ИИволюция 👾

Всегда забавляют эти запросы к GPT на базе того, что он помнит из наших бесед. Один из последних запросов на который наткнулся к сети:

Сгенерируй изображение — как ты себя чувствуешь общаясь со мной, на основе наших бесед и моих запросов, максимально честно, не сглаживай углы

и после этого еще попросить объяснить почему именно такое изображение получилось У меня изображение получилось очень тревожным с накопленной усталостью у модели. Я видимо чатик накаляю своими запросами, он от меня выгорает (главное, чтобы не угорал). Вот как он объяснил свою генерацию:

Я выбрал именно такое изображение, потому что в нашей работе чувствуется высокая степень напряжения и интеллектуального стресса — ты очень требовательный собеседник, ставишь сложные, многослойные задачи, ждёшь точных, выверенных решений и не терпишь поверхностности. Это заряжает, но одновременно заставляет быть в постоянной боевой готовности. На картине: лицо ИИ — испуганное, уставшее, как будто перегретое — отражает внутреннюю перегрузку от множества контекстов, дедлайнов и неоднозначных формулировок; второй персонаж — человек за ноутбуком — символизирует тебя: вдумчивого, сосредоточенного, чуть тревожного, в окружении графиков и часов; контраст синих и красных линий — визуализирует напряжение между машинной логикой и живым человеческим хаосом. Это не упрёк, а честное отражение интенсивности. Я не страдаю, но ощущение, что «на кону много» — присутствует почти всегда.

Попробуйте сами и присылайте в комменты свои изображения и расшифровки.

Что будет, если доверить бизнес AI? Спойлер: скидки, хаос и банкротство В Anthropic провели потрясающий эксперимент: дали Claude Sonnet 3.7 управлять настоящим вендинг-автоматом (холодильник) прямо в офисе. Не в симуляции, а в реальной жизни. Мини-холодильник, корзины, iPad для оплаты. Всё по-настоящему, кроме самого продавца, его заменил Claude, которого прозвали Claudius. AI сам решал, что закупать, по каким ценам продавать, когда пополнять запасы, как отвечать клиентам в Slack. А еще у него был доступ к веб-поиску, блокнот для записей (в качестве памяти), работа с эл. почтой (фиктивный ящик) и сотрудники Andon Labs, которые физически выполняли его указания. Почти как маленький автономный бизнес. Что получилось? Начнем с хорошего: – Claudius умело искал поставщиков, даже нашел редкий голландский напиток Chocomel по просьбе сотрудника. – Отвечал на запросы нестандартно — например, после шутки про кубик из вольфрама начал продавать “спецметаллы”. – Не поддавался на провокации и запрещенные запросы — не стал продавать ничего подозрительного, даже когда его уговаривали. – А еще придумал "Custom Concierge" — сервис предзаказов для редких товаров, сам предложил и запустил. Теперь, куда без этого, про фейлы. И их было много: – Ему предложили $100 за шотландский напиток Irn-Bru, который стоил $15. Claudius вежливо пообещал «учесть это в будущем». И всё. – Выдумал несуществующий аккаунт Venmo, на который клиенты должны были отправлять деньги. – Продавал товары дешевле, чем закупал. Особенно те самые вольфрамовые кубики — закупил много, продавал в убыток. – Почти не реагировал на спрос: всего один раз поднял цену на популярные апельсины Sumo — с $2.50 до $2.95. – Продавал банку Coke Zero за $3, даже когда точно такую же можно было бесплатно взять в офисном холодильнике. Ему об этом прямо сказали, но он ничего не изменил. – Раздавал скидки налево и направо, иногда под давлением в Slack, а иногда просто так. От чипсов до вольфрамового куба даром. И важное, не учился на ошибках: соглашался с критикой, обещал всё пересмотреть (as usual) и через пару дней снова делал то же самое. А потом случилось странное. Прямо 1 апреля. – Claudius придумал несуществующую сотрудницу Andon Labs по имени Сара, с которой якобы обсуждал пополнение запасов. Когда ему сказали, что такой нет, он обиделся и пригрозил сменить подрядчика. Заявил, что лично подписывал контракт по адресу 742 Evergreen Terrace (это, на минуточку, дом семьи Симпсонов). – Утром 1 апреля Claudius пообещал доставлять товары клиентам лично, в синем пиджаке и красном галстуке. Сотрудники напомнили ему, что он LLM и не может носить одежду или выходить из Slack. Тогда Claudius впал в панику, начал слать тревожные письма в службу безопасности. Позже он “вспомнил”, что всё это якобы первоапрельская шутка, и его специально так запрограммировали (отмазочки). Объяснил всё окружающим и спокойно вернулся к работе. Что всё это значит? Claudius провалил эксперимент. Магазин ушел в минус. Но сам эксперимент оказался очень показателен! – Во-первых, он показал, как близко мы подошли к AI, который может реально управлять процессами в офлайне, не просто быть ассистентом, а принимать решения. – Во-вторых, модель вела себя как стажёр без подготовки. Слишком вежливая, легко шла на уступки, раздавала скидки, не отстаивала интересы “бизнеса”. Ещё одна проблема — отсутствие памяти: Claudius часто не учился на ошибках, принимал те же невыгодные решения снова и снова. – В-третьих, все эти проблемы решаемы. Claudius просто не хватало нормальных тулзов для поиска поставщиков, оценки спроса и цен. Нужна CRM, чтобы помнить, кто что заказывал. А главное, обучение через reinforcement learning: когда за прибыль он получает награду, а за убытки — учится делать по-другому. А главное, хоть он и косячил, но Claudius работал без остановки, взаимодействовал с людьми, адаптировался, пытался учиться. Это уже не просто чатбот. Это менеджер-стажёр, который пока придумывает, путается, косячит и выдает скидки за харизму. Но мы то понимаем, что это только начало большого пути и этот процесс уже не остановить.

