ИИ

Хайп вокруг ИИ: реальное состояние дел и будущее Netscape, Pets.com, деньги, залитые в любого, кто выдавал себя за интернет-компанию, а потом резкий отлив. Ричард Кэмпбелл застал ту эпоху лично и утверждает, что сейчас мы проходим ровно тот же цикл, только теперь роль идеальной приманки для инвесторов играет искусственный интеллект. Скажите вслух «через два года исчезнут все профессии» — вам не рассмеются в лицо, а дадут денег. Дальше он раскладывает механику по косточкам. Маск обещал вложить в OpenAI сто миллионов, а дал шестнадцать и четыре Tesla. Nvidia инвестирует полмиллиарда в мелкие лаборатории, чтобы те купили на них её же чипы, и превращает 500 миллионов в миллиард. Десять компаний из пятисот держат 40% крупнейшего индекса мира. Посмотрим, где параллель с доткомами перестаёт работать и что, по мнению автора, останется, когда безумие спадёт.

​​Cayley puzzles: 666 on claude vs codex Я уже рассказывал, что занимаюсь решением cayley головоломок. В этот раз я пошёл штурмовать головоломки 555 и 666. Почему они сложнее предыдущих? Дело в том, что с каждым увеличением пространства решений и диаметра нам всё сложнее решать задачу. Во-первых, модели у нас двигаются к решению итеративно - каждый дополнительный шаг увеличивает ошибку. Во-вторых, чем длиннее пути, тем сложнее собрать корректные лейблы для путей; плюс random walks чаще будут путаться и/или не достигать дальние точки. Я начал решать 555 теми же подходами, что и прошлые головоломки - первичная тренировка модели, потом шлифовка и beam search. Трансфомер пришлось отложить - он бы работал слишком медленно. После нескольких дней тренировки на A100 мне удалось получить прилично работающую модель. Она решает головоломки не всегда, но всё-таки стабильно выдаёт хорошие решения. Результат - второе место; на первом месте - участник команды 16-го места с Santa 2015. Дальше я попробовал сделать тоже самое для 666... и ну не работает оно. Модель учится плохо и головоломки совсем не решает - лейблы собирать тяжело, пути длинные, в общем сложно всё. От безысходности я решил обратиться к агентам. Взял claude code + opus 5.0 max и codex + 5.6 Sol Extra High. Обоим отправил один и тот же промпт - мол вот головоломка, вот как мы решали подобное раньше, давайте попробуем её решить классическими способами. Потом подбадривал модели, чтобы они её решили. Клод после пары итераций ответил, что решить невозможно, ваще. Решил 0 головоломок и сдался. Кодекс подумал, сделал мелкую итерацию и остановился. Я ему поставил goal - достичь скор 180к или меньше (это суммарная длина найденных путей решенных головоломок). Он подумал, запустил процесс... и через почти 7 часов выдал топовое решение. Я попросил его пояснить, но в ответ получил сложное описание процесса решения из 7 этапов. Я впечатлён. #ai

Жених Леди Гаги обучает AI на живой человеческой коже Майкл Полански несколько лет назад основал биотех-стартап Outer Biosciences. Компания получает человеческую кожу, которая обычно выбрасывается после операций, и научилась поддерживать её живой вне организма больше месяца. За это время учёные могут наблюдать медленные процессы вроде восстановления после ультрафиолета, изменения пигментации или ремоделирования коллагена. На этих экспериментах обучают AI-модель. Она предсказывает, какие ещё не проверенные вещества могут повлиять на конкретные функции кожи, учёные испытывают их на живой ткани, а результаты возвращают обратно в модель. До внедрения AI компания за 18 месяцев нашла всего несколько перспективных веществ. Теперь новый кандидат появляется примерно раз в шесть недель. В разработке уже шесть потенциальных ингредиентов, четыре из которых, по словам Полански, могут дойти до коммерческого использования. Пока речь в основном о косметике, а не о лекарствах. В интернете нет огромного готового массива экспериментов на живой человеческой ткани, поэтому Outer Biosciences сама создаёт уникальный датасет для своей модели. И чем больше экспериментов она проводит, тем лучше AI должен понимать биологию кожи. https://techcrunch.com/2026/08/21/michael-polansky-is-training-an-ai-model-on-skin-thats-still-alive/

