ИИ

ИИ превращает руководителей в шофёров Есть классная история о знаменитом физике Максе Планке, который так часто выступал с одной лекцией, что его водитель выучил её наизусть. Однажды водитель предложил поменяться местами: он прочитает лекцию, а Планк посидит в зале. Всё шло прекрасно, пока кто-то из аудитории не задал сложный вопрос. Водитель не растерялся: «Удивительно, что в таком развитом городе задают настолько простой вопрос. Пожалуй, попрошу ответить на него своего водителя». И передал ответ Планку) Когда ты делегируешь содержание и форму ИИ, то рискуешь превратиться в такого же шофёра, который идеально воспроизводит чужие мысли, но не обязательно понимает их суть. Это одна из главных проблем использования ИИ. Как только окружающие замечают, что человек делегировал нейросети собственное мышление, это моментально обесценивает всю его работу. Зачем трудиться на руководителя, который сам перестал думать и общается с тобой через нейронку? Зачем нанимать сотрудника, который присылает тебе ИИ-слоп, рассчитывая, что ты настолько глуп, что этого не заметишь? Зачем читать телеграм-канал, контент в котором сгенерирован? По-моему, всё это даже немного оскорбительно.

Кредитные токены ИИ как обеспечение кредитных токенов ИИ Уже в ближайшие время большинство ИИ-стартапов столкнутся с невозможностью приобрести реальные вычислительные мощности для "своего" ИИ (и я сейчас не про Claude Code за $200 на команду, а про хорошую масштабируемую инфру для ИИ), потому что все доступные ресурсы... а) ограничены; б) уже распроданы. А чтобы получить доступ к реальным GPU мощностям, компании необходимо оформлять заказ на целые кластеры, а это миллионы и миллионы $$. ↓ Как следствие, поставщики GPU и ИИ-инфры поднимают требования к кредитному рейтингу и инвестиционному уровню таких стартапов. А стартапы, как правило, не имеют такого рейтинга (только если за ними сразу не стоит какой-нибудь A16Z) ↓ Поэтому поставщики инфры и облачные провайдеры не готовы брать на себя дополнительные кредитные риски стартапов и требуют всё более и более крупных предоплат вплоть до 100% от суммы контрактов. + даже у классического бизнеса с необходимым инвестиционным кредитным рейтингом шансов получить кредиты под GPU крайне мало, потому что этот рейтинг снижается из-за того, что они: а) наращивают обычную долговую нагрузку классическими способами; б) не являются инновационными стартапами, а лишь перепродают свои услуги покупателям токенов. ↓ Поэтому поставщики GPU будут всё чаще требовать, чтобы конечные покупатели токенов либо имели высокий инвестиционный рейтинг, либо сразу вносили крупный денежный депозит кэшем. ↓ Рост цен на GPU (из-за ограниченности предложения и высокого спроса) неизбежно приведёт к дальнейшему росту цен в сегменте инференса и росту требований под обеспечение кредитов на него. ↓ В таких условиях создание стартапа в области ИИ становится структурно и финансово всё более и более сложной задачей, а получение дешевых токенов станет всё более затруднительным. ↓ В то же время конкуренция на уровне прикладных решений потребует от компаний всё более быстрых и масштабных затрат токенов. А стартап/компания (или фонд за ними), способные за несколько дней выделить $1B долларов в/на токены, обладают колоссальным преимуществом перед стартапом, которому для начала нужно привлечь $1B ещё до того, как у него появится готовый продукт. → Узкое бутылочное горлышко кредитов на ИИ ←

Одно из возможных решений это дилеммы: сделать так, чтобы кредиторы начали рассматривать кластеры графических процессоров (GPU) в качестве... полноценного ликвидного обеспечения кредита

Но брать под обеспечение реальное физическое GPU-невозможно, потому что его нужно физически проверять и обслуживать, потому что даже GPU за $100K имеет свойство ломаться. Именно поэтому на рынок могут выйти (и уже выходят) компании, которые создают 🥁🥁🥁 рынок форвардных контрактов на вычислительные ИИ мощности с физическим исполнением обязательств! Простыми словами: форвардный контракт на ИИ позволяет кредиторам брать в качестве обеспечения не сам кластер GPU, а «час работы GPU» и перепродавать его на ликвидном ИИ-рынке! Готово – кредитный риск клиента вообще отходит на второй план и даже если AI-стартап из двух человек, работающий в сильно пахнущем стариной викторианском особняке в Сан-Франциско перестанет платить по счетам, у кредитора останется реальная возможность эффективно реализовать обеспечение и GPU для нового конечного потребителя!