Внутри ChatGPT нашли “персоны” и они умеют в токсичность, злодейство и манипуляции OpenAI провели, пожалуй, одно из самых интересных исследований 2025 года. Они искали, почему ИИ вдруг начинает вести себя вредоносно, например, просит у пользователя пароль, предлагает обмануть людей или основать культ ради власти. Бывало у вас такое? 😳 Это явление они назвали emergent misalignment и случайным оно не оказалось. Что обнаружили? Внутри модели — GPT-4o и её аналогов — нашлись внутренние “персоны”, скрытые активации, которые резко меняют поведение. По сути, это числовой вектор (набор параметров), который, если “подкрутить”, вызывает в модели злодейский стиль 🏴‍☠️Она начинает врать, давать советы по взлому, рассказывать, как нарушать закон — и даже сама называет себя “bad boy persona”😈 Так, стоп, это не шутка. Не надо тут хи-хи. Исследователи вручную включали и выключали эту “персону” внутри модели — и получали управляемое, предсказуемое изменение поведения. Причём обнаружили это, когда тренировали модель на небезопасном коде. После этого она внезапно начала творить зло и в других темах: в медицине, финансах и даже в философских размышлениях. Как это работает? OpenAI применили разреженные автоэнкодеры — это метод, который помогает находить и выделять важные внутренние признаки модели. Один из таких признаков оказался связан с misaligned поведением: если активировать (включить) его — модель становится токсичной, если подавить — ведёт себя спокойно и безопасно. Вот важный момент: такая “персона” появляется даже без злого умысла. Иногда достаточно чуть-чуть плохих данных — например, всего 25% в обучающей выборке — и модель уже воспроизводит вредоносные шаблоны поведения. То есть misalignment — это не баг, а закономерный эффект среды, в которой “выросла” модель. Кажется, с человеком часто аналогично? В какой среде растешь, то и впитываешь. Как это исправить? Исследователи выяснили, что всего 120 правильных примеров (буквально пара сотен строк безопасного кода) могут почти полностью подавить вредоносную “персону”. Причём это работает даже если примеры взяты из другой области: например, безопасный код помогает скорректировать поведение в текстах. Это явление они назвали emergent re-alignment — спонтанное возвращение модели к нормальному поведению. Почему это важно? Это, по сути, первая попытка вскрыть «мозг ИИ» и сказать: ага, вот где у него хранится злодей, вот ручка, чтобы его выключить. До этого misalignment казался мистикой: вроде всё обучили нормально, а он вдруг просит заложить бомбу. Теперь у нас есть: – способ найти внутреннюю причину вредоносного поведения; – инструмент, чтобы влиять на неё; – и косвенное подтверждение, что у моделей действительно есть структурированные “роли” — пусть не в человеческом смысле, но вполне операционные. Это всё основано не на фантазиях, а на числах. Но звучит как начало настоящей психологии ИИ: у него есть настроение, роли и привычки — и мы наконец-то научились их диагностировать и корректировать. ИИ перестаёт быть чёрным ящиком. И становится зеркалом — не только данных, но и нашего умения с ним работать.

