Николай Хлебинский

Примерно 1-2 млрд человек (~20% населения планеты) - случайные и нечастые пользователи бесплатного ChatGPT и похожих продуктов. Эти люди видят ИИ чат-ботов в браузере и относятся к ним как к улучшенной версии Гугла. Иногда попробуют подобрать себе авиабилеты подешевле. Примерно 20 млн человек (0,2% населения) профессионально используют передовые LLM в математике, коде и работе над повседневными задачами. Они видят своими глазами, что большие сложные проекты, которые раньше занимали у них недели и месяцы, ИИ-агенты делают по одному промпту. И, наконец, около 5 000 человек (~0,00006%) имют доступ к передовым системам внутри лидирующих ИИ-лабораторий. Все остальные видят только урезанный превью того, с чем имеют дело эти люди. Рои из тысяч агентов, которые непрерывно совместно работают над мегапроектами в области медицины, находят уязвимости нулевого дня, ведут кибератаки и кибероборону, открывают новую науку, двигают передний край математики. Делают за дни и даже часы то, на что у лучших умов ранее уходили годы. Это картинка на сегодня. Перенесемся в 2021 год, в ноябре которого в рейтинге TOP500 ORG (это глобальный рейтинг 500 самых мощных суперкомпьютеров мира, он обновляется дважды в год, в июне и ноябре) суперкомпьютеры Яндекса «Червоненкис», «Галушкин» и «Ляпунов» заняли 19-е, 36-е и 40-е места в мире соответственно. Все три суперкомпьютера были построены "чтобы обучать нейросетевые модели с миллиардами параметров" (это цитата из пресс-релиза Яндекса 2021 года). На прошлой неделе беспилотники за четыре дня три раза ударили по дата-центрам Яндекса – в Сасово Рязанской области, в Калуге и во Владимире. Яндекс сообщил, что работа площадок в Сасово и Владимире "полностью остановлена". В воскресенье после третьего удара легло то, чем пользуются почти все – такси, Пэй, Алиса, Карты и Поиск – все, что создает повседневный комфорт. На мой взгляд, по сути это уничтожение суперкомпьютеров Яндекса, то есть вычислительных мощностей для ИИ, и произошло оно всего через 17 дней после выхода первой большой языковой модели Яндекса, обученной с нуля (писал об этом недавно – https://t.me/nikolay_khl/1156). Повседневные сервисы почти восстановлены, о суперкомпьютерах Яндекс пока ничего не сказал. Но в целом уже ясно, что мир начинает напоминать основную сюжетную линию "Задачи трех тел". Пост со-основателя OpenAI про уровни использования ИИ населением планеты: https://x.com/karpathy/status/2109361546505966046 Рейтинг ТОП-500 суперкомпьютеров мира: https://www.top500.org/lists/top500/ Пресс-релиз Яндекса из 2021: https://yandex.ru/company/press_releases/2021/superkompyuter-yandeksa-priznali-samym-moschnym-v-rossii

