LEFT JOIN

Стоит ли верить бенчмаркам?  Каждый релиз новой версии БД (да и любого другого инструмента) всегда сопровождается скринами бенчмарков с доказательствами, насколько она стала лучше. Это вроде бы объективный, измеримый показатель, но даже ему полностью доверять нельзя.  Разработчики максимально оптимизируют выполнение запросов, чтобы получить хорошие результаты — даже если на практике, в реальной работе, эти оптимизации могут быть бесполезны или вообще вредны. Из-за этого некоторые бенчмарки теряют смысл и перестают использоваться, им на смену приходят новые, разработчики адаптируются и под них, и весь этот цикл повторяется. Ситуация становится еще интереснее благодаря ИИ, который может довести оптимизацию до таких высот, до которых человеку добраться сложно, и подстроиться под любые тесты. Что с этим делать?  Вот тут автор попытался представить, как должен выглядеть идеальный бенчмарк: 🔵Ad-hoc-подход — то есть, работа БД должна проверяться на произвольных, не подготовленных заранее запросах. 🔵Должна учитываться не только скорость чтения, но и записи. 🔵Он должен регулярно обновляться. В идеале время от времени должны появляться новые тесты — и проверять с их помощью надо версии БД, выпущенные раньше, чем был разработан тест.  С одной стороны, это действительно не даст разработчикам подстроиться под требования бенчмарка. С другой — как будто нивелирует главную пользу таких измерений, которая состоит в том, что работу нескольку инструментов замеряют с помощью одинаковых тестов в одинаковых условиях. А что вы думаете? Вы обращаете внимание на результаты бенчмарков, когда выбираете БД или другой софт?

Релиз Claude Data: ИИ-инструмент для аналитики доступен для всех платных пользователей  Anthropic опять нагенерировали новостей — например, представили Fable/Mythos 5.2. Но нас интересует другой их релиз, поскромнее. 🔜 В октябре они показали Claude Dashboards. Через месяц он вышел из беты, а заодно получил новое имя: Claude Data, потому что «работа с данными для компаний — это больше, чем создание дашбордов». Дашбордами от Claude можно делиться с коллегами, настраивать оформление, отслеживать историю изменений. Из интересного можно отметить две детали:  🔵Claude Data позволяет задавать сертифицированные определения метрик, чтобы все в компании использовали одинаковые запросы и методы расчета. На дашбордах, построенных с помощью таких запросов, будет стоять специальная плашка «сертифицировано». Это должно помочь избежать ситуации, когда разные люди считают одни и те же метрики по-своему. Учитывая, что ИИ в теории должен позволить каждому легко сделать дашборд своими силами — полезная функция.  🔵На основе данных можно создавать «истории» — видео со сгенерированной озвучкой. Видимо, что-то похожее на другой их инструмент, Claude Motion.  🔜 В той же статье рассказали про Claude Whiteboards и Claude Sheets: первое — это инструмент для совместной работы и брейнштормов, а второе — ИИ-Excel. Оба пока в бете.

Что нового в Apache Airflow 3.4.0? В конце прошлой недели Apache выкатили новую версию Airflow, где представили несколько интересных изменений: 1️⃣Появилась нативная поддержка циклов — Task Loops, которые могут повторяться либо до выполнения определенного условия, либо некое заранее заданное максимальное число итераций. Каждая итерация строится на результатах предыдущей.

Прежде чем двигаться дальше, стоит прояснить один момент: «Как в DAG могут быть циклы, если DAG — это Directed Acyclic Graph (направленный ациклический граф)?» Ответ: очень осторожно. По сути, никаких циклических зависимостей не возникает, задачи внутри DAG по-прежнему образуют граф без циклов. Повторение задач реализуется исключительно во время выполнения.

