Who mentions Сиолошная

DATA DAY | DSML kz × Higgsfield.ai | Алматы, 07.11.2026 Одна из самых заряженных и известных компаний Казахстана - higgsfield.ai выходит из тени! В эту субботу 7 ноября, вместе с Higgsfield мы проводим Data Day - офлайн-митап про данные, AI и антифрод. Higgsfield, GenAI-платформа для видео и картинок, основанная нашим хорошим другом Ерзатом. На митапе их дата-команда расскажет, как всё устроено изнутри. Спикеры: • Ануар Аймолдин (Founder, DSML.KZ) - «AI на стыке коммьюнити, рисерча и индустрии» • Игорь Котенков (автор канала «Сиолошная») расскажет про бенчмарки • Валерий Бабушкин (Senior Director, BP) - «Детерминизм как точка опоры в мире Agentic AI» • Анатолий Карпов (CEO, karpov.courses) - «Симулируй, прежде чем тестировать: A/B-тесты от Монте-Карло до синтетических пользователей» • Дидар Нуркаир (Head of Data, Higgsfield) - «Higgsfield на допросе у VC: 10 вопросов, на которых все сыпятся» • Роман Ященко (Head of Antifraud, Higgsfield) - «Я дал агенту кнопку бана на 50 000 аккаунтов» Дата-команда Higgsfield сейчас растёт, и если вы ищете работу в аналитике, DS или дата-инженерии, это отличная возможность познакомиться с ребятами прямо на месте. Регистрация по этой ссылке. Площадку и время пришлём через бот и опубликуем на канале @higgsfield_data

Наконец-то мы перешли от эпохи "подписчики @RationalAnswer жалуются на засилье постов про ИИ в финансовом блоге" к эре "подписчики @seeallochnaya страдают от потока финансовых разборов в канале про ИИ"

Прошло меньше года с первых обсуждений запуска датацентров и GPU в космос, достигших широких масс. Starcloud уже несколько месяцев как проверил, что запущенная ими H100 работает и может тренировать маленькие модели на орбите. Совсем недавно Google в рамках проекта Suncatcher тоже запустили свои TPU на орбиту, и сегодня впервые отправили запрос языковой модели и получили от неё ответ в виде хайку. Ждём массовых пусков раков GPU на орбиту с помощью Starship. Однажды я расскажу своим внукам, что облако называлось «облаком» задолго до того, как оно оказалось в небе над нами.

Очередная волна банов в Claude Похоже, прям сейчас идет самая лютая волна банов со стороны Антропик. Схема примерно такая: приходит уведомление, что нужно пройти верификацию, вы показываете свой загранпаспорт (раньше это работало), и после этого моментально прилетает бан. Причем банят и многолетние аккаунты, и порой даже тех, кто фактически живет за границей и имеет иностранный ВНЖ. ⮕ Как работают баны Никто наверняка не знает, но появилась интересная гипотеза от китайского сообщества пользователей Claude. По их версии, каждому аккаунту при регистрации дают стартовый запас баллов, дальше за одни действия баллы начисляются, за другие снимаются, а когда их становится меньше порога, аккаунт блокируют. Вернуть снятые баллы очень сложно. Самые важные факторы из их разбора: ⏺️ Важнее всего чистый и стабильный IP. Сильно снимают баллы прыжки по разным IP, вход с нескольких устройств и частые перелогины. ⏺️ Подписка сразу после регистрации снимает баллы, а сразу на Max снимает еще сильнее. Карта иностранного банка баллы добавляет, виртуальная карта снимает. ⏺️ Баллы снимаются, если выжигать лимит до дна за один раз или массово работать на Fable. ⏺️ Десктопное и мобильное приложения немного добавляют баллов по сравнению с веб-версией, включенная память тоже добавляет. ⏺️ У старых аккаунтов огромный запас прочности. ⏺️ Если KYC просят при оплате, значит аккаунт под наблюдением. Типичный признак такого наблюдения – сброс логина. Как быть, если вам уже пришел запрос на KYC, пока непонятно. Я юрист, поэтому не буду советовать прохождение верификации через иностранных знакомых или использование платных посредников) ⮕ Что делать Во-первых, посмотреть в сторону ChatGPT. OpenAI блокирует гораздо реже, я уже не раз об этом говорил. Хотя и мой Pro-аккаунт там недавно забанили, но спустя почти месяц разблокировали и его. Во-вторых, можно переходить на сервисы, которые не блокируют пользователей из России, например Kimi. Плюсы Kimi в том, что им можно пользоваться без VPN, интерфейс почти такой же, как и у Claude, есть привычный десктопный агент, а платить можно картой Мир. Минус в том, что даже Kimi заметно отстает от топовых моделей. На днях автор Сиолошной разобрал прошлую версию Kimi (K3), и она оказалась примерно на уровне Opus 4.8 и GPT-5.5, то есть отставание около 4 месяцев. Но я сейчас работаю над своим бенчмарком и в посте про Kimi (в скором времени его опубликую) буду опираться уже на бенчмарк, с баллами и сравнением с другими моделями. Кстати, я решил включить Кими в материалы 8 потока курса «ИИ для юриста», будем смотреть (как минимум) на эту модель как на резервный сценарий, если использовать фронтир станет невозможно. Канал | Курс

