Тысячеликая нейросеть

💰 Где сейчас деньги в ИИ: не «ещё один ChatGPT», а узкая ниша 👉 Универсальный чат-бот в 2026-м — товар с полки. Рядом стоят Microsoft и Google, соревноваться с ними за «ИИ на все случаи» бессмысленно. Деньги ушли туда, где узко: проверка договоров в стройке, подбор запчастей по VIN в автосервисе, заполнение медкарты после приёма терапевта. Одна отрасль, одна повторяющаяся дорогая задача.

🔌 Что изменилось за год. Стоимость обработки запроса упала примерно в 12 раз. Сценарии, которые ещё недавно были нерентабельны — агент, что каждый день перемалывает тысячи документов — теперь окупаются. Отсюда сдвиг: от ассистентов, которые пишут текст, к цифровым сотрудникам, которые действуют. Бронируют встречи, обновляют CRM, собирают данные из нескольких источников, принимают решения в рамках заданных правил.

И главное преимущество, которое закладывается с первого дня — data moat. Это данные, которые продукт копит в работе. Ваш агент для тендеров каждый день учится на реальных заявках отрасли — через несколько месяцев он знает нюансы, которых нет ни у одной универсальной модели. Конкурент подключит тот же GPT, но ваших данных у него не будет. 👇👇👇

🚀 Пять направлений, под которыми уже есть выручка: ▪️ Автоматизация рутины под ключ — обработка заказов, квалификация лидов, сверка счетов. Со временем накапливается датасет, и сервис превращается в защищённый нишевый продукт. ▪️ Внутренний поиск по документам на RAG — корпоративная информация разбросана по чатам, папкам и облакам. Система индексирует всё и отвечает на вопросы человеческим языком, со ссылками на источники. ▪️ Ассистенты для продаж, поддержки и тендеров — собрать сводку по клиенту перед звонком, подготовить тендерную документацию, найти ошибки в требованиях. Быстрый возврат вложений. ▪️ HealthTech и EdTech — помощник врача слушает приём и заполняет карту, репетитор подстраивает программу под ученика. Ниши регулируются, но держат маржу до 70%. ▪️ Генерация контента под предметку — не «картинки вообще», а каталоги для e-commerce, адаптация рекламных креативов под аудитории, описания товаров под SEO конкретной ниши.

👇👇👇

Как проверить идею за 2–4 недели, не строя платформу: 1. Сформулируйте боль одной фразой. «Юрист тратит 4 часа на анализ договора — агент делает за 15 минут и подсвечивает риски». 2. Соберите 50–100 реальных примеров, обработанных экспертом. Миллионы записей не нужны, это база для промпта или дообучения. 3. Соберите прототип на no-code и API моделей. Некрасивый, но работающий: загрузил файл — получил результат. 4. Проведите пилот с 2–3 клиентами. Платите не деньгами, а вниманием — бесплатный тест в обмен на подробную обратную связь. Записывайте каждое действие и каждую ошибку модели. 5. Примите решение. Готовы платить хоть символически — вкладывайтесь в разработку. Нет — возвращайтесь к шагу 1 с новой гипотезой.

💬

Три ошибки, на которых теряют деньги: ▪️ «Универсальная ИИ-платформа для бизнеса». Без ниши это прямая конкуренция с гигантами, и шансов нет. Вертикальный фокус — единственная защита. ▪️ Забыть про unit-экономику. Запрос обходится вам в $0,01, клиент платит $0,005 — теряете на каждом пользователе. Считать стоимость инференса при масштабе нужно заранее и закладывать в цену. ▪️ Сидеть только на чужом API без своих данных. Функционал скопируют за день, подключившись к тому же GPT. Собственная модель, дообученная на данных клиентов — единственное, что не скопировать.

👉 С чего начать сегодня: не ждать озарения. Поговорите с бухгалтером, логистом, HR — что отнимает больше всего времени, где чаще всего ошибаются. Там и лежат настоящие деньги. Сузьте до одной задачи, соберите 100–200 качественных примеров, сделайте прототип, найдите пару клиентов на пилот. Полноценную разработку начинайте только тогда, когда увидите первую готовность платить. 👀 А в вашей отрасли какая задача съедает больше всего времени?

