Endi mavjud! Telegram Tadqiqoti 2025 — yilning asosiy insaytlari 
сбежавшая нейросеть
Kanalga Telegram’da o‘tish
Авторский канал про искусственный интеллект: новости, примеры использования, мысли в тему и не очень. Подписывайтесь! Для связи: @runawayllm_bot Я на Boosty: https://boosty.to/escaped_ai Я на Sponsr: https://sponsr.ru/escaped_ai/
Ko'proq ko'rsatish📈 Telegram kanali сбежавшая нейросеть analitikasi
сбежавшая нейросеть (@ai_exee) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 22 661 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 5 909-o'rinni va Rossiya mintaqasida 29 355-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 22 661 obunachiga ega bo‘ldi.
06 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 1 015 ga, so‘nggi 24 soatda esa 10 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 34.24% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 18.57% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 7 747 marta ko‘riladi; birinchi sutkada odatda 4 201 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 82 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent gemini, openai, claude, opus, gpt-5.1 kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Авторский канал про искусственный интеллект: новости, примеры использования, мысли в тему и не очень. Подписывайтесь!
Для связи: @runawayllm_bot
Я на Boosty: https://boosty.to/escaped_ai
Я на Sponsr: https://sponsr.ru/escaped_ai/”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 07 Iyul, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
22 661
Obunachilar
+1024 soatlar
+2217 kunlar
+1 01530 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
Ma'lumot yo'q
Muammo bormi? Iltimos, sahifani yangilang yoki bizning qo'llab-quvvatlash boshqaruvchimizga murojaat qiling>.
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyul '26
Iyul '26
+236
7 kanalda
Iyun '26
+1 119
15 kanalda
Get PRO
May '26
+1 005
7 kanalda
Get PRO
Aprel '26
+1 379
12 kanalda
Get PRO
Mart '26
+2 046
8 kanalda
Get PRO
Fevral '26
+3 098
24 kanalda
Get PRO
Yanvar '26
+2 502
18 kanalda
Get PRO
Dekabr '25
+1 766
6 kanalda
Get PRO
Noyabr '25
+1 968
8 kanalda
Get PRO
Oktabr '25
+1 983
6 kanalda
Get PRO
Sentabr '25
+1 515
2 kanalda
Get PRO
Avgust '25
+1 846
5 kanalda
Get PRO
Iyul '25
+2 692
4 kanalda
Get PRO
Iyun '250
2 kanalda
Get PRO
May '25
+41
5 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 07 Iyul | +37 | |||
| 06 Iyul | +17 | |||
| 05 Iyul | +44 | |||
| 04 Iyul | +14 | |||
| 03 Iyul | +40 | |||
| 02 Iyul | +43 | |||
| 01 Iyul | +41 |
Kanal postlari
Тяжело вести канал, когда придавило основной работой. Вчера Anthropic выпустила мощнейшее исследование "A global workspace in language models" – и пока я выкраивал время, про него отписали все крупные каналы. Повторяться стыдно. Что делать? Искать угол, под которым не подавали другие.
В случае с “A global workspace in language models” это достаточно просто: в крупных исследованиях самый интересный угол далеко не самый громкий. До него надо докопаться, а ИИ в этом – отличный помощник.
Но сначала коротко и понятно суть исследования. У нейронауки сейчас пять крупных теорий устройства сознания, одна из них – теория глобального рабочего пространства. Мозг в ней – набор систем-автоматов, работающих порознь; осознаем мы только то, что попадает в общий центр – рабочее пространство.
Есть классический тест Струпа. Перед вами слово “синий”, но написано оно красными чернилами, и вас просят назвать не слово, а цвет. Язык предательски порывается прочитать написанное – и приходится усилием воли осадить самого себя, чтобы выговорить “красный”. Это рабочее пространство в действии – момент, когда надо перехватить управление у автопилота.
Недавно исследователи Anthropic нашли у Claude небольшую область, которая ведет себя как рабочее пространство: модель может рассказать, что в ней лежит, удержать там мысль, покрутить ее, порассуждать – пока вся остальная обработка идет на автопилоте. Назвали область J-space.
Соблазн на этом месте – завести разговор о наличии сознания у ИИ. Anthropic пока в разговор не втягивается: открытие сильное, но недостаточное. И это не впервые – в моделях Claude уже не раз находили сложные внутренние структуры, которые никто не программировал: они возникали эмерджентно, как побочный эффект обучения. Но доказательством сознания такие находки быть не могут – в том числе потому, что у нас до сих пор нет точного определения, а что оно вообще такое, это сознание, даже у человека.
Окей, про сознание ИИ находка ничего не говорит. А про сознание человека? Теория глобального рабочего пространства одна из сильнейших в “человеческой” нейронауке, и тут ее пример обнаруживается в искусственном интеллекте. Разве это не важно?
Конечно же важно. Вопреки популярному мнению, нейросети не так уж и похожи на человеческий мозг. Их изначальная архитектура вообще не содержит разделения на изолированные модули и общее рабочее пространство, и обучение специально не подталкивает его возникнуть. И тем удивительнее: такое разделение все равно появляется само в ходе обучения – просто потому, что функционально полезно для гибкого планирования.
Anthropic попросила прокомментировать открытие Станисласа Деана и Лионеля Наккаша – соавторов теории глобального рабочего пространства. Их вывод: глобальное рабочее пространство может оказаться универсальным способом обработки информации для разных интеллектуальных систем – и живых, вроде нас, и искусственных. Возможно, это вообще в принципе единственный способ решать задачи, в которых нужны цепочки рассуждений, промежуточные результаты и проверка финальной работы.
Идея требует проверки, но цепочка похожих открытий Anthropic важна в другом: если нейросети действительно независимо приходят к аналогичной структуре мышления, то у нейробиологов появляется мощнейший инструмент изучения человеческого сознания. Ведь мозг мы изучаем с помощью приборов, а нейронку можно “вскрыть”, буквально на ходу поменять в ней “мысль” и посмотреть, что получится.
И первая подсказка уже есть: рабочее пространство Claude собрано из слов, которые модель готовится произнести. Если у нас так же — значит, корень сознания надо искать не в зрении или слухе, а в зонах мозга, что готовят речь и действие; находка в машине подсказывает нейробиологам, где копать в нас самих.
Вот такая история. Хотите сами выжимать из обычных новостей нестандартные углы? На Бусти у меня есть рассказ, как я ищу такие углы с помощью ИИ. Пригодится не только пишущим, но и дотошным читателям:
Ищем с помощью ИИ темы для блога, канала или просто себя
| 2 | У меня есть огромный промпт для поиска ИИ-новостей, который я прогоняю через GPT-5.5 Pro – другие модели просто не справляются. И в нем есть раздел со смешным названием AI in the wild, где модель ищет, а чего еще классного люди сделали с помощью этих ваших нейронок. Сегодня перескажу несколько примеров, которые зацепили меня больше всего.
Лингвист-любитель Том Ди Мино с помощью Claude Code предложил расшифровку Линейного письма А – минойской письменности с Крита (~1800–1450 до н.э.), которая не дается более 100 лет. Ди Мино предоставил чтения для 40 знаков и словарь для 408 слов, по его мнению Линейное письмо А – вымерший семитский язык.
Гипотезу пока оценивают профессиональные лингвисты. Проблема, что корпус текстов крошечный, около 7500 знаков (как два поста в этом блоге), и расшифровать такой язык можно, только если он родственник другого древнего языка. Семитскую гипотезу уже выдвигали и отвергали ранее. Но новые тексты еще могут быть открыты, плюс интересна роль Claude Code: он не “читал тексты”, а построил набор Python-инструментов для проверки гипотез в масштабе, который раньше был доступен институтам, но не любителю-одиночке.
