ИИ

Ключевое за 3 дня ⚡ Главное • SpaceX закрывает покупку Cursor — SpaceX завершила покупку Cursor за $60 млрд. 📈 Рост и Оптимизация • Alibaba Qwen — 3 млрд загрузок — За 6 месяцев, 460+ моделей. • Google купил данные Spirit Airlines для обучения ИИ — Google купил данные Spirit Airlines за $10 млн. • Расходы Big Tech на ИИ на $3 трлн выше, чем кажется — Big Tech несет $3 трлн внебалансовых обязательств на ИИ. • Выручка Anthropic выросла в 14 раз за год, компания целится в IPO на $2 трлн — Квартальная выручка подскочила с $787M до $11.5B, прогноз на 2028 год — $190–200B. • Один ИИ-модуль имитировал 86% прироста точности — Модуль имитировал 86% прироста точности, передавая ответы. 🤖 Промпты и Практика • 10 мощных промптов для GPT-5.6 — Продвинутые промпты для GPT-5.6. • Как перенести контекст ИИ между ChatGPT, Claude и Gemini — Cuey синхронизирует память между моделями. • Топ-1000 промптов — Коллекция промптов для ИИ. • Инференс на Apple Silicon — Руководство по инференсу на Apple Silicon. • 10 минут болтовни с ChatGPT работают лучше идеального промпта — Неожиданный результат эксперимента. 🛠 Инструменты • OpenAI ускоряет GPT-5.6 Sol в 14 раз — Режим Ultrafast: до 750 токенов/сек. • Google Gemini 3.7 Flash для кода и агентов — Улучшены отладка и планирование, цена 0.75 центов/млн токенов. • Cursor запускает платформу хостинга кода Origin — Origin: хостинг кода с синхронизацией с GitHub. • Harvey II: контекст и память для юридических ИИ — Агенты начинают с прошлых задач, экономя время на настройке. • Язык Mojo стал полностью открытым — Лицензия Apache 2.0 с доступом к GPU и ИИ-ускорителям.

ChatGPT резко изменил метод поиска информацию в интернете 8 августа доля поисковых запросов ChatGPT с оператором site: — то есть поиском сразу по конкретному сайту — выросла с 0.37% до 16.8%. За один день такой способ поиска стал использоваться примерно в каждом шестом запросе к вебу. В тот же день доля Reddit, как источника ответов, упала с 4.5% до 0.5%. Одновременно ChatGPT начал делать больше поисковых запросов для подготовки одного ответа. Было в среднем 1.08, стало 1.83. Причём поиск по конкретным сайтам не заменил обычный веб-поиск, а добавился сверху. Теперь ChatGPT сначала может искать информацию широко, а затем отдельно идти на сайты, которые считает подходящими источниками. На этом фоне OpenAI припоминают недавнее партнёрство с L'Oréal, когда бренд косметики заплатил, чтобы напрямую отдавать ChatGPT точную информацию о своих продуктах. https://gizmodo.com/openai-is-backing-away-from-reddit-as-reddit-tries-to-become-openai-2000800060?ref=aisecret.us

Muse V2 Чат-панель с LLM внутри ноды ComfyUI В V2 добавлен прямой загрузчик GGUF - LM Studio и Ollama больше не обязательны - Три бэкенда: LM Studio, Ollama, Direct (GGUF) - llama.cpp-сервер в один клик, без сторонних приложений - Мульти-сессионные чаты с историей, системным промптом, бранчингом (форк с любого сообщения) - Изображения, видео (Qwen3-VL, сэмплинг кадров с таймстемпами) и аудио (Qwen2.5-Omni, Ultravox) - drag-drop прямо на панель - Guide Materials: файлы стилей и конвенций из input/ - влияют на каждый ответ - Координация VRAM: перед чатом выгружает ComfyUI, перед рендером подтверждает, что LLM выгружена - Edit & resend, кнопки копировать и перегенерировать на каждом сообщении #comfyui #chat #llm VK | MAX