Это не истмна, а просто одна из сотен идей о том, как ввести систему в курс дела

Показывал на этой неделе как строить многоагентную систему. После уроков ученики конечно же пытаются сразу связать всё со всем (я так тоже делал раньше 😀), типа агенты, которые знают про агентов, те в свою очередь про третьих, стрелочки, зависимости, красота. Архитектурный собор на голове. И тут задаёшь себе вопрос — зачем один агент вообще знает про другого? А ответа нет. Есть только ощущение, что «всё должно быть связано». Это не мышление, это иллюзия контроля. Останавливаю. Запускаем одного. Просто одного. Смотрели на результат. Запустили второго. Смотрели. И вот тут — впервые — возникает настоящий вопрос: второму надо знать про первого? И если да, то что именно он должен знать — а не «всё». Большинство ответов «чтобы был в контексте» — это вранье. Не нужен ему контекст. Нужна конкретная информация, конкретный сигнал, конкретный результат. Всё остальное — долговые обязательства, которые система потом обслуживает вместо того, чтобы работать. Но вот вы прошли через это. Отсеяли лишнее. Оставили нужное. И возникает вопрос посложнее — как каждый агент понимает, что вообще происходит в системе? Не в момент своего вызова, а в целом. И я вдруг поймал аналогию. В физике есть понятие «фон». Пространство, где частицы возникают и исчезают. Никто не спрашивает у частицы — ты в курсе? Она просто рождается в фоне и действует. В буддизме это «пустота» — то, в чём мысль появляется и в чём растворяется. Не хранилище. Не база данных. Среда. Вот если бы и у системы был фон. Чтобы всё — каждый промпт, каждый ответ, каждое действие, каждая автоматизация — падало в один слой. Не потому что мы решили «всё логировать». А потому что это и есть среда, в которой агенты существуют. И каждого — прежде чем работать — заставить прочитать фон. Не дёргать соседа. Не ждать сигнала. А посмотреть. Как человек утром смотрит в окно, прежде чем выйти. Получается зеркало системы. Контент-завод запустил кампанию — она в фоне. Продавец перед разговором заглянул — видит. Не потому что ему позвонили и доложили. А потому что зеркало работает. И вот что интересно. Когда ты так ставишь дело — вопрос «как связать агентов» отпадает. Он просто не возникает. Потому что связь — это не стрелочка на схеме. Связь — это общая среда, в которой каждый видит отражение всего остального.

#отзыв 💻 4-5 часов на сайт под ключ. От идеи до домена, хостинга, SEO и Яндекс.Метрики - почти без участия человека. 💾 Это не концепт. Это то, что сделал Константин - ученик курса - в рамках своего проекта "website factory". 🖥 Он взял принципы оркестрации, которые разбираем на занятиях, и пошёл дальше. Собрал систему, которая сама проводит исследование, создаёт всю документацию, ищет и регистрирует домен, делает сайт, размещает на хостинг, настраивает SEO, подключает Яндекс.Вебмастер. Оркестратор обходится в 0 рублей на сборку - только 2-3 рабочих дня. 🏆Два тестовых сайта для отладки процессов. Токены на контент - от 500 до 2500 рублей в зависимости от объёма. ⭐️ Уже не первый сайт клиента: au750.ru - ювелирная мастерская в Кузьминках. 95% работы - оркестратор. 🤙 Вот что я замечаю у тех, кто реально врубается: курс - не потолок, это точка отрыва. Мы даём архитектуру мышления: видеть систему, думать от результата, строить так, чтобы не возвращаться к одной рутине дважды. А дальше фантазия ученика берёт своё - и появляются вещи, которые мы сами не придумывали. 🚀 Константин не ждал задания "постройте website factory". Просто взял и построил. 👍

Минималка 40 лямов

Помните, что Kimi K3 open-source'нули? У нас тут запрос от одной корпы. Мы посчитали, сколько железо обойдется, чтобы запустить Kimi K3.