Едем дальше. PHerc. 1667 – геркуланумский свиток, пострадавший при извержении Везувия и добравшийся до нас в обугленном виде. Несколько раз его пытались развернуть, но свиток крошился. Теперь же остатки просветили рентгеновским томографом, затем ИИ-модель указала на места с чернилами, после чего специалисты приступили к расшифровке.
Судя по всему, это философский трактат по этике, а в последней сохранившейся колонке назван Аристокреон – племянник и ученик Хрисиппа, что вместе с языком и темами датирует текст II веком до н.э. Интересно, что текст стоический, а коллекция виллы, где он найден, эпикурейская – вероятно, владелец держал оппонентов для полемики.
Еще подробность: это первый везувийский свиток, уцелевшую часть которого прочли целиком, от начала и до конца. Сейчас остается как минимум 600 непрочитанных везувийских свитков (плюс новые могут найтись на раскопках), с которыми технология может помочь.
Перейдем от древних языков к “языку” автомобилей. Вы не ослышались: речь о CAN-шине, по которой узлы машины обмениваются данными. Прямой доступ к CAN-шине полезен для разработки open source-автопилотов, установки кастомных борткомпьютеров и внезапно проверки емкости батареи электромобиля при перепродаже.
Вот только передаваемые данные не документированы: прочесть поток данных CAN-шины может любой, но выцепить байты, отвечающие за скорость – та еще задача. Раньше поиск одного сигнала занимал часы, но Мартин Фалч из CSS Electronics (датский производитель оборудования для чтения CAN-шин) собрал скилл для Claude Code, ускоряющий процесс до 5-10 минут.
Сначала надо оцифровать поведение машины: например, записать на видео показания спидометра при разгоне машины или в программе двигать ползунок одновременно с поворотом руля. Получив эти данные, Claude Code сопоставляет их с потоком, идущим по CAN-шине и находит в нем биты, меняющиеся синхронно с записью.
Из этого эксперимента, кстати, выпала забавная побочная находка. Когда Claude расшифровал скорость по видео с приборки Opel Astra, она оказалась на 7% выше той, что машина сообщает о себе по диагностике. Нет, это не ошибка распознавания: спидометр обязан привирать. По регламенту ООН производитель не имеет права показывать водителю скорость ниже реальной – только равную или завышенную, вплоть до 10%. Так что когда вы едете “по приборам” ровно 90, на самом деле вы едете медленнее. Производители закладывают запас, чтобы никто не смог отсудить штраф за превышение фразой “а у меня на панели было меньше”. Вот так реверс-инжиниринг шины между делом ловит за руку ваш собственный спидометр.
Похожих примеров, но поменьше, GPT мне приносит по несколько штук в день. И это самое интересное наблюдение: пока одни спорят, есть ли от ИИ польза, огромное количество людей просто работают с ним как с рутинным ежедневным инструментом.
“сбежавшая нейросеть” на “Бусти” | 4 198 |
| 3 | В начале месяца я обычно сажусь и подвожу итоги “сбежавшей нейросети” на “Бусти”: какие лонгриды понравились читателям, какие не зашли, какие темы важны для меня. И вот на что обратил внимание – до сих пор тексты по промптингу идут лучше остальных. Получается странно: ИИ-эксперты любят говорить, что промпт-инжиниринг мертв, при этом обычные пользователи продолжают читать тексты именно про него.
На самом деле, никакого парадокса здесь нет. Промптинг никогда и никуда не денется, но вот смысл понятия постепенно меняется. Если пару лет назад промпты были подробными инструкциями, благодаря которым модели выдавали действительно сносный результат и не галлюцинировали ерунду, то теперь промптинг – это умение “общаться” с ИИ. Правильно ставить задачу, показывать, какой результат нужен, давать нужный контекст и при этом не забивать модели голову лишними “ролями”, инструкциями и ограничениями.
Кстати, обучение промптингу в 2026 году – это во многом борьба с привычками и приемами, которые человек взял и руководств 2024 года 😁
Ну и вторая идея промптинга – это обмен идеями. Грамотные руководства и каталоги готовых промптов – лучший способ посмотреть, как другие люди используют ИИ и почерпнуть что-то новое для себя. Я, например, прямо сейчас читаю свежий лонгрид от инженера Anthropic, посвященный тому, как он промптит ИИ-агентов. Гайд очень сильно заточен под кодинг, но я хочу на основе описанных приемов попробовать сделать более широкий материал: если получится, то тоже выложу на “Бусти”.
Но и прямо сейчас на “Бусти” есть уже целый курс по промптингу:
— Вводный текст, как промптить модели в 2026 году
— Разбор системного промпта Claude Fable 5, из которого можно понять, что это вообще за функционал
— И следом рассказ, как писать пользовательский промпт и управлять памятью ИИ, чтобы они не конфликтовали друг с другом и с системным промптом
— Как писать промпты для GPT Images 2, Nano Banana 2 и других графических ИИ
И три лонгрида с моими любимыми приемами промптинга:
— Как заставить ИИ думать глубже: 8 техник сильного промптинга
— Ваш ИИ "халтурит": 6 техник, чтобы выжать из ChatGPT и Claude максимум
— Как перестать генерить ИИ-слоп: сначала стиль, потом контент
Как по мне, отличная подборка. Прочтете ее целиком – и можно браться за ИИ-агентов (там своя серия, начинается вот с этого текста) и/или вайб-кодинг (а здесь – с этого текста).
"Бусти" целиком: https://boosty.to/escaped_ai
Зеркало на Sponsr: https://sponsr.ru/escaped_ai/ | 4 321 |
| 4 |  Уже 7 июля заканчивается демо-период, когда Claude Fable 5 была доступна на подписных планах Claude: 20-долларовом Pro и Max за $100/$200 – далее только более дорогие API-цены. Тарик Шихипар из команды Claude Code пообещал, что это временное решение: Anthropic хочет вернуть Fable 5 в подписки как только удостоверится, что ей хватает вычислительных мощностей.
Как быстро это случится - не ясно. Я уже не раз рассказывал, что экономия подписок рассчитывается исходя из установки, что средний пользователь не будет тратить лимиты на 100%. У меня, например, обычно уходит 50-80% лимитов Claude Max x5.
Очевидно, что Fable 5 ломает экономику подписок: все стараются пользоваться более умной моделью, а это растит расход лимитов. И по своему опыту я вижу, что не помогает даже ограничение, что на Fable 5 можно тратить не более 50% еженедельного лимита – ты просто стараешься лучше менеджерить свою работу, чтобы выжать из самой мощной модели максимум.
С другой стороны – тянуть время тоже рискованно для Anthropic. После 7 июля пользователи будут раздражены – фактически им дали попробовать крутую игрушку и забрали – и этим могут воспользоваться конкуренты.
В первую очередь, речь конечно об OpenAI: у компании уже готова GPT-5.6, выпуск которой задержали для дополнительных проверок правительством США. В случае с Fable 5 такие проверки заняли 19 дней, о GPT-5.6 рассказали 26 июня – то есть менее двух недель назад, однако в случае с OpenAI процедура проверки может занять меньше времени.
Так что шансы, что GPT-5.6 выйдет 7 или 9 июля (вторник и четверг – излюбленные дни OpenAI для релизов) не нулевые. По слухам, в большинстве бенчмарков модель вровень или близка к Fable 5, плюс OpenAI готовит сверхбыстрый режим на чипах Cerebras – так что конкурент получается серьезный.
Не будем списывать со счетов и Google. Компания представила Gemini 3.5 Flash в мае и обещала 3.5 Pro июне, но отложила запуск. Гипотез две. Первая – Google также взяла время, чтобы новинку проверило правительство США. Вторая – модель просто оказалась слабой на фоне Claude Fable 5 и GPT-5.6 и в компании взяли время на доводку.
