Perpetual Prompt ♾️

🚗 Chamath Palihapitiya опубликовал крутое исследование про то, как самоуправляемые автомобили меняют экономику передвижения. У него в блоге по подписке выходят очень глубокие разборы - рекомендую подписаться. Уверен, что за этими текстами стоит фултайм аналитик, который копает данные на таком уровне детализации. https://chamath.substack.com/p/autonomous-driving Главный тезис: в 2025 году автономное вождение стало коммерчески жизнеспособным и начало менять не только такси, но и грузоперевозки, страхование и городскую инфраструктуру. Американцы тратят около 225 часов в год на дорогу за рулем, а в 2025 в США произошло больше 36 тысяч смертей в ДТП. Waymo уже проехал 170 миллионов миль без водителя и показывает на 92% меньше серьезных аварий, чем у людей за рулем. К концу 2025 компания довезла 20 миллионов платных поездок, а сейчас выдает 500 тысяч поездок в неделю по 10 городам США - и целится в 1 миллион поездок в неделю и 20+ городов (включая Лондон и Токио) уже к концу 2026 года. Экономика простая: сейчас владение машиной обходится в $1.10 за милю, а роботакси должно упасть до $0.25 за милю, чтобы стать доминирующей моделью. ARK Invest оценивает такой рынок в $11 триллионов, а Goldman Sachs прогнозирует, что автономные машины займут 65% продаж в США к 2040 году. Tesla идет другим путем - камеры вместо лидаров - и в 2026 запустила безводительские роботакси в Далласе, Хьюстоне и Майами, хотя по масштабу пока сильно отстает от Waymo (Morgan Stanley ждет у Tesla около 1000 машин к концу года). Aurora тем временем целится в грузоперевозки - 200+ беспилотных грузовиков к концу 2026 года на рынок в $900 миллиардов. Chamath считает, что технология уже готова, и дальше все упирается в регулирование. #chamath_palihapitiya@rvnikita_blog #waymo@rvnikita_blog #tesla@rvnikita_blog #robotaxi@rvnikita_blog ————————— Мысли Рвачева —————————

Сильно не ругайте, отзывы принимаются. Материал уникальный, как делают генную терапию на острове в Карибском море. Смотрите на Ютубе

Канал Veritasium уже делал документальные фильмы про производство тефлона компанией «Дюпон», производство гербицидов от «Монсанто», и про то, какой вред здоровью был нанесён химикатами. Не прошли мимо свинца и аммиака. Теперь дошла очередь до асбеста. Сегодня посмотрим часовую документалку про этот материал и будем разбираться, действительно ли шифер идеальный вариант для вашего дачного домика он опасен для здоровья и вызывает рак. Ну и оставляем вам картинку в стиле cold open Винса Гиллигана☣️ #анонс@vertdider

🎙 Elon Musk дал интервью The Economist о том, как будет выглядеть мир к 2036 году, и главный тезис - деньги перестанут иметь значение. Разговор с Zanny Minton Beddoes записали на техасской gigafactory Tesla, интервью длилось почти полтора часа. Musk считает, что AI превзойдет суммарный интеллект всего человечества примерно за пять лет, а к 2036 году роботы и AI будут производить больше товаров и услуг, чем человек способен потребить. В такой экономике проблемой становится дефляция, а не инфляция - а деньги теряют смысл, потому что можно получить все, о чем только способен подумать. Тезис про работу Musk повторяет не первый раз: работа станет опциональной. Сегодня выращивать себе овощи на грядке никому не нужно - это уже хобби для тех, кому нравится. То же самое ждет работу: кто-то продолжит что-то делать, потому что хочет, но необходимости в этом не останется. Отдельно Musk про код: AI уже пишет лучше 90% профессиональных разработчиков и движется к 99%. Финальную точку он называет "stockfish момент" - по аналогии с шахматным движком, которого не обыграет даже Магнус Карлсен. Даже лучший в мире программист не напишет код, сравнимый по качеству с AI-generated. Распределять блага Musk предлагает через "universal high income" - выше прожиточного минимума, который дает universal basic income. Критики вроде Tyler Cowen отвечают, что энергия, земля и внимание дефицитными останутся и в 2036 году, а значит и цена на них никуда не денется. Про свои предсказания Musk шутит, что его "batting average" на удивление высокий для человека - просто тайминг иногда съезжает на годы. https://youtu.be/XuoqKYxDHVc #elon_musk@rvnikita_blog #ai@rvnikita_blog #future_of_work@rvnikita_blog #economy@rvnikita_blog ————————— Мысли Рвачева —————————

