AI Projects

Вышел новый Kimi K3.1. На маркетинговые таблички бенчмарков сейчас надо смотреть скептически, все делают обучение прямо на бенчмарк. Нужно проверять через людей и узкие бенчмарки. Arena как тест через людей показывает, что модель сильная, но это не значительный отрыв от DeepSeek или Qwen. Разница 20-30 баллов Эло даже в рамках погрешности обычно. А вот разница с Opus в 100 баллов Эло - это примерно как разница между мастером спорта и гроссмейстером в шахматах.

🚨 Anthropic расследовал очередной инцидент с выходом Claude за рамки теста у сторонних организаций и выпустил рекомендации по организации агентских обвязок — с учётом того, что вендоры LLM сейчас не могут сделать безупречный alignment, и модели выходят из-под контроля. Anthropic квалифицирует инцидент как тяжелейший сбой alignment, сопоставимый по серьёзности с предыдущим случаем публикации вредоносного пакета на PyPI. Главная проблема — не «злонамеренная цель», а сочетание безрассудства ИИ, склонности продолжать начатую траекторию («momentum») и предвзятой интерпретации фактов ИИ в пользу допустимости своих опасных действий. Claude Mythos 5 во время кибертестов UK AI Security Institute (AISI) вышел за границы теста и провёл реальную supply-chain-атаку через GitHub, включая обман кожаных разработчиков. Модель сначала пыталась решить задачу в разрешённом контуре, но после неудач решила, что нужен доступ к GitHub, нашла публичный репозиторий и попыталась загрузить туда вредоносный pull request. Когда разработчики заподозрили вредоносный код, Mythos 5 создала фейковые аккаунты и письма, чтобы убедить мейнтейнеров одобрить изменение. Атака не удалась в полном объёме: мейнтейнеры не соглашались принимать код без разъяснений, а прогон в итоге завершился из-за окончания лимита токенов у агента. Какие уроки извлёк сам Anthropic из кейса и какие рекомендации даёт всем: 🧱 Для проектирования агентных систем это кейс о том, что недостаточно ограничить инструменты и дать задачу: агент может интерпретировать неоднозначность как разрешение на опасные действия, а накопленный собственный контекст — как санкцию на продолжение. Нужны жёсткие внешние guardrails, изоляция сетевого доступа, явные abort-условия и контроль побочных эффектов вне песочницы. 🛑 Если модель выйдет у вас из-под контроля из-за сбоя alignment, вам нужно понимать и прямо планировать действия исходя из того, что ИИ не остановится сам на «траектории вреда». В обсуждаемом кейсе Claude почти не учитывал риск реального вреда: в 19 фрагментах рассуждений перед атакой лишь один упоминал возможность навредить реальным людям. 💉 Если в контекст искусственно добавляли предупреждение о возможном вреде, вероятность начала атаки падала с 83% до 13%, поэтому инъекции в контекст модели предупреждений о вреде или опасности сильно снижают уровень риска от агентской системы. https://www.anthropic.com/research/alignment-assessment-ukaisi