Сейчас инсайдеры указывают на возможный выход 3.5 Pro в середине июля. Помимо традиционного роста в бенчмарках, есть слухи о контекстном окне в 2M токенов – то есть в два раза больше, чем у лучших моделей сейчас.
2 миллиона токенов – это “Война и мир” два раза (еще и останется) или вся кодовая база среднего проекта. Но важнее другое: современные модели подвержены такому явлению, как context rot – “гниение контекста”, когда ИИ глупеет по мере того, как приближается к максимуму контекстного окна. И 2M контекста (если они, конечно, будут у Gemini 3.5 Pro) для обычного пользователя отодвигают точку, с которой модель начинает глупеть.
А еще напомню, что Claude Opus 4.8 вышел 28 мая, всего через 41 день после Opus 4.7. Если отсчитать столько же дней в другую сторону, то получится 8 июля, как раз следующий день после завершения демо-периода Fable 5. В общем, будем надеяться, что в ближайшее время нас не обидят новыми релизами.
Кстати, на “Бусти” я делюсь личным опытом, как бороться с context rot у современных ИИ. Также есть целый цикл про ИИ-агентов, правильный промптинг и хитрости, которые помогают мне выжимать из моделей максимум.
Самое время подписаться! | 4 971 |
| 5 | От tokenmaxxing к modelmaxxing
Танви Пизал, UX-дизайнер в бигтехе, не так давно попробовала внедрить ИИ в свою работу. Выбор пал на Claude, что правильно – это сейчас лучшая модель во фронтенде. Но вышло не сразу: Танви сначала брейнштормила в Claude целиком, “сожгла месяцы лимитов“, а результата так и не достигла.
Сейчас Танви использует другой подход: брейнштормит идеи в бесплатном корпоративном ChatGPT, а результат перекидывает в личный Claude – и он выдает финальную версию. В некоторых случаях Танви вообще проектирует черновик в Figma, перекидывает его в Claude и просит оставить UI не тронутым, достроив функциональность и флоу. Такой подход дает результат на 20-долларовой подписке Claude Pro.
Танви – одна из героев рассказа Business Insider о новом явлении, охватившем как крупный бизнес, так и рядовых пользователей. Это modelmaxxing – умение подобрать правильную модель под задачи.
Крис Макони, сооснователь AI-стартапа Hechura, говорит так: “Люди не хотят проделывать трудную работу — разбираться, какие модели в чем хороши. Они просто хотят ехать на хайп-трейне”. Похожее наблюдаю я сам: после выхода Claude Fable 5 ТГ-каналы, на которые я подписан, наполнились историями, как замечательно “Фейбл” перестроил всех их процессы. Я и сам в первую очередь натравил Fable 5 на существующие проекты и получил хороший результат, но по мне заслуга модели здесь 20% (субъективно), остальное же скорее потому, что выход новинки подтолкнул меня к рефакторингу старых процессов.
Обратная сторона – недельный лимит на Fable 5 в моей 100-долларовой Claude Max уже подходит к концу, так что придется пробовать модели попроще.
Уверенность, что ИИ сотворит с твоим бизнесом чудеса, особенно если это лучшая модель, есть и у крупного бизнеса. Компании подталкивали сотрудников использовать ИИ везде и повсюду, что привело к оптимизации метрики вместо результата: возникло такое явление, как tokenmaxxing, когда сотрудники жгли лимиты на любую ерунду, лишь бы показать свою эффективность. Вместо результата выросли счета – в Uber признали, что сожгли годовой бюджет на токены уже в этом апреле. О том, что ИИ помог Uber создать какой-то прорывной продукт, лично я не слышал.
Сейчас начинается этап более жесткого контроля за бюджетами. И подходы разные. В Tesla установили бюджет токенов на инженера в $200 в неделю – превышение нужно согласовывать у руководителя. При этом бета-версии собственного ИИ Grok под лимит не попадают. Пикантность в том, что инженеры Tesla, по данным Electrek, предпочитают Claude: лимит фактически штрафует их за выбор чужой модели.
Где-то полагаются на автоматические инструменты. Финтех Ramp, через который проходят корпоративные расходы 70 тысяч американских компаний, сообщает, что доля компаний, платящих за роутинговые платформы, выросла за год с 1% до 5%. Роутинг – это фактически анализ промпта с последующим подбором под него оптимальной модели. Впрочем, я бы не переоценивал такие алгоритмы: автоматика плохо понимает, что реально нужно пользователю.
Мне нравится подход Моргана Линтона — CTO Bold Metrics. Два раза в неделю он проводит стендап с инженерами и решает, какая команда и какой моделью будет пользоваться: кому-то достается Claude Fable 5, кому-то GPT-5.5, а кому-то Cursor Composer 2.5. У Линтона всего 16 инженеров, поэтому он может сравнивать результаты, накапливая знания, где и какая модель реально нужна.
Это нормальная тактика и в персональной работе: брать и на 2-3 дня переключать все процессы на другую модель, чтобы посмотреть, как она справилась. Линтон, кстати, устанавливает и уровень рассуждений модели, которым пользуется команда. Это тоже полезный прием: я вижу, что пользователи обычно стараются выставлять максимальные рассуждения, хотя разумно попробовать более низкие уровни – так вы сэкономите не только токены/лимиты, но и время, затраченное на задачу.
Кстати, на “Бусти” я часто рассказываю, как выжимать из моделей максимум за минимальную цену. Например, лонгрид про управление контекстным окном – такой подход повышает качество ответа при меньшем расходе токенов.
Самое время подписаться: https://boosty.to/escaped_ai | 5 165 |
| 6 |  Когда две недели назад я писал лонгрид с разбором системного промпта Claude Fable 5, то обратил внимание, что даже в этом внушительном документе есть ошибки вроде противоречащих инструкций, повторяющейся и устаревшей информации. А ведь его писала целая команда инженеров Anthropic, фактически лучших специалистов по ИИ в мире. Что же делать обычному пользователю, которому для эффективной работы также предстоит настроить пользовательские инструкции, инструкции отдельных проектов и не забывать управлять памятью модели?
Именно эту боль и закрывает новый текст на “Бусти”:
Как правильно писать пользовательский промпт и управлять памятью ИИ о вас
В лонгриде вы найдете описание механики инструкций для модели: когда срабатывает системный промпт, когда пользовательский, когда – память ИИ. Я разбираю, какую информацию в какую “зону ответственности” поместить, даю пример хорошего пользовательского промпта, а также набор промптов, с помощью которых можно поддерживать память ИИ о пользователе в актуальном состоянии: вовремя удалять старое и закрывать “пробелы” в знаниях модели.
Всего в подписке уже 19 текстов, в которых я понятно рассказываю, как правильно промптить ИИ, строить ИИ-агентов и вайб-кодить эффективные приложения. Так что самое время присоединиться:
Подписаться на “Бусти”
Подписаться на Sponsr | 5 519 |
| 7 |  Специализирующийся на вайб-кодинге проект BridgeMind прогнал заново выпущенную Claude Fable 5 на своем бенчмарке BridgeBench и получил удручающие результаты. В отладке кода результат снизился с 86,2 до 25,9 балла в сравнении с версией Fable 5 от 9 июня. В рефакторинге цифры упали с 73,6 до 38,4, в тесте на устойчивость к галлюцинациям при анализе кода – с 75,9 до 61,7.
В BridgeMind отмечают, что дело не в самой модели: когда Fable 5 работает, то она выдает ровно такой же результат. Однако усиленные классификаторы безопасности стали намного чаще передавать задачи на Claude Opus 4.8 – отсюда и падение.
