Почему тебе точно не нужна оффлайн-темка 🏠 Из формы с идеями:

Флоатинг комната. Комната заполненная гелем, который не дает тебе утонуть. Альтернатива массажу. Сейчас в Москве не более 5 точек. Каждая из них занята на 2-3 месяца вперед.

Это не кэш-машинка, это оффлайн-темка 🌚 Оффлайн создает проблемы: — контракт коммерческой аренды на год — все сопутствующие проверки и разрешения на пригодность помещения — покупка оборудования (на кредитные деньги, скорее всего) — найм администраторов и технологов — и только потом уже трафик Если у конкурента уже запись на 2-3 месяца вперед, почему же они тогда не открывают новые точки?

Хочу открыть сеть точек в регионах

Москва — самая развитая страна Европы. Но Москва это не Россия. По Самаре пухососы не ездят. Надо понимать, что это накладывает огромный отпечаток на доходы и потребительскую способность

ЦА девушки 35-45 лет.

Из первого приближения это очень узкая ЦА с ветреными привычками в сфере бьюти услуг. Сегодня флоатинг, завтра пилатес, послезавтра хайхилс и так далее Сама мысль — найти где фулл букинг и сделать так же, супер правильная. Но я бы не делал это в оффлайн сегменте

Хочу 5 млн в месяц, 2 млн готов потратить на трафик, 3 года до результата

Сеанс на сайте конкурента стоит 3600 за 60 мин. Допустим 5 ванн, это 18к в час, 180к в день или 5.4 млн гросс выручки максимум (100% бронь, 10 часов в день, 30 дней в месяц) Но в реальности я думаю фактическая оптимистичная загрузка будет 80% — это 4.3 млн. До вычета аренды, комуналки, зарплат, налогов, амортизации. Думаю в оптимистичном сценарии останется 700к -1 млн в мес чистыми. Поэтому для 5 млн надо получается 5-7 студий? Мало похоже на без проблемный проект Оффлайн никогда не подходит для мини проекта параллельно работе. А оффлайн + темка не подходит тем более. Я понимаю о чем говорю Всегда делайте только онлайн проект, по крайней мере как первый. Это снимет с вас супер много проблем. А их и так будет очень много. При работе в найме столько и не снилось. Так не зачем же усложнять себе жизнь еще сильнее — Не придумал где провести эфир, чтобы было удобно и мне и вам. Поэтому разберу часть идей текстом. Если соберется 70 кубков, то по каким то идеям даже могу записать мини-аудио подкаст

Кто бы мог подумать, что я буду смотреть видео с Сашей Грей даже при том, что я женат и жена в это время находится дома. Саша Грей на стриме возмущается тем, что GTA в коробочной версии будет содержать только код, с помощью которого будет активироваться цифровая версия игры. Она также возмущается тем, что HP сделали невозможным использовать принтеры, если нет подписки на чернила. Даже полные картриджи будут работать только с активной подпиской. Сони удалили видео с аккаунтов пользователей. Вы купили у них фильмы, а они оказывается не ваши. В общем Саша Грей зашла в ИТ новости через постель. А я учился в институте, много работал даже на галеры. https://www.youtube.com/watch?v=GH1wvUmYbm8

Ценовые горки: память подорожает в 4 раза, а затем резко подешевеет Аналитики Bernstein Research прогнозируют масштабный кризис цен на рынке памяти перед грядущим обвалом. Текущий дефицит разгонит стоимость компонентов до пиковых значений в ближайшие два года. 2026 год: Средняя стоимость DRAM взлетит с $0,54 до $1,56 за гигабайт, а NAND — с $0,08 до $0,30 (рост в 3–4 раза относительно 2025 года). 2027 год: Пик подорожания. Цена DRAM поднимется еще в 1,5 раза — до $2,23 за ГБ, а NAND зафиксируется на отметке $0,32. 2028 год: Перепроизводство спровоцирует обвал цен. DRAM подешевеет вдвое — до $1,05, а NAND упадет до $0,10 за гигабайт. Несмотря на падение в 2028 году, ценники все равно останутся выше докризисного уровня, но нагрузка на кошельки покупателей электроники ощутимо снизится.

💸 Старая память дороже новой Оперативка продолжает дорожать. По данным DigiTimes, в третьем квартале 2026-го модули DDR4 (речь про чипы 8Gb DRAM) подорожают более чем на 50%. Дошло до абсурда: спотовые цены на DDR4 16Gb местами обгоняют DDR5 с теми же характеристиками. То есть старая память кое-где стоит дороже новой. Причина простая, спрос на DDR4 неожиданно подскочил ещё во втором квартале, а делать её почти некому. Крупные игроки от DDR4 просто ушли. Samsung, Micron и SK Hynix переключились на DDR5 и премиальную память для AI-дата-центров, где и деньги. Samsung клепает DDR4 крохотными партиями для избранных клиентов, Micron запустил производство на заводе в Вирджинии, а основную массу тянут тайваньские Nanya и Winbond. И всё равно это капля против мирового спроса. Подливают масла и корпоративные SSD со встроенной DRAM: им память тоже нужна. Обиднее всего ветеранам. Кризис, начавшийся с DDR5, скатился аж до древней DDR3 — и та внезапно почувствовала себя дефицитным раритетом. Немного цифр на начало июля от DigiTimes: 🔸 DDR4 4Gb — около $12.75 🔸 DDR5 16Gb — около $47.07 🔸 а в пересчёте за гигабит DDR3 ($3.19) выходит дороже, чем DDR5 16Gb ($2.94) Да-да, гигабит древней DDR3 по документам теперь обходится дороже, чем гигабит свежей DDR5. Такая вот математика. @droidergram

Goldman Sachs: использование токенов AI-агентами может вырасти в 24 раза к 2030 году. AI-агенты становятся первым серьёзным тестом на стоимость для всего AI-бума. На этой неделе уже писали, что Uber и Microsoft пересматривают дорогие сценарии использования агентов. Обычный чат-бот может просто ответить один раз. А агент планирует, вызывает инструменты, проверяет результат, исправляет ошибки и снова повторяет цикл. Из-за этого один пользовательский запрос может съесть в 10 раз, 50 раз или даже намного больше токенов, чем обычный ответ. Бычий сценарий Goldman Sachs: месячное потребление может дойти до 120 квадриллионов токенов к 2030 году, при этом стоимость inference за токен будет падать на 60–70% в год.

