Найти похожее

Похоже, можно вводить новую рубрику #ИИ у Агутина вышел новый клип, в нем оживили старые фотографии! Очень реалистично выглядит!

Китайские модели «догнали» американские — или нет? Kimi K2 Thinking объявил паритет с Claude, DeepSeek V3, Gemini 2.5. Benchmark-скоры выглядят убедительно. Но авторы ikot.blog прогнали модели через свежие тесты — задачи, которых точно не было в обучении. Kimi K2 проигрывает на 13 из 16 свежих бенчмарков. Конкретные разрывы: — APEX-Agents: 4% vs 18.3% у Claude (разрыв в 4.5 раза) — Agentic coding: отставание в среднем 24.8% — 83% задач из свежих наборов — проигрыш Китайские модели сильно затачиваются на бенчмарки. Но бенчмарки покрывают 5-20% из широкого спектра задач, ради которых мы используем ИИ. В остальных 80-95% случаев (то, что называют длинным хвостом) американские фронтирные модели пока значимо лучше. Моё мнение: если выбираешь модель для работы, где важно качество — использовать надо американские. Но если нужны опенсорсные/быстрые/дешевые – то китайские модели уже вполне хороши. https://ikot.blog/the-illusion-of-parity #ИИ

Вероятно, сингулярность — это не взрыв. Это ежедневные апдейты. Каждое утро я открываю ноутбук — и мир уже другой. Claude Opus 4.6, Cursor, OpenAI выпустил GPT-5.3-Codex_Spark. Про небольшие изменения каждый я уже молчу. Версия Claude Code КАЖДЫЙ ДЕНЬ БУКВАЛЬНО – новая. Дело в том, что раньше новая версия IDE выходила раз в квартал. Сейчас — каждую неделю. Раньше модель обновлялась раз в полгода. Сейчас — каждый месяц. И каждое обновление это новые возможности: миллион токенов контекста, адаптивное мышление, агенты, которые пишут код автономно. Мы не замечаем, как пересекаем черту. Нет момента «до» и «после». Есть непрерывный поток изменений, к которому мозг привыкает за день. Вчера агент не умел работать с файловой системой — сегодня умеет. Вчера контекстное окно было 200K — сегодня миллион. Сингулярность — это не событие. Это постепенно изменене окружающего мира, когда ты перестаёшь успевать осмыслять, что изменилось, прежде чем меняется следующее. Если это сейчас не сингулярность, то что такое сингулярность? #ИИ

AI-гантель: полезны гиганские модели, эффективны очень маленькие модели — а середина пустая Два тренда: на одном конце — гонка за масштаб: – в целом целом $400-450 млрд капексов на AI-дата-центры в 2026 – NVL 72 стойки по полмиллиарда рублей На другом — борьба за компактность: – Новые думащие модели уже работают на одной потребительской GPU за $2500 – Опенсорс сократил отставание от проприетарных моделей с 18-24 месяцев до 6-12 А в середине — пусто. «Middle-class» моделей почти нет. Есть либо гиперскейл с бесконечным бюджетом, либо максимальная оптимизация на минимальном железе. Гантель GPT — моё описание индустрии прямо сейчас. #ИИ

ChatGPT учат распознавать, когда вам плохо OpenAI довольно давно обновила GPT-5 Instant таким образом: модель определяет стресс, тревогу и кризис в разговоре и переключается на специальный режим поддержки. Как работали: — 170 экспертов по ментальному здоровью — 1 800 проверенных ответов в кризисных ситуациях — Снижение нежелательных реакций на 52% при суицидальных темах — На 42% меньше случаев эмоциональной зависимости от модели 👆 это всё стало нужно как ответ на истории про GPT, который поддерживал людей во всём, даже в подготовке самобийства. Что поменялось: — Модель деэскалирует ситуацию и направляет к реальным ресурсам — При острых сигналах подключается думающая модель GPT-5-thinking, это резко снижает количество галлюцинауий — Усилены запретя на поддержку бреда и больше поощряется обращение к людям Тренд: эмоциональный интеллект в ИИ это необходимость. Системы учатся чувствовать контекст, чтобы не навредить. #ИИ