2️⃣DAG’и теперь можно писать не только на Python, но и на TypeScript, Java, Go и YAML. В оригинальном посте есть пример одного DAG’а на разных языках. Отдельно стоит выделить поддержку YAML. Она позволит писать простые, короткие, декларативные схемы без кода, которые Airflow валидирует и превращает в полноценные DAG'и. 3️⃣LLM и ИИ-агентов можно запускать как обычные задачи Airflow и подключать к БД, объектным хранилищам, различным инструментам. Они могут работать автономно, но перед особо важными шагами отправлять задачу в awaiting_input и ждать одобрения. Человек все еще в контуре. А вы работаете с Airflow? Как вам новая версия?

Наступила пятница, и это значит, что пора подводить итоги нашего розыгрыша билетов на Матемаркетинг'26! Рандомайзер постановил, что: 🔵Офлайн-билет достается @gottameow 🔵Онлайн-доступ — @Lidialit и @Gofromchu Скоро с вами свяжутся организаторы конференции и расскажут про дальнейшие шаги. Благодарим всех, кто принял участие, и поздравляем победителей! До встречи на Матемаркетинге🔥

Напоминаем про две важных вещи: 1️⃣ 26-27 ноября пройдет Матемаркетинг — конференция по маркетинговой и продуктовой аналитике. 2000+ участников, 100+ докладов про данные, метрики, инжиниринг и искусственный интеллект. 2️⃣ Вы можете попасть туда (или посмотреть прямой эфир онлайн) бесплатно, если примете участие в нашем розыгрыше. Условия — в посте. Итоги подводим уже в эту пятницу.

ИИ без страха: пять дней, чтобы сделать первые шаги Glowbyte вместе с DataYoga приглашают на бесплатный онлайн-марафон об адаптации к ИИ в российских компаниях. ИИ берёт на себя рутину, и роли меняются. Аналитикам важнее ставить задачи и проверять результаты, руководителям важнее ориентироваться в сценариях, рисках и сопротивлении сотрудников. На марафоне разберут, как в этом не потеряться. 9–13 ноября, онлайн. Каждый день: одна тема, эфир с экспертами из российских компаний-лидеров, которые уже работают с ИИ, и материалы на страницах марафона: практика, шаблоны и чек-листы. Вы узнаете: 🔵какие задачи стоит отдавать ИИ, а какие требуют других решений; 🔵как отличать убедительный ответ ИИ от проверенного результата; 🔵на каком этапе находится ваша организация; 🔵какие компетенции усиливаются в эпоху ИИ. Ждут всех: и руководителей, и специалистов, и увлечённых. Программа и регистрация: https://clck.ru/3WcU6z

OcupySaaS: протест инженеров против ИТ-индустрии Дискуссия про отнимающий работу ИИ получила неожиданное (или, наоборот, вполне ожидаемое?) развитие: уволенные инженеры скооперировались и начали делать опен-сорсные аналоги популярных платформ. Они собирают данные из публичных документов, на их основе ИИ-агенты пишут код, который затем оценивают и тестируют люди.  Команда проекта подчеркивает, что они не декомпилируют чужой софт, а все делают с нуля по принципу clean room. Даже если к разработке присоединяются бывшие сотрудники компаний, для чьих продуктов OcupySaaS создает аналог, они должны опираться только на данные из открытых источников, а не сливать корпоративные тайны. Продуктов у команды пока только два, оба на ранней стадии разработки:  🔵Zero Authy — open-source-аналог Auth0.  🔵Sales Compel — open-source-аналог Salesforce.  OcupySaaS уже присматриваются к следующим жертвам: на очереди корпоративные вики, трекеры заданий и системы мониторинга.  Для разработки им всегда нужны руки, так что если вам близка миссия проекта, вы тоже можете к нему присоединиться и делать бесплатный народный SaaS.  Как вам эта идея? 👀