У каждого из нас есть накопленная динамика бизнеса. Мы все очень заняты и много работаем, но решений, которые по-настоящему повлияли на эту динамику за последние 12 месяцев, было совсем немного. Если продолжать действовать так же, как сейчас, динамика будет та же. Свои слепые зоны изнутри не видны, а в операционке ресурса на стратегию не остается. Если бы ответ на вопрос "что в бизнесе нужно делать по-другому, чтобы кардинально изменить динамику?" был для нас очевиден, мы бы давно сами себе его дали. 19-22 ноября в Москве пройдет очередная стратсессия моего мастермайнда "Совет директоров", про который периодически пишу здесь. Группа предпринимателей с суммарным оборотом бизнесов больше 10 миллиардов рублей в год раз в квартал на четыре дня погружается в среду развивающего дискомфорта. Группа работает в персонального формате совета директоров и по несколько часов разбирает бизнес-кейс каждого участника. В зале собственники бизнесов из самых разных сфер: логистика, производство, медицина, ритейл, ИТ, SaaS, реклама, разработка ПО, строительство – такой концентрации компетенций хватает, чтобы решить практически любую бизнес-задачу. Работаем по 10-12 часов в день. Итог четырех дней работы – план ключевых действий по каждому бизнесу на квартал, которые не случатся сами собой. На каждую стратсессию я приглашаю гостей, чтобы усилить работу группы. Кейсы гостей мы не разбираем, гость полноценно участвует в разборах участников группы. Для самих гостей это очень мощный опыт. Свою неадекватность новому уровню мы видим значительно хуже, чем чужую, поэтому основные инсайты нередко приходят во время наблюдения за чужими разборами. Гости и участники после разбора чьего-то кейса постоянно говорят "спасибо за твой разбор, теперь я понимаю, что мне хотели донести во время моего". Для меня такой формат работы оказался самым мощным инструментом роста и развития из всех, что я пробовал. Главное условие для гостя, как и для участника, – отсутствие конфликта интересов и вопросов к деловой репутации. Мы погружаемся глубоко в бизнес каждого, и если в зале сидит конкурент, выйти на глубину не получится. Группа также оценивает экологичность бизнеса и экспертизу кандидата. Процесс адмиссии у нас сложный, сначала собеседование со мной, потом моя рекомендация и голосование действующих участников (сам я не голосую). У нас 5 гостевых мест, чуть больше информации есть на сайте https://strategicboard.ru, там же форма заявки для гостевого участия (каждую смотрю лично, заполнение занимает две минуты). Если есть запрос на мощное окружение предпринимателей, в котором каждый готов быть вкладом в рост всей группы – заполняйте анкету, это только начало диалога, нужно пройти собеседование и голосование группы.

Про ИИ и задачи с высоким риском Есть такой класс задач для ИИ – медицинские анализы, назначение лечения, инвестиционные решения, юридические вопросы – где стоимость ошибки очень высокая. Нашел интересный эксперимент на эту тему. Лондонский финтех стартап Saturn (делает ИИ-платформу для финансовых консультантов) прогнал через 18 самых популярных ИИ больше сотни вопросов из мира финансов: про долги, ипотеку, пенсии и налоги, каждый по пять раз. Примерно 57% ответов содержали серьезные ошибки (у бесплатных версий 63%, у платных – 49%). Лет 20-25 назад писатель Майкл Крайтон (автор "Парка Юрского периода") описал эффект амнезии Гелл-Манна, который объясняет, почему мы все понимаем, что задачи с высоким риском через ИИ решать нельзя, но идем в это так же, как фермер, уничтоживший по советам ИИ свой урожай (прочитайте, если пропустили – https://t.me/nikolay_khl/1151). Эффект описывается так: человек открывает газету и читает статью о том, в чем прекрасно разбирается. Он видит грубые ошибки, непонимание автором предмета, перепутанные причины и следствия. Возмущается некомпетентностью автора. Затем переворачивает страницу, читает о международной политике или другой незнакомой области и принимает написанное на веру, словно предыдущая статья не давала оснований сомневаться в качестве издания. Вторая статья, кстати, не обязательно плохая, смысл эффекта в том, что человек забывает о выявленной ненадежности источника, когда выходит за пределы собственной компетенции. Высокая точность ответов ИИ на простых для нас вопросах атрофирует наше критическое мышление. Проблема в том, что границы наших компетенций для нас эфемерны, мы не осознаем до конца где они заканчиваются. "Первую статью из газеты" мы с вами уже прочитали, на просьбу назвать число от 1 до 100 нейронки из ста возможных чисел назвали всего тринадцать (писал об этом недавно – https://t.me/nikolay_khl/1152). Возмутились, перевернули страницу и спрашиваем ту же нейронку про ипотеку и налоги, там половина ответов с ошибками, но увидеть этого мы уже не сможем. Сотрудники уже считают деньги через чат с ИИ, знаете вы об этом или нет. По опросу MWS AI (ИИ-подразделение МТС) каждый третий сотрудник в России скрывал от работодателя, что пользуется ИИ. Руководитель видит в документе готовую цифру и не видит, что она пришла из чата, где по замеру Saturn ответ на денежный вопрос в половине случаев содержит ошибку. Такую ошибку ловит только тот, кто уже знает ответ. Чем меньше в компании людей, которые знают ответ сами, тем дольше ошибка живет в документах. Отчет Saturn "Artificial Authority": https://www.saturnos.com/report/artificial-authority