No text

Вышла Kimi K3.1 Pro. Веса выложат 4-го ноября, пока можно поиграться на официальном сайте/платформе (и наверное у партнёров тоже будет). Цена по API меньше, чем была у K3. Есть режим Kimi K3.1 Pro Highspeed со скоростью генерации в 2-3 раза выше (интересно, от какого бейзлайна? у Kimi K3 показывает, что было ~40 TPS на OpenRouter). Цена тут чуть выше чем была у K3 до этого. Я уже начал составлять табличку с бенчмарками Kimi K3, чтобы оценить, как она по итогу за 3 месяца показала себя, была ли «фронтиром» или нет 👀👀

Я хотел написать в новости «если бы эту уязвимость нашёл рой агентов (и начал эксплуатировать), то я не исключаю, что как минимум некоторые провайдеры и/или некоторые регионы были бы полностью отключены от интернета», но подумал, что это может быть преувеличением. Reuters: голландское агентство по кибербезопасности отключило свои сервисы, заявив, что сделало это в качестве меры предосторожности из-за выявленных уязвимостей. В Нидерландах несколько организаций последовали примеру Национального центра кибербезопасности и отключили свои общедоступные сайты. Среди них — порт Роттердама, государственный портал Overheid.nl, Королевский футбольный союз Нидерландов (KNVB), сайты пяти крупнейших политических партий страны, а также нескольких больниц. Датская муниципальная ИТ-компания Kombit отключила несколько сервисов, включая национальную платформу для общения школ с родителями и учениками, сообщил Reuters представитель компании. В Финляндии перебои оказались ещё более масштабными. Государственный поставщик ИТ-услуг Valtori сообщил, что государственные сетевые сервисы были отключены «в качестве меры предосторожности». Министерство внутренних дел Франции заявило, что временно отключило сайты местных органов власти до выхода исправления безопасности. === Но пока что отключения происходят только для того, чтобы злоумышленники (в основном, люди) не воспользовались уязвимостью во время обновления систем (и обновление уже было заранее подготовлено и вышло), то есть очень краткосрочно, скорее всего завтра всё включат. (но куча мелких и/или полузаброшенных сайтов не успеют обновиться, и их начнут ломать)

Пока что самым сильным индикатором уровня задач, решения которых выложили OpenAI, является эта история. Hugo Duminil-Copin, математик, получивший Филдсовскую премию в 2022-м году, поделился, что плакал после того, как увидел релиз OpenAI, настолько громко, что разбудил дочь. Среди решённых задач были как минимум 16 тех, над которыми он сам работал (и видимо какое-то время не мог решить) — что для меня является показателем их близости к актуальному исследовательскому уровню и прокси к их сложности. «Они уничтожили мою область исследований», — заявил он на видео-конференции. Он также показал слайд, на котором был изображен кролик, раздавленный несколькими грузовиками. «Они хотели доказать, что могут нас уничтожить». Ситуация грустная, но что поделать 🤷‍♂️