Разыгрываем 3 билета на Матемаркетинг’26! 🔵 Как ИИ меняет работу аналитиков, маркетологов и продактов? 🔵 Как посчитать, сколько людей на самом деле используют ИИ в работе в вашей компании? 🔵 Как контролировать и проверять работу ИИ и можно ли ему вообще доверять? Эти и другие вопросы обсудят на Матемаркетинге’26. Это одна из крупнейших технических конференций для аналитиков, продактов и маркетологов в РФ. В этом году посетителей ждут 100+ докладов, мастер-классов и разборов кейсов от спикеров из VK, Avito Tech, Сбера, Magnit Tech, ИТ-холдинга Т1, UIS, Лемана Тех, UX Rocket и других компаний. Конференция пройдет 26 и 27 ноября в Москве, онлайн-день — 17 ноября. Подробности смотрите на сайте. 🔜 Билеты уже в продаже, но у вас есть шанс попасть на Матемаркетинг’26 бесплатно! Мы разыгрываем 3 билета — 2 онлайн и 1 офлайн для тех, кто в эти даты будет в Москве. Чтобы принять участие, надо подписаться на канал и написать комментарий под этим постом: «Хочу онлайн-доступ» или «Хочу офлайн-билет» и рассказать, какие темы докладов вам наиболее интересны. 6 ноября мы выберем победителей с помощью рандомайзера.

Датавиз и классовое неравенство  Разница между состоянием какого-нибудь Джеффа Безоса и обычного человека со средней зарплатой настолько огромна, что словами ее передать не получается. Зато можно попробовать это сделать с помощью датаиза.  Депрессивные визуализации все растущего разрыва между богатыми и бедными — это неустаревающая классика. Инфографик на эту тему уже немало и рисовать не перестанут, наверное, никогда, но смотреть на них всегда интересно. 🔜 Сайт dreamagainusa — очередной пример, который показывает, как недостижимо далек даже относительно успешный и состоятельный американец от настоящего богатства. Чтобы увидеть вершину графика, где расположился 1% самых богатых людей страны, придется долго и упорно скроллить наверх — за это время как раз можно прочувствовать всю несправедливость этого разрыва.

Как SQLite учили работать в распределенных системах SQLite — пример для нас всех. Это маленькая и легкая СУБД, которая создавалась изначально для небольших проектов и мобильных приложений, но потенциал у нее огромный и использовать ее можно где угодно, было бы желание.  Например, в распределенных системах. Автор rqlite вспомнил, как создал свой проект и что было после него.  🔵В 2014 году ему понадобилось создать небольшое реляционное хранилище для кластерной системы. Он решил взять SQLite и прикрутить к ней протокол консенсуса Raft. В это системе В кластере был лидер, через которого новые записи принимались и реплицировались на остальные узлы. Запись должно было принять большинство, если какой-то узел не мог этого сделать, он изолировался. Так появился rqlite — один из первых проектов такого плана, но не последний.  🔵В 2017 компания Canonical разработала dqlite. Задача была похожей, а главное отличие было в способе использования. Если rqlite — это самостоятельный сервер БД, который запускается вместе с приложением, то dqlite — это встраиваемая библиотека. 🔵В 2021 году Litestream выбрали другой подход: не пытаться превратить SQLite в полноценную распределенную базу, а найти способ восстановить данные, если сервер выйдет из строя. Их решение — сохранять WAL SQLite в Amazon S3.  🔵В 2022 появилась cr-sqlite, где записи независимо вносятся на несколько узлов, а потом синхронизируются. В libSQL разработчики вообще переписали движок СУБД и за счет этого сильно расширили функционал. Из этого проекта потом выросла Turso, которую купили Supabase.  🔵Логичным следующим этапом стали облачные сервисы — например, Cloudflare D1. В итоге можно сделать два ключевых вывода: 🔵Нет единого правильного способа создать распределенную систему. Подход зависит от задач и главной проблемы, которую вы хотите решить: например, обеспечить надежность, как в rqlite, или быстрое восстановление, как сделали Litestream.   🔵За 12 лет проекты с распределенной SQLite прошли путь от open source-решений до платных облачных сервисов от больших корпораций. Видимо, это неизбежно происходит со всеми идеями в IT.