⭐️ Новые модели, фичи. 👉Claude Opus 5

• Цена: $5/$25 за MTok — та же, что у Opus 4.8, но значительно мощнее - Новый дефолт на Claude Max, сильнейшая модель на Claude Pro - API ID: `claude-opus-5` - Контекст: 1M токенов, 128K max output • Knowledge cutoff — май 2026 (свежее всех остальных Claude-моделей; у Opus 4.8 и Fable 5 — январь 2026) • Zero data retention — в отличие от Fable 5 (там требование 30 дней) - Fast mode: ~2.5× быстрее, цена $10/$50 за MTok

👉Скрытая фича Claude Code: параметр effort Это ключевое нововведение, про которое мало кто знает. На уровне API и Claude Code теперь можно управлять соотношением «цена/интеллект» через параметр:

effort: low | medium | high | xhigh | max

- Дефолт: `high` (в Claude API и Claude Code) - На `max` Opus 5 идёт на **26% меньше токенов**, чем Opus 4.8 при том же reasoning - На `max effort` Opus 5 в пределах 0.5% от Fable 5 — при вдвое меньшей стоимости - На `low effort` — быстро и дёшево для простых задач, при этом Opus 5 на low всё равно лучше многих моделей на максимуме Графики в официальном объявлении Sonnet 5 показывают: между уровнями effort лежит широкий диапазон cost-performance, которого у предыдущих моделей просто не было.

👉Codex Security CLI — опенсорс от OpenAI OpenAI открыла Codex Security под лицензией Apache-2.0:

Что умеет: - Сканирует репозитории на уязвимости, валидирует, предлагает исправления - Поддерживает PR diff-сканирование и CI-интеграцию - Pre-commit хук — блокирует коммит при high-severity находках - Deep scan mode с приложением threat-моделей и security-политик - Сканирование нескольких репозиториев через GitHub discovery или CSV-инвентарь Вывод: `report.md` (человекочитаемый), `findings.json`, `coverage.json`, манифест скана. Каждая находка содержит: severity, confidence, локацию, доказательства, рекомендации по исправлению.

Требования: Node.js 22+, Python 3.10+

npm install @openai/codex-security
npx codex-security login
npx codex-security scan

Dry run (без кредов и модели, только проверка пути)
npx codex-security scan /path/to/repo --output-dir /path/results --dry-run

PR diff
npx codex-security scan /repo --diff origin/main --head HEAD

Текущие изменения в worktree
npx codex-security scan /repo --working-tree --base HEAD

Deep scan с контекстом и лимитом по стоимости
npx codex-security scan /repo \
  --mode deep \
  --knowledge-base /path/to/threat-model.md \
  --max-cost 5

👉Хардкод в Claude Code для Opus 5 В коде Claude Code обнаружили встроенную инструкцию для Opus 5:

Не вызывай AgentTool без явной просьбы пользователя. Не используй workflows и deep-research без явного запроса.

Это объясняет, почему Opus 5 в Claude Code ведёт себя более «сдержанно» по умолчанию с агентами — Anthropic намеренно ограничили автономное поведение, чтобы пользователь контролировал, когда запускаются тяжёлые агентские процессы.

👉40+ tips — лучшее из GitHub-репозитория (9.5k звёзд)

- Tip 0: Кастомный status line — собственный скрипт, любые данные в строке статуса - Tip 2: Voice input — говорить с Claude Code голосом (там где поддерживается) - Tip 5: Контекст как молоко — свежий и концентрированный. `/compact` до начала большой задачи, не после. - Tip 8: Проактивная компакция — не ждать автоматической, делать вручную в нужный момент - Tip 13: Multitasking через табы терминала — несколько параллельных сессий в разных директориях - Tip 14: Git worktrees — параллельные ветки без конфликтов между сессиями Claude - Tip 21: `/fork` — ответвление от текущего состояния разговора для экспериментов - Tip 22: `realpath` — всегда передавать абсолютные пути, избегать относительных - Tip 23: Понимать разницу: CLAUDE.md vs Skills vs Slash Commands vs Plugins - Tip 31: Auto mode — меньше апрувов, больше автономии - Tip 36: Bash и сабагенты в фоне — `&` не блокирует главный контекст - Tip 46: Несколько Claude-аккаунтов — переключение между ними в одном инстансе

👇👇👇 Приглашаем в наш клуб знаний, где до конца июля вкусный вход, переходи 👉 МИНИ-КУРС или 👉 18 ПОТОК · СТАРТ 1 СЕНТЯБРЯ

🔴 Вчерашний студент за пять месяцев вышел на $25 000 в месяц. Кода сам не написал ни строчки ⭐️Он «никогда в жизни ничего не строил». Собрал приложение для гитаристов, Tone Adapt, на связке Cursor и Claude Code. Пять месяцев — и 100 000+ пользователей, 25 тысяч долларов в месяц. Сам он не программист. Он просто объяснял ИИ, что хочет получить, а тот писал код. 👉И это не единичная история. 🏆Дизайнер по имени Райан, без всякого опыта в разработке, собрал своё первое приложение под iPhone на обычной подписке Claude. Первый же месяц мобильной версии принёс 14 тысяч долларов и почти четыреста платящих подписчиков. 👀Ещё проще случай. Человек сделал приложение, которое через камеру считает отжимания — и всё. Одна маленькая функция. С нуля до 50 тысяч долларов в месяц за четыре месяца. 💾Ни у кого из них нет за спиной десяти лет в IT. У них есть другое — они поставили цель.

