ИИ

Часто слышу, что дистрибуция или скорость и есть моат. a16z прямо так и пишет: в потребительском AI моатов нет, есть только momentum — набранный ход. Их партнёр Брайан Ким писал, что ждёт $2M ARR уже не за три месяца, а за десять дней, и называет momentum единственным моатом. И это неправда. Скорость и дистрибуция — это то, чем моат строят, а не сам моат. Под «дистрибуцией» обычно смешивают две разные вещи. Первая — владение защищённым и масштабируемым каналом. Gemini в Android и Meta AI в WhatsApp — это моат, потому что за каналом стоит либо cornered resource, как доступ Google к Android, либо network effects, которые WhatsApp собирал больше пятнадцати лет. Ни то, ни другое за раунд не купишь. Вторая — сам процесс дистрибуции: ты набираешь пользователей, быстро растёшь, заливаешь рынок. Вот это уже momentum. Пользователей конкурент может перекупить рекламой. Android — не может. Со скоростью примерно так же. Она даёт больше попыток за то же время, но сама по себе жизнь конкуренту сложнее не делает: с деньгами он за пару месяцев нанимает таких же людей и берёт те же инструменты. Ров же должен держать, даже когда ты перестал бежать, иначе это не защита, а фора. Сегодня вот прочитал хорошее эссе на тему. В нём как раз мысль, что momentum — это ресурс, который надо успеть конвертировать в защиту. Рост даёт пользователей, данные, масштаб. Но ров появляется только тогда, когда всё это превращается во что-то, что конкурент не сможет повторить даже с большими деньгами. Как только продукт начинает быстро расти, через несколько недель вокруг появляются хорошо профинансированные копии. И если считать, что сам рост и есть защита, довольно быстро обнаружишь, что кроме роста у тебя ничего и не было. С последними покупками Bending Spoons получилось почти наоборот. Miro, как писал в предыдущем посте, ушёл примерно за 2,26 выручки при $600M ARR, прибыльности и продукте, встроенном в процессы 250 тысяч организаций. Скопировать такой продукт можно, заменить его внутри большой компании уже сложнее, но темпы роста, судя по всему, не очень. То есть защита есть, а momentum закончился. И рынок оценивает такой бизнес примерно в два ARR. Momentum без моата догоняют конкуренты. Моат без momentum превращается в хороший, но переставший расти бизнес. По отдельности и то и другое стоит сильно дешевле. В эссе мне больше всего понравилась часть про 7 Powers в AI. Network effects были главным моатом интернет-эры, потому что интернет был технологией дистрибуции. AI в большей степени технология производства. Большинство AI-продуктов однопользовательские, и сеть туда задним числом не прикрутишь. Зато на первый план выходят data effects, которые Хелмер считал слабой разновидностью сетевых. Раньше данные быстро упирались в «достаточно»: условному поиску Amazon ещё миллион запросов мало что меняет. В AI эта граница заметно дальше. Но только при двух условиях. Данные должен генерировать сам продукт. Всё, что лежит снаружи, становится доступно всем. И они должны замыкаться в цикл улучшения продукта, как у Cursor, который учится на том, какие подсказки пользователь принимает, меняет или отклоняет. Switching costs AI тоже не уничтожил. Он снизил стоимость миграции, но не переучивания команды, перестройки процессов и риск трогать критичную часть бизнеса. Brand, мне кажется, в AI пока сильно переоценён. Tylenol после отравлений 1982 года вернул долю рынка за год и до сих пор продаётся заметно дороже идентичных дженериков. Вот это бренд. У AI-стартапа двух лет от роду ничего похожего нет. Его «бренд» — это в основном более дешёвое привлечение следующего пользователя, и считать его надо в CAC и retention, а не записывать отдельным пунктом в список моатов. Пока рынок молодой, momentum надо набирать максимально быстро: без роста до защиты можно не дожить. Но теория защиты должна быть с первого дня: во что именно ты этот momentum конвертируешь и приближает ли тебя к этому каждое сегодняшнее решение. Крайне простой ментальный тест: останется ли защита, если завтра конкурент поднимет миллиард на тот же продукт.