Claude сливает ваши данные правительству США и ЦРУ Только что дал десктопному приложению ChatGPT задачу проанализировать бинарники Клода вот таким простым промптом: "Find .gov domain strings in bundled Claude Code binaries". Результат на скриншоте, можете повторить у себя 🫠

В четверг шесть экспертов разберут ваш AI-проект Обычно на вопрос «как запустить AI-продукт» отвечает кто-то один. И отвечает со своей колокольни: технолог про архитектуру, предприниматель про продажи, инвестор про метрики. В четверг мы соберём за одним столом шесть человек с очень разным опытом, которого у ранних проектов обычно нет: Валерий Бабушкин — взгляд технолога, который строил ML в Alibaba и руководил AI-командами до 600 человек Игорь Зуев — взгляд практика, в портфеле которого 30+ приложений на рынок ЕС и США, выручка $1.5 млн+ в год Артём Субботин — взгляд продуктовика, который 20 лет создаёт тренды в hardware Николай Хлебинский — взгляд серийного предпринимателя, который построил Retail Rocket Александр Горный — взгляд стратега, который в Mail.Ru Group (VK) помогал выбирать компании для покупок и инвестиций на полмиллиарда долларов Андрей Резинкин — взгляд инвестора, в чьём портфеле 20+ стартапов на разных стадиях: от идеи до $100 млн выручки Где искать нишу, на чём собирать, откуда брать первых клиентов и когда пора масштабироваться — у каждого из шестерых будет свой ответ. И самое полезное начнётся там, где они не согласятся друг с другом. В конце Q&A: приходите с вопросом по своему проекту, совет директоров его рассмотрит. Эфир для всех, кто делает AI-продукт, думает о запуске или хочет понять, где в AI сейчас деньги. 📅 Четверг, 8 октября, 19:00–21:00 мск, Zoom 💰 Бесплатно. Условие одно: подписка на каналы спикеров, бот всё проверит Ссылку на эфир и запись получат только зарегистрированные: 👉 Занять место на эфире

Друзья, если у вас был установлен Claude Desktop и вы попали под бан как и я – поставьте на компьютер ChatGPT Desktop и попросите его восстановить нужные вам переписки, я смог вернуть почти все важное. Скоро выложу на ютуб видео о том, как сделать так, что свести очень близко к нулю вероятность бана и как свести к абсолютному нулю потери чатов и накопленных наработок, если бан все-таки случился (поддержите меня огонечками к этому посту если хотите увидеть его поскорее!)

Ну что, кого еще задела вчерашняя волна банов Anthropic?

AI-проекты с нуля: как выбрать нишу, собрать продукт и выйти на первую выручку Собрать AI-продукт сейчас можно за выходные. Сложнее добиться, чтобы им пользовались и за него платили: большинство таких проектов так и остаются демками. 8 октября на онлайн-панели разберём весь путь от идеи до первых денег. Обсудим: — как выбрать нишу, которую не съест следующий релиз OpenAI — на чём собирать продукт: готовые API, агенты или своя модель, и как не утонуть в стоимости токенов — где найти первых платящих клиентов без бюджета на маркетинг — по каким сигналам понять, что проект пора масштабировать или закрывать Спикеры: Андрей Резинкин — ангел-инвестор в 20+ стартапах Валерий Бабушкин — ex-VP of ML в Alibaba, руководил AI-командами до 600 человек в BP, Kaggle Grandmaster Игорь Зуев — в портфеле 30+ приложений на рынок ЕС и США, выручка $1.5 млн+ в год Артём Субботин — 20 лет опыта в hardware и создании глобальных трендов Николай Хлебинский — серийный IT-предприниматель, основатель Retail Rocket Александр Горный — ex-директор по стратегии Mail.Ru Group (VK), основатель клуба для предпринимателей ShareAI 📅 Когда: 8 октября, четверг, 19:00 мск 📍 Где: онлайн, Zoom 💰 Стоимость: бесплатно, нужна подписка на каналы всех спикеров ❓Q&A: да, приносите вопросы по своим проектам Доступ к трансляции и запись получат только зарегистрированные — забирайте место: 👉 Зарегистрироваться на конференцию