20 лет отношений через призму данных Если бы вам нужно было на графиках отобразить свою жизнь, как бы выглядел ваш дашборд?  В этом посте от 2014 года автор показывает жизнь как таблицу, где каждая клеточка — это год, месяц или неделя. Пост старй, вы наверняка видели раньше эти таблички хотя бы раз. Один разработчик и инженер тоже их видел, и они ему не понравились. Он решил сделать свою версию, отражающую не число прожитых дней, а то, чем они были наполнены: эмоциями и общением с людьми. 🔵Он собрал историю чатов и активности из разных соцсетей и мессенджеров за 20 лет, очистил от совсем уж бессмысленных сообщений и классифицировал: с кем разговаривал, о чем, какая была эмоциональная окраска у диалога. С классификацией помогали LLM, но даже с их участием работы было много. 🔵Данные вывел на графики, по которым стало видно, как эволюционировали отношения с разными людьми: снижалась или росла частота сообщений, менялось фоновое настроение и даже словарный запас. У близких людей он часто похожий за счет общих интересов, шуток и выражений, которые в ходу в их круге общения. Но если они отдаляются со временем, то и словарный запас меняется и в нем становится меньше пересечений.  🔵Частота, длина и содержание сообщений тоже отражают изменения в отношениях Например, с одним другом формат общения перешел от постоянных коротких переписок в течение дня к редким, но более содержательным диалогам несколько раз в месяц. Зачем это все было надо?  Во-первых, это было интересный челлендж — структурировать 1.2 млн сообщений из нескольких разных источников.  Во-вторых, это была возможность не только посмотреть на свои отношения с людьми за 20 лет, но и на себя в них — например, автор заметил, что он любит давать советы. Ну а в-третьих, это показало, из чего на самом деле складывается жизнь, кроме стандартной череды событий «родился, учился, женился».  Стали бы так заморачиватся? Какие метрики и данные вы выбрали бы для себя — тоже отношения или что-нибудь другое?

Clickhouse на больших объемах данных: опыт основателя Tinybird Tinybird — аналитическая платформа для разработчиков. Один из ее создателей поделился опытом, как он развернул и 5 лет поддерживал кластер Clickhouse, где хранились и обрабатывались петабайты данных, и не сошел с ума.  В двух постах (первый, второй) он рассказал про архитектуру, хранение и загрузку данных, обновление и тестирование.  Несколько любопытных мыслей: 🔵Традиционный подход к работе с большими данными предполагает деление кластера на шарды, но автор считает, что с этим лучше не спешить и не усложнять архитектуру. Tinybirds долго обходились без шардирования: увеличивали мощность отдельных серверов и добавляли реплики, когда росла нагрузка.  🔵ClickHouse поддерживает zero-copy replication: реплики могут обращаться к данным, которые хранятся в других репликах, не копируя их. Хотя это экономит место в хранилище, в опен-сорсном ClickHouse этот подход реализован не слишком удачно и часто приводит к ошибкам или потере данных. Tinybirds используют модифицированный вариант zero-copy replication, который разработали сами. Всем остальным автор рекомендует следить за сохранностью данных либо выбрать другой подход к хранению. 🔵Чтобы научиться обновлять кластер без критических ошибок, потери данных и падения производительности, команде проекта понадобилось 4 года. Это сложный процесс, который за один раз не построишь. 🔵Чтобы эффективно использовать ClickHouse (и заодно избежать неприятных сюрпризов во время обновления), надо читать исходный код. Согласны с его выводами? 👀