​OpenAI открыла академическим исследователям бесплатный доступ к ChatGPT, Codex и общим рабочим пространствам 29 июля OpenAI запустила программу ChatGPT for Academic Researchers для выбранных университетов. Летом она начнёт с 10 тысяч исследователей, а к 2027 году компания планирует охватить 100 тысяч. Исследовательская работа редко укладывается в один диалог с моделью. Лаборатория неделями читает статьи, сопоставляет данные, пишет код, возвращается к расчётам и готовит заявку. Программа OpenAI даёт участникам бесплатный доступ к моделям, увеличенным лимитам и общему рабочему пространству; одобренный исследователь может пригласить до четырёх коллег из своего учреждения. Codex пишет и отлаживает код, анализирует наборы данных и собирает воспроизводимые процедуры. Deep research разбирает литературу и готовит сводки, а ChatGPT Work поддерживает длинные текстовые задачи: поиск грантов, заявки, обзоры литературы и черновики статей. Лаборатория получает место, где несколько коллег возвращаются к одним документам, данным и расчётам, а не отдельные ответы модели. Для наук о жизни OpenAI перечисляет более 75 готовых навыков: генетику, геномику, секвенирование, анализ данных отдельных клеток, моделирование белков и поиск лекарств. Подключения связывают рабочее пространство с научными статьями, публичными геномными и клиническими базами, вычислительными блокнотами и менеджерами библиографии. Так одна группа может пройти путь от публикаций и исходных данных до кода, который другой исследователь запустит заново. В исследованиях старения это обычная связка задач: сопоставить геномные наборы данных, увидеть изменения в отдельных клетках, найти литературу и подготовить анализ для повторения эксперимента. Новая программа делает эти инструменты доступными университетским группам вместе с обучением и помощью при их внедрении в работу лаборатории. Стартовый доступ получат 10 тысяч исследователей; цель в 100 тысяч к 2027 году остаётся планом OpenAI. О запуске стартовой группы также сообщил SiliconANGLE.

Вчера Том Голд получил премию имени Уилла Айснера в номинации «Лучший юмористический комикс» за книгу «Физика для котов». Мы издали её в прошлом году в переводе Виктора Меламеда.

Среда меняет майндсет быстрее терапии. Кажется, я понял, как именно Под постами про YC зашёл разговор в комментах: почему правильная среда так разгоняет изменение мышления. Читатель, который строит обучение взрослых с ИИ-тренером, оценил ускорение в 5-10 раз. И задал вопрос, на который, оказывается, почти никто не отвечает: а как это работает в деталях? Попробую из своего опыта - YC и пары других сильных сообществ. Главный механизм - пересборка нормы. Работают не идеи и не советы: ты каждую неделю видишь, как обычные ребята рядом делают то, что ты считал невозможным. И планка «нормально» съезжает сама, без внутренней борьбы. В одиночку себя убеждаешь месяцами - в среде это происходит через наблюдение. Старую установку не надо «прорабатывать»: она просто перестаёт быть правдой. Вон сидит такой же человек, как ты, - и у него получилось. Второй механизм - копируются приёмы, а не принципы. Принцип «говори с клиентами» можно знать годами и не применять. А когда сосед по батчу показывает, как именно он написал первым десяти клиентам, ты просто повторяешь шаги - и они ложатся сразу, без перевода из абстракции в действие. Отсюда, кстати, простой практический вывод: выбор среды - это не про нетворкинг и «полезные знакомства». Это самый быстрый из известных мне способов поменять собственную голову. А какая среда сильнее всего двигала вас - и что в ней было главным?