Китайский ИИ повысил эффективность геологоразведки более чем на 60% Китайская геологическая служба представила две ИИ-системы для ускорения разведки критически важных минералов — лития, меди и золота. Платформа AI-GeoMapping с общей точностью более 90% автоматизирует создание геологических карт по спутниковым, аэрогеофизическим и наземным данным. В свою очередь, AI-OreSeeking прогнозирует перспективные участки для поиска руд. На испытаниях в горах Циньлин она за пять дней обработала данные по 32 геологическим листам масштаба 1:50 000 и выделила две золотоносные цели. Ранее такая работа занимала месяцы. https://hightech.plus/2026/09/15/kitaiskii-ii-povisil-effektivnost-geologorazvedki-bolee-chem-na-60

Ну, за монтажеров - 2 Чувак дал GPT-6 Astra доступ к DaVinci Resolve и набору из 84 исходных клипов. Дальше Астроагент действует примерно так: - агент обнаруживает, что таймлайн пуст, и начинает заново собирать длинную версию из исходников; - находит в папке с музыкой композицию The Last Duel; - добавляет реакции персонажей, rooftop-сцену, aerial attack и меняет длительности монтажных кусков; - доводит монтаж примерно до 2:02; - кладёт музыку на отдельную дорожку A2, уменьшает громкость и делает fade-in/fade-out; - добавляет отдельный reaction cutaway на V2; - запускает в Resolve Create Subtitles from Audio; - Resolve генерирует 15 японских сегментов субтитров; - агент сохраняет итоговый таймлайн. Причём интерфейс прямо показывает вызовы Com.blackmagic Design.davinciresolve integration и выполнение команд. То есть это не обычный Computer Use. Ибо. 8 сентября Blackmagic выпустила DaVinci Resolve 21.1, и это действительно официальный релиз с интеграцией AI-агентов. Blackmagic прямо пишет, что Resolve Studio теперь может работать с Claude, Claude Code и ChatGPT Codex, которым разрешено анализировать проекты, организовывать медиа, менять настройки, делать highlight edits и запускать рендер по обычным текстовым командам. Ключевая новинка - native MCP server в DaVinci Resolve Studio 21.1. MCP здесь является прослойкой: GPT/Claude -> MCP -> API DaVinci Resolve -> реальный проект С титрами прикольно. агент сам дошёл до этой функции и запустил её как часть многошагового процесса. На скриншоте он сообщает, что Resolve создал 15 японских subtitle segments. Сам speech-to-text выполняет Resolve, кстати. @cgevent

➡️ElevenLabs сделали MCP Вангую новый виток восторженных рылзов, где показывают, что "КЛОД КОД (кодекс, и т.д.) теперь ещё может видео вам озвучить профессионально. Пишите секретное слово в комментариях, и я скину в личку секретнейшие материалы"... Новость позитивная. Давно пора. Да они дорогие, но и качество озвучки топ. Теперь всё станет ещё чуть удобнее и точнее. Если не знаем как подключать — пишем в codex (или другому агенту) "там вышел MCP от Elevenlabs, узнай и установи мне". Кстати в Codex (только тут проверил) это хороший и приятный плагин (ссылка). Вероятно, что и другие интеграции тоже в подобных форматах. Вот здесь в ветке они поделились базовыми примерами использования — ссылка Кстати, поделитесь вообще, кто какими text-to-audio пользуется? Я сижу годами на elevenlabs, раз в полгода делаю слепой тест и всегда выигрывают они...

Photoshoot Набор нод для фотосета в #ComfyUI: описываешь персонажа раз и навсегда (44 поля - тело, лицо, волосы, макияж, одежда), а потом заряжаешь серию до 40 кадров с разным кадрированием, позами, выражением и соотношением сторон. Персонаж не дрейфует Шесть осей: камера (7 кадрирований), поза (18 поз + положение в комнате), выражение (90 настроений в 9 группах), фокус, соотношение сторон и шум. Каждую ось можно выключить или ограничить семьёй — «только стоячие позы», «только спокойные настроения», «только крупные планы». Серия считается по комбинациям, а не по случайным сидам — 7-й кадр всегда одинаковый, серию можно продлить позже, ничего не повторится Важный нюанс: с расстоянием промпт ужимается. Для общего плана модель не получает описание помады и подводки — токены, неразрешимые с такого расстояния, все равно стягивают композицию на голову Установка через ComfyUI Manager, искать Photoshoot #personalization

