году сдвинул свою медиану ближе к 2029 и 2030 годам, потому что прогресс идет несколько медленнее сценария. Скептики вроде Эге Эрдиля и Тамая Бесироглу из Epoch AI держат горизонт AGI за 2045 годом и не считают интеллектуальный взрыв правдоподобным, хотя допускают взрывной экономический рост. Когда авторы самого известного сценария сдвигают сроки, это сигнал, что экстраполяцию одной кривой стоит принимать с осторожностью. 5. Что реально засчитывалось бы как доказательство? Чтобы говорить о RSI как о свершившемся факте, а не о маркетинге, нужен повторяемый рост исследовательской способности на протяжении нескольких поколений моделей, измеренный с учётом двух вещей: человеческого вклада и стоимости вычислений. Конкретно я бы смотрела на следующее: - Растёт ли способность модели самостоятельно выбирать направления исследований, а не только исполнять поставленные эксперименты, ведь именно этот разрыв называет своим Anthropic. - Сохраняется ли ускорение, когда вы фиксируете бюджет вычислений, а не наращиваете его. - Держится ли эффект на нескольких поколениях подряд, а не на одном удачном релизе. - Подтверждается ли он контролируемыми замерами вроде METR, а не опросами и ощущениями. Пока хотя бы часть этих условий не выполнена, разумно считать, что мы видим ускорение отдельных задач, ровно как и написала сама OpenAI 9 сентября 2026 года.

b) Оценки фронтиер-лабораторий 2025 и 2026 годов огромны. OpenAI 2 октября 2025 года завершила вторичную продажу акций на 6,6 миллиарда долларов при оценке 500 миллиардов долларов, из авторизованных 10,3 миллиарда, обогнав SpaceX как самая дорогая частная компания мира. Anthropic закрыла раунд Series G на 30 миллиардов долларов 12 февраля 2026 года при post-money оценке 380 миллиардов долларов, ведущие инвесторы GIC и Coatue. xAI закрыла увеличенный раунд Series E на 20 миллиардов долларов 6 января 2026 года при оценке около 230 миллиардов долларов, причем сама компания подчеркнула, что раунд превысил целевые 15 миллиардов. Обещание петли самоулучшения оправдывает такие капитальные затраты лучше, чем обещание еще одного полезного продукта. c) Контракт OpenAI и Microsoft показал, как дорого стоит определение AGI. По условиям реструктуризации октября 2025 года объявление AGI со стороны OpenAI теперь проверяет независимая экспертная панель, права Microsoft на интеллектуальную собственность продлены до 2032 года и включают модели после AGI, а выплаты доли доходов идут до 2030 года. Определение AGI стало юридическим переключателем на десятки миллиардов долларов, и лаборатории заинтересованы контролировать его формулировку. d) Порог RSI совпадает с их собственными порогами безопасности. Политика Anthropic Responsible Scaling Policy вводит уровни AI R&D-4 и AI R&D-5: первый это способность полностью автоматизировать работу младшего исследователя, второй это способность вызвать резкое ускорение разработки ИИ, то есть фактически RSI, и он требует уровня защиты ASL-4. У OpenAI критический порог AI Self-improvement определён похоже: сверхчеловеческий исследовательский агент или сокращение времени смены поколения модели в пять раз, удерживаемое несколько месяцев. Когда безопасность и объявление AGI завязаны на один и тот же порог, удобно называть его главным, потому что тогда история про безопасность и история про победу рассказываются в одной терминологии. Но положительная обратная связь не равна неограниченному росту. Монотонно возрастающая последовательность может иметь конечный предел: сумма ряда ½ + ¼ + ⅛ + … растёт на каждом шаге, но никогда не превышает единицы - это предел данной функции. Вопрос не в том, есть ли петля, а в том, каков коэффициент усиления и где стоят ограничители. Ограничителей несколько, и по ним есть данные. Вычисления Многие сценарии программного интеллектуального взрыва предполагают, что софт улучшает софт без нового железа. Но серьёзные эксперименты требуют вычислений уровня обучения передовой модели, а рост вычислений упирается в физику, энергию и сроки поставки. Экономическая работа 2025 года показала, что при определённой связи между экспериментами и идеями вычисления становятся жестким узким местом, arxiv и программное ускорение живёт лишь до этого предела. Идеи становится всё труднее находить Это известный результат экономики роста: чтобы поддерживать постоянный темп улучшений, нужно вкладывать всё больше исследовательских усилий. Даже сторонники сценария взрыва у Forethought оценивают отдачу так, что одно удвоение когнитивного труда даёт около 1,2 удвоения выхода в среднем, с широким разбросом от 0,4 до 3,6. Если параметр ближе к нижней границе, “взрыва” не происходит вовсе, а происходит затухание. Эксперимент и проверка Даже идеальный автоматический исследователь должен ставить опыты и ждать результатов. Обзор Epoch AI прямо отмечает, что эксперименты не серебряная пуля, потому что модель может быть ошибочной, а бенчмаркинг требует полного цикла обучения, доступного лишь горстке игроков. Физическое строительство Дарио Амодеи, оптимист, в эссе Machines of Loving Grace (октябрь 2024) признает, что даже целая страна гениев, живущая 24/7 в дата-центре, упрется в физические и практические пределы, например в скорость биологических экспериментов. Его формулы powerful AI и country of geniuses in a datacenter намеренно избегают слова AGI. Человеческий вклад и стоимость