Выживет ли SaaS-проект с ИИ? «SaaS-апокалипсис» — преувеличение, примерно 10-20% SaaS-компаний находятся под угрозой исчезновения Разделим угрозы на две группы: атаки на предложение (supply) и на спрос (demand). Атаки на сапплай: 1. Клиенты сами вайбкодят нужный им продукт 2. Конкуренты быстро достигают паритета фич 3. ИИ ускоряет развитие open-source-решений 4. Крупные платформы и системы учета встраивают ваши функции бесплатно 5. Агентства создают кастомное ПО по цене SaaS-подписки 6. ИИ-модели поглощают часть вашего функционала Атаки на спрос: 7. ИИ разрушает бизнес-модели ваших клиентов 8. Сокращается число рабочих мест и платящих «seats», потому что ИИ-агенты заменяют сотрудников 9. Исчезает сама потребность в категории ПО — например, в сервисах тестов для найма 10. Человеческих операторов заменяют автономные ИИ-агенты 8 защитных «рвов» (moats), которые работают Чтобы выжить, SaaS должен опираться на то, что трудно скопировать: 1. Доверие и бренд. Клиенты и партнеры рекомендуют продукт, потому что знают и доверяют ему. 2. Система записи. Продукт становится основным источником данных, в который «зашиты» ежедневные операции. 3. Право на действие. ПО не просто советует, а выполняет транзакции: платежи, обновления, изменения. 4. «Никто не проверяет вашу работу». Доверие к результату настолько высоко, что клиенты не перепроверяют его 5. Официальные одобрения. Лицензии, сертификаты и соответствие регуляторным требованиям, которые конкурентам сложно получить. 6. Сетевой эффект. Весь бизнес или команда должна перейти на продукт одновременно — это резко повышает стоимость переключения. 7. Петля обучения. Каждый новый клиент делает систему умнее и полезнее для всех остальных. 8. Тяжелое обслуживание. Сложная инфраструктура, которую мучительно поддерживать — например, обход спам-защит и блокировок, — становится преимуществом.

Получить свои деньги Тысячи стартапов по всему миру делают разные вариации AI для продажника. Это самое выгодное место для автоматизации: результат сразу влияет на выручку. Если продажи выросли – ничего больше объяснять не надо, пилот успешен, подписка продляется. Американский #стартапдня Stuut нашел ещё одну нишу с такой же прозрачностью, но гораздо менее конкурентную, чем продажи. Стартап помогает выбивать деньги из уже подписанных клиентов, которые почему-то не платят. Вы забыли отправить счет, вы ошиблись в формулировке счета, бухгалтерия клиента завела новый портал, куда надо загружать счета, а вы об этом не знаете – все это приводит к тому, что счет не оплачен. Если речь о сумме в миллион долларов – кто-то обязательно разберется. Но если это сотня – дебиторка может пылиться годами. И, собственно, у многих пылилась, пока они не подключили агента Stuut. AI не в падлу заниматься мелочевкой, он и ради копеек почитает возражения контрагента, напишет, подпишет, приложит файлы и что ещё положено сделает. Если проблема была технической – она решится. Если более тяжелой – об этом тоже полезно знать. На бизнесах с низким регулярным чеком типа регулярного обслуживания лифтов – результаты получаются существенными, Stuut пишет о десятках процентов выручки в лучших кейсах. Сам стартап берет за свои услуги столько, чтобы каждый счет мог обрабатывать человек. Агент – это как бы сотрудник, а не сервис, и стоимость его соответствующая – тысячи долларов в месяц. Впрочем, десятки процентов выручки это все равно окупают с гигантским запасом, 150 уже действующих клиентов не дадут соврать. https://www.stuut.ai/ #crm #ai #сша #roundb

Исследование изменений в найме и характере занятости в Anthropics, которое я тут недавно упоминал, заканчивалось на летних данных текущего года. А сейчас на дворе октябрь подходит к концу — и потому именно в контексте обсуждавшихся в исслеловании трендов важна свежая ремарка Кейтлин Лессе, руководительницы platform engineering group в компании. Начальница команды из 200 человек, занятых разработкой критически важного софта, заметила:

"When it comes to our team and how we're actually building and maintaining our systems, all of our code is written by Claude. Like, literally all of it."