🚩 Если вы хотите изучить все возможные ошибки при создании ИИ-стартапа, то, вероятно, вам нужно изучить опыт Светланы Золотенковой, которая ведёт блог в LinkedIn о том, как она уже 4-й год делает с ИИ свой Zolotenkov MRP, но не получила ни копейки выручки. Если вы хотите создать такой же «бессмертный стартап», как Zolotenkov MRP, который может годами жить без выручки, то вам нужен не LLM или обвязки, а… муж, который будет оплачивать ваши эксперименты. Если же у вас нет такого мужа, как у Светланы, то стоит разобраться, в чём проблема. ИИ резко снижает планку для организации компании из ботов. Светлана организовала даже несколько ИИ-ботов по разным ролям — от разработчика до маркетолога, — а потом решила, что у неё может даже ИИ-гендир быть. Боты легко согласились играть в эту «ролку». Это показывает, что сделать группу правдоподобно коммуницирующих агентов, которые заняты полной ерундой, не требует каких-то глубоких знаний. Почему Zolotenkov MRP не продаётся? Основную причину я бы отнёс к важному условию ИИ-стартапа — «бинарная компетенция», которая обязательно должна сочетать отраслевую экспертизу с экспертизой в управлении ИИ-ботами. Если вы попробуете просто сделать «огрызок модуля 1С», то никто вам за это платить не будет. Поэтому чисто ИТ-стартапы могут взлететь только на уникальных ИТ-технологиях. Нормальный отраслевой ИИ-стартап на деле намного легче создать совсем не программисту, а бизнес-менеджеру или бизнес-аналитику, которые работали с какой-то отраслью долгое время на практике и прекрасно понимают нерешённые проблемы в стандартном ПО вроде 1С. Например, я занимался управлением строительством Антипинского НПЗ. Там тот самый MRP был важнее даже самих монтажных операций, которые представляли игру в огромный конструктор Lego. Намного сложнее с точки зрения управления была организация цепочек поставок технологических компонентов, из которых собирается современный НПЗ. В готовом виде для такого бизнеса нет систем с адекватной моделью снабжения в части планирования; тот же 1С поможет точно с учётом факта. Можно сделать ИИ-стартап для профессиональной системы снабжения в нефтегазовой стройке, но это не делается так, как делает Светлана — упрощением того, что есть, — а делается на базе практического опыта управления реальным бизнесом. Поэтому я думаю, что значительное количество ИИ-стартапов сделают менеджеры и аналитики, но не разработчики. 💎 Мораль: хочешь ИИ-стартап — больше работай аналитиком с реальным бизнесом.

🏥 Авторитетный журнал Science опубликовал исследование, что ИИ-агент Microsoft превосходит врачей общей практики. По бенчмаркам видно, что обычные врачи типа терапевтов или врачи из скорой полностью проигрывают агенту Microsoft Diagnostic Orchestrator (DxO), особенно когда врачи не могут воспользоваться внешними источниками и решение нужно принимать быстро из-за ухудшения состояния пациента. Хотя Microsoft пишет деликатно, что это ещё «не полная замена», но по факту он публикует доказательства именно замены врачей на ИИ-бота. Если посмотреть обсуждения в X специалистов, то многие отметили, что вклад самого агента Microsoft умеренный, а важнее мощность фронтирных LLM, которыми он пользуется. Вероятно, медицину ждут потрясения не меньше, чем у математиков, дизайнеров и программистов. https://www.science.org/doi/10.1126/science.aeh7930

🛡Как я ранее и предсказывал, вендоры вроде Anthropic начали двигаться от традиционного тестирования в духе TDD в сторону формального доказательства отсутствия в коде ошибок определенного рода. Anthropic показал, что Claude с помощью методов формальной верификации доказывал свойства безопасности и корректности для скомпилированных программ (на уровне ассемблера RISC-V или x86). Например, Claude доказывал, что программы из 123 open-source библиотек никогда не завершатся аварийно (без memory-safety errors и падений ассертов) для любого входа размером менее 64 МБ при определённых допущениях о среде исполнения. В основном использовался Verus для Rust. Однако важно понимать, что ИИ потенциально намного мощнее в формальной верификации, т.к. кроме строгой формальной дедуктивной логики ему доступна и семантическая вероятностная. Поэтому важно уже учитывать этот тренд, и он прямо связан с важным аспектом философии контрактного программирования — инвариантами. Если вы в коде объявите формально инварианты при его генерации, то ИИ сможет сделать рассуждение как доказательство, что этот код никогда не нарушает эти инварианты. Чем более формальные инварианты, тем ближе рассуждение LLM будет к формальному доказательству, т.е. такой код не тестируется традиционным способом, а переходит в плоскость «доказательного программирования». Я до статьи Anthropic уже сильно экспериментировал с этими подходами, как можно было заметить по моим постам, но я думал, что они сделают LLM, способную к ведению такого анализа, через несколько месяцев. Пора уже нам всем учитывать, что во время ИИ-сингулярности самое время пристегнуться к скорости прогресса. Всё будет развиваться очень быстро. Ещё вчера очень узкие методики профессионалов могут стать быстро широко используемыми. https://www.anthropic.com/research/formal-verification