Несколько свежих примеров того, что сейчас делают Клодом. Человек получил у стоматолога 3D-снимок челюсти перед лечением канала. 800 DICOM-файлов, врач сказал - нужна спец программа. Два промпта, и вьюер готов.. Говорит, выглядит лучше чем то, что было на экране врача. Три недели ушло на мессенджер, который медленнее почты. Сообщения летят со скоростью голубя, из Лос-Анджелеса в Нью-Йорк 22 часа. Иногда голубь погибает и сообщение не доходит. На видео почему-то сообщение летит из Нью-Йорка в Лондон. И городская улица, по которой можно ходить прямо в браузере. Ничего не скачивается, вся геометрия генерится кодом. Репозиторий открыт. Интересно, есть ли уже слово для таких демо-результатов вайб-кодинга? Вайбострация? Вайб-творчество? Сергей Булаев AI 🤖 - об AI и не только

Наконец дошли руки поковырять Qwen 3.8-27b Как говорится, мое увожение. На мои 16гб комфортно влез Qwen3.8-27B-UD-Q3_K_XL от unsloth --ctx-size 100535 -ngl 99 -fa on --cache-type-k q4_0 --cache-type-v q4_0 --jinja --reasoning-effort medium --no-context-shift --cache-reuse 256 --spec-type draft-mtp --spec-draft-n-max 1 -b 2048 -ub 512 --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0 --tools all выдает 36.77 t/s с контекстом 100535 Еще есть интересный дистилл Qwen3.8-2.4T-A95B -> Qwen 3.5 9b С Qwen3.8-9B-Q8_0 и конфигом --ctx-size 262144 -ngl 99 -fa on --cache-type-k q8_0 --cache-type-v q8_0 --jinja --reasoning-effort low --no-context-shift --cache-reuse 256 --spec-type draft-mtp --spec-draft-n-max 3 -b 2048 -ub 512 --temp 1.0 --top-p 0.95 --top-k 20 --min-p 0.0 --tools all выдает 85+ t/s с контекстом 262144 В llama.cpp ui / aider ваншотят игры вроде scorched earth, но 9b модель чаще спотыкается. Можно гонять и через claude code/codex, но codex использует новый более сырой апи и одним своим системным промтом сжирает 20к+ токенов :D llama.cpp тут

Китай выигрывает не ИИ-гонку с США, а гонку за автоматизацию телеги Автоматизация рутины и прорывной ИИ – это две разные цели Bloomberg в августе 2026-го подводит итог полугода: эпоха абсолютного доминирования США в ИИ закончилась, бренд "Made in USA" больше не единственная гарантия качества. Заголовок звучит убедительно, но за ним стоит подмена масштаба. За эти месяцы Китай не догнал Америку в разработке передового ИИ. Он выигрывает другую войну: за то, кто дешевле построит сайт кофейни, ответит клиенту по почте и напишет скрипт поддержки – сегодняшнюю «телегу» ИИ-экономики. Победа реальная и измеримая в долларах. И почти ничего не говорящая о том, кто победит там, где рутины нет.   Доказательства этой – узкой, но настоящей – победы у Bloomberg есть. Тест Brewberg от Vals AI: несколько моделей делали один и тот же сайт кофейни с одинаковой функциональностью. Claude Fable 5 закрыл задачу за $48,99 – модель непрерывно уточняла, тестировала, переделывала. Китайские конкуренты обошлись в разы дешевле за счет меньшей "тревожности" в рассуждениях. По словам профессора Руслана Салахутдинова, одного из научных руководителей основателя Moonshot в аспирантуре Carnegie Mellon, ни одна лаборатория не удержит лидерство навсегда.   Цена – главное оружие Пекина. Такую гонку цен в Китае называют "инволюцией", и там ее боятся – она давит на экономику дефляцией. Остальному же миру это только на руку: DeepSeek V4-Pro стоит около $4 за миллион токенов против $50 у Fable 5 – разница не в разы, а на порядок. Бизнес голосует кошельком. В июле доля китайских моделей на OpenRouter впервые перевалила за 60%. Основатель Polsia Бен Сера тратил на ИИ $1 млн в месяц и был на грани банкротства – переход на шанхайский MiniMax сократил расходы до $100 тыс. Основатель Lindy Фло Кривелло формулирует логику короче: "Вам не нужен Господь Бог, чтобы писать электронные письма".   Второе оружие – открытые веса. Пока Anthropic и OpenAI держат модели за платным API, семейство Alibaba стало самым скачиваемым в мире – больше 3 млрд загрузок за полгода, обогнав Meta и Google. Открытую модель, однажды запущенную локально, извне уже не отключить: экспортный контроль здесь бессилен.   Есть и обратная сторона: США обвиняют китайские лаборатории в дистилляции – обучении на ответах американских моделей, которое экономит годы исследований. Пока санкции сдерживают Китай, вычислительная мощь США примерно в 10 раз выше китайской, и это по-прежнему главный козырь Кремниевой долины. Китай методично закрывает и другие бреши: 2 трлн юаней на дата-центры, дешевая возобновляемая энергия и инженеры втрое дешевле американских (от $70 тыс. против $360 тыс. у OpenAI).   Но вернемся к подмене масштаба. Первые двигатели внутреннего сгорания тоже можно было оценивать как тягловую силу для телег и карет: по этому критерию лошадь еще долго побеждала бы по цене и надежности. Двигатель менял не скорость перевозки грузов на старых дорогах – он создавал автомобиль, авиацию, целую индустрию, которой раньше не существовало. С ИИ – та же ловушка. В кибербезопасности и военных применениях 5% превышения показателей лучшей модели над второй по бенчмаркам – это разница между щитом и мечом в конкретном противостоянии: кто первым найдет уязвимость или первым ее закроет. Та же логика – в прорывных открытиях: новый материал, новое лекарство, новая технология либо найдены, либо нет, и здесь важна не средняя эффективность, а верхняя граница возможностей лучшей из существующих моделей. И в бизнесе главная ставка ИИ – не в автоматизации того, что уже есть, а в бизнес-моделях, которых пока не существует. Тест Brewberg меряет, кто дешевле построит витрину для кофейни. Он не мерит, кто первым построит бизнес, для которого витрины вообще не нужны.