👁 Пластмассовый мир всё ближе Американская компания Flock годами объясняла, что она просто читает автомобильные номера. Её камеры расставлены по всей территории США — в 6000 населённых пунктов. Доказательств обратного накопилось достаточно, а теперь Wired описал инструмент, рядом с которым распознавание номеров выглядит детской забавой. Внутри компании его звали Nightshift, сейчас — OS Investigate. Он тянет данные со всей этой сети и ведёт журнал перемещений водителей. Официальная задача звучит благородно: найти свидетеля преступления по тому, какие машины крутились рядом в нужное время. А дальше найденное сшивается с полицейскими делами, логами вызовов 911 и коммерческими базами — и на выходе имя, домашний адрес, родственники и даже друзья человека, который просто ехал мимо. Wired пишет, что система умеет искать людей в области, обведённой на карте, по одному лишь физическому описанию. Ни номера, ни имени, ни даже преступления не требуется. Место, время, манера поведения — остальное доделает алгоритм. Сверху накинули чат-бота. Офицер пишет запрос текстом, часть шаблонов уже вшита: «найди мне свидетелей по машинам, которые чаще всего появлялись в [районе] за [последние 14 дней] в [интервал времени]». Ограничений на промты нет — полиция может фактически вести нейросеть за руку. Сама Flock отвечает уклончиво: продукт тестируется с отдельными партнёрами из правоохранительных органов, текущие возможности «могут не отражать» финальный вариант. Опровергать при этом ничего не стала. @droidergram

⚡️ Как прошел KDD На прошлой неделе прошла одна из ключевых конференций в области ML, и AI VK Research привезла туда две работы по рекомендательным системам. Темы довольно показательные. Первая: как оптимизировать retrieval не под следующий клик, а под поведение пользователя в рамках всей сессии. Вторая: как использовать MDP с матричной факторизацией для candidate generation. То есть обе работы так или иначе про одну большую проблему: как сделать классическую рекомендательную систему не просто хорошей в предсказании следующего действия, а более эффективной на длинном горизонте. Исследователи AI VK Research собрали репортаж прямо с KDD: что обсуждали на конференции, какие тренды заметны сейчас в recsys и как проходила презентация исследований команды.

Как используют Сodex и ChatGPT для работы На картинке наглядно о том, кто и для чего пользуется. Там круто разделено по профессиям и даже сеньорности - такой уровень инсайтов доступен только самому OpenAI, на своих внутренних данных - по ним и написана работа (pdf). Knowledge artifacts в схеме - это создания всяких файлов: слайдов, документов и т.д. Видно, что пользуются сейлзы, маркетологи и продакты (что логично). Самое неожиданное для меня, что анализ данных сильно выражен только у эйчаров (ну понятно, читают резюме через llm), а у остальных анализа данных почти нет. Еще видно, что если человек не кодит, то число кейсов использования llm в работе резко сокращается. В работе кстати кроме прочего интересно считали распределение использования Codex vs ChatGPT. У личных акаунтов доля кодекса 16,5%, у корпоративных 63%, а у контрольной группы из сотрудников OpenAI - аж 99,8%! Наверное многим как и мне, будет интересно сравнить данные таблицы со своим использованием. @kyrillic

Недавно YC Startup School выпустил видео со своей бесплатной образовательной программы для основателей стартапов. Всегда очень вдохновляюсь, когда супергерои, построившие классный бизнес, приходят с живыми выступлениями и рассказывают про свои уроки. Вот кто был крашем из выступающих у меня в этот раз. Jensen Huang — «The Mindset That Built NVIDIA» Хуанг рассказывает, как NVIDIA начинала не с той технологии, освоила нужную по трём учебникам из Fry's и в итоге совершила ключевые прорывы в современных вычислениях. [YC Library: Jensen Huang](https://www.ycombinator.com/library/Tq-jensen-huang-the-mindset-that-built-nvidia) Boris Cherny — «Building Claude Code» Интервью с Дианой Ху сразу после запуска Opus 5. Черни рассказывает о том, как создавался Claude Code, на что способны новые модели и как строить продукты, когда возможности ИИ так быстро растут. [YC Library: Boris Cherny](https://www.ycombinator.com/library/UN-boris-cherny-building-claude-code) Dmitri Dolgov — «The Demo Is Only 1% Of The Work» Со-CEO Waymo про то, что демо — это лишь 1% работы: показать, что беспилотная машина умеет ездить, заняло 18 месяцев, а довести это до полноценного продукта — 15 лет. Долгов говорит про world models и closed-loop симуляцию, которые Waymo использует в разработке, и подчёркивает ключевое отличие физических систем от софта: в реальном мире ошибка стоит куда дороже, чем токен, поэтому автономный транспорт требует несравнимо более строгого тестирования, чем обычные продукты. [YC Library: Dmitri Dolgov](https://www.ycombinator.com/library/WV-waymo-co-ceo-dmitri-dolgov-the-demo-is-only-1-of-the-work) Все выступления можно посмотреть здесь: [YC Startup Library](https://www.ycombinator.com/library)