В октябре 2025 года Сэм Альтман в прямом эфире и затем в посте на X сформулировал внутренние цели OpenAI: автоматический стажер-исследователь к сентябрю 2026 года и полноценный автоматический исследователь к марту 2028 года X. В начале сентября 2026 года OpenAI сообщила, что цель по стажеру достигнута: система выполняет четко поставленные исследовательские задачи под руководством человека, включая те, что заняли бы у специалиста несколько дней Engadget. Обратите внимание на осторожную формулировку: там нет слова AGI, там есть слово стажёр, и там есть слова под руководством человека. Параллельно журналисты и сами лаборатории начали подменять термин. В мае 2026 года TechCrunch прямо написал, что RSI стал новым AGI, и что его так же трудно определить TechCrunch. В августе 2026 года TIME описал внутреннюю систему OpenAI под именем Astra и связал разговоры про AGI именно с петлёй самоулучшения: модель, которая ускоряет собственные исследования, называется recursive self-improvement Time. Так возникла та самая склейка: раз порог AGI спорен, давайте измерять его через способность вести исследования ИИ. Удобно, но нечестно. Проверим четыре утверждения из исходной заметки по первоисточникам: a) Страница Anthropic Institute When AI builds itself действительно описывает RSI как систему, способную полностью автономно проектировать и строить своего преемника, и прямо говорит, что мы ещё не там и что RSI не является неизбежным Anthropic. Более того, Anthropic называет конкретный оставшийся разрыв: Claude уже сопоставим с человеком в исполнении хорошо поставленного эксперимента, но большие разрывы сохраняются, когда речь идёт о выборе целей, то есть о выборе направлений исследований. Это подтверждает пункт заметки. b) Устав OpenAI (OpenAI Charter) определяет AGI как высокоавтономные системы, превосходящие людей в большинстве экономически ценных работ. Формулировка подтверждается дословно. Это определение про экономику труда, а не про самоулучшение, и в нём нет ни слова про то, что система должна строить своего преемника. c) AlphaEvolve от Google DeepMind (май 2025) действительно улучшил вычислительные процессы, включая обучение самой Gemini: он ускорил ключевое ядро матричного умножения на 23 процента, что дало сокращение общего времени обучения Gemini примерно на 1 процент Google DeepMind. Это подтверждается первоисточником DeepMind. Небольшая точность: 23 процента и 1 процент это не два независимых достижения, а одно, выраженное на двух уровнях, ядро и полный цикл обучения. Отдельно AlphaEvolve ускорил ядро FlashAttention примерно на 32,5 процента, но это уже про инференс и обучение вообще, а не про самоулучшение конкретно. d) 9 сентября 2026 года OpenAI в тексте The AI policy window is open заявила, что полностью автономного RSI сегодня не существует, OpenAI и отделила его от ускорения отдельных исследовательских задач. Дословно смысл такой: ИИ уже ускоряет части исследований, но это не recursive self-improvement, а свидетельство направления движения. Подтверждается. Вывод из проверки простой: сами первоисточники аккуратнее, чем их пересказы. Никто из серьёзных авторов не написал, что AGI равно RSI. Знак равенства ставят заголовки и твиты. 3. Почему лабораториям удобно приравнять AGI к RSI? a) Это автоматизирует их следующее конкурентное преимущество. Ценность лаборатории в её исследователях. Если определить главный порог как автоматического исследователя, то гонка идёт ровно за тем активом, который у лабораторий уже есть и который они лучше всех умеют масштабировать. Это удобное определение вершины для того, кто уже лидирует именно в этом.