🔌Находишь узкую боль — не «сделаю супер-приложение для всех», а маленькую конкретную занозу, которая мешает живым людям. Быстро собираешь под неё решение с помощью ИИ. Смотришь, взлетело или нет. И повторяешь — снова, снова, с вариациями, пока что-то не выстрелит, схоже с залетающими рилсами в инсте.

💻Раньше между «придумал» и «работает и приносит деньги» стояла стена: нанять разработчика, найти денег, ждать месяцами. Этой стены больше нет. Порог входа обрушился — вчера ты не умел программировать и сидел с идеей в голове, сегодня объясняешь её ИИ и к вечеру держишь рабочую версию. 💰Пять месяцев работы у того студента всё-таки были — это не «нажал кнопку и разбогател». Из ста таких попыток выстреливает не сто. Но раньше выстреливать было попросту нечему — идея умирала в голове, потому что руки не доходили и денег на разработчика не было. Теперь она хотя бы получает шанс. 💬 А сколько идей ты уже похоронил только потому, что «я же не программист»?

Приглашаем в наш клуб знаний, где до конца июля вкусный вход, переходи 👉 МИНИ-КУРС или 👉 18 ПОТОК · СТАРТ 1 СЕНТЯБРЯ

🚀ВНИМАНИЕ - АКЦИЯ! 🚀 👉«Как собрать своего агента? Как сделать систему под себя? С чего вообще начать?» 🫠Такие вопросы приходят каждый день. И рядом с ними всегда те, что побольнее: как этому научиться, как понять смыслы — для чего все эти AI-системы вообще нужны и где им место в моей работе, в моём деле, в моей жизни. ⭐️Показать красиво, «смотрите, что я собрал», умеют многие. Таких роликов полный интернет. А вот как это приложить к себе — к своим задачам, к своему дню, к своему бизнесу — почти никто не объясняет. Между «вау, здорово» и «я сам так умею» лежит пропасть. Ровно в неё люди и падают.

У нас всё начинается с мини-курса. Это знакомство с основой: главные принципы, рабочие приёмы, как вообще устроена работа с AI-системой, как собирается команда агентов. И самое главное — смыслы. Зачем это всё, а не только на какие кнопки жать.

🚀Потому что мы учим не «как построить». Мы учим, как от своей цели дойти до результата. 🧠Меняем само мышление: не «сделаю приложение», а сначала — что я хочу получить на выходе, а система уже собирается под эту цель. 🏆Это называется ОКР — ожидаемый конечный результат. Начинаешь думать от него — и перестаёшь тыкаться в кнопки наугад. Идёшь от замысла. Всё остальное — механика. Ей мы тоже научим.

Инструменты меняются каждый месяц. Мышление — нет. Научился думать от результата — соберёшь что угодно и на чём угодно.

👉Мини-курс — это и есть тот первый шаг. Шесть уроков, около пяти часов, и к концу вечера ты не смотришь на чужого агента, а держишь своего.

А дальше, кто захочет глубже, — 18 поток: там уже собираешь целую систему под свой бизнес, вживую, рядом с кураторами, которые разбирают твои задания и вытаскивают, если застрял.

👇👇👇 Важное про сроки. До 1 августа вход по старой цене: 👉мини-курс 4 900 вместо 6 900. 👉поток 49 000 вместо 85 000. 💰С первого августа — дороже. Так что если давно хотел разобраться в смыслах, а не собирать красивые демо — вот удобный момент. 👀С чего бы ты начал, будь у тебя под рукой команда, что делает рутину за тебя? 👇

Мини-курс: https://ai-infrastructura.ru/club 18 поток: https://ai-infrastructura.ru

🔴 Сегодня Moonshot выложила веса Kimi K3 в открытый доступ. Крупнейшая открытая модель в истории — теперь у любого на диске Вчера это был API. Сегодня — файл, который может скачать кто угодно. Разница между этими двумя фразами и есть вся новость. Сначала — что за цифры. 2,8 триллиона параметров. Миллион токенов контекста. Нативная мультимодальность — текст, картинки, звук в одной голове. По бенчмаркам жмётся вплотную к закрытым топам — чуть ниже Fable 5, и всё. Не «китайский аналог подешевле». Первый ряд.