Теренс Тао, один из самых крупных математиков современности, возглавляет крестовый поход против "нечеловеческой" математики. Новые модели щёлкают одну за другой задачки, над которыми выдающиеся умы работали долгими десятилетиями. Доминиль-Копен, свежий филдсовский лауреат, рассказал, что разбудил своими громкими рыданиями дочь, когда узнал, что ИИ решил 16 математических проблем, над которыми он работал годами. Ни я, ни вы не понимаем суть проблем, над которыми работает Тао - и никогда толком не поймём, даже если очень захотим. Но у меня есть не связанный с собственно математикой аргумент в пользу того, что математикам не стоит нашивать кресты на плащи и идти штурмовать дата-центры Альтмана и Амадео. Давайте подушню на тему "ИИ сделает всех безработными", подробно развернув один пункт, который кратко упоминал очень давно. Изложенные ниже мысли достаточно банальны, но с цифорками они становятся нагляднее и понятнее. В двадцатом веке одной из самых динамичных промышленных отраслей была автомобильная. Технологии, созданные в автопроме, позднее распространялись по всей промышленности: конвейер Форда, автоматические трансферные линии, многоуровневая система just-in-time Тойоты, цифровое проектирование механизмов от GM, промышленная роботизация и так далее. Это только те технологии, что повышают производительность труда, а не качество самого автомобиля. Сегодня в автопроме по всему миру используется 1,7 млн промышленных роботов - больше четверти от общего числа промышленных роботов в мире. Вторая по численности роботов отрасль - электроника и электротехника - отстаёт примерно на сто тысяч, а в расчёте на одного занятого - примерно вдвое. В 1908 году Генри Форд сделал простой и дешёвый автомобиль - Ford Model T, гораздо дешевле и проще своих предшественников. В том же году он смог наладить крупномасштабное поточное производство. (Впервые поточное конвейерное производство автомобилей наладил Рэнсом Олдс ещё в 1901 году, но Форд смог придать этой технологии настоящий масштаб). Следующие 20 лет Форд потратил, всеми силами снижая издержки на свой Model T, в итоге добившись снижения цены (и числа затраченных человеко-часов) в несколько раз при повышении качества выпуска. Как радикальное снижение издержек рабочего времени в расчёте на один автомобиль отразилось на числе самих рабочих? Естественно, оно увеличилось - притом взрывообразно. Число занятых в американском автопроме выросло с 25 до 470 тысяч, в 22 раза, объём выпуска - примерно в сто раз (это в штуках, а ведь качество тоже быстро прогрессировало). В 1907 году автомобиль даже в США был предметом роскоши, в 1928 - обыкновенным средством передвижения, таким же привычным, как раньше лошадь. В 1953 году число занятых в американском автопроме достигло максимума - 900 тысяч человек, 1,5% от общего числа занятых в экономике, первое место среди всех отраслей промышленности. К 1960 году доля снизилась до 1,06%, а сегодня дошла до 0,6%. Но это обманчивые числа. В 1950-х американцы почти не импортировали автомобили; экспорт тоже был крошечным. Сегодня почти половина (45%) продаваемых в США авто - импортные. И даже в произведённых внутри страны примерно половина компонентов (по стоимости) производится не в самих Штатах, а в Мексике и Канаде, причём это в основном трудоёмкие детали. С другой стороны, четверть производимых в США авто идёт на экспорт. Не буду трахать вам мозги: очень грубо, если бы сегодня американцы ездили бы только на сделанных (и разработанных) полностью в США автомобилях и почти ничего не продавали бы за рубеж, как в 1950-е, доля занятых в автопроме достигла бы трёх миллионов человек, или 2% от общей численности рабочей силы - гораздо больше, чем в 1953 году. (В реальности, конечно, поменялись бы цены на автомобили - а значит, и спрос на них, несколько изменились бы сами технологии производства, но это всё детали). Итак, бешеный рост производительности труда в автопроме сопровождался огромным ростом занятости в этой отрасли (если считать всех, кто производит машины для американцев, а не только тех, кто работает в самих Штатах). Люди хотят всё