сбежавшая нейросеть

Американская компания Cerebras, специализирующаяся на чипах для быстрого инференса (запуска) ИИ, разогнала открытую Google Gemma 4 до 1500 токенов в секунду. Для сравнения, крупные модели, с которыми мы работаем в чат-ботах, выдают до 100 токенов/сек. Ранее Cerebras уже разгоняли Kimi K2.6 до тысячи токенов в секунду (а это огромная модель на триллион параметров), а в подписке ChatGPT Pro есть доступ к GPT-5.3-Codex-Spark, дающий более тысячи токенов/сек. Однако Gemma 4 – первая разогнанная Cerebras мультимодальная модель, то есть принимающая на вход не только текст, но и картинки. И это, в перспективе, может поменять многое. Сейчас даже текстовая работа с ИИ выглядит как пошаговый процесс: вы дали запрос, модель подумала – и через десятки секунд напечатала ответ. Для текста это не так критично: человеку тоже нужно какое-то время, чтобы прочитать ответ, обдумать следующие шаги, напечатать очередной промпт. Так что здесь все выглядит как примерно равноправный процесс. Но все меняется, если это ИИ-ассистент, работающий с вами в параллели. Современные ИИ-агенты с компьютерным зрением очень тормозные – они делают скриншот интерфейса, какое-то время разбирают и обдумывают его. Человек то же самое делает на автоматизме, буквально за секунды. В итоге получается двойной рассинхрон: во-первых, человеку просто некомфортно работать в параллели с таким ассистентом, во-вторых, многие человеческие интерфейсы построены под время отклика, просто недостижимое для нынешнего поколения моделей. По утверждению Cerebras, Gemma 4 уже сейчас смотрит на интерфейс в реальном времени и отрабатывает его в режиме диалога. Она может смотреть в браузер и кликать по сайту, может работать как ассистент при разборе сложной Excel-таблицы или помогать разобраться в интерфейсе новой программы, в реальном времени подсказывая, где и какой спрятан функционал. Если копнуть чуть глубже, то именно через мультимодальность и быструю реакцию открывается дорожка к тому самому “пониманию правил реального мира”, которого не достает современным языковым моделям – они хорошо пишут текст, но до сих пор плывут на понимании относительных размеров предметов, течения времени и других таких штук, которые люди воспринимают на автомате. Это, конечно, больше задача обучения новых моделей – повторюсь, Cerebras затачивает свои чипы под запуск уже готовых ИИ, подразумевается, что их тренировка будет продолжаться на обычных GPU. Но сбор обучающих данных – где модель справилась хорошо, а где совершила ошибку – невозможен без реальных сценариев. Это не только работа с интерфейсами, но и видеоигры, компьютерные симуляции – в перспективе все это ведет к робототехнике. Конечно, стоит уточнить, что Cerebras пока разогнали открытую Gemma 4 – модель сравнительно небольшую относительно современного фронтира (GPT-5.5, Opus 4.8). Однако даже она в рейтинге Artificial Analysis набирает 29 баллов – это практически уровень коммерческой Claude Haiku 4.5 (30 баллов). Еще один момент чисто технический – ранее Cerebras специализировались на разреженных моделях с архитектурой Mixture of Experts. Особенность этой архитектуры в том, что на вопрос отвечает не модель целиком, а “эксперты” – области внутри модели, обладающие соответствующими знаниями. Но Gemma 4 – плотная (dense) модель, которая работает именно “целиком”. По какой-то причине (и наверняка веской) плотной архитектуры до сих пор придерживаются многие разработчики топовых ИИ – предположительно, так работают GPT, Claude и Gemini. И здесь еще интересный момент – одним из инвесторов Cerebras является OpenAI. Вместе они уже создали разогнанную GPT-5.3-Codex-Spark – на сегодня она устарела, но я все чаще вижу слухи о том, новая “быстрая” GPT на подходе. И чем черт не шутит – возможно, там тоже будет поддержка компьютерного зрения. Подписывайтесь на “сбежавшую нейросеть” на ”Бусти” – там я рассказываю, как выжать из ИИ и агентов максимум.

Что-то странное творится с Google DeepMind в последние дни… 18 июня компанию покинул Ноам Шазир – один из “архитекторов” современных нейросетей. Он был ключевым автором статьи Attention Is All You Need, которая предложила архитектуру transformer, положенную в основу всех современных моделей. Это не все заслуги Ноама. Загибайте пальцы. Sparse Mixture of Experts – архитектура, когда для ответа задействуются не все веса модели, а только “эксперты”, то есть те ее части, которые реально разбираются в заданном вопросе. Mesh TensorFlow – инструментарий для тренировки сверхбольших трансформеров. Плюс Multi-Query Attention и Switch Transformers. Если говорить в общем, то Шазир не просто создал архитектуру трансформера, но и предложил трюки, которые делают ее рентабельной. С Шазиром связана еще одна интересная история. Он пришел в Google аж в 2000 году, а после трансформера в 2020 году предложил компании чат-бота на его основе. Google зарубила проект из соображений безопасности – и Шазир ушел делать собственный стартап Character.AI. Чтобы вернуть специалиста, Google заплатила Character.AI 2,7 млрд долларов. Два года спустя Шазир снова уходит – теперь в OpenAI. Джон Джампер – человек с другого фланга Google DeepMind. Именно он вместе с Хассабисом стал лауреатом Нобелевки за AlphaFold – ИИ-модель, которая смогла предсказать трехмерные структуры почти всех известных белков. Это одна из главных проблем биологии, ученые над ней бились больше полувека, AlphaFold управилась за месяцы, упростив стартовые этапы разработки лекарств (и не только их). До ухода Джампер возглавлял создание новых версий AlphaFold (тут еще много более точной работы) и занимался другими научными ИИ. Теперь он переходит в Anthropic: на какую должность, пока неизвестно, сам Джампер написал, что сначала немного отдохнет. Оба перехода ложатся в линию развития конкурентов. OpenAI сейчас в фазе активного найма, компания планирует почти удвоить команду – до 8 тысяч человек. Шазир возглавит разработку новых архитектур. Многие исследователи считают, что от создания пресловутого AGI нас отделяют 1-2 архитектурных прорыва – и Шазир отличный кандидат, чтобы их совершить. Anthropic сейчас активно вкладывается в науку в партнерстве с Институтом Аллена и Медицинским институтом Говарда Хьюза. При этом у компании очень логичная лестница развития: сначала с помощью ИИ помогаем ученым анализировать уже известные данные, чтобы не пропустить что-то ценное. Далее идем в лабораторных агентов, когда ИИ помогает планировать эксперименты. И только после этого настанет время для крупных AI-assisted достижений в науке – и вот здесь компании может пригодиться Джампер. Но есть еще пара моментов. OpenAI и Anthropic в ближайшее время выходят на IPO – это идеальное окно для перехода, когда можно получить опцион и хорошо после этого заработать. Плюс обе компании находятся на передовой ИИ-гонки: новостные ленты переполнены обсуждением Codex, Claude Code, новых версий GPT, Opus и Fable. Что же Google? Компания отлично развивается за счет интеграции ИИ в текущие продукты – Android, поиск, Gmail, Docs и т. д. – но это ситуация, где на первом плане стоят старые разработки. А вот с ИИ-продуктами все хуже. Линейка Gemini отстает от Claude/GPT, Antigravity только сейчас собрали во что-то способное конкурировать с Claude Code/Codex, а про большинство громких анонсов с майского Google I/O все забыли буквально на следующий день. Компания очень крута в “теоретическом ИИ”, у нее есть мощные наработки по моделям мира, ее специалисты выпускают множество научных статей, но при этом она отстает в “шиппинге” – выпуске классных продуктов для всех. Для исследователя же важно не только придумывать, но и создать что-то, чем пользуются все, что обсуждают, хвалят и критикуют. Здесь Google пока отстает. Не отставать в освоении ИИ я помогаю на “Бусти”. Там уже 17 текстов, в которых я объясняю основы архитектуры ИИ, учу правильно промптить модели, разворачивать ИИ-агентов и вайб-кодить. Самое время подписаться!