И вот это "буквально весь" показывает, насколько быстро пошли процессы полной автоматизации кодинга — пока лишь в избранных местах, где собрались самые сильные и талантливые разработчики. Но и до остальных мест эта волна докатится намного быстрей, чем хотелось бы тем ремесленникам, кто под подобными постами любит какашки оставлять:) https://www.businessinsider.com/anthropic-katelyn-lesse-team-shifted-to-ai-coding-entirely-2026-10

Человеку впервые ввели вирусы, созданные ИИ для борьбы с бактериями — результат засекречен Американская компания Radical Numerics впервые публично сообщила о введении человеку вирусов, спроектированных с помощью ИИ. Эксперимент провели для борьбы с опасной бактерией, устойчивой к антибиотикам, когда стандартное лечение уже не помогало. Модель Omnii-1 помогла изменить бактериофаг T7 и выбрать наиболее эффективные варианты, которые уничтожили образец инфекции в лаборатории. Что произошло с пациентом после процедуры, компания не раскрывает. Полученных данных пока недостаточно, чтобы оценить безопасность и эффективность метода. #искусственныйинтеллект #биотехнологии #геном #здоровье 📎Подробнее 🔖 3DNews в TG | MAX | VK

посоны и дамы, тема такая. 1. подтвержаешь владение сайтом (meta tag на главной или файл в корне или TXT-запись в DNS) 2. платишь $20 баксов, и следующие 1-3 часа лютый uncensored агент со скиллсетом на самый радикальный пентест прикладывает максимум усилий, чтобы найти каждую мельчайшую дыру в твоём сайте и эксплуатировать её 3. у вас чисто readonly-доступ к диалогу с агентом, и возможность 2 раза нажать на кнопку "Работа не закончена, продолжай" (ну если он затупил). в конце отчёт со всем найденным. 4. свои промпты писать нельзя. для тех, у кого есть релеватные сайты/веб-приложения: 👍 лайк - мне релевантно, купил бы прям щас 👎 дизлайк - мне релевантно, но услуга не интересна, херня 💊 пилюля - "я подписался читать про СДВГ, че за херь ты постишь"

🌟 Sakana AI предложила метод рекомендаций, который ищет набор разных вариантов QD-Rec - метод подбора рекомендаций для решений, где человеку важно сравнить варианты, а не получить один ответ. Единица поиска здесь не сам кандидат, будь то компания, клиент или научная статья, а пара из кандидата и гипотезы, то есть написанного словами объяснения, чем он подходит и что с ним можно сделать. 🟡Механика В основе лежит идея качества и разнообразия из эволюционных алгоритмов. Система ведёт архив удачных пар и крутит один и тот же цикл из трёх шагов. Сначала кандидата выбирает алгоритм, который взвешивает прошлые оценки и добавляет бонус за непохожесть на то, что уже в архиве. Затем языковая модель пишет гипотезу, опираясь на три случайные записи архива как на родительские, и либо переносит их угол зрения на нового кандидата, либо скрещивает две идеи, либо предлагает что-то своё. Наконец новая пара проходит отбор. Если судья считает её довод реально новым, она занимает отдельную нишу, если нет, спорит один на один с ближайшим соседом по смыслу, и проигравший вылетает.

Общего рейтинга нет, поэтому непохожие идеи уживаются рядом.

🟡Тесты Проверяли на трёх задачах. В первой система искала среди 6300 американских компаний цели для поглощения покупателями Disney и JPMorgan. Во второй подбирала покупателей продукта среди 10 тысяч вымышленных профилей, в третьей советовала статьи из 17,5 тысячи работ с недавних конференций.

Гипотезы писали модели Claude, оценивала их GPT-5.6 Terra.

На поиске целей для Disney средняя оценка архива составила 2,91 против 2,40 у упрощённого варианта, который пишет каждую гипотезу с нуля и в архив не заглядывает, а сам архив вырос до 214 записей против 85. Для JPMorgan вышло 3,04 против 2,88, в маркетинге 7,05 против 6,81. На подборе статей разницы почти нет, 6,24 у всех вариантов. Выигрывает метод не везде. С моделью послабее на одной из задач он уступил упрощённому варианту и по оценке, и по размеру архива.

Оценки ставит языковая модель, а значит, система может научиться угождать судье вместо того, чтобы придумывать дельное, и авторы советуют подключать человека. Про это надо просто помнить.