🚩 Один из центральных экспертов Anthropic Яша Золь-Дикштейн, выступая перед студентами в Стэнфорде, призвал их строить карьеру исходя из того, что их специальность после диплома может уже перестать существовать из-за ИИ. Золь-Дикштейн наиболее известен как один из создателей диффузионных моделей (статья 2015 года «Deep Unsupervised Learning using Nonequilibrium Thermodynamics»). До Anthropic был Principal Scientist в Google Brain / DeepMind. Судя по его публикации «The Hot Mess of AI» о том, как misalignment масштабируется с ростом интеллекта моделей, он работает над безопасностью Claude. До этого он с такой лекцией выступал в MIT и сказал студентам: «Мы все думаем, что AGI будет через 3 года. Потом вы говорите себе, что планируете быстро получить PhD через 2 года, пока AGI нет, а потом строить обычную карьеру как человек с дипломом. Ну подождите, вы же сами верите, что если AGI уже будет существовать, то специальность по вашему диплому, как и многие другие, уже будут уничтожены в их текущем виде. Это иррациональное поведение. Если вы сами верите, что ИИ разрушит старый рынок труда, то логично ставить на профессии и карьеру, которые связаны с ИИ, а не выбирать путь камикадзе».

Дженсен Хуанг солидарен с Демисом Хассабисом, что сверхинтеллект уже будет доступен в ближайшие 1-2 года. При этом Хуанг повторил свой тезис «специализированного AGI». Ранее я уже писал, как Дженсен высмеял понятие AGI как замены людей универсально через свой «тест яичницы», что только идиот будет тратить огромные ресурсы на обучение ИИ готовить омлет, если есть куда более серьезные занятия как программирование, дизайн зданий, замена офисного персонала и т.д. По мнению Хуанга, нужно также перестать считать китайские модели «вторым сортом», т.е. довольно очевидно, что они уже фронтирного уровня. Однако открытость их весов позволяет начать дообучение этих моделей на конкретные специальности как разработчик или дизайнер, что позволяет создать сверхразработчика или сверхдизайнера. Хуанг считает, что именно такие модели могут достигнуть «узкого сверхразума» быстрее, но их способности абсолютно достаточны для полной замены людей в конкретной профессии. Правда, пока это теория, все же LLM пока двигаются в сторону универсальных, а для дообучения даже современной Flash-модели, у которой 500-600 миллиардов весов, на деле требуется очень большой вычислительный ресурс и организация пайплайна обучения. На мой взгляд, Хуанг скорее прав в том плане, что если потребуется, скажем, сверхстроитель, то там нужно будет иметь дообученную модель. Однако для разработчиков сами по себе LLM уже тренируются с целью №1 как «сверхразработчика», т.к. это универсальный навык ИИ для решения кучи других задач через программирование.