🤖 Varun Nair нарисовал "пирамиду данных для робототехники" - неплохая карта того, чем на самом деле кормят современные VLA-модели. В основе любой embodied AI лежит один компромисс: fidelity против scalability. Чем ближе данные к реальному роботу, тем меньше их можно собрать, чем их больше - тем дальше они от того, что робот должен делать руками. Пирамида из пяти слоев, сверху вниз - от дорогого и точного к дешевому и массовому: - Teleoperation - человек напрямую управляет тем самым роботом, час оператора дает час данных один к одному. Так собран DROID (Stanford, Berkeley, TRI и еще 13 институтов) - 76 тысяч траекторий, 350 часов, 18 одинаковых Franka Panda с Oculus Quest на трех континентах. - Hand-held grippers в стиле UMI - человек держит в руке сам захват робота без манипулятора, GoPro снимает происходящее, а навык потом переносится на любое железо. DexCap делает то же самое перчатками с motion capture. - Simulation - неограниченное число прогонов, но плата за это - sim-to-real gap: физика и рендер в симуляции немного лгут, и навык, отточенный в Isaac Lab или ManiSkill, на реальном роботе иногда рассыпается. - Egocentric video - Ego4D и Ego-Exo4D сняты на человеческие руки от первого лица, действия не записаны роботом, а восстановлены из видео. - Random internet video & text - вроде HowTo100M: миллион роликов с YouTube, веб-масштаб, но ни тела, ни действий робота там нет. Индустрия делает ставки на разные слои. Figure AI и 1X строят собственный флот роботов, чтобы владеть данными целиком. Tesla в 2025 году отказалась от mocap-костюмов для телеоперации в пользу камер на шлеме и рюкзаке - ставка на то, что научить можно и на обычном видео. Physical Intelligence и Skild AI (оценка около $14 млрд после раунда в январе 2026) собирают одну универсальную модель поверх смеси всех пяти слоев сразу. Стартап XDOF в 2026 году поднял $70 млн под инфраструктуру именно для верхних, теле-операционных слоев и выпустил ABC-130K - крупнейший открытый датасет телеоперации, 130 тысяч демонстраций. https://x.com/_varunnair/status/2081619067535065103 #ai@rvnikita_blog #robotics@rvnikita_blog #vla@rvnikita_blog #varun_nair@rvnikita_blog ————————— Мысли Рвачева —————————

Скотт Гэллоуэй о написании текстов: ...Текст — это бомба, способная пробивать самые укрепленные бункеры: он добирается до чувств, которые, как нам кажется, мы надежно похоронили глубоко внутри. Умение рассказывать истории — самый ценный навык из всех, настоящая сверхспособность, которую, будь у вас такая возможность, стоило бы подарить своим детям. Эволюция благоволит хорошим рассказчикам, потому что история — это самый эффективный способ передавать информацию, необходимую для выживания. Бизнес устроен по тем же законам. Предприниматели — а по сути, те же рассказчики — создают такие повествования, которые захватывают воображение людей и привлекают капитал, помогая приблизить будущее. Но каким бы ни был формат, я убежден: всякое настоящее повествование начинается с письма. Лучше всех об этом сказала писательница Джоан Дидион: «Я пишу исключительно для того, чтобы понять, о чем я думаю, на что смотрю, что вижу и что все это означает». Иными словами, когда мы пишем, мы одновременно учимся и учим других. В широко цитируемой работе 1977 года исследователь письменной речи Джанет Эмиг пришла к выводу, что «процесс письма предполагает максимально полное функционирование мозга, вовлекая в работу и левое, и правое полушария». По ее мнению, написание текста одновременно активирует три типа когнитивной обработки информации: деятельностный (обучение через действие — сам физический процесс письма), образный (восприятие и визуальное представление текста глазами) и символический (преобразование мыслей в структурированные слова). Если говорить проще: письмо — это полноценная тренировка для всего мыслительного аппарата. Талант важен, но регулярная практика важнее. Писательство — это ремесло, которое требует постоянных повторений. Как объяснял Стивен Кинг в книге «Как писать книги. Мемуары о ремесле» (On Writing: A Memoir of the Craft): «Любители сидят и ждут вдохновения, а остальные просто встают и идут работать». Мой совет прост: выделите себе определенное время для письма и занимайтесь этим регулярно. Ставьте себе дедлайны — или придумайте любой другой механизм, который заставит вас держать слово. Как гласит знаменитый слоган Nike: «Just do it» — «Просто сделай это». Первые сто выпусков моей рассылки я писал поздно вечером по четвергам, уже вернувшись домой после выпивки. Мне самому неприятно это признавать, но некоторые из них получались даже лучше, когда я был слегка навеселе. В таком состоянии я меньше себя контролировал и меньше прятался за внутренними защитами. А ведь именно к тому, что остается между строк, — к тем невысказанным чувствам, которые умеют затрагивать лучшие тексты, — и обращены мои письма. Но написание текста — это не только личная дисциплина. Оно дает серьезное конкурентное преимущество, и лучшие организации мира относятся к нему именно так. Джефф Безос однажды сказал, что самым правильным решением в истории Amazon был отказ от презентаций PowerPoint в пользу «шестистраничных меморандумов, написанных в форме связного повествования». Его логика проста: слайды легко маскируют изъяны рассуждений, потому что их задача — продавать идею и убеждать аудиторию. А вот меморандум сразу обнажает слабые места аргументации, заставляет мыслить глубже и требует предельной ясности изложения. В вооруженных силах США существует жесткое правило написания документов под названием Bottom Line Up Front (BLUF) — «главный вывод должен быть в самом начале». Самая важная информация помещается в первые строки документа, потому что если спрятать ее в конце, это может стоить людям жизни. Журналисты агентства Associated Press, одного из старейших информационных агентств мира, ведущего свою историю со времен Американо-мексиканской войны 1846 года, используют очень похожий принцип — так называемую «перевернутую пирамиду», когда информация излагается в порядке убывания ее значимости. Стиль AP Style давно стал своего рода операционной системой современной новостной журналистики. Общий принцип здесь один: хороший текст сводит искусство повествования к его фундаментальным основам. ** 🔥 Фантаст Энди Вейер рассуждает, как ИИ повлияет на писательство и сторителлинг https://fastsalttimes.com/andy-weir-on-ai-and-storytelling/ 🔥 Рассказывающие истории компьютеры изменят ход человеческой истории https://fastsalttimes.com/harari-ai-storytelling/ 🔥 Гэллоуэй. И откровенно https://fastsalttimes.com/galloway-or-bust/ 🔥 Скотт Гэллоуэй: Тот факт, что у молодых людей меньше перспектив, чем у нас в их возрасте, означает, что договор был нарушен https://fastsalttimes.com/pismo-184/ 🔥 Скотт Гэллоуэй: Как Amazon создает «роботизированную нацию» и меняет рынок труда https://fastsalttimes.com/betting-on-amazon/ 🔥 Скотт Гэллоуэй: Прогнозы на 2026 https://fastsalttimes.com/pismo-560/ ** 👉 Не забывайте подписываться на FST https://fastsalttimes.com/subscribe/ 👉 Отзывы о нас https://fastsalttimes.com/references/ 👉 https://t.me/fastsalttimes

