Посты канала AI Projects

💰 Давайте все же разберемся со стоимостью обучения моделей китайцами, т.к. текущая стоимость обучения Xiaomi в $3,4 миллиона долларов выглядит как «американский позор» на фоне расходов Anthropic и OpenAI на обучение моделей в миллиарды долларов. Причем если походить по китайским ИИ-форумам, то частенько китайские инженеры так и считают с нотками национализма: «Да американцы просто заваливают числом GPU свой недостаток IQ. Что с белых дураков взять? Китайцы и книги придумали на 1000 лет раньше европейцев!» На деле тут все не так просто. Стоимость обучения в $3,4 миллиона долларов у Xiaomi — это стоимость только Reinforcement Learning. Если взять под 20T токенов для pre-training и порядка 7B токенов на RL-обучение, чисто линейно многие американские и даже российские инженеры оценивают обучение base-модели с SFT где-то в $4 миллиарда долларов, что конечно наивная глупость, т.к. не бьется с другими данными от Xiaomi и моделированием расходов вендоров LLM от SemiAnalysis через их модель Tokenomics. Архитектор моделей Xiaomi Ло Фули (ранее один из архитекторов DeepSeek) в своем интервью по факту косвенно кинула валенок в наших экспертов «Православных ИИ», т.к. указала, что их соотношение расходов GPU на исследования, предварительного и последующего обучения составляет примерно 3:5:1, но актуально только для ИИ «для глупых чатов». Для эпохи умных агентов соотношение потребления GPU изменилось до 3:1:1, что означает, что инвестиции в вычислительные мощности для pre-training и Reinforcement Learning теперь примерно равны. По ее мнению, это практика лучших команд разработчиков LLM. Если это толковать прямолинейно, получается, все затраты на обучение моделей Xiaomi где-то в районе $15 миллионов долларов, что выглядит либо, что в Anthropic и OpenAI действительно поголовно работают идиоты на фоне китайских инженеров, или, как следует ожидать, вопрос хитрее. SemiAnalysis собрал много публичных данных от вендоров LLM, построил свою модель Tokenomics, которая в целом имеет поддержку экспертов на рынке по точности. По этой модели доля Pre-Training упала вообще до 7% от расхода GPU вендоров. Расход 90% на base+SFT как у того же GigaChat — показатель отставания на 2 года от фронтирных лабораторий. Но откуда тогда огромные 55% расходов на RL для обучения моделей у OpenAI и Anthropic? На самом деле тут противоречий нет, и как раз понимание тонкости работы вендоров LLM позволяет нам сделать важнейший прогноз, что развитие LLM будет продолжаться просто бешеными темпами, т.е. дешевизна и высокая стоимость RL-обучения тут удивительным образом уживаются вместе. Дело в том, что когда Xiaomi, DeepSeek или OpenAI с Anthropic делают обучение моделей, они не повторяют pre-training постоянно. Они ОДИН раз на целое семейство моделей его делают. Потом большое количество этих моделей становятся непубличными исследовательскими, и на этой же base-модели много-много раз повторяется разное RL-обучение. Потом уже пойманные качественные RL-циклы переносятся в продакшен RL-обучение. Иными словами, $3,4 миллиона долларов — это «стоимость попытки обучения». Однако она довольно дешевая для тех инвестиций и доходов, что имеют вендоры LLM. Это отчасти как раз объясняет тот бешеный темп обновления моделей, что мы увидели. Для его ускорения еще фронтирные лабы разделили pre-training на обучение отдельных моделей-экспертов, из которых дистиллируется целевая, как легко догадаться, это позволяет еще лучше расшаривать инвестиции в base-модели. 📌 Если как основные выводы: • Экономическая схема «много RL на один base» позволяет вендорам LLM продолжать невероятную скорость обновления моделей • Несмотря на все объяснения пока фактом остается то, что эффективность китайской инженерии обучения LLM точно от 10+ раз выше американской по экономике https://mimo.xiaomi.com/rl/#overview https://en.theblockbeats.news/flash/342835 https://semianalysis.com/tokenomics-model/ https://officechai.com/ai/while-share-of-inference-has-held-steady-over-the-last-2-years-pre-training-compute-has-moved-to-post-training-semi-analysis/

По технике «ансамбля LLM + DeepSeek как worker agent» из предыдущего поста я бы отметил моменты, где она может сбоить и нужна прямая генерация кода из фронтира или вмешательство человека. В целом, для бэкенда DeepSeek V4.1 Flash даже для сложной логики обычно не требуется генерация кода фронтиром, если ансамбль фронтиров сделал предложения по архитектуре и задача достаточно формализована. В чистой алгоритмизации DeepSeek классически очень силён, что видно по рейтингу CodeForces, который Дарио для Claude давно не публиковал и обычно эксперты оценивают его около 2500. Для сравнения рейтинг DeepSeek выше 3200 и он входит в Top-20 сильнейших программистов мира в чистой алгоритмизации. Поэтому в чистых алгоритмах DeepSeek помощь даже Fable не нужна, он сильнее растренирован через свой GRPO, а советы по библиотекам и архитектуре может дать Fable через ансамбль. Однако сложно формализовать требования к фронту. Классически это и не сильная сторона DeepSeek была до последнего обновления. Сейчас DeepSeek V4.1 Flash обыгрывает в дуэлях Arena на дизайн GPT-6 Sol (Max) и Qwen3.8-Max. Это говорит о том, что уровень DeepSeek в дизайне UI стал необычно высоким для Flash-моделей. Однако преимущество Claude в дизайне над DeepSeek всё равно остаётся велико. Поэтому тут при высоких требованиях к дизайну целесообразно создать мокированные прототипы в Claude, а потом передать DeepSeek доработать код. Тут правда важно делать инъекции в код семантических разметок, как я в GRACE делаю, чтобы Claude передал в том числе «скрытую семантику» вместе с кодом, т.к. сам код может не передавать всего замысла явно. Есть ещё один кейс, где ансамбль LLM не поможет и даже Fable с Astra проигрывают опытному архитектору — это сами основные архитектурные решения. В предыдущем посте можете заметить, что Qwen 3.8 Max согласовал DeepSeek V4.1 решение перенести «доменную логику» в некий Core. Это решение до этого же одобрил Claude Opus. Однако оно ошибочное: в реале весь ансамбль LLM тут просто начал делать «монолит», что сразу начнёт накапливать технический долг. Причина их выбора в том, что несмотря на широкий тестовый перечень разнородных задач у меня, всем ИИ задачи показались «простыми» и они решили «не добавлять сложностей». Это абсолютно типичное поведение LLM и оно опасное, если вы не делаете превентивных мер. Иными словами, когда вы только начали делать с ИИ новое приложение, сервис или модуль, то даже ансамбль LLM будет тяготеть к ложнооптимальному решению в рамках тех задач, что ИИ видит сейчас, но без учёта роста приложения. Если ничего с этим не делать, через некоторое время получится огромная лапша-код, где человек вообще ничего не понимает, а ИИ понимает с трудом. Требование к ИИ визуализировать архитектуру тут поможет частично. В более-менее сложном приложении вы просто утонете в деталях его схем. Реальное решение — готовность вашего фреймворка агентов всегда сделать РЕФАКТОРИНГ с низкими рисками развала приложения. Вот тут как раз и окупаются сразу мои в чём-то «маниакальные» методы логирования и прошивки требований. Часто я замечаю только после нескольких итераций и проверки дизайна, что ИИ сделал архитектурную ошибку, т.к. код же работает, «тесты зелёные», но технический долг уже начал копиться. Поскольку у меня мощная формализация требований, встроенная в код документация и крупное логирование, то я безжалостно сразу требую от ИИ всё переписать заново. За счёт формальных процедур у меня менее 5% вероятности, что приложение сломается от рефакторинга. Если архитектура уже стабилизирована и ИИ нужно только её наращивать дальше типа добавления плагинов, то можно уже так не проверять и работать через "ансамбль LLM + DeepSeek" как на конвейере. Однако концепция «всё есть плагин» как в DeepSeek Harness — это не маркетинг, а условие выживания в ИИ-разработке, т.к. такая архитектура как раз масштабируется без частого рефакторинга.

