Провайдеры режут лимиты и почему гнаться за дорогим тарифом нет смысла Если посмотреть на то, что сейчас происходит у мейджоров, тренд очевиден: эпоха доступных моделей про-тира заканчивается. Дело даже не в появлении тарифов по $100 или $200 - они на рынке уже приличное время. Прикол в том, что резать доступ начали прямо внутри них: OpenAI уже урезает лимиты даже на своем топовом 200-долларовом плане. Модели методично выдавливают на ярус выше: Google убирает бесплатный доступ к нормальному Flash, оставляя на фри-тире только Flash-Lite, а полноценный Pro уже в этом месяце становится эксклюзивом Ultra-подписки и уходит из обычного Pro. И подобные сдвиги сейчас происходят абсолютно у всех. Причины понятны: дефицит полупроводников, безумная себестоимость рассуждающих сеток и жесткое требование инвесторов к окупаемости инфраструктуры. Но на фоне этих сдвигов интереснее другое: как на это реагируют пользователи. Большинство по инерции продолжает цепляться за топовые тиры, искренне полагая, что их повседневные задачи требуют только флагманских мощностей. "Я же пишу важную стратегию", "у меня сложный аналитический отчет", "мне нужно составить глубокое ТЗ" - люди систематически переоценивают сложность собственной рутины. Кажется, что если задача ответственная, то легкая модель ее непременно завалит. В реальности почти весь этот объем спокойно переваривается моделями дешевого и быстрого сегмента. Причем легкая модель часто справляется лучше не вопреки, а благодаря своей простоте. Мой рабочий процесс давно завязан на быстрых сетках, и в логике постоянного контроля со стороны человека это дает огромное преимущество: - Быстрая модель отдает драфт мгновенно. Ты корректируешь вводные, направляешь ее контекстом и за пару коротких итераций получаешь готовый рабочий документ. - Тяжелая модель уходит в затяжные размышления, методично сжигает лимит запросов, а результат на выходе все равно требует точно такой же ручной доработки. Флагманы действительно незаменимы там, где у вас нет собственной экспертизы либо вы делаете действительно сложный ресерч. Под сложным я имею ввиду не просто продуктовое интервью и поиск в интернете, а реально сложное. Использование дорогого reasoning-тира для текстов, и базовых кастдевов - оверкил. Дальше гайки будут закручивать еще сильнее: лимиты на Pro продолжат падать, а стоимость доступа - расти. Рынок буквально принуждает учиться работать с легковесными моделями. И ключевой навык сегодня - не способность оплачивать самый жирный тариф, а умение выстроить процесс так, чтобы условный Flash или Haiku выдавал результат уровня тяжелой сетки. Четкая декомпозиция, правильная подача контекста и пошаговое ведение задачи значат куда больше, чем статус модели в бенчмарках. Если посчитать годовую экономику, расклад простой: - Держать тяжелый тариф на постоянке - это около $1200 в год. - Сидеть на базовом уровне - в районе $200. Разница - целая тысяча долларов. Вместо того чтобы отдавать ее провайдерам за иллюзию того, что дорогая модель сделает работу за вас, куда разумнее инвестировать эту сумму в себя. Например, взять качественное обучение по системной работе с ИИ, разобраться в архитектуре промптинга и автоматизациях. Потому что специалист, умеющий грамотно дирижировать легкими моделями, в реальной работе всегда будет быстрее и продуктивнее того, кто просто сжигает дорогие лимиты. Такой подход - это не адопшн, с прижигание бюджета, будь это личные или корпоративные расходы