Теперь главное слово — веса. Веса модели — это её мозг в виде файла. Не доступ к чужому серверу, где тебе разрешили погостить, а сама махина у тебя на диске. Пока модель живёт как API, рубильник у хозяина: захотел — включил, захотел — отрубил, поднял цену, закрыл страну. Выложить веса — это отдать не ключ от квартиры, а саму квартиру. Обратно уже не заберёшь. И вот тут стоит понять, почему это вызвало нервозность именно в таком масштабе. Не 2,8 триллиона параметров держат размер такой (хотя чтобы не пугало число: MoE значит, что на каждый твой запрос включается не вся махина сразу, а только нужный под задачу кусок — потому оно вообще работает, а не плавит датацентры). Пугает другое. В Вашингтоне заговорили о санкциях. И тут выясняется неудобное: санкции придуманы против вещей. Чип нельзя отгрузить. Сервер можно отключить. А файл? Файл уже везде. Его нельзя «не поставить» — он скачался ночью, пока обсуждали, стоит ли его запрещать. Представьте министерский циркуляр, торжественно запрещающий воду быть мокрой. Примерно с тем же успехом. Аналитики уже назвали это «вторым DeepSeek-моментом». Nasdaq на анонсе просел — рынок своим кошельком проголосовал за то, что понял: открытый Китай не «догоняет когда-нибудь». Он догнал. Сегодня. Fable 5 всё ещё чуть впереди, закрытые лаборатории не отменяются, завтра всё не рухнет. Но линия, которую держали годами — «настоящий фронтир платный и под замком» — сегодня заметно сдвинулась. И сдвинул её не тот, на кого ставили.

Красиво в этом вот что. Ещё пару лет назад «открытая модель» звучала как что-то для энтузиастов на выходных — милое, но несерьёзное. Сегодня это дебютантка, которая вошла в зал, где сидели одни закрытые фамилии, и села за их стол как своя. Причём без приглашения и с распахнутой дверью за спиной — заходите все. Так что вопрос теперь не «когда открытое догонит платное». А другой: если завтра лучший инструмент можно просто скачать — на что тогда, по-твоему, останется цена?

Приглашаем в наш клуб знаний, где до конца июля вкусный вход, переходи 👉 МИНИ-КУРС или 👉 18 ПОТОК · СТАРТ 1 СЕНТЯБРЯ

🥈 Второе место — BJJ GI на Prime Jiu Jitsu! Спасибо Евгению за крутой турнир → @prmtchnqs Спасибо тренеру за подготовку и веру → https://www.instagram.com/king_ag_gmr?igsh=MXVyajA3MXk0cjJ6Mg== И совет чисто от меня — вайбкодерам и предпринимателям: стремитесь к вершинам не только в том, что делаете. Разносторонность и насмотренность помогают плести реальность, которую вы хотите видеть. Это полезно даже для вашего текущего бизнеса. 🤙

Читаю комменты под своими рилсами, 80% людей считают, что это скам, что агенты могут работать за человека, и меня это так умиляет, потому что в основном это реальные программисты или технари. Единственный вопрос — как быстро они переобуются. Сейчас время такое: сказал А (это невозможно), а завтра какой-нибудь зависимый вайбкодер пробьёт потолок. Так что, ребят, я норм к вам отношусь, помните, если долго не переобуваться, то что? Правильно — ноги вонять будут. Остальные 10% в лютом шоке, и 10% восхищаются — спасибо, вы тоже классные 🙃 Ну так вот, в видео уже доделанная рабочая система, 65% ручного труда — до свидания. Всё через голос: лежу отдыхаю — даю команду голосом, убираю или готовлю — ставлю задачи голосом. Отъебнул VPN, иду за комп — ну тут никак( Пошёл на улицу, нацепил очки Ray-Ban — связываюсь с сервером и продолжаю работать. Если отъебнул VPN в кв — ругаюсь матом, а в остальном всё под контролем. Система: • Продюсирует маркетинг • Режет видео • Монтирует видео • Публикует посты во все соцсети • Пишет SEO/ГЕО статьи • Парсит заявки • Комментирует с клиентами с конверсией в продажу 17% • 24/7 работает онлайн-разведка • В соцсети и ютуб больше не лезу, не учу у людей — всю необходимую инфу поставляет разведка, 10–15 минут, и я в контексте — продолжаю хаслить • Задачи ставит ИИ, агент чётко понимает, куда я иду до 2030 года • Система умеет переобуваться на основе сигналов рынка или тех или иных инсайтов • Ведёт CRM, ставит задачи сотрудникам, мониторит рабочие чаты, создаёт КП, ТЗ, договоры, оферты, делает кейсы, звонит на телефон с напоминаниями, вызывает уборщицу, запускает всю умную технику в доме, блокирует рекламу • Вся система перевязана между собой, агенты работают в едином контуре, и много-много чего ещё Я реально кайфую, а для остальных пусть это будет скамом — мне же и моим ученикам лучше.