Speedtest.ru рассказал, где в России самый быстрый мобильный и проводной интернет Speedtest.ru выпустил первый ежемесячный рейтинг качества интернета в российских регионах по итогам более 5 млн пользовательских замеров за август 2026 года. В фиксированном сегменте лидером стала Мурманская область: медианная скорость загрузки там достигла 121,26 Мбит/с, а отдачи — 133,69 Мбит/с. В мобильном интернете первое место заняла Тюменская область со скоростью загрузки 45,11 Мбит/с и отдачи 46,3 Мбит/с. В рейтинг попали только регионы минимум с 1000 замеров, а результаты учитывают скорости и задержку соединения. Новые данные за сентябрь сервис обещает опубликовать в первой декаде октября. #скорость #интернет #мобильныйинтернет #широкополоснаясеть 📎Подробнее 🔖 3DNews в TG | MAX | VK

#Нейропрожарка МҰРАГЕР / THE HEIR / НАСЛЕДНИК Автор Jinazis Инструменты: -Seedance 2.0 -GPT image -CapCut -Suno 6 По желанию поддержать автора в X репост+коммент желательно на ENG: https://x.com/Jinaz1s/status/2099213532860502382?s=20 В общем, между основной работой и другими делами решил просто по фану поучаствовать в конкурсе от Higgsfield. По ночам, когда было свободное время, садился на пару часов и неспешно делал. Ушло где-то неделю-полторы. Не торопился, скорее отвлекался от основных проектов и тестил новые фишки в Seedance. Такая разгрузка головы) Пайплайн супер изи: персы, ассеты и локации в GPT Image, само видео в Seedance 2.0, 1080p. Уложился в одну месячную подписку Higgsfield. До этого у них не был зареган, взял Ultra на 9000 токенов, плюс первую неделю Seedance был безлимитный. В итоге всё вышло в 270 баксов. Музло сделал буквально за день, как только вышел Сунарь 6. Озвучка тоже родная, из Seedance. Цветкор вообще просто капкатовский фильтр, но, как по мне, подошёл идеально) На призовые особо не рассчитываю. Можно было сделать лучше, но полной сосредоточенности на проекте не было. Больше делал в удовольствие, чтобы переключаться между основными задачами. Сеттинг, кстати, выбран не случайно. Ситуативный маркетинг) В общем, приятного просмотра! В качестве тут: https://youtu.be/onM4nuF0nSg?si=QqNt8pKD2bPf6Ypx @cgevent

☄️ Над югом России пролетел яркий болид! Всего 30 минут назад гости нашей астрофермы "Астроверты" (Архыз, 2000 м над уровнем моря) увидели ярчайший болид, который был настолько ярким, что по их словам появились тени! Начало полета болида в 20:14:04 мск.вр. на фоне восточной части созвездия Козерога, ярка вспышка произошла еще через 2 секунды полета уже в Водолее, а в 20:14:08 болид исчез низко около юго-восточной части горизонта на фоне созвездия Южная Рыба. Судя по направлению полета, наибольшей яркости болид достиг в Грузии в районе города Тбилиси. Вероятно, что данный полет болида так же могли видеть очевидцы из Краснодарского и Ставропольского края, Кабардино-Балкарии и других соседних регионов. Видео с нашей метеорной камеры, которая направлена на юг. Справа внизу видно созвездие Стрельца и уходящий вверх Млечный Путь.