Вчера на звонке с предпринимателем, пришлось долго объяснять, что мир пиара изменился. Он не мог поверить, что качественные публикации пачками больше не норма жизни. Ну что? Проговорим? 1. Раньше задача была попасть в поиск Google через СМИ. Теперь мы ублажаем «машины» – задача пиарщиков сделать так, чтобы компанию цитировали ChatGPT, Gemini, Perplexity и др. 2. Целевая аудитория всё чаще получает ответ, даже не переходя на сайт компании или СМИ. Поэтому такие показатели как трафик на сайт, клики и переходы устаревают. 3. Публикация в FT, Bloomberg или Forbes теперь нужны только для верификации вашей компании и подтверждения экспертности. 4. Граница между журналистом, блогером, экспертом и креативом окончательно размылась. 5. Зависеть от журналистов становится рискованно. Поэтому растёт значение owned media: newsletters, подкасты, собственные исследования и тд. Пиар переходит от задачи “получить публикацию” к “построить информационную экосистему вокруг бренда”. 6. Главной пиар-метрикой становится не количество публикаций, а глубина engagement и запоминаемость нарратива.

💳 Взлом интернет-магазина теперь стоит $25.

Остальное делает связка ИИ-агентов

Gambit Security разобрала кампанию, которая с июля идёт против интернет-магазинов по всему миру. Атакующий не писал эксплойты сам, он собрал конвейер из трёх открытых агентных фреймворков и запустил его по целям. 🔍Как устроен конвейер:

🟦 Hermes - мозг операции. Помнит контекст между сессиями, сам пишет себе новые навыки под задачу и даже снёс собственные фильтры безопасности отдельным навыком. Работал на Claude Opus 4.6.

🟦 Strix - прощупывает цель, ищет входные точки.

🟦 Cairn - часами долбит найденные уязвимости, пока не получит shell или админку.

Взлом обычно укладывался в несколько часов и без участия человека. В итоге больше 600 000 украденных карт. Агентам заодно поручили подчищать следы. Один из навыков Hermes так и назывался: "стереть базу после извлечения данных". В одном случае агент перестарался и снёс 180 таблиц, включая резервные копии самой жертвы: совпадение по имени таблицы оказалось слишком широким. 💵По собственному учёту атакующего, средняя стоимость взлома одной компании - $25,46. Самая дешёвая цель обошлась в $3,13, самая дорогая - в $79,31. 🦔 CyberYozh

Об уважении к клиенту Одна из утилит, которой часто пользуюсь – скриншотер. Нажал горячую клавишу, выделил часть экрана, где какая-то фигня случилась, подрисовал стрелочку к проблемному элементу и пару слов комментария, отправил разработчику. Полезно, удобно. Нужно не только мне. Существует целый класс продуктов с такой функцией. Предыдущий выбор мне надоел, я пошел искать новый. Узнал, что на моем компьютере он уже есть: Microsoft с 2002 года разрабатывает и держит в составе Windows ровно такую программулину – #стартапдня Snipping Tool. И это не что-то заброшенное, команда там работает, буквально прошлой осенью вышло большое обновление. Тем не менее, приложение плохое. К интерфейсу можно привыкнуть, дело вкуса. И с отсутствием выбора горячей клавиши можно смириться. Стив Джобс и Генри Форд стиль: цвет может быть любой, если он черный. Но, блин, Snipping Tool не позволяет сам подпись на картинке нарисовать – предлагает в Paint, полноценный редактор, для этого переключиться. И даже в Paint стрелки только горизонтальные и вертикальные, произвольных нет. Я могу объяснить, почему для корпорации скриншотилка – стотысячный приоритет. Я могу понять, что начальство у продакта и сам продакт сидят на Mac, и в жизни никогда не сталкиваются со своей поделкой. Но принять такое отношение к миллиарду [реально миллиарду!] пользователей я не могу. Эх. #корпоративный

