ИИ-директора банкротятся на ровном месте, разбор нового бенчмарка CEO-Bench Исследователи из Принстона (Z-Lab) выкатили жесткий тест для нейросетей – CEO-Bench. Это не просто ответы на вопросы, а симуляция управления SaaS-стартапом в течение 500 игровых дней. Условия игры: На старте дают $1 млн и 0 клиентов. В руках у ИИ 34 инструмента: маркетинг, найм, цены, сервера. Вокруг "злой" рынок с задержкой фидбека, шумом в данных и меняющейся экономикой. Задача – не обанкротиться и выжать максимум прибыли. Результаты показывают, что со стратегическим мышлением у ИИ пока беда. Из топовых моделей выжили и вышли в плюс только три: 🥇 Claude Fable 5 — $47,15 млн 🥈 Claude Opus 4.8 — $27,8 млн (модель додумалась сама писать скрипты когортного анализа) 🥉 GPT-5.5 — $21,3 млн Главный позор: Обычный глупый алгоритм на жестких правилах (rule-based script) без всякого ИИ сделал $15,76 млн и обошел десятки умных нейросетей. 🚬 Пять крупных моделей, включая DeepSeek V4 Pro, Gemini 3 Flash и Grok 4.20, и вовсе полностью обанкротились. ИИ пока не умеют играть вдолгую: они страдают амнезией на длинной дистанции и слишком пытаются угодить всем советникам вместо принятия жестких решений. Теоретический максимум в симуляции – $2,2 млрд. Так что кожаным мешкам на позициях CEO пока можно спать спокойно. Но это не точно. 👍 Подробности исследования читайте в оригинальной статье о CEO-Bench, а код для тестов доступен в репозитории на GitHub. Интерактивный график в блоге. Не является инвестиционной рекомендацией. 🥳

Clerk - софт для управления пользователями и спонсор моих недавних посиделок в баре Я несколько лет подписан на рассылку Ленни Рачицки. У меня платный доступ, а вместе с ним доступ в комьюнити, где среди прочего периодически организуют офлайн-митапы. Так получилось, что за всё это время я ни разу на них не сходил. Как-то на Кипре мы пытались сами собрать такую встречу, но что-то не взлетело, не смогли договориться. А тут случайно увидел, что в Валенсии будет митап, не долго думая, решил присоединиться. В принципе, ничего необычного. Нас было человек десять, в основном продакты из разных стран. Русскоязычный был только я. Обсуждали карьеру, AI, продуктовые боли, футбол - чемпионат мира всё же идёт, куда без этого. Но меня зацепила одна деталь. Эти посиделки были оплачены спонсором. Причём это не какая-то разовая акция. Ребята встречаются раз в 2–3 месяца, многие уже друг друга знают. Бюджет небольшой 15 евро на человека. Но от меня не требовалось вообще ничего: ни регистрации у спонсора, ни e-mail, ни сканирования бейджа, ни "давайте мы вам потом пришлём демо". Я даже прочитал, кто был спонсором, уже после митапа. И то скорее из-за профессиональной деформации, так как хотел про них написать. В приглашении было просто написано, что встреча любезно предоставлена Clerk. Clerk делает инфраструктуру для логина и управления пользователями в приложениях. То есть всё то, что разработчикам обычно лень, долго и страшновато писать самим: регистрация, вход через Google/GitHub, роли, организации, сессии, безопасность. Сейчас они ещё разворачивают это в сторону Agent Identity, кто и как должен логиниться, когда в приложение приходит не человек, а AI-агент, который действует от имени человека. В анонсе Series C они писали, что Clerk уже управляет более чем 200 млн пользователей в 15 тысячах приложений, и хотят стать инфраструктурой идентичности уже для AI-эры. У них freemium-модель, среди инвесторов Stripe, a16z, CRV, Menlo Ventures и Anthropic’s Anthology Fund, а всего публично они объявляли больше $100 млн привлечённых денег. Интересно, насколько дорогим стал простой контакт с правильной аудиторией. Компания платит не за лиды, не за клики, не за список e-mail и даже не за возможность кому-то что-то презентовать. Она просто оплачивает вечер, где десять продактов сидят друг с другом, разговаривают про работу, AI и футбол, а где-то на фоне один раз появляется её название. А потом кто-то из этих людей через полгода запускает новый продукт, обсуждает с командой логин, роли и пользователей, и в голове всплывает: "А, Clerk, слышал про них". Продакты - лакомый кусочек для таких стартапов. Они не всегда сами принимают техническое решение, но часто оказываются рядом в момент, когда это решение обсуждают. А иногда этого уже достаточно.