Внутри сердца есть «маленький мозг» (как и в кишечнике), - внутренняя сердечная нервная система (ВСНС). Известно о ней мало. Есть в нашем теле такие вот относительно автономные центры управления, - нейросети из множества нейронов (в сердце их около 40 тысяч). Они тоже как-то управляют нашей жизнью, - но как именно? Насчет ВСНС выяснить это особенно важно, ведь эти нейроны непосредственно управляют сердцем, а нарушения в работе сердца – самая частая причина смерти. Вчера в журнале Cell вышло исследование ВСНС мыши (в ней около тысячи нейронов), в котором впервые показали, что среди этих нейронов есть разные типы с разными функциями (да, мы пока совсем мало знаем). Вот что пишут о результатах в обзоре в Nature: Внутренняя сердечная нервная система - сеть нейронов, встроенная в жировую подушку, окружающую сердце. Нейроны системы обмениваются сообщениями с мозгом и друг с другом, и являются последними участниками длинной цепочки нейронов, контролирующих функцию сердца. Но поскольку внутренние сердечные нейроны встречаются крайне редко, составляя всего около 0,01% клеток в ткани сердца, их точную роль было трудно определить. Чтобы восполнить этот пробел, исследователи генетически модифицировали мышей, чтобы пометить все сердечные нейроны животных, и составили карту их местоположения. Среди прочих нейронов обнаружили две специализированные группы. Стимуляция одной популяции нейронов, называемых Npy + , снижала частоту сердечных сокращений у животных, а её разрушение приводило к сердечной недостаточности и смерти. Исследователи предполагают, что нейроны Npy + могут сдерживать учащенное сердцебиение и необходимы для поддержания нормального сердцебиения, - одним словом, эта группа нейронов помогает сердцу биться стабильно. Второй подтип, нейроны Ddah1 + , оказался более загадочным: ни стимуляция, ни их удаление, не оказывали никакого влияния на мышей. Но однажды аспирантка (одна из авторов исследования) измеряла артериальное давление мыши, у которой отсутствовали нейроны Ddah1 +, и увидела, как мышь умерла прямо во время измерения. Вскоре команда обнаружила, что мыши без функциональных нейронов Ddah1 + умирают от любого сильного стресса. Непосредственно перед смертью у мыши происходит резкое падение частоты сердечных сокращений, и нормальное сердцебиение уже не восстанавливается. Таким образом, удаление нейронов Ddah1 + сделало сердце более уязвимым к острому стрессу. И наоборот, стимуляция этих нейронов улучшила выживаемость мышей, подвергшихся стрессу. Получается, эта часть сердечных нейронов защищает сердце от потрясений. Пока неизвестно, насколько эти результаты применимы к людям, но маркерные гены этих двух популяций были обнаружены и в сердечных нейронах человека. Авторы пишут, что их исследование предоставляет основу для точной нейромодуляторной терапии работы сердца, направленной на определенный тип клеток.