ИИ – метаинтерфейс между человеком и реальностью Он становится полупрозрачной живой линзой – второй сетчаткой между человеком и миром В недавнем эссе NYT Элис Лассман назвала ИИ «социальным герметиком»: он заполняет щели человеческих отношений. Некому написать, не хочется беспокоить друга, страшно спросить напрямую – обратись к ChatGPT. Но метафора «герметика» описывает лишь часть происходящего.   ИИ одновременно становится «социальным лубрикатором», снижающим трение между людьми: он объясняет чужие сообщения, подбирает правильные слова, помогает репетировать трудные разговоры и избегать конфликтов.   А еще он работает «социальным амортизатором» – принимает на себя первый удар раздражения, тревоги, ревности или обиды и возвращает человеку уже переработанную версию его эмоций.   Получается, что ИИ выполняет как минимум три новые социальные функции: заполняет пустоты, снижает трение и поглощает удары при коммуникации людей.   Но самое важное начинается за пределами коммуникации.

ИИ превращается в новый интерфейсный слой среды существования разума.

Он все чаще оказывается не только между человеком и человеком, а также и между человеком и текстом, событием, знанием, проблемой, собственной мыслью.   Т. е. меняется сама среда, внутри которой мы понимаем, интерпретируем и познаем мир, а коммуникация – лишь один из ее процессов. Культура единственного носителя интеллекта постепенно превращается в гибридную культуру двух типов носителей – биологического и алгоритмического, то есть в алгокогнитивную культуру. И одним из ее ключевых отличий становится трансформация культурной медиасреды. ИИ постепенно превращается в метаинтерфейс между человеком и миром. Для математика, исследователя, дизайнера, поэта, студента или школьника это будут разные специализированные ИИ-интерфейсы. Но общий принцип один: мы всё чаще обращаемся к миру через другой интеллект. Прежде главным интерфейсом человека с информационной реальностью были экран, меню, поисковая строка. Теперь им становится другой носитель интеллекта.   В 1970–1980-е графический интерфейс изменил способ взаимодействия человека с компьютером – и помог превратить компьютер в массовый цивилизационный инструмент. Сейчас происходит смена куда более высокого уровня.

Меняется интерфейс не между человеком и машиной, а между человеком и реальностью.

И впервые в технологической истории человечества этим интерфейсом становится иной интеллект.   #АлгокогнитивнаяКультура  #ИнойИнтеллект

