Kantor.AI
前往频道在 Telegram
Там, где люди учились AI, я преподавал. С 18 лет читаю лекции по AI: МФТИ, ВШЭ, МГУ, Coursera, Сколково. Строю AI/ML-команды в компаниях. Пишу про ИИ без хайпа, образование, карьеру и преподавание изнутри. Менеджер: @mariekap РКН: 5140322136
显示更多📈 Telegram 频道 Kantor.AI 的分析概览
频道 Kantor.AI (@kantor_ai) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 12 217 名订阅者，在 技术与应用 类别中位列第 9 904，并在 俄罗斯 地区排名第 52 430 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 12 217 名订阅者。
根据 27 九月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 -40，过去 24 小时变化为 -3，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 28.17%。内容发布后 24 小时内通常能获得 13.47% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 3 442 次浏览，首日通常累积 1 646 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 24。
- 主题关注点： 内容集中在 ssm, контекст, гибрид, llm, слайд 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“Там, где люди учились AI, я преподавал.
С 18 лет читаю лекции по AI: МФТИ, ВШЭ, МГУ, Coursera, Сколково. Строю AI/ML-команды в компаниях. Пишу про ИИ без хайпа, образование, карьеру и преподавание изнутри.
Менеджер: @mariekap
РКН: 5140322136”
凭借高频更新（最新数据采集于 28 九月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 技术与应用 类别中的关键影响点。
12 217
订阅者
-324 小时
+107 天
-4030 天
数据加载中...
相似频道
![Big Data Science [RU]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.tlmtr.io%2Fc%2F1jKg5a%2F5244862153633149770%3Fty%3Dx&w=96&q=75){kind=small}
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
九月 '269月 '26
九月 '26
+139
在4个频道中
八月 '26
+110
在2个频道中
Get PRO
七月 '26
+119
在3个频道中
Get PRO
六月 '26
+163
在2个频道中
Get PRO
五月 '26
+413
在5个频道中
Get PRO
四月 '26
+159
在0个频道中
Get PRO
三月 '26
+215
在2个频道中
Get PRO
二月 '26
+116
在1个频道中
Get PRO
一月 '26
+87
在3个频道中
Get PRO
十二月 '25
+197
在8个频道中
Get PRO
十一月 '25
+248
在10个频道中
Get PRO
十月 '25
+319
在8个频道中
Get PRO
九月 '25
+672
在5个频道中
Get PRO
八月 '25
+283
在4个频道中
Get PRO
七月 '25
+217
在7个频道中
Get PRO
六月 '25
+241
在4个频道中
Get PRO
五月 '25
+188
在6个频道中
Get PRO
四月 '25
+140
在5个频道中
Get PRO
三月 '25
+221
在2个频道中
Get PRO
二月 '25
+188
在4个频道中
Get PRO
一月 '25
+155
在6个频道中
Get PRO
十二月 '24
+333
在9个频道中
Get PRO
十一月 '24
+69
在1个频道中
Get PRO
十月 '24
+1 023
在7个频道中
Get PRO
九月 '24
+105
在2个频道中
Get PRO
八月 '24
+204
在7个频道中
Get PRO
七月 '24
+2 223
在30个频道中
Get PRO
六月 '24
+677
在8个频道中
Get PRO
五月 '24
+1 569
在20个频道中
Get PRO
四月 '24
+945
在15个频道中
Get PRO
三月 '24
+215
在2个频道中
Get PRO
二月 '24
+220
在14个频道中
Get PRO
一月 '24
+253
在3个频道中
Get PRO
十二月 '23
+572
在4个频道中
Get PRO
十一月 '230
在4个频道中
Get PRO
十月 '230
在5个频道中
Get PRO
九月 '23
+27
在0个频道中
Get PRO
八月 '23
+17
在0个频道中
Get PRO
七月 '23
+39
在0个频道中
Get PRO
六月 '23
+33
在0个频道中
Get PRO
五月 '23