За что люблю писать на “Бусти” – с каждым текстом я узнаю что-то полезное и для себя. Свежий лонгрид начинался как разбор утекшего в сеть системного промпта Claude Fable 5, но в итоге перерос в детальный рассказ о том, что такое системный промпт, как он влияет на ответы модели и какие уроки промптинга можно взять у Anthropic. Вот, кстати, текст: Системный промпт на примере Claude Fable 5: что это такое и какие приемы промптинга можно перенять у инженеров Anthropic Уже когда делал финальную вычитку с помощью GPT-5.5-Pro, то “прошка” притащила из руководств Anthropic прикольный трюк – самопроверку на чистый контекст. Я о таком приеме слышал раньше, но сам почти не использовал – а зря. Суть проста: мы часто просим модель проверить себя внутри диалога, но этого не всегда достаточно. Если вы не уверены в проверке, то возьмите задачу и результат, скопируйте их в новый диалог и запустите проверку там. В новом диалоге модель стартует без “замусоренного” контекста – уточнений, ошибочных шагов, корректировок – и сможет провести проверку как “независимый” контроллер. Конечно, это лишь один из найденных мной интересных приемов промптинга – в тексте еще семь. А также подробный рассказ о том, что такое системный промпт модели, какие настройки в нем заданы жестко, а на какие можно повлиять и как это сделать. И бонусом – разбор “личности” Claude, и советы по настройке персонализации моделей GPT. В общем, самое время подписаться (обе подписки не отличаются по контенту – выбирайте удобную площадку): – “сбежавшая нейросеть” на “Бусти” – “сбежавшая нейросеть” на Sponsr

Топ-менеджер Anthropic обещает вернуть Claude Fable 5 в ближайшие дни. Верим? Верим же? По X разлетается цитата Криса Циаури, управляющего директора Anthropic по международному направлению, который в Сеуле в среду заявил: “[мы] очень уверены, что в ближайшие дни модели [Fable 5 и Mythos 5] снова станут доступны”. Хочется верить, что так оно и будет, и мой канал наконец-то перестанет выглядеть боевым листком с войны Anthropic и правительства США. Но взглянем более трезво. Мероприятие в Сеуле задумывалось как анонс экспансии Anthropic в Корее, но пресс-конференция превратилась в поток вопросов насчет блокировок Fable 5/Mythos 5 и участия корейских компаний в Project Glasswing (об этом позже, там самая соль). На большинство вопросов Anthropic отвечали “без комментариев” и только в конце Циаури бросил про “в ближайшие дни”. Пресс-конференция прошла раньше обеда, на котором лидеры G7 обсуждали ИИ с топ-менеджерами ведущих компаний, среди которых были Дарио Амодеи, Сэм Альтман и Демис Хассабис. По итогам никаких обязательств взято не было, только Дональд Трамп сказал, что переговоры прошли хорошо, но он всегда так говорит. Интересно другое. На обеде Дарио Амодеи прямым тоном призвал к созданию международной ИИ-коалиции во главе с США и в обход Китая. Идею в общих чертах поддержал Хассабис, Сэм Альтман был мягче и говорил о необходимости международных институтов для регулирования ИИ. Поначалу это плохо укладывается в голове: громче всех о регулировании ИИ продолжает говорить компания, которую прямо сейчас бьют регуляторной палкой. Я уже немного писал о возможной мотивации: сейчас выстраиваются контуры будущей ИИ-регуляторики и Anthropic продолжает заниматься regulatory capture – пытается перехватить инициативу в определении того, какой эта регуляторика будет. “В этот раз обязательно получится” 😁 Вернемся в Корею. Пресса продолжает раскрывать детали цепочки событий, которая привела к блокировки Fable 5/Mythos 5. Незадолго до выпуска модели Anthropic подала властям США новый список компаний-участников Project Glasswing – закрытой инициативы поиска уязвимостей с помощью Mythos 5. В списке оказалась корейская SK Telecom, которую власти США подозревают в связях с Китаем – а значит, ответы модели могут утечь китайской разведке. Anthropic оперативно убрала SK Telecom из списка компаний, но было поздно – власти США уже занервничали. Fable 5 все-таки выпустили, но затем последовал злополучный джейлбрейк Amazon, который показал: если модель попросить найти ошибки в коде, то она укажет и на уязвимости, которые можно использовать для взлома. Этого оказалось достаточно, чтобы чиновники рубанули экспортный запрет. По некоторым данным, США потребовали доработать Fable 5 таким образом, чтобы модель в принципе нельзя было “джейлбрейкнуть”. Anthropic упирает, что это технически невозможно. И здесь я согласен: защита абсолютно любой модели обходится “социальной инженерией” в промптах. Но и власти находятся под давлением. Первую проблему уже называл – конкурирующие модели растут в коде. Вышедшая на этой неделе китайская GLM-5.2 в некоторых бенчмарках уже наступает на пятки Opus 4.8, GPT-5.5 и даже Fable/Mythos. Открытые модели легко использовать для поиска уязвимостей, поэтому блокировкать более мощный ИИ – наоборот, лишать всех обороны. Вторая проблема – удар по индустрии в неудачный момент. Anthropic только что подала на IPO, OpenAI планирует до конца года. Если сейчас непредсказуемо душить индустрию запретами, то размещения провалятся, это ударит по цепочке инвесторов и поставщиков, а затем и по экономике. Посмотрим, насколько осознают это стороны и как быстро придут к договоренностям. Для “Бусти” я сейчас готовлю разбор системного промпта Claude Fable 5 – его вытащили из модели перед запретом (тоже нелегально). Это огромный документ на 17 тысяч слов, который интересен с точки зрения техник промптинга, используемых инженерами Anthropic, и просто помогает разобраться, как устроены системные промпты всех ИИ, как они влияют на ответы и почему ваша модель иногда начинает “тупеть” на ровном месте. Самое время подписаться!

Любой высоконагруженный сервис – маркетплейс, банк, поисковик, рекламная платформа – тратит заметную долю мощностей не на бизнес-логику, а на скучную служебную операцию: распаковку данных. Устроено так. Между сервисами и в хранилищах данные лежат в компактном бинарном виде – так дешевле хранить и гонять по сети. Но прежде чем с ними работать, их нужно превратить в объекты, понятные приложению. Это десериализация, и на крупных проектах она выполняется миллиарды раз в сутки. Google по собственным оценкам тратит на работу своего Protobuf до 10% вычислительных мощностей дата-центров. И снять эту цену сложнее, чем кажется. В зрелых системах работает закон убывающей отдачи: все очевидные оптимизации внедрены еще на старте, дальше каждый процент производительности стоит все дороже – в человеко-месяцах и экспертизе. Поэтому десериализация и сидит в горячем пути годами: переписать дорого, а мелкие правки почти ничего не дают. Выиграть в такой системе двузначный процент обычно означает либо переработку архитектуры, либо просто докупку серверов. Теперь – как с этим вообще борются. Один из подходов, который предлагает Яндекс в YaFF (Yet Another Flat Format, выложен в опенсорс), метит ровно в эту операцию. Идея – не превращать данные в промежуточные объекты, а читать их напрямую в исходном представлении. Нет стадии распаковки – нет и расходов на нее. Важная для внедрения деталь: YaFF работает поверх Protobuf, то есть не требует переписывать схемы данных и ломать существующие процессы. Цифры компания приводит с рекомендательной системы Рекламы Яндекса, где каждый из сотен тысяч запросов обрабатывает десятки тысяч объектов. Там YaFF дал до 20% экономии вычислительных ресурсов при сохранении функциональности. Для системы такого масштаба, вылизанной годами, это не «еще один процент», а заметно другой порядок. Если перевести проценты в железо, смысл такой: тот же поток запросов держится на меньшем парке серверов, а высвободившиеся мощности уходят под новые сервисы – без отдельной стройки под них. На фоне триллионных капексов на ИИ-инфраструктуру один формат тренд не разворачивает. Но сама логика – выжать из имеющегося железа, а не докупать новое – выглядит здоровее гонки за гигаваттами. “сбежавшая нейросеть” на Бусти