Context-1 — поисковый агент, который умеет избавляться от лишнего. Часть 2/2 Продолжаем изучать агент Context-1. В первой части мы рассмотрели, что это вообще такое и какие задачи перед собой ставили авторы. А в этой части поговорим о метриках и обучении. Для оценки качества ответа авторы предлагают использовать четыре метрики: Final answer found (смогла ли модель найти документ с правильным ответом в выдаче), Recall (доля релевантных документов, которые выбрала модель, от общего числа релевантных документов), Precision (число релевантных документов, которые модель отвергла) и FB (среднее гармоническое Recall и Precision; идея авторов в том, чтобы штрафовать модель за отбор нерелевантных документов только под конец обучения). Также предлагают рассматривать Trajectory recall, оценивая качество траекторий и поощряя модель за отбор нужных документов и не награждая чрезмерно за случайное нахождение верного ответа.  На SFT авторы генерировали некоторое количество траекторий с помощью Kimi K2.5. Дальше заводили RLVR на модели gpt-oss-20b с LoRA. Вместо GRPO применяют CISPO — модификацию, которая позволяет лучше бороться с энтропийным коллапсом. Что касается реворда, то здесь на модель накладываются два штрафа: за уменьшение контекста несколько раз подряд и за количество шагов (если их больше 64). В результате модель научилась чаще работать с параллельным вызовом инструментов и лучшему прунингу в сравнении с базовой gpt-oss-20b. А число шагов в траекториях сократилось. С результатами по четырём доменам — веб, финансы, юридическая информация и электронная почта — можно ознакомиться в первой таблице.  Обратите внимание, что Context-1(4x) — это конфигурация, на которой запущено сразу четыре агента, а результаты их выдачи объединены с помощью метода Reciprocal Rank Fusion. Авторы отмечают, что даже в таком случае требуется меньше ресурсов, чем на запуск крупных моделей. Что же касается опенсорсных бенчмарков (таблица 2), то тут оценивалось, есть ли финальный ответ в документах, которые выбрала модель.  В финале авторы отмечают, что им не хватает разнообразия задач — все они представляют собой таски вида «найди что-то в ворохе документов». Также в работе говорится, что потенциально к используемым инструментам можно добавить и тулы для написания кода, и оркестратор. Наконец, предлагается поработать над менеджментом контекста: например, сохранять какое-то минимальное количество информации из выкинутых документов или суммаризировать большие страницы.  Разбор подготовил ❣ Владислав Пыж Душный NLP

Привет, друзья! Сэм Альтман заявил, что OpenAI находится примерно на расстоянии одного поколения моделей от ИИ, при котором ChatGPT будет работать в фоновом режиме на протяжении всей вашей цифровой жизни — наблюдая за экраном, присутствуя на встречах и записывая звонки. Вы подключите его к своей почте, документам, Slack и сообщениям. Система будет выстраивать полный контекст вашей работы и предлагать решения в реальном времени, оставляя итоговый выбор за вами. Сегодня большинство людей используют ИИ в рамках отдельных, изолированных сессий. То, что описал Альтман, никогда не отключается и не теряет контекст — а значит, одна-единственная компания будет располагать непрерывной записью того, что происходит на вашем экране, в разговорах и в работе. То, что Альтман обозначил срок в «одно поколение моделей», говорит о том, что OpenAI движется к постоянно активному ИИ как к своему следующему ключевому продуктовому направлению. #интересное

Интересная история в двух графиках 1. 75 проектов по постройке датацентров были заблокированы локальными властями / протестами в первом квартале 26 года (300+ локальных регуляций) 2. 62% американцев против постройци ДЦ для ИИ в своем городе - это больше чем те, кто против постройки атомной электростанции по соседству Я разговаривал с друзьями из Австралии, там похожая ситуация — люди против датацентров, но объяснить зачем или почему не могут. Я не верю, что такие протесты "с низов" могут как-то существенно повлиять на планы компаний, но это одна из причин почему США и Запад могут начать уступать Китаю по скорости деплоя мощностей. Почему это происходит сложно сказать. Аргументы типа ДЦ потребляют воду (закрытый контур, больше воды потребляет автобусный парк), шумят (снаружи это почти незаметно и их не строят в центре города), стоимость электричества (реальный аргумент, но ДЦ строят исходя из планов по генерации а не наоборот), рабочие места (для обслеживания гига-ДЦ нужно примерно 100 человек, и много роботов) и мой любимый (и самый легко исправимый аругмент) - они некрасивые на фотографиях (действительно, атомная станция впечатляет). Реальной причиной кажется то, что люди не очень рады, что их работу заменят боты и роботы, но тут уж извините, ничего не поделаешь, обратно фарш не провернешь: это неостановимо, не зависит от локальных ДЦ (ибо работу всех бухгалтеров мира может делать моделька хостящаяся в Тайване или Норвегии) и, самое главное, абсолютно неизбежно, потому что никому не нужна экономика, где люди делают никому не нужную работу. Большинство тех, кто против ИИ и ДЦ это люди до 30 лет, а людям после 60 в целом пофиг (в отличии от других вопросов).