+27
在0个频道中
Get PRO
四月 '23
+39
在0个频道中
Get PRO
三月 '23
+44
在0个频道中
Get PRO
二月 '23
+35
在0个频道中
Get PRO
一月 '23
+31
在0个频道中
Get PRO
十二月 '22
+38
在0个频道中
Get PRO
十一月 '22
+45
在0个频道中
Get PRO
十月 '22
+34
在0个频道中
Get PRO
九月 '22
+117
在0个频道中
Get PRO
八月 '22
+353
在0个频道中
Get PRO
七月 '22
+41
在0个频道中
Get PRO
六月 '22
+108
在0个频道中
Get PRO
五月 '22
+44
在0个频道中
Get PRO
四月 '22
+52
在0个频道中
Get PRO
三月 '22
+113
在0个频道中
Get PRO
二月 '22
+79
在0个频道中
Get PRO
一月 '22
+37
在0个频道中
Get PRO
十二月 '21
+65
在0个频道中
Get PRO
十一月 '21
+104
在0个频道中
Get PRO
十月 '21
+43
在0个频道中
Get PRO
九月 '21
+41
在0个频道中
Get PRO
八月 '21
+68
在0个频道中
Get PRO
七月 '21
+63
在0个频道中
Get PRO
六月 '21
+137
在0个频道中
Get PRO
五月 '21
+96
在0个频道中
Get PRO
四月 '21
+162
在0个频道中
Get PRO
三月 '21
+49
在0个频道中
Get PRO
二月 '21
+42
在0个频道中
Get PRO
一月 '21
+66
在0个频道中
Get PRO
十二月 '20
+4 188
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 28 九月 | +3 | |||
| 27 九月 | +4 | |||
| 26 九月 | +7 | |||
| 25 九月 | +14 | |||
| 24 九月 | +8 | |||
| 23 九月 | +7 | |||
| 22 九月 | 0 | |||
| 21 九月 | +3 | |||
| 20 九月 | +4 | |||
| 19 九月 | +5 | |||
| 18 九月 | +5 | |||
| 17 九月 | +12 | |||
| 16 九月 | +2 | |||
| 15 九月 | +1 | |||
| 14 九月 | +1 | |||
| 13 九月 | 0 | |||
| 12 九月 | +1 | |||
| 11 九月 | +1 | |||
| 10 九月 | +13 | |||
| 09 九月 | +7 | |||
| 08 九月 | +9 | |||
| 07 九月 | +6 | |||
| 06 九月 | +3 | |||
| 05 九月 | +7 | |||
| 04 九月 | +3 | |||
| 03 九月 | +1 | |||
| 02 九月 | +9 | |||
| 01 九月 | +3 |
频道帖子
Конференция Яндекса про образование YaC/e стартует уже через 2 дня
30 сентября 2026 года в 10:30 (МСК) Яндекс проведёт YaC/e 2026, онлайн-конференцию об образовании. В этом году она посвящена ИИ и образованию. В программе будут практические кейсы использования нейросетей в преподавании, работа с талантливыми ребятами и обсуждение того, как меняется наша преподавательская работа.
Как преподаватель и большой любитель позаниматься самообразованием ответственно заявляю: образование - это та сфера, которая очень сильно развивается благодаря ИИ. Возможность получить ответ на свой вопрос с точными указаниями на источники за секунды 24/7, возможность создавать за часы и даже минуты отличные иллюстрации и примеры к излагаемому материалу, возможность подстраивать изложение индивидуально под студента - это только первые очевидные применения. Как мы используем все эти возможности дальше и какие новые еще создадим, очень интересно и полезно задумываться уже сейчас.
Если вы преподаёте в школе, вузе или индивидуально, приходите. Если вам просто интересно - тоже приходите. Участие, в лучших традициях Яндекса, бесплатное, а ещё всё будет онлайн. После просмотра конференции можно получить сертификат об участии в YaC/e 2026.