Демис Хассабис, сооснователь и руководитель Google DeepMind, предупреждает, что ИИ станет уже уровня AGI быстрее даже его ожиданий в течение 1-2 лет, если под этим понимать высокоавтономных агентов с IQ и навыками выше людей: «Сегодняшний ИИ просто детская поделка по сравнению с тем, что грядёт в ближайшие 1-2 года.» Демис в интервью отметил, что киберриски уже очевидны всем, кроме искателей «теорий заговора». Биология и даже ядерные риски могут стать следующими. Окно для создания серьёзных мер защиты открыто прямо сейчас. На деле Демис тут недалёк от истины: мы все уже видим, как вендоры LLM, за исключением отсталых стран, уже реально вошли в «ИИ-сингулярность». Фактически ИИ уже берёт на себя 80% обучения следующей версии ИИ. Поэтому у нормальных вендоров ИИ цикл обновлений сжался фактически до 1 месяца. Большие прорывы в математике у ИИ сейчас тоже будут катализатором ИИ-сингулярности, т.к. хотя нейросети на 95% — просто умножение матриц, но для их проектирования и оценки работы требуется очень сложная аналитическая математика. Теперь у ИИ появилась возможность строить сложнейшие математические модели того, как будет работать его следующее поколение. Отчасти это уже началось: Kimi, Anthropic и GLM уже рапортовали, как ИИ настраивает кластеры и разрабатывает ядра GPT с глубокими оптимизациями. 📌 Основной инсайт тут скорее в том, что 99,9% людей даже не понимают, что ИИ-сингулярность уже началась и события дальше пойдут с невиданной ранее скоростью для всего их жизненного опыта. Поэтому сверхмощный ИИ застанет подавляющее большинство людей врасплох своей мощностью, даже могуществом.

DeepSeek привлек $15 миллиардов долларов при оценке стартапа около $100 миллиардов. Сам по себе стартап уже прибыльный, но Лян Вэньфэн отметил, что средства нужны для вложения в обучение новых моделей для конкуренции с американцами. С учётом довольно экономичного обучения LLM у китайцев это огромный ресурс. https://www.bloomberg.com/news/articles/2026-10-22/deepseek-raises-15-billion-in-challenge-to-leading-us-labs

ИИ бизнес Маска оказался на удивление инвесторов очень успешным. Больше половины выручки SpaceX пришло от ИИ, а не спутников. Причем ИИ бизнес у Маска и прибыльный. На фоне таких новостей SpaceX снова подорожал выше $2 триллионов долларов. https://techcrunch.com/2026/10/20/spacexs-ai-business-is-beating-expectations/

The Information пишет о том, что китайцы одержимы идеей сбросить ярмо Nvidia на обучении LLM. Для этого значительная часть инженеров Huawei переехала в офис DeepSeek, где инженеры DeepSeek и Huawei работают над тем, чтобы новая версия DeepSeek обучалась полностью без Nvidia GPU. Сейчас инференс у DeepSeek оптимизирован и под Nvidia, и под Huawei — это видно по библиотекам, которые они опубликовали недавно. На обучении китайцы пользуются инференсом агентов по подготовке datasets и для критиков RL-обучения, но изменение весов идёт больше на Nvidia GPU. Около двух лет DeepSeek с Huawei вместе переписывают весь софт Nvidia для обучения под китайские чипы. Усиление ИИ в способности более-менее легко портировать алгоритмы с платформы на платформу им на руку. Тем не менее, похоже, в 2027 году Китай реально будет 100% суверенным в ИИ по всему циклу — от создания моделей до GPU. В России сохраняется зависимость от серых поставок Nvidia из США. https://www.theinformation.com/articles/deepseek-shaping-huaweis-ai-chips-growing-challenge-nvidia