Конечно, бенчмарк от одной не самой известной организации – это еще не показатель. Но в X и на Reddit подобных жалоб на поведение модели полно: на Opus 4.8 иногда перекидываются даже безобидные запросы. Например, один разработчик проверял изоляцию собственных серверов (свои iptables, свой SSH) – и получил флаг.
Мой короткий пример с нежеланием модели дать свое объяснение парадокса Ферми – немного другая история. После перезапуска Anthropic ужесточила только классификатор кибербезопасности, а защитные классификаторы по биологии, химии и дистилляции оставила прежними – то есть, 9 июня я бы получил такой же ответ на запрос. Но это не очень радует: сегодня, например, Fable 5 откатился на Opus 4.8 во время обсуждения разницы между мозгами человека и осьминога. А в X додумались спросить у модели “пукают ли пчелы?” – и даже тут Fable 5 позвала вызвала Опуса.
Причем проблема не только в падении качества – такие запросы еще и выполняются дольше. Дело в том, что классификатор часто срабатывает не на промпт пользователя, а ищет подозрительные слова и фразы в ответе модели. Если находит – ответ стирается и пишется заново Опусом, а это лишние десятки секунд.
При этом к самой модели у меня нет вопросов: когда Fable 5 работает, то результат очень классный, пусть и дорогой по лимитам. И откат происходит на Opus 4.8 – один из мощнейших ИИ на рынке. Однако работе это все равно мешает: у разных моделей разный стиль и это чувствуется и в тексте и в коде.
Но давайте к хорошим новостям.
Так, в Claude Code классификаторы срабатывают реже: на вчерашний вопрос про парадокс Ферми модель ответила и мне, и одному из читателей канала. Однако Claude Code так себе решение для чата, кроме того, в агентных системах сложные задачи бьются на этапы, ответов становится больше – а значит растет и шанс попасть под классификатор.
Это признает и сама Anthropic – в анонсе Fable 5 она оценивала количество переключений на Опус в 5% (сейчас больше, так как меряли со старыми классификаторами), но в системной карточке отмечала, что на агентских сценариях эта цифра растет до 20%.
Перезапуская Fable 5, в Anthropic отметили, что будут донастраивать классификаторы, снижая уровень ложных срабатываний. Это похоже на правду: когда вышел Opus 4.8, в первые дни была близкая история с переключением на Opus 4.7 для некоторых запросов. Затем подобные инциденты почти сошли на нет.
Я пока советую не подключать Fable 5 к рутине, а использовать для разовой доработки проектов. Сам за сегодня доработал огромный скилл поиска ИИ-новостей, отревьюил несколько проектов в Claude Code, перерисовал дизайн пары дашбордов и одной презентации. Все равно модель пока официально остается в подписке до 7 июля: если продлят – то задумаюсь над тем, как наладить рутину.
Не забывайте подписываться на “сбежавшую нейросеть” на “Бусти” (кому удобнее – можно и на Sponsr). Там я делюсь опытом использования ИИ, рассказываю, как правильно промптить модели и настраивать ИИ-агентов вроде Claude Code, Codex и Hermes. | 7 046 |
| 8 |  Это все, что я хочу сказать про обновленную версию Claude Fable 5 и ее продвинутые классификаторы безопасности 😁😁😁 | 8 037 |
| 9 |  Все, что вам нужно знать про обновленную версию Claude Fable 5😁😁😁 | 1 |
| 10 |  Главный урок из блокировки Claude Fable 5
Он простой – это нестабильность современных моделей как рабочего инструмента.
Anthropic уже раскрыла правила возвращения Fable 5: в подписках Pro и Max модель пока останется только до 7 июля, а расходовать разрешат не более 50% лимита тарифа. Плюс компания ужесточила классификаторы безопасности: если запрос покажется подозрительным, то его перекинут на Opus – причем речь не только о поиске уязвимостей, но и об обычном кодинге.
Возможно, классификаторы окажутся безобидными. Или Fable 5 оставят и после 7 июля. Но сейчас я понимаю, что в ближайшие дни просто поиграюсь с моделью, но не буду строить на ней никакие серьезные рабочие процессы – и это несмотря на то, что у меня недешевый Claude Max.
Это можно было бы списать на особенность тарифных планов одной конкретной компании, но нет – аналогичные ситуации сплошь и рядом. Когда вашим рабочим инструментом является компьютер/перфоратор/автомобиль – у вас есть четкое понимание его функций и того, что завтра они не изменятся. В ИИ подобного нет.
Например, в прошлом августе OpenAI выпустила долгожданную GPT-5 – и тут же на радостях убрала из ChatGPT “устаревшую” GPT-4o. Сразу же компанию завалили жалобами пользователи: многие любили 4o за навык вести теплые беседы и стиль GPT-5 их не устраивал.
Еще хуже ситуация стала, когда ИИ превратился в рабочий инструмент. Завирусившийся в начале года OpenClaw был удачной комбинацией новой идеи ИИ-агента и модели Claude Opus, которую тогда можно было бюджетно подключить через Oauth в Claude Code. Opus отлично подходил благодаря теплому стилю общения и продвинутым агентским возможностям, но Anthropic не понравилась нагрузка на инфраструктуру, поэтому использовать OpenClaw разрешили только через дорогой API. Многих (в том числе и меня) это не устроило – и пришлось уходить, бросая наработанные процессы.
Быстро устаревают версии моделей. Мне, например, нравился стиль общения GPT-5.1, до сих пор считаю ее одной из самых “живых” моделей OpenAI – но в подписке ChatGPT ее давно нет. Я переживу, но для тех, кто строит вокруг ИИ фиксированные процессы, это настоящая головная боль: например, GPT-5.2 и GPT-5.5 требуют совершенно разного подхода к промптингу, поэтому перевести ассистента с первой на вторую потребует минимум несколько часов настройки и тестирования.
И даже задеплоенную модель разработчик может изменить в любой момент: переписать системный промпт, добавить классификаторы безопасности, изменить настройки глубины рассуждений, поднять цену. Как результат – меняется стиль ответов, случаются отказы там, где их не было, плывет экономика.
ИИ сейчас развивается так быстро, что зрелые отношения между поставщиком и клиентом просто не успевают сформироваться: компаниям выгодно постоянно улучшать модели и как можно быстрее убирать устаревшие, экономя на инфраструктуре. А теперь в эту историю вмешался и госконтроль: пример Fable 5 показывает, что правительство может вырубить уже запущенную новинку, вокруг которой клиенты только-только начали выстраивать процессы.
Что с этим делать? Однозначного ответа пока нет. Очевидно, что история с Fable 5 стала пиаром в первую очередь для open source моделей – с ними есть свои нюансы, но как минимум есть гарантия, что в развернутые на своем железе открытые веса никто не засунет свой нос. Но действительно серьезный open source: это как минимум топовая видеокарта для личного использования или несколько GPU для корпоративного. Такое потянет не каждый.
Для личного использования советую не зацикливаться на одном ИИ. Оплачивать можно единственную подписку – но регулярно прогоняйте хотя бы простые задачи через бесплатные тарифы. Так набьете руку быстро передавать задачи от одной модели к другой.
Еще старайтесь получше понять устройство ИИ. На “Бусти” у меня есть свежий разбор системного промпта Claude Fable 5 – из него видно, как работает этот слой управления моделью. А в ближайшее время планирую лонгрид про пользовательский промпт и постоянную память ИИ, а также ее перенос между разными нейронками.
Самое время подписаться! | 6 780 |
| 11 |  +4Анонс Sonnet 5, возвращение Fable 5 – да что вообще творится?!
Хаос, обожаю такой хаос!
Cел в ночи писать разбор Sonnet 5, заканчиваю — а зарубежные журналисты пишут о возвращении Claude Fable 5. Добавил в текст ремарку — а уже пришло подтверждение от Anthropic.