👉 Успевайте зарегистрироваться
| 2 |  Шпаргалка, которую сделал себе чтобы не потерять ни один из блоков десятиминутного монолога на сцене 😁 | 1 914 |
| 3 | Вчера впервые выступил со стендапом на Data Driven :) Мне понравилось, крутой новый опыт. | 1 971 |
| 4 | Почему стоит пересчитать AI-проекты, от которых отказались ранее из-за стоимости моделей
В интервью «Ведомостям» руководитель Yandex Cloud Григорий Атрепьев дал любопытный факт: средняя выручка AI Studio на сопоставимый объём токенов за год снизилась примерно в шесть раз (по платформе в целом, не по отдельной модели).
Отсюда следует логичный вопрос: при таком падении средней стоимости токена, как много задач, которые не стали автоматизировать, потому что экономика не сходится, можно будет автоматизировать уже сейчас или через несколько месяцев? Подозреваю, что очень много.
Кто-то может сказать, что ну конечно средняя стоимость снизилась, если среди предоставляемых моделей остаются не только топовые, но и модели попроще, но в этом-то и смысл: динамика стоимости токена дана не по абстрактным моделям, а по тем, которыми реально пользуются пользователи, т.е. решающим их задачи.
Кроме того, оценка экономики для автоматизации с ИИ может поменяться с распространением универсальных агентов. В частности, Яндекс готовит Алису AI Про для бизнеса и запускает AI-SPM для защиты ИИ-инфраструктуры.
Ну и раз уж говорим про деньги, еще один рычаг, на который можно влиять это сам выбор модели, на которой автоматизацию или оптимизацию бизнес-процесса можно делать. В зависимости от задачи бизнесу может хватать разных решений, например в том же интервью отмечают рост спроса на китайские LLM, но при этом Яндекс продолжает обучать и свои модели: в опенсорсе появились Alice AI Search Pretrain и Alice AI LLM Foundation.
В сухом остатке, там, где раньше инференс съедал эффект, есть сразу несколько причин перепроверить оценки затрат, что в целом очень позитивные новости для тех, кто внедряет ИИ в бизнес :) | 2 319 |
| 5 | Итак ответ на вопрос. Вопрос был, как вы видели, «что было дальше», а не как исправить ситуацию. Ну т.е. ничто не мешало ее усугубить.
Заказчик предложил померять результаты по last click attribution. На чью рекомендацию товара кликнули последней, тот его и продал.
Я по наивности пытался отговорить, рассказывая как метрика хакается (оставалась еще неделя теста). СТО мне сказал что это все фигня и не сработает, метрика отличная. В A/B тесте мы после этого, разумеется, победили)) | 2 222 |
| 6 | Самый смешно запоротый A/B в моей практике
Как-то раз в A/B тесте нашей модельки с альтернативным решением, заказчику (онлайн-магазину) понадобилось рассказать, зачем нужно брать хэши от айдишников пользователей перед делением на группы, потому что заказчик хотел просто брать четные айдишники в одну группу, а нечетные в другую.
Рассказали, что не все вещи, кажущиеся равномерным распределением, правда им являются. Рассказали про то как многие смело разбивают клиентов на группы по последней цифре телефона и потом внезапно узнают, что группы перекошенные. И даже рассказали, что не все хэши одинаково хорошо перемешивают группы и какие предлагаем использовать.