Протестировал только что вышедший Claude Opus 5.5 Вывод такой: кажется, GPT-6 Astra больше не нужна 😱 Смотрите сами: https://www.youtube.com/watch?v=nTejIUf_BCk P.S.: ссылка на игрушку в первом комментарии к этому посту, пробуйте!

Яндекс выложил в открытый доступ модель под названием AliceAI-Foundation-80B-A3B-Base под лицензией Apache 2.0 (разрешено коммерческое использование). Компания заявляет, что это не докрутка китайских моделей, все веса обучены с нуля на своем корпусе текстов. Что значат цифры в названии? 80B означает, что в ней 80 миллиардов параметров, A3B – что для ответа работают 3 миллиарда ("активные параметры", от них зависит цена ответа). По этим показателям модель сопоставима с Claude 3.5 Sonnet и GPT-4o (но это данные неофициальные никем не подтверждены). По замерам самого Яндекса, на русскоязычных вопросах и в математике она впереди модели DeepSeek-V4-Flash-Base. "Base" в обоих случаях значит, что модель обучили на текстах, но не подготовили к общению, привычный нам чат из Base моделей получают дообучением. Грубо говоря, база – это выпускник, который прочитал всю библиотеку, а дообучение – это стажировка, где его учат работать с клиентами и соблюдать регламент компании. Дообучение делится на 3 основных стрима: 1. Дообучение самим производителем модели до чат-версии. Anthropic, OpenAI, DeepSeek и другие берут свою базу и учат ее отвечать на вопросы, следовать инструкциям, рассуждать, отказывать в опасных просьбах. Это делают на примерах диалогов и с оценками людей, которые говорят, что хорошо, а что плохо. Этот шаг дает значимый плюс на тестах, а у Яндекса он еще не сделан. Так, флагман DeepSeek V4 Pro (это дообученная версия DeepSeek V4-Base) по тестам шла вровень с Claude Opus 4.6 и GPT-5.4, а это уже совсем другой уровень! 2. Дообучение бизнесом под свои задачи. Компания берёт готовую открытую модель и докручивает её на своих документах, переписках или отраслевой терминологии. Обычно правится малая часть весов, это относительно дешево и быстро. Важно: для "базы" от Яндекса компании придется сначала сделать первый вид дообучения, потом уже второй. 3. Доучивание поверх чужих весов. Прошлую версию Алисы Яндекс не учил с нуля, а взял готовые веса Qwen и продолжил обучение на своих данных. Это тоже дообучение, только на большом объёме и с целью получить свою модель, а не настроить чужую под задачу. До флагманов OpenAI и Anthropic – Claude Fable 5.1 и GPT-6 Astra – отсюда далеко, но свои веса и свой корпус – вход в открытую лигу, где выкладывают свои базы, а не дообучают чужие. Пока это релиз для ML-команд. Весов 163 гигабайта, чат-версии нет, сроков Яндекс не называет и пишет, что модель "не является готовым решением". Зато у бизнеса, который держит open source у себя, чтобы данные не уходили наружу и юристы с безопасниками были спокойны, появилась отечественная база под дообучение. Карточка модели: https://huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base

А вы знали, что все картины Моне нарисованы Клодом?