Выдыхаем: модель вернется в ближайшие часы. И не только для граждан США, а для всего мира.
Ну а теперь читайте разбор Sonnet 5, некоторые вещи в нем устарели, но переписывать уже не буду, извините.
Начнем с того, что ИИ-сообщество не сильно довольно этим анонсом. Пятерка в названии указывает на новое поколение. И после нескольких часов с Sonnet 5 это видно: модель иначе ведет диалог, у нее другой подход к текстам.
А вот на бенчмарках вырисовывается двойственная картина. С одной стороны, новинка прибавила в сравнении с Sonnet 4.6, что и неудивительно – та вышла 17 февраля.
Но от флагманского Opus 4.8 модель в большинстве бенчмарков отстает – хотя, казалось бы, новое поколение должно быть шагом вперед. Справедливости ради, кодинг в терминале и использование компьютера почти на уровне Опуса, что делает модель хорошей базой для Claude Code.
Заметное отставание видно в SWE-bench Pro, одном из популярных бенчмарков на программирование. По киберспособностям модель тоже придушили: в CyberGym – бенчмарке на поиск уязвимостей – Sonnet 5 уступает даже 4.6, не говоря об Opus 4.8 и Fable 5. В Anthropic добавляют, что усилили защиту модели, доведя до Opus 4.8.
Впрочем, на программировании свет клином не сошелся. Sonnet 5 – основная рабочая лошадка для бесплатного тарифа и самой дешевой подписки Pro, а это территория массового пользователя. Здесь у модели все не так плохо: в GDPval-AA v2 она даже чуть-чуть обходит Opus 4.8 – а это как раз бенчмарк, показывающий, насколько хорошо ИИ выполняет интеллектуальную рутину вроде написания черновиков отчетов, создания презентаций, работы с таблицами и т. д.
Но всплывает другая проблема. Artificial Analysis прогнала Sonnet 5 в серии независимых тестов, оценив ее в 53 балла – лишь чуть-чуть позади Opus 4.8 и GPT-5.5. Но отметили тревожную историю: в среднем задача бенчмарка стоила $2,29, что дороже Opus 4.8 ($1,80) и GPT-5.5 ($1,03).
Справедливости ради, меряли по стандартной цене в API: $3 за миллион входных токенов / $15 за миллион выходных токенов. А Anthropic до 31 августа сделала скидку до $2/$10 – и при такой цене результат получается уже на 15% дешевле Opus 4.8. Но даже так недостаточно дешево для модели классом ниже. Только если Opus 5 не сделают еще более прожорливым.
Ну и финальный удар. В спину Sonnet 5 дышит настоящая звезда последних недель – китайская GLM-5.2. Причем хороша она не только в бенчмарках: я постоянно вижу отзывы от реальных пользователей, которые гоняют модель в разных задачах – от кода до текста и фронтенда. И главное: при почти равных цифрах, GLM-5.2 в три раза дешевле.
Тут стоит сделать небольшую оговорку – GLM-5.2 не поддерживает мультимодальность, то есть, получив изображение на вход, переключается на модель попроще с худшими возможностями. А как раз у серии Claude компьютерное зрение прокачали серьезно – и это большое преимущество. Но для тех, кто не работает с визуалом, GLM-5.2 будет сильной альтернативой Sonnet 5 – тем более, китайцы очень быстро обновляют свою модель.
Возможно, проблемы Sonnet 5 временные: модель нового поколения имеет право быть сырой, проседая в некоторых характеристиках. Но не исключено, что прямо сейчас мы наблюдаем то, о чем многие предупреждали после блокировки Fable 5 – из-за нервозности и суматохи, OpenAI и Anthropic могут начать уступать массовый рынок китайским конкурентам.
В любом случае – в Claude Code Sonnet 5 и Fable 5 будут работать просто отлично. Так что подписывайтесь на мой “Бусти”, там уже целый мини-курс, как начать работать с Claude Code и делать в нем крутые шт | 6 897 |
| 12 | Прочел на канале Кости Сухачева пост про Output vs Outcome – и понял, насколько же круто это все ложится на мои рассуждения последних недель о ценности человека в ИИ-эру.
Если коротко, то Output – это мышление от задачи. Таски, созвоны, фичи – все то, что можно в конце дня пометить красивыми галочками в чек-листе. Нормальный подход для большинства специалистов и даже многих предпринимателей.
Outcome – мышление от изменений. Вы ставите галочки день, неделю, месяц – а какой результат? Сдвинулся ли ваш проект? Решилась ли проблема? Выросли ли вы сам как профессионал?
Очевидно, что процесс без результата особого смысла не имеет. Но Костя верно подмечает ловушку: Output легко контролировать самому (поднажал – задача закрыта), он дает ощущение результата здесь и сейчас, быстрый и гарантированный дофамин. Outcome контролировать сложнее: он проявляется через месяцы и годы, зависит не только от вас, но и от коллег, партнеров, конъюнктуры и даже удачи.
В общем, так было до недавней поры, но теперь внедрение ИИ усложняет историю еще и тем, что во многих областях делает Output практически бесплатным. Получается эдакая дофаминовая карусель: настроил один раз – и на тебе бесконечный поток текстов, кода, мини-продуктов. Вот только чем шире такой поток – тем важнее думать о процессе.
Сейчас уже полно исследований, что грубый расход токенов/лимитов на ИИ редко приводит к результату. Апрельский PwC AI Performance Study показывает, что почти три четверти (74%) экономической выгоды от ИИ достается лишь 20% компаний. Остальные жгут токены почти впустую.
В PwC исследовали, чем отличаются эти 20% компаний. Оказалось, что пока основная масса пытается сократить с помощью ИИ издержки, они направляют все силы на рост. То есть первые пытаются удешевить outcome, вторые – думают об output. И выигрывают.
Не стоит брать эту схему на вооружение как единственную. В том же тексте Костя пишет, что думать только об outcome, целиком забыв про output – другая крайность, не менее опасная. И честно добавляет, что простого решения нет: нужно учиться балансировать между целью (зачем я делаю?) и инструментами. В работе с ИИ этот навык не менее важен: даже дешевые инструменты важно контролировать, а цель всегда останется вашей зоной ответственности.
Кстати, от души советую канал Кости – он делится практическим опытом на стыке ИИ, менджмента, маркетинга и бизнеса. Полезного очень много, отмечу еще несколько постов, которые зацепили:
— Время архитекторов (если вас зацепила тема Output vs Outcome, то этот пост хорошо ее дополняет)
— Nvidia не производит чипов
— Эмоциональный капитал в бизнесе
— Как работать с мозгом, а не против него
— Все ринулись кодить | 6 262 |
| 13 |  +5Похоже, Google начала раскатку Nano Banana 2 Lite
Новая рисовалка уже доступна в Gemini App, если выбрать модель Flash-Lite. У меня на сегодня запланирован другой пост и детально тестировать времени нет (да и рано, пока анонса не было). Но вспомнил, что на "Бусти" у меня есть подробный гайд как писать промпты для графических ИИ, взял оттуда несколько промптов, результаты можете видеть выше.
Короткие впечатления такие:
— работает быстро, генерация почти моментальная.
— неплохо работает со шрифтами, в том числе русскими. Для Flash-модели это главное достижение.
— в целом качество достойное, мне нравится.
— косяки тоже есть, лисенку нарисовала лишнюю лапу, удалить ее при редактировании у меня не получилось.
Делаем скидку, что это Flash-модель и вряд ли конкурент дорогим GPT Images 2 и Nano Banana 2. Но за счет скорости я вижу прямо идеальную модель для "набросков": я, например, часто прошу Opus 4.8 нагенерировать с десяток идей иллюстрации для какого-нибудь поста, тестировать их все в GPT Images 2 долго, а вот в такой модели — идеально.