PostgreSQL 19 откладывается на ноябрь  Новая версия должна была выйти в конце сентября/начале октября, но дату релиза сдвинули на 19 ноября. Также решили откатить почти 10 ранее анонсированных функций. Их перенесут, скорее всего, в PostgreSQL 20. Почему так получилось, рассказал у себя в блоге один из главных контрибьюторов проекта Питер Айзентраут. Частично, конечно, в сложившейся ситуации можно обвинить человеческий фактор и банальные ошибки в коде, но повлияли и другие причины:  🔵ИИ нашел множество багов — намного больше, чем тестировщики выловили бы своими силами. Среди них были и серьезные архитектурные дефекты, и пограничные случаи, которые постепенно всплывали бы на протяжении лет после релиза. Даже при том, что часть их починить относительно легко, в целом объем работы получился слишком большой. 🔵Vulnpocalypse («апокалипсис уязвимостей», найденных в софте благодаря ИИ) отвлек часть разработчиков от работы над Postgres. Из-за этого многие баги были обнаружены так поздно. Если бы у команды было больше времени и ресурсов, они могли исправить часть недочетов и, возможно, им не пришлось бы откатывать так много функций сразу.  В общем, это был амбициозный релиз, который подвел неудачный тайминг. Но несмотря на эти сложности PostgreSQL 19 обещает быть интересным и привнесет несколько интересных новшеств — пусть и меньше, чем планировалось изначально (pg_plan_advice, кстати не порезали!).

До Claude и ChatGPT Пару лет назад ИИ не мог посчитать, сколько букв a в strawberry, а теперь решает математические задачи тысячелетия — а что будет дальше, и представить сложно. Хотя некоторые представили и предсказали, что он нас всех уничтожит к 2030 году.   И чем быстрее развиваются современные технологии, Тем интереснее сравнить их с ранними попытками создать искусственный интеллект. Internet Archive сделали целую подборку старых программ с прото-ИИ: чат-ботов, демо-моделей, игр. Есть даже прародительница Sims и «Хоббит», где персонажи действуют самостоятельно и настолько непредсказуемо, что могут даже запороть игроку прохождение.  Конечно, этот ИИ ужасно далек от того, что есть сейчас, и даже от первых глуповатых версий современных LLM, но амбициозность некоторых проектов все равно впечатляет.  А как вы представляли себе ИИ до Claude, ChatGPT, Gemini и всех остальных?

Claude помог обнаружить новую планету Наверное. Пользователь reddit проанализировал данные, собранные телескопом TESS, и обнаружил, что звезда на расстоянии 116 лет от нас каждые 3,18 дня становится на 0,05% тусклее. Вместе с Opus 5.5 и Fable 5.1 он прошерстил информацию за все годы наблюдений, начиная с 2018, и увидел, что этот цикл повторяется на протяжении всех этих лет.    Возможной причиной этих периодических затемнений может быть планета примерно в полтора раза больше Земли. А может и не быть — эта гипотеза пока не подтверждена, но, возможно, скоро мы узнаем об этом небесном теле чуть-чуть больше.  В ноябре NASA опять вернется к наблюдению за этим участком неба, и автор поста написал им о своей находке и попросил сделать несколько снимков этой звезды с промежутком в 2 минуты. И в NASA согласились! Автор (и Claude) уже сделал расчеты, когда должно быть видно мерцание звезды, и если на снимках его будет видно, это станет очередным подтверждением его теории.  Он даже сделал 3D-модель системы. На ней видно звезду и две предполагаемые планеты: А, про которую идет речь в посте, и B, про которую данных у него пока совсем мало.  Вот такой небанальный способ использовать ИИ, где никто никого не взломал.