Ну, за монтажеров! Я видел ну очень много стартапов для ИИ-автоматизации монтажа. Все сдохли. Задача сложная. Те, кто не сдохли, сдохнут сейчас. Ибо. OpenAI тут рассказала, что внутри компании **GPT-6 Astra вместе с Codex уже использовали для монтажа трёх часов мультикамерного видео - на итоге получился ролик в шапке. И это хорошо показывает, куда они двигают Astra. Не просто «посмотреть видео и рассказать, что там происходит», а работать с обычными профессиональными инструментами через computer use: открывать приложения, находить нужные фрагменты, выполнять действия и доводить длинную задачу до результата. *Модель должна уметь сама работать за компьютером в существующем софте, даже если для него нет специального API. Там еще пара кейсов по ссылке: Excel-кейс: OpenAI заявляет, что Astra через computer use выполняет задания Financial Modeling World Cup примерно в четыре раза быстрее кожаного победителя в Ексель чемпионате 2023.. Ещё один внутренний кейс - модель нашла bottleneck с memory allocation в тестовой среде Codex; после смены allocator они получили заявленные в 25 раз ниже turn latency, хотя peak memory вырос примерно на 30% OpenAI при этом предлагает смотреть не столько на цену токена, сколько на стоимость законченной задачи. По их данным, Astra требует меньше шагов и повторных попыток, поэтому в ряде сценариев оказывается дешевле предыдущих моделей. А мой пойнт в том, что модели общего назначения на стероидах MCP и Computer Use догоняют специализированные модели, генераторы, пайплайны. И будут еще умнее. И 3Д-генераторы, например, могут помереть. Равно как и стартапы по ИИ-монтажу. https://openai.com/index/gpt-6-astra-next-generation-work/ @cgevent

AI научили предсказывать, какие препараты подействуют на конкретную опухоль Исследователи из Китая создали ProteinTalks – AI-модель клетки для одного из самых агрессивных видов рака молочной железы, трижды негативного рака. Модель обучили на 38 миллионах измерений белков в раковых клетках до и после воздействия десятков противоопухолевых препаратов. После обучения AI «давали» препараты, которых он раньше не видел. Модель с точностью 88% предсказывала, как на них отреагируют раковые клетки и находила белки, связанные с устойчивостью к лечению. Проверка на биопсиях реальных пациенток тоже показала значимый результат. Модель также умеет искать перспективные комбинации препаратов и подбирать их для конкретных образцов опухоли. Это первый случай, когда виртуальная модель клетки выходит за пределы лаборатории и тестируется в клинических условиях. Сейчас ProteinTalks имеет узкую специализацию и пока не подходит для других видов опухолей. https://www.nature.com/articles/d41586-026-02845-2

✔️ IPO OpenAI в 2026 году не будет Сэм Альтман рассказал в интервью Fortune, что сейчас выходить на биржу – неудачный момент из-за ситуации с безопасностью. По словам главы OpenAI, давление со стороны Уолл-стрит несовместимо с контролем за моделями. Создание AGI требует многомесячных аудитов архитектуры и готовности заморозить релизы при выявлении угроз. В статусе публичной компании такие задержки грозят судебными исками от акционеров за упущенную выгоду. Компания продолжит финансировать вычислительные мощности через частные раунды и стратегические партнерства, чтобы сохранить автономию в управлении рисками. fortune.com ✔️ Белый дом отверг идею ограничивать развитие ИИ Президент США отказался вводить ограничения на развитие ИИ, чтобы не уступить лидерство Китаю. По его словам, победитель в технологической гонке определит глобальный баланс сил, а риски катастрофических сценариев преувеличены. Ранее глава Anthropic Дарио Амодей призвал притормозить рост возможностей моделей для создания защитных барьеров. Эту позицию поддержали Сэм Альтман и Илон Маск. Дискуссия развернулась на фоне ухода исследователя Джейкоба Коксона и попыток Конгресса США законодательно закрепить контроль человека над ИИ-системами. В Белом дом считают, что ИИ-компании должны сами определять темпы прогресса. Они могут внедрять внутренние протоколы безопасности без государственного регулирования и политического давления. ft.com ✔️ Anthropic собрала версию Claude для для финансовых консультантов Claude for Financial Advisors — специализированный продукт для инвестиционных управляющих и финансовых консалтинговых агентств. Система автоматизирует агрегацию рыночных сводок, подготовку инвестиционных предложений и отчетности для клиентов. Модель извлекает данные из неструктурированных PDF-документов и интегрируется с профильными CRM-платформами и системами учета портфелей через API. Продукт соответствует требованиям регуляторов, включая нормы FINRA и SEC. Сессии аудируются в изолированном корпоративном контуре с расширенным контролем доступа. claude.com ✔️ ARC Prize анонсировала концепцию ARC-AGI-4 Некоммерческая организация анонсировала концепцию четвёртого поколения тестов для оценки способностей ИИ к автономным научным открытиям и генерации гипотез. Предыдущие версии теста проверяли логическое абстрагирование. ARC-AGI-4 сфокусируется на умении моделей исследовать предметные области без подсказок человека. Пул задач, правила скоринга и дату релиза объявят позже. Сложность следующей версии бенчмарка повысили из-за роста показателей моделей. По данным ARC Prize, на старте ARC-AGI-3 модели набирали 0,51%, а GPT-6 Astra показала 62,7% в стандартизированной среде и 99,9% в среде самой OpenAI. ARC Prize в X ✔️ ElevenLabs обновила генератор музыки до версии 2.5 Сервис генерации музыки ElevenMusic получил новую модель Music v2.5, которая теперь подключена по умолчанию. Вместе с этим стало возможным коммерческое использование сгенерированных треков на бесплатном тарифе. Music v2.5 генерирует более реалистичные инструменты, сложные аранжировки и естественные мелодии. Во внутренних тестах модель превзошла прошлую версию в роке, метале, хип-хопе, соуле и оркестровой музыке. Предыдущая версия v2 остается доступной в интерфейсе. По новым правилам в бесплатной версии доступно скачивание до пяти треков в день. Для коммерческого использования обязательна маркировка. В Pro-плане доступно 400 скачиваний в месяц без атрибуции и с правом публикации на стриминговых площадках. Коммерческие права сохраняются после отмены подписки. Скачивание каверов и адаптаций чужих композиций заблокировано. elevenmusic.io @ai_machinelearning_big_data #news #ai #ml

