20187
Залипли и встали намертво, но хотите вырваться? Теория Каст и Ролей и прочее.
Ранее в этом году OpenAI поглотили компанию известного дизайнера Apple Jony Ive для работы над AI-first продуктом, призванным изменить наше взаимодействие с моделями. The Information пишут о том, что происходит внутри в данный момент:
— В последние месяцы OpenAI активно взаимодействует с командами разработчиков, производственных и цепочек поставок Apple.
— Уже удалось переманить не менее 20 специалистов. В масштабе Apple это может быть небольшой цифрой, если говорить про рядовых сотрудников, но уходят ветераны, заставшие ещё Steve Jobs'а. OpenAI предлагает много денег, но кроме этого для сотрудников Apple большая привлекательность работы в OpenAI заключается в возможности воссоединиться с опытными специалистами в работе над революционным продуктом.
— OpenAI также начали общаться с компаниями из цепочки поставок Apple в Китае, которую последние развивали десятилетиями. Luxshare, крупный сборщик iPhone и AirPods в Китае, уже заключил контракт на сборку как минимум одного устройства OpenAI.
— По словам источников, один из продуктов, о создании которого OpenAI общалась с поставщиками, напоминает умную колонку без дисплея. OpenAI также рассматривает возможность создания очков, цифрового диктофона и носимого на груди пина и планирует выпустить первые устройства в конце 2026 или начале 2027 года.
— (из другой новости те же TheInformation) OpenAI чувствует недостаток вычислительных мощностей для наращивания пользовательской базы. Следующий виральный продукт (предыдущим был запуск Image Generation-модели, разлетевшейся на 100M+ пользователей) они могут и не потянуть — придётся замедлять генерацию, ужиматься итд.
— Поэтому недавно руководство компании сообщило некоторым акционерам, что в течение следующих пяти лет она планирует потратить около 100 миллиардов долларов на аренду резервных серверов у облачных провайдеров. Это уже поверх 350 миллиардов долларов, которые компания прогнозировала потратить на аренду серверов у облачных провайдеров в 2025-2030ых годах. Итого $450 миллиардов.
— OpenAI находятся на пути достижения 1 миллиарда еженедельных пользователей к концу года. В феврале 2025-го было «всего» 400 миллионов.
Понравился эксперимент от Гугла - Learn Your Way. Такой NotebookLM на максималках для учебы. Скоро будет доступен всем:
https://learnyourway.withgoogle.com/
Загружаете PDF-ку с уроком (пока есть только уже готовые, для своих - waitlist), он может сделать типа адаптированный (под ваш возраст и интересы), интерактивный текст с визуализацией и доп.материалами, опросник, визуальную презентацию, аудио-лекцию и майнд-мэп. Все это по данным их исследованиям (60 школьников от 15 до 18 лет в Чикаго) по сравнению с просто чтением PDF-ки увеличило качество понимания (тест сразу после чтения) и запоминания (тест после 3 дней, но с графиком они накосячили, просто дупликат).
Вот здесь технический отчет: https://services.google.com/fh/files/misc/ai_augmented_textbook.pdf
В общем, такие ИИ вещи действительно улучшают образование, а не просто дают списать домашку за 10 секунд.
Roblox взлетает на волне хитовых проектов
Roblox ставит рекорды онлайна: недавно количество одновременных пользователей достигло нового All-time high — 47,3 млн человек. Для сравнения: пиковый онлайн всего Steam составляет 41,2 млн человек.
Драйверами роста Roblox стали хиты от инди-разработчиков: симулятор фермы Grow A Garden, мемная игра Steal a Brainrot и выживач 99 Nights in the Forest. Благодаря ажиотажу вокруг хитов, количество игр с онлайном свыше 50 тысяч выросло на 60% за полгода.
При этом онлайн отлично конвертируется в деньги. На недавней конференции для разработчиков Roblox поделился успехами креаторов:
- Топ-1000 разработчиков заработали в среднем по $1 млн за год. По сравнению с 2020 годом их доход вырос почти в 3 раза.
- Roblox-игры становятся желанным активом: например, 19-летний создатель Blue Lock: Rivals продал свой футбольный сим за более чем $3 млн. Сейчас 7 из 15 самых популярных игр выкуплены у их первоначальных авторов.
- По прогнозу главы Roblox, уже к 2028 году появится первый миллиардер на базе платформы.
Что особенно приятно для стартеров — стоимость привлечения игрока может быть менее цента благодаря органическому распространению. Roblox активно развивает это направление: на днях анонсировали ленту коротких видео для обмена игровыми моментами, откуда пользователи смогут напрямую заходить в игры.
Roblox — отличный пример L2-платформы, где сейчас дуют особенно мощные восходящие потоки для взлёта свежих проектов.
@trendoscope
это впечатляет - вторая цивилизация
Читать полностью…
Учебные заведения от школьных классов до университетов переживают то, что преподаватели называют «худшим кризисом списывания» за десятилетия: 89% студентов признаются в использовании ChatGPT для домашних заданий, а 20% используют чат-боты на базе ИИ для выполнения целых работ.
• Университет Линкольна в Новой Зеландии заставил более 120 аспирантов финансового факультета пересдать экзамены лично после предположения о массовом использовании ИИ, потребовав живые демонстрации программирования и устные объяснения своих работ.
• Школы отказываются от традиционных домашних заданий в пользу контроля в классе, а такие педагоги, как Кейси Куни, учитель года Калифорнии 2024 года, отмечают: «уровень списывания зашкаливает».