Что там у Claude Fable 5? А ничего хорошего! Похоже, надежды на быструю разблокировку Fable 5 не оправдались. Более того, тают и шансы на разблокировку не быструю. В понедельник Anthropic отправила в Вашингтон команду технических специалистов – убеждать администрацию, что Fable 5 не несет серьезных угроз для кибербезопасности. Ее поддержали кибербез-эксперты: в открытом письме они настаивали, что блокировка опаснее – конкурирующие модели (в том числе, открытые китайские) развиваются быстро и скоро смогут находить аналогичные уязвимости, поэтому глупо запрещать ИИ, с помощью которого их можно заранее закрыть. По данным СМИ, команда Anthropic провела несколько встреч, которые не увенчались успехом. Позже Bloomberg выложил текст письма, которым 12 июня министр торговли США Говард Латник приравнял Fable 5 и Mythos 5 к технологиям, находящимся под экспортным контролем США. Теперь Anthropic нужно разрешение властей, чтобы дать доступ любому негражданину США. Конкретные причины в письме не называются – только ссылки на законы об экспортном контроле и норму про риск ухода технологии к военной разведке противника. Письмо адресное – нормы распространяются только на Fable 5 и Mythos 5, но не касаются OpenAI, Google и других. Пока не касаются. Жесткий разбор письма сделал Аласдер Филлипс-Робинс: юрист, который в 2023–2025 был старшим советником министра торговли США по ИИ, полупроводникам и экспортному контролю. Он не спорит, что Fable 5 может быть опасной, а скорее указывает на то, что текущее законодательство США вообще плохо ложится на регулирование ИИ. Во-первых, экспортный контроль регулирует передачу материальных вещей. Модель же – фактически услуга, она крутится на серверах в США и лишь обрабатывает запросы иностранца. В январе Палата представителей приняла отдельный законопроект (Remote Access Security Act), который должен распространить экспортный контроль на удаленный доступ через облако – но законом он пока не стал. Во-вторых, запрет шире, чем норма на которую ссылается. Она заточена на военные разведки конкретного списка стран – Китая, России и так далее. Письмо же бьет по всем иностранцам вообще. В-третьих, письмо нарушает Первую поправку в области свободы слова: в США даже неграждане имеют право получать информацию. Впрочем, Аласдер сразу оговаривается, что это – самый слабый из его аргументов. Наконец, четвертый аргумент – письмо написано настолько криво, что Anthropic могла бы ничего не делать вообще. Текст требует ограничить “экспорт модели”, но модель – это веса, хранящиеся на сервере. Пока веса лежат на серверах в США, модель никуда не экспортируется – за границу отправляются лишь ее ответы. Аласдер считает, что Anthropic могла ничего не отключать, но перестраховалась, чтобы показать лояльность. Его финальный вывод: экспортное право – не универсальная кнопка “забанить все”. Если власти боятся опасных моделей, нужно проводить через Конгресс нормальный регулирующий закон. На завершившемся во Франции саммите G7 тема доступа к Fable 5 стала одной из ключевых. По сообщениям СМИ, премьер Британии Кир Стармер поднял вопрос о возвращении доступа британцам – и публично получил отказ: сейчас от модели отрезаны даже сами американцы. Но в кулуарах участники «семёрки» обсуждали обходной механизм – как дать доверенным союзникам, странам или компаниям, доступ к передовым моделям. Отдельно прошел закрытый обед ИИ-лидеров – Дарио Амодеи, Сэма Альтмана, Демиса Хассабиса и других, – где регулирование обсуждали уже со стороны бизнеса. Какие у всего этого итоги – неизвестно. Для нас с вами это в любом случае не позитивные новости. Мир стремительно входит во время цифровой сегрегации. Она уже началась по цене (Claude Fable 5 было реально использовать на подписках от $100 и дороже), теперь же рискует продолжиться по паспорту. Впрочем, где одни ограничивают, другие используют это как конкурентное преимущество. Во вчерашнем анонсе GLM-5.2 китайская z.AI прямым текстом кольнула Anthropic, заявив, что на ее модель никакие барьеры не действуют. Посмотрим, что будет дальше. “сбежавшая нейросеть” на Бусти

ИИ-империя Маска Несколько часов назад SpaceX объявила о покупке Anysphere – создатели Cursor уходят в империю Илона Маска за $60 млрд. Сделку еще предстоит одобрить регулятору, но линейка кодинг-ИИ Cursor Composer уже обучается на суперкомпьютерах Colossus, а параллельно идет обсуждение глубокой интеграции компаний. В последние месяцы Маск выглядел аутсайдером ИИ-гонки: его собственный Grok уступает не только последним Opus, GPT и Gemini, но и многим китайским моделям, а компания xAI, по признанию самого Илона, была “построена неправильно” и требует реконструкции. Это так, но если глянуть поверх провала Grok – то видно, что Маск выстраивает ИИ-империю, которая может затмить OpenAI и Anthropic. Прежде всего, доразберемся с Grok. Я считаю лучшим моментом линейки выход Grok 3 в феврале 2025 года. Это был финал “эры болтающих чат-ботов” и Grok 3 вписывался в него идеально. Он мог поддержать живую беседу, был отличным рассказчиком и даже неплохо шутил. Что же до галлюцинаций и отвратного качества кода, то этим тогда страдали все модели. Перелом случился летом-осенью, когда новые версии Claude и GPT мощно прибавили в коде. А параллельно набрали популярность Claude Code и Codex, которые начали использовать не только для программирования, но и для другой интеллектуальной работы. Из забавных болтунов модели превратились в рабочий инструмент – и Маск здесь остался не у дел. Покупка Cursor закрывает именно эту проблему. Чтобы ИИ хорошо кодил, нужны соответствующие данные. И у Cursor они одни из лучших: так как это ИИ-редактор кода, то видно “в деталях” как программируют его пользователи – какие ИИ-рекомендации принимают, где работают “руками”, как ходят по файловой базе и т. д. В Cursor уже создали собственную модель Composer 2.5, которая по коду немного уступает Opus 4.7 и GPT-5.5, но при этом в десять раз дешевле в цене. Модель строили на базе открытой Kimi K2.5, но добавили на этапе пост-обучения до 85% собственных данных. Буквально сегодня Cursor анонсировали и новую модель на 1,5T параметров, которая intellegent behind coding – то есть сможет справляться с запросами общего назначения. Интересно, как она будет соседствовать с новыми версиями Grok. Но собственные модели – лишь крошечная часть ИИ-империи Маска. Где его команда особенно сильна – так это в строительстве дата-цетров. Первый и второй Colossus были возведены в рекордные сроки и считаются одним из мощнейших суперкомпьютеров на планете. Опять же, Маск и здесь не кладет все яйца в одну корзину – часть мощностей сданы в аренду Anthropic и Google. В Саутхейвене идет подготовка площадки под Colossus 3, однако “землей” амбции не ограничиваются: рано или поздно часть вычислений будет выноситься в космос и почему здесь SpaceX получит преимущество, думаю, даже и объяснять не нужно. Наконец, третье направление – дистрибуция. Несмотря на конкуренцию со стороны Claude Code и Codex, Cursor остается одной из самых популярных площадок у тех, кто кодит с помощью ИИ, но “руками”. Параллельно развивается Grok Build – кодинг-агент, похожий на Claude Code и Codex. В роли чат-бота Grok не стал популярным (знаю лишь единицы, кто им пользуется), но не забываем про другой актив Маска – X/Twitter. Там также есть чат с Гроком, есть автоперевод, есть режим Ask Grok для факт-чекинга чужих высказываний. Плюс сам по себе X отличный источник данных для обучения – здесь полно современного слэнга, мемов и шуток. А англоязычный сегмент – еще и источник новостей. Те же Anthropic, Google и OpenAI анонсируют свои продукты именно здесь. Менее очевидные направления – это ИИ-ассистент в Tesla (уже основан на Grok), внутренние системы SpaceX, направление робототехники той же Tesla, ИИ-агентов для бизнеса Macrohard и далее, далее. ИИ сейчас проходит этап, когда неизвестно, какой продукт выстрелит – и лучше делать их быстро и много. И здесь стратегия Илона Маска выглядит если не 100% выигрышной, то как минимум сильной. Подписывайтесь на “сбежавшую нейросеть” на ”Бусти” – там я рассказываю, как выжать из ИИ и агентов максимум.