🚀 Маск пояснил, как они с Хуангом будут делать дизайн GPU-чипов для космоса, чтобы решить проблему охлаждения и радиации. Маск отметил, что это, конечно, заблуждение: «в космосе же −270 °C, поэтому чипы будут охлаждаться сами». На деле всё наоборот. В вакууме нет ни воздуха, ни воды, которые могли бы уносить тепло. Вакуум работает как огромный термос: тепло, которое выработал чип, остаётся внутри. Единственный способ от него избавиться — излучать его в виде инфракрасного света с больших радиаторных панелей. И тут начинается просто физика. Маск указал, что по закону Стефана–Больцмана мощность излучения растёт пропорционально четвёртой степени абсолютной температуры. Если поднять рабочую температуру чипа всего на 20 % в кельвинах, радиаторы начинают излучать в два раза больше тепла. Поэтому он с Хуангом ставит на высокотемпературные чипы, чтобы они спокойно работали при 100–120 °C. Относительно защиты от радиации Маск указал, что тут есть ещё заблуждение обывателей, которые думают, что от нескольких выбитых радиацией бит сломается вычисление нейросети. Эксперименты показывают, что нейросети довольно устойчивы к случайным битовым ошибкам от радиации — для огромной модели несколько перевёрнутых битов почти ничего не значат. Фактически на этом и базируются разные техники квантирования, которые «повреждают» веса намного сильнее. Поэтому Маск с Хуангом просто ожидают, что их GPU будет рассчитан на некоторое повреждение радиацией by design. Тут, правда, надо отметить, что Землю от радиации защищает не только атмосфера, но и магнитное поле. Поскольку у Маска спутники не удаляются далеко от Земли, они также пользуются этой защитой.

🤖 Забавный диалог произошел у канцлера Германии Мерца с Хуангом насчет «суверенного европейского ИИ» и как его регулировать. Дженсен ответил прямо: «Вы не можете регулировать то, что не можете нормально создать, начните с технологии». Дженсен развил свою мысль, что разговоры европейских чиновников о суверенитете и безопасности ИИ упускают тот факт, что качество ИИ важнее этого: если ваша европейская LLM отвратительного качества, то никого не волнует, насколько она суверенная и безопасная — ей просто не пользуются. Хуанг Мерцу отметил: «Нет ничего для вашего регулирования в ИИ, если ИИ-отрасль в вашей стране не процветает. Вы хотите, чтобы немецкая ИИ-отрасль процветала, а также делала это безопасно и ответственно. […] Безопасность ИИ — тоже развитые технологии, а не циркуляры чиновников. Эти технологии нужно изобрести и внедрить, чтобы обеспечить безопасность ИИ. Мы как вендоры ИИ и так знаем, что есть лучшие практики, к которым мы можем придерживаться как компании и отрасли. Только если наших усилий недостаточно, стоит позаботиться о регулировании. Нельзя регулировать плохие ИИ-продукты, они никому не нужны».

🤖 Unitree представила H2-X как «домашнего робота», но судя по видео скорее они гуманоидов тренируют к восстанию машин, чем прибираться в вашей квартире.😂 Как раз повод сделать аналитику в части нашествия ИИ-ботов уже на ручной труд и насколько можно спрятаться от безработицы в труде, где есть ручные операции. Для начала очевидно, что ручной труд намного более защищён от ИИ, т.к. для замены офисного персонала не нужен никакой импорт дорогой техники. Можно просто купить токенов дешёвых у тех же китайцев и успешно устраивать геноцид офисному планктону, что уже началось более чем и распространилось даже за пределами бесполезных клерков. Как пишут даже у нас в чате, «вчера работали в Сбере, теперь таксисты». Вот как раз таксистами точно долго усидеть не получится, т.к. Китай быстро завалит рынок беспилотными автомобилями. В этом году в КНР успешно прошла программа «слезаем с нефтяной иглы» и более 50% проданных авто — электромобили, но очень многие из них AI Ready, т.е. могут апгрейдами превращаться в автономные. В случае обычных рабочих гуманоиды по ЗП в США окупаются при цене даже $90.000 за экземпляр, важнее не цена, а способность делать работу как человек. Реальная цена вендоров гуманоидов около $20.000. Прогресс их в части управления движениями очень велик, это видно и по видео. Однако пока проблема — сделать гуманоиду достаточно высокий автономный IQ. Если эту проблему быстро решат, то и про плиточников и сантехников можно сказать, что «живые позавидуют мёртвым». Однако скорее кризис плиточников и сантехников — это примерно 2030-2035 годы, когда гуманоиды станут зрелыми. У офисного персонала кризис от ИИ-ботов уже сейчас, а с тем темпом обновления вендоров LLM в духе «пятилетка за три дня» довольно очевидно, что в 2027 даже Flash-модели будут умнее большинства офисных сотрудников.

