Константин Сухачев

No text

No text

No text

No text

No text

AI-шпаргалка: 21 термин на понятном языке Последний год количество терминов, которые вокруг нас вращаются, растёт с какой-то бешеной скоростью, поэтому собрал для вас шпаргалку, чтобы в этом хайпе вы могли не теряться. Выкладываю и текстом, и карточками — кому как удобнее. Что это вообще такое 🔹 LLM (Large Language Model) — большая языковая модель, тот самый мозг внутри ChatGPT, Claude и Gemini. Прочитала полинтернета и теперь понимает и пишет текст на любую тему. 🔹 SLM (Small Language Model) — младший брат LLM: компактная, быстрая и дешёвая, влезает в ноутбук или телефон, но и задачи ей дают попроще. 🔹 Мультимодальность — умение модели видеть и слышать: кидаете ей скриншот, PDF, голосовое или видео, и она разбирается в них так же легко, как в тексте. 🔹 AGI (Artificial General Intelligence) — общий ИИ, который справится с любой умственной работой на уровне человека. Пока это цель всей гонки и повод для споров, когда он появится и появится ли вообще. Как с ним разговаривать 🔹 Токен — кусочек слова, которыми модель читает и считает текст. В токенах же меряют и лимиты, и деньги, поэтому простыни на десять экранов выходят дороже. 🔹 Inference (Инференс) — момент, когда обученная модель работает: получает ваш запрос и выдаёт ответ. Каждый ваш вопрос в чате — это отдельный инференс. 🔹 Контекстное окно — сколько текста модель держит в голове за один разговор. Вышли за предел — и она начинает забывать, с чего вы начинали. 🔹 Память — умение модели помнить вас между разговорами: имя, проекты, что любите и что бесит. Если контекстное окно — память одного чата, то это записная книжка на все. 🔹 Reasoning (Ризонинг) — режим, в котором модель сначала думает про себя и только потом отвечает. Дольше и дороже, зато на сложных задачах заметно умнее. Где ИИ берёт знания 🔹 Deep Research — режим, в котором модель сама обходит десятки сайтов, сверяет источники и через несколько минут приносит отчёт со ссылками. Стажёр-аналитик, который не устаёт. 🔹 RAG (Retrieval-Augmented Generation) — перед ответом модель идёт в ваши документы или базу знаний, находит нужное и отвечает уже с опорой на него. Так ИИ узнаёт то, чего не было в обучении. 🔹 Fine-tuning (Файнтюнинг) — дообучение готовой модели на своих данных, чтобы она говорила вашим языком и знала вашу специфику. Дорого и долго, поэтому чаще хватает RAG. Агенты: когда ИИ работает сам 🔹 Копайлот — ИИ-помощник прямо внутри вашей программы: в почте, таблицах, CRM, редакторе кода. Подсказывает и дописывает, но руль у вас. Отдаёте руль — получается агент. 🔹 Агент — модель, которой дали цель, инструменты и свободу: сама планирует шаги, выполняет их и проверяет результат, пока не дотащит задачу до конца. 🔹 Tool Calling — умение модели вызывать внешние инструменты: поиск, калькулятор, API, вашу CRM. Ровно тот момент, когда ИИ перестаёт только болтать и начинает делать. 🔹 MCP (Model Context Protocol) — открытый стандарт, придуманный в Anthropic, по которому ИИ подключается к внешним сервисам и данным. Такой USB-C для нейросетей: один разъём — и модель видит вашу почту или базу. 🔹 Skills (Скиллы) — папка с инструкциями, шаблонами и скриптами под конкретную задачу. Модель подтягивает скилл, когда он нужен, и делает работу по вашим правилам. 🔹 Vibe coding (Вайбкодинг) — когда вместо кода словами описываешь, какое приложение хочешь, и ИИ пишет его сам. Порог входа в разработку упал почти до нуля (качество кода иногда тоже) 🔹 Context engineering — искусство собрать модели правильный контекст: что положить в окно, а что выкинуть. Промпт-инжиниринг, повзрослевший до уровня агентов. 🔹 Evals (Эвалы) — тесты, которыми проверяют, насколько хорошо и правильно ИИ справляется с задачей. Без них любое «стало лучше» — на ощупь. 🔹 Guardrails (Гардрейлы) — ограничители, которые не дают ИИ сказать или сделать лишнее: слить данные, нагрубить клиенту или уйти не в ту тему. Сохраняйте карточки себе, а в комментариях пишите, каких терминов в шпаргалке, на ваш взгляд, не хватает. Константин Сухачев

Как ЗПИФ для квалов могут обложить налогом раньше, чем они заработают Закрытые ПИФы годами жили по простому правилу: пока деньги крутятся внутри фонда, налога нет, а платишь, только когда получаешь выплату или гасишь паи. 29 октября Госдума приняла в первом чтении законопроект № 617-9, и эту схему он ломает. Теперь закрытые и интервальные фонды для квалов будут сами платить 15% с дивидендов, процентов, аренды и роялти. Претензии к тексту есть не только у рынка, ведь серьёзные дыры в нём нашёл даже профильный комитет Думы. Главная — налог может не совпасть с тем, сколько инвестор на деле заработал. В феврале писал, как налоговая реформа доедает маржу кофеен. Тут история того же сорта, только этажом выше: правила меняют посреди игры. Команда МЭФ LEGAL разобрала: 🔹 Три самых спорных положения законопроекта 🔹 Что может измениться ко второму чтению 19 ноября 🔹 Последствия для фондов и инвесторов 👉 Читайте разбор в МЭФ LEGAL Паниковать рано, закон ещё в работе (но прикинуть, как он ляжет на ваш фонд, стоит уже сейчас) Константин Сухачев Реклама. ООО "МЭФ Лигал" ИНН 7704874992 erid: 2Vtzqxarua6