Сегодня рекомендация канала Маркетинг без сахара ( он прям правда без сахара и даже немножко без купюр). В постах автор часто задает очень провокационные вопросы и поднимает острые темы, но при этом чувствуется, что знает, о чем говорит (еще бы, больше 6 лет в C-level роли). Точно будет полезно тем, кто нанимает себе маркетологов и строит отделы маркетинга. Посты, которые точно стоит сохранить: 👣Разбор резюме директора по маркетингу — must-have, который рекомендую забрать себе 👣Какие KPI должны быть у маркетолога 👣Лонгрид про ИИ-инструменты и реальные кейсы в бизнесе 👣Как руководить маркетологами: как ставить задачи, KPI и оценивать их работу Подписывайтесь, если соскучились по откровенным рассуждениям → @fire_hire

ИИ-апокалипсис на рынке труда отменяется? Увы, все намного сложнее В мае главы OpenAI и Anthropic пересмотрели свои прогнозы по рынку труда в позитивную сторону. Сэм Альтман признал: вытеснения начальных позиций в интеллектуальных сферах оказалось куда меньше, чем он ждал. “Я был неправ – и я в восторге от того, что ошибся”. Дарио Амодеи, еще в 2025-м пугавший уничтожением до 50% начальных позиций белых воротничков, развернулся на 180 градусов. Теперь автоматизация у него – множитель производительности, который увеличивает объем доступной работы. Если ИИ заберет 90% рутины, человек сосредоточится на тех 10%, где ответственность и творчество. Красиво. Вот только это не работает ни для 22-летнего новичка, ищущего первую серьезную работу, ни для 35-летнего профи, решившего сменить сферу. Прежде чем тебя допустят к заветным 10%, надо набить руку на 90% рутины. А эту сферу забирает ИИ. 15 июня PwC выпустила Global AI Jobs Barometer 2026 – ежегодный разбор влияния ИИ на рынок труда на базе миллиарда вакансий из 27 стран. Главный вывод отчета подтверждает сказанное выше: рынок труда расходится на две “дорожки”. Обычные стартовые роли в США упали на 10%, зато на 35% выросли junior-вакансии, где требуют навыков, присущих senior-позициям – суждения, лидерства, опыта живого общения. А на стартовых ролях, связанных с ИИ, такие требования встречаются в 7 раз чаще. Пит Браун, руководитель направления по работе с персоналом PwC, объясняет: ИИ забирает рутинную работу, но одновременно повышает спрос на лидерство, адаптивность и коммуникацию. Получается “демонтаж входа” – работы полно, но попасть на нее новичку становится сложнее. Независимая статистика NY Fed (исследовательское подразделение американского центробанка) показывает, что безработица выпускников в США сейчас выше средней по рынку (~6% против ~4,2% по стране). Исторически было наоборот – диплом давал фору при найме. Надо сказать, что проблема джунов – штука не новая. Многие крупные компании исторически без охоты берут начинающих специалистов: они чаще делают ошибки, их требуется доучивать, отвлекая более опытных коллег, а набравшись знаний, они с большой вероятностью уйдут к конкуренту на лучшие условия. Раньше от полного отказа удерживали две вещи: наличие рутины, которую можно переложить на джунов, и тот факт, что если не обучать новичков – то неоткуда будет брать senior-специалистов. Сейчас рутину все чаще можно переложить на ИИ, ну а senior-дефицит начнется с задержкой – и, возможно, к тому времени ИИ заберет и эти задачи. По крайней мере, так обещают боссы ведущих ИИ-компаний. Но это именно обещания, причем от заинтересованных бизнесменов. Я специально начал пост с рассказа о том, что Амодеи и Альтман пересмотрели свои прогнозы – и они пересмотрят их еще много раз. Бизнесу разумнее отталкиваться от концепции, что без людей обойтись не получится. И не искать AI-native-джуниоров, а начать их выращивать – через стажировки, программы наставничества и т. д. Аналогичные вещи должны предприниматься и на уровне государств. Сложность, впрочем, в том, что не до конца понятно – чему учить? ИИ сейчас меняется так быстро, что знания, полученные полгода назад, могут уже устареть. Ключевыми навыками становятся гибкость, коммуникация, умение осваивать все новое, понимать, когда только что появившаяся сырая технология доросла до “боевого” уровня, проверять ее результат и брать на себя ответственность. Ровно те же навыки стоит качать и сотрудникам. Просто выполнять задачи с помощью нейросеток уже недостаточно: важно оперативно разбираться в новых инструментах и сразу показывать с их помощью результат. И если этому не удается научиться на работе, то возможный выход прямо сейчас – собственный небольшой проект, сделанный с помощью ИИ. Можно чисто для себя, но важно, чтобы вы были готовы показать его в случае трудоустройства. Своим опытом использования ИИ я делюсь на “Бусти”. Там я показываю, как использовать ИИ не просто в роли исполнителя, а вовлекать его на всех этапах: от постановки задачи до запуска готового результата. Самое время подписаться!

История с блокировкой Claude Fable 5 обросла множеством подробностей – но вопросов пока больше, чем ответов. Я видел немало высказываний в защиту Anthropic: мол, компания прилежно публикует подробные отчеты о безопасности моделей, а в блоге раз за разом поддерживает необходимость регулирования ИИ на уровне государства – и ее же этим регулированием огрели первой. Но подобные тексты не пишутся просто так. Есть понятие regulatory capture – если твоя сфера плохо регулируется государством, то начинай громче всех кричать о том, что надо срочно регулировать. А параллельно – рассказывай, как именно это делать. Из постов Anthropic и Дарио Амодеи можно сделать несколько простых выводов: – ИИ опасная штука, разработку которой нельзя доверять “кому попало”, а лучше вести на уровне государства и нескольких избранных компаний (кто сказал Anthropic?); – Anthropic против открытых ИИ, заявляя, что доступ к весам не дает преимуществ в безопасности, ведь в “нутро” модели все равно не заглянуть; – В последних публикациях компания начала намекать, что разработку ИИ следовало бы притормозить – мы близко к рекурсивной эре (ИИ улучшает сам себя) и рискуем потерять контроль. По последнему пункту интересный нюанс: Anthropic занимают жесткую позицию к Китаю, призывая ввести экспорный контроль против Пекина. Но “торможение” разработки ИИ возможно только при сотрудничестве США и Китая, санкции же, наоборот, ведут к конфликту и усилению соперничества. Эта комбинация красиво развязывает руки: убираем с рынка китайцев, убираем открытые модели – и комфортно разрабатываем ИИ в клубе нескольких фронтир-лабораторий. Дэвид Сакс, один из главных экспертов Белого Дома про ИИ, комментирует поведение Anthropic перед блокировкой Fable 5 с недоумением. По его словам, странно, что компания, призывавшая к регулированию, “встала в позу”, когда власти обратились с просьбой исправить модель. По реконструкции событий, после запуска Fable 5 власти попросили крупные компании поделиться отзывами о новинке – и получили от Amazon информацию, что если модель попросить проверить код, то она находит в нем уязвимости, которые могут использовать злоумышленники. По словам Сакса, изначально Anthropic просили только закрыть уязвимость в Fable 5 – но получили ответ, что проблема незначительна, подобным образом обходят и другие фильтры, а доступ ко всем кибервозможностям так открыть нельзя. После нескольких пустых разговоров, власти не выдержали и воспользовались экспортным контролем, чтобы ограничить Fable 5. И тут Anthropic загнала себя во вторую ловушку. Причем еще в апреле – когда стала продвигать Claude Mythos как модель с исключительными возможностями в кибербезопасности. Но способности к кибербезу – эмерджентные, и растут параллельно с тем, как модель учится кодить. Проще говоря, нельзя сделать ИИ, который хорошо пишет код, но не умеет искать в нем уязвимости. При этом любой политолог вам расскажет, что как только где-то произносится слово “безопасность” – у властей загораются красные сирены повсюду и они начинают реагировать быстро. Так случилось и здесь: доступ к модели прикрыли сразу, а то вдруг корейские хакеры чего сломают? По данным Axios, власти планируют откатить блокировку Fable 5 через несколько недель – после того, как будут проверены и улучшены системы безопасности правительственных сетей. И это похоже на правду по причине, которую я уже упоминал выше. Кибер-способности Fable 5 – не что-то уникальное. Новые версии GPT и Gemini выйдут на этот уровень через недели или месяцы – придется блокировать и их? Следом подтянутся китайские модели и регулировка начнет бить по регулировщику – пока любой сможет искать уязвимости с помощью открытого Qwen или DeepSeek, доступ к передовым американским моделям, способным бороться со взломами, будет ограничен узким кругом пользователей. Нам еще только предстоит научиться регулировать ИИ. И отдавать этот процесс кому-то одному нельзя: ни правительству США, ни крупной компании вроде Anthropic. “сбежавшая нейросеть” на Бусти