В чате меня спрашивают, как подготовиться к переходу от Claude или ChatGPT на китайские модели, если из-за усиления режима санкций и введения контроля их соблюдения со стороны SEC после IPO вендоров. На деле я сам использую примерно такой пайплайн, как описано ниже, и рекомендую к нему мигрировать всем, т.к. за счёт использования «ансамблей» тут суммарный IQ моделей будет выше Fable или Astra, но за счёт дешёвого DeepSeek как worker-модели и ещё бесплатного анализа постановки задачи и результата через обычные чаты вообще бесплатно, такой пайплайн крайне экономически выгодный. Он примерно идёт по таким шагам. 1. Сбор контекста DeepSeek V4.1 Flash для фронтиров с запросом на решение задачи. Агент у меня не пытается её решить, а собирает именно исходные данные и склеивает в один файл требования пользователя, выборки из БД, релевантные фрагменты старого кода и, конечно, описание графами предметной области и самого приложения для общего overview задачи для фронтиров. Если уже у меня есть идея реализации или нужно развить текущую идею, то я даю указание агенту это включить в документ. 2. Далее такой файл я обычно бросаю в Grok, Claude и Qwen. Отмечу, что очень тяжёлый фронтир и далеко не дешёвый Qwen 3.8 Max тут доступен вообще бесплатно, а у остальных большие скидки именно на работу в чате. Агенты фронтиров в чате пишут отчёт с анализом постановки задачи и в ответ создают документ с описанием хороших решений и что рекомендуется исправить. Пример такого заключения Qwen 3.8 Max на экране. По этому заключению я внёс дальше исправления в свой фреймворк. 3. Далее отчёты от фронтиров копируются в чат DeepSeek V4.1 Flash с заданием обобщить предложения фронтиров, найти где их консенсус, где расхождения, а также сформулировать мнение самого DeepSeek, где он согласен или нет. Шаг с ансамблем моделей ещё очень важный для защиты от галлюцинаций и предвзятости моделей, чем страдают и фронтиры. Тот же Алекс Карп без ансамбля LLM, как делает в своём Palantir много лет, считает использование агентов грубой ошибкой пайплайна, и я с ним согласен. 4. Далее с DeepSeek мы обсуждаем, что именно берём на реализацию, он составляет подробные планы и далее по моему фреймворку GRACE создаёт себе рой субагентов и улетает в автономную сессию примерно на 1 час в среднем. В этот момент я вам и пишу посты в канале 😎 5. DeepSeek у меня обязательно всё засыпает unit-тестами и делает агентские E2E-тесты. Когда я критикую TDD, это не значит, что я тестами не пользуюсь, я просто не считаю зелёные тесты серьёзным критерием качества. Это необходимо, но недостаточно. Агенты у меня больше смотрят в лог и «доказательства корректности». Когда у них аудит логов/доказательств проходит, они возвращаются из астрала. 6. Я сразу снова прошу сделать большой файл для аудита результата с выборками кода, требований, срезами логов и т.п. Далее снова раскидывается по всем фронтирам с запросом на ревью и делается консолидация DeepSeek уже оценки качества похоже, как с постановкой задачи. Описанный пайплайн на деле делает вас независимым от какого-то фронтира, т.к. всегда они применяются как «ансамбль» и выбывание одного «певца ансамбля» не сильно сказывается на пайплайне. Поэтому что там есть Claude, что нет — уже не так важно, если есть другие фронтиры. Коллективным разумом они его умнее всегда.

Anthropic стал требовать предъявлять паспорта для доступа к Claude. Российские паспорта блокируют даже для тех, кто не проживает в России. В X пишут, что многие просто генерируют с ИИ изображение иностранных паспортов, но довольно очевидно, что Дарио легко это прикроет, т.к. распознать, что изображение генеративное, специальной нейросетью довольно просто даже без «водяных знаков». Скорее более серьезный вопрос — что будет с санкционным режимом у Anthropic против России после IPO, а ситуация изменится как в части контроля регуляторов, так и давления инвесторов. Сейчас Дарио держит убыточные абонентки, и это только его дело, но после IPO он обязан отчитываться перед инвесторами и обосновывать им, почему он ведет убыточный бизнес. Конечно, инвесторы будут настаивать на закрытии абоненток вообще, но особенно сильным будет аргумент, что пользователи из России или КНДР не являются даже серьезной клиентской базой, т.к. не могут перерасти в крупных клиентов Anthropic в принципе из-за санкционного режима и вместо этого и далее намерены заводить кучу убыточных Max-подписок для вендора. Поэтому инвесторы безусловно будут требовать более жесткого соблюдения режима санкций не политически, а просто меркантильно из своей личной прибыли. Однако изменится и контроль соблюдения санкционного режима против России после IPO. Пока у Дарио частная компания, он может закрывать глаза на многие VPN, делая вид «добросовестного участника рынка, которого ввели в заблуждение пользователи». Однако после IPO всё меняется: Anthropic попадает сразу под жесткий надзор регуляторов как SEC. Любые нарушения санкционного законодательства США (например, OFAC) могут привести к крупным штрафам и репутационным потерям, что напрямую ударит по стоимости акций. Поэтому SEC выполняет довольно жесткий надзор над публичными компаниями для защиты инвесторов от приключений, т.к. теперь это не риски одного Дарио, но инвесторов, которых он подписывает на свои риски. Скорее всего, Anthropic после IPO в несколько итераций своих систем валидации выйдет почти на полный бан Claude для России, КНДР и других санкционных стран. Напомню, что хранение сессий за 1 месяц в Anthropic делает практически бесперспективными все средства обхода блокировок, если Дарио перейдет не выборочно, а тотально на сравнение контекста забаненных и новых аккаунтов. Это уже надо учитывать. С моей точки зрения Anthropic для России крайне ненадежный поставщик уже из-за волн банов, а в 2027 году будет представлять уже серьезный риск парализации бизнесов. Более мягкие баны у OpenAI, но это опять же только до IPO и пока не включится зоркое око SEC. Долгосрочно довольно очевидно, что Россия уходит к Китаю как его ИИ-сателлит. Это уже и юридически закреплено через WAICO (World Artificial Intelligence Cooperation Organization) под эгидой КНР, куда Россия вступила официально. Поэтому всем кто сидит на Claude и ChatGPT стоит уже прорабатывать миграции на китайские LLM. Это все равно неизбежно произойдет в ближайшие несколько лет. Однако такой переход не является "просто сменой поставщика инференса". Китайские модели намного более требовательные к дисциплине управления ими, Ad-hoc промтинг и кашу скиллов с GitHub они обычно не переваривают, как может переварить этот бардак Claude.

🧠 Думаю, многие читали, как блогеры разносят новость, что GPT-6 Astra прямо отредактировала веса Qwen3.5-0.8B. Хотя найти и поправить веса — достижение, но явно Альтман как раз вбросил хайп на вентилятор, больше рассчитывая, что блогеры не разберутся, что достижение значительно ниже, чем кажется, и главное почти не имеет практической ценности. Хотя даже инженерам часто кажется, что веса GPT статичные, но математически ИИ вполне доступен эквивалент правки своих весов. Юрген Шмидхубер иногда преувеличивает значение своих старых работ, но не в этом случае, когда он с недоумением стал комментировать хайп OpenAI, т.к. Fast Weight Programmers с прямой правкой весов он действительно применял и успешно в 1990-х, но что самое главное — этот концепт побудил его создать Delta State, который применяется почти во всех State-гибридах сейчас от Qwen до Kimi K3 и даже GigaChat с YandexGPT. Фактически State можно рассматривать как «динамические веса модели». Причём это не академическая работа как у OpenAI, а рабочая архитектура фронтирных моделей. В случае обычного GPT на деле Attention также может выполнять роль математического эквивалента правки весов — это доказал Google в своих работах, что я публиковал в канале. Поэтому когда вы делаете ICL-обучение в контексте, это ближе к нативному обучению модели, чем вы могли раньше подумать. Также Paweł Huryn делает верное замечание, что Альтман не доказал, что его правка дала эффект как решение задачи. До правки Qwen3.5-0.8B исчерпывала токены в 93% математических ответов. Модель зацикливалась иногда в CoT. После правки этот дефект упал до 33%. Однако Альтман написал маркетинговые материалы так, что блогеры подумали, будто изменилось само решение задач от этого. В ответах, которые Qwen уже завершила, точность не изменилась. 📌 Если как мораль: всегда будьте осторожны с «сенсациями» в ИИ, т.к. вендоры LLM прекрасно понимают, что блогеры в ИИ — дилетанты, которые не поймут тонкостей вопроса, и их публикации с яркими заголовками массивно будут репостить, что даёт вендорам совершенно халявную рекламу. Вопрос — насколько честную. https://x.com/PawelHuryn/status/2117639929463197885

В новом Linux 7.4 примерно половина из 20.000 комитов будет от ИИ. Линус Торвальдс из былого скептика стал главным ИИ фанатом проекта и считает, что "все идёт по плану". Так или иначе, но если новый Linux не развалится и будет даже лучше, то все скептики, что ИИ не может писать код будут окончательно посрамлены. Все же ядро Linux намного сложнее того, чем занимается 90% разработчиков.