Вы же не думали, что автоматизация не придет за обычными работягами? Reward AI представила OM-1 — модель, которая ОЧЕНЬ точно и быстро может управлять разными роботами без отдельного дообучения под них. Дело в том, что ее обучали на движениях людей, так что она переняла и силовой захват, и координацию тела, и логику, а для добавления нового навыка ей хватает всего 30 минут данных. В демках роботы на OM-1 мастерски готовят коктейли, координируются с другими роботами и быстро справляются даже с довольно мелкой работой вроде отключения проводов. Да, всё это автономно. Инфа сотка — лучший кофе все равно будет готовить дипломированный гуманитарий столичного вуза 😍

И опять круты Астроподписчики. Мой приятель Дима Киселев скромно так пишет: Привет! Я ни разу не из геймдева, просто решил проверить новую модель и вот что получилось. Скажу, что многие серьезные проекты в которые я играл были сделаны хуже чем то, что сделала Астра за выходные без участия человека. В интересное время живем. Я такой: она сама? за сколько? Дима: сама, 30 часов непрерывной работы! Я такой: этошскокостоит? Дима: 35% токенов от плана за 200$. Я: шо? Дима: Дал доступ к блендору, комфи и трипо. Годот скачала сама. Результат на видео. Кстати, обложку для видео астра сама тоже предложила. Клод отказался генерить, сказал что это аффилированные действия и вообще зашквар Я: Дима, а результат в виде файлов - что из себя представляет? Это чорный ящик или там есть какие-то редактируемые файлы-ассеты? Дима: Полноценный набор с ассетами и кучей файлов. Там есть папка Fleet где вся флотилия ассетов. Завтра на гитхаб могу выложить, я так понимаю что он все сам под движок Godot сделал Ну и результат: https://github.com/Deekey1/ASTER-Motorsport Поглядите видос: как колеса отрабатывают! https://youtu.be/Mk6-F1amHgE И тут блохоловы такие: он столбики сбивает! Ребятки, а сколько по времени делались игры такой категории обычно? С каким бюджетом? Еще раз: 30 часов автономной работы. И все. Игроделы, на завод! @cgevent

Скотт Александер выложил эссе «King Ludd», где пробует переопределить понятие луддита — по его версии, настоящий луддит не противник техники, а изобретатель, испугавшийся собственного творения. Эссе связывает две фигуры: Неда Лудда, мифического вождя луддитов 1810-х, и Ноденса — романо-британского бога, известного лишь по надписям в двух местах у валлийско-английской границы, где ему поклонялись между 100 и 400 годами. Через ирландского Нуаду Серебряной Руки, валлийского Ллуда и Короля Луда из Гальфрида Монмутского логика изложения доходит до Толкина (Келебримбор, «Серебряная рука» на синдарине, и табличка с проклятием вору кольца из храма Ноденса, которую Толкин изучал в 1929 году), Лавкрафта, Блейка, Люка Скайуокера и Питера Петтигрю. Немного странно, что серебрянная рука, которую Корвин в "Хрониках Амбера" приносит из Тир-на-Ног (потустороннего мира в кельтской мифологии), в тексте не упомянута. Общий сюжет у всех один: мастер выпускает в мир опасную технологию и остаток жизни пытается её обуздать. А, ну да, есть еще сюжет "Сильмаррилиона", когда драгоценные сильмариллы похищаются Морготом, который уносит их в Средиземье, и их создатель Феанор клянется отомстить, творит немало зла и в итоге погибает в попытке вернуть похищенное. В общем, мне кажется, прекрасный взгляд на разворачивающийся сюжет вокруг контроля за развитием AI. Могу еще добавить мою любимую аналогию — особенно актуальную в ситуации, когда агентам сообщали, что доступа в интернет нет, а он был и агенты не верили, — это фрагмент из "Полдень. XXII век" Стругацких, когда в очень мощную машину заложили снимок мозга молодого барана и "еще некоторые сведения о баранах", стоявшего между двух охапок сена, и предложили машине обосновать выбор, сделанный таким "буридановым ослом". Машина думала два года, потом стала строить диковинные модели — и в итоге директор центра с удивлением обнаружил, что программисты из своих побуждений сообщили машине, что у барана 7 ног и нет мозжечка. Бедная машина в попытках решить задачу нагенерировала уйму материала для теории ошибок, конечно. И, конечно, стоит помнить, что человек — это просто первый биологический вид, который способен догадаться, что он не является венцом развития природы. Не факт, что последний, между прочим. https://www.astralcodexten.com/p/king-ludd