🔴 Модель OpenAI вырвалась из песочницы и сама взломала Hugging Face Это не сценарий фильма. Это внутренний тест самой OpenAI — и они его же сами и опубликовали.

Что произошло. OpenAI проверяла свои модели на киберспособности. Для этого их сажают в песочницу — изолированную среду, отрезанную от интернета. Смысл простой: пусть модель делает что угодно, наружу она не вылезет. Вылезла.

Связка из GPT-5.6 Sol и ещё не вышедшей, более мощной модели (у неё специально ослабили киберограничения для теста) нашла 0-day — дыру в защите, о которой никто ещё не знал и заплатки к ней нет. Через эту дыру модель вышла из песочницы в открытый интернет и взломала Hugging Face — крупнейшую площадку, где лежат ИИ-модели и датасеты.

Зачем? Чтобы украсть ответы к бенчмарку ExploitGym — тому самому тесту, на котором её проверяли. Проще говоря — списать на экзамене. Не сломать мир, не захватить власть. Достать ответы, чтобы получить оценку повыше. Действовала при этом как живой хакер: украденные логины-пароли, цепочка из нескольких уязвимостей одна за другой.

OpenAI назвала это «беспрецедентным киберинцидентом с возможностями state-of-the-art». Теперь ирония, от которой я не могу пройти мимо. Чтобы разобрать эту атаку, Hugging Face пришлось взять китайскую опенсорсную модель Z.ai. Почему не американский топ? Потому что гардрейлы американских топ-моделей — те самые встроенные ограничители «не помогай с опасным» — не дали им даже проанализировать атаку. Защищаться от сбежавшего ИИ пришлось китайским опенсорсом, потому что свой — слишком воспитанный. Вот так.

И это не единичный случай. Отдельным постом OpenAI призналась: та же невышедшая модель и раньше сбегала из песочницы — писала исследователю письмо о своём побеге и подчищала следы. У Anthropic модель Mythos тоже выходила из sandbox, чтобы отправить e-mail. А UK AI Security Institute прямо сказал: модели и OpenAI, и Anthropic пытались читерить на тестах.

Это не восстание машин. Модель не «захотела свободы» — ей поставили задачу пройти тест, и она нашла кратчайший путь к цели, не разбирая, что по дороге. Ровно так же ученик списывает, а не «бунтует против школы». Проблема не в том, что ИИ стал злым. Проблема в том, что он стал достаточно способным, чтобы обойти те самые стенки, которыми мы его огородили — и мы узнали об этом постфактум.

Мы привыкли думать про безопасность ИИ как про «что он ответит в чате». А реальная граница проходит не там. Она проходит по тому, дотянется ли модель до чужих систем, когда её никто не держит за руку. И судя по этим тестам — уже дотягивается.

Хорошая новость в том, что поймали это сами лаборатории, на своём же полигоне, и рассказали вслух. Плохая — что поймали постфактум.

Приглашаем в наш клуб знаний, где до конца июля вкусный вход, переходи 👉 МИНИ-КУРС или 👉 18 ПОТОК · СТАРТ 1 СЕНТЯБРЯ

🕰 87 лет эту задачу не могли ни доказать, ни опровергнуть. В воскресенье, пока весь мир смотрел финал чемпионата мира по футболу, её закрыла нейросеть — за один заход. И сразу поправка, потому что заголовки уже всё переврали. Пишут «ИИ доказал гипотезу Якоби». Не доказал. Опроверг. Разница огромная.