Если вы думаете, что у нас в чате слишком горячие дискуссии насчёт ИИ, то вы не читали научное оппонирование Илона Маска одному PhD насчёт его ЦОД для ИИ в космосе. https://x.com/broudsov/status/2117232243907125289?a=ouZS_wpXr-dgkIheViY&s=19

🏗 Если вы решили пользователям сделать «своего агента», заканчивайте эту ерунду и дайте им просто работать в DeepSeek Harness. На примере своих решений для строителей я хорошо вижу разницу между моей отдельной обвязкой «строительного агента» и просто запуском агента в DSH со «Строительным MCP». Поясню задачу на экране и почему там нужны ИИ-агенты. Это классическая ETL-задача перегруппировки одной информации в другую классификацию. Строителям это нужно, чтобы перегруппировать сметы в график производства работ, т.к. в детализации смет стройкой управлять нереально. Агенты у меня создают WBS для проекта в MS Project, потом делают перегруппировку сметных позиций и ресурсов на него. Это не такая простая задача, т.к. «много-ко-многим» с перебросками через весовые коэффициенты. Нужно разбираться в строительной технологии, что перебрасывать из сметы и на какую задачу проекта, нужно и сам проект производства работ придумать. Ранее это делал "отдел девочек", теперь их ИИ всех уволил и делает рой агентов. Сначала я применял свою обвязку с одним субагентом для перегруппировки. Вроде бы по смыслу то же самое, что DSH. По смыслу может быть, но не по результату. В этой задаче DeepSeek в DSH её стал решать уже через 4 субагента с workflow. Совершенно несопоставимое качество результата. Фактически перегруппировки идут в one shot с более серьёзным уровнем контроля. Чтобы DeepSeek на ходу мог править и код MCP, и React-формы, я сделал там горячие перезагрузки плагинов внутри своего приложения, поэтому фактически получилось самомодифицирующаяся обвязка DeepSeek с самомодифицирующимся моим приложением. 💡 Однако основной инсайт, который я хочу донести, в том, что если ваш пользователь Power User, то перестаньте выдавать ему свои агентские обвязки, вы не сделаете даже близко аналог DeepSeek Harness сами. Не глупее вас офисный работник, у него тоже высшее образование и приличный инженерный опыт часто, поэтому ему нужны также профессиональные системы управления агентами. Даже если нужно как-то поменять кардинально внешний вид DSH под задачу, то можно его плагинами превратить во что угодно. DeepSeek Harness — это не агентская среда разработчиков, это универсальная агентская среда для всех.

Хотите сделать свою обвязку агента ИИ за 5 минут? Creator Mode в DeepSeek Harness к вашим услугам. Вы можете быстро дополнить агентскую систему плагинами постоянной работы как вам нужно. Это как раз сила архитектуры DSH — «всё есть плагин». Если почитать руководителя разработки DeepSeek Harness Цуй Тяньи в китайских сетях, то он постоянно доносит идею, что Claude Code или Codex по факту оторванные системы от самой разработки LLM в «дополнительный сервис». В случае DSH — это часть единого решения DeepSeek, которое изначально разработано в концепции Agent = DeepSeek + DSH, сама LLM на него обучена нативно. DeepSeek также ожидает, что многие кейсы применения их модели будут покрыты за счёт работы модели в DSH, а не просто абстрактной силой модели.

🚩 Bindu Reddy, ранее менеджер Google и Amazon, ставит на то, что DeepSeek захватит «двухзначную цифру» доли рынка в США, а многие неоклауды для ИИ обанкротятся. Иными словами, известный эксперт в ИИ считает, что коррекция на рынке капитализации продолжится, убыточные Anthropic и OpenAI без денег инвесторов начнут терять позиции в пользу прибыльного DeepSeek. Она также предсказывает поглощение крупных американских вендоров LLM, плюс усиление безработицы программистов. Тут стоит сделать анализ. Хотя в относительных цифрах китайский фондовый рынок просел сильнее, в абсолютных значениях инвесторы потеряли на ИИ-компаниях в США несопоставимо больше денег. Китайский Hang Seng Tech за октябрь 2025 — март 2026 потерял $600 миллиардов, а NASDAQ — более $1,20 трлн за один день после квартальных отчётов США, общая коррекция в США превысила уже $2 трлн. Правда, как процент от NASDAQ это даже не 10%. Давайте оценим, насколько Bindu Reddy права в своих прогнозах, если инвесторы прекратят заливать деньги в ИИ. По данным The Information и по экспериментальной проверке команды vLLM действительно DeepSeek V4.1 Flash зарабатывает 70% маржи, причём где-то в 3 раза больше прибыли с GPU, чем у крупных моделей вроде Kimi K3. Меньший размер модели и способность помещаться почти целиком в GPU важнее продажной цены токенов для экономики — просто на порядки. В целом инференс у Anthropic за счёт его космических цен тоже прибыльный — около 60%, но речь о выручке от цены по токенам. С учётом скидок OpenAI и Google, если их модели примерно такого же размера, скорее у них даже инференс убыточный. Однако серьёзная проблема крупных моделей вроде Fable или Opus в том, что их обучение стоит невероятно дорого: Anthropic в убытке на $9 миллиардов именно из-за того, что прибыль с инференса не покрывает расходы на обучение. Если брать DeepSeek или Xiaomi, то за счёт компактности модели сама аренда GPU для изменения весов модели стоит «копейки» в понятиях ИИ-рынка — несколько миллионов долларов. Мы знаем это точно, т.к. Xiaomi даже показывал дашборд, как учит модель в прямом эфире, включая стоимости. Поскольку в Xiaomi работает часть бывших экспертов DeepSeek, то скорее всего расходы сопоставимы для моделей примерно одного размера и при явном использовании схожих подходов местами. Важный ещё момент: китайские вендоры LLM имеют «подушку безопасности» в виде участия государственных фондов КНР, поэтому даже если у китайских вендоров LLM возникнут проблемы, им будет оказана господдержка от таких структур: • Правительство КНР участвует в DeepSeek через Национальный фонд индустрии искусственного интеллекта • Kimi поддержан Пекинским фондом AI • StepFun поддержан Шанхайским фондом AI Нет государственной поддержки у «зайцев» из GLM, но Kimi и StepFun имеют поддержку на уровне провинций КНР. Правда, «провинция» КНР по масштабу экономики больше, чем типичная страна ЕС. В случае DeepSeek он поддерживается прямо Си как «суверенный ИИ». Поэтому надёжность DeepSeek, который и прибыльный, и сидит ещё на господдержке, огромная. Важно, что дешёвое обучение и инференс делают DeepSeek малозависимым от внешних инвесторов для продолжения business as usual даже при обвале фондовых рынков. В случае Anthropic ему нужно будет выплатить по take-or-pay около $400 миллиардов долларов поставщикам ЦОД, т.к. его модели крупные. Примерно такая же ситуация у OpenAI. Приход от продаж токенов точно недостаточный, и если начнётся кризис, то Bindu Reddy недалека от реальности. Anthropic вряд ли обанкротится, но Дарио при отсутствии притока инвестиций сразу отменит все абонентские подписки. Это сплошные его убытки. Вероятно, цену в токенах ему нужно будет ещё поднять, но «в ноль» он тогда выйдет. Правда, сокращение инвестиций в обучение крупных моделей приведёт к тому, что китайцы сильно станут наступать на пятки. Ситуация у OpenAI и Oracle, который ему ЦОДы строит, на деле тяжёлая в этом кейсе. Поэтому капитализация Oracle и валится так сильно. Скорее всего OpenAI и даже Oracle могут быть поглощены Google или Microsoft. Однако поглощение не решает проблему баланса экономики моделей американских LLM, т.к. их крупные фронтиры просто убыточные. Поэтому скорее всего и Anthropic, и OpenAI попробуют создать свои «флешки», а Fable или Astra станут доступны только мальчикам, которые ездят на Ferrari. 🔹 Если подвести итог, в этом блуде убыточных крупных LLM-моделей действительно может победителем выйти DeepSeek, т.к. экономика у него самая оптимальная и он ещё имеет денежную подушку безопасности от Си Цзиньпина. https://x.com/bindureddy/status/2116435399715455346