Дальше первую неделю A/B видим как стабильно ведем в тесте, радуемся, готовимся праздновать, но на очередном созвоне с заказчиком мимолетом ловим очень тревожную фразу. СТО заказчика решил поделиться своим ноу-хау:«хэш же нам нужен, чтобы результат был максимально непредсказуемым, так что я сделал не hash(id), а hash(id+email), чтобы еще лучше перемешивало группы» 🗿
Осторожно интересуюсь: а когда человек не залогинен, как это работает? СТО: тогда e-mail - пустая строка. Я: а сразу после логина? СТО: сразу после видим e-mail и уже не пустая. В общем, при логине с вероятностью 50% группа менялась, а логин был обязателен для оформления покупки…
Кстати, времени у заказчика на еще один правильный А/В не было, так что как вы думаете, что было дальше, и чем закончился проект? :) | 2 489 |
| 7 |  Анонс агентного конвейера GitVerse от Сбера
Сегодня на Гигаконф2026 представили агентный конвейер GitVerse.
Если вдруг вы не знаете: GitVerse — это ИИ-платформа, которая входит в экосистему продуктов Сбера для разработчиков вместе с ИИ-ассистентом GigaCode, средой разработки GigaIDE и ИИ-системой GigaStudio для создания сайтов и веб-приложений.
Так вот, агентный конвейер, встроенный в GitVerse по задумке авторов должен передать часть работы по созданию ПО автономным агентам, чтобы команда могла быстрее выпускать и дорабатывать продукты и фичи без доп нагрузки на инженеров. Заодно с помощью этого продукта, по словам разработчика, можно уменьшить в целом затраты на разработку.
У конвейера есть любопытная особенность: задачи можно автономно переносить на нерабочее время и таким образом разгружать ИИ-инфраструктуру в пиковые часы. Идея отделить время работы агента от времени, когда за компьютером сидит человек, хороша не только для балансировки нагрузки на инфру, но и из гуманистических соображений (жена любого айтишника, который теперь по вечерам и ночам "ждет пока сетка отработает", подтвердит вам, что задолбало уже)))).
Важная оговорка: агентный конвейер доступен только корпоративным клиентам. Но при этом базово GitVerse базово бесплатный — зарегистрироваться и познакомиться с основными возможностями платформы можно уже сейчас здесь.
Реклама. ПАО "СБЕРБАНК", ИНН 7707083893, 18+ erid: 2Vfnxw5uc4C | 2 626 |
| 8 |  В прошедшую субботу на Practical ML Conf состоялось вручение премии Yandex ML Prize. Искренне поздравляю Костю с победой! (рад вдвойне потому что и Костя крутой, и я его номинировал, поэтому знал об участии и сразу за него болел)
Напоминаю, что у Кости есть замечательная книжка по мотивам его курса RL :) | 2 418 |
| 9 | Казалось бы, зачем рекомендательной системе что-то генерировать?
Нам же надо выбрать человеку существующий трек, а не сочинить новый. Но генерировать можно идентификатор этого трека. У Алексея Гусакова на deep tech night как раз был доклад про то, как Яндекс дошел до генеративных рекомендаций без ручного фичеинжиниринга.
Начиналось все довольно привычно: BERT превращает историю прослушиваний в вектор пользователя, дальше ищем близкие векторы треков. В версии 2023 года модель учитывала историю из 128 треков. Потом появился Argus: идея была в том, чтобы предсказывать следующий трек примерно так же, как LLM предсказывает следующий токен. Обучение стало вычислительно эффективнее, историю удалось увеличить до 8000 треков.
Но оставалась неприятная особенность: всю историю пользователя сжимали в один вектор, а подходящие треки искались через простую функцию близости, плюс еще был каскад отбора кандидатов. В итоге это приводило к тому, что если хороший трек потерялся на раннем этапе, можно сколько угодно улучшать финальный ранжировщик, но этот трек пользователь уже не увидит.
В новой модели SONA трек представляют последовательностью из трех кодов, Semantic ID. Их получают из текста и аудио, причем коды сохраняют музыкальную семантику: у похожих треков могут совпадать первые компоненты. Дальше модель учится генерировать эту последовательность и одновременно ранжировать кандидатов по ожидаемому отклику пользователя. То есть next token prediction, только на выходе рекомендация, а не ответ в чатике.