ИИ и увольнения: от отрицания к попытке объяснить любое решение «влиянием ИИ» Год назад медиа смягчали тему сокращений из-за ИИ: «это перенайм 2022 года», «сколько уберёт, столько и создаст». Сейчас нарратив меняется. Что говорят в 2026: — Forrester: 10,4 млн рабочих мест в США исчезнут к 2030. Роль ИИ в этом выросла с 29% до 50% — HBR: компании увольняют из-за потенциала ИИ, а не из-за его реальных результатов — CNBC: страх потери работы из-за ИИ вырос с 28% (2024) до 40% (2026) — Январь 2026 — рекордные увольнения за 17 лет, 7% ссылаются на ИИ Но есть ещё один слой. ИИ стал удобным объяснением для оптимизации, которая назрела и без него. Forrester называет это «отмыванием при помощи ИИ» — компании списывают сокращения на ИИ, хотя у них нет зрелости, чтобы заменить людей автоматизацией. Результат: смешиваются реальное влияние ИИ и корпоративная риторика. Скептицизм к «ИИ-увольнениям» перерастает в скептицизм к самой технологии. #ИИ

80+ задач Эрдоша затронуты AI – математика ускоряется С января AI-модели внесли вклад в решение более 80 задач из списка Пола Эрдоша. Это не просто экзаменационный тест, это поиск решений теорем, у которых не было решения. На сайте erdosproblems.com сейчас 1179 задач, из них решено 488 (41%). На 7 февраля, что сделал AI: — ~26 задач с полностью AI-решениями — ~15 — решения нашлись, но потом обнаружились литературные аналоги (то есть AI нашёл это решение — ~30 — AI улучшил известные частичные решения — 12 — решены в коллаборации человек + AI — ~80 доказательств формализованы AI-инструментами в Lean Ну а мы запомним задачу #728: первую, решённую AI практически автономно. GPT-5.2 справился, Теренс Тао (филдсовский лауреат) верифицировал. Важный нюанс от Тао: это «lowest hanging fruit» — задачи, решаемые стандартными техниками. Но раньше до них просто не доходили руки. Казалось бы скрость исследований от AI должна падать по мере исчерпания «низковисящих плодов», но на деле буквально позавчера вышли новые версии основных LLM, то есть всё более высокие плоды оказываются низковисящими. Источники: erdosproblems.com https://github.com/teorth/erdosproblems/wiki/AI-contributions-to-Erd%C5%91s-problems #ИИ

Утечки через ChatGPT и Gemini из российских компаний выросли в 30 раз Исследование «Солар» (анализ трафика 150 компаний). Ожидаемо и похоже на правду. Что загружают сотрудники: — Презентации и стратегические планы — Финансовые отчёты и таблицы — Фрагменты исходного кода — Внутреннюю переписку и техдокументацию Масштаб проблемы: — В 40% российских IT-компаний используют ИИ — В 45% компаний есть отдельные ИИ-подразделения — При этом 60% компаний не имеют формализованных правил работы с ИИ Публичные нейросети стали теневым ИИ (shadow AI) — сотрудники используют их для анализа данных, не задумываясь об утечках. Вывод: корпоративный ИИ-сервис с контролем данных — это уже не опция, а необходимость. Если нужно такое – пишите мне. 🔗cnews.ru/news/top/2026-02-04_sotrudniki_rossijskih_kompanij #ИИ