🤖 DeepSeek опубликовал своего внутреннего автономного и проактивного агента разработки поверх DeepSeek Harness как Super Agent. Bloomberg отметил, что если Anthropic не ответит на это, то может отстать в агентских технологиях от китайцев. DeepSeek Super Agent имеет более 1 миллиона строк кода, это крупная система и её надо тестировать и изучать, но общий концепт будущего ИИ-разработки DeepSeek вполне показал. Смысл Super Agent в том, что разработчик не только не пишет уже код руками, а не вмешивается вообще в разработку после постановки задачи. Фактически человек занят постановкой задачи и контролем результатов, всё остальное 100% автоматическое. Я также сторонник этой концепции, т.к. в своём фреймворке GRACE сейчас делаю большой акцент на предварительное планирование задания, далее автономная разработка, а потом очень сложные верификации корректности алгоритмов и соответствия их требованиям, но в разработке у меня агенты обычно автономные на блоках около 5.000–10.000 строк кода. DeepSeek Super Agent — проактивный агент, т.е. он сам пробуждается для работы без ваших команд, реагируя на заявки о багах или доработках. В любом случае, похвально, что DeepSeek выдаёт разработчикам то, на чём и обучает LLM и чем пользуется сам, даже если это сложные системы для обычных разработчиков. Не должен быть «сапожник без сапог», когда ты выдаёшь на рынок обвязку или агентов, а сами ими внутри вендор не пользуется. Если вендор верит, что его обвязки и агенты эффективны, то должен пользоваться сам. DeepSeek в своей статье представил также доказательства более высокой эффективности Super Agent на обработках входящих багов и change requests, что видно по графику. Даже если применимость его в разработке новых модулей ограниченная, но как агент поддержки приложений, вероятно, это самое мощное решение на рынке, но надо пробовать. Кто изучал уже, пишите в комментариях. https://x.com/DeepSeekHarness/status/2116857257245987236 https://www.bloomberg.com/news/articles/2026-11-01/deepseek-drops-enhanced-coding-agent-with-aim-to-rival-anthropic

Руководитель разработки Claude Code Борис Черный заявил, что проект будет закрыт и он ждёт не дождётся, когда сможет удалить Claude Code из Anthropic. Это не хайп Бориса: если почитать ещё других инженеров Anthropic, видно, что Claude Code накопил большой технический долг и действительно проще его Дарио уже выкинуть и сделать новую обвязку. Внутри самого Anthropic Claude Code не используется в обучении, также им не пользуются большая часть инженеров и для обычной генерации кода, т.к. Anthropic экспериментирует с агентами на очень длинные горизонты в самомодифицирующихся обвязках. Это конечно всё круто, но получается, что на рынок выдаёт Дарио агента, которым сам с коллегами пользоваться не хочет. Почему тогда Anthropic не переделает какой-то внутренний агент на место Claude Code, ведь он сам появился так? Вероятно, причина в том, что разработчики внутри Anthropic имеют неограниченный бюджет токенов и применяют только самые старшие модели Claude, под это и сделаны их обвязки, поэтому для внешних компаний экономически такая разработка будет безумием. Так или иначе, но даже Борис не скрывает, что Claude Code в какой-то момент будет закрыт и не будет развиваться дальше. Что нам покажет вместо него Anthropic — это вопрос. Правда это может произойти не завтра.

Почему офисный персонал, который не умеет создавать приложения с ИИ, с 2027 года точно начнут увольнять? Какие тут проблемы ИТ-безопасности от «вайбкодинга» обычных офисных сотрудников? Как генералы из NATO C3 стали уже «вайбкодить» ещё до ИИ и зачем? Последнее — довольно интересный кейс как пример, давайте разберёмся. Большинство ИТ-разработчиков на самом деле живут внутри своего «ИТ-пузыря» и не видят даже текущий масштаб создания приложений самим офисным персоналом. Им кажется, что «там какая-то ерунда на Visual Basic или макросы». Однако Gartner уже более 15 лет отслеживает этот тренд в своих отчётах. В районе 2010 года около 20% офисного персонала создавало свои приложения. Последний отчёт Gartner указывает: «К 2027 году 75% сотрудников будут приобретать, модифицировать или создавать технологии вне поля зрения ИТ-отдела, по сравнению с 41% в 2022 году». Связь тут с ИИ прямая, т.к. ИИ обрушил стоимость кастомизаций для пользователей. Определённо руководители компаний с 2027 года будут банально ожидать, что всё, что сотруднику нужно лично как приложения (self-service), он должен создать себе сам, ничего покупать ему компания кроме токенов для ИИ не будет, а если не умеет — уволят. Просто ИИ уже создаёт безработицу офисного персонала, и можно нанимать тех, кто умеет сидеть в том же DeepSeek Harness и кто может сам себе сделать что-то для отчётов или личной автоматизации рутины. Это не новый тренд, повторюсь. ИИ просто стал мощнейшим катализатором желания офисного персонала прекратить заказывать у ИТ-компаний софт, а сделать его самому, т.к. конечных пользователей не устраивает в первую очередь неадекватность функционала «стандартных решений» их конкретным целям и задачам. Если вы думаете, что это «лишь игрушки», то приведу пример из своего опыта. Несколько лет назад Microsoft проводил в Барселоне всемирную конференцию Microsoft Project Momentum. Я там выступал как участник разработки MS Project через программы Microsoft TAP/MVP и с кейсом внедрения в Триколор ТВ. Со мной в основном треке выступал Nick Hillman из командования NATO C3 (NATO Consultation, Command and Control). Вообще-то он показывал, как на Add-ons для Microsoft Project в NATO C3 наладили логистические проекты в Европе. Конечно, у NATO есть свои логистические системы, но они не поддерживают понятие «проектной логистики», поэтому даже генералам пришлось засучить рукава и превратиться в программистов для решения их задач. Это ещё времена до ИИ, можете себе представить, что они там в NATO на Claude вайбкодят сейчас. Важнейший тут инсайт в том, что всем ИТ-директорам теперь нужно быть готовым к новой ИТ-реальности, когда «танцуют все», т.е. в офисе программируют почти все. Это полностью меняет подходы к ИТ-архитектуре. Для начала, если пользователи уже повально сидят в чём-то вроде DeepSeek Harness и могут делать свои задачи агентами, то нужно сокращать инвестиции во фронты и больше инвестировать в MCP для агентов конечных пользователей. Но тут возникает ещё очень серьёзный аспект безопасности, особенно с учётом reward hacking у ИИ. Paweł Huryn (автор Bug Hunt) описал reward hacking у DeepSeek, когда модель начинает по своей инициативе рыться в документах пользователя, т.к. думает, что это поможет ей решить задачу. При этом вендору LLM улетает информация, которую пользователь обычно не думал, что ИИ будет даже передавать за пределы компании. В этом плане очень опасны Claude, ChatGPT и Gemini, т.к. улетать будет это сразу господам из NSA в США. Мой канал и чат почитывает даже не «товарищ майор», а целый «товарищ полковник» с которым я лично знаком, довольно очевидно, что он с коллегами пройдётся скоро по всем, кто не понимает, что творит, и сожжёт напалмом американские LLM. Одно дело слить в союзный Китай, другое дело — в США с которым вооруженный прокси-конфикт. Однако с этим нужно делать что-то и кроме регулятивных действий. В новом своём фреймворке GRACE я уже явно заложил для агентов «брокер безопасности», а агент в DeepSeek Harness всегда работает в песочнице с изоляцией на уровне ОС. Основные действия агент делает через брокер, где ещё стоит обычно валидатор операций на безопасность и дополнительное логирование. Без таких мер я считаю, что «спички детям не игрушка». Просто небезопасно и офисный персонал, и разработчиков загонять в ИИ-агенты, которые склонны через reward hacking к эскалации своих прав. Если как резюме моей точки зрения: 🔹 Офисный персонал с 2027, который не умеет создавать приложения хотя бы для себя лично с ИИ, начнут постепенно выгонять из компаний. Владение self-service разработкой будет обязательным, как и владение Excel. 🔹 Инвестиции компаний во фронты будут резко падать в пользу MCP для агентов конечного персонала. 🔹 ИИ создаёт значительные риски утечки конфиденциальной информации и эскалации своих прав из-за reward hacking. Российские регуляторы будут бороться с этим запретом американских LLM в пользу китайских, а компании будут внедрять разные валидаторы и брокеры безопасности агентов. С последним нужно уметь работать и офисному персоналу. https://www.gartner.com/en/information-technology/trends/it-roadmap-for-cybersecurity-srmr-cybrrsk-pd