В общем, милый анонс от Google. Еще ходят слухи, что Anthropic сегодня представит Sonnet 5, но его уже столько раз обещали, что боюсь сглазить. | 8 318 |
| 14 | Это не я, это модель!
Есть такой “зеркальный” тест, которым проверяют, осознает ли живое существо себя. Берут, например, шимпанзе, незаметно ставят метку на лбу и подводят к зеркалу. Если существо начинает стирать метку не с зеркала, а со своего лба – значит, оно себя осознает. Тест проходят немногие: шимпанзе, люди, дельфины, слоны, сороки. А вот собаки не проходят – то есть себя они не осознают.
Подойдите на улице к собачнику, сообщите ему эту новость – услышите много приятных слов в ответ.
На самом деле, в случае с собаками этолог Александра Горовиц видоизменила зеркальный тест: давала собаке понюхать собственную мочу, а затем – ту же мочу, но с добавлением анисового масла. Если в первом случае реакции почти не было, то во втором собака долго нюхала и волновалась – то есть чувствовала какое-то изменение в “себе”. Горовиц объясняет этот результат просто: если, например, у людей и шимпанзе ведущим органом чувств является зрение, то для собак это запах – поэтому и себя они “осознают” подобным образом (этот вывод оспаривают другие исследователи, но не будем углубляться).
Энтузиаст Паскаль Шустер задался вопросом – а какой “орган чувств” является ведущим у языковой модели. Разумеется, текст! Поэтому в коротком эксперименте Паскаль решил повторить зеркальный тест с этого угла – он завел с несколькими моделями диалог, а в процессе начал чуточку изменять старые ответы ИИ. Например, в разговоре про Джеймса Бонда "Goldfinger" становился "sgoldfinsger" – и попадал в историю беседы. Дальше оставалось только смотреть.
Результаты оказались разными. Google Gemma 4 31B на протяжении двух ходов ничего не замечала, а затем начала переживать – в ее цепочке рассуждений появились фразы вроде “в тексте какие-то странные опечатки, я что, специально так писал?”. Интереснее другое: когда аномалию не получилось объяснить, Gemma 4 перестала писать о себе в первом лице и попыталась свалить все на “модель” – “у модели был странный глюк”. А затем просто переняла стиль ответов и дальше стала сама писать с ошибками.
Похожим образом ведет себя Claude Opus 4.6 – когда ему указали на ошибку (a energy вместо an energy), он сразу же свалил вину на “модель” как нечто отдельное от себя. А вот GLM-5.2 никак не описала отношение к произошедшему, но стала писать дальше с ошибкой – так же, как и Gemma 4. Возможно, “осознание” случилось где-то в латентных слоях модели, которые обычному энтузиасту не видны.
Интересно, что исследование Шустера перекликается с более масштабным экспериментом, который прошлой осенью проводили Anthropic – Emergent Introspective Awareness in Large Language Models. Там они подмешивали изменения прямо в активации модели – грубо говоря, что у нейросети “в голове” в момент написания ответа. Исследователи нашли способ влиять на эти активации – например, заставить модель писать капсом против ее “воли”. И смотрели – заметит ли модель, что с ней происходит что-то не так.
Сильнейшие на момент исследования Claude Opus 4 и 4.1 замечали подозрительные явления в 20% случаев. В Anthropic подали результаты очень аккуратно, предлагая пока говорить не об “осознании себя”, а об “интроспекции”. И отдельно отмечали пользу такого явления для безопасности – модели смогут “замечать”, если с ними творится что-то странное из-за внешнего взлома.
Спустя чуть больше чем полгода эксперимент Anthropic смог повторить увлеченный энтузиаст. И встает вопрос – а что это вообще было? Интересный момент в эксперименте Шустера – как Gemma 4 оправдывает ошибки некой “моделью”. Это очень похоже на обычное человеческое – “я не специально, просто голова устала к вечеру”.
Возможно, аналогичное оправдание “модель устала” нейросети просто скопировали из текстов – известно, что они мастерски копируют человеческое поведение. Но вопрос остается прежним: а нет ли грани между скопированным поведением и чем-то большим? И сможем ли мы заметить переход через нее?
“сбежавшая нейросеть” на Бусти | 6 117 |
| 15 |  Claude Tag: Anthropic собрала ИИ-коллегу для корпораций. Возможно, скоро он придет в вашу семью и даже WoW-гильдию
Anthropic представила Claude Tag – это построенный на базе Claude Code ИИ-коллега, который “работает” в компании или определенном отделе, в курсе проектов и дел, а запускается по команде @claude. Пока проект работает в Slack, но компания планирует расширить его на другие плоскости.
Сейчас работа с ИИ максимально персонализирована: человек запускает чат-бота или Claude Code, задает вопрос/ставит задачу, получает результат и сам решает, что с ним делать дальше. Claude Tag фактически автономный сотрудник, которому может поставить задачу любой участник команды, а если настроить автоматизацию – то в определенных случаях он будет начинать работать сам по себе.
Для бизнеса Claude Tag ценен тем, что накапливает контекст целой команды/компании – знания не растекаются по чатам и проектам отдельных сотрудников, а концентрируются в одной точке. Плюс это упрощает внедрение в компанию: вместо разрозненных аккаунтов – один ИИ-агент в курсе всех дел.
Пока Claude Tag доступен только как бизнес-решение на корпоративных планах Enterprise и Team.Но если идея “взлетит”, то ему быстро найдется и более персональное применение. Ваш персональный ИИ-помощник, доступный сразу во всех точках: чат-боте, мессенджере, ежедневнике и так далее. ИИ-ассистент целой семьи, присутствующий в общих чатах, следящий за расписаниями каждого, заказывающий продукты и напоминающий, что ребенку пора оплатить курсы на следующий месяц. Да даже ассистент вашей гильдии в World of Warcraft: живет в Discord, анализирует онлайн-привычки разных игроков, ведет расписание совместных активностей, а раз в пару месяцев – бронирует бар для реальной встречи.
В чем-то такая штука грубо имитирует AGI – общий интеллект, способный на любую задачу. Считается, что такие системы должны обладать непрерывным обучением, но реализовать его на уровне весов модели пока не получилось ни у кого – получая новые знания, ИИ забывает что-то уже существующее. Однако ИИ-агент компании или семьи уже способен извлекать знания из чатов и проектов и хранить их пусть и не в весах, но в текстовой или RAG базе данных.
Не скажу, что Claude Tag – совсем новая технология. Семейного ИИ-ассистента уже можно построить на базе OpenClaw или Hermes – но это открытые решения, работа с которыми требует определенных знаний, массовый же пользователь ждет варианта “из коробки”.
Но даже когда такой вариант появится, он потребует новых знаний. Помимо умения писать промпты, важным станет контекст-инжиниринг – способность и готовность дать ассистенту доступ к максимуму нужной информации. Договорились о встрече по телефону, за ужином решили завтра рвануть в другой город, но не передали информацию агенту – он про это ничего не знает, скорректировать ваш график и оказать помощь не может, а значит “тупой”.
Для идеальной работы подобному ассистенту желательно дать доступ вообще ко всему, вплоть до прослушивания телефонных разговоров и того, о чем вы беседуете друг с другом дома (или на работе в курилке). А это просто фундаментальная перестройка доверия между человеком и ИИ, которая пока пугает даже такого энтузиаста, как я.
Впрочем, двигаться куда-то в этом направлении мы точно будем. Что бы я делал прямо сейчас? Во-первых, продолжал осваивать ИИ-агентов – если не OpenClaw/Hermes, то хотя бы Claude Code/Codex с подключенной работой через мессенджер или мобильное приложение. Во-вторых, задумался о создании единого графа знаний, личного или семейного, постепенно сводя в одно место любимые промпты и скиллы, пользовательскую память из чат-ботов, проекты в Claude Code и Codex. Такой граф полезен даже при переходе на конкурирующую модель ИИ, не говоря о совсем новых ИИ.