Оверсинкинг: болезнь сильных У меня последние месяцы очень часто стала проскакивать одна концепция на уан-ту-уанах с командой — оверсинкинг. Озвучиваю её чуть ли не каждую неделю, потому что она прочно закрепилась в умах крепких ребят, и из-за неё они начинают пробуксовывать в рабочих буднях. Но начну по порядку. Overthinking — это когда время, затраченное на размышления о задаче, не стоит выхлопа от неё: там, где можно было сделать и проверить, ты сидишь и продумываешь все сценарии, перестраховываешься, и по итогу проект превращается в долгострой. Причём чаще всего этим грешат как раз талантливые ребята, потому что им есть что продумывать (и от этого обидно вдвойне) Такое гиперболизированное «семь раз отмерь, один раз отрежь», где про «один раз отрежь» ты как раз-таки забываешь. А думать и перепроверять — это ведь тоже работа, и силы она ест ровно так же, поэтому по итогу запаса прочности на то, чтобы, собственно, сделать, уже не остаётся. У джунов, кстати, такой проблемы почти нет. Они видят задачу и просто пытаются её решить всеми доступными способами, особо не обдумывая, потому что бэкграунда, который подсовывал бы десять сценариев, как всё пойдёт не так, у них ещё нет за спиной. А у сильных ребят есть и экспертность, и понимание, как оно обычно бывает, и стремление сделать прям очень хорошо, и вот в этом всём иногда можно просто утонуть. Говорю без всякой морали сверху, сам этим грешу (упороться в полировку минорных элементов рабочего прототипа — чисто мой guilty pleasure) И с приходом AI это удовольствие стало ещё доступнее, а проблема, соответственно, обострилась. Раньше долго было собрать, а теперь прототип или тот же лендос собирается буквально за час-два, и самым долгим этапом становится как раз полировка: следующие дня два уходят на файн-тюнинг того, что в целом уже может работать или даже быть ненужным пользователю, а мы тратим на это время, хотя могли бы уже проверить всё на данных. И вот здесь хрен угадаешь, где то самое оптимальное состояние. Каждая правка занимает пять минут, поэтому кажется, что ещё одну можно себе позволить, потом ещё одну, и так два дня. Универсального рецепта у меня нет, нащупываю каждый раз заново. Ну и сливаю время не меньше, естественно. Такие дела. Как у вас получается найти ту середину, где пора перестать полировать и отдавать? Константин Сухачев

No text

Как Dota 2 помогла OpenAI стать успешной На днях наткнулся на тредс, который вернул меня в мой 2017. Тогда на The International (это аналог чемпионата мира по футболу, но в Доте) прошёл шоу-матч, где Dendi сыграл против ИИ. Это было что-то такое же культовое, как игра Каспарова против Deep Blue в 1996-1997. Те, кто в доту играл, знают, что классика один на один — это взять эСэФа (Shadow Fiend) и на мид. Так они и поступили для шоу-матча. Было фаново, я смотрел увлечённо, ведь в доту я и сегодня нет-нет да поигрываю по вечерам с пацанами (сейчас чаще обычного даже!). Бот OpenAI обыграл Dendi 2:0 (Dendi, на минуточку, чемпион самого первого International 2011 и один из самых хайповых игроков, который такое вытворял на Пудже, что стал крайне мемным), хотя учился всего две недели, играя сам с собой. Dendi после игры сказал, что бот вроде ощущается как человек, но при этом это что-то иное. Кто же знал, что фановое событие станет не только предвестником большого хайпа. Есть версия, что именно этот матч стал для OpenAI трамплином в большую индустрию, и выдвигает её человек, который того бота и делал. Недавно Dendi даже пошутил, что у него был шанс остановить Скайнет ИИ, если бы он тогда выиграл. А Psyho, один из разработчиков того бота, ответил, что это не такая уж и шутка: OpenAI тогда была лабораторией примерно из 50 человек, и шоу-матч стал первым разом, когда про неё написали крупные СМИ. Победи Dendi — компания подняла бы намного меньше денег, а ИИ развивался бы медленнее. Дальше всё пошло по нарастающей. В апреле 2019-го пятёрка ботов OpenAI Five обыграла OG, действующих чемпионов мира, через три месяца Microsoft вложил в компанию миллиард долларов, а в конце 2022-го вышел ChatGPT. Для тех, кто хочет ностальгию словить, вот запись матча. Что в итоге Статью про обучение с подкреплением прочитают сотни людей, а как бот разобрал Dendi на миду, поняли миллионы, которые хоть раз стояли на этом миду сами. Часто сложную категорию нужно очень сильно упростить и показать на понятном примере, и тогда ты завоюешь и сердца, и интерес людей. Такие вещи легко списать на хайп ради хайпа, но именно они дают репутацию и медийный вес, под которые потом приходят деньги. Заниматься PR хотят все, а вот его роль и силу почти всегда недооценивают и берут его в последнюю очередь. Поэтому занимайтесь и брендом, и пиаром, будьте успешным. Когда ИИ впервые сделал за вас что-то, от чего вы сказали «вау»? Константин Сухачев