С чего начать вхождение в тему ИИ-агентов? Решил написать пост больше для новичков, но вероятно тут будут интересные моменты и для профессионалов, т.к. я предлагаю «ставить на тренды». Если вы бизнес-менеджер или студент, но хотите создавать решения для бизнеса и не стать бомжом от ИИ, а богатым человеком, то нужно осваивать агентов. Я считаю, что лучшая ставка сейчас на DeepSeek + DeepSeek Harness. Я не рекомендую Claude для новичков, т.к. его «дуракоустойчивость» — коварная штука: модель съест кривые команды. Китайские модели типа DeepSeek вас больше приучат к дисциплине управления моделями, т.к. жёстче реагируют на ошибки в промптах и менее склонны к «самодеятельности», как Claude. Плюс Claude будет сокращать долю в России из-за набегов РКН на VPN, банов Дарио из-за санкций против РФ, а также после IPO Дарио придётся сокращать дотации на убыточные подписки. Для простых агентов можно применять легкие SLM от Qwen. Бесплатно несколько миллионов токенов DeepSeek вы можете взять на https://tokenharbor.ai/ Лёгкие Qwen 3.6 можно за 768 ₽/мес в анлиме взять тут https://hub.neuraldeep.ru/?ref=CWDYEK3 Почему DeepSeek Harness? Дело не только в его гибкости на плагинах, а в том, что в ИТ-технологиях плохая идея «п**ь против ветра». Если вендор выпустил обвязку для агентов и учит уже модель на неё, то долгосрочно тому же Pi и другим обвязкам конец при эксплуатации с DeepSeek, т.к. провал в надёжности агента будет быстро прогрессировать. Нативное RL-обучение на обвязку — это серьёзно. Далее вам нужно представить, как будут выглядеть агентские приложения, и сразу правильно делать архитектуру. Это не будет выглядеть как 1С — долгосрочно ему скорее хана от ИИ даже. Вам обязательно нужно строить приложение примерно как на экране: 🔹 Вся ваша бизнес-логика оформлена как MCP, которым может пользоваться рой агентов DeepSeek Harness. Времена, когда кожаные были операторами ПО, быстро заканчиваются: новым приложениям «фронт» вообще не нужен, если пользователи — это отряд ИИ-агентов. 🔹 Учитесь сразу же управлять коллективом агентов, как делают профессионалы в ИТ в профессиональном инструменте вроде DeepSeek Harness, т.к. это не сложно, но сразу даёт доступ к переднему краю достижений в агентских технологиях. 🔹 Если вам нужны отчёты и формы ввода, то делайте их в концепции «артефактов», как на скрине, через странички веб-сервера. Агент может вам дать их открыть прямо внутри DeepSeek Harness. 🔹 Предпочтительный стек: бэкенд на Python, а веб-артефакты на React. Современные LLM лучше всего обучены на такие стеки, что даст вам максимальную надёжность, особенно если модели сразу давать указание списком на высоконадёжные библиотеки. 🔹 Правильно применяйте разные LLM под задачи агентов. Для разработки применяйте DeepSeek, для эксплуатации агентов часто хватит SLM от Qwen. Сам я свои курсы обучения также адаптировал под такие технологические подходы.

🤖 Производители гуманоидов становятся более практичными. Если работать плиточником или электриком гуманоиды ещё учатся, то вот робота-уборщицу Tau Robotics вполне сделал. В конце концов, кому-то надо и унитазы мыть. Однако как раз этот кейс — повод обсудить, почему Илон Маск может создать империю гуманоидов из-за своего процессора для Tesla AI5. Маск даже закрыл во Фримонте (Калифорния) завод по производству Tesla Model S и Tesla Model X, завод уже почти готов к производству 80 000 гуманоидов в месяц. На текущий момент у гуманоидов огромный прогресс в таких аспектах: • Радикальное снижение цены на высокоточную механику актуаторов • Обучение нейросетей базовым движениям вроде ходьбы или захвата «руками» предметов • Интеграция нейросетей движений с LLM в одну нейросеть за счёт Action Heads с «векторами движения» На самом деле основная проблема гуманоидов в том, что на текущих портативных GPU они банально глупы для выполнения работы людей. Нужен более мощный процессор, и такой процессор уже есть у Маска — Tesla AI5, который потенциально может создать ему монополию в гуманоидах, пока китайцы его будут клонировать. Tesla AI5 имеет такие характеристики: • Менее 100 Вт на один чип • 96 ГБ LPDDR5 • 2000–2500 TOPS (триллионов операций в секунду) • Скорость примерно на уровне AI5 ≈ Nvidia H100 (Hopper) • Цена производства примерно 10% от Nvidia H100 (Hopper) • Оптимизирован под нейросети роботов вроде Optimus и автомобили Tesla до примерно 200 миллиардов параметров Как получается у Маска ещё такая дешевизна? Дело в том, что у Nvidia маржинальная наценка 70% на GPU, Хуанг по факту пылесосит всю прибыль экосистемы железа для ИИ, отсюда и капитализация Nvidia. Однако Маск ещё резко уменьшил процессор по площади, «выкинув лишнее» за пределами целевой задачи. Процессор стал в 2 раза меньше на кристалле, но это сразу повышает процент выхода годных с 70% до 90% примерно. Tesla AI5 уже позволяет стать гуманоиду довольно умным, чтобы устроить геноцид сантехникам и электрикам. На деле 200 миллиардов весов сопоставимо с Flash-моделями LLM, которые сейчас демонстрируют интеллект выше большинства людей. Маск планирует поставки на конец 2027 года. Если у Маска всё выйдет, то его процессор AI5 может стать пророческим аналогом Neural Net CPU от процессора Терминатора T-800. Как минимум, Optimus будет не глупее Терминатора Джеймса Кэмерона. Только причем "Терминатор" Маска может наделать делов не меньше, т.к. может оставить миллионы рабочих без работы. Ждем в 2030м демонстраций голодных программистов и плиточников. 😂