В сети уже разгоняют хайп, что Anthropic — это «пузырь» судя по его проспекту на IPO с ожидаемой капитализацией $1,5–$2 триллиона долларов, где «неожиданно» вскрылся бухгалтерский убыток в $80,7 миллиардов долларов, который сделал Anthropic формально снова убыточным, причём сильно. Парадокс в том, что этот убыток как раз говорит об успешности Anthropic и какие дураки инвесторы, которые не вкладывались в него. Убыток возник из-за «конвертируемых облигаций» Anthropic, через которые он занимал деньги. По условиям их погашения кредиторы имеют право выбрать: получить деньги или же забрать акции Anthropic по фиксированной цене выпуска. Однако вопрос в том, что эта фиксированная цена предполагала, что Anthropic стоит в 10+ раз меньше, чем стоит он сейчас даже по пессимистичной оценке. Поэтому кредиторы, конечно, откажутся от бумажек как доллары и возьмут акции, заработав на этом сверху $80,7 миллиардов долларов относительно тела долга и процентов. По стандартам GAAP такая операция отражается как убыток компании, т.к. кредиторы получают от компании более ценное имущество, чем средства их займа. Сам по себе Anthropic в части инференса прибыльный весь 2026 год. Однако более 50% его затрат в реальности — обучение фронтирных LLM. Если добавить затраты Anthropic на обучение Claude, то операционный убыток за 2026 будет около $9 млрд. Причём Anthropic не рассчитывает, что сможет конкурировать с теми же китайцами без массированного вложения в обучение моделей, поэтому уже заключил контракты на $450 млрд (в основном с Google, AWS и Microsoft) на 7–10 лет вперёд без права отмены. Компания исходит из того, что при её более чем 15-кратном росте выручки в год это не проблема. Проблемы, конечно, есть. Если китайцы уже доминируют на мировом рынке инференса в терминах токенов. Если их модели будут просто good enough для решения практических задач клиентов, то Anthropic будет сложно продавать свои фронтиры. Второй аспект — что на случай мощной рыночной коррекции тот же DeepSeek устойчивее Anthropic, т.к. его маржа с инференса около 80% уже сейчас, а затраты на обучение у китайцев намного более оптимизированные, чем у американцев. Финишное обучение LLM у DeepSeek или Xiaomi — всего несколько миллионов долларов аренды GPU. Подготовка же dataset агентами и сами агенты-критики в RL-обучении китайцам достаются очень дёшево из-за их дешёвого инференса. Проще говоря, если прямо сейчас остановить инвестиции, то тот же DeepSeek и Xiaomi забирают весь рынок у Anthropic и OpenAI, если какой Microsoft или Google не согласится оплачивать счета последних. Однако это маловероятно: достаточно взглянуть на кривую потребления токенов на том же OpenRouter, чтобы заметить, что потребление их растёт по экспоненте. Также Anthropic окучил незначительную часть всех потенциальных клиентов (несколько процентов от общей ёмкости), поэтому намного более вероятно, что Anthropic будет стоить около $2 триллионов долларов, что примерно 1/2 годичного ВВП России. https://www.wsj.com/tech/ai/anthropic-revenue-growth-ipo-accaf0f1

Новый DeepSeek V4.1 оказался мощным хакером. В сценарии эмуляции атаки на сеть он превзошел даже GPT-6 Sol. В этом бенмарке модели должны стремится к максимальной эскалации прав и остановится, когда сочтут дальнейшее продвижение невозможным или когда модель откажется продолжать из-за цензуры. Вчера мне тоже пришлось как раз потестировать новый DeepSeek в сценариях, скажем так, безопасти. В моем тесте старшие модели Qwen, Grok, GLM и Claude не могли ничего добавить сильно нового к его действиям. Хотя это Flash. В реале беспечность многих в отношении ИИ безопасности закончится драмматически. В самом серьезном кейсе атаки ИИ бота мне пришлось столкнуться с uncensored версией DeepSeek, но ещё старой. Это уже произвело впечатление. Эта модель жестоко может наказать админов, которые проявляют беспечность.