• Инструменты для обнаружения ИИ оказались ненадежными: эксперты предупреждают, что они часто дают ложные срабатывания и ошибочно классифицируют тексты, написанные не носителями английского, что побудило такие университеты, как Бостонский университет, призвать преподавателей не обвинять студентов, основываясь только на результатах программ.
• Заведения принимают разные меры — от возвращения к рукописным экзаменам у Стенфордского университета до расширенного доступа к ChatGPT Edu у Университета штата Аризона, — пока преподаватели пытаются найти баланс между внедрением инноваций и поддержанием академической честности
Anthropic опубликовала свой Экономический индекс, выявив резкие географические различия в использовании ИИ: богатые регионы доминируют в использовании Claude, а развивающиеся экономики значительно отстают.
• Внутри США лидируют по использованию ИИ на душу населения Вашингтон, D.C. и Юта (соответственно 3,82x и 3,78x ожидаемых показателей), а Калифорния занимает третье место, несмотря на свою технологическую репутацию.
• Компании преимущественно используют ИИ для автоматизации, а не сотрудничества: 77% корпоративного использования API связано с полной передачей задач программам, в то время как шаблоны использования среди потребителей остаются более сбалансированными.
• Региональные особенности отражают специфику экономики: в Гавайях отмечено использование ИИ, связанное с туризмом, в D.C. — с поиском работы и редактированием документов, а в Калифорнии — с программированием.
• Исследование предупреждает, что неравномерное внедрение ИИ может усилить глобальное неравенство — высокодоходные страны, такие как Израиль (использование 7x от ожидаемого) и Сингапур (4,57x), значительно опережают развивающиеся экономики, например, Индию (0,27x) и Нигерию (0,2x).
Непопулярное мнение: 1. Люди без знаний программирования, которые научатся правильно использовать vibecode, вскоре будут превосходить многих разработчиков с многолетним опытом.😍
2. Какие предпосылки? Те, кто действительно хочет развиваться в этом направлении учатся в 1000 раз быстрей. С 0, вы в одиночку создаете приложения, которые до ИИ нужно было создавать более года силами команды.
3. В одном флаконе вы быстро становитесь архитектором, девелопером, продактом, девопсом, спецом по безопасности. Не ради того, чтобы устроится на работу. А ради того, что реализовывать новую свободу, которую дает ИИ и знаете что самое прекрасное.
4. Вы делаете и наплевать вам на то, что кто-то говорит. Вам не нужно спрашивать разрешение.
5. Только за пару месяцев мы видим прогресс во всех агентах, которые помогают в создании приложении. Пару дней назад Replit выкатил Агент 3, который по отзывам дает лучшие результата, чем недорогой фриленсер. Год назад это было чудом.
6. Учитывайте тот факт, что 90% стартапов, которые получили МИЛЛИАРДЫ финансирования еще ДАЖЕ не выкатили свои продукты. Т.е. мы сейчас в начале пути, фокус на чуть более гибкой автоматизации, на воспроизведение подходов 10-летней давности.
7. Мы еще не перестроили своего мышления, мы еще не начали мыслить и создавать AI-native продукты.
##### 5.1. Гендерные различия
* Сужение гендерного разрыва: Изначально, в первые месяцы после запуска, около 80% активных пользователей имели типично мужские имена. Однако к июню 2025 года это число сократилось до 48%, и активные пользователи стали немного чаще иметь типично женские имена. Это свидетельствует о значительном сужении гендерного разрыва.
* Предпочтения по темам: Пользователи с типично женскими именами чаще отправляют сообщения, связанные с "Письмом" и "Практическим руководством". Напротив, пользователи с типично мужскими именами чаще используют ChatGPT для "Технической помощи", "Поиска информации" и "Мультимедиа".
##### 5.2. Возрастные различия
* Молодые пользователи: Почти половина всех сообщений, отправленных взрослыми, приходилась на пользователей младше 26 лет.
* Рабочее использование: Доля сообщений, связанных с работой, выше для пожилых пользователей (за исключением пользователей старше 66 лет). Например, для пользователей младше 26 лет около 23% сообщений были рабочими. Использование ChatGPT стало менее рабочим со временем для пользователей всех возрастов.
##### 5.3. Различия по странам
* Глобальный рост: Использование ChatGPT значительно выросло, особенно в странах с низким и средним уровнем дохода (ВВП на душу населения $10 000–40 000) за последний год.
##### 5.4. Различия по образованию
* Рабочее использование: Образованные пользователи, особенно те, кто имеет высшее образование, значительно чаще используют ChatGPT для работы. 37% сообщений были рабочими для пользователей с образованием ниже бакалавра, по сравнению с 46% для бакалавров и 48% для тех, кто имеет последипломное образование.
Пользователи с последипломным образованием примерно на два процентных пункта чаще используют ChatGPT для сообщений категории "Спрашивать".
* Темы: Доля сообщений, связанных с "Письмом", увеличивается с уровнем образования.
5.5. Различия по роду занятий
* Рабочее использование: Пользователи в высокооплачиваемых профессиональных и технических профессиях чаще используют ChatGPT для работы. Например, 57% сообщений в компьютерных профессиях были рабочими, по сравнению с 40% в непрофессиональных.
* Намерения (в рабочих сообщениях):
Пользователи в высокооплачиваемых профессиональных профессиях чаще используют ChatGPT для "Спрашивать", а не для "Делать". Это особенно верно для научных и технических профессий (47% запросов "Спрашивать" в компьютерных профессиях против 32% в непрофессиональных).
Темы (в рабочих сообщениях)**:
* Письмо особенно распространено в управленческих и деловых профессиях, составляя 52% всех рабочих сообщений.