По данным команды, в A/B-тесте SONA дала около +4,5% к числу активных пользователей. Причем поверх предыдущих улучшений, а не относительно какого-нибудь древнего бейзлайна.
Мне как человеку, успевшему позаниматься рекомендашками, и потому к ним неравнодушному, доклад понравился тем, что показывает как успешно прикручивать NLPшные методы к привычным задачам вроде построения рекомендательных систем. И, кстати, перетаскивание методов из NLP в RecSys и обратно всегда было рабочей идеей - есть много похожего в данных. | 2 606 |
| 10 | ИИ агенты для продактов
У нас в MLinside проба пера. Мы запускаем первый курс не для технических специалистов, а для менеджеров: ИИ агенты для продактов.
Курс читается живьем, по плану 7 занятий.
Собирает курс и валидирует все материалы неподражаемый Дата каналья Никита Зелинский, преподавательский состав целиком из продактов и экспертов в ИИ с опытом сильно больше, чем с 22 года (когда внезапно экспертами в ИИ стали все 😁😁😁 ) . Эти люди сами в своей работе постоянно используют агентов, так что теоретиков в команде нет.
Для кого курс: в первую очередь для продактов, которые хотят автоматизировать значительную часть своей рутины ИИ агентами, а также для технарей, которым предстоит взять на себя продуктовые задачки (переходят в продакты или запускают свой проект)
По стоимости: целиком за все 72 000 руб., в рассрочку на 18 месяцев без процентов и переплат - 4 000 руб. / мес. При выставлении цены ориентировались на курс по ИИ агентам для технарей, который Никита запускал в proglib (там стоимость часа была примерно аналогичная), и тот факт, что тема агентов настолько хайповая, что для сбора камерной группы нужно слегка срезать спрос до тех, кто уже работает в IT, чтобы был меньше разброс уровня в группе. Так что если цена немного кусается - извините, так и задумано.
С программой можно ознакомиться на лендинге: https://ai4products.mlinside.ru/ | 2 789 |
| 11 |  Александр Поваров — золотой медалист международной олимпиады школьников по искусственному интеллекту, выпускник Летово и студент первого курса. В ML пришёл ещё в школе, а в 2026 году выиграл золото Межнара — международной олимпиады по ИИ.
На YouTube у нас вышел подкаст с Александром, где мы говорим об олимпиадах, поступлении и начале карьеры в ML.
Как устроен Межнар и сколько нужно готовиться, чтобы до него дойти? Почему Александр выбрал олимпиаду по искусственному интеллекту, хотя раньше занимался информатикой? И почему даже 310 баллов на ЕГЭ не всегда гарантируют поступление?
Ответы в выпуске: https://youtu.be/StQ_voqWqLM | 2 687 |
| 12 | В продолжение темы олимпиад: если думаете, что посмотреть в выходной, у нас как раз вышел на YouTube канале новый подкаст. В этот раз с золотым медалистом международной олимпиады по искусственному интеллекту для школьников IOAI 2026 - Сашей Поваровым. | 2 512 |
| 13 |  Венгерское чудо начала XX века, часть 2
Согласно легенде, как-то раз, работая в Лос-Аламосе (спасибо Нолану, что теперь не нужно объяснять, где это и при каких обстоятельствах), Энрико Ферми спросил: "Если инопланетяне есть, где они все?", на что другой физик Лео Силард ответил: «Они давно здесь, просто называют себя венграми». Кто-то со временем дополнил версию тем, что марсиане не научились говорить по-английски без акцента, поэтому и выдают себя за венгров :)
Так за плеядой известных ученых венгерского происхождения закрепилось прозвище "марсиане". В действительности же искать причины все стали в школе. Но не в том, что у них была какая-то одна школа или один общий учитель (вовсе нет), а в том, что поменялось в школьном образовании в годы учебы "марсиан". К сожалению или к счастью, подлинную причинно-следственную связь мы не установим, но более-менее общепринятый консенсус в том, что на венгерское научное чудо больше всего повлияла олимпиадная математика и физика.