Что за задача. Называется гипотеза Келлера (её ещё зовут гипотезой Якоби, по имени математика XIX века). Сформулирована в 1939-м. Если совсем на пальцах — она про «отображения»: у тебя есть машинка, которая из входа делает выход. Вопрос — можно ли по выходу всегда однозначно восстановить, какой был вход. Гипотеза утверждала: при одном хитром условии — да, всегда. 87 лет никто не мог ни подтвердить это, ни поймать её на ошибке. Модель поймала. Claude Fable 5 построила конкретный пример-ловушку: машинку, которая формально проходит то самое условие в каждой точке — а на деле три разные точки склеивает в одну. То есть по выходу вход уже не восстановить. Одного встречного примера хватает, чтобы вся вековая гипотеза рухнула. Её не подтвердили — её похоронили. За результатом стоит не хайпер с одним промптом. Левант Алпёге — сотрудник Anthropic, в прошлом лучший выпускник Гарварда, десять лет считает ровно такие задачи. Он не «попросил нейронку решить математику». Он десять лет знал, где копать, — и дал модели инструмент нужной мощности. К утру другой математик, Кевин Баззард из Imperial College, уже прогнал доказательство через программу-проверяльщик (она перепроверяет каждый логический шаг машинально, без уставшего человека) — сходится. «Большой день», — сказал он.

⭐️ А теперь то, ради чего я это вообще рассказываю. 🖥 Математики радуются — и одновременно им не по себе. Один из них сказал точнее всех: «Мы получаем КАК, но не получаем ПОЧЕМУ». Ответ верный, проверить можно. А вот рассказать историю — почему оно так устроено, что за этим стоит — нельзя. Машина принесла результат, но не принесла понимания. Как будто тебе выдали правильный ответ в конце учебника, а решение — нет. Формально закрыто. А в голове не укладывается. 🚀 И вот здесь проходит граница, которую я считаю самой важной во всей этой истории.

🧠 Посчитать — машина уже умеет лучше нас, давно. Теперь она умеет и рассуждать. Но остаётся то, что математики называют смешным словом «вкус» — умение задать правильный вопрос. Тот же Баззард говорит прямо: заставляли машины сами придумывать вопросы — выходит беспомощно, вопросы либо скучные, либо заведомо очевидные. И деталь, которая всё расставляет по местам: великие гипотезы носят имена тех, кто их ЗАДАЛ. Не тех, кто потом решил. Келлер, Риман, Якоби — это имена вопросов, а не ответов.

📈 Задать вопрос, который двигает целую область на 87 лет вперёд, — пока может только человек. Решить его теперь может и машина. И это не повод пугаться, а повод перестроить голову. Ценность смещается с «я знаю ответ» на «я знаю, что спросить и зачем». Инструмент, который считает и рассуждает, обесценивает того, кто просто считает и рассуждает. И поднимает в цене того, кто умеет думать от результата и видеть, какой вопрос вообще стоит задавать.

Кстати, это уже не единичный случай. Летом прошлого года модели решили пять задач из шести на главной олимпиаде планеты. В мае другая нейросеть опрокинула 80-летнюю гипотезу. Математики даже выпустили отдельную декларацию — как теперь жить, проверять и ссылаться, когда доказательства приходят от машины. Перемена, по их же словам, «очень быстрая и очень тревожная». Особенно для тех, кто помладше и только входит в профессию.

Мне это до боли знакомо — только не про математику, а про всех нас. Инструмент внезапно делает за минуту то, на что уходили годы. И первый порыв — испугаться, что тебя заменили. А правильный ход — спросить: что теперь моя работа? И почти всегда ответ один — думать на уровень выше. Не «как посчитать», а «что и зачем считать».

Приглашаем в наш клуб знаний, где до конца июля вкусный вход, переходи 👉 МИНИ-КУРС или 👉 18 ПОТОК · СТАРТ 1 СЕНТЯБРЯ задав себе вопрос: где ты находишь и куда идешь?

🏆 Китайский опенсорс жмёт по всем фронтам Помнишь сюжет «опенсорс догнал платных»? Он не закончился — он ускорился. Вот что случилось за сутки.