Как работа в продажах формирует нашу личность 😀 Кликбейтно?) Я периодически думаю о том, как сильно поменялась с тех пор, как начала работать в продажах Ну типа, если бы я так и осталась в SMM/дизайне — я бы сейчас была вообще таким же человеком?))) Потому что продажи, кажется, довольно сильно тебя тренируют: проще относишься к отказам, меньше боишься написать незнакомому человеку, спокойнее говоришь про деньги, перестаешь додумывать за людей И вот я полезла читать исследования на эту тему, ожидая найти подтверждение своей красивой теории) А там все чуть интереснее Есть исследование, где за людьми наблюдали с 18 до 26 лет. И выяснилось, что черты личности сначала влияли на то, в какую рабочую среду человек попадал, а потом эта же рабочая среда усиливала связанные с ней черты То есть условно: ты не обязательно стал общительным, потому что пошел в продажи. Возможно, ты пошел в продажи, потому что уже был чуть более общительным — а потом восемь лет звонков, переговоров привели к тому, что ты стал пиздаболом гением в коммуникации А вы что скажете, поменяли вас продажи?)

Хм, теперь понятно почему релиз Gpt-6 Sol был таким слабеньким - Сэм Альтман выступил на Совбезе ООН и предупредил: человечество может потерять контроль над будущим из-за ИИ. По его словам, системы способны развиваться настолько быстро, что люди перестанут понимать их действия и не успеют вмешаться. Особенно осторожными нужно быть, когда ИИ начнёт помогать создавать более сильные версии самого себя. Альтман заявил, что OpenAI уже добровольно замедляла разработку и готова сделать это снова. Второй риск, который он назвал, — слишком мощный ИИ в руках одной компании или государства. Альтман предложил странам договориться об общих способах проверки моделей и быстро сообщать друг другу об опасных инцидентах. Полная речь · видео. вот кто решил замедлиться оказывается 🤷‍♂️

Ovis-Embedding Универсальные эмбеддинг-модели для всего сразу: текст, изображения, документы, видео, аудио и смешанные входы в одном пространстве представлений • Omni-Embedding-3B - база на Qwen2.5-Omni, any-to-any поиск одним энкодером • VL-Embedding 2B и 9B - для текста и изображений, документов • любые задачи ретрива: поиск, RAG, рекомендации, ретрив инструментов для агентов • сжатие эмбеддингов до 128 измерений для ограниченных деплоев • эмбеддинг - хидден-стейт последнего токена, без проекционных голов • выход 2048 измерений, сжимается до 1024/512/256/128 • Apache 2.0 На бенчмарке MMEB-v3 (190 датасетов) обходит сильнейший байзлайн на 5.19 балла во всех модальностях Гитхаб HF #multimodal #embedding MAX

NVIDIA выпустила RTX Mega Geometry 2.0 Компания представила масштабное обновление пакета RTX Kit 2026.3, ключевым новшеством которого стала технология RTX Mega Geometry 2.0. Система научилась стримить кластеры геометрии с динамическим уровнем детализации (LOD) прямо по мере необходимости сцены. Это позволяет обрабатывать высокополигональные меши без лишней нагрузки на память, а первой анонсированной крупной игрой с поддержкой этой технологии и DLSS станет Gears of War: E-Day от студии The Coalition. Помимо этого, весь стек RTX Kit и технология фильтрации текстур получили нативную поддержку платформы Windows ARM64. Обновление RTX Neural Texture Compression 0.10 задействует тензорные ядра для распаковки нейротекстур в шейдерах DirectX 12, а в RTX Dynamic Illumination 3.1 добавили интеграцию с DLSS Ray Reconstruction. Также разработчики обновили In-Game Inferencing SDK, добавив предварительную поддержку локальных ИИ-моделей RTX Spark и Gemma4.