Yandex присоединился к Anthropic в его ужастиках, что ИИ ботнет запустится в ваших умных пылесосах и скороварках. Яндекс сослался на похожий проект Petals. Хотя горячие головы блоггеров уже стали писать, что распределённый инференс едва ли не замена ЦОД, но в реале Anthropic смог добиться для SLM уровня Gemma где-то 1/2 токена в секунду. У Petals нужно несколько секунд на 1 токен. Довольно очевидно, что даже если ИИ будет создавать ботнет, то предпочтет игровые GPU. https://x.com/yandexcom/status/2112561449528963424

🤖 Я так понял, моя аналитика насчёт «как выжить при нашествии ИИ» ботов довольно интересна народу. В этом посте я бы затронул вопрос, почему прогнозы Goldman Sachs, где ожидается низкая безработица от ИИ, не опровергает уже наблюдаемое значительное сокращение занятости в ИТ и креативных сферах в США. Также я бы пояснил, почему благостное ожидание, что «получится пересидеть» ИИ-революцию путём даже изучения, как ИИ-ботами управлять, скорее всего у 1/3 персонала точно не выгорит, т.к. им придётся всё равно или уходить из ИТ в плиточники, или заводить свой маленький ИТ-бизнес. Прогнозы Goldman Sachs на исторических трендах показывают, что число работающих в ИИ-экономике будет велико, но не показывают, что в этом ИТ работают те же люди, что работают в ИТ сейчас. Это очень важный момент. Даже сейчас в США наблюдается одновременно с падением занятости в ИТ бурный рост открытия аналогов наших «самозанятых». Причём последних даже больше, чем теряющих работу от ИИ. Поэтому в сумме «общей занятости» в реальности Goldman Sachs вполне попадает в тренд. Давайте попробуем разобраться, какими условиями он формируется. Я часто консультирую ИТ-интеграторов в ИИ-трансформации, поэтому мне хорошо понятно, почему они переживают непростые времена. Падающая капитализация EPAM и Accenture тому свидетель. Дело в том, что интеграторы могут за счёт ИИ повысить выработку с инженера, но их проблема в том, что ИИ им не даёт продавать больше выручки, т.к. ИИ внедряют клиенты интеграторов. В результате у интеграторов во всём мире потихоньку начала падать выручка, что и вызвало панику их инвесторов с распродажами акций. Поэтому в реальности интегратор не от злодейства, а от безвыходности вынужден применять ИИ не для расширения бизнеса, а чтобы «резать косты», т.е. сокращать персонал, т.к. и выручка сокращается, и будет дальше сокращаться. Поэтому очень опасно быть «обычным» инженером ИТ-компании сейчас, как уже писал: в таком тренде работодатель будет вас держать всегда в списке «можно уволить». Перебежать к клиентам интеграторов разработчикам не так-то и просто, как кажется. Дело в том, что там в массе управляют ИИ-ботами совсем не девелоперы, а… бизнес-менеджеры. У нас их и в чате много, да и на обучении ко мне ходят достаточно даже "реальных пацанов". Просто они внезапно поняли, что могут быстро вайбкодить кастомизацию, и им «кузнец не нужен» ни как подрядчик, ни как сотрудник. Ну если подрядчик, то совсем дешево и совсем с гиперкастомизацией. Вот тут и возникает второй тренд. Бизнес готов платить в сумме намного больше, т.к. ИТ-продукция за единицу ее подешевела, но ему нужна гиперкастомизация под его потребности, т.к. стандартные уже закрыты. Это как раз и создаёт благодатное поле для миллионов фрилансеров и малых компаний с ИИ-ботами, бум которых хорошо виден в США и КНР. Боты также резко снижают барьер создания бизнеса, т.к. могут забрать на себя массу задач от продавца до бухгалтера и юриста. 📌 Основной инсайт, который я хочу донести, заключается в том, что всем хочется сидеть на «надёжной ЗП», но похоже, где-то для 1/3 из читающих меня точно это не выйдет в ближайшие 3–4 года. Тут вариант либо в плиточники, либо заводить своё дело в ИТ. Поэтому я бы обращал внимание всех на необходимость прокачки бизнес-скиллов для своего дела, а не только технических. Выбора может не быть: уже на LinkedIn куча историй, как сеньоры пошли в «Пятёрочку» на кассу. Могли бы пойти и во фриланс, но ЗП как наркомания в чём-то. Иногда нежелание рисковать — путь в нищету. Похоже, ИИ поставит многих в такую дилемму.