Если кратко, в 1894 году во-первых начал издаваться журнал KöMaL с задачками по математике (ну что-то типа нашего "Кванта", только заметно пораньше, и тоже с печатью фамилий авторов лучших решений), а во-вторых впервые прошел физический конкурс имени Лоранда Этвёша - старейшая в мире школьная олимпиада по физике, которая проводится по сих пор. С названием олимпиады отдельный забавный факт - Лоранд Этвёш был выдающимся венгерским физиком и педагогом, и олимпиада была впервые организована не просто в его честь, а в честь его избрания министром образования Венгрии.
Кроме того, подавляющая часть "марсиан" были еврейского происхождения. Это сейчас в цивилизованном обществе судить о человеке по национальности неприлично, а вот в те времена расцвет олимпиадной физики и математики в Венгрии случился лет через 25-30 после того, как евреев практически уравняли в правах с другими жителями Австро-Венгерской империи. "Практически" в том смысле, что армия и гос.служба оставались по факту по-прежнему недоступными опциями, однако в право, медицину и науку идти было вполне себе можно. Во-первых, на этом фоне к 1910 году евреи составляли примерно четверть населения Будапешта (и 6% населения страны), а во-вторых, как только стало можно какие-то задачки решить лучше всех и попасть на страницу журнала, в список победителей олимпиады, и как следствие, в университет - это стало реальным карьерным лифтом. И, что важно, уже к 1920 году этот лифт сильно ограничили: в Венгрии приняли закон, ограничивающий квоты на поступление в университет по национальности. А уж в тридцатых годах пошло яро антисемитское законотворчество, тут даже комментировать нечего.
Таким образом, в отдельно взятой стране временно ослабилась дискриминация по национальному признаку, появилось олимпиадное движение и, в итоге, появился работающий социальный лифт для талантов. Пока он работал, а талантам было куда идти (университеты принимали без квот по национальностям), этот лифт произвел большое количество ученых с мировым именем. Значит ли это, что всех их прямо-таки "создало" олимпиадное движение? Наверно нет. Скорее уж "выявило". Но очень поучительно, насколько сильной оказалась разница "с лифтом" и "без лифта".
Иными словами, не надо думать, что таланты пробьются сами, сама пробьется бездарность. А вот талантам надо помогать. | 2 928 |
| 14 |  Границы морального в словесной эквилибристике корпоративного менеджера
Как-то так получилось, что контактов с коллегами у меня много, и я постоянно с кем-то вижусь и слышу замечательные истории про работу в крупных компаниях. Одной из них, но довольно архитипичной, вдохновлен этот пост.
В одной компании сотрудники сильно устали от неменяющихся зарплат и сильно запутанного процесса их повышения. В итоге, как это обычно бывает, говоря языком менеджмента, повысился отток, а языком рядовых трудяг - "начался массовый исход".
Наиболее заметные вне компании сотрудники, выступавшие на всяких внешних мероприятиях и бывшие лицом компании, покинули ее в первых рядах. За ними следом на более комфортные предложения ушли и многие их товарищи, ведь успешно перешедший обязательно вскоре возвращался к бывшим коллегам с оферами уже для них. Впрочем, часть из тех, кто работал и не светил лицом, не обломались и сами пойти пособеседоваться и найти работу, и никаких препятствий на этом пути не заметили, все получилось гладко, быстро и с повышениями.
Посмотрим на это теперь глазами менеджмента. Ушли те, кто больше болтали по конференциям, чем работали. Ушли те, кто ведется на деньги, а не развитие себя как профессионала, интересные задачи и амбициозные проекты. Остались настоящие идейные работяги, коллектив очистился.