Но это слухи — мелочь по сравнению с другими слухами, о которых я вам сейчас расскажу. — GPT-5.6 станет последней моделью в серии 5.x. Выпуск GPT-6 запланирован примерно через месяц — раньше, чем ожидалось, и даже возможно, что анонс состоится уже в конце этого месяца. — GPT-6 будет основана на новой, значительно более масштабной базовой модели (в отличие от базовой модели «Spud» для 5.5/5.6). — В OpenAI с большим энтузиазмом относятся к этой новой базовой модели: они считают, что она сможет гораздо успешнее конкурировать как с Fable 5, так и с грядущей версией 5.1, релиз которых намечен примерно на то же время. Изначально OpenAI планировала использовать базу Spud и при создании GPT-6, но в итоге отказалась от этой идеи. — Что касается Fable 5.1, она находится на последних стадиях тестирования, и её выход ожидается «в ближайшие недели». — «Однако, когда я говорю «модель анонсируют», это может означать не массовый запуск, потому что правительство может сдерживать выпуск GPT-6, по крайней мере в самом начале». === С одной стороны это — слухи, и даже не от самых крупных инсайдеров. Да, Leo отмечался парой удачных предсказаний/пересказов того, о чем широкая общественность узнавала на пару дней позже. Твиты от Andrew Curran почти всегда пересказ новостей со ссылками на источники, поэтому в буллшите он не был замечен. С другой стороны описание выглядит правдоподобно: Mythos был впервые официально анонсирован ровно 3 месяца назад, и OpenAI уже в тот момент должны были понять (если не понимали или сомневались раньше), что модели имеет смысл масштабировать дальше, делать дороже, лучше, больше. 5.5 — это новая базовая модель, причём не просто «ну мы поучили с нуля», а «в неё вошли уроки, полученные нами за последние 2 года». Если это не пустая фраза представителей компании, а реальное положение дел (что может быть правдой — Dylan из SemiAnalysis говорил, что OpenAI отстали по претрейну и очень долго сидели на GPT-4o, и что даже GPT-5 была очень близка к ней). Но тогда выходит, что 5.5 это валидация подхода, и теперь его можно масштабировать дальше. Несмотря на то, что GPT-5.6 выходит только сегодня, техлид Next.js из Vercel и ключевой разработчик NextJs Tim Neutkens написал, что им модель была доступна уже 2 месяца, то есть через 2 недели после публичного релиза GPT-5.5. Я не вижу смысла ему врать, ну может округлил 7.5 недель до 2 месяцев, окей. А чем OpenAI тогда занимались последние 2 месяца? При том что они понимали, что им нечем (пока) ответить на Fable? В общем комбинация ситуации OpenAI <-> Anthropic и таймлайны выпуска моделей действительно подталкивают к тому, что OpenAI должны разрабатывать более крупную модель, чтобы не отставать, в этом я не сомневаюсь. Но готова ли она к анонсу через месяц? Скорее да, чем нет — иначе уж слишком большой отрыв будет между Fable 5.1 и GPT-5.6 Sol. Мощности у OpenAI для обучения точно есть. А вот назовут ли её GPT-6 — тут только гадать 🤷‍♂️ но если модель качественно лучше и использует новую базу, то почему нет? === Несмотря на всё написанное выше я всё равно отношусь скептически к этому слуху, но также вижу и основания для того, чтобы это оказалось правдой. Неужели мы получим GPT-6 до GTA VI???

TG-RAG: A Retrieval-Augmented Framework for Reasoning Guidance in Specialized Domains Продолжаем рассказывать об интересных работах с ICML 2026. Сегодня наш коллега, Сергей Юдин, разберёт статью о том, как справляться с когнитивным дрейфом больших моделей.

Большие рассуждающие модели (типа DeepSeek) хорошо думают «в общем», но буксуют в финансах, медицине, юриспруденции и других областях, где нужно строго следовать регламенту, SOP или стандартной операционной процедуре. Проблема в том, что на длинных цепочках рассуждений модель «сползает»: пропускает шаги, придумывает свои, отвлекается. Авторы называют это Cognitive Drift («когнитивный дрейф»). Обычные способы лечить этот дрейф работают плохо. Если запихнуть инструкцию в промпт, то модель следует ей только на первых шагах, но по ходу длинного рассуждения эффект уменьшается. Дообучать модель дорого и негибко, а знания быстро устаревают. Даже классический RAG подкидывает регламент как «справочный текст рядом» — то есть как совет, который модель вольна проигнорировать. Идея авторов TG-RAG — не советовать модели, а встраивать нужный шаг прямо в поток рассуждения в момент, когда это нужно. Модель думает шаг → система её останавливает → смотрит, где модель находится в регламенте → подсовывает следующую директиву прямо внутрь рассуждения → модель продолжает. И так до конца задачи. Директива становится более жёстким ограничением, от которого модели трудно отклониться.

#YaICML2026 Душный NLP