* Техническая помощь составляет 37% всех рабочих сообщений для пользователей в компьютерных профессиях.
* Рабочие активности (GWAs): Наблюдается поразительное сходство в использовании ChatGPT на работе в разных профессиях. "Принятие решений и решение проблем" является одной из двух наиболее распространенных GWA практически во всех группах профессий. "Документирование и запись информации" входит в топ-четыре во всех профессиях. "Творческое мышление" занимает третье место в 10 из 13 групп профессий.
"Работа с компьютерами", ожидаемо, является наиболее распространенной GWA в компьютерных профессиях.
7. Заключение
ChatGPT оказал широкое влияние на мировую экономику.
- Увеличение нерабочего использования быстрее, чем рабочего, предполагает существенные выгоды для благосостояния от генеративного ИИ.
- В контексте работы пользователи, по-видимому, извлекают ценность из использования ChatGPT в качестве советника или помощника по исследованиям, а не только как технологии, напрямую выполняющей рабочие задачи.
- ChatGPT, вероятно, повышает производительность труда за счет поддержки принятия решений, что особенно важно в интеллектуально-емких профессиях, где качество принятия решений увеличивает продуктивность.
Ссылка на саммари с ссылками: https://notebooklm.google.com/notebook/4890d627-e640-4afa-94fb-16e28d81259c
OpenAI выпустило большое исследование - "Как используют chatGPT?". Ниже развернутое саммари:
1. Введение
Данный обзор основан на исследовании, посвященном быстрому распространению и моделям использования LLM-чат-ботов, в частности ChatGPT, с момента его запуска в ноябре 2022 года по июль 2025 года. Целью исследования было документирование роста потребительского продукта ChatGPT и классификация моделей использования в репрезентативной выборке разговоров, что позволяет получить представление об экономической ценности, предоставляемой этой технологией.
2. Рост ChatGPT
ChatGPT продемонстрировал беспрецедентную скорость глобального распространения.
* Запуск: ChatGPT был запущен 30 ноября 2022 года как "предварительная исследовательская версия".
* Пользователи: К 5 декабря 2022 года у него было более 1 миллиона зарегистрированных пользователей. К июлю 2025 года количество еженедельно активных пользователей (WAU) превысило 700 миллионов, что составляет около 10% взрослого населения мира.
* Сообщения: К июлю 2025 года пользователи отправляли 18 миллиардов сообщений в неделю, или более 2,5 миллиарда сообщений в день (около 29 000 сообщений в секунду).
* Динамика роста: Между июлем 2024 года и июлем 2025 года количество отправленных сообщений выросло более чем в 5 раз. Рост объема сообщений наблюдался как со стороны новых когорт пользователей, так и за счет увеличения использования в существующих когортах. Использование постоянно росло в каждой когорте, что объясняется улучшением возможностей моделей и постепенным открытием пользователями новых применений.
3. Использование ChatGPT
Исследование классифицировало шаблоны использования с помощью автоматизированных классификаторов на основе LLM, защищающих конфиденциальность.
3.1. Рабочее и нерабочее использование
Наблюдается устойчивый рост сообщений, связанных с работой, но еще более быстрый рост нерабочих сообщений.
В июне 2024 года 53% сообщений не были связаны с работой, тогда как в июне 2025 года этот показатель вырос до 73% от общего объема использования.
Рабочие сообщения составляли 47% в июне 2024 года и снизились до 27% в июне 2025 года.
Динамика: Уменьшение доли рабочих сообщений в основном обусловлено изменением использования внутри каждой когорты пользователей, а не изменением состава новых пользователей ChatGPT. Это соответствует оценкам потребительского избытка от генеративного ИИ в размере не менее 97 миллиардов долларов только в США в 2024 году.
3.2. Темы разговоров
Три наиболее распространенные темы** составляют почти 80% всех разговоров.
- Практическое руководство (Practical Guidance)**: Самый распространенный вариант использования, включающий репетиторство, обучение, советы "как сделать" и творческие идеи. Отличается от поиска информации тем, что высоко персонализировано и адаптируется. Доля в общем использовании оставалась постоянной на уровне около 29%. В июне 2025 года 36% сообщений в этой категории были запросами на репетиторство или обучение.
- Поиск информации (Seeking Information)**: Включает поиск фактологической информации о людях, текущих событиях, продуктах, рецептах, являясь очень близким заменителем веб-поиска. Доля выросла с 14% до 24% от общего объема использования за год (июль 2024 – июль 2025).
- Письмо (Writing)**: Включает автоматическое создание электронных писем, документов и других сообщений, а также редактирование, критику, суммирование и перевод текста, предоставленного пользователем. Письмо доминирует в рабочих задачах, составляя 40% рабочих сообщений в среднем в июне 2025 года. Около двух третей всех сообщений категории "Письмо" запрашивают изменение текста пользователя, а не создание нового текста с нуля. Доля "Письма" снизилась с 36% до 24% от общего использования за год.
Менее распространенные темы**:
"Квинтэссенция либерального фашиста — не эсэсовец, а учительница начальной школы..." - это великолепно.
«Фашисты», «штурмовики в коричневых рубашках», «солдаты в сапогах» — таковы обычные оскорбления, которые либералы бросают в адрес консерваторов. Назвать кого-то фашистом — самый быстрый способ заткнуть ему рот, объявив его взгляды выходящими за рамки допустимого. Но кто же настоящие фашисты среди нас?