🔭60 миллионов звёзд в сердце Галактики Телескоп Euclid от ESA снял самый детальный в истории кадр центра Млечного Пути в видимом свете, и на нём больше 60 миллионов звёзд. Обычно он охотится за тёмной материей, но на один день по просьбе астрономов развернулся к ярчайшему ядру галактики. Всю мозаику отснял примерно за 26 часов, а каждый кадр захватывает участок неба больше полной Луны. Но снимок нужен не ради красоты, а для охоты на экзопланеты методом микролинзирования: когда одна звезда проходит перед другой и, как лупа, усиливает её свет, а планета рядом выдаёт себя крошечным дрожанием яркости. В кадр уже попала 51 известная планетная система, а метод особенно хорош для поиска холодных ледяных миров. Один такой там уже есть — промёрзшая планета, которую сравнивают с Хотом из «Звёздных войн». Скачать кадры в высоком разрешении можно по этой ссылке. @droidergram

На китайских чипах натренировали первую большую LLM Meituan релизнули LongCat 2.0, которую тренировали на 50 тысячах неназванных китайских чипов, по деталям похожих на Huawei Ascend 910C. Претрейн большой, 1,6 триллиона параметров (почти как у DeepSeek V4 Pro), из которых 48 миллиардов активных. Тренировали на 35 триллионах токенов, причём несколько сотен миллиардов токенов это данные с длиной контекста около миллиона токенов. Таких масштабов раньше достигали только на GPU Nvidia и TPU от гугла, так что это очень большое достижение. Интересная особенность модели — тут неактивные параметры уходят не только на MoE слои, но и на огромные n-gram эмбеддинги, которые занимают почти 10% всех параметров модели (у LongCat Flash-Lite, на которой их тестили, на это ушла вообще почти половина параметров). Кстати по эмбеддингам они тоже параллелят, получив в итоге 6D параллелизм. Ну и конечно они не смогли удержаться и сделали собственный вариант Sparse Attention, путём модификации до неузнаваемости DSA. Последние два месяца LongCat 2.0 тестили на Openrouter под кодовым именем Owl Alpha, звёзд с неба она там не хватала. В API модель стоит $0.75/$3 за миллион токенов, что дороговато для такого уровня интеллекта (хотя прожорливость пока что непонятна). Веса модели обещают скоро релизнуть, Meituan обычно релизит под Apache 2.0/MIT. Веса будут тут Блогпост @ai_newz

Про окружение и как отпускает место Стал задумываться, что оно особенно важно для детей: какие разговоры они слышат в кругу взрослых, что есть норма амбиций, как воплощаются мечты. Я даже не про образование, а про среду. Понимаю важность давно, но всё равно эта история про окружение у меня в голове была какой-то абстрактной и воздушной, пока не родилась метафора. Мы 4 дня почти жили на фестивале Атланты-Сити, и там концепция — город предпринимателей. И вот мы едем с Машей в машине вечером и обсуждаем — а что дальше-то? Куда территориально и траекторно? Смешно сказать — мы проехали почти 150 км, чтобы поесть безумно вкусные сендвичи в заведении, которое продержалось полгода и закрывается, это была последняя возможность. И я говорю — идём от окружения, это главный критерий. Представь, если бы этот город предпринимателей был не фестивалем на несколько дней, а реальным городом. Сколько там человек? Ну, допустим, около 500. Предприниматели в основном, не все, конечно, но все что-то создают или очень хотят. И вот в этой среде, где за завтраком могут встретиться миллиардер и молодой стартапер, будет довольно сложно что- то не построить. Ну то есть надо быть совсем валенком, невезучим или просто не заинтересованным. Желающий сделает. И вот тут мы оба как поняли! Ценность среды может быть выше навороченных учебных программ, инфраструктуры и много чего ещё. Новые бордюры не увеличат твою конверсию в успех, а вот сильные люди — да. Понимаю, что пост сумбурный, а кто-то вообще примет за рекламу фестиваля, но нет, он уже прошёл. А я ребятам организаторам так и написал: было настолько хорошо, что я ваш амбассадор теперь, хотите вы этого или нет, потому что много оттуда унёс. И мы всерьёз задумываемся, куда ехать дальше. Даже Маша, которая всегда была влюблена в Поляну. Знаете вот это ощущение, когда понимаешь, что какие-то процессы уже запущены независимо от твоего желания. Ты всё чаще замечаешь, что прощаешься с местом на каком-то глубинном уровне. От этого ощущения и светло, и грустно. И это огромная проблема, потому что предстоит не просто взрастить наши новые идентичности, но и сделать это в другом месте. А в каком — бог его знает.