больше автомобилей. В 1960 году на 100 взрослых в США приходилось 54 авто. Сегодня уже 110 авто на 100 взрослых. Кто-то коллекционирует машины, кому-то нужны разные машины для поездок в город и за город, кто-то оставляет старый автомобиль на случай поломки или ТО нового, кто-то работает на одном автомобиле, а по личным делам ездит на другом. Люди хотят, чтобы их автомобили были всё более комфортными, динамичными, экономичными и безопасными. Посмотрите на результат столкновения Шевроле 1959 года с Шевроле 2009 года. Видео для тех, кто считает, что "раньше-то делали качественно, а сейчас одноразовое всё". Люди хотят следовать за модой. Автомобилисты сегодня ломают копья в спорах о долговечности китайских авто. Но что если сами богатые китайцы в скором будущем будут менять машину раз в пару лет, как смартфоны? Ведь стоимость электромобилей продолжает быстро снижаться, и мы не знаем, до какого уровня она в итоге упадёт. (Нам с нашим утильсбором такое, к счастью, не грозит). Вот вам пример из другой отрасли. Число космических запусков в мире растёт бешеными темпами - на четверть в год (посчитайте сложный процент за десятилетие). Забрасываемый вес и число запускаемых спутников растут гораздо быстрее. Но это только начало. SpaceX планирует перейти с Falcon 9 на Starship с грузоподъёмностью в 5 раз больше. У Маска есть много конкурентов - в самих США (Blue Origin Безоса, Relativity бывшего гендира Google Эрика Шмидта, Rocket Lab и другие), в Китае, в Германии и Японии. Даже в Италии, Испании, Индии и Канаде стартапы разрабатывают небольшие ракеты. Сейчас все эти компании либо испытывают, либо только развёртывают масштабное производство своих ракет, но скоро некоторые из них выйдут на запланированные объёмы выпуска. При этом главная тема в отрасли - надвигающийся дефицит ракет. Радикальное удешевление запусков привело к ещё более радикальному росту спроса на запуски. ... В написанном нет ничего нового для немного знакомого с экономикой. Эффект дохода, эффект замещения, декомпозиция по Хиксу, декомпозиция по Слуцкому, парадокс Джевонса - всё это есть в учебнике за первый курс. Я не буду грузить вас теорией - она здесь не нужна. Нужен вывод: быстрый рост производительности труда в отрасли может приводить к увеличению, а не снижению занятости в этой отрасли за счёт ещё более быстрого роста спроса, подпитываемого ростом качества и/или снижением цены на готовый товар. Как показывает пример автопрома, такая ситуация может сохраняться очень долго - столетие и больше. Так происходит далеко не всегда, конечно. Самый очевидный контрпример - сельское хозяйство. Сегодня мы питаемся несравненно лучше, чем двести лет назад, но доля занятых в сельском хозяйстве во всех развитых и близких к ним странам сегодня в разы и даже десятки раз ниже. Существует очевидный предел количества еды, которую человек способен потребить - даже если этот человек кубаноид. Если бы потребности американцев в автомобилях ограничивались одним милым и забавно выглядящим олдсмобилем на 10 тысяч человек населения, как в начале XX века, сегодня эти потребности удовлетворяла бы одна фабрика с несколькими десятками рабочих. Вот только вместо тысяч забавных дрожек с примитивным моторчиком люди хотят миллиарды автомобилей. Люди хотят спорткары и гиперкары, летающие такси, неубиваемые внедорожники и даже болотоходы, роскошные мерседесы с бентлями, паркетники с внутренним пространством как в купе поезда, дома на колёсах, восстановленные в производстве ретро-авто и так далее. Как уже было сказано, в будущем нормой может стать даже ежегодная смена автомобиля - особенно если в автопроме сохранится тренд на модульности (китайцы сейчас идут по этому пути, и благодаря модульности быстро сокращают время на разработку новых моделей, далеко опережая европейцев и американцев). Но потребности людей в автомобилях всё-таки ограничены - хотя бы тем, что один человек не может одновременно ехать в двух авто. Размеры самих авто ограничены масштабами дорожной инфраструктуры. Да и нефти в мире ограниченное количество (электромобили это ограничение частично снимают).