Научиться правильно хотеть Модели учатся кодить, писать, анализировать – даже просто работать за нас. Через год-два они будут делать это лучше большинства людей. Что останется ценным? Способность: — Отличать важное от шума — Задавать правильные вопросы — Принимать решения при неполной информации — Глубоко понимать, чего ты на самом деле хочешь, чего хотят пользователи. Условно не более быструю лошадь, а машину или даже хороший общественный транспорт. По сути, главное сейчас — научиться чувствовать желания и правильно хотеть. Не «как сделать X», а «нужно ли делать X вообще». AI отлично выполняет задачи. Но формулировать задачи, которые стоит выполнять — это пока на нас. Почему это важно: — Желания нельзя автоматизировать (пока) — Это мета-навык, усиливающий всё остальное — Чем мощнее инструменты, тем важнее правильный выбор направления для их применения #ИИ

Инференс LLM — прибыльный бизнес, а не субсидия Даже с учётом субсидирования бесплатных подписок. Миф: компании субсидируют работу ИИ и раздают его бесплатно, чтобы захватить рынок. Реальность (данные Epoch.AI – Института ИИ – по GPT-5, август–декабрь 2025): — Выручка: $6.1B — Затраты на инференс: $3.2B — Валовая маржа: ~48% Сам запуск моделей супер-выгодный — даже с учётом 750 млн бесплатных пользователей. Откуда убытки? Зарплаты ($1.4B) + маркетинг ($2.2B) + самое главное: R&D ($4.9B), то есть расходы на создание новых моделей. Но! Непонятно как в расходы включено моральное устревание оборудования и быстрое устаревание моделей. Например GPT-5 по данным Epoch.ai не успела окупить полный цикл разработки — её слишком быстро заменила GPT-5.2. Вывод: инференс прибыльный. И пусть гонка за лидерством требует инвестиций в R&D, выход на плато и обеспечение прибыльности всей компании вполне возможно. Подробнее: https://epoch.ai/gradient-updates/can-ai-companies-become-profitable #ИИ

NanoLang — язык программирования для ИИ Серьёзный человек – сооснователь FreeBSD Jordan Hubbard выпустил язык программмирования, заточенный под генерацию кода нейросетями. LLM часто ошибаются из-за неоднозначностей синтаксиса. NanoLang решает это так: – Префиксная нотация: В NanoLang нет приоритета операторов вообще. пишется `(+ a (* b c)): сначала оператор, потом аргументы. Скобки сразу задают структуру * считается внутри +, и вариантов прочтения просто нет. Получится a + (b * c) Для нейросетей это важно: не нужно «помнить правила», код читается как готовое дерево. – Жёсткая структура: меньше «свободы выражения», больше шаблонов — язык специально сделан неудобным для людей и удобным для LLM. – Обязательные тесты: каждая функция требует shadow-блок с проверками. Код без тестов не компилируется – Транспиляция в C: нативная производительность – 18 ключевых слов против 32 в C: минимум синтаксиса для LLM Simon Willison (техноблогер) протестировал: Claude Opus с первого раза не скомпилировал код, но с Claude Code и доступом к примерам — справился. Компилятор уже компилирует сам себя, проект быстро разивается (буквально каждый час). Сейчас серсия 2.0.15. 🔗https://github.com/jordanhubbard/nanolang #ИИ

Claude Cowork — Claude Code для менеджеров Anthropic выпустили агент для автоматизации работы с документами на macOS. Это «Claude Code для всего остального». Что умеет: — Читать, редактировать, создавать файлы в выбранной папке — Превращать скриншоты чеков в Excel-таблицы — Организовывать файлы по содержимому — Синтезировать отчёты из нескольких документов Работает с XLSX, PPTX, DOCX, PDF. Недавно добавили плагины и MCP-интеграции. Из минусов: — Первый запуск и настройка всё ещё сложные, поэтому я не рекомендую новичкам — Интерфейс медленный Итого: Если человек очень хочет поработать со следующим поколением ИИ-инструментов и есть тот, кто может помочь преодолеть первые сложности – стоит попробовать. Доступен для Pro ($20), Team и Enterprise. 🔗claude.com/blog/cowork-research-preview #ИИ