Ну что друзья, SSI официально закрылся https://www.linkedin.com/sales/ssi Точнее он будет доступен с помощью Sales Navigator, при этом непонятно как купить Trial на текущий момент. Помню в 2023-ем году мы начали с ним работать, научились его читать, делать правильные выводы, мы реально опередили всех карьерных консультантов и компании дав преимущество участникам наших буткемпов. Вместо того, чтобы платить за часовую консультацию, каждый мог открыть SSI и найти ответ на вопросы - что я делаю правильно или неправильно в LinkedIn. Сейчас мы скатились опять в эру диназавров. Теперь, чтобы понять "правильные действия" в LinkedIn, мы опять пойдём на частную консультацию, где нам скажут - это хорошо, это плохо. Да, есть много AI которые могу оценить ваш профиль, но уровень булшита там превышает любую норму. Ещё раз очень жаль. На прошлой неделе у меня было общение с LinkedIn, я договорился рассказать продуктовой команде как мы использовали его, какие выводы делали, возможно это повлияет на возврат этого прекрасного дашборда. Что изменится для нашего community и участников будущих буткемпов? Ничего. Мы знаем что нужно делать, мы знаем какие действия правильные, какие неправильны. Что даёт офферы, что нет. Поэтому просто спокойно стартанём наш октябрьский буткемп и будем и дальше качать LinkedIn. Ну и напоследок - в пике мой SSI был 79, последние месяцы 67. Спасибо ещё раз тебе, SSI.

Кажется Илья Суцкевер скоро что-то представит Safe Superintelligence – единственная лаборатория с оценкой $32 млрд, у которой за два года нет ни продукта, ни статьи, ни демо. Сайт – один абзац и ссылка на вакансии. Ну тут прям куча каких-то утечек, намеков и восхищений. Сначала контекст, чтобы понимать масштаб ставки: – Июнь 2024 – Суцкевер уходит из OpenAI и через месяц основывает SSI с Дэниелом Гроссом и Дэниелом Леви. Манифест: никаких промежуточных продуктов, только straight shot к сверхинтеллекту. – Сентябрь 2024 – $1 млрд при оценке $5 млрд (a16z, Sequoia, DST). Апрель 2025 – ещё $2 млрд при $32 млрд, заходят Google и NVIDIA. Рост x6 меньше чем за год – на одной вере в Илью. – Лето 2025 – Meta пытается купить SSI целиком, получает отказ, забирает себе CEO Гросса. Суцкевер становится CEO сам. – Ноябрь 2025 – большое интервью Дваркешу: «эпоха масштабирования закончилась, возвращается эпоха исследований». Ещё x100 компьюта, по его словам, улучшит модели, но не изменит их природу. Чего именно не хватает – не сказал, «мы над этим работаем». – 27 июля 2026 – NVIDIA объявляет партнёрство: доступ к Vera Rubin, рост компьюта на порядок за год, плюс инвестиция (в прессе – $5 млрд). Формулировка в релизе: вошли «после редкого доступа к закрытым исследованиям». Дальше – август и слухи. Инвестор Гэвин Бейкер в подкасте говорит, что SSI выпускает первую модель в этом месяце, причём слово «модель», а не «LLM» – в X это отдельно подметили. Мартин Касадо из a16z пишет про «самый значимый релиз года», не называя компанию. Обозреватели подхватывают: кто-то про «прорыв в continual learning из небольшой лаборатории», кто-то уже про «сверхинтеллект создан». Сама SSI молчит. Ключевой слух – архитектура Test-Time Training. В декабре 2025 вышла статья Stanford «End-to-End Test-Time Training for Long Context» – модель не держит длинный документ в контекстном окне, а дообучается на нём прямо во время инференса, сжимая прочитанное в собственные веса. На 3B-модели это дало такое же качество на 128K контекста, как у полного attention, но почти в 3 раза быстрее. Среди авторов – люди из NVIDIA. Если у SSI действительно рабочий continual learning в масштабе, это бьёт по трём вещам сразу: гонке за контекстные окна, RAG как костылю вместо памяти и самой идее, что побеждает тот, у кого больше GPU. Суцкевер описывал цель как «сверхумного 15-летнего подростка» – ничего не знает про вашу компанию, но выучивает работу за неделю и не забывает. Для тех, кто строит агентов и каждый новый чат заново кормит контекстом, это ровно та боль. Короче, звучит невероятно, но пока загадывать сложно. Вариантов три: перенос релиза на осень (для лаборатории без истории релизов – норма), обычная фронтир-модель (при такой оценке – провал) или реальный шаг в continual learning – тогда это важнее, чем появление reasoning-моделей.