#дайджест Дайджест AI/ML за неделю 5–11 октября 2026 Anthropic: Claude Haiku 5.5 Замыкающая 5.5 линейки. Terminal-Bench 4.0 39.2% против 0.0% (лол) у Haiku 4.5 и 16.4% у GPT-6 Luna, OSWorld 72.4% против 48.9% у Luna, но до Sonnet 5.5 с его 70.6% далеко. Цена как у Luna $0.10/$0.50, кэш $0.01, но после 100К токенов все умножается на пять, тогда как Luna держит цену до 272К. Контекст 1М Позиционируют как субагента и компактор для Opus и Sonnet. Но на реддите уже посчитали: на длинном агентном прогоне Haiku вышел в 12 раз дороже Luna из-за большей цены за токен после 100к и большего потребления токенов. Дешевый токен и маленький расход денег из кошелька - разные вещи. Блогпост OpenAI: математика Математика ВСЁ. OAI выложили 719 манускриптов по 372 задачам от внутренней модели. Задачи серьезные, Филдсовские лауреаты в слезах. В среднем три часа thinking-компьюта на результат. В Lean формализовано 42%, три работы уже отозвали из-за ошибки знака, 14 починили. У многих математиков очень сложные отношения с этим релизом и самоидентичностью. Блогпост, GitHub, HN Mistral Le Chonk Large 4 "Самая умная модель за пределами США и Китая"🇪🇺🇪🇺🇪🇺 на триллион параметров: 1T-A52B MoE, text+image, 160 языков, обучена на 3800 Grace Blackwell в датацентрах ЕС. В индексе AA 38, то есть уровень DeepSeek V4.1 Flash и GPT-6 Luna. $1.36/$4.18, первые две недели вдвое дешевле. За задачу выходит в 4 раза дороже GLM-5.3-Flash и DeepSeek Flash с тем же интеллектом. Веса обещают к концу месяца. Пока превью в API. Блогпост, AA Reflection AI: Beam Вторая попытка сделать американский открытый фронтир после Inkling. 501B-A23B по их таблице уровень GLM-5.2 при в 3 раза меньшем компьюте на инференсе: Terminal-Bench 2.1 80.1 против 81.0 у GLM-5.2, SWE-bench Verified 80.9. Проблема в том, что GLM-5.2 вышла в июле и уже сменилась 5.3, а Kimi K3 и DeepSeek V4.1 Flash обгоняют Beam почти по всем строкам их же таблицы. Жаль не показали как рвут Llama3. Веса будут позднее, пока вейтлист. Блогпост Google: Nano Banana 2.1 На базе Gemini 3.6 Flash вместо 3.1. По внутреннему Elo 1050 против 990 у Nano Banana 2 и 935 у Pro, сильнее всего в консистентности нескольких персонажей и mask-редактировании (хотя тесты показывают что вообще не фронтир в дрифте картинки). До 14 референсов, держит 4 персонажей и 10 объектов, 1K/2K/4K. Цены вдвое ниже: 3.4 цента за 1K, 7.6 за 4K. Мелкий текст мылится, лево и право путает. Model Card, The Decoder Shengshu: Vidu Q4 Preview Image-to-video и reference-to-video до 16 секунд в 4K с нативным звуком и 10-бит цветом, до 15 референсных картинок и 3 аудио для голоса. Text-to-video нет. На AA image-to-video третье место после MiniMax H3 Max, хорошо подросли предыдущая Q3 Pro на 19-м. 1080p со звуком $0.12 за секунду, до конца ноября минус 30%. Модель Менее значимые новости: OpenAI: GPT-6 и Intelligent UI GPT-6 наконец доехал до обычного чата: Sol для платных, Luna для Free и Go. Вместе с ним Intelligent UI: модель сама решает, ответить текстом или собрать график, форму, калькулятор или схему с кнопками, рендерится по ходу генерации через их библиотеку компонентов. Work и Codex не трогали. Блогпост Anthropic: Claude Dashboards и Motion Dashboards строит живые графики по данным из Snowflake, BigQuery, Databricks, Redshift и ClickHouse, под каждым числом виден SQL. Motion делает анимированные объяснялки кодом, экспорт в MP4. Dashboards на платных планах, Motion почему-то только для Team и Enterprise. Анонс Liquid AI: Open d1 - открытые веса decision-моделей вслед за Jev: d1-3B на базе LFM2.5-VL с картинками и d1-omni-600M с аудио. Ноль output-токенов, 48.57 на Decision Index HF, лучшая до 10B, запускается на Jetson. HF, omni UCL и Huawei: Memento 3 - замороженный Opus 5 ведет в markdown rulebook про правила игры, компилирует его в Python-модель мира и планирует поиском по ней. На 25 публичных играх ARC-AGI-3 100.0 RHAE против 40.7 у того же Opus 5 в стандартном харнессе, но baseline1 уже давал 99.0, так что главный выигрыш - на 10% меньше действий. Кода нет. Статья