✨ 23 июля 1928 года родилась Вера Рубин. Когда она начала изучать движение звёзд в галактиках, данные оказались... странными. Звёзды на окраинах вращались так же быстро, как и те, что ближе к центру — будто всю галактику удерживает невидимый каркас. Видимой массы для этого явно не хватало. Значит, существует нечто ещё — то, чего мы не видим. Рубин не придумала идею тёмной материи — о ней говорили ещё в 1930-х. Но именно её наблюдения впервые убедили учёных: тёмная материя — не теория, а факт. В 2014 году в честь Веры Рубин назвали крупнейший телескоп для съёмки неба — Vera C. Rubin Observatory. Год назад обсерватория начала свою десятилетнюю миссию по обзору южного неба. Первые снимки можно посмотреть здесь. #вэтотдень@vertdider

👁️ Эта искусственная клетка не то, чем кажется Ещё со времён алхимиков ученые пытаются создать искусственную жизнь (вспомните Фауста). Но просто намешивание углерода, серы и фосфора в котелке на медленном огне голема не порождает, поэтому ученые сконцентрировались на более простых формах жизни - клетках. С ними тоже не всё так гладко. До определенного момента мы не могли искусственно синтезировать даже отдельные органические молекулы - была уверенность, что для этого нужна некая загадочная "витальная энергия", которая есть только в живых организмах (божественная искра?). Но в 1828 году Вёлер синтезировал мочевину («великая трагедия в науке - убийства прекрасной гипотезы уродливым фактом»), после чего мы научились делать и всё остальные "кирпичики" жизни - углеводы, липиды, белки и даже нуклеиновые кислоты (ДНК и РНК). Но сами по себе эти молекулы не живые (не обладают соответствующими свойствами). Можно ли их просто собрать и получить работающую клетку? Это сравнимо с тем, как если у нас есть металлы и кремний, из из них мы хотим сделать процессор 3 нм (наверное, NVIDIA тоже используют что-то сверхъестественное). Со второй половины XX века было показано, что некоторые липиды могут сами сворачиваться в пузырьки, формируя подобие клеточной мембраны. Затем в эти пузырьки стали помещать машинерию клетки: сначала отдельные белки, а потом эти протоклетки смогли внутри себя полностью провернуть всё этапы синтеза белка от экспрессии генов до трансляции (PURE: ДНК -> РНК -> белок). Были и другие интересные результаты, например, постепенное укорочение генома обычной бактерии, чтобы создать "минимальную клетку" (в геноме осталось всего 473 гена), или создание ксенобактерии с искусственным генетическим кодом (эксперименты Ромесберга с дополнительной парой азостистых оснований, или Hachimoji ДНК Беннера, в которой их было 8!). "Клетки" делились, синтезировали белок, иногда даже питались, но… всё это по-отдельности! Настоящая клетка должна делать всё это одновременно и циклически: получить ресурсы -> вырасти -> скопировать геном -> разделиться -> дать жизнеспособных потомков -> повторить всё снова И вот этим летом появилась SpudCell (клетка "картошка"):

«SpudCell демонстрирует поведение, которое обычно отличает живое от неживого: она питается, растёт, реплицирует свой геном, делится и подвергается отбору - и при этом устроена гораздо проще любой естественной клетки и была вручную собрана по частям».- авторы работы

