Короче для Haiku чуда не случилось, слишком сильная конкуренция Если брать сравнение с аналогичными по цене моделями: Haiku 5.5 – В офисной агентной работе на уровне Sol, который в 3.5 раза дороже – Галлюцинирует меньше всех из четырёх – Но с тулами и SaaS почти не справляется: 35% против 60–69% у остальных Короче, для всяких документов/экселек, извлечения данных, саммаризации, но с инструментами все плохо. GPT-6.1 Sol – Самая умная. При той же цене за задачу, что у Haiku, даёт 48 баллов индекса против 43 – Лучшая в коде, документах и знаниях о мире – Отвечает за 16 секунд, а Haiku на max – почти за 6 минут(!) Удивительно, но sol по цене-качеству оказывается лучше, чем хайку, которой выкрутили болтливость на максимум... DeepSeek V4.1 Flash – Лучше всех работает с тулами: 69% – Но выдумывает почти всегда, когда не знает ответа: без галлюцинаций только 4% ответов Gemini 3.8 Flash – Хорошо знает мир и понимает картинки – Но дорогая: $1.24 за задачу, в 10 раз дороже Haiku при том же индексе Прикол, что max-режим у Haiku почти бесполезен: по сравнению с xhigh он даёт +2 балла индекса и стоит почти вдвое дороже. Короче, кого брать: – По умолчанию – Sol – Агенты с кучей тулов – DeepSeek, но проверять каждый ответ – Извлечение и сопоставление данных из контекста – Haiku на high – Мультимодалка, разные языки – Gemini Flash https://artificialanalysis.ai/models/claude-haiku-5-5

На страхах вокруг AI строится отдельный рынок стартапов CB Insights собрал компании, которые пытаются решить неприятные сценарии развития AI: когда агент отказывается останавливаться, обманывает тесты, неожиданно осваивает новые способности или учится манипулировать людьми. Одни стартапы ищут и изолируют опасных агентов, другие тестируют модели в реалистичных условиях и пытаются поймать их на обходе проверок. Отдельное направление — интерпретация моделей: понять, почему AI принял решение и не пытается ли он скрыть свои реальные намерения. На этом уже формируется полноценный рынок AI safety — от мониторинга и red teaming до страхования ответственности за ущерб от AI.

Осталась неделя до дедлайна #ERC. Все очень плохо: из двух текстов, которые надо подать (более общий и более технический) я закончил первый, во втором только наброски пока. Пишу с утра до ночи, но работы еще какое-то огромное количество. После разных экспериментов построил такой воркфлоу в чатгпт: у меня есть проект с 5 чатами разной тематики с разными моделями: общая концепция (6 Astra High), бюджет (5.6 Sol High), оборудование (5.6 Sol High), написание текста (5.6 Sol Max) и рецензент (6 Astra High). Я пишу черновик, передаю чатгпт на улучшение и правки языка, читаю результат, правлю, возращаю обратно...и т.д. Когда возникают вопросы по науке, перехожу в другой чат. Потом черновик отдаю на рецензию в еще один чат, у которого нет доступа к информации остальных чатов и прошу написать рецензию отдельным большим промптом. Первая рецензия была совершенно разгромной, он сказал, что не порекомендует меня на продолжение. При этом указал на реальную лажу. Мне пришло переписать с нуля большую часть текста. После 6 циклов рецензий (у рецензента нет доступа к истории, так что он каждый раз подходит с нуля) начал получать сперва в меру положительные отзывы, а последний был однозначной рекомендацией. Самое сложное в этом: количество переделок. Обычно я пишу основу текста и дальше уже переделываю только детали. И как получится — так получится. Тут же рецензии указывают на реальные косяки с логикой, так что приходится переписывать практически с нуля. Что могу сказать по итогу этого упражнения с ИИ: он все еще жесть тупой местами! Сам он пишет полную фигню, нормальный текст рождается только из моего черновика + много циклов очень аккуратной вычитки и правок. Если не обратить внимание, он регулярно не выдерживает баланс между деталями и общей картиной (погружаясь в очень специфические детали в ответ на мои комментарии). Короче, это одновременно и очень круто (без ИИ я бы не осилил в жизни), и очень непривычно — приходится учиться буквально на лету, переделывать мышление и подход к созданию текста. Уф!

Каждое утро мне приходят отчёты в телеграм от моих агентов. Идеи постов, обзоры каналов, интересные вакансии, напоминания о целях и тд. Я два месяца всё это игнорировал и вообще перестал писать в канал. Потому что провалился в работу с головой. Делал всё и сразу: скиллы и хранилище скиллов, ИИ-документацию, внутренние автоматизации бизнес-процессов, внутренние MCP и все это поверх моих основных обязанностей и проектов. Было сложно, ворк-лайф баланс покинул меня, но это мой выбор. Просто вместо нормального хобби у меня попытка ухватиться за все, где можно поработать с ИИ-инструментами, развиваться и набираться опыта. Вижу в этом потенциал, зону роста и фундамент на ближайшее будущее. Ну и в общем, привело это к тому, что мне предложили новую роль внутри компании - AI Lead 😐 Ответ был очевиден, ведь это цель, которую я ставил себе в начале года. Конечно это огромный риск и азарт одновременно, работать придётся ещё больше. Никто не скажет, что и как нужно делать и как доказывать эффект. У меня больше нет команд и инженеров и реализовывать все придется самому. Вопросов много, а ответов и предложений ждут от меня. Вся насмотренность, экспертиза внутри компании, опыт и знания должны собраться в стратегию. Такую, которая помогает бизнесу либо больше зарабатывать, либо меньше тратить. Страшно, непонятно, интересно. Спасибо компании и тем кто помогал за доверие и возможность ❤️ Вот такая х собачка.