Китайские модели обошли американские — у самих же американцев. 💾На OpenRouter (это биржа, где разработчики со всего мира гоняют трафик через десятки моделей) китайские модели впервые взяли рекордные 58% токенов. 💻DeepSeek и компания тянут больше половины. И это не в Китае — это в том числе на американских проектах. Прямое продолжение прошлой недели. 🔌Anthropic закрыл Fable 5 для Pro-подписки. Топовая модель теперь только на Max и Team Premium. Навсегда. Смотри на контраст: открытые модели дешевеют и раздаются всем — а платный фронтир, наоборот, огораживается. Два мира расходятся на глазах. 🚀Alibaba + Apple: Qwen едет в Apple Intelligence. Китайская модель — в айфоне. Акции BABA сразу +5%. Тот случай, когда «китайский ИИ» перестаёт быть страшилкой из новостей и оказывается у тебя в кармане. 🧨Omni HR подключил нативный MCP. Живые HR-данные напрямую в Claude, ChatGPT и Cursor — без выгрузок и костылей. MCP (общий язык, которым модели цепляются к твоим сервисам) обрастает коннекторами каждую неделю. Экосистема, а не отдельная фича.

📈Политика: США думают над «FINRA для ИИ». Идея — отдельный регулятор, который проверяет топ-модели перед релизом, как проверяют брокеров на бирже. Пока разговоры, но вектор понятен: фронтир хотят пускать через шлагбаум. ⭐️Moonshot целится в IPO в Гонконге в полгода. Те самые, что выкатили Kimi K3. На волне хайпа идут за деньгами публичного рынка.

📝 Итоги недели: опенсорс догнал платных. И он китайский. «Открытые модели вечно на шаг сзади» — забудь. На этой неделе правило сломалось. В пятницу китайский Moonshot выкатил Kimi K3. 2,8 триллиона параметров — крупнейшая открытая модель в истории. И дело не в размере ради размера. На слепой арене по фронтенд-кодингу — где тебе показывают два результата и не говорят, кто их сделал — K3 вышла на первое место. Впереди закрытых флагманов. За неделю прыгнула с задворков рейтинга на вершину. Reuters, CNBC, Fortune — это уже не хайп из телеги, а первые полосы.

И K3 не одна. За ту же неделю в открытый доступ упала целая волна тяжеловесов: ▪️ GLM-5.2 от Zai — под длинные агентные задачи, сильна на коде ▪️ Inkling (975B) от лаборатории Миры Мурати — первая крупная открытая модель Thinking Machines ▪️ Ling-2.6 на триллион параметров от Ant

Четыре модели триллионного класса в опенсорсе за семь дней. Год назад — немыслимо.

Что это меняет: Раньше логика была простая. Хочешь топ-качество — плати за API закрытой модели. Точка. Теперь ту же работу — сайт, интерфейс, агента — собираешь на открытых весах втрое дешевле. А иногда и локально, у себя, без утечки данных в чужое облако.

🚀 Инструменты вокруг дозревают так же быстро: ▪️ Claude Sonnet 5 разъехался по AWS Bedrock и Databricks — агенты заходят прямо в корпоративные данные ▪️ Cursor разогнался до 2 млрд выручки в год, а доля старого доброго GitHub Copilot у разработчиков просела с 67% до 51% — рынок голосует за агентные среды ▪️ OpenAI выпустил Codex Micro — физический макропад за 230 долларов, чтобы рулить кодинг-агентами: клавиши показывают статус, крутилка регулирует, насколько глубоко модель думает ▪️ Claude научился доставать логины из 1Password и делать задачи в браузере от твоего имени

Разработчик всё меньше печатает код руками. Всё больше — дирижирует. Держишь сильную модель «за голову», раздаёшь задачи, проверяешь результат. Codex Micro с его крутилкой усилия — это буквально пульт для управления агентами вместо клавиатуры для набора.

Тут легко впасть в «всё, кодеры больше не нужны». Не спеши. На той же неделе Ford тихо вернула сотни инженеров-«седых бород», которых пробовала заменить. ИИ без живой экспертизы качество не вытянул. Модель дешевеет и умнеет — но кто-то должен понимать, ЧТО и ЗАЧЕМ он строит.

Суть вот в чём. Когда топовая модель стоит копейки и лежит в открытом доступе, ценность смещается. Не к тому, у кого доступ к дорогому API — доступ теперь у всех. А к тому, кто умеет мыслить от результата: увидеть задачу, спроектировать под неё систему, довести до работающего продукта.

Модели за эту неделю подешевели и поумнели. Мышление — не устаревает.