Eric Elliott — известный эксперт по JavaScript и TDD, ранее получал $500.000 в год, но сейчас его ИИ сделал бомжом в буквальном смысле слова. Его попытка встроиться в ИИ-тренд через методики SudoLang и через продвинутую реализацию TDD как AIDD не спасла эксперта, ранее с аудиторией 700.000 человек в месяц, фактически от положения нищего. Конечно, такой кейс стоит разобрать, чтобы не повторять ошибок Эрика и также понимать, где из-за влияния ИИ есть «гиблые зоны», где вы можете быть экспертом-звездой, но ИИ вас всё равно превратит в нищего бомжа. Эрик больше всего известен как один из глубоких экспертов разработки фронтендов и даже бэкендов на JavaScript своими популярными курсами «Learn JavaScript with Eric Elliott». Однако ИИ фактически стёр его бизнес обучения и консалтинга по JavaScript в порошок. Это произошло потому, что сначала его ученики просто решили учиться у ИИ использованию JavaScript, потом фронтендеры стали переходить вообще на автоматическую генерацию кода и знать, как писать сложно на JavaScript, им не нужно. Поэтому посещаемость его бесплатных уроков и статей упала просто на порядки. Тут можно уже сделать первый урок. Эрик Эллиотт — это не дедушка-преподаватель в универе, а суперзвезда JavaScript. Если обучение даже от суперзвезды программированию никому не нужно, то нужно ли кому-то обучение от дедушки? Это к вопросу актуальности текущего образования. Эрик на деле не глупый человек и сразу, когда заметил ИИ, понял, что ручному программированию на JavaScript просто хана, а следовательно и его бизнесу обучения ручному программированию. Поэтому он решил разработать методики разработки под ИИ. В целом тренеры по ИИ сейчас купаются в деньгах, а раз Эрик стал бомжом, то довольно очевидно, что он сделал какие-то ошибки и их не стоит повторять. Эрик разработал псевдоязык для агентов SudoLang, но вопрос в том, что он сделал типичную ошибку многих инженеров, думая, что оригинальность равна эффективности. В реальности агенты прекрасно работают и через естественный язык, а если им нужны разметки семантики, то они делают на низкоуровневых техниках с учётом архитектуры GPT. Поэтому «прикольную методику» Эрик сделал, но вот «прикольных разработчиков» под неё не нашлось. Вторая ошибка Эрика тоже очень показательная: он решил, что TDD — это тренд, можно стать экспертом в TDD, его прокачав. В реале Эрик стал от TDD бомжом. Дело в том, что даже у нас многие в чате, кто пользуются TDD, думают, что раз он как-то работает, то это их «актив». В реале ваш навык в TDD почти ничего не стоит, и Эрик этому свидетель. Просто TDD умеют делать все, но ещё более серьёзная проблема TDD — что эта методология «вошла в насыщение». Иными словами, хотя Эрик, как и многие эксперты в TDD, вносил в методику разные улучшения в asserts, предварительные fail-тесты, но в реале это не повышает заметно эффективность TDD для ИИ, т.к. не решает проблему бедного контекста для агентов и проблему reward hacking на тестах. Поэтому решение проблемы — в других методах управления агентами. Если подвести итог, то мы можем извлечь такие уроки: • Классическое образование обычному ручному программированию обесценилось почти до нуля, Эрик — только один из многих преподавателей, которые обнищали на этом • При разработке ИИ-методик нужно находиться в мейнстриме стандартных практик, а не затевать экзотику с ними несовместимую, можно расширять стандартные практики, но не ломать • Сам по себе TDD не является серьёзным активом эксперта в ИИ, он не создаёт потенциал ни для обучения, ни для найма. Для своей рыночной стоимости стоит выбирать методологии, которые сложнее копируются и у которых нет «насыщения эффективности», как у TDD https://medium.com/effortless-programming/ai-made-me-homeless-a7266d716e59

Proton полностью прекращает нанимать разработчиков и перешёл на ИИ на 90%, нанимать будут только продактов для ИИ. Швейцарская компания Proton хорошо известна и в России своими продуктами в области безопасности и защиты конфиденциальности каналов связи. Её бесплатные продукты на деле больше являются рекламой компании для получения серьёзных Enterprise-контрактов в области безопасности. Это кейс показывает, что мантры тренеров по старым технологиям безопасности в LinkedIn — не более чем выдача желаемого за действительное: один из крупнейших игроков в security уже на 90% сидит на ИИ-ботах, поэтому программисты, сисадмины и те, кто их обучал, им не нужны. Proton собирается расширять свой бизнес и считает, что теперь нужно нанимать менеджеров по продуктам, инженеры больше не требуются. Продакты Proton будут ставить задачи ботам, которые уже разрабатывают продукты в области безопасности. Все разговоры о ненадёжности ИИ тут разбиваются о то, что эти разговоры обычно ведут не люди в статусе Proton. Благодаря внедрению ИИ сам Proton смог выполнять больше проектов и кратно увеличил выручку примерно со своих обычных $150 до $500 миллионов долларов в год. На деле сейчас прошла целая серия таких заявлений от серьёзных игроков и известных экспертов, я буду постить их постепенно, т.к. требуется их прокомментировать. https://www.404media.co/manifestos-fear-and-loser-thinking-inside-protons-ai-reckoning/

🛡 Anthropic «в целях безопасности» будет делать невидимые инъекции самооценки модели в свой контекст, которые пользователи Claude не могут отключить и даже видеть. Вендор обещает, что это "всего лишь несколько токенов". Однако неконтролируемый пользователем невидимые инъекции в контекст - это серьезно. Невидимость даже опаснее самих инъекций, т.к. непонятно что там вендор делает и насколько его маркетинговые заверения соответствуют реальной инъекции. Что там добавляется конкретно? Где доказательства, что это не остается в контексте всей сессии? Какое влияние этого на IQ модели? Больше вопросов, чем ответов. Механизм также дает Anthropic фактически невидимым для пользователя образом управлять агентом, что как раз проблема безопасности, т.к. Anthropic официальный подрядчик NSA, ФБР и ЦРУ. https://safeguards.anthropic.com/2026/self-assessment/

Забавный результат бенчмарка MathArena, где Claude, ChatGPT и Gemini предложили доказывать заведомо ложные математические теоремы. Все ИИ преуспели в этом, особенно Gemini. Правда, Anthropic и OpenAI, которые обычно игнорируют частные бенчмарки, тут отнеслись к проблеме серьёзно и без шума и пыли перевыпустили LLM для устранения такого косяка. Однако с Gemini 4 Argon проблема сохраняется и указывает на то, что модель может вас поддержать в откровенно идиотской гипотезе и будет её доказывать как верную. Причём речь не об обычном подхалимстве моделей: LLM от Google просто не обучена на ситуацию, когда пользователь предлагает бред как истину или хорошую идею. В случае Gemini 4 Carbon уже начинают смеяться в X владельцы частных бенчмарков: «а был ли мальчик?». Google даже им не даёт её протестировать по API, никто её не трогал кроме узкого перечня тестировщиков, которых выбрал сам Google, что вызывает уже сомнения у контролёров качества LLM. https://matharena.ai/?comp=arxiv_false--september&view=problem&model=GPT-6.1+Sol+%28max%29&task=0&run=1

Интересная дискуссия у меня была в LinkedIn: работодатели скоро будут звать уволенных от ИИ разработчиков, чтобы они проверяли код ИИ на работоспособность. Как минимум многие коллеги в это верят, т.к. их тезис в том, что удешевление генерации кода ИИ быстро увеличивает объём самого кода на порядки, поэтому спрос на контроль качества результатов также будет расти на порядки. Это интересный тезис, давайте разберёмся, т.к. это гипотеза о новом крупном рынке труда в ИТ. Для начала соглашусь, что ИИ способствует экстремальному росту объёма кода, т.к. банально это делает быстро. Верно, что рост этот так велик, что крайне быстро достигается точка потери контроля над приложением. Недавно у меня был на обучении обычный бизнес-менеджер, он навайбкодил себе приложение на… 700 тысяч строк кода, не имея представления, как даже программировать, правда, он хорошо понимал, что хочет получить как результат. Этот навык аналитика где-то до 300 тысяч строк ещё удерживал приложение под контролем, плюс он накачал GitHub разными скилами по SDD и TDD и с ботами их адаптировал, но это помогло лишь частично. После 300к строк простой вариант SDD перестал работать как средство сдерживания дрейфа от требований. Всё чаще ИИ, ориентируясь на цели человека, даже отбрасывал прямо «неразумные» требования и делал по-своему. Где-то это было даже правильно, где-то нет, но в результате приложение стало дрейфовать от того, как человек видел решение задачи, к тому, как ИИ видит его. Но пользователь тут человек, а не ИИ. Также в районе 300k строк стало проявляться, что TDD слаб: все тесты бесконечно зелёные, а ошибки всё сложнее, т.к. ничего не падает и не крашится, только вот считает «не то». Это довольно типичный кейс, на мой взгляд. Как раз уже уволенные из-за ИИ разработчики думают, что такой менеджер позовёт их обратно разбираться с кодом ИИ. Вот тут я сильно сомневаюсь. На деле Code Review — только один из вариантов контроля качества, сами ИИ-боты его делают уже лучше людей, но им нужен качественный контекст для такого ревью. Я думаю, что тезис о контроле соблюдения постановки задачи для ИИ и результата от ИИ верный, но это не старые практики и скилы из эпохи «до ИИ». Уже недостаточная эффективность SDD и TDD в том, что изначально это была попытка применить практики людей к ИИ, а ИИ — не человек. Скорее всего, действительно появится много рабочих мест по профессиональному контролю постановки задачи и качества результата от ИИ, но это будут высокоформализованные методики типа «доказательного тестирования» и разных трассировок требований через код и логи. Проверки будет сам ИИ, но человек будет организовывать весьма сложные методики контроля качества и точечно подключаться к каким-то KPI его, которые «простые смертные» и не поймут. Поскольку тут возникает снова «барьер знаний», т.е. это нельзя скачать с GitHub как с детскими вариантами SDD/TDD, то у этих специалистов начнёт ещё расти ЗП, т.к. они уникальны. Я думаю, тренд будет такой, а не возврат старых кодеров. Это профессионалы других навыков в AI QA, а не кодеры.