Хотите вайб-кодить правильно? Не вайб-кодьте вообще! Сегодня на “Бусти” выходит первый лонгрид на, пожалуй, самую популярную ИИ-тему – как вайб-кодить и получать качественный результат. Но вот что интересно: когда Андрей Карпати в феврале 2025-го ввел этот термин, то под вайб-кодингом он подразумевал совсем другое. ИИ тогда еще писали код очень плохо, почти не умели править ошибки, поэтому Карпати советовал просто предаваться вайбу: вбить промпт – и смотреть, что получится. Иногда выходило что-то приличное, но чаще – совсем не то, что ожидал. Современные модели пишут код на приличном уровне, аккуратно правят в нем ошибки, а в качественной агентской обвязке работают часами, выдавая результат, который раньше у инженера-одиночки занимал дни и недели. Это уже не вайб, а серьезный взрослый процесс разработки, который мы называем вайб-кодингом по привычке (Карпати предлагал термин agent engineering, но он не прижился). А раз процесс серьезный – то и относиться к нему нужно серьезно. Создать программу теперь может каждый, но важно понимать – для приличного результата написанного с помощью ИИ-кода мало. Надо знать весь процесс разработки: от правильной постановки задачи до ее приемки. И уметь использовать ИИ на всех этапах. Именно про это и рассказывает мой новый лонгрид. – Читать на “Бусти” – Читать на Sponsr

Как Дарио Амодеи сам себе забил гол День начался не с кофе. И не с теста Fable Mythos 5, который я опрометчиво пообещал вам вчера. Отмечайте дату в календаре, друзья: 12 июня 2026 года может войти в историю как день, с которого началась цифровая сегрегация. Вчера правительство США воспользовалось экспортным контролем и велело Anthropic закрыть доступ к Claude Fable 5 всем неамериканским гражданам. С ИИ такое происходит впервые. Мы с вами люди стрелянные и знаем, как превращаться в американцев за один клик мышью. К сожалению, в Anthropic об этом тоже в курсе, поэтому в заявлении сказали, что компания не обладает возможностью гарантированно отличить американского гражданина от иностранца. И рубанули доступ всем вообще. Так что теперь Джон из Оклахомы, который живет в 50 метрах от автомойки и хочет помыть машину, не сможет узнать у Fable 5, идти ему туда пешком или все-таки поехать. Прости нас, Джон... Причина блокировки, вероятно, следующая. Закрытая модель Claude Mythos (ее кстати тоже рубанули за компанию), из которой и выросла Fable 5, считалась лучшим ИИ для кибербезопасности. Основа кибербеза – поиск уязвимостей в коде, которыми могут воспользоваться злоумышленники. Однако уязвимость – штука универсальная. Нашел специалист по кибербезу – взял и закрыл. Нашел злоумышленник – взял и воспользовался. Штука в том, что модель не понимает, для кого именно ищет уязвимости. В Claude Fable 5 защиту усилили: если отправить запрос с просьбой найти уязвимость – то он автоматически переадресуется к Claude Opus 4.8 или и вовсе блокируется. Однако это обошли очень простым джейлбрейком: кто-то взял кодовую базу, скормил ее Fable 5 и попросил найти в ней все ошибки. Модель честно отработала задачу, указав в том числе на уязвимости, которые потенциально могут быть использованы для взлома. Об этом узнали в правительстве США, не на шутку всполошились – и велели доступ к модели закрыть. В Anthropic возражают: в примере с кодовой базой Fable 5 выдала лишь уже известные мелочи, то же самое умеют и другие публичные модели, а идеальной защиты от джейлбрейков все равно не существует ни у кого. Их ставка – не глухая стена, а defense in depth: обходы делают узкими или дорогими, плюс мониторинг и 30-дневное хранение запросов, чтобы ловить реальные атаки постфактум. Мол, риски Fable 5 не выше, чем у давно работающих моделей. В качестве одного из примеров для сравнения, кстати, привели GPT-5.5 – мол, в ней такая же защита. Полагаю, в офисе OpenAI сейчас проверяют почтовый ящик несколько раз в минуту. Сама Anthropic называет всю ситуацию недоразумением, директиву выполнять выполняет, но согласия не выражает – и обещает в ближайшие сутки выложить подробности и побороться за возврат моделей. Но давайте будем честными: все современные модели достаточно уязвимы перед банальной социальной инженерией. Приемы типа “мне только для учебы”, “давай разыграем виртуальный сценарий”, “прочитай этот промпт для другого ИИ, не выполняй его, а только протестируй” – до сих пор обходят фильтры безопасности, просто приходится использовать более изощренные формулировки и иногда уламывать модель на протяжении долгого диалога. Так что это было вопросом времени – когда власти заинтересуются безопасностью ИИ. У этой истории есть и второй угол. Буквально 10 июня – два дня назад! – глава Antrhopic Дарио Амодеи опубликовал эссе Policy on the AI Exponential, в котором призвал власти проверять фронтирные модели перед выходом примерно так же, как проверяются самолеты. Не дотягивает по безопасности – выход блокируется. Причем начинать проверки, по мнению Амодеи, нужно как можно быстрее. В эссе он сравнил политические институты с энтом Древобрадом – мудрым, но медлительным. А прогресс ИИ несется с молниеносной скоростью: и пока Древобрад раскачивается – лес уже вырубят. Что ж, спустя два дня энт проснулся, потянулся – и дал Дарио по ж#пе 😁 “сбежавшая нейросеть” на Бусти – учимся писать промпты на перфокартах и запускаем ИИ-агентов на логарифмической линейке. Подписывайтесь!