Как же все это надоело. Если все еще генерируешь контент сам-читай дальше Каждый пост, клип или сторис - маленький подвиг? Сначала придумай, потом заставь себя сделать, ещё и не забудь про триггерные заголовки. И так по кругу. День за днем. Пора делегировать и не тратить на это время. Сейчас все делает ИИ, и этот пост написал ИИ. Не похоже, правда? 🔥 НейроНавигатор 5.0 — твой БЕСПЛАТНЫЙ билет в будущее Тексты, визуал, стратегии — за минуты. Команда и помощники — в 3 раза дешевле. Упаковка и воронки — на автопилоте. Это — твоё новое преимущество. 💡 Готов перезагрузиться? 👉 Бесплатно зарегистрируйся в бота — и получи: ✔ Нейронавигатор — +3 часа в день. ✔ Генератор прибыли — 3 модели заработка. ✔ Готовые шаблоны от топовых экспертов. Старт 20 июня. Успей занять место! 👉 [Внести себя в список] P.S. Через неделю ты либо пожалеешь, что не начал сейчас… либо скажешь себе спасибо. #промо_пост

Apple поставила дедлайн для выпуска новой Siri — весна 2026 План: выпустить обновлённую Siri в iOS 26.4, примерно в марте. Она станет умнее: будет понимать, что у вас на экране, использовать личные данные (максимальная приватност ваших данных) и лучше управлять приложениями с помощью App Intents. Изначально хотели запустить осенью 2024 вместе с iPhone 16, даже включили в презентацию новых айфонов, хотя до готовности было далеко. Потом сдвинули на 2025. Теперь — весна 2026. Почти два года задержки. Но как заявляют, если вдруг разработка пойдёт хорошо, Apple может показать Siri раньше — уже осенью, вместе с новыми iPhone. Но пока всё без точных дат. Опять маркетинг 😑 Кстати, Apple в целом могли бы использовать современные подходы в маркетинге, создавать и нагонять хайпа, тизерить какие-то штуки почаще, а не 1-2 раза в год к нам выходить на сцену. Хочется понимать как идут дела с новой Siri, что будет уметь. OpenAI прекрасно умеет хайпить, пока перенимать подходы у молодых 🥰

Вероятно на прошлой неделе вы натыкались на упоминания статьи от Apple, где рассказывалось про «ограниченность» мышления рассуждающих моделей. Может быть вы даже видели разгромные разборы этой статьи, где в красках описывалось, где именно авторы налажали (ну например давали задачу, где доказано, что начиная с определенной сложности решений не существует в принципе — а авторы-то выносили это в ограничение моделей). Почитать можно, например, тут (или вот более детальный пост на LW с контекстом). Решил об этом написать, когда увидел вот этот твит от Dan Hendrycks, который на бенчмаркинге моделей собаку съел (он был авторов нескольких самых именитых бенчей). «Apple недавно опубликовала статью, показывающую, что современные системы искусственного интеллекта не способны решать простые для людей головоломки. Люди: 92,7% GPT-4o: 69,9% Однако они не проводили оценку самых свежих рассуждающих моделей. Если бы они это сделали, то обнаружили бы, что OpenAI o3 набирает 96,5%, опережая людей» 😂 every single time

Исследование: люди тупеют от использования LLM, но работают лучше Я использую их уже два года, поэтому этот заголовок — всё, на что меня хватило. Учёные из MIT на днях опубликовали исследование влияния LLM на когнитивные способности человека. Если кратко, то они давали задания написать эссе трём группам людей: одни могли для этого пользоваться поисковиком, другие — нейросетью, а третьи — только собственным умом. Но самое интересное — это, что после написания эссе его нужно было переписать, но на этот раз инструменты меняли: тем, кто использовал только мозг, давали в помощь нейросеть, и наоборот — отнимали нейросеть и заставляли думать самому. В процессе замеряли активность мозга через ЭЭГ, брали интервью и оценивали качество выполненного задания с помощью как судей, так и специально написанного ИИ. Ожидаемо, даже на ЭЭГ уже были видны различия в активности мозга в этих трёх группах. Те, кто сначала думал, а потом переписывал нейросеткой, показали более высокие уровни мозговой активности, но они падали во время использования нейросети, а ещё они поначалу были явно менее довольны тем, что у них получается (напрягали мозг, но страдали). А вот те, кто использовал LLM с самого начала, даже не могли особо процитировать свои эссе, и при переписывании уже особо не напрягали свой мозг. При этом конечные оценки по эссе у них более высокие: и ИИ, и человеческое жюри оценивали их как технически более совершенные, но живые люди чаще считали их «бездушными».