Китай выиграл гонку за автоматизацию телеги. Гонка за автомобиль только началась. И выиграет в ней тот, кто первым создаст то, чего пока не существует, а не тот, кто дешевле воспроизведет то, что уже есть.

  #ИИгонка  #Китай  #США

Если в вашей организации ИИ в разработке всё еще сводится к промптам на сайте ChatGPT, вы немного отстаёте от трендов. Сейчас уже массово внедряются целые экосистемы с ИИ-агентами. Правда, есть нюансы. Вот что пишет Eugene Saturov (AI Product & Engineering Lead):

На днях закрыли позицию Agent Engineer. Отсмотрели 113 человек, чтобы нанять одного! По этому случаю – немного аналитики на коленке про рынок разработчиков AI-агентов в России в августе 2026 года. 1. Главный источник кадров – бигтех. Агентов делают уже вообще все: Сбер, Яндекс, ВТБ, Ozon, Wildberries, Т-Банк. Компании второго эшелона тоже подтягиваются, разнообразие огромно. 2. Довольно часто кандидаты готовы к смене работы, потому что не уверены в будущем агентского направления внутри своей компании. То ли общий кризис сказывается, то ли все бросились делать агентов чуть раньше, чем поняли, зачем они им нужны. 3. Почти все делают агентов для автоматизации саппорта. Людей, которые запускали в прод автономных real-time агентов, исчезающе мало. Про голосовых я вообще молчу. Повально делают оркестраторы, RAG и простые линейные воркфлоу по перекладыванию данных из одной корзинки в другую. CRUD нового времени. 4. Как и в любой молодой отрасли, здесь полно свитчеров. Экс-MLщиков ожидаемо много, а вот выходцев из мобильной разработки — неожиданно много. Хотя чему удивляться: эти ребята всегда первыми реагировали на тренды.

Думаю, тренд сохранится, агенты нужны в производственных процессах. Устаканятся подходы и практики. Усложнятся системы. Многие научатся с этим работать и пойдут по рынку внедрять дальше. Но изучать тему нужно уже сейчас, иначе не попасть в те 113 претендентов. #ai

Прохожу новый курс Начал проходить Стэнфордский курс Language Modeling from Scratch Моя цель - проходить по два курса в год. Зимой я проходил курс по программированию на CUDA, теперь вот учусь обучать LLM с нуля. ➡️ Мысль за этим следующая. Во-первых, чтобы хорошо делать свою работу, нужно иметь знания на 1-2 уровня глубже чем используешь в повседневной деятельности. Во-вторых, в части задач я все-таки рассчитываю, что мы начнем использовать легкие зафайнтюненные LLM-ки. Чтобы сэкономить, снизить лейтенси и главное - быть менее зависимыми от внешних API. Но тут хз, непонятно, что будет с областью через пару лет 🤷‍♂️ Прикольный курс. Я пока не смотрю лекции, только делаю домашки. Лекции буду смотреть по факту, когда сделаю. То, что ты не трогаешь руками - не откладывается. На этом курсе абсолютно шикарные домашки с хорошими тестами. Курс рассчитан в том числе и на самостоятельное прохождение. Уже написал и обучил токенизатор с нуля, сейчас пишу компоненты LLM на торче. ➡️ Из интересного, с домашками идут настройки Клода и Кодекса, которые не дают агенту напрямую писать код за студента, но дают отвечать на вопросы и помогать искать ошибки. Супер полезно. Буду делиться впечатлениями!