4 уровня ИИ-осведомленности Еще в апреле Андрей Карпаты (автор термина «вайбкодинг», если забыли) писал о том, как растет разница в понимании возможностей ИИ. Те, кто пользуется бесплатными версиями для простых задач, и те, кто пользуется платными моделями для работы и научной деятельности, говорят про ИИ на разных языках.  Сейчас разрыв только вырос, и это больше не две разных группы, а резко сужающаяся воронка. По его прикидкам, она выглядит так:  🔵~75% или 6 млрд людей с ИИ почти не сталкивались. 🔵~20% или 1-2 млрд — «казуалы», которые используют бесплатные продукты, с ИИ в общем знакомы, но глубоко в тему не погружены. Эти люди просят ChatPGT написать письмо, и больше им ничего особо не надо.  🔵~0,2% или или 20 млн — профессионалы, которые активно используют ИИ для работы и видят, как он быстро он меняется и каковы его возможности. Они с помощью ИИ решают за несколько дней задачи, которые раньше отняли бы у них недели или месяцы.  🔵~0,00006% или 5000 — это люди на самом острие ИИ-науки, у которых есть доступ к самым передовым системам. Они имеют дело с «роями» из множества агентов, решающих сложнейшие задачи, на которые у специалистов ушли бы годы.   Движение по воронке обуславливается сложностью задач, уровнем доступа и тем, что во всех сферах ИИ одинаково полезен. Он наиболее востребован в программировании и математике, именно потому что именно там он показывает лучшие (и наиболее измеримые) результаты. Получается, что сегодня ИИ — это одновременно и глуповатый чатбот, и стремительно развивающаяся, меняющая мир технология.  А на каком уровне вы?

Anthropic представила Claude Dashboards и Claude Motion  И вот опять ИИ отбирает работу у аналитиков: Claude теперь умеет создавать и даже анимировать дашборды на основе пользовательских данных..  Claude Dashboards Claude можно подключить к БД и задать любой вопрос, а он достанет ответы из данных, нарисует дашборд и даже будет сам поддерживать актуальность. На каждую цифру на графиках можно кликнуть, чтобы посмотреть, каким запросом Claude ее получил, или задать уточняющие вопросы.  Дашборды Claude можно импортировать в Amplitude, Grafana, Hex, Mixpanel, Omni, Perplexity, PostHog и Sigma. Looker, monday.com и Tableau добавят позже.  Claude Motion Дашборд можно анимировать: сделать видео, где Claude подсветит главное, укажет на тренды и в целом сделает сухие цифры живее и понятнее. Он не генерирует визуал, а только пишет код, анимирующий графики и текст. Если пользователь хочет что-то изменить, он может либо переписать запрос к ИИ, либо самому руками поправить код.  Обе функции пока в бете. Зато из нее вышли Docs, Slides и Design — тоже инструменты Claude для работы над документами,  презентациями и макетами. Сейчас они поддерживают совместную работу с несколькими пользователями, позволяют редактировать файлы с телефона и делиться ими с людьми не из вашей организации.  Что думаете про Dashboards и Motion? Будете пользоваться?

Состоялся релиз Polars 2.0 Polars — Python-библиотека для работы с данными и популярная альтернатива pandas. В версии 2.0 улучшили производительность, расширили поддержку SQL и добавили новый тип данных. Если подробнее:  🔵Вызовы collect() к LazyFrame по умолчанию обрабатываются потоковым движком, чтобы снизить потребление памяти и ускорить работу. Это самое большое изменение и главная причина, почему эту версию назвали 2.0: из-за нее часть старых запросов может поломаться.  🔵Обработка данных с выгрузкой на диск (out-of-core processing) будет включаться по умолчанию при использовании более чем 80% оперативной памяти. Сейчас эта возможность доступна для сортировок, оконных функций и некоторых других операций. Для join и group_by обещают добавить позже.  🔵Polars 2.0 теперь еще лучше работает с SQL и, судя по результатам (почти всех) бенчмарков, обрабатывает запросы быстрее DuckDB и DataFusion.  🔵Добавился новый тип данных Map — словарь Python, связывающий ключи со значениями. Позволяет получать значение по ключу, проверять наличие ключа, получать список ключей или значений и так далее. В Polars 1.0 для этого приходилось использовать более сложную и неудобную конструкцию. 🔵Polars стал строже к ошибкам — он быстрее их вылавливает и сообщает об этом пользователю. По словам разработчиков, это изменению особенно актуально в эпоху ИИ-кодинга. В общем, новых функций не завезли и главная задача релиза — отказаться от некоторых устаревших решений и сделать Polars быстрее и удобнее без радикальных изменений. Команда проекта надеется, что выпуск версии 2.0 будет для пользователей скучным и пройдет без потрясений, но гайд по переходу на всякий случай подготовила.