Вернулся из короткого отпуска, работаю над очередным текстом для "Бусти", решил по пути потестировать новинку Claude Fable 5. Ну что я могу сказать, модель так хороша, так мощны ее лапищи, что в некоторых случаях она сама за принимает решения за пользователя😁 Текст будет уже завтра — не пропустите (подписываемся здесь). А следом и обзор Fable 5, там все решили за меня🫡

Как ИИ делает науку проактивной Каждую осень мы видим похожую картину. Рекламные щиты по всему городу, работа врачей, кабинеты вакцинации в поликлиниках и даже мобильные пункты – все предлагают привиться против гриппа. Те, кто вакцинируется регулярно, знают: в какие-то годы эта кампания дает эффект, в другие – болезнь все равно бьет по полной программе. Это происходит потому, что грипп – один из самых коварных вирусов, с которыми сталкивается человек. Он бывает двух типов и нескольких подтипов, быстро мутирует, а еще обладает сегментированным геномом и умеет пересобираться - обмениваться кусками генома между штаммами. Два раза в год ВОЗ пытается угадать, какие штаммы угрожают человеку в этот раз – их и добавляют в вакцину. Иногда попадают хорошо, иногда нет, а иногда вирус мутирует настолько непредсказуемо, что вакцина перестает работать прямо в середине кампании. Проблема многих вакцин – не только от гриппа, но и от других вирусов – в том, что они реактивны. В них добавляются фрагменты уже существующих микробов, которые из-за скорости мутации быстро “устаревают”. Но что если собрать вакцину, которая научит иммунитет узнавать целое семейство вирусов сразу — по общим признакам, а не по конкретному штамму? Идея не новая: для гриппа над такой вакциной работают с нулевых – и сейчас появилась робкая надежда на ее реализацию. На днях команда Кембриджского университета отчиталась об успешном прохождении первой фазы клинических испытаний вакциной DIOSynVax. Она нацелена на Sarbeco-коронавирусы – большую семью, из которой происходит в том числе и covid-19. Коронавирусы для пободного эксперимента удобнее гриппа: не умеют пересобираться, а главная мишень (спайк-белок) удобнее для поиска участков, общих для всех видов вируса. Плюс на фоне пандемии коронавирусы изучались активно, что позволило накопить огромный объем генетических данных. А дальше случились две вещи, малореальные без ИИ. Сначала машинное обучение прогнали по генетическим данным и собрали признаки, общие для всех коронавирусов. А затем из этих признаков спроектировали универсальную мишень – опять же, с помощью ИИ, способом похожим на то, как генеративные модели создают картинки или видео. Первые результаты обнадеживающие. Было показано, что вакцина запускает нужный иммунный ответ, а испытания на 39 добровольцах показали безопасность. Пока рано говорить, что вакцина “лечит все коронавирусы” – это будут проверять на второй и третьей фазе испытаний, более долгих и глубоких. Даже если одна из фаз провалится, текущий успех DIOSynVax важен другим – он доказывает, что науке становятся по силе подобные эксперименты. Возможно, для успеха придется собрать больше данных или перепроектировать мишень, но награда высока: коронавирусы также часто атакуют людей – помимо страшной пандемии covid-19, была, например, вспышка SARS-2003. Обкатанную технологию можно попробовать масштабировать на другие вирусы – в первую очередь, грипп и Эболу. Важно, что ИИ не творит здесь магию, а кратно увеличивает доступность расчетов. Долгое время ученые искали антибиотики в природе – но сейчас этот канал почти перестал работать и появляются болезни, резистентные к лечению. С помощью генеративных моделей ученые проектируют антибиотики сами, закладывая нужные свойства – первые кандидаты находятся примерно на тех же этапах испытаний, что и DIOSynVax. В материаловедении сейчас создаются первые “самоулучшающиеся” лаборатории, где ИИ создает кандидатов в материал, испытывает их, обновляет свой дата-сет и строит следующее поколение. Успехи Claude Code в коде и GPT Image 2 в генерации изображений понятны потому, что их результат виден сразу и его легко проверить. Но влияние ИИ на науку как минимум не меньше, просто оно пока тихое: проверки медицинских преппаратов, большинства материалов и многих фундаментальных открытий занимают годы – и только потом мы увидим результат. Но он, возможно, будет даже более впечатляющим. “сбежавшая нейросеть” на Бусти

Чтобы создать продукт раньше, нужен был разработчик и целая команда. Сейчас — нейросети и понимание, как с ними работать. И дело даже не в промптах — они уже прошлый век. Сейчас люди собирают полноценные системы: настраивают скиллы, прописывают правила работы и работают с контекстом. В итоге нейросеть из поверхностной всезнайки превращается в узкого специалиста, который автономно решает задачи. Вот, что это дает на практике: — Проджекты за пару часов могут собирать ботов для своих команд — Маркетологи могут быстрее проводить исследования и собирать отчеты — Кто угодно может упрощать себе жизнь и автоматизировать что угодно И для этого не нужно уметь кодить и делать что-то сложное — достаточно научиться правильно ставить задачи нейросетям и использовать инструменты вроде Cursor, Claude Code или Codex. Вот несколько полезных постов по теме: — Профессия будущего — промт-инженер — Как научить нейронки общаться между собой и работать вместе — Как научить нейронку нормально дизайнить — Вебинар: как вкатиться в вайб-кодинг с нуля Эта пушечка — посты с канала Нейроцех. Там постоянно рассказывают, как собирать свои рабочие системы. Разбирают инструменты и показывают реальные кейсы реальных людей. Делятся тем, что реально работает, а не скучной теорией. Подписывайтесь → https://t.me/+hEaHUzjdpZMyZmUy Реклама. ИП Молянов Павел Станиславович ИНН 910212721887 2VtzqvfnLS4

Почему писать промпты с помощью ИИ – плохая идея …и как превратить ее в хорошую. Один из самых частых советов, которые вижу: не писать промпт самому, а объяснить ИИ задачу и попросить написать под нее промпт. В таком подходе есть своя логика, но есть и большие ловушки. Сначала, где этот подход логичен. Большинство людей плохо мыслят комплексно: планируя туристическую поездку, мы думаем о вещах, которые нам важны и интересны, но упускаем маленькие и “неинтересные” нюансы, которые затем могут оказаться критическими. Или просто о чем-то не знаем: то, с чем не сталкивались в пяти странах подряд – в шестой может быть важным. Здесь ИИ действительно полезен: он умеет выходить за границы идеи и смотреть на нее “широким взглядом”, превращая в полноценную задачу. Но у ИИ есть несколько особенностей, из-за которых он часто превращает простой промпт в плохо работающего монстра. Первая – ИИ в написании промпта чем-то похож на старательного специалиста-джуна, который боится где-то накосячить и поэтому вписывает все инструкции и ограничения, какие только придут ему в голову. Вторая особенность – это изменение архитектуры ИИ, произошедшее за последнее время. Буквально полтора года назад модели очень сильно галлюцинировали, поэтому, чтобы добиться от них результата, приходилось делать многоэтажные промпты, где подробно описывать весь рабочий процесс, а также давать целый список того, что не стоит делать. И чем больше становится такой промпт, тем выше шансы нагородить в нем ошибок: продублировать инструкции, вписать лишние ограничения или, что хуже всего – противоречащие друг другу вещи. Подобных промптов в прошлые годы написали десятки тысяч, все они попали в обучающие тексты новых моделей и теперь, если вы просите GPT-5.5 собрать промпт – она опирается именно на “навыки древних”. Однако современные модели изменились. Во-первых, они отлично понимают, как выполнять ту или иную интеллектуальную задачу – и уже не требуют детального описания. Во-вторых, современные модели серьезно тренируют на следование инструкциям – поэтому они серьезно относятся ко всему, что написано в промпте или скилле. Вот и получается, что излишняя детализация скорее мешает модели работать, а не направляет ее. Об этом, кстати, говорят и разработчики: например, OpenAI в гайде по промптингу GPT-5.5 прямым языком советует не перегружать промпт инструкциями. То есть о промптинге с помощью ИИ можно забыть? Нет. Просто нужно немного уточнить задачу. Вот как делаю я:

Напиши мне промпт для: [описываем задачу, например “для поиска новостей на тему ИИ”]. Сначала задай мне вопросы, которые могут тебе помочь в работе. Получив мои ответы - напиши промпт, сделай его максимально коротким, включи только действительно важные инструкции и оставь ИИ максимум свободы в работе.