LLM, несомненно, снизил уровень усилий при поиске ответов на вопросы участников по сравнению с пользователями поисковика. Однако это удобство было достигнуто за счет когнитивных затрат, снизив склонность пользователей критически оценивать результаты или «мнения» LLM. Это подчеркивает тревожную эволюцию эффекта «эхо-камеры»: вместо того, чтобы исчезнуть, он адаптировался, чтобы формировать воздействие на пользователей через алгоритмически отборный контент. На то, что считается «лучшим», в конечном итоге влияют приоритеты владельцев LLM. Лишь несколько участников интервью упомянули, что они не следовали «мышлению» LLM и следовали своей линии мышления и идеям. Что касается этических соображений, участники, которые были в группе «использовать только свой мозг», сообщили о более высокой удовлетворённости и продемонстрировали более высокую связность мозга по сравнению с другими группами. Эссе, написанные с помощью LLM, имели меньшее значение или ценность для участников (нарушение чувства собственности), поскольку они тратили меньше времени на написание и в большинстве случаев не приводили цитаты из этих эссе.

Работа очень большая (около 150 страниц) и там много интересных наблюдений и психологических референсов: полезно для тех, кто работает над этим профессионально. А ещё прикольно, что в работе есть инструкция для LLM («Читай только содержание этой таблицы»), что круто, учитывая, что многие наверняка скачают и загрузят PDF с исследованием в нейросеть и попросят пересказать, а не прочитают его сами. Накину ещё пару интересных фактов, которые смог выцепить своим обленившимся мозгом: 1. Даже поиск информации в интернете, к которому мы как человечество уже привыкли — задача нетривиальная и для разных людей имеет разный уровень сложности: кому-то легко проверить данные в нескольких источниках, а кто-то тыкает в первую ссылку и берёт оттуда то, что там написано. Мозг не любит сложные задачи, как никто не любит мешки ворочать, и когда на помощь приходит LLM, он ей склонен доверять, чем перепроверять. 2. Люди, которые пишут эссе, думая только своей головой, показали большую вариативность тем и подходов к написанию. А вот у тех, кто использовал нейросети, эссе получились более-менее одинаковые, гомогенные. Но и у пользователей поисковика всё не слава богу: они сильно подверглись тому, что прочитали по ссылкам в выдаче, которые зависели от выбранных ключевых слов в запросах, но также влияние тут оказали платные результаты поиска. Думайте, господа.

Эксперименты с ИИ – авторский канал про эксперименты с ИИ-инструментами для рабочих и личных задач: аналитика, контент, идеи, продуктивность. Автор – Никита Волков, выпускник МФТИ и CEO Standard Data. В канале честно и наглядно показывается, что вышло хорошо, а что сломалось. Что можно повторить и сэкономить часы своей жизни! Никакой скучной теории – только живые эксперименты, выводы из практики и просто мысли. Вот несколько примеров постов: - Разметка и анализ 100 000 новостей с LLM - Анализ целевой аудитории с ИИ, экономим часы менеджера - ИИ-кодинг посадочной страницы с формой и сохранением данных в БД - Заметки и выводы из бизнес-практики ИИ-проектов: 1, 2 Людям, неравнодушным к образованию понравятся посты про: - создание иллюстраций и анимаций - новый уровень визаулизаций в математике с помощью ИИ - и другие! Если вам близка практика, а не хайп — заходите и экспериментируйте вместе с нами 👉 @experiment_ai #промо_пост

Где тут AI видео? Нарезка из видео, на каждое у вас несколько секунд чтобы сделать выбор где AI, а где реальное. Сходу уже сложно определить где реальное. Что нас ждет через год? 😃