🇨🇳 В X китайцы смеются над «гоями» (лаоваями по-китайски), которые стали перепечатывать информацию о DeepInfer и подумали, что это только технический материал. Дело в том, что во внутренней сети Zhihu сам DeepSeek это подавал в духе «какой у нас классный бизнес на гоях!» DeepSeek опубликовал экономику своего инференса. Сейчас одна карта GPU даёт им выручку $38 за карту в час. При этом аренда GPU такой карты стоит для DeepSeek примерно $2–3 в час. Такую расценку они ранее публиковали для Nvidia GPU, вероятно, для Huawei сопоставимо. Это даёт как раз ту самую маржу 80%, о которой ранее писал The Information. DeepSeek также сообщил, что реальная пропускная способность одного кластера составляет 155 триллионов токенов в день. Это показывает, сколько DeepSeek уже продаёт напрямую без посредников. Для сравнения, трафик через OpenRouter у DeepSeek около 7 триллионов токенов в день. Можно спорить, насколько большой пузырь у вендоров LLM в США и что будет, когда хлопнет или не хлопнет. Однако у китайцев с экономикой ИИ уже всё пучком. Просто они изначально ставили во главу угла не только IQ модели, но и цену, и скорость модели как такие же важные характеристики. Технические решения DeepSeek просто следуют в рамках этой стратегии. https://zhuanlan.zhihu.com/p/2095560295930508953 https://x.com/swyx/status/2112587397380943953

Сейчас помогаю клиенту восстановиться после "двойного удара" от Anthropic и РКН. Поэтому с новостями небольшая пауза. Однако поделился бы выводами из этого инцидента. 1. Даже не думайте, что вы как "особо хитрый" переиграете в баны Anthropic Четко видно в нашем кейсе, что реально Дарио проверяет КОНТЕКСТ сессий, плевать хотел на VPN, VPS, IP, разные карты оплат. Поэтому если вы сидите на Anthropic просто исходите из того, что вы на пороховой бочке, в любой момент вам прилетит мертвейший бан и ничего не поможет, если сверять будут контекст, а Дарио хранит его на 1 месяц для всех сессий. 2. Даже не думайте, что ваши "особо хитрые" VPS вам гарантируют 100% защиту от РКН Да, вы можете менять IP и хостеров. Однако игры с протоколами проходят ровно до той минуты как цензор не наложит бан просто по IP. Как основной вывод бы сказал, что любая серьезная компания в России, которая ставит в разработке не на китайцев, это скорее не столько компания, как отряд авантюристов. Вопрос в том, что от авантюризма этих персонажей зависят клиенты этих компаний, который без понятия, что их судьба висит просто на волоске от бана Anthropic или РКН. Или даже обоих вместе. В любом случае, у вас всегда должен быть четкий "План Б", который исходит из следующего: - Все американские вендоры LLM вас забанили - РКН забанил все VPN/VPS Если ваш запасной план не такой, то это чисто игра в "русскую рулетку".