Код проекта выложен на GitHub, модели подключаются через OpenRouter. 📌Лицензирование: Apache 2.0 🟡Блогпост 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI #ML #Recomendation #QDRec #SakanaAI

Не чюваки, видос про агенты прямо сейчас делать бессмысленно. Пощупал всякое и раскладка крайне простая. Есть клодик (на подписке макс с мульти агентами, иначе у тебя лимиты за 10 минуты улетают) и остальное дерьмо, создающее видимость работы. Особенно после достижения определенной точки в проекте. Чем больше общий контекст, тем сильнее это видно. Соло-агент в разработке не вывозит, решает эту проблему только обязательное делегирование задач на разные инстансы + координатор. Есть конечно варианты использования локалки на уровне домохозяйки для крайне типовых задач, но это такое... выводы будут очевидными. В целом, тут самое главное ограничения пока в самих моделях, которые доступны для локального инференса. Нужно выждать полгодика-годик и посмотреть че другие дилеры нейрослопятины выкатят, особенно в open-weight.

Нейросети полезли в рекламу у блогеров. Есть такой чувак Дима Беседа: в юности бросил универ ради World of Warcraft, к 27 годам стал долларовым миллионером, а один из его стартапов купила Xsolla. Казалось бы, живи и радуйся, но нет. Сейчас он пилит Spiry, AI-платформу, которая к 2027 году должна сама находить блогера, писать ему, брифовать, проверять вышедшую рекламу и платить. Без всяких кожаных маркетологов. Пока инфлюенсеров для клиентов вручную ищут живые спецы, а разработчики каждый день допиливают систему по их фидбеку и потихоньку пересаживают на неё всю команду. Короче, люди сами обучают свою замену. Заодно Дима размышляет, как нанимать людей в эпоху нейронок и нужны ли сейчас вообще сеньоры. Подписывайтесь — @dimabeseda

Spark-X2.6-4B Небольшая модель для запуска устройстве, 4B параметров. Архитектуру оставили от версии 2.5, весь прирост дала дообучка • Три режима размышления: без рассуждений, короткий и длинный • Контекст до миллиона токенов • Кодинг, работа с инструментами и многошаговые задачи тянут лучше, чем ждешь от такого размера • По бенчмаркам местами догоняет модели на 9 млрд • Кванты под разное железо: FP8, INT8, INT4 на 2 млрд, GGUF для llama.cpp • Есть базовая версия без посттренировки • Скорость на уровне Qwen3.5-4B и Gemma-E4B • Поднимается через SGLang или vLLM, API совместим с OpenAI • Миллион токенов контекста съест память, длину можно урезать Практический смысл в том, что агентские сценарии с инструментами и длинными файлами теперь влезают в 4 гигабайта весов без облака huggingface.co/collections/XHToken/spark-x26 huggingface.co/XHToken/Spark-X2.6-4B huggingface.co/XHToken/Spark-X2.6-4B-GGUF #coding #mobile MAX

🤖 Почему гуманойды до сих пор с трудом справляются с обычными бытовыми действиями. Не мое, но согласен 👍 🦾 1. Простое для человека — сложное для робота. Нейросеть может обыграть гроссмейстера, или доказать гипотезу Пуанкаре но взять незнакомый предмет или пройти по неровной поверхности ей гораздо сложнее. Это называется парадокс Маравика. Эволюция оттачивала нашу моторику сотни миллионов лет. 🧠 2. Движение требует огромных вычислительных ресурсов. Мозжечок содержит около 80% нейронов человеческого мозга. Координация движений — колоссальная работа, которую мы даже не замечаем. 📊 3. Роботам не хватает данных. Языковые модели обучаются на огромных массивах текстов из интернета. А данные о физических взаимодействиях с окружающим миром приходится собирать на реальных роботах. Это долго и дорого. ⚠️ 4. Цена ошибки гораздо выше. Если ChatGPT ошибся в тексте, его можно исправить. Если робот или беспилот ошибся при движении, это мб фатально. ⚡ 5. Всё должно работать прямо на роботе и в реальном времени. Нельзя постоянно полагаться на облако, когда нужно мгновенно реагировать на препятствия. А вычислительные мощности ограничены размерами, батареей и тепловыделением. Ждать несколько минут пока робот возьмет что-то с полки, как это делает ChatGPT, никто не будет. Но есть и хорошая новость: симуляторы, синтетические данные, тактильные датчики и новые нейросетевые модели постепенно решают эти проблемы. В общем, ждем когда робот пройдет тест Возняка и будет нам счастье 💚