OpenRouter (агрегатор ИИ-моделей для разработчиков) сообщил, что на прошлой неделе его пользователи впервые за два с половиной года потратили на модели OpenAI больше, чем на Anthropic. OpenAI досталось чуть больше половины общих трат на две компании и 19% этих денег принесла одна GPT-6 Astra. Модель вышла через два дня после Claude Fable 5.1 и продается через API по тому же прайсу, 10 долларов за миллион токенов на входе и 50 на выходе. Пару дней назад выпустил видео на ютубе про эту модель, если еще не смотрели – обязательно посмотрите, я до сих пор в шоке от ее возможностей: https://www.youtube.com/watch?v=JUWXno4Awvo На всевозможных бенчмарках, где Astra сравнивают с Anthropic Fable 5.1 счет примерно равный. Вот где Astra впереди: – Terminal-Bench, настройка и администрирование из командной строки – 59% против 52% у Антропика. – AutomationBench, автоматизировация бизнес-процессов – 68% против 59%. – ARC-AGI-2, тест на псевдо-интеллект – 95% против 90%, замер ARC Prize. – BenchCAD, построение деталей в CAD – 95,9% против 84,3%. Fable держит лидерство в Humanity's Last Exam, это тест 2500 из сложнейших вопросов из самых разных областей науки (59% у Fable против 55% у Astra), в работе с длинными (в том числе и офисными документами) и SWE-bench Pro (правка реальных ошибок в коде). Сводный индекс по тестам вровень, 53 на 53. Стоимость моделей одинаковая, но счет за них приходит разный! На одну типовую задачу индекса Astra тратит 27 тысяч токенов, Fable 5.1 – 78 тысяч, и прогон индекса стоил 5,3 тысячи долларов против 13,1 тысячи, в 2,5 раза дешевле! Модель вызвала такой всплеск внимания, что Слух, что с 10 сентября OpenAI приостановила продажи подписки Pro за 200 долларов в месяц (где выдается очень много токенов), спрос на Astra компания назвала беспрецедентным. Действующие подписки работают, Plus за 20 долларов дает доступ к модели, но токены там модель съест быстро и придется покупать их в API. OpenRouter: https://x.com/OpenRouter/status/2099898254905549220 Замеры Artificial Analysis: https://artificialanalysis.ai/models/comparisons/gpt-6-astra-vs-claude-fable-5-1 Пост сотрудника OpenAI про паузу в продаже подписки Pro: https://x.com/thsottiaux/status/2098113585683808624

Протестировал новую GPT-6 Astra. Я в шоке 😨 Просто посмотрите на что она способна: https://youtu.be/JUWXno4Awvo

Что объединяет прошлые два поста про китайского фермера и просьбу для популярных нейронок назвать случайное число от 1 до 30 с ответом "17"? Несколько дней назад независимый исследователь 360 раз спросил четыре ИИшки выдать число от 1 до 100 (без слово "случайное"), каждый раз в новом чате. Из ста чисел модели назвали всего 13, на 42 и 47 пришлось четыре ответа из пяти. Обычный программный генератор случайных чисел на те же 360 запросов выдал все сто! Языковая модель ничего не выбирает и не любит. Она дописывает текст так, как скорее всего дописали бы люди, а знание о людях берется из корпуса текстов, на которых модель обучена. Какое число встречается в таком контексте чаще – такое и будет ответом. Это не предвзятость, которую починят настройкой. Слово "случайное" в запросе в том же замере расширило набор с пяти чисел до тринадцати, лидер остался тот же. Модели не врут и не галлюцинируют, они так устроены, просто выдают следующий наиболее вероятный токен (токен – слово или кусок слова). Равных шансов у чисел нет, у одного из чатов лидер забрал больше девяти ответов из десяти. Та же природа везде, где нейронке доверяют что-то выбрать. В свежем исследовании модели составляли тесты с вариантами ответов вида "какой ответ правильный – А,Б или В?", одна из них больше чем в половине случаев ставила правильный ответ на одну и ту же букву вместо честной четверти. Сама породить случайность модель не умеет, зато с ней работает, если число дать снаружи, кодом или генератором. При этом модель легко напишет код генератора случайных чисел по запросу (но это будет дороже в токенах). Современный ИИ – это идеальная машина генерация того, что хочет услышать сферический усредненный по выборке из всего человечества индивид. Замер 360 запросов: https://nicolassitter.com/research/ai-random-number-2026 Исследование про случайные числа у нейронок: https://arxiv.org/abs/2601.05414