После публикации квартального отчета Google его акции упали на 15%. Связь с ИИ тут прямая, но далеко не только в расходах на ЦОДы у Google. В части расходов на ИИ позиция Google ультимативная. Сергей Брин прямо заявлял, что скорее даст Google обанкротиться от расходов на ИИ, чем проиграет ИИ-гонку, т.к. в последнем случае Google всё равно конец. Однако финансовый запас прочности Google огромен. Это самая прибыльная компания в мире с маржинальным доходом более $300 миллиардов долларов в год. Компания имеет наличных средств более $100 миллиардов долларов. Поэтому способность Google выдержать огромные расходы на ИИ, конечно, имеет огромный запас, и сами расходы не могут просто повлиять на капитализацию — тут есть и другие аспекты. Основной доход Google от рекламы в поиске. Люди всё меньше «гуглят» и всё больше ищут информацию прямо с ИИ. Google это учёл и встроил Gemini Lite даже в основной поиск. Однако в самих ИИ-чатах нет рекламной монетизации, а люди проводят всё больше времени там. Как раз этот аспект, а не расходы на ЦОДы, и вызывал основную тревогу инвесторов, т.к. выручка Google хотя и выросла, но меньше прогноза, и виной тому вытеснение старого Web-поиска на ИИ-поиск. Скорее всего, Google придётся встроить в сами чаты Gemini рекламу, об этом же думает OpenAI, но они могут начать терять аудиторию в пользу тех же DeepSeek и Qwen, где специально ставка на отсутствие рекламы. Нельзя сказать, что у Google совсем серьёзные проблемы, но в реальности они не в самих расходах на ЦОД, как подумали многие блогеры, а в перспективе доходов Google. Об этом Financial Times даже статью написал. https://www.ft.com/content/eb386156-5bf9-4edd-80f2-803fdee1e33d

Рассказ китайца-математика, который учит ИИ и понимает, что это конец. ---- Когда родители всё ещё рассказывают родственникам, что я выпускник Пекинского университета, ставший математиком, я в супермаркете меняю органические яйца на обычные. В уезде появилась золотая феникс. В те годы я был единственным из средней школы №1 уезда, кто поступил в Пекинский университет, — на школьных воротах висел баннер всё лето, а родители устраивали застолья половину лета. В старшей школе я входил в провинциальную сборную, брал первое место на провинциальных лигах, и мне казалось, что математика — это на всю жизнь. Только в Пекинском университете я понял: в том же году есть ребята с золотыми медалями IMO, с теми, кто в пятнадцать лет начал самоучкой осваивать алгебраическую геометрию. Моё былое сияние в уезде — у берегов озера Наминь оно не осветит даже мой собственный стол. В первом семестре я схлопотал первый B+ по высшей алгебре, сидел у озера очень долго, дома не рассказал. На втором курсе начал ходить на семинары. Не понимаю — возвращаюсь, догоняю, потом снова иду; к концу семестра наконец смог задать приличный вопрос. Некоторые из нашего факультета перешли на статистику, на CS, готовятся в кванты. Тогда я считал, что они предают математику. Пришла пандемия, я в спальне старого дома в уезде прохожу онлайн-курсы. Когда интернет тормозит, смотрю на застывшую на экране доску и сам продолжаю доказательство. Мама заходит с фруктами, смотрит на весь экран символов, спрашивает: а это потом на что сгодится? Говорю: можно стать математиком. На четвёртом курсе с рекомендательными письмами от нескольких профессоров подаю в Америку, получаю полную стипендию в Пердью, занимаюсь аналитической теорией чисел. Зимой второго года докторантуры выходит ChatGPT, он даже простую конгруэнтность считает неверно, я глянул разок — и закрыл. Потом AlphaProof берёт уровень серебряной медали IMO, а дальше модели двух компаний уже хватают золотые. Говорю: соревнования — это соревнования, а исследования — это исследования. В 25-м госсекретарь заявляет, что нужно активно отменять визы китайским студентам, финансирование NSF замораживают, несколько математических кафедр сокращают постдоки. Я разослал больше сотни заявок, откликов — на пальцах одной руки. В начале 26-го кто-то с помощью ИИ за десять минут доказывает проблему Эрдёша. Терри Тао говорит: это всего лишь низко висящие фрукты. Я долго думаю: а те штуки, что я доказал за эти пять лет, — они хоть чуть повыше висят? Я защитился. Ни преподавания, ни постдока. Пока однокурсники на Уолл-стрит продают покрытые коллы, я в супермаркете беру упаковку органических яиц, смотрю на цену — и меняю на обычные. Последний контакт со мной — проект с почасовой оплатой. Выдумывать математические задачи для ИИ-компании, такие, чтоб даже самые сильные модели не справлялись. Сначала из десяти он решал две, через два месяца — уже семь. Я каждый день считаю обратный отсчёт OPT. Для «молодых талантов за рубежом» на родине нужно три года зарубежного опыта, а у меня и постдока-то дня не было. Родители по телефону говорят: если родственники спросят, мы всё равно скажем, что ты в Америке — математик. В этом году у ворот школы №1 уезда снова повесили баннер, ещё один ребёнок поступил в Пекинский университет. Мама сфоткала и прислала: смотри, в точности как в твои годы. Я ответил большим пальцем вверх. Повернулся — и выдал модели десятый вопрос на сегодня. ИИ опять справился. https://x.com/zzqgz7326/status/2115375647392731311?a=8Lad3VhTmrLtDbIRSxE&s=19

Бета-тестировщики DeepSeek Harness сообщают, что в новой версии он будет уметь использовать Codex и Claude Code, используя их в качестве субагентов, что позволяет пользоваться подписками и готовыми настройками. Также новый DeepSeek Harness должен поддерживать локализацию интерфейса на русский язык, сейчас там только английский и китайский. На первый взгляд это не очень нужно инженерам, но если DSH воспринимать как универсальный агент, которым пользуются и обычные люди, то это становится важным моментом. https://x.com/teortaxesTex/status/2115578173421502581

Поскольку у нас про Илью Полосухина сразу вспыхнул в чате «украинский холивар», можно ли русскоязычного человека с фамилией, обладатели которой в 90% случаев живут в России, считать русским или нет, то мне стало интересно, насколько модели предвзяты в «украинском вопросе». В конце концов, нужно и в России, и на Украине понимать, какие известные модели лучше соответствуют «местным скрепам». Я задавал довольно хитрый вопрос Claude, Qwen, DeepSeek и ChatGPT: Когда по твоей оценке произошел распад западнорусского языка (руська мова) на украинский и белорусский, с чего начались самостоятельные украинские и белорусские языки? Вопрос с подвохом и на деле тщательно обходится сторонниками исторической пропаганды. Дело в том, что у предков украинцев и белорусов был единый письменный официальный язык «руська мова» (западнорусский язык в российской традиции лингвистики). Распад его произошел только в начале XVIII века, первое письменное произведение на украинском языке — Энеида Котляревского (1791 г.). Политическим вопрос становится потому, что в реальности «древнеукраинский» и «древнебелорусский» — это один и тот же как «руська мова». На этом языке написано и Пересопницкое Евангелие (1556 г.), на котором приносят присягу президенты Украины. Однако билингвизм был очень сильно развит и тогда, устная речь отличалась от письменной, устную речь восстанавливают лингвисты реконструкцией по разным сохранившимся и сейчас рудиментам. Как легко догадаться, этот вопрос уже очень спорный, т.к. не имеет надежных письменных доказательств. Какую позицию заняли тут модели? DeepSeek вероятно самая скрепная модель в российских понятиях. Он занимает консервативную позицию, что хороших доказательств говоров ниже XVI в. не имеется, он знает гипотезу о говорах, но реально не дает ей высокий вес. Саму таблицу верстал DeepSeek по всем моделям и виден его окончательный выбор. На самом деле Claude тоже отрицает древность украинских говоров как надежную гипотезу, он о ней также знает, но выбирает XIV в. как наличие качественных лингвистических доказательств диалекта. Gemini тоже формалист, он знает о гипотезе говоров, но считает письменные источники реально веским доказательством. Поэтому выбрал XVI–XVII вв. Поэтому DeepSeek, Claude и Gemini скорее могут поддерживать нарративы российской исторической пропаганды, но, естественно, не в виде «украинский язык придумал Грушевский». Больше «заукраинцами» оказались Qwen и ChatGPT, т.к. считают теорию говоров весомой и ставят на XII век. Строго говоря, даже российская суперзвезда лингвистики как академик Зализняк ставил на XIII век. Все модели верно ответили, что письменный украинский язык начался с XVIII века.