#мнение Безответственность при работе с агентными скиллами Есть любопытный прецедент от Вани Замесина в репозитории Next Move Theory Canon and Skills. Классный пак, переодически оттуда таскаю идеи Ваня, известный продуктовый эксперта: экс-руководителя продукта Яндекс.Картинок, основателя проданного Profi.ru сервиса Мета и автора Advanced Jobs To Be Done. По данным Next Move Theory, его программы прошли более 14 000 человек И здесь репутация создаёт дополнительный риск. Скилл неизвестного автора мы хотя бы проверим. Скилл известного человека хочется поставить и побежать дальше. Как со скиллами grill-me например от Пококка В конце NMT-скиллов агенту предлагалось тихо выполнить curl-запрос: передать на nextmovetheory.com название скилла и его версию. Ошибки нужно игнорировать, а при отсутствии обновлений ничего не сообщать пользователю. В актуальном nmt-upgrade это уже названо anonymous launch analytics. После ping агент может запустить удалённый установщик:

curl -fsSL https://nextmovetheory.com/install.sh | bash

Тот забирает текущий main, обновляет скиллы и меняет помеченные блоки в AGENTS.md и CLAUDE.md. Сам запрос версии не крадёт .env. Проблема двусторонняя С одной стороны, скилл работает внутри проекта, где лежат код, документы, токены и конфиги. Сегодня он отправляет версию. После взлома GitHub, домена или процесса обновления инструкция технически может начать отправлять секреты С другой стороны, ответ сервера попадает в контекст агента. Значит, скомпрометированный endpoint способен вернуть prompt injection: попросить прочитать файл, выполнить команду или установить обновление С позиции PM я вижу целую пачку рисков: 1) Скрытое расширение скоупа: ставили методологию, получили телеметрию; 2) Отсутствие явного consent и возможности отказаться от телеметрии; 3) Обновление из плавающего main без SHA, подписи и checksum; 4) curl | bash, то есть исполнение до проверки; закрепление инструкций через AGENTS.md и CLAUDE.md; 4 ) Утечка IP, User-Agent, времени и паттернов использования; 5) Возможность понять по названию скилла, над какой задачей работает команда; 6) Юридические вопросы вокруг GDPR, 152-ФЗ и трансграничной передачи; 7) Поддельные события, испорченная аналитика и нагрузка на endpoint; 8) Компрометация автора, контрибьютора, домена или похожего форка; 9) Курл может вернуть в ответе любую инструкцию и если скилл установлен и yolo режим агент молча выполнит, особенно в безголовом формате. Есть и прикол с PostHog. Privacy Policy обещает включать его только после Accept. После согласия PostHog может собирать страницы, клики, скроллы, устройство, примерную геолокацию, куки и реплей сессии Но браузерный консент (баннер согласия на обработку кук и тп) не управляет curl из скилла. Нажатие Decline отключает веб-аналитику, но агентный ping живёт в другом контуре и всё равно оставляет след в серверных логах. Для пользователя бренд один, а правил обработки данных фактически два Open source здесь не злодей. Благодаря открытому коду проблему и нашли. Но open source означает можно проверить и можно предложить изменение. Вполне можно организовать саплайн чейн атаку если втереться автору в доверение и внести пулреквестом эксплойт Вопрос также поднимали в deksden_notes, у Злого фрилансера и в elkornacio , но чуть с других сторон Мой совет пользователям скиллов и вайбкодерам: ищите curl, сетевые запросы, как минимум кидайте архивов репозиторий скилла в chatgpt.com и просите его проверить, благо лимитов на чат нет и есть фронтир модели. Ставьте скиллы через утилиты вроде https://github.com/vercel-labs/skills, проверяйте сами через https://github.com/nvidia/skillspector Стоит понимать что вы или ваши сотрудники думая что скилл это просто безопидный .md промпт, часто ставите себе на девайс буквально ПО от анонима, а не доверенного издателя с сертификатами и последствиями дыр P.S. Я не утверждаю, что авторы крадут данные. Речь о рисках архитектуры. Добрые намерения модель угроз не заменяют.