У кого эссе длиннее. Техноманифесты от фаундеров технологических компаний на 45 тыс знаков, кто их вообще читает?✍️ Доброе утро субботы — самое время, чтобы в тишине за чашкой кофе и без чатов и зумов почитать что-то длинное. Не знаю, как у вас, но мое медиапотребление принта, книг и длинных текстов работает именно так. И вот сегодня с утра я добралась до огромного манифеста Марка Цукерберга с его размышлениями о том, как сделать так, чтобы богатство и возможности, которые дает AI, были доступны всем — в том числе скептикам. Например — жителям районов, где строятся дата-центры. По понятным причинам они не очень в восторге от развития ИИ. По объему этот текст — примерно десятая часть среднего романа. Поверьте человеку, который только закончил писать в соавторстве одну книгу, а теперь пишет вторую, считая авторские листы. Но этот текст еще и в десять раз длиннее статьи Цукерберга о персональном суперинтеллекте, которую он написал год назад. В этом графоманстве Цукерберг далеко не одинок. Рекорд в жанре пока принадлежит CEO Anthropic Дарио Амодеи: в 2024 году он выпустил огромное эссе Machines of Loving Grace объемом 13 тысяч слов. Такие масштабные тексты пишет и глава Nvidia Дженсен Хуанг, а также другие руководители ИИ-компаний. Официальное объяснение звучит красиво — пока Уолл-стрит пристально следит за десятками миллиардов долларов, которые технологические компании тратят на ИИ, а конкурирующие лаборатории ведут гонку за лидерство, их основатели хотят подробно объяснить свое видение будущего — инвесторам, регуляторам и обществу. Как говорит профессор Columbia Business School Дэн Ван: «Им приходится заранее обозначать, чем ИИ может быть полезен, еще до того, как они начинают продавать свои продукты». Но есть и менее лестное объяснение. В беседе с Fortune специалист по коммуникациям Патрик Риккардс говорит: «CEO, особенно руководители технологических компаний, считают свои слова чем-то вроде Священного Писания». Такие эссе — по сути способ застолбить территорию и обозначить собственную позицию: «Пять или шесть технологических CEO пытаются показать, у кого… скажем так, эссе больше». В эпоху, когда мы все смотрим рилсы, шортсы и читаем посты в тг и X, справедливо встает вопрос, а читает ли вообще кто-нибудь эти тексты, кроме самих титанов ИИ? И если нет, зачем тогда их писать? И здесь можно вспомнить человека, который в совершенстве освоил этот жанр. И это Уоррен Баффет. Он писал длинные ежегодные письма акционерам Berkshire Hathaway — нередко объемом более 10 тысяч слов. В них он одробно разбирал итоги года, результаты компании и извлеченные уроки, перемежая их житейскими наблюдениями и характерной для него простой мудростью. Но Баффет следовал каноническому правилу публицистики — пиши так, чтобы тебя мог понять любой человек. Представь, будто объясняешь бизнес кому-то близкому — умному человеку, который не разбирается в твоей сфере. Люди читали Баффета не потому, что он писал много. Они читали его потому, что за десятилетия выдающихся результатов он заслужил право быть услышанным и говорил максимально просто. Баффет прекрасно понимал, для кого пишет. А вот Цукерберг, Амодеи и остальные, похоже, пишут прежде всего друг для друга. Получается замкнутый круг из основателей технологических компаний, инвесторов и журналистов, которые за ними следят. Классический вопрос для любой коммуникации — та ли аудитория читает эти тексты, которую им действительно нужно убедить? Цукерберга очень сильно критикуют в последнее время и вряд ли манифесты по 45 тыс знаков тут помогут. Как будто вести коммуникацию надо с другой аудиторией и другими способами. @karpovaventures✍️

Китайские дети тупеют от AI (ваши, возможно, тоже) Свежее исследование 27 тысяч китайских школьников (возраст 12–18 лет) за 2023–2025. 80% из них активно юзали при обучении всякие ДипСики, 20% учились «по-олдскульному». Нейрослопщики тратили на домашнее задание почти в полтора раза меньше времени и получали за него на 20% более высокие оценки. Правда, когда дело дошло до экзамена, средний балл у AI kids вышел в обратную сторону – на 20% ниже, чем у школуддитов (в основном за счет того, что появился длинный левый хвост детей, которые по факту ничего толком не выучили). Причем, те ученики, которые использовали искусственный интеллект, но при этом не сокращали объем потраченного на ДЗ времени, – сдавали экзамен не хуже контрольной группы.

Мораль: с AI или без AI – а для обучения всё равно нужны насиженные за предметом жопочасы. Если ваш ребенок использует ИИ как «личного репетитора», чтобы сделать процесс обучения более интересным и глубоким – то это круто! А вот если он просто списывает у ЧатаГПТ домашку – то у вас вырастет Недоросль Фонвизина, увы.