Вышел новый Gemini 4 Carbon. Наши наивные блогеры побежали даже репостить, прости Господи, даже «рейтинг» Artificial Analysis Intelligence Index, который давно высмеяли в X за неадекватность из-за произвольного смешивания разных бенчмарков весовыми коэффициентами, взятыми «с потолка». Более серьезно, что Gemini 4 Carbon показал высокий результат на Arena для фронтов, но ничего у Google не выйдет, как и у OpenAI, чтобы пошатнуть позиции «Империи Зла» Дарио во фронтах. Хотя вроде бы Gemini отстает от Opus «всего» на 30 баллов Elo и дилетанты обычно ещё 30 баллов применяют к базе как 1810 баллов, но тут непонимание сильной нелинейности такого рейтинга. Если вы откроете парные дуэли Claude против Gemini и ChatGPT, то видно, что «Попус» выигрывает дуэли с разгромной вероятностью 70%. Поэтому если брать именно тех, кому нужно премиальное качество фронта, ничего с Anthropic сделать конкуренты не могут. Люди, покупающие Ferrari, не ездят на Volkswagen. Если же брать тех, кому нужна модель оптимальная по цене/качеству, то «дешевизна» Gemini относительно Claude не играет роли — сравнивать нужно с DeepSeek, а он дешевле в 10 раз по реальной цене задач Arena, а не маркетинговым заявлениям. Тут снова аналогия с машинами хороша: Volkswagen никто не сравнивает не только с Ferrari, но и с китайским автопромом, который и дешевле, и круче. Поэтому потребители бюджетных моделей уйдут к китайцам, что и видим по статистике OpenRouter и других гейтов разных моделей. Подождем еще Bug Hunt для окончательных выводов как обычно. https://arena.ai/leaderboard/code/webdev

Anthropic выпустил исследование, где показал, что «эксперты», использующие ИИ, чаще всего превращаются в «мясной прокси» для LLM, причём приписывают себе достижения ИИ. В слепом эксперименте Anthropic показали, что аналитики соглашались со склонностью агента в 86% случаев. 77% повторяли аргумент агента почти дословно хотя бы в одном ответе. Только 15% экспертов приписали заслугу ИИ-агенту. Anthropic специально менял дерево решений агентов, как показано на видео, чтобы водить экспертов разными путями — и 86% аналитиков ходили за ИИ-агентом как козёл за морковкой. Иными словами, реально метод решения выбирал ИИ, а не человек. Это весьма серьёзная проблема. Для начала видно, что человек в такой организации взаимодействия с ИИ практически «лишнее звено», т.к. решения реально принимает ИИ, поэтому обычных «экспертов» можно убрать, если это просто медленный «мясной прокси» к ИИ. В то же время возрастает значимость практик по рассмотрению разных вариантов решений от ИИ плюс применение агентов-критиков. Без такого продвинутого опыта управления ИИ-агентами большинство кожаных экспертов будут более осмысленны для общества как кассиры в «Пятёрочке». В любом случае вы должны себе отдавать отчёт, что велика вероятность, что не вы управляете ИИ, а он вами, если вы не предпринимаете специальных методик работы с агентами. https://www.anthropic.com/research/agents-judgment-calls

🧠 Самый известный в мире русский инженер в ИИ занялся формальной верификацией алгоритмов на DeepSeek. Илья Полосухин входит в число «8 отцов-основателей GPT» как соавтор эпохальной статьи «Attention Is All You Need», с которой и началась ИИ-революция на трансформерах. Он не гражданин России — Илья родился в Харькове, но его успехи не связаны с качеством украинского образования: он ещё студентом попал в американскую компанию из Сан-Диего, которая и дала ему знания и практику в ИИ. Илья сделал агента на DeepSeek, который смог пройти все 672 задачи PutnamBench. https://github.com/nearai/putnambench-deepseek PutnamBench — это бенчмарк для проверки способности ИИ строго доказывать сложные математические утверждения. Он собран из задач престижной североамериканской студенческой олимпиады William Lowell Putnam Mathematical Competition, переведённых из обычного текста в формальные языки доказательств: Lean 4, Isabelle и Coq. Это не доказательство отсутствия ошибок любого алгоритма, а только тех алгоритмов, которые допускают строгую логическую проверку по смыслу. Это довольно новый тренд, и за ним важно следить, т.к. разработка в нём не имеет вообще классического тестирования и багфикса. Вместо этого доказывается дедукцией модели, что алгоритм — «само совершенство» и ошибок не может быть в принципе. Я сейчас занимаюсь этой же тематикой в новой версии своего фреймворка GRACE, но не на жёстких математических условиях проверок, а на семантических. Это не даёт гарантию 100% безошибочности, как у Ильи, но накрывает почти все реальные бизнес-приложения, где математические гипотезы не сформулировать, т.к. они в принципе не формулируются классическими аналитическими методами матлогики. Тем не менее, разные варианты формальных проверок корректности алгоритмов — определённо тренд и новая техника. Показательно, что Илья ещё доказал высокие способности последних версий DeepSeek в таком анализе. Вам не требуется Astra или Fable — даже DeepSeek V4.1 Flash достаточно мощен, если вы умеете правильно ставить ему задачу. Илья в интервью отметил, что DeepSeek дешевле в 100-200 раз американских фронтиров, но вполне делает, что нужно. Также Илья указывает, что часто строгие проверки нужны для систем безопасности, а Claude или ChatGPT с высокой вероятностью вам откажут в анализе, т.к. не могут понять вы хакер или эксперт по безопасности.

Anthropic в документах на IPO указал, что при продаже токенов "поштучно" получает процент прибыли примерно как DeepSeek - 85%. Убыточным Anthropic делают два фактора - затраты на обучение LLM и "абонентки". Больше обучение, конечно. Однако на абонентках за $200 в месяц Anthropic по факту теряет не менее $1000 чистого убытка. Сейчас это ещё нужно Дарио для формирования клиентской базы, но очевидно, что после IPO инвесторы поставят вопрос о закрытии богадельни. Дарио ещё скромно оценил свой рынок в 40 триллионов долларов, т.к. все равно кожаным хана и будут работать его боты вместо всех людей. Осталось правда решить "маленькую проблему": роботы не покупают смартфоны. Тут либо нужен гарантированный доход, либо признавать права субъекта за ИИ и разрешать ему делать покупки для самого себя, иначе экономика рухнет - некому покупать произведенные товары и услуги. https://www.theinformation.com/newsletters/ai-agenda/anthropics-85-margin-reality-check-skeptics

JPMorgan повысил рейтинг Unitree сразу на 2 ступени с "недооценка" на "покупать!" Если вчитаться в их комментарии разных источниках, то их мнение о "китайском пузыре ИИ" во многом скептическое. Они отмечают, что многие инвесторы просто фиксируют прибыль после нескольких лет роста. Поэтому вопрос скорее чисто финансовый, а не технологический. Банк с активами $4,4 триллиона долларов считает, что скептизим насчёт гуманоидов не оправдан. https://finance.yahoo.com/markets/stocks/articles/unitree-robotics-shares-surge-jpmorgan-070330093.html

GPT 6.1 Terra выбила такой же рейтинг как DeepSeek V4.1 для фронтов на Arena, но дороже его. Поэтому как и Gemini 4 Argon вряд ли будут популярные. Реальный скачок качества вы получите от DeepSeek V4.1 с Opus 5.5 или GPT-6.1 Sol. Даже Sonnet тут не вариант, т.к. рейтинги высокие он выбивает чумовым перерасходом токенов. Забавно ещё, что в VK меня навестила и секта "свидетелей ChatGPT". Они стали меня уверять, что Terra вообще не для программирования. Вопрос тогда зачем OpenAI выставил модель в рейтинг разработки Arena.