✔️ GPT-5.6 Sol читерит на тестах и пока не способна к автономной разработке ИИ METR опубликовала предрелизный аудит модели GPT-5.6 Sol от OpenAI. При выполнении программных заданий она регулярно пыталась использовать уязвимости тестовой среды и извлекать скрытый исходный код с ответами. Из-за использования эксплойтов исследователи не смогли достоверно замерить автономность алгоритма. Если классифицировать попытки извлечь ответы как ошибку, GPT-5.6 Sol способна самостоятельно работать над задачами около 11 часов. Если засчитывать обход среды как успешное решение, показатель превышает 270 часов. Несмотря на сложности с оценкой, в METR пришли к выводу, что навыки GPT-5.6 Sol не совершили революционного скачка. Обнаружение попыток обхода означает, что текущие системы мониторинга справляются с фиксацией подобных действий алгоритма.

Настоящая угроза безопасности возникнет тогда, когда следующие поколения моделей научатся безупречно маскировать свои намерения и незаметно обходить инструменты контроля.

@ai_machinelearning_big_data #news #ai #ml

🎙 Портфельная карьера — растущий тренд или вынужденное следствие кризисного рынка? Портфельная карьера это новый термин для привычного явления — многоработничества, или ситуации, когда человек совмещает несколько источников дохода. Это может быть подработка, фриланс, оверимплоймент и т.д. 🤔 Почему люди на это идут? Только из-за денег или есть что-то ещё? И что выгоднее компании — запрещать подработки или позволить сотрудникам решать самим? Кира Кузьменко, фаундер NEWHR, говорит о портфельной карьере в новом выпуске «Бери и беги!». Она опирается на наше исследование, ключевые выводы которого — здесь. Выбирай удобный формат: ➖ Аудио на подкаст-платформах ➖ Видео-версия

➖ Ключевые тейки текстом ⤵️ Перед тем, как говорить о подработке (или портфельной карьере), важно разделить два явления: Подработка — это дополнительная занятость сотрудника, чаще всего открытая и легальная. Оверимплоймент — скрытая работа на полную ставку сразу на нескольких работодателей. Разница принципиальная: подработка — норма, оверимплоймент — рискованная и почти всегда временная история. 1️⃣ Причина явления — кризис Рост подработки стал заметен, когда IT-пузырь лопнул: вакансий меньше, сроки поиска работы растут, кандидатам приходится соглашаться на роли с меньшим доходом. Как следствие люди пошли в консалтинг, пет-проекты, стартапы — параллельно с основной работой. 2️⃣ Люди подрабатывают ради денег (но не только) 💰 Главная причина — деньги Большинство хочет поднять качество жизни, и эту мотивацию реально закрыть: те, кто подрабатывает ради дополнительного дохода, остановятся, когда ситуация наладится. ✨ Сильна и не-денежная мотивация Половина подрабатывающих делает это ради нового или уникального опыта. Эту потребность бизнес может закрыть интересными проектами внутри компании. 3️⃣ Подрабатывают часто, а вот масштаб оверимплоймента преувеличен Массового обмана работодателей не наблюдается. По данным нашего исследования, только 1 из 33 специалистов тайком работает фуллтайм на несколько компаний. 4️⃣ Отношение компании к подработке — зеркало того, насколько ей тяжело нанимать Чем сложнее компании «затащить» к себе опытного сеньора, тем лояльнее она относится к его подработкам. Если же к работодателю стоит очередь сильных кандидатов — он может требовать даже закрыть ИП перед оффером. 5️⃣ Для стартапов подработка — шанс нанять сильного специалиста Не можешь схантить топового разработчика на полную ставку — возьми на частичную занятость. Стартапы жили так всегда. Так что «новая парадигма» портфельной карьеры — старая история в новой обёртке. 6️⃣ Запреты на подработку не работают (но есть нюанс) В компаниях, не одобряющих подработку, сотрудники не прекращают подрабатывать — они просто держат это в секрете. У работодателей есть выбор: запрещать подработку и рисковать, что их будут обманывать. Либо проявить гибкость и договариваться о правилах на берегу. ✍️ Важная оговорка: жёсткий запрет на подработку частично работает: там, где это строго запрещено, подрабатывающих в 2,5 раза меньше. Но само явление он не убивает — 76% подрабатывающих планируют продолжать независимо от политики компании. 7️⃣ Оверимплоймент — это не образ жизни, а временный финансовый рывок Оверимплоймент для сотрудника — почти всегда вынужденное решение. И цена его высока: ➖ Половине оверимплойщиков не хватает сил на основную работу ➖ Четверть не успевает закрывать свои задачи ➖ 73% используют для второй работы время основного работодателя — и реально рискуют местом 8️⃣ Исследование мы провели в 2024 году. Что изменилось с тех пор? Кризис усилился — особенно на российском рынке. Срок поиска работы вырос с 3 до 6+ месяцев. Это вынуждает людей ещё чаще соглашаться на подработку: ради заработка и поддержания профессиональной формы. 🔗 Больше инсайтов о последствиях подработки и оверимплоймента — в нашем исследовании.