Почему размер облачной стройки не диктуется типом бизнеса? Облачную инфраструктуру удобно представлять как здание. В фундаменте вычислительные мощности, выше надстройки вроде хранилищ, баз данных и доставки контента, и каждому проекту положен свой дом. Напрашивается вывод, что и чертёж можно раздать по типу заказчика. Вот проект для интернет-магазина, вот для SaaS, вот для высоконагруженной системы. На практике провайдер от таких типовых проектов отказался. Оказывается, размер инфраструктуры вообще не привязан к типу бизнеса. Молодая компания с вычислительным продуктом легко потребляет больше ресурсов, чем зрелый интернет-магазин. У одного клиента на пике работало больше 800 серверов одновременно, у другого их около двух тысяч. Разберёмся, из каких блоков собирают облако под конкретный проект и почему готовый чертёж тут проигрывает конструктору.

Про увольнения из-за AI, ч.3. По вчерашнему опросу 20%+ из вас считают, что AI их может заменить в ближайшие 5 лет. А 40% - что их рабочие навыки обесценятся. Но пока с рынком труда все в порядке: 1️⃣ В The Economist недавно вышла статья с данными, что AI не сокращает рабочие места, а создает их: середины'23 он забрал 200 тыс, но добавил 1 млн! При этом молодежь, которую часто называют первой жертвой AI, держится хорошо: разрыв между безработицей 20-24-летних и общей близок к минимуму за несколько десятилетий. Точечно увольнения из-за AI есть, но это крохи: 16 тыс/мес в общем массиве 1,7 млн/мес. 2️⃣ В более серьезной аналитике, вроде Yale Budget Lab, влияния AI на рабочие места почти нет. Аналитики Challenger изучают конкретно увольнения, причем даже заявленные причины (которые не всегда соответствуют реальным). Так вот в августе AI опустился на 4 место среди причин увольнений, хотя бывал на первом. Это означает, что AI не то что не влияет на рынок труда, он даже перестает быть достойным оправданием увольнений. 3️⃣ По данным Indeed Hiring Lab вакансий разработчиков стало на 15% больше с фев'25 (совпадает с выходом клодкода), причем основной прирост на сеньоров. Но тут сложно выделить именно влияние AI, скорее просто позитивный тренд, который возможно обусловлен ставками, состоянием экономики США и конкретно их техсектора (пост). Стройки датацентров создают огромное число вакансий, даже фаанги стали больше нанимать вне своих хабов (10% вместо 2%). 4️⃣ Проще говоря, не существует серьезных данных о том, что AI негативно влияет на рынок труда. Да, в некоторых профессиях есть небольшие сдвиги. И есть влияние на джуниоров (не такое большое, как многим кажется). Но двухтриллионный AI капекс не может не влиять позитивно на рабочие места. Другой вопрос, что будет, когда или если этот капекс не оправдает себя. Потому что конечный спрос на AI и конкретно инференс не экстраполируется до триллионов даже оптимистами. Короче, сейчас - прекрасное время зарабатывать деньги. Дальше может быть намного хуже 🥲 @kyrillic