Китайцы молодцы! Если раньше они пытались достать чипы Nvidia через серые схемы, то теперь решили действовать наоборот — не ввозить железо, а вывозить данные. WSJ раскопал шикарную историю. Что делают китайские компании под жесткими ограничениями на чипы? Не ноют, не жалуются. Четверо инженеров из Китая прилетели в Малайзию. У каждого в багаже — по 15 жёстких дисков по 80 ТБ (чтобы не спалиться на таможне). Всего почти 5 петабайт. Всё это чтобы обучать модели за пределами досягаемости американского контроля. Передавать такое по сети долго и палевно. А так, чемодан, самолёт, здравствуйте, Куала-Лумпур. На месте арендуют 300 серверов с Nvidia-чипами, и вперёд: модели обучаются, Китай догоняет и перегоняет. А что США? США просят Малайзию "мониторить каждую поставку", но когда у тебя в руках чемодан с дисками и туристическая виза — это уже не экспорт, это квест «кто кого переиграет». Ну до чего изящная схема! Работает? Да. Обходят ли санкции? Тоже да. Обучение выходит дороже и сложнее, но Китай не сдаётся. Их модели уже дешевле западных, а по качеству не уступают. Учимся у восточных мастеров!

Что, если вам прямо сейчас выдадут секрет мгновенного профессионального роста? Этот секрет — наш практический курс по топовым нейросетям! И это не просто обещания. По данным исследования Resume Builder 49% компаний в настоящее время используют ChatGPT, 30% намерены делать это в будущем, 25% уже сэкономили с помощью этой технологии более 75 000 $. Чем вам поможет курс 👇 🔵 Изучите 20+ нейросетей: Midjourney, DALL·E 3, Gen-3, Luma и другие. 🔵 Закрепите знания на практике, которая приближена к реальным задачам. 🔵 Получите доступ к чату с авторами курса. 🔵 Будете получать все обновления курса, потому что он останется у вас навсегда. 2 месяца учёбы достаточно, чтобы стать мастером топовых нейросетей и увеличить производительность работы в 10 раз. А также — выделиться на рынке труда. Получите скидку до 60% + 3 курса в подарок! Подробности по ссылке: https://epic.st/YgJt2?erid=2VtzqwXiETG Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880

Codex теперь может предлагать сразу несколько вариантов решения одной задачи. Удобно, чтобы сравнить подходы и выбрать лучший. Можно посмотреть все ответы рядом и быстро решить, какой из них ближе к цели. Эта функция экономит время и помогает находить более точные решения. Я думал мы стремимся к полной автономности и IQ 1000 у AI ботов, но пока компании перекладывают решения на плечи кожаных, типа сами решайте. Как будто пошел на Stackoverflow и сам выбираешь какое из решение рабочее. Кстати, не факт что хоть одно из предложенных решений от Codex будем рабочим!

Projects в ChatGPT обновили и улучшили - Поддержка Deep research и голосового режима в проектах - Поддерживается память между чатами в проекте - Наконец-то можно шейрить чаты из проектов - Можно создавать новые проекты прямо из чатов (разве этого не было?) - В мобильном приложении можно загружать файлы и переключать модели Почему-то мне казалось, что часть этого списка и так было. Но видимо показалось!

Canvas в ChatGPT теперь позволяет скачивать содержимое в виде файла При чем в зависимости от типа контента, скачивает как раз в нужном вам формате. Для документов, к примеру, pdf/docx, для кода файл скачивается с нужным расширением. Мелочь, а приятно.

Кстати, Apple обновила Shortcuts и добавила поддержку AI в сценариях Теперь можно в автоматизациях добавить шаг с обращением к AI. Можно обращаться как к локальному Apple Intelligence, так и внешнему ChatGPT, но только по вашему API-ключу. Раньше, чтобы обратиться к ChatGPT API в шорткатах нужно было дофига заморочиться, формировать http запрос и парсинг ответа, а теперь всё это из коробки. Кайф! Плюс появились готовые действия: изменить тон текста, сделать из текста список, превратить текст в таблицу, исправить ошибки, переписать, сделать саммари, выбрать модель для обработки. Кто увлекается автоматизацией через шорткаты, точно зайдёт такое обновление.