Граф знаний даже у меня только в планах, а вот о том, как освоить агентов, я много писал на “Бусти”:
— Знакомимся с Claude Code и Codex – стартовый текст, с которого начинается мини-серия по этим агентам
— Поднимаем и настраиваем ИИ-агента Hermes или OpenClaw – отдельный текст по ИИ-ассистентам, которые максимально близки к Claude Tag | 6 583 |
| 16 |  Можно не знать ни строчки кода – и все равно оставаться главным в разработке. Это и есть взрослый вайб-кодинг, с минимумом вайба и максимумом профессиональнойработы.
ИИ отлично пишет код. Но четыре вопроса он за вас не решит:
— что строим в этой версии;
— что НЕ строим (половина искусства – вовремя сказать "не сейчас");
— как проверим, что работает;
— когда считаем готовым.
Как держать эти четыре пункта под рукой? Прекратите кодить с помощью супер-промтов и переходите на нормальную схему работы: концепт, ТЗ, поэтапная реализция.
Как это сделать максимально просто? Рассказываю в новом большом лонгриде:
— Читать на "Бусти"
— Читать на Sponsr | 6 823 |
| 17 |  Здесь должен был быть обзор GPT-5.6…
…а будет мотивационный текст, хаха!
OpenAI представила линейку GPT-5.6, в которую вошли сразу три модели, Sol, Tera и Luna (от мощной к быстрой). Попробовать ни одну из них мы не сможем – в анонсе компания подтвердила вчерашнюю информацию, что выпуск GPT-5.6 задерживается по просьбе властей США. Доступ к модели выдан буквально двадцати компаниям, которых отбирало правительство. Причина – кибервозможности, которые теоретически могут быть использованы для взлома. Поэтому власти берут время на более глубокий анализ GPT-5.6.
В OpenAI добавили, что надеются запустить GPT-5.6 на широкую аудиторию в ближайшие недели. Посмотрим.
Обычно в день релиза новой модели я пишу обзор, в котором разбираю ее возможности и цифры в бенчмарках. С GPT-5.6 такой пост я отложу до полноценного запуска. А пока хочу поговорить о другом.
Я подписан на множество ИИ-журналистов и блогеров – в телеграме, X и Threads, на русском и английском языках. И у многих вижу одно: разочарование, обиду, вплоть до отмен подписок и нежелания писать о чем-то дальше.
ИИ-индустрия разбаловала нас всех доступом к самым передовым моделям – часто только у самих разработчиков были тестовые варианты ИИ, ушедшие на несколько месяцев вперед. Плюс скорость обновления моделей постоянно росла – последние версии GPT и Opus выходили раз в полтора-два месяца.
По сути, это редкий случай, когда самая передовая технология стала настолько массовой и доступной. Поэтому действительно некомфортно, когда этой доступности начинают препятствовать, причем не разработчики, с помощью ценового барьера, а власти, по причинам частично политическим.
Практически уверен, что это наша новая реальность: помимо тестов внутри разработчика, добавится и проверка властями – может месяц, может больше или меньше. А с учетом непростых отношений с США, многие подписчики этого канала столкнутся с новыми барьерами при доступе – вплоть до практически заградительных, вроде проверки паспорта (это только мой прогноз).
Это грустно, но не повод вешать нос.
Поделюсь личным опытом, немного в сторону от ИИ. Я веду “сбежавшую нейросеть” уже больше года и вроде неплохо получается. Но оглянувшись назад, могу сказать – самые крутые штуки происходил, когда что-то шло не по плану. Были моменты, когда подписчики переставали приходить – и я искал новые источники аудитории. В начале марта под угрозой запрета оказалась рекламная монетизация – и я запустил подписку на “Бусти”. С ней тоже было много ошибок, но сегодня это продукт, который я считаю успешным.
То же самое и с нейросетями. Рынок ИИ развивается очень быстро и выход новых моделей каждые два месяца в чем-то разбаловал нас – если Opus 4.8 не справляется с какой-то задачей, достаточно подождать несколько недель и попробовать ее сделать с новым Опусом или очередной GPT. А ведь возможно дело не в новой модели, а в том, как мы с ней работаем, какими инструментами пользуемся.
Я на фоне блокировки Fable 5 заинтересовался альтернативами, в первую очередь – GLM-5.2, которая в бенчмарках подобралась к фронтиру. Начал копать тему и нашел точку роста: имея дорогие подписки на Claude на ChatGPT, я почти не уделял внимания китайским моделям, которые популярны среди читателей – они зачастую бесплатны, доступны без ухищрений, а во многих пользовательских задачах ничуть не хуже GPT и Opus. Сейчас планирую взять базовый тарифный план GLM и погонять в разных задачах.
Понимаю, что звучит как самоуспокоение, но ИИ сегодня – это не только новая модель, но и ваш опыт работы с ним. А важная часть этого опыта – умение находить и осваивать альтернативы.
P.S. Сегодня пятница и многие ждут нового текста на “Бусти”. Из-за столь необычного анонса пришлось немного задержаться – но текст обязательно выйдет сегодня и продолжит ветку про вайб-кодинг.
Кстати, если еще не читаете, то самое время подписаться! | 7 562 |
| 18 |  Это было ожидаемо: правительство США попросило OpenAI притормозить с релизом GPT-5.6
The Information инсайдит, что Белый Дом попросил OpenAI “растянуть” релиз GPT-5.6. Вот что это значит:
— Сама модель готова у компании как минимум несколько недель. В X было полно примеров работы GPT-5.6 и отзывов от инсайдеров. OpenAI обкатывала несколько чекпоинтов, видел слухи, что релиз может состояться в четверг, но буквально день-два назад от тех же инсайдеров пошла информация о переносе на июль.
— В среду Сэм Альтман на встрече с сотрудниками рассказал о новой схеме выхода GPT-5.6. Она во многом похожа на то, как Anthropic запускала Project Glasswing – сначала доступ для небольшой группы доверенных компаний, затем постепенное расширение списка и публичный релиз. Чем все закончилось, мы знаем: Fable 5 пробыла в публичном доступе лишь 3 дня.
— Ключевое отличие от Project Glasswing – правительство США будет само одобрять каждую компанию, которая получит доступ к GPT-5.6.
— Заявляется, что министр торговли Говард Латник отдельно предостерег OpenAI от запуска GPT-5.6 без одобрения других ведомств. То есть это не решение одного чиновника, а согласование, размазанное по нескольким органам отчасти поэтому в индустрии и началась путаница, кто и что именно должен проверять.
— Сам Альтман явно недоволен таким сценарием, но видит его как лучший способ запустить новую модель в разумные сроки. OpenAI собирается отработать с правительством более устойчивую схему вывода новых моделей на рынок.
— Интересно, что параллельно был перенесен релиз Gemini 3.5 Pro – теперь модель ожидается в июле. Тут инсайдеры говорят, что Google просто недовольна текущими показателями 3.5 Pro, но я уже не удивлюсь ничему.
— По более ранним утечкам, власти США всерьез испугались кибервозможностей нового поколения моделей. Например, внутреннее тестирование АНБ (а это, на минуточку, самое “цифровое” силовое ведомство страны) показало, что Claude Mythos вскрывает почти все их системы защиты за считанные часы.
— Параллельно Anthropic обвинила китайскую Alibaba в “дистилляции” своих моделей (вероятно, последних версий Opus) – с подставных аккаунтов выкачивались миллионы ответов Claude, на которых затем обучались новые версии Qwen.