Liberal Fascism («Либеральный фашизм») предлагает поразительно новую перспективу на теории и практики, которые определяют фашистскую политику. Заменяя удобные мифы неожиданными и проясняющими исследованиями, Джона Голдберг напоминает нам: изначально фашисты были именно на левом фланге, и либералы от Вудро Вильсона до Франклина Рузвельта и Хиллари Клинтон продвигали принципы и политики, удивительно схожие с национал-социализмом Гитлера и фашизмом Муссолини.
Вопреки общему мнению, нацисты были убеждёнными социалистами (отсюда и «национал-социализм»). Они выступали за бесплатное здравоохранение и гарантированные рабочие места, конфисковывали наследственное богатство и тратили огромные суммы на государственное образование. Они вычеркнули церковь из политики, продвигали новую форму языческой духовности и встраивали государство во все уголки повседневной жизни. Нацисты объявили войну курению, поддерживали аборты, эвтаназию и контроль оружия. Они ненавидели свободный рынок, давали щедрые пенсии пожилым и ввели строгие расовые квоты в университетах — где господствовали кодексы речи. Германия опережала мир в органическом земледелии и альтернативной медицине. Гитлер был строгим вегетарианцем, а Гиммлер — активистом защиты животных.
Значит ли это, что современные либералы — геноцидальные маньяки, стремящиеся к мировому господству и новой расовой иерархии? Совсем нет. Но трудно отрицать, что современный прогрессизм и классический фашизм имеют общие интеллектуальные корни. Мы часто забываем, что у Муссолини и Гитлера было немало поклонников в США. У. Э. Б. Дюбуа вдохновлялся Германией Гитлера, а Ирвинг Берлин воспевал Муссолини в песнях. Многие положения фашизма поддерживали американские прогрессисты, такие как Джон Дьюи и Вудро Вильсон, а Ф. Д. Рузвельт включил элементы фашистской политики в «Новый курс».
Фашизм был международным движением, проявлявшимся по-разному в зависимости от культуры и темперамента страны. В Германии он обернулся геноцидальным расистским национализмом, в Америке — «дружелюбной» либеральной формой. Современные наследники этой традиции «дружеского фашизма» — New York Times, Демократическая партия, профессура Лиги плюща и голливудские либералы. Квинтэссенция либерального фашиста — не эсэсовец, а учительница начальной школы с дипломом по педагогике из Брауна или Суортмора.
Эти утверждения могут показаться странными современному уху лишь потому, что мы забыли, что такое фашизм. В этой резкой, остроумной, умной и провокационной книге Джона Голдберг переворачивает привычные представления и показывает истинное значение «Либерального фашизма». Источник: https://www.amazon.com/gp/product/B000W917ZG
мне правда больше нравится claude code от Антропик, но тренд очевидный.
Читать полностью…
Еженедельно:
• Аудит: какой пост дал лучший ratio “закладки/показы” и “подписки/показы”. Повтори формат с новым содержанием.
• Чистка подписок, правка био/pinned, обновление списка 30–50 авторов для “ранних ответов”.
Диагностика и метрики
• Profile visits / Impressions (PV/I): насколько хорошо байтит клики в профиль. Цель — рост.
• Bookmarks / Impressions (BM/I): главный сигнал “ценности”. Оптимизируй под него.
• Follows / Impressions (F/I): здоровье оффера и профиля.
• Engagement speed (первые 60 мин): реплаи и ответы по горячим следам.
• Признаки штрафа: резкое падение охвата при тех же слотах и качестве → сделай “охлаждение”: 48–72 ч без спорного, посты-энциклопедии, без ссылок/упоминаний личностей.
Анти-риски
• Не используй engagement-поды/скрипты. Поведенческие паттерны однотипных аккаунтов ловятся.
• Не спорь “в лоб” с большими ради внимания: их мьют/блок больно бьёт по твоей видимости.
• Контровые темы — только с фактами и источниками, без ярлыков.
Один простой шаг сейчас
Сделай “скелет профиля конверсии”:
1. обнови био (ниша → конкретная польза → социальное доказательство),
2. сильный pinned-твит (чеклист/шаблон),
3. почисти followings до релевантных,
4. составь список 30 авторов и дай 3 содержательных ранних ответа сегодня.
Источник: https://x.com/TheAhmadOsman/status/1966106497852621250
Гит Твиттера: https://github.com/twitter/the-algorithm
Отличное исследование от @AIatMeta, которое дополняет объяснения Фэй-Фэй Ли о ограничениях LLM.
В работе показано: когда ИИ учится на реальных видеозаписях мира, он начинает усваивать базовые физические идеи — например, что объекты продолжают существовать, даже если они скрыты, или что формы остаются неизменными.
Но когда модели пытаются изучать физику только по текстам, результаты очень слабые.
Значит, настоящее понимание физики придёт из наблюдения и опыта взаимодействия с миром, а не из чтения языка.
Один язык недостаточен, потому что реальный мир подчиняется физическим законам, которые словами полностью не передать. https://x.com/rohanpaul_ai/status/1965522005366899068
Между прочим перепостил Ян ЛеКун, что кааакбы намекае.
Google навставлял AI в Chrome для всех:
- добавили окошка чата (вверху справа), чтобы чатиться с Gemini, оно имеет доступ как к одной вкладке сайта, так и к нескольким
- прикрутили Gemini к поиску по истории браузера (можно будет спросить что-то в стиле «а где я видел последний раз фотку Дурова по торс» и оно вернет)
- Скоро добавят агента который может за вас ходить по сайтам и выполнять задачи
- Если где-то, кто-то, отправляет браузерный пуш со спамом, то его поймает гемини
АИ масс адаптация, получается, свершилась – самый популярный браузер мира все же
Тут весь анонс
🤖 Demis Hassabis (Google DeepMind) о будущем робототехники
⦿ Гуманойдные формы могут оказаться ключевыми для повседневного и персонального использования — там, где среда создана под людей.