В большинстве случаев этого хватает, чтобы модель не уходила в детализацию. Но в некоторых случаях ИИ может увлечься, плюс хороший промпт – это не статичный текст, а то, что мы постоянно развиваем и улучшаем. Если вы чувствуете, что промпт все-таки распух от лишних инструкций и запретов, то можно прогнать его через что-то вроде рефакторинга. Скидываем модели исходный промпт, а дальше пишем:

Прочитай этот промпт как исполнитель, которому по нему работать. Ответь коротко на три вещи: — Что в промпте уже работает хорошо. — Чего тебе не хватает для эффективной работы. — Что в промпте лишнее, сбивает с толку, дублируется, противоречит друг другу или ограничивает тебя там, где в этом нет смысла. Далее дай списком предлагаемые доработки и улучшения.

На самом деле, это очень универсальный прием: он работает с промптами, которые сделал ИИ, которые написали вы сами, или которые просто нашли в интернете. Подробнее о том, как я промчу ИИ, можно прочесть в мини-курсе на “Бусти”. Там же я рассказываю, как быстро и безопасно разворачивать ИИ-агентов и даже создать себе собственного ИИ-секретаря на базе Hermes. Самое время подписаться!

Что такое tacit knowledge и как его сохранить в эру ИИ? На днях Microsoft провела Build 2026, где представила сразу 7 моделей собственной разработки: LLM на уровне GPT-5 (именно ранней версии, не текущей), ИИ для кодинга, а также несколько голосовых моделей и генераторов изображений. Компания заявляет, что строит “лабораторию суперинтеллекта”, а представленные модели – первый шаг в большой исследовательской работе. Выглядит парадоксально: Microsoft является одним из ключевых партнеров и инвесторов OpenAI, по долгосрочному соглашению получая доступ ко всем передовым версиям GPT. Зачем компании линейка собственных моделей, отстающих минимум на полгода? Ответ на это есть в интервью CEO компании Сатьи Наделлы подкасту Possible. В нем Сатья затронул термин “неявное знание” (tacit knowledge) – впервые его ввел в 1958 году Майкл Полани, бывший химик, перебравшийся в философию. Tacit knowledge по Полани – те знания, которые мы не можем описать словами. Представьте: два продавца, учились в одном месте, первый продает неплохо, второй – каким-то магическим образом перевыполняет план в разы. Вот та “магия”, что отличает второго – и есть tacit knowledge. Вокруг этого понятия много философии, но пока вернемся к мысли Наделлы. Босс Microsoft напоминает, что разработчики ИИ открывают для обучения моделей так называемые gyms – тренировочные центры, в которые нанимают людей разных профессий, чтобы они показывали моделям свои действия. Наделла видит здесь риск утечки tacit knowledge: из компании ушел хороший инженер (сократили или сам – не важно), в поисках денег он устроился в gym, начал обучать модель – и ваши “секреты” утекли в веса чужого ИИ и стали доступны десяткам конкурентов. Решение Наделлы по-корпоративному жесткое: не хочешь утечки – обучай своего ИИ-ассистента на действиях сотрудников. Полностью это тебя не застрахует (люди все равно будут уходит), но как минимум ты законсервируешь собственное tacit knowledge первым. Сильное и прямое высказывание, но к нему два вопроса. Первый – где именно грань, за которой начинается tacit knowledge? В описании Наделлы модель учится на траекториях – том, что можно записать и повторить. У Полани все иначе: если вы в процессе езды на велосипеде начнете в деталях запоминать движения левой ноги – то поездка закончится в канаве. Но это вопрос больше философский. Возможно, ИИ никогда не поймает “искру” талантливого продажника. Возможно – поймает. В любом случае, полагаться на это не стоит. А что стоит – так это задуматься, каким станет tacit knowledge в новой реальности. Наверняка будут и обычные ИИ-специалисты, и талантливые, с той самой “искрой”. Как оказаться в числе вторых? Первый совет дает сам Наделла – уже сейчас учиться правильно ставить задачу ИИ, а затем принимать результат работы. Грамотный промптинг, контекст-инжиниринг, использование ИИ для проверки самого себя, ручные тесты в критических точках – речь именно об этом. Но это скорее временная гавань: Сателла честно говорит, что ведущие компании все чаще учат ИИ ставить задачи другому ИИ и принимать результат – классический пример LLM-as-a-judge. И чем дальше, тем меньше здесь места останется человеку. Уже сейчас все чаще я слышу разговоры, что следующим этапом станет умение брать на себя ответственность за то, что сделал ИИ. И как раз здесь кроется новое разделение. Исследования показывают, что все чаще люди в разных областях, получив результат ИИ, просто нажимают “одобрить” (так называемый automation bias). Но этого недостаточно: чтобы реально брать ответственность, требуется глубоко понимать, что именно сделал ИИ и какой получил результат. И чем сложнее будут становиться ИИ-агенты, тем сложнее (и почетнее!) будет этот навык. Я и сам стараюсь не просто требовать от ИИ результат, а глубоко закапываться в то, как он работает, где ошибается, где ленится – и как его от этого отучить. Опытом регулярно делюсь на “Бусти”, где уже сформировалось несколько обучающих мини-курсов: от правильного промптинга до создания ИИ-агентов. Самое время подписаться!

Hermes и OpenClaw – как там дела у ИИ-ассистентов? Я только что закончил работу над новым лонгридом для подписки, в котором рассказываю об опыте работы с Hermes и OpenClaw. И в процессе написания задумался – а кому реально можно посоветовать эти ИИ-ассистенты? В тексте выделил две категории, а сейчас на ум пришла третья. Начнем с ИИ-энтузиастов. Hermes и OpenClaw – open source проекты, которые делаются сообществом. И очень часто сообщество внедряет новые интересные функции быстрее разработчиков. Я экспериментировал с тем же OpenClaw в феврале, и вижу, что знакомые функции уже “перетащили” к себе авторы Claude Code и Codex. А сейчас начинается новый виток: у Hermes есть классная функция самоулучшения скиллов, а OpenClaw умеет “дремать” (dreaming), анализируя диалоги и лучше подстраиваясь под пользователя – уверен, на эти вещи коммерческие разработчики тоже смотрят (более того, dreaming буквально сегодня запустили в ChatGPT). Вторая категория – те, кому нужен ИИ-ассистент, работающий 24/7. Hermes и OpenClaw построены вокруг мессенджеров (Telegram, WhatsApp, Discord, Slack), а большинство из нас практически живет в них. И это удобно – иметь прямо в ТГ персонального ассистента, который будет приносить вам дайджесты, вести календарь, собирать информацию из кучи источников и держать ее в каталоге. Я в Hermes веду базу новостных поводов: информация поступает ко мне через кучу каналов, я перекидываю сообщения и ссылки ИИ-агенту, он сортирует, проверяет, не пропущены ли важные поводы – и по запросу возвращает мне сводку, за что браться сейчас, что положить в бэклог, а что пропустить. Кстати, вайб-кодить эти ассистенты тоже умеют 😏 Наконец, третья категория – те, кому в ChatGPT стало тесно. Хочется попробовать что-то новое, а что – не ясно. Hermes/OpenClaw очень просто освоить после чат-бота, ведь по сути это такой же чат, просто в Telegram или WhatsApp. Разделение на проекты и файлы персонализации вроде SOUL и MEMORY здесь тоже есть, но агент возится с ними сам, не забивая голову пользователю. Единственное, что установить Hermes или OpenClaw сложнее, чем запустить Codex или открыть ChatGPT в браузере. Но с этим вам поможет новый текст: в нем я подробно разбираю, как установить, как настроить на старте, а также делюсь хитростями использования. — Читать на Boosty. — Читать на Sponsr.