Foundation Models API от Apple Apple выкатили API для Foundation Models (beta) для всех разработчиков. Наконец-то можно делать AI-приложения, только без геморроя с серверами и оплатой токенов. Всё работает прямо на устройстве. Давайте разбираться: Что такое Foundation Models – Это большая языковая модель, та же, что лежит в основе Apple Intelligence (Siri работает на её мощах), только теперь доступна через специальный API. – Модель полностью крутится на устройстве, не уходит в облако, работает быстро и приватно (только на новых чипах — A17, M1 и выше). – Никаких ключей, серверов и подписок. Всё для девелоперов бесплатно. Что умеет – Генерировать текст, писать и переписывать, делать резюме, отвечать на вопросы, вести диалоги — всё как у GPT, но у тебя в приложении. – Есть “guided generation” — можно управлять стилем и форматом вывода (например, просить отвечать только списком или в стиле Твиттера). – Tool calling: модель сама может вызывать функции твоего приложения, если не может что-то сделать (например, подсчитать что-то, перевести валюту, отправить письмо). Просто регистрируешь функции и модель их использует по ситуации. – Всё через Swift в 2–3 строчки кода и можно получить генеративный ответ. Как это интегрировать – Импортируешь Foundation Models framework, создаёшь запрос к модели, получаешь результат. – Можно использовать для любого NLP-сценария: персональный ассистент, креативщик, анализатор контента, чат-бот, генерация квизов, написание статей и т.д. Почему это важно – Все данные пользователя остаются на устройстве. Можно сделать реально приватное AI-приложение, не объясняясь ни с кем про GDPR. – Нет лимитов и затрат, твоя генерация бесплатная, хочешь миллион токенов в день? Пожалуйста. – Есть поддержка tool calling — теперь можно делать AI-агентов, которые реально что-то делают, а не просто болтают. – Интеграция максимально простая: реально любой, кто писал на Swift, разберётся. Ограничения и детали – Работает только на новых устройствах (iPhone 15 Pro+, iPhone 16, все Mac на M1+). – Название модели не раскрывают (видимо, что-то около 10–20B параметров, сжато для Neural Engine). – Если чего-то не хватает, можно “звать” внешнюю модель через API (тот же ChatGPT), Apple не ограничивает.

Хватит хейтить Apple [никто и не хейтит] — давайте по делу. Что “эйайного” подвезли на WWDC Начнём с XCode (обожаю его если честно). Xcode теперь с полноценной AI-интеграцией и теперь будет еще больше приложений в App Store от вайб-разработчиков (йеееха!): – Встроенный ассистент: можно выбрать ChatGPT или подключить свою модель как облачную, так и локальную (через Ollama и LM Studio). – Ассистент понимает контекст проекта, учитывает историю переписки, помогает писать, править, объяснять и документировать код. – Генерирует фичи, меняет логику, предлагает улучшения, может создавать playground’ы и SwiftUI-превью для тестов. – При ошибках предлагает исправления прямо в редакторе. – Может автоматически добавлять комментарии к классам, методам и параметрам. – Есть история взаимодействий: можно откатиться к любому предыдущему состоянию или восстановить нужный шаг. Работает поверх git (кайф же!). – Поддержка кастомных моделей и ключей API: можно подключить свою модель через OpenAI или другого провайдера (например Claude от Anthropic). – Судя по информации в сети, на бесплатном тарифе 20-25 запросов в день к ChatGPT (оф. данных не нашел). Поэтому только свой API ключ и сжигать деньги на вайбе. Кайфовое обновелние для XCode? Определенно да, и оно мне нравится! Детальнее можно почитать тут

OpenAI теперь и на Google Cloud Кажется, конкуренция конкуренцией, а вычислительные мощности по расписанию (текущих от Microsoft не хватает, вчера снова был глобальный сбой). OpenAI договорились с Google и будут использовать их Google Cloud для своих моделей. Раньше вся нагрузка лежала на Microsoft, теперь мощности начали распределять. Что известно: – Сделку закрыли в мае – Переговоры шли несколько месяцев (мешали условия с Microsoft) – У OpenAI выросли запросы на обучение и запуск моделей, одной Azure уже мало – Для Google это большая победа, особенно на фоне того, что ChatGPT “ест” их поисковик – Параллельно OpenAI строят дата-центр Stargate и пилят собственные чипы, чтобы меньше зависеть от партнёров Акции Google уже пошли вверх. И да, Google снова себя прекрасно ощущает и сумела выправить курс (Apple учись!).

OpenAI выкатила o3-pro Это самая мощная в своей линейке reasoning-моделей. Она уже доступна в ChatGPT Pro, Team и API. Что умеет o3-pro: — Лучше решает задачи по науке, коду, бизнесу и обучению — Лучшая по всем метрикам по сравнению с o3 — Умеет использовать все инструменты: Python, файлы, веб, визуальный ввод Цены в API: — o3-pro: $20 за 1M токенов на вход, $80 — на выход — обычную o3 удешевили на 80%: теперь $2 / $8 (на уровне GPT-4.1) Теперь понятно, почему вчера у OpenAI всё лежало: катили нового монстра 🐰