Китайский фермер год с лишним следовал советам ИИ о том, как и когда обрабатывать и удобрять свои поля. Поначалу он относился к рекомендациям с сомнениями, по мере внедрения рекомендаций доверие росло, в какой-то момент критическое мышление отключилось и он стал полностью следовать рекомендациям. В июле этого года фермер обсудил с ИИ (с каким ИИ он советовался – не уточняется) проблему сорняков и вредителей на его плантации кунжута и в конце уточнил как обработать поле дроном. В переписке с нейронкой, которую потом посмотрел один из журналистов, ИИ выдает готовый план обработки с полным набором препаратов, встречных вопросов вопросов от фермера не было. Дрон прошел все поле и обработал 10 гектаров. На следующий день погибли и сорняки и всходы кунжута, весь урожай был уничтожен. Эксперт-агротехник, проанализировавший потом ситуацию, сообщил, что один из гербицидов из плана ИИ применяют только направленно, по сорнякам, сплошная обработка гарантировано убивает полезную культуру. ИИ это мультипликатор компетенций: он дает возможность профессионалу производить больше ценности в единицу времени, при этом некомпетентность и ее последствия он так же мультиплицирует. Фермер получал от ИИ ценность в течение года, но как только предметная область вышла за рамки его компетенции – случилась катастрофа. Для профессионала первый ответ ИИ это черновик, такую ошибку он ловит быстро. У фермера ответ стал единственным мнением, ведь своего опыта по этому вопросу у него не было. Дилетант с ИИ не может заменить профессионала, вопрос времени, когда он создаст значительно больше проблем, чем принесет пользы. Но и профессионал без ИИ обречен на вымирание, потому что профессионал с ИИ будет создавать на порядок больше ценности в единицу времени. Источник: https://finance.sina.com.cn/jjxw/2026-08-01/doc-inikurwm3940989.shtml

Если попросить ChatGPT дать случайное число от 1 до 30 – он ответит "17"

А вот и новое поколение ChatGPT! Очень интересно наблюдать за этой гонкой ИИ-вооружений!

Что за день! Пора новую серию батла снимать ☺️

Вот это новости! Кто уже попробовал?

У меня сегодня вакансия-бомба – HRD / HRBP в медицинский Family Office ЕС Клиника 👩‍⚕️ Мы c Михаилом Гребенюком строим ЕС-Клинику: первую в России единую систему управления здоровьем семьи. Собственная команда врачей и кураторов берёт на себя всё — от «у ребёнка температура в поездке» до сложного диагноза у родителей. Одна команда, одна история здоровья, годами. Продукт получается сильнее, чем скорость, с которой мы собираем под него команду. Поэтому ищу человека, для которого «таких людей не найти» — это начало рабочего дня: — сам находит и приводит лидеров, а не ждёт откликов; — строит найм как воронку: каналы, темп, метрики; — на невозможную задачу отвечает «придумаю, как» — и закрывает за недели; — за пять минут разговора отличает человека премиального сервиса. Взамен — прямая работа со мной и Михаилом, карт-бланш на инструменты и бюджет, позиция с максимальным влиянием на компанию. Знаете такого человека — перешлите ему или ей этот пост 🙏 Ссылка на анкету для отклика: https://forms.yandex.ru/u/6a967b024936390143aa6103