Видеть картину в таком свете и подавать ее в таком свете другим ради спасения своей шкуры - талант любого сколько-нибудь опытного корпоративного бюрократа. Остается лишь слегка пропитанный чувством бессилия вопрос: может ли такой бюрократ так нагло передергивать до бесконечности или все же есть какие-то берега у этого безобразия?
А вы как думаете и какие примеры видели? :) | 2 688 |
| 15 |  Всё ли сгенерированное с помощью нейронки — нейрослоп?
Может показаться, что это безобидный вопрос. Но это не вопрос, а провокация. Значит ли сам факт использования нейросети, что контент некачественный? Или дело в том, оставлены ли нейроштампы в тексте, сквозит ли ото всюду набившая оскомину нейростилистика, цепляет ли чем-то визуал на фоне тысяч нейроночных образцов.
И вот тут начинается самое интересное. Представьте, что вы живете в мире, где больше половины контента уже генерируется нейронками (даже и представлять не надо), и люди, глядя на этот контент, начинают писать теми же конструкциями, теми же выражениями, так же «средненько» и с бесящими оборотами. Будут ли тогда эти написанные живыми людьми тексты нейрослопом? И что все же такое нейрослоп?
Делитесь своими мыслями и наболевшим в комментариях. | 2 952 |
| 16 |  Где ИИ-агенты реально помогают, а где создают новые риски ⤵️
Узнайте на GoCloud Tech 2026
Каждый год Cloud․ru собирает ИТ-специалистов, чтобы вместе обсудить, как строить сложные технологии.
В этом году в программе конференции много докладов про ИИ/ML — от инженерных ограничений до инфраструктуры, которая выдерживает миллион токенов в секунду.
Обсудят:
▶️Как выбрать инфраструктуру для ИИ-проекта
▶️Как построить систему, способную выдерживать больше миллиона токенов в секунду
▶️Как защищать чувствительные данные при работе с LLM
▶️В каких задачах ИИ реально помогает
▶️Где границы применимости ИИ-агентов в разработке
➡️ 15 октября, Москва + онлайн.
Зарегистрироваться на GoCloud Tech 2026 | 3 152 |
| 17 | Из аналитики и разработки в ML + куда расти дальше
Я хорошо помню, как DSом мучался выбором: идти или не идти в CV (когда была такая опция), рваться ли в NLPшные проекты, продолжать делать рекомендательные системы или же больше перспектив для быстрого карьерного роста будет, например, в классической предиктивной аналитике с прогнозированием спроса или оттока. Всегда очень хочется не прогадать, куда инвестировать следующие несколько лет своей жизни. Сейчас еще тяжелее: есть несколько захайпленых тем у всех на слуху, а как за ними разглядеть свое собственное будущее - непонятно.
Если вы только переходите в ML из аналитики или разработки, то разбираться надо еще и в том, что из вашего опыта уже полезно, в чём лучше "забыть все что знал раньше", а чего совсем не хватает, и как это добирать.
17 сентября в 19:00 МСК я проведу об этом закрытый вебинар для комьюнити нашей специализации по ИИ и анализу данных.
Поговорим, как переходить в ML из разработки и аналитики, чего обычно не хватает на собеседованиях и куда расти после Classic ML: RecSys, поиск, CV, NLP/LLM, антифрод, а также research, продуктовый ML, ML-инженерия и карьера лида.
Ключевой вопрос вебинара: "куда вложить следующие несколько лет карьеры, чтобы потом не загрызло FOMO?".
И отдельно поотвечаю на карьерные вопросы слушателей.
📅 17 сентября, 19:00 МСК
Вебинар только для студентов специализации. Если ещё не с нами — присоединиться к специализации можно по ссылке.