🧮 Математики против OpenAI The Verge собрал в одну хронику всю драму вокруг того, как ИИ врывается в математику. Коротко — о главном. Гонка идёт не первый месяц. OpenAI, Anthropic и другие лаборатории отчитываются о решениях давних задач, причём порой результаты превосходят то, чего от ИИ ждали сами математики. В начале августа OpenAI показала решения десяти многолетних проблем — над некоторыми бились десятилетиями. А в сентябре заявила, что справилась с задачей Навье — Стокса о течении жидкостей и газов. Это одна из семи «задач тысячелетия» с призом в $1 млн, и её не могли решить около 90 лет. Работала внутренняя модель мощнее GPT-6 Astra вместе с 10 000 параллельных агентов. Забирать приз компания не планирует. Триумф испортила одна деталь. Всего за день до анонса профессор Нью-Йоркского университета Тристан Бакмастер и исследователь Anthropic Левент Алпёге опубликовали результат по смежной задаче. Работали они с Codex и Claude, а все черновики хранили в Codex. Бакмастер утверждает, что OpenAI пришла к доказательству тем же путём, и на вопрос, училась ли модель на их сессиях, ответа так и не получил. В OpenAI ответили, что конкретные данные пользователей не использовались, но признали: хоть это и маловероятно, обезличенные данные могли помочь улучшить модели. А сотрудник компании Себастьен Бубек настаивает: доказательства заметно отличаются. Дальше — обвинения в перехвате чужих результатов, вопросы о происхождении обучающих данных и тихие правки уже опубликованных документов. В The Verge суть конфликта сформулировали так: математики хотят развивать науку, а OpenAI хочет побеждать. Попыткой навести мосты стала независимая группа AGMAI из девяти ведущих математиков: она будет советовать ИИ-компаниям, как проверять и подавать новые результаты. Её участник Мартин Хайрер подчёркивает, что денег от OpenAI группа не получает. Но напряжение только растёт: OpenAI утверждает, что её закрытая модель уже решила больше 100 давних задач, и готовит их к публикации. @droidergram

«В одиночку определяет реальность»: Сэм Альтман возглавил рейтинг самых влиятельных людей в мире Сэм Альтман возглавил рейтинг самых влиятельных людей мира по версии Vanity Fair, опередив глав Anthropic, Tesla и Nvidia. Журнал считает, что глава OpenAI способен «в одиночку определять реальность», а запуск ChatGPT сделал его одним из ключевых игроков мировой экономики. Второе место занял Дарио Амодеи, третье — Илон Маск, четвёртое — Дженсен Хуанг, а пятёрку замкнул глава ФРС Кевин Уорш. В список также вошли руководители Google, Amazon, Apple, Microsoft и SpaceX. #ии #иибум #сэмальтман #рейтинг 📎Подробнее 🔖 3DNews в TG | MAX | VK

✔️ Белый дом создал группу для надзора за ИИ-отраслью Власти США сформировали межведомственную группу Super Intelligence Force для координации федеральной политики в сфере ИИ. Новый орган подчиняется напрямую президенту США. Координатором группы назначен директор Национальной разведки Джей Клейтон. В состав также вошли председатель FTC Эндрю Фергюсон, замминистра обороны по R&D Эмиль Майкл и глава кадрового управления Скотт Купор. Super Intelligence Force будет мониторить угрозы национальной безопасности, удерживать технологическое лидерство США и устранять барьеры, тормозящие разработку. washingtonpost.com ✔️ Из OpenAI ушёл один из авторов Preparedness Framework Дэвид Робинсон, проработавший в компании три с половиной года и участвовавший в создании регламента готовности, объявил об отставке и опубликовал эссе о том, что в отрасли скорость выпуска побеждает качество проработки. Подход, при котором проблемы устраняют по мере появления, он считает оправданным для ПО и недопустимым для ИИ - когда модель превзойдёт человека по когнитивным способностям, устранять последствия критического инцидента будет некому. Дэвид считает, что разработка передовых моделей должна перейти на стандарты гражданской авиации и ядерной энергетики с их строгим резервированием и проектированием систем, исключающим катастрофу из-за человеческого фактора. theatlantic.com ✔️ Aleph Alpha выложила в открытый доступ модель Kolibri Немецкий стартап выпустил под лицензией Apache 2.0 большую языковую модель Kolibri 1, созданную в рамках европейской инициативы цифрового