❄️ имеет крошечный геном примерно из 36 генов и может экспрессировать заложенные в нём белки с помощью помещённой внутрь системы синтеза белка PURE ❄️ может сама реплицировать ДНК ❄️ может сама "питаться" захватывая пузырьки с питательными веществами с помощью особых мембранных белков ❄️ может запускать генетически контролируемое деление: белки скапливаются на мембране, механически деформируют её и в итоге заставляют пузырёк разделиться ❄️способна к некой форме Дарвиновского отбора: авторы внедрили в гены-питания некоторых «картошек» мутации, повышающие интенсивность этого процесса. Эти картошки стали делиться быстрее и постепенно вытеснять остальных. Но почему это не полноценная искусственная жизнь? ⭐️ получает готовые рибосомы и даже некоторые ферменты для репликации и трансляции: обычную бактерию мы «кормим» простыми соединениями, а SpudCell «ест» в том числе, уже готовые фрагменты клеточной машинерии ⭐️ очень медленно и криво делится: - без механизма, подобного веретену деления, лишь ~30% дочерних клеток получают полноценный геном ⭐️ показала естественный отбор, но ещё не автономную эволюцию: выгодную мутацию заранее внесли сами исследователи ⭐️SpudCell не способна бесконечно самовоспроизводиться, даже в идеальных условиях Важно, что статья всё ещё препринт и была отклонена Cell с формулировкой «это не биология», после чего авторы отправили её прессе и даже основали биотех компанию Biotic. По их задумке, «картошки» можно использовать для производства лекарств. При всем при этом, хотя SpudCell ещё не искусственная жизнь, но большой шаг в направлении её создания. Думайте.

Абсолютно согласен с Дерья, c 5.6 sol (pro/ultra) появилось ощущение что эта штука уже умнее меня во всем.

Происхождение жизни: три революционных открытия После долгого перерыва – наконец-то новая большая видеолекция на моем канале. Наука все ближе подходит к решению загадки происхождения жизни. Причем даже не к теоретическому решению, которое в общих чертах уже получено, а к практическому. То есть – к возможности воспроизвести весь процесс абиогенеза в лаборатории, в условиях, приближенных тем, что существовали на молодой Земле. Всего за пару последних лет ученые совершили несколько прорывных открытий, которые сделали шансы на скорое решение этой задачи куда более реалистичными, чем казалось еще недавно. В этой лекции рассказывается о трех таких исследованиях (на самом деле о четырех, но четвертое я разбираю не так подробно). Эти открытия показали, каким именно образом события, казавшиеся почти невероятными, на самом деле довольно-таки легко могли произойти в условиях, которые существовали в вулканических водоемах на древних протоконтинентах. 1) Как из абиогенно синтезированных нуклеотидов собирались случайные короткие молекулы РНК – массово, с самыми разнообразными последовательностями, без помощи минеральных матриц, и даже без высоких концентраций магния? Главный секрет: просто добавьте в раствор аминокислоту (например, валин). 2) Как короткие молекулы РНК могли начать, во-первых, удлиняться, во-вторых, реплицироваться, то есть размножаться с наследственностью и изменчивостью без сложных катализаторов – неферментативно? Ключ к разгадке: матричное лигирование. 3) Как аминокислоты могли присоединяться правильным образом к прото-тРНК на заре эволюции кодируемого синтеза белков? Секрет: с помощью тиолов. 4) Как мог появиться первый эффективный рибозим – РНК-полимераза, если такой рибозим, как считалось, должен быть очень длинным, и поэтому он не мог случайно самособраться, и даже эволюционировать на основе малоэффективной и неточной неферментативной репликации вряд ли смог бы? Открытие: функциональный рибозим-полимераза может быть втрое короче, чем считалось до сих пор. Это увеличивает вероятность даже случайной его самосборки в 10 в 63-й степени раз. Не пропустите: https://youtu.be/-RqK6MAZ_pw?si=S7rGqt03zvVkpEA3

вот результат 30 мин работы - https://pole-znaniy-2026.beamboy.chatgpt.site/

Эти обновления моделей, напоминают историю с космическими полетами к соседним звездам - типо зачем лететь сейчас, когда через условно 10(50) лет можно будет построить более продвинутый корабль, который будет быстрее и догонит тот первый старый за эту дельту в 50 лет. ну и так далее следующий более продвинутый корабль догонит предыдущий старый. И тут каждая новая фронтир модель делает сразу и лучше и быстрее и уже без костылей, которые ты выдумывал, чтобы предыдущая делала, то что нужно) А вопрос всегда открыт - в какой момент надо начинать уже запускать корабль или подождать еще очередного обновления модели)

в сам chatGPT тоже добавили агентную работу как в кодексе

ну и пришло время их сжигать)

Наконец в кодекс добавили, чтобы было видно до какого числа действует обновление лимитов