А вот специализированные роботы будут незаменимы на производстве и в лабораториях.
⦿ В ближайшие пару лет нас ждёт «вау-момент» в робототехнике.
Но фундаментальные модели пока требуют доработки: надёжности и более глубокого понимания реального мира.
⦿ DeepMind работает сразу в двух направлениях:
- как с Android для роботов — универсальный слой ОС, совместимый с любым роботом;
- и с вертикальной интеграцией - разработка конкретных роботов «под ключ».
Идея проста: скоро роботы будут не только на заводах, но и рядом с нами — а управлять ими станет так же привычно, как смартфоном.
🟢Полное интервью: https://www.youtube.com/watch?v=Kr3Sh2PKA8Y
@ai_machinelearning_big_data
#DeepMind #Google #DemisHassabis #Robotics
🧠 Илья Суцкевер: ИИ со временем заменит весь человеческий труд
Сооснователь OpenAI Илья Суцкевер заявил, что в ближайшие годы искусственный интеллект сможет выполнять не только отдельные задачи, но буквально всё, что способен человек.
По его словам, ключ к пониманию прост: наш мозг — это биологический компьютер. Если биологический компьютер справляется с обучением и решением задач, то нет причин, по которым цифровой компьютер не сможет достичь того же.
Суцкевер уверен: день, когда ИИ будет способен делать 100% человеческой работы, неизбежно наступит — вопрос лишь в скорости этого процесса.
🟠 Полное интервью: https://www.youtube.com/watch?v=zuZ2zaotrJs
@ai_machinelearning_big_data
#AI #ArtificialIntelligence #IlyaSutskever #OpenAI
🚨 Очень интересная идея в новой работе Google DeepMind - как справиться с ростом ИИ-агентов, которые начинают действовать как самостоятельные игроки в экономике.
Если оставить процесс без контроля, такие агенты могут создать собственную экономику, напрямую связанную с человеческой. Это сулит и выгоды, и риски.
Авторы предлагают концепцию «песочницы» (sandbox economy) - контролируемого пространства, где агенты могут торговать и координироваться, не нанося вреда рынкам.
Вместо выполнения одной задачи, такие агенты могут:
▪ торговать, вести переговоры и заключать сделки без участия человека,
▪ переключаться между индустриями, формировать временные альянсы,
▪ координировать ресурсы в реальном времени.
Первые стандарты вроде Agent2Agent и Model Context Protocol уже соединяют агентов между собой, закладывая основу глобальной экономики «машина-машина».
Персональные AI-ассистенты вскоре смогут конкурировать и сотрудничать на этих рынках: торговаться за вычислительные мощности, доступ к данным или бронирование поездок - всё в интересах пользователей. Расчёты будут обеспечиваться цифровыми валютами и системами кредитов.
🟢Экономисты предупреждают: такие рынки будут развиваться быстрее человеческой реакции. Цены, сделки и бизнес-модели могут меняться не за месяцы, а за минуты.
🟢Предложения авторов
- Использовать рынки и аукционы для честного распределения ресурсов.
▪Вводить миссионные цели — коллективные задачи, согласованные обществом.
▪Создавать систему удостоверений и репутации для агентов.
▪Применять смарт-контракты, аудит и прозрачные вычисления для доверия и контроля над ии.
▪Разрабатывать гибридное регулирование - сочетание технических протоколов и институциональных мер.
Если внедрение будет продумано, триллионы машинных часов можно будет направить на решение глобальных задач - от лечения болезней до строительства инфраструктуры.
⚡️ Статья: https://arxiv.org/pdf/2509.10147
@ai_machinelearning_big_data
#AI #AgentEconomy #DeepMind #AutonomousAgents
Только что подвели результаты ICPC, финала студенческой олимпиады по программированию. Наши любимые слоны, LRM, тоже участвовали.
Система от OpenAI решила все 12 задач из 12 и заняла абсолютное первое место. Система принимала официальное участие, то есть её решения оценивались так же, как у остальных участников, и лимиты по времени были те же — никаких запусков на кластере на неделю. Задачи были переданы модели в точно таком же виде, в котором студенты получают их в PDF. Система сама выбирала, какие решения отправлять — так как есть ограничение, и нельзя сделать 100500 посылок. Для самой сложной задачи, двенадцатой, которую не решила ни одна другая команда, система достигла успеха на 9ую попытку.
OpenAI говорит, что система работала так: экспериментальная рассуждающая модель общего назначения, которую не тренировали специально на ICPC (скорее всего, та же модель, что выиграла золото на IOI и IMO, чуть дообученная за прошедшее время) и GPT-5 генерировали решения, и первая выбирала результаты. В таком формате GPT-5 сгенерировала правильные решения для 11 задач из 12.
Второе место заняли ребята из СПбГУ — респект, решили 11 из 12 задач! Все остальные команды решили 10 и меньше.
Дальше идёт система от Google DeepMind, которая решила «всего лишь» 10 задач (тоже выдающийся результат), включая самую сложную. Блогпост тут.
📈 no progress so far, only the walls
привет с Гавайев, с Оаху, недалеко от Гонолулу.
Читать полностью…
OpenAI и Anthropic опубликовали конкурирующие исследования, раскрывающие, как используются их ведущие чат-боты на основе ИИ: ChatGPT все больше доминирует в личных задачах, тогда как Claude фокусируется на бизнес-автоматизации.
• Использование ChatGPT резко сместилось в сторону личного применения: нерабочие разговоры увеличились с 53% в июне 2024 года до 73% к 2025 году, причем самыми распространенными задачами стали практические советы, поиск информации и письменные задания.