Для тех, кто уже учился в MLinside или на Специализации МФТИ и Яндекса на Курсере, заполняйте форму, дадим промокод со скидкой ❤️ | 4 208 |
| 18 |  Anthropic объявила инвесторам, что у них очень высокая прибыль, если вычесть все расходы на обучение новых моделей. В комментариях оценили бухгалтерское мастерство компании на рейтинг PIZDA — Profit If Zero Distribution & AI-training (Прибыль Исключая Затраты на Дистрибуцию и Анализ). @bankrollo | 3 376 |
| 19 | Это было слишком хорошо, чтобы не репостнуть, спасибо @datarascals за наводку | 3 183 |
| 20 |  Где токены, Лебовски?
ИИ-агенты обещают экономить рабочее время, но сами легко сжигают бюджет: повторно читают документы, вызывают лишние инструменты и иногда уходят в цикл. Поэтому цены миллиона токенов уже недостаточно — бизнесу важнее знать, сколько стоит выполненная задача.
О том, куда агент расходует токены и как удержать счет под контролем, нам рассказал руководитель Yandex AI Studio Артур Самигуллин.
Почему агент обходится дороже обычного чат-бота?
➖ В чат-боте все просто: пользователь отправляет запрос, модель отвечает. У агента на такое общение приходится лишь около 10% потребления. Остальные 90% — его внутренняя работа: выбор и вызов инструментов, поиск в интернете и корпоративных системах, чтение документов, анализ результатов и планирование следующего шага.
Заранее предсказать длину этой цепочки трудно. По оценке сервиса Tokens per day, с января 2024 года мировой ИИ-рынок израсходовал 94,2 квадриллиона токенов, а сейчас расходует около 395 трлн в сутки. Один из главных ускорителей — распространение агентов.
Насколько они прожорливее на практике?
➖ На нашей платформе модели обрабатывают около 300 млрд токенов в месяц. Пока на агентов приходится около 15% запросов, но они уже потребляют около 30% всех токенов. По мере распространения агентских сценариев объем токенов будет кратно расти.
В августе 2026 года в DeepSeek V4 Flash на нашей платформе такими были 70% токенов.
Где агент начинает транжирить токены?
➖ Неоптимизированный агент может вызвать ненужную функцию, несколько раз целиком перечитать один документ или зациклиться. Иногда он отправляет сложной и дорогой модели задачу, с которой справилась бы более компактная.
Поэтому главная метрика — не цена токена и даже не их количество, а конечная стоимость выполнения задачи. Чтобы ее контролировать, компании нужны детальные логи: вся цепочка действий агента, расход на каждом шаге и причины, по которым он выбрал конкретный инструмент или модель.
Как снизить расход?
➖ Один путь — сначала решить реальные задачи большой моделью, а затем обучить на ее ответах более компактную. Другой — оптимизировать сам инференс: отдельно настраивать оборудование для обработки длинного запроса и генерации ответа, квантизировать модели, ускорять выдачу и переиспользовать уже обработанный контекст.
Для этого платформы вводят кэшированные токены. Если часть запроса повторяется, модель не вычисляет ее заново. В июле 2026 года в DeepSeek V4 Flash на нашей платформе такими были 75% токенов. Они в среднем в пять раз дешевле обычных и экономили пользователям несколько миллионов рублей в месяц. После обновления веб-поиск также стал расходовать в два-три раза меньше токенов: теперь он забирает не страницы целиком, а только релевантные фрагменты.
Универсальные агенты сделают счёт еще больше?
➖ Парадоксально, но для бизнеса он может сократиться. Сейчас разные ИИ-сервисы отдельно загружают файлы, корпоративный контекст и инструкции. Универсальный агент сможет работать с ними в одном окне и решать задачу единой цепочкой, не повторяя одни и те же операции.
Так развиваются Anthropic — от Claude Code к Cowork, OpenAI — от Codex к ChatGPT Work, и Yandex AI Studio. При этом рынок не сведется к двум-трем агентам «для всего». Останутся специализированные решения для юристов, врачей, архитекторов и других областей, — словом, всех тех, кому базовых возможностей ИИ будет уже не хватать.
@anti_agi | 4 213 |