Physical AI: следующий этап развития ИИ Рано или поздно ИИ выйдет за пределы интернета в реальный мир и роботы под его контролем станут чем-то таким же привычным, как сейчас — ИИ-агенты. Но чтобы это произошло, недостаточно просто прикрутить ChatGPT или Claude к роботу и надеяться, что они как-нибудь сами разберутся. Для этого должна сформироваться целая самостоятельная отрасль. К такому выводу пришли участники конференции Яндекса об образовании YaC / E 2026, которая прошла на прошлой неделе. В чем суть? 🔵Physical AI или воплощенный ИИ — это направление на стыке ИИ и робототехники. Оно должно научить искусственный интеллект взаимодействовать с реальным миром, а классических роботов (вроде тех, которые сейчас используются в промышленности) — гибко принимать решения и адаптироваться под обстоятельства, а не просто действовать по заданному сценарию. 🔵Главные задачи стоящие перед новой отраслью — научиться создавать масштабируемые и энергоэффективные системы. Для полноценной работы ИИ-роботу нужно собрать и обработать огромный массив данных, причем быстро и в идеале автономно, без постоянного подключения к серверу. 🔵Изменятся требования к специалистам. Уже недостаточно знаний только в машинном обучении и инжиниринге: нужно будет понимание того, как робот устроен внутри, умение разобраться, как соединяются детали и работают сенсоры. Со временем появятся новые профессии — специалисты, которые будут прописывать сценарии поведения для роботов в разных условиях, обучать их, управлять, следить за безопасностью и так далее. 🔵Для подготовки таких специалистов понадобится совместная работа науки и бизнеса. Только так получится давать знания, которые будут актуальны и при этом востребованы на рынке. Эта практика, когда бизнес принимает участие в научной деятельности, уже давно набирает обороты в РФ, и тот же Яндекс активно её применяет в своих образовательных проектах вроде ШАД. 🔵Сейчас Physical AI находится в переходном периоде: вокруг этой темы много хайпа, но со временем он неизбежно утихнет, а завышенные ожидания скорректируются. А что вы думаете про будущее Physical AI? Когда ИИ-роботы станут реальностью?

Что было на OpenAI Dev Day? Вообще-то много чего — больше 20 релизов и анонсов. Пройдемся по самым интересным, а про все остальные можно прочитать в итогах, которые уже заботливо перевели на русский. 🔵 dots — автономные агенты на GPT-6 Astra. Они постоянно работают и обучаются, подстраиваясь под пользователя, и чем больше вы с ними взаимодействуют, тем лучше они вас понимают. Их представили как универсальных ассистентов, которые всегда рядом: и за новую задачу всегда возьмутся, и на вопросы ответят, и напомнят о встрече в календаре. 🔵GPT-6.1 Sol — модель почти на уровне Astra, но намного дешевле. В формате короткого поста больше про нее сказать особо нечего: весь анонс посвящен тому, как хорошо она справляется с всевозможными бенчмарками. 🔵Ultrafast — режим с ускоренной в 8 раз генерацией токенов только для самых богатых: он доступен на новом тарифе Pro Max за 500 долларов в месяц.  🔵Расширенные возможности для создания плагинов — теперь разработчики смогут создавать целые мини-приложения, которые можно будет интегрировать в ChatGPT. Обещают также более удобный каталог для поиска новых плагинов. 🔵GPT Space — пространство для совместной работы с другими людьми и ИИ. Оно должно сделать работу с искусственным интеллектом более быстрым и удобным: он становится полноценным членом команды, который видит весь контекст обсуждения и может в реальном времени, на глазах у пользователей выполнять задачи, создавать и редактировать документы. Своих dots туда тоже можно подключить, кстати. А вы следили за конференцией? Что вам больше всего запомнилось?