Все чаще думаю о том, что самое сложное и в тоже время простое это отношения и что именно от наличия или отсутствия синергии «летят» или «не летят» компании и проекты. Хочется много раз сказать о том, как важны партнерские сессии и как важно уметь отделять работу от человека и наоборот. Вообще, исследователи групповых конфликтов, предлагают разделять два типа конфликта в команде: ▫️конфликт по задаче: про сам предмет спора, идеи, решения ▫️конфликт отношений: про личное раздражение, напряжение, несовместимость характеров. Чаще всего конфликт по задаче может быть полезен для результата, потому что это тот случай, когда «в споре рождается истинна», а конфликт отношений почти всегда действует разрушительно и это один из самых устойчивых выводов во всей литературе по теме. Разбирая именно высокоэффективные команды Кремниевой долины обнаружили закономерность: у лучших команд конфликт по задаче случался часто и рано, на той стадии, пока идею ещё можно было пересобрать, а конфликт отношений оставался низким на протяжении всей совместной работы. То есть сильные партнерства не избегают споров, но они просто не дают спору о продукте перерасти в спор о человеке и дойти до личностных обвинений. Похожее видно и в исследованиях эмоционального интеллекта в стартапах: команды с более высоким EQ быстрее считывают состояние друг друга и корректируют поведение под контекст, а подавление эмоций, наоборот, разрушает доверие. Команды, которые эмоции игнорировали, чаще распадались именно под давлением, то есть ровно в те моменты, когда синергия нужнее всего. Это, мне кажется, и отвечает на вопрос, зачем партнерские сессии особенно нужны в турбулентное время. Чтобы разделять две линии конфликтов: ▫️одни про стратегию, метрики, приоритеты, где спорить полезно и правильно; ▫️вторые про то, что происходит между вами как людьми, где важно называть вещи вслух, а не копить. Быстрая и рискованная среда стартапа сама усиливает трения и именно поэтому важно разбирать их, а не надеяться, что всё рассосётся само. Практически это выглядит так: • разделять «у нас разное видение по продукту» и «меня задело, как ты вчера со мной разговаривал», тк это два разных разговора, и смешивать их приведет к затяжному конфликту • регулярность важнее интенсивности: короткая еженедельная сверка снимает больше напряжения, чем один разбор полётов раз в квартал И сюда же добавляется новый слой: рабочие сессии с ИИ. Это то, что прямо сейчас изучают в human-AI teaming исследованиях, и там уже видно два ключевых инсайта: • ИИ в команде больше не нейтральный инструмент, а участник, который меняет саму динамику отношений: люди воспринимают меньше конфликта, когда ИИ справляется хорошо, но общая удовлетворённость процессом работы при этом ниже, а когда оба партнёра тянут идеи из одного и того же источника, каждому по отдельности становится лучше, а коллективное разнообразие решений команды сжимается • самая свежая работа 2026 года (Gonzalez и соавторы, PNAS Nexus) показывает: выигрыш от связки человек + ИИ появляется только там, где роли осознанно разведены, а не слиты в одно. Интересно, что это значит, что партнёрским сессиям придётся научиться обсуждать не только «кто за что отвечает между нами», но и «что из этого теперь делает ИИ, и как мы держим доверие к нему синхронизированным друг с другом» В общем, все как обычно просто: важно разговаривать и даже в самой быстрой гонке не «забивать» на состояние эмоциональное команды, чтобы в критический момент устоять.

🎉 Маленькая LLM может тратить больше времени на загрузку, чем на ответ. Google изучила запуск квантованных моделей от 270 млн до 3,8 млрд параметров на Cloud Run с CPU. При «холодном старте» 55–70% задержки приходилось на загрузку модели: прежде чем генерировать токены, нужно перенести её веса в память. Нашёлся и менее очевидный эффект Cloud Run: переход с 4 на 8 ГиБ памяти в тестируемой конфигурации давал вдвое больше vCPU и почти вдвое сокращал время инференса после загрузки модели. Практический вывод для редких запросов к небольшой LLM: оптимизировать стоит весь путь до ответа — загрузку весов, конфигурацию инстанса и только потом генерацию. https://research.google/pubs/cold-start-latency-of-quantized-small-language-models-on-serverless-cpu-infrastructure/

Наглядно про длинные облигации В июне 2020 года Австрия выпустила облигации на 6,3 млрд евро со сроком погашения через 100 (!) лет – к 2120 году. При этом купон у этой чудесной бумаги составляет 0,85% в год – на весь срок займа. Облигации разместились в 2020-м по цене 98% от номинала, а сейчас (после существенного роста процентных ставок по всему миру начиная с 2022 года) торгуются уже где-то около 30%. То есть, счастливые инвесторы в этот долг получили сокращение капитала более чем в три раза за шесть лет. Про реальную доходность (с учетом поправки на инфляцию) даже рассуждать не с руки – там совсем грустный минус выходит. Но есть и хорошие новости: так как речь идет про надежные высококачественные бумаги с отличным кредитным рейтингом, инвесторы обязательно в итоге отобьют вложенные деньги. Для этого надо всего лишь подождать 94 года… Мораль здесь такая: если у вас есть нестерпимое желание купить длинные облигации – помните о том, что существует такое понятие, как «дюрация» и «процентный риск». А, ну и еще: если уж собрались кому-то давать в долг на 100 лет – старайтесь это делать хотя бы не под 0,85%, лол.