• У Claude от Anthropic наблюдаются противоположные тенденции: 77% корпоративных API-взаимодействий связаны с полной автоматизацией задач, а не с сотрудничеством человека и ИИ, а задачи по программированию составляют 44% бизнес-использования.
• Гендерный разрыв в использовании ChatGPT практически исчез: сейчас женщины составляют 52% активных пользователей по сравнению с 20% на момент запуска, а общее количество пользователей выросло до 700 миллионов в неделю.
• Эти расходящиеся тенденции указывают на то, что ИИ-компании формируют дополнительные рыночные ниши вместо прямой конкуренции, что может повлиять на занятость и производительность в различных секторах.
OpenAI выпустили новую GPT-5 😑
...заточенную на программистов, GPT-5 Codex. Эта модель заменит o3 в Codex в веб-клиенте (наконец-то) и уже доступна в локальном Codex CLI / плагине для вашей IDE. Если вы ещё не пробовали — обязательно попробуйте! Это бесплатно, если вы подписаны на любой тир ChatGPT. В комментариях многие отмечали, что им нравится больше, чем Claude Code, и модель работает лучше.
GPT-5 Codex дотренировали на новых сложных реальных задач, создании проектов с нуля, добавлении функций и тестов, отладке, проведении масштабных рефакторингов и ревью кода.
По стандартному бенчмарку SWE-bench Verified разница не особо заметна, 74.5% против старых 72.8%. Однако на внутреннем бенчмарке OpenAI на задачах рефакторинга модель стала гораздо лучше: прыжок с 33.9% до 51.3%!
Но и это не всё: модель стала писать меньше бесполезных или ошибочных комментариев, лучше ловить баги в коде, и... думать меньше, когда это не надо. OpenAI взяли запросы от сотрудников внутри компании и сравнили количество токенов в ответах двух моделей.
Там, где ответы были короткими, они стали ещё короче, а там, где цепочки рассуждений и сгенерированный код были длиннее — стало больше. Со слов OpenAI, во время они наблюдали, как GPT‑5-Codex работал автономно более 7 часов подряд над большими и сложными задачами, выполняя итерации по внедрению, исправляя ошибки тестирования и в конечном итоге обеспечивая успешное решение задачи.
Codex CLI и Codex Web получили кучу обновлений за последний месяц, но про них писать не буду.
В API модель появится скоро, очень ждём, пока замеряют качество и на других бенчмарках. В системной карточке модели указали лишь один — по решению многоступенчатых задачек по кибер-взлому (с соревнований CTF). Модель наконец-то статистически значимо обгоняет o3! Жаль, не замерили другие бенчмарки (вроде PaperBench).
Доля долгосрочно безработных с дипломами колледжей выросла примерно с 20% десять лет назад до 33% сегодня. Среди недавних выпускников 23–27 лет уровень безработицы в 2025 году составил 4,59% против 3,25% в 2019.
• ИИ и автоматизация меняют рынок труда: число вакансий начального уровня в корпорациях сократилось на 15%, а количество заявок на одну позицию выросло на 30%, так как многие задачи новичков теперь выполняют алгоритмы.
• В 2025 году только 30% выпускников нашли работу по специальности (в 2024 — 41%), почти половина чувствуют себя неподготовленными к стартовым позициям из-за отсутствия практических навыков.
• ¾ работодателей нанимают столько же или меньше начинающих сотрудников, чем год назад, ссылаясь на давление экономики, автоматизацию и более жёсткий рынок труда.
• Экономисты считают, что технологический прогресс делает текущих работников более продуктивными и снижает спрос на традиционные навыки выпускников, даже в таких сферах, как computer science и инженерия.
- Компьютерное программирование (Computer Programming)**: Составляет лишь 4.2% сообщений ChatGPT, что контрастирует с другими исследованиями, сообщающими о гораздо более высоких долях для других чат-ботов.
- Самовыражение (Self-Expression)**: Включает "Отношения и личное размышление" (1.9%) и "Игры и ролевые игры" (0.4%). Общая доля сообщений по этим темам относительно мала.
- Техническая помощь (Technical Help)**: Снизилась с 12% до около 5% от общего использования за год. В рабочих сообщениях доля снизилась с 18% до чуть более 10%.
- Мультимедиа (Multimedia)**: Выросла с 2% до чуть более 7% после выпуска новых функций генерации изображений в апреле 2025 года.
3.3. Намерения пользователя (Asking, Doing, Expressing)
Исследование ввело новую таксономию для классификации сообщений по намерению пользователя:
* Спрашивать (Asking): Пользователь ищет информацию или разъяснения для принятия решения. Эти разговоры поддерживают принятие решений, но не производят прямой вывод.
* Делать (Doing): Пользователь хочет произвести какой-либо результат или выполнить конкретную задачу. Эти разговоры дают результат, который можно использовать в производственном процессе.
* Выражать (Expressing): Пользователь выражает мнения или чувства, но не ищет информации или действия. Эти разговоры имеют мало или вообще не имеют экономического содержания.
Распределение намерений**:
В июле 2025 года 49% сообщений были "Спрашивать", 40% были "Делать", а 11% были "Выражать". Сообщения "Спрашивать" растут быстрее, чем "Делать". Для рабочих сообщений**: "Делать" составляет почти 56% рабочих запросов, "Спрашивать" – 35%, "Выражать" – 9%.
Почти 35% всех рабочих запросов категории "Делать" связаны с "Письмом". Сообщения "Спрашивать" постоянно оцениваются как более качественные по сравнению с "Делать" или "Выражать".