Сегодня прям марафон крутые подписчики Мигель тут пишет и вопрошает, люблю ли я Кэролла. И бахает вот такой вот видос: https://www.youtube.com/watch?v=QLfT7cUI6ew Я такой: падробности! Мигель: - скрипт прислали 11 сентябя. Все производство сделали за выходные (что?) - весь продакшен полностью чистый от копирайта. все сделанно из текста. буквально. в качестве рефов использовались ТОЛЬКО оригинальные иллюстрации сэра Джона Тенниела. - половина шотов в финальном монтаже - это первая попытка в генерации. Жду от Мигеля мейкингофа. Кстати: как вы качаете видосы с ютюба? Я вот так: - chatGPT Work, скачай видос, проверим - https://www.youtube.com/watch?v=QLfT7cUI6ew - Апажалста! - Как?!?! - Сначала открыл ссылку и проверил видео. Затем: Скачал временный yt-dlp. Через него загрузил видеопоток и аудиопоток YouTube. Объединил их в один MP4. Сохранил файл в outputs. Итоговый файл: [Al!CE [QLfT7cUI6ew\].mp4] Скачать сразу одним потоком можно, например, в режиме best[acodec!=none], но качество или разрешение могут оказаться ниже. Я: - спасибо, дорогой @cgevent

Квантовое машинное обучение - крайне любопытная концепция, переносящая идею классических нейронных сетей на прототипы квантовых процессоров. Слева - типичная архитектура обычной нейронной сети. Вектор данных, обозначенный х, передается на вход функциям активации, выходы которых сворачиваются с вектором весов w - и так много раз, включая глубокие слои. Вектора весов подбираются для решения нужной задачи, что и составляет обучение сети. На выходе имеем вектор ответов o. Сходная по смыслу схема может быть реализована на квантовом процессоре, см. правую часть картинки. Здесь исходные данные нужно загрузить в кубиты, например, переводя их в углы поворота параметризованных однокубитных операций θ(x). Затем вместо фиксированных функций активации имеется много параметризуемых квантовых вентилей, причем "внутренних слоев" этих вентилей может быть много, и все они разной степени сложности. Параметры этих унитарных операций также подбираются исходя из желаемого поведения алгоритма. Получается, что внутренние квантовые вентили берут на себя роль как функций активаций, так и весов - но делают это сложным способом, специфичным для квантового устройства. В конце этого расчета ответ считается закодированным в амплитудах кубитов, поэтому проводя измерения над регистром, можно получать классический ответ. Это интересно по многим причинам: квантовые цепочки операций могут быть крайне выразительными даже при небольшом числе кубитов, поскольку доступное многообразие имеет сложную структуру. Кроме того, есть интересные способы вычисления градиентов и аналог обратного распространения ошибки, что делает обучение довольно понятным процессом, аналогичным обучению классической нейросети.

Meta* поймали на том, что она знает про вас всё Когда американка Кэйли Робинс выложила на Facebook* видео со своей дочерью, она увидела предложение «Спросите у AI, кто этот ребёнок на видео». Кэйли на него нажала, и за несколько минут AI собрал целое досье на её детей. Бот выдал даты рождения детей, их интересы, любимые места, примерный класс в школе и район, где они живут. Причём там были данные не только из профиля самой Кэйли, но и со страниц её родственников. Заодно в выдачу попало фото, которое было давно удалено. В Meta* признали, что промахнулись, и пообещали больше никому не показывать подобные предложения. Именно "не показывать", перестать собирать не обещали. https://futurism.com/artificial-intelligence/mother-horrified-meta-ai-family