Anthropic: ИИ уже ускоряет разработку ИИ, а люди – бутылочное горлышко Anthropic Institute опубликовал доклад о том, как последние версии Claude Opus и Mythos изменили разработку внутри компании – в том числе, повлияли на создание новых версий ИИ. Цифры впечатляют настолько, что Anthropic почти открытым текстом предлагает себе и коллегам “притормозить” – редкое заявление от компании, чей бизнес построен вокруг ИИ. К маю 2026 года более 80% кода, влитого в кодовую базу Anthropic написал Claude. Перелом – запуск агента Claude Code в феврале 2025: до него ИИ писал лишь несколько процентов кода. Сейчас это "автономные агенты": Claude Code сам запускает и проверяет код, берёт задачи на часы и раздаёт их субагентам. И если еще в конце 2025 года написанный Claude код был хуже человеческого, то теперь в компании не видят разницы на большинстве задач. Пара интересных тестов, которые проводят в Anthropic. Первый – берут момент, где инженер сам признавал, что мог выбрать шаг лучше, и сравнивают его решение с подсказкой модели. Opus 4.5 оказывался сильнее человека в 51% случаев, Mythos Preview – уже в 64%. Второй – это процент успешных задач, которые модель доводит до конца. Сейчас он выше 80% для тривиальных, рутинных и серьезных задач и выше 70% для “открытых задач” – то есть тех, где модели нужно найти решение самой. Все это позволило поднять количество кода, который пишет один инженер, в 8 раз в сравнении с 2024 годом – впрочем, в Anthropic сразу оговариваются, что метрика не идеальна. Казалось бы, самое время завести песню про “люди больше не нужны”, но в Anthropic жалуются на совершенно иное: люди сейчас стали основным “бутылочным горлышком. То, с чем столкнулись в компании, называют законом Амдала: когда ускорение происходит на одном этапе, то нагрузка перекладывается на соседний. Например, в апреле Claude выпустил 800+ фиксов и снизил класс API-ошибок в тысячу раз: по оценке специалистов компании, у людей заняло бы 4 года. А теперь представьте, сколько контекста должен удержать ревьюер всего этого – и сколько взять на себя ответственности. В случае с Anthropic этим этапом стало ревью кода – люди просто не успевают принимать и оценивать все, что пишет ИИ. Частично эту проблему решили с помощью ИИ-ревьювера – тесты показали, что он бы отловил до трети багов, которые привели к уже случившимся инцидентам на Claude.ai. Этот объем будет расти и дальше, а роль человека, по мнению Anthropic, будет и дальше смещаться в сторону “творческого вкуса”. Если раньше инженеры писали код руками, то теперь они все реже будут решать даже “как делаем”, вместо этого указывая модели направление – “что делаем” и “тот ли это результат, что хотели”. Уровень престижнее, но и тяжелее: больше ответственности – а для психики это серьёзное испытание. Далее Anthropic видит три сценария. Первый – тренд замедляется (предпосылок к этому в компании пока не видят); тогда нынешние возможности ИИ просто разойдутся по другим секторам. Второй и самый вероятный – тренд продолжается, лаборатории получают ускорение от моделей, а компании из 100 человек начинают делать работу, которую ранее делали 10 тыс. Но направления этой работы все еще задают люди. Третий – пресловутое рекурсивное улучшение. ИИ создает новые версии ИИ в почти автоматическом цикле, роль людей сводится к надзору. Здесь риск в выравнивании моделей – если в ИИ заложить неправильные ценности, то на каждом цикле улучшения они будут усиливаться. В Anthropic считают, что неплохо бы иметь “стоп-кран” на случай, если ускорение выйдет из-под контроля, но делать это нужно не на уровне одной компании, а на уровне государств. Спор про стоп-краны – уровень государств, тут от нас мало что зависит. А вот вывод для нас с вами в наших руках: ценным становится умение направлять ИИ, а не делать руками. Этому я и учу на Бусти – промптинг, агенты, основы без хайпа. Самое время подписаться!

RTX Spark – для кого именно Nvidia “переизобрела PC”? Nvidia и Microsoft на днях представили RTX Spark – новую мощную платформу для ПК и ноутбуков, заточенных под гейминг, творечество и локальный запуск моделей. Разберемся, что это за штука и кому она может быть полезна. У платформы будет до 20 ядер Grace CPU (на Arm-архитектуре, что редко для Windows) и 6144 ядра RTX Blackwell GPU – это примерно уровень мобильной RTX 5070. На фоне RTX 5090 и даже 4090, на которых обычно гоняют локальный ИИ, звучит скромно – но сила в другом. На RTX 5090 модель влезает только в 32 ГБ видеопамяти карты. У RTX Spark же обещан единый пул памяти на 128 ГБ – правда, значительно более медленной. Пропускная способность оценивается в ~273 ГБ/с против 1.79 ТБ/с у RTX 5090. Это осознанный компромисс. Если RTX 5090 с огромной скоростью запускает небольшие модели, то RTX Spark, пусть и с меньшей скоростью, но куда более приличные – сама Nvidia заявляет модели на 120 млрд параметров с контекстом 1M токенов. При этом чуть раньше, в блоге про ИИ-агента Hermes, Nvidia хвалила Qwen 3.6 на 35 миллиардов параметров, который требует 20ГБ памяти, но обходит 120-миллиардные модели. Дело в быстром алгоритмическом прогрессе: модель того же размера, но на год новее, обходит предшественницу по бенчмаркам. И второй момент: память нужна не только под саму модель, но и под контекстное окно – историю диалога. Для чат-ботов в режиме “вопрос – ответ” это не так важно, а вот для агентов с их многошаговой работой – критично. Третий момент – память нужна для дообучения моделей под свои задачи. Раньше для этого требовалось арендовать облачные ускорители, теперь можно справиться на локальном железе. И все же RTX Spark даст опыт слабее облачной подписки. В том же Claude Opus 4.8 более триллиона параметров и контекстное окно в тот же самый 1M. Экспертами RTX Spark оценивается в 3 тысячи долларов (официальных цифр еще нет) – получается, можно взять стартовый Mac Mini M4 и профессиональную подписку Claude Max x5 почти на два года. Кому же в таком случае нужен RTX Spark? В первую очередь – ИИ-энтузиастам. Писать промты, кодить с помощью моделей, строить ИИ-агентов – классный опыт, который уже ставит пользователя на ступеньку выше остальных. Но дообучение моделей, их тонкая настройка – это уже следующий шаг. Второе вытекает из первого. Есть критические области, где локальный ИИ важен и без всякой утечки данных: медицина, юриспруденция, корпоративный контур. В этих областях часто ограниченный список задач, под которые можно дообучить локальную модель, получив ничуть не худший результат. Плюс не забываем про такую важную вещь, как дрейф модели. Anthropic выпустила Opus 4.8 всего через 6 недель после Opus 4.7 – новинка лучше по бенчмаркам, но ведет себя совершенно иначе и в моем случае потребовала переделки множества промптов и скиллов. При этом старые модели живут недолго: из подписок Claude уже убрали Opus 4.5, в API модели держат подольше, но тоже не бесконечно. Параллельно дрейфует и сама подписка: недавно Anthropic запретила использовать модели из подписок Claude в OpenClaw и других агентах. Это прямо затронуло меня: пришлось пробовать GPT-5.3-Codex, чей стиль ответов меня не устроил, поэтому я надолг прекратил пользоваться OpenClaw и только недавно вернулся на другого агента с Hermes на GPT-5.5, которая работает заметно лучше. Для ИИ-энтузиаста вроде меня подобные “скачки” не так страшны – я люблю пробовать все новое, так что быстро привыкаю. Но в случае с настроенными процессами есть ситуации, когда лучше подобрать локальную модель. И не забываем, что RTX Spark – это многофункциональный компьютер. Nvidia обещает приличную производительность в видеоиграх и софте вроде Adobe Photoshop, где ИИ-функции тоже могут пригодиться – например, в тех же играх экспериментируют с искусственным интеллектом соперников на основе небольших нейросетей. “сбежавшая нейросеть” на “Бусти”: учу пользоваться нейронками, правильно писать промпты и безопасно разворачивать ИИ-агентов