3.4. Рабочие активности по O*NET
Сообщения классифицированы по обобщенным рабочим активностям (GWA) O*NET.
* Общие сообщения: Почти половина всех сообщений (**45.2%**) относятся к трем GWA, связанным с использованием и манипулированием информацией: "Получение информации" (19.3%), "Интерпретация значения информации для других" (13.1%) и "Документирование/запись информации" (12.8%). Семь наиболее распространенных GWA совокупно составляют 76.9% всех сообщений.
* Рабочие сообщения: Среди сообщений, связанных с работой, наиболее распространенными GWA являются "Документирование и запись информации" (13.2%), "Принятие решений и решение проблем" (10.6%), "Творческое мышление" (9.3%), "Работа с компьютерами" (7.7%), "Интерпретация значения информации для других" (7.3%), "Получение информации" (6.7%) и "Предоставление консультаций и советов другим" (3.1%). Эти семь GWA совокупно составляют 57.9% рабочих сообщений.
* Общий вывод: Большинство использования ChatGPT на работе сосредоточено на получении, документировании и интерпретации информации, а также на принятии решений, предоставлении советов, решении проблем и творческом мышлении. Это согласуется с тем, что почти половина всего использования ChatGPT приходится на "Практическое руководство" или "Поиск информации".
4. Качество взаимодействий
* Динамика: В конце 2024 года хорошие взаимодействия были примерно в три раза чаще, чем плохие, но хорошие взаимодействия росли гораздо быстрее. К июлю 2025 года они были более чем в четыре раза чаще.
* Темы:
- "Самовыражение" является наиболее высоко оцененной темой, с соотношением "хорошо-к-плохо" более семи.
- "Мультимедиа" и "Техническая помощь" имеют самые низкие соотношения (1.7 и 2.7 соответственно).
Сообщения категории "Спрашивать" значительно чаще получают хорошую оценку, чем "Делать" или "Выражать".
5. Демография пользователей ChatGPT
Исследование также выявило важные факты о демографических различиях в использовании ChatGPT.
я стараюсь не мучать вас политикой, но на фейсбуке я чуть больше троллю. хо, там у левых либералов подгорат - кровь из глаз.
Читать полностью…
Replit тут запустил вайбкодинговый Agent 3, который вообще все за вас делает:
1) Тестит сайт по ходу разработки, прям открывает браузер и прокликивает, и правит, что не так
2) Может работать больше 200 минут в режиме автономии, создавая себе таски по вашей задачей и контролируя процесс (прям тимлид). Раньше было максимум 20 минут.
3) Может создавать других агентов и автоматизации (типа бота для телеграмма или слака, запускающиеся по таймеру или хуку)
4) Можешь разбивать задачу на подзадачи и этапы, чтобы вы контролировали процесс и направляли и типа сразу в бой идти.
Отзывы от знакомых позитивные. Работает дешевле и качественнее недорогих фрилансеров.
https://blog.replit.com/introducing-agent-3-our-most-autonomous-agent-yet
Stripe показал способ как в эпоху AI настраивать монетизацию приложений, в целом многие это уже наверное знают, но всегда приятно когда кто-то по полочкам разложил
В статье всего пару шагов, на выходе получаем готовую монетизацию любого АИ-продукта:
1. Формулируем ценность того, что мы продаем правильно
Не «пользователь может сгенерировать картинку нашим АИ» или «мы можем ускорить создание тикета для пользователя», а - «какой конкретный результат клиент получает и за что готов платить»
Важно не путать «использование» с «ценностью»
Примеры:
- Вместо «Сгенерировал картинку», нужно «получил готовый к публикации визуал по ТЗ»
- Вместо «Ускорили создание тикета», нужно «тикет закрыт, проблема решена»
- Вместо «ИИ написал черновик», нужно «документ готов и принят без правок»
2. Ценность обозначили, теперь выбираем метрику за которую берем деньги с пользователя, есть три способа:
- За потребление (токены/вызовы API)
Плюс: совпадает с нашими издержками.
Минус: клиенту сложнее увидеть бизнес-результат.
Подходит техкомандам, которым нужен полный контроль трат.
Пример: API генерации текста/изображений — платишь за каждый вызов или за 1 000 токенов; счёт – это и есть фактическое потребление.
- За решенную задачу (workflow: «проверил документ», «свел таблицу», «забронировал встречу»)
Клиенту понятно, что покупает; издержки плавают от случая к случаю.
Пример: $X за подготовку отчёта по индустрии Y (сколько шагов, вызовов и токенов внутри - наша забота).
- За результат («тикет решён», «лид подтверждён»)
Близко к прошлому, но больше по кол-ву шагов и максимально бьётся с ценностью.
Почему себестоимость может прыгать: два одинаковых «успешных исхода» могут требовать разного числа шагов и токенов - где-то хватит одного длинного диалога и единственного вызова модели, а где-то будут ретраи, дополнительные инструменты (поиск/браузер) и несколько коротких диалогов с юзеров – если таска не закрыта, до деньги с юзера не берем.
Пример: $X за закрытый тикет; если тикет не закрыт - $0.
3. Упаковываем в тарифы: чаще всего гибрид - подписка + потребление
Пример: фикс в месяц включает базовый объём каких-то кредитов, всё сверх - по пополнение кредитов через Pay-As-You-Go (PAYG); может быть и чистый PAYG как отдельный вариант; плюс - бесплатный стартовый план для проб и кастом для enterprise.
Это даёт предсказуемую выручку и низкий порог входа.