суверенитета и полностью соответствующую нормам EU AI Act. Это MoE на 78 млрд общих и 3,5 активных параметров с базовым контекстным окном в 262 144 токена, которое может масштабироваться до одного миллиона. Kolibri оптимизирована под немецкий и английский языки за счёт кастомного токенизатора UniBPE. Против галлюцинаций применён протокол Merlin-Arthur - модель учат отказываться от ответа, если контекст его не содержит. Среди слабых сторон - скромные результаты в генерации кода, вызове функций и закрытых тестах на общую эрудицию без RAG. aleph-alpha.com ✔️ Основатель Figure представил ассистента Hark Бретт Эддкок анонсировал Hark с агентом Handoff, рассчитанным на длинные автономные задачи в интернете - заказ еды, покупки, бронирование, поиск информации. На каждый запрос поднимается отдельный виртуальный компьютер с браузером, файловой системой и терминалом, а подключённые аккаунты дают доступ к адресам и предпочтениям. По собственным замерам Hark занял первое место в человеческой оценке Online-Mind2Web, обойдя GPT-5.4 на 8 пунктов и Claude Opus 4.8 на 2. Проект, уже привлекший более 700 млн долларов от топовых инвесторов, планирует открыть бесплатный Pro-доступ первым 100 000 пользователей из листа ожидания. hark.com ✔️ OpenAI будет показывать рекламу во время генерации изображений До конца месяца OpenAI запустит в США пилотный показ графической рекламы в ChatGPT. Баннеры будут появляться в интерфейсе на время ожидания генерации изображений. Цель запуска - монетизация аудитории, которая достигла 1,2 млрд активных пользователей в неделю. Рекламные блоки получат маркировку и будут визуально изолированы от сгенерированного контента. Для рекламной инфраструктуры компания интегрирует стек сторонних аналитических платформ по сбору данных о конверсиях и атрибуции кликов. Внешние партнеры по верификации не получат прямого доступа к содержимому приватных диалогов. openai.com @ai_machinelearning_big_data #news #ai #ml

Свежие обновления выгодности подписок подъехали Ребята не поленились: гоняли запросы через все тарифы (Anthropic, OpenAI, Meta, китайцы, Cursor, Devin) и смотрели, на сколько сдвигается шкала лимита от каждого типа токенов. В качестве промпта – кусок «Войны и мира», потому что на рандомный мусор модели отказываются отвечать :) Что получилось: – Подписки – это всего ~10% выручки Anthropic, но они съедают 40%+ инференс-компьюта. Т.е. это прям маркетинг за свой счёт. Но при этом они все еще довольно выгодные для компаний. – Fable 5.1 vs GPT-6 Astra – примерно паритет: $2,485 vs $2,897 в API-эквиваленте на тарифе за $200. Но у Claude на Fable можно потратить только половину лимита, вторая остаётся на остальные модели – А вот на «рабочих лошадках» Opus 5.5 vs GPT 6.1 Sol – Anthropic даёт ~5x больше ценности(!). Даже если считать в токенах, а не в долларах – OpenAI на прошлой неделе урезали тариф $200 вдвое и запустили $500, в котором Astra всего на 21% больше, чем в старом $200. Старые подписки живут на прежних лимитах до 29 октября. Китайские подписки (MiniMax, Kimi, GLM) – тоже норм по соотношению, чуть хуже OpenAI, но дешевле в абсолюте. Остальное к сожалению за пейволом. Но еще в одной статье получается самые выгодные - Muse от Meta запрещенной (если свои данные отдаете) - 100х от цены и Grok + X Premium (80 от цены). Но! Если смотреть на закрытые задачи за доллар (как раз вторая статья), то получается, что GPT-6.1 Sol через подписку все еще выгоднее, чем более щедрые лимиты Claude. Короче, Opus 5.5 на любом Claude-тарифе сейчас выгоднее всего, если нормально и быстро решает ваши задачи, если начинает разглагольствовать и жрать токены, то Sol 6.1 будет выгоднее. Ну и если хотите ультра-хай потребления, то Grok или Muse. https://newsletter.semianalysis.com/p/anthropic-subscriptions-offer-5x https://www.productcompass.pm/p/ai-subscription-api-value