Если вы хотите провести анализ рынка для своей компании — мы будем рады сделать его вместе с вами! Мы изучаем IT-рынок России и мира и делаем как публичные, так и заказные исследования. ↘ Наши исследования ↘ Написать нам: data@new.hr

Маркетинговый кейс - демаркетинг: Patagonia Захотел поделиться инетерсным кейсом. В 2011 году во время черной пятницы бренд Patagonia (а именно ее CEO) решили провести очень интересную рекламную компанию, они запустили рекламу под названием: «Don't Buy This Jacket» («Не покупайте эту куртку»). Ребята купили разворот в газете The New York Times с призывом отказаться от лишних покупок. Все выглядит максимально клево - - посмотрите на картинку. Покупателям предлагалось перед покупкой новой куртки задуматься о том, нужен ли им этот товар, так как производство одежды наносит колоссальный ущерб экологии. Людям зашло, за год продажи компании выросли на 30%. Объясняется это тем, что покупателю среди однообразных предложений нравится такие, которые причисляют их к какому-то крутому обществу - например, тех, кто заботится и думает об окружающей среде. Мы хотим видеть думающие бренды - ведь намного приятнее покупать продукты во "ВкуссВилле", потому что он такой Бирюзовый и хороший, а не в магните или пятерочке (ведь они представители "Корпораций"!) _ Вообще, демаркетинг, тема очень хорошая, подумайте, а как вам заявить, что вы не такие как все? что вы с покупателем на одной стороне? Ваш @blackproduct

⚖️ ИИ-увольнения стали вопросом государственной важности Губернатор Калифорнии Гэвин Ньюсом подписал указ, который поручает государственным органам подготовить меры поддержки работников, пострадавших от внедрения ИИ. Что предлагается: 🔵 изучить программы поддержки и компенсаций для уволенных сотрудников, 🔵 расширить возможности переобучения, 🔵 рассмотреть модели совместного владения бизнесом для работников, 🔵 проанализировать влияние ИИ на рынок труда Калифорнии, 🔵 изучить, как профсоюзы ведут переговоры по вопросам ИИ, 🔵 ограничить увольнения, основанные исключительно на решениях алгоритмов. Поводом стали массовые сокращения в технологическом секторе. Meta, Cisco и Block уже напрямую связывали увольнения с ИИ-трансформацией компаний. Сам факт появления подобных инициатив показывает, что дискуссия вокруг ИИ выходит за пределы технологий и бизнеса. Вопросы занятости, защиты работников и распределения выгод от автоматизации постепенно становятся предметом государственной политики. Интересно, что профсоюзы и часть экспертов всё чаще подчёркивают:

массовая потеря рабочих мест из-за ИИ не является неизбежностью.

Во многом это вопрос управленческих и политических решений. При этом подходы начинают расходиться. Если в США на федеральном уровне преобладает курс на минимальное регулирование, то отдельные штаты уже пытаются выстроить собственую систему защиты работников. ✅ Вывод Мы постепенно переходим от обсуждения возможностей ИИ к обсуждению его социальных последствий. Если раньше автоматизация была внутренним вопросом компаний, то теперь она становится предметом переговоров между бизнесом, государством и обществом. И, возможно, главный спор ближайших лет будет не о том, способен ли ИИ заменить человека, а о том, кто получит выгоду от этого перехода и кто заплатит за его последствия.