Если лабы это экономика масштаба, цены должны падать дальше. Они и падают, токен при том же качестве дешевеет в десятки раз за год, и на днях это случилось прямо на фронтире. Anthropic выпустила Opus 5.5, сильнее предыдущего, дешевле и быстрее, а OpenAI в тот же день ответила GPT-6 Sol и Luna вдвое дешевле предшественников. Но тут есть контраргумент куда сильнее истории про венчурные субсидии. Компьюта не хватает. Сразу после запуска Astra OpenAI остановила продажи тарифа за $200, потому что спрос обогнал мощности. А если у тебя дефицитный товар, совершенно не обязательно отдавать пользователю весь выигрыш от снижения себестоимости. Частично так и будет, только не там, где ждут. Дефицитный компьют отдают туда, где с мегаватта получают больше выручки, в API и энтерпрайз, а подписчикам режут лимиты и подсовывают модель попроще. Цена та же, продукт хуже. Но дефицит мощности не то же самое, что плохая юнит-экономика. Его можно уменьшать строительством новых датацентров, а контракты на новые мощности уже идут на десятки и сотни миллиардов долларов. Запас на снижение цен тоже пока большой, потому что вся цепочка сейчас жирная. У Nvidia валовая маржа 75%, у TSMC под 70%, у самих лаб на API 80–90%, так что юзер, который выжег токенов на $400 по прайсу API, обошёлся им в условные $40–80. Сами модели тоже недооптимизированы, проще завалить задачу GPU, чем сидеть и ужиматься, разменивая на это упущенный рынок. DeepSeek показал, сколько там запаса, когда железа было в обрез и пришлось выжимать из каждой карты всё. Если рынок перейдёт в режим экономии, первым сгорит этот жир, потом пойдут давить маржу поставщиков, уменьшать внутренние расходы и замедлять рост R&D. Даже банкротства отдельных лаб не означают, что построенная ими инфраструктура исчезнет. Датацентры, GPU и часть интеллектуальных активов останутся и сменят владельца. В моём разборе Бена Томпсона как раз была эта мысль: инфраструктура пузыря часто переживает тех, кто её построил. Хотя здесь есть важная оговорка. Если игроков станет сильно меньше, конкуренция ослабнет, и это само по себе может толкнуть цены вверх. Банкротство не уничтожает компьют, но вполне может изменить рынок вокруг него. У гонки при этом есть потолок, и ставит его не бюджет, а ограничения мира, в котором все происходит. Чипов выпускает конечное число фабрик TSMC, электричества тоже конечное число станций. Игорь в Сиолошной продолжил мысль. К 2028 году две-три компании будут забирать больше половины всех новых чипов, и удваивать расходы на компьют станет физически негде, а выручка расти сможет. И цену за токен никто не удержит ниже своей себестоимости, а выручка с мегаватта у фронтира выше, чем у всех остальных. Настоящая угроза сидит с другой стороны. В первом посте рядом стояли два тезиса, остановить обучение нельзя, и сидеть в минусе это выбор. Но есть нюанс! Выйти в прибыль, урезав R&D, можно ровно на один ход. Кто первым перестал учить, тот проиграл рынок. Остановиться не могут и Uber с Amazon и Netflix, их тоже сожрут конкуренты, разница в скорости, у них продукт устаревает годами, у лаб за условный квартал. Гонка в трейн это равновесие, из которого никто не выходит добровольно. Выходят из него только все сразу, когда выручка встаёт у всех по внешним причинам, тогда R&D режут одновременно и никто не отстаёт. И вот здесь появляется риск, который мне кажется куда интереснее венчуров, оплачивающих банкет. Рынок разработки, на котором лабы растут быстрее всего, конечен, switching costs между моделями низкие, и конкуренция уже дошла до ценовой. Это первый признак коммодитизации. Пока себестоимость падает быстрее цены, всё хорошо. Если цена токена начнёт падать быстрее себеса, никакой масштаб не спасёт, фикс кост просто не на что будет размазывать. Поэтому лабы так и лезут в смежные вертикали, заворачивая в обучение данные и траектории из CAD, финансов, биологии, всего, где есть non consumption. Захватить софтверный рынок и остановиться не выйдет, иначе наступит зима.