4. Ставим лимиты на потребление, чтобы не улететь в затраты и не пугать клиентов счетами: лимиты и пороги с алертами на все что мы сами покупаем у AI-провайдеров, в идеале иметь прозрачный дашборд «как использование превращается в деньги».
5. Постоянно донастраиваем: смотрим на юнит-экономику и поведение пользователей, меняем цены/тарифы по мере снижения/роста стоимости моделей и зрелости рынка. Почти все так и делают (по Stripe-данным, ~92% компаний потом корректируют прайсинг)
Все, вы АИ-стартапер, поздравляю
Вот тут статья целиком:
https://stripe.com/blog/a-framework-for-pricing-ai-products
Очередная стратегия для Твиттера. Парень где-то раздобыл код и сделал его реверс на предмет - понять, как играть с алгоритмом Твиттера. Опубликовал пост об этом и за несколько дней охват 9 млн. Ссылка в конце.
1) Накапливай репутацию (Tweepcred)
Цель: выглядеть надежно для ранкера и не собирать негатив.
• Профиль-гигиена: имя/био/ник без триггер-токенов и ВСЕХ КАПСОМ; аватар, хедер, pinned-твит с ценностью.
• Соотношение follow/followers: не фолловь толпами. Держи ~1 : 1.5–2+. Чисти “мёртвых” и нерелевантных.
• Минус-сигналы: избегай поводов для блоков/мьютов/репортов — спорь по делу, без наездов на личности, без спама @упоминаний.
• Ссылки наружу: дозируй. Если нужно — ставь контекст, а ссылку можно дать в первом ответе к твиту или к карусели медиа.
• Верификация/complete-trust: подтвержденный номер/почта/дока, двухфакторка. Верификация помогает.
2) Играй на бустах (максишь позитивные сигналы)
Цель: собрать реплаи, закладки, клики в профиль, удержание.
• Хуки для закладок: чеклисты, шаблоны, “сохрани и вернись”, «10 приёмов…», «компактный туториал». Делай ценность “повторно полезной”.
• Клики в профиль: обещай «полную версию в треде/профиле», сделай pinned-твит с расширением темы. Био — чёткий оффер.
• Реплаи: задавай конкретный вопрос в конце (“какой из трёх шагов внедрить первым и почему?”), отвечай на реплаи быстро (первые 30–60 мин).
• Удержание: первые строки без воды; короткие абзацы; медиа с сабами; видео 15–45 сек с сильным 3-сек. интро.
• Высокореп. отклики: отвечай по делу под постами средних/крупных авторов (10k–200k) в своей нише в первые минуты после их публикации.
3) Избегай дебаффов (минимизируй негатив)
Цель: не триггерить фильтры качества и “see fewer”.
• Анти-спам ритм: не залпом. Разноси посты, чередуй форматы (соло-твит → ответ → медиа → тред).
• Тон: не ALL CAPS, без токсичных слов, без кликбейта “обманкой”. Железа, факты, кейсы.
• Одна тема ≠ навязчивость: не упоминай одну и ту же персону/бренд в каждом посте. Мешай повестку, чтобы не словить “mentions too much”.
• Линки: если много внешних — часть уводи в реплаи/тред, либо давай скрин/цитату с минимальной обязательной ссылкой.
4) Учитывай decay (быстрый распад охвата)
Цель: выиграть “окно” первых часов.
• Тайминг: тестируй 3–4 окна в день, смотри, где выше CTR/реплаи. Фиксируй слот(ы) под ключевой контент.
• Первые 60 минут — святые: будь в сети, отвечай на реплаи, добавляй микро-апдейты в тред.
• Реанимация твита: осмысленный self-reply: «Апдейт/шаблон/файл/мини-кейс». Можно конвертировать соло-твит в тред.
• Не душни залпом: частые подряд твиты режет “diversity filter”. Выдерживай паузы.
5) Сетка связей (simclusters/realgraph)
Цель: “встать рядом” с бэнгерами своего кластера.
• Карта кластера: выпиши 30–50 авторов твоей ниши. Отсортируй по: частота постинга, уровень дискуссии, готовность отвечать.
• Ранние ответы под бэнгерами: добавляй конкретику (формула, код, цифра, ссылка на источник в реплае), не “согласен/класс”.
• Коллаб-реплаи: цитируй их идеи с добавленной ценностью (“+таблица/шаги/код”), отмечай аккуратно, лишь когда действительно уместно.
• Не токсичничай с большими: один их блок = сильный минус для твоего realgraph.
6) Форматы и площадки (что именно постить)
Цель: производить контент, который алгоритм “любит” рекомендовать.
• Контент-ядра для закладок: чеклисты, пошаговые гайды, промпт-шаблоны, мини-библиотеки, сравнения “до/после”.
• Треды: 4–8 твитов, каждый — законченное зерно пользы; 1-й — мощный хук, последний — CTA (вопрос/сохранить/поделиться кейсом).
• Медиа: нативное видео/карусель картинок > внешние ссылки. Подписи читабельные на мобиле.
• Комьюнити (Communities): кросспост туда, где твоя ЦА; соблюдай правила — там ранж усилен для релевантного.
Операционный цикл (коротко)
Ежедневно:
• 1 ключевой пост в лучший слот + 1–2 ценных реплая в чужих ветках.
• 15–20 мин отвечать на реплаи к твоему посту (особенно первый час).
• 1 “коллекционный” кусок (шаблон/мини-таблица) раз в день/через день — для закладок.
Как делать деньги на ИИ? Молодые основатели стартапов в Сан-Франциско делятся своей формулой успеха:
Никакого алкоголя.
Никакого сна.
Никаких развлечений.
Ты должен быть полностью упоротым...