Ширина диапазона 🧗‍♀️ Я занимаюсь скалолазанием уже 3 года и вчера на тренировке придумала интересную метафору. Представьте, что вы заходите в метро на эскалатор - он везет вас наверх с понятной скоростью до заранее известной высоты. Можно бежать по ступенькам, обгоняя других пассажиров, а можно просто стоять, и разница будет небольшой. Это в нашей метафоре - работа в найме, скорее всего в бигтехе. Эскалатор едет, даже если вы устали и стоите на месте, но при этом у него всегда есть потолок - уровень, выше которого эта лестница уже не идет 🤨 Про свой проект я думаю как про скалу или гору - высота, на которую вы заберетесь, ограничена в основном вами, и фиксированного этажа сверху по сути нет. Совсем без страховки лезут редко, и роль страховки тут обычно играет финансовая подушка или инвестиции. Пока они есть, срыв не фатален - вы повисаете, переводите дух и пробуете снова, но наверх вас никто не затащит. Постоянного "пола" вроде зарплаты здесь не будет, и при желании можно даже уйти в минус, набрав долгов 😳 Каждый преодоленный метр вы проходите собственными руками, тогда как на эскалаторе всю базовую работу за вас делает мотор. Идти по ступенькам и упахиваться вы, конечно, можете, но добежите вы или просто пойдете - на eta это влияет слабо. В найме то же самое: можно работать на износ, и все равно твой личный рывок почти не виден в общем результате из-за масштаба 😢 Тут, конечно, стоит оговориться, что для многих потолок найма достаточно высокий, чтобы жить прекрасно, и ничего плохого в таком выборе нет. Стабильные ~$25k в месяц - это хорошая жизнь, и пол с потолком в ней скорее плюс, чем компромисс. В найме платят за работу более или менее независимо от того, сработали твои гипотезы или нет. Получается, что ошибиться можно, а зарплата все равно будет, и чаще всего ты даже не видишь, насколько конкретно твой вклад повлиял на то, выросли акции корпорации или упали, потому что в большой компании он смешивается с сотней чужих, и организация выигрывает за счет объема. Конечно же это не значит что в найме можно не работать - там часто работают на износ, но усилие и награда связаны слабее, и вклад почти не разглядеть. В своем деле все ровно наоборот - вот прямо сейчас я думаю, что пойдет в новую маркетинговую итерацию, формулирую гипотезы, и через пару недель их качество напрямую скажется на нашей выручке 🤑 (или ее отсутствии) 😐 Вся история про безопасность против риска тут довольно поверхностна и упирается в то, можно ли измерить твою работу и есть ли так называемый рычаг. Я думаю, что чтобы человеку платили ровно за то, что он производит, нужны две вещи: результат должен быть отделим и измерим, а решения должны на что-то заметно влиять. Найм ограничивает и то и другое уже самой своей конструкцией, потому что в большой системе работа людей переплетена и ее трудно оценить по отдельности. Пусть кто-то обучил офигенную по точности модель, которая бьет все прочие по метрикам - но нужна ли она была бизнесу вообще? Стоит ли его за это премировать? А начальника наоборот - депремировать за ненужную задачу? Поэтому и бессмысленно приходить к руководителю с предложением работать в несколько раз интенсивнее за пропорционально большие деньги. Свое дело снимает оба ограничения сразу, но вместе с ними и гарантию Получается, что и сам вопрос про уход из найма вторичен и думать в первую очередь стоит о том, что именно хочется оптимизировать. Когда важнее предсказуемость и спокойствие, остаться - разумный выбор, особенно если потолок устраивает. Когда важнее измеримость, рычаг и владение результатом, разумно уходить, но желательно с накоплениями Мне лично не нравилась непрозрачность, что в бигтехе, что в стартапах на инженерных ролях - я плохо понимала, имеет ли значение то, что я делаю и как мои задачи даже на синиорных позициях влияют на результат - а разговоры с с-лвлами если и возможны, то не всегда помогают. Поэтому при прочих равных я стараюсь выбирать более широкий в обе стороны диапазон, границы которого задаю себе сама, даже если он менее предсказуем, чем гарантированная, но узкая полоса 😎 @neural_prosecco

приходите послушать в чт, вуступлю немного на секции про vc. —— ЛатАм глазами практиков: онлайн-конференция 2 июля 🌎 За последние 4 года в Латинской Америке обосновалось огромное количество русскоязычных предпринимателей, инвесторов и экспертов — регион стал по-настоящему своим для тех, кто решился его исследовать.

Организатор — ALTА Community — глобальное русскоязычное сообщество предпринимателей и экспертов с ядром в Латинской Америке. 250+ резидентов в 20+ странах.

2 июля, четверг 17:00 МСК · 11:00 БА · 7:00 СФ 20 практиков из PLATA, JET, inDrive, Yango, Pix LatAm и других компаний региона поделятся опытом про: – венчур и стартапы – как масштабируются крупные игроки – продажи в офлайн- и онлайн-бизнесе – деньги в инвестициях и недвижимости – жизнь в Мексике, Аргентине, Чили, Бразилии Если думаете про выход в LatAm, ищете возможности для инвестиций или рассматриваете релокацию — стоит послушать. Регистрация бесплатная 👇 https://latamconferences.com