No text

No text

А вот и OpenAI: встречайте GPT-6 Sol и Luna. — обе модели ровно в 2 раза дешевле, чем их 5.6-версии. — общаться должны так же понятно и без жаргона, как Astra — и... всё. Sol не лучше Astra (а во многом и хуже, в отличии от пары Fable <-> Opus), но сильно дешевле, и всё ещё лучше Sol 5.6. Поэтому модель может стать основной рабочей лошадкой, сохраняя ваши лимиты.

Как изменимся мы, когда изменится мир Навье—Стокс взят ИИ. Что это значит? OpenAI заявила о решении одной из самых знаменитых задач человечества. Уравнения Навье—Стокса описывают течение жидкостей и газов и применяются при создании самолетов, прогнозировании погоды, в медицине. Практические задачи люди давно умеют решать численно, на компьютерах. Но OpenAI заявила даже не способ описать любое течение, а лишь контрпример, когда при плавном воздействии на жидкость возможен неограниченный рост ее скорости. Тогда в чем же прорыв? Прорыв не в том, что это сделал ИИ — для тех, кто следит за развитием ИИ, такие новости уже часть естественных ожиданий. Токены постепенно становятся столь же важны для науки, как и телескопы или коллайдеры. Главное в этом событии — это изменения, к которым оно приведет через десять, сто лет. Каким станет этот мир? Во-первых, дефицитом станут не ответы, а вопросы. Нам все время твердили, что идеи, даже хорошие, — это ничто, реализация — всё. (Отчасти потому что ресурсы для реализации находились в руках тех, кто это заявлял.) Но реализация становится все дешевле и проще. Я не знаю, написана ли уже фэнтези, в котором герой с бедной фантазией получает неограниченную возможность исполнять желания, но для героя это будет самый страшный хоррор. Ощутить свою исчерпанность, ощутить свою одинаковость с миллионами, хотя раньше думал про уникальность — это трагедия. Миллионы советов о том, чему учить детей в эпоху ИИ, мечутся от софт-скиллов или критического мышления до математики и культуры. Но зачем софт-скиллы нужны потерянному маленькому человеку, который не знает, что делать? Зачем считать критическое мышление или математику главными навыками, когда ИИ делает это быстрее и лучше? Чтобы ощущать себя человеком, уже недостаточно быть прокачанным и причесанным приматом. Человек в эпоху ИИ — это тот, кто способен порождать смыслы. Тот, кто может задавать вопросы, о которых раньше никто не думал. Тот, кто может видеть общее и закономерности там, где другие видят лишь частности. Знаете, что считал самым ценным в обучении великий математик Владимир Арнольд? Что он узнал от своего учителя Ивана Петровского и нес дальше? Самое главное, что ученик должен узнать от учителя — что некоторый вопрос еще не решен. (Дальнейший выбор вопроса из нерешенных — дело самого ученика. Выбирать за него задачу — всё равно, что выбирать сыну невесту.) Вдумайтесь, учитель годами работает с учеником, но главное его наследство — не методологии, не навыки ученика, и уж тем более не воспитательные порывы, а вопросы, которые он оставляет ученику. А какие вопросы вы оставите после себя? Я рискну утверждать, что масштаб человека часто соразмерен величине вопроса, за который он берется и который оставляет после себя. И это не только про обучение. Любая работа, по найму или на себя, начинается с вопросов и заканчивается ими. В первом потоке челленджа «Включи новизну!» я добавил несколько упражнений на умение задавать вопросы. Они многим давались не сразу. Потому что вопрос — это способ двигать познание, находить несогласованности в понимании мира, трещины в объяснениях, неочевидные взаимосвязи. А мозг сопротивляется изменениям картины мира, и особенно сильно — когда включается страх потери привычного себя. И надо набраться достаточной смелости и отваги, чтобы увидеть и задать себе по-настоящему глубокие вопросы. Во-вторых, мир станет заметно понятней. Не только мир природы, но и наш, человеческий мир. Вы сможете прогнозировать, как поведут себя сотрудники компании в какой-то ситуации, при каких условиях соседи поддержат начинание, сможете понять, как стать успешным в своей профессии — чего не хватает и как это исправить. Представьте мир, в котором у физиков или социологов есть 99% ответов, причем в яркой форме фильмов и картинок. Всем известно, и что происходит, и как что-то сделать. И тогда главным вопросом останется «зачем?», потому что он порождает смысл. Именно поиску ответа на него стоит учить детей. И задавать его себе, снова и снова.