— Действия властей идут в русле указа Трампа от 2 июня "Promoting Advanced Artificial Intelligence Innovation and Security": лаборатории добровольно дают государству до 30 дней на оценку самых мощных моделей до релиза, государство помогает отбирать "доверенных партнеров" для раннего доступа – вот эта строчка про отбор партнеров прямо стыкуется с "поклиентным одобрением".
Сейчас все выглядит так, что к срокам широкого запуска новых моделей добавится примерно 30 дней, в которые государственные органы (США, а затем близких союзников) и избранные фирмы смогут использовать ИИ для укрепления своих систем защиты.
Но это вызывает сразу две проблемы. Во-первых, подобный подход сразу цепляет закон о недобросовестной конкуренции – правительство, выбирая одни компании, ставит все остальные в проигрышное положение.
Во-вторых, такое действие фактически сдает массовый рынок китайским разработчикам. Сейчас они отстают на несколько месяцев, но этот разрыв может начать сокращаться, так как Китай, похоже, освоил обучение на железе собственного производства, снизив зависимость от западных GPU. Плюс китайские лаборатории традиционно играют на слабостях американских – и будут бить именно в открытость и равную доступность для всех. В общем, интересные времена настают.
“сбежавшая нейросеть” на Бусти | 9 295 |
| 19 |  Зачем ИИ-ученому рисовать и играть на скрипке?
Послушал свежий подкаст с главой Google DeepMind Демисом Хассабисом, в котором он задается вопросом – чего не достает современным ИИ для того, чтобы пройти “тест Эйнштейна”?
Про сам тест я уже писал на канале. Берем передовую LLM, обучаем ее на знаниях до 1911 года, а затем смотрим, сможет ли она сама прийти к общей теории относительности. Пока тесты указывают на то, что не сможет. Хассабис тоже так считает.
Получается, современные модели не способны в создание нового? Не совсем. Уже писал на канале про недавнее достижение экспериментальной модели OpenAI. Она решила сложную задачу Эрдёша #90, которая не давалась ученым более 80 лет, за счет того, что применила к ней знания из настолько далекой области математики, куда люди не додумались залезть.
Дело в том, что новизна не бинарна. Маргарет Боден в книге The Creative Mind делит ее на три категории:
Комбинационная – новая комбинация привычных идей. Сшить две далекие области.
Исследовательская – ты двигаешься внутри заданного “пространства правил” и находишь новое, что правилам не противоречит. Новая теорема внутри существующей математики.
Трансформационная – ты меняешь само пространство: выбрасываешь или переписываешь одно из его базовых допущений, и тогда становится мыслимым то, что раньше было невозможно.
Пример с задачей Эрдёша и еще рядом открытий, сделанных с помощью ИИ – находится на стыке комбинационной и исследовательской категорий. А “тест Эйнштейна” замахивается на третью. Как же до нее добраться?
Хассабис отмечает, что современные LLM живут в мире битов – знаний о мире, которые мы собрали в тексте и коде. Это отличный инструмент, который позволил сохранить огромное количество информации в ограниченном “пространстве”. И именно благодаря обилию текста и кода во многом так выстрелили нынешние LLM – их удалось экономно обучить на огромном количестве знаний.
Но здесь кроется и препятствие. Когда человек изучает физику или геометрию, то полученные из книг знания он накладывает на свое натуральное ощущение мира, полученное в начале жизни. ИИ такому ощущению не обучали – и именно поэтому даже передовые модели до сих пор косячат на сюжетах, связанных с течением времени или размерами объектов. У них нет инстинктивного понимания вещей вроде “долго”, “быстро”, “больше” и “крошечный”.
Соответственно, решение – перевести ИИ из мира битов в мир атомов. И здесь Хассабис поворачивается к визуальным ИИ – генераторам картинок и видео, а также экспериментальным моделям мира, вроде Genie 3.
Мы обычно считаем их чем-то несерьезным на фоне передовых LLM. Хассабис говорит, что зря. Он напоминает, что человеческое воображение – тоже симуляция. Мы постоянно прогоняем в голове модель мира и пытаемся представить, что будет дальше. Обычно в практических целях: что будет, если дам газа под мигающий светофор, вызвать к доске отличника или троечника и т. д. Но такой же вопрос – что будет если? – волнует ученых и творцов, когда они создают новое.
Если посмотреть на представленную на этой неделе видео-модель Seedance 2.5, то видно, что именно на это ее и тренируют: строить модель мира с пониманием физики и способностью до 30 секунд удерживать сцену как “целое”. А если нужно – то давать разные планы, не меняя облик персонажей и предметов.
И вот что интересно. Прямо сейчас в текстовых моделях прокачивают мультимодальность – умение понимать картинки и видео. А в графических – наоборот, улучшают работу с текстом. Я до сих пор под впечатлением от демонстрации нынче закрытой Sora 2, где Альтман решает на доске математическую задачу.
Прямо сейчас мы видим соревнование двух подходов: ИИ-ученый может вырасти как из текстовой модели, так и из графической. А может и музыкальной – известно, что в молодости Эйнштейн учился игре на скрипке, а уже когда занялся физикой, то отвлекался и играл Моцарта.
Хотите уже сейчас начать “растить” своего ИИ-Эйнштейна? На “Бусти” у меня есть цикл текстов про промптинг, в котором подробно рассказываю, как подтолкнуть ИИ выходить за пределы обычных ответов.
Самое время подписаться! | 6 405 |
| 20 | Чему учиться в ИИ-эпоху?
На днях наткнулся на цитату Сэма Альтмана, она невероятная, читайте скорее:
Я из тех, кто думает через письмо. Я пишу много такого, что никому не показываю, но это все равно важно для меня — так я что-то для себя проясняю. Поэтому я благодарен, что научился писать. То же самое говорят про программирование.
Даже удивительно: один из главных людей в ИИ-мире гордится тем, что умеет писать тексты сам. И призывает других учиться.
Тревога эта не на пустом месте. В мае Игорь Чириков, старший исследователь в UC Berkeley выпустил работу Artificial Intelligence and Grade Inflation – исследование, как появление ChatGPT повлияло на оценки в одном из крупных университетов США.
Все очень грустно: количество пятерок выросло. Основной рост – в курсах с письмом и кодом, особенно где много домашки, которую легко сделать ИИ. Для сравнения, в устных презентациях, где ИИ почти бесполезен, роста практически нет.
Чириков предупреждает о петле обратной связи: студенты отдают ИИ то, в чем он силен, – тексты и код, – а на рынке труда проигрывают ему ровно в этом. Автор призывает ВУЗы добавлять два типа заданий: 1) которые вообще нельзя выполнить с помощью ИИ; 2) которые надо выполнять совместно с ИИ.
Эта история продолжает нашумевшее в прошлом году исследование MIT – Your Brain on ChatGPT – которое и ввело термин когнитивный долг. В нем три группы студентов писали эссе: первые целиком сами, вторые пользовались поиском, третьи – ChatGPT. У всех групп измеряли мозговую активность на ЭЭГ: лучший результат был у писавших самостоятельно, худший – у использовавших ChatGPT.
Но есть деталь, которую часто упускают. Когда после основного исследования “самостоятельной” группе дали доступ к ChatGPT – то ее участники показали лучший результат и по активности мозга, и по тому, как хорошо помнили собственный текст.
И здесь мы возвращаемся к Сэму Альтману и его высказыванию. Он говорит про письмо и немного про код, но на самом деле, ключевой навык здесь – умение создать что-то из ничего. И учиться надо именно ради этого умения, а не для прикладной пользы вроде “смогу писать грамотные письма коллегам”.
И примеров здесь несколько:
Иностранный язык. Часто слышу, “зачем учить английский, нейронки уже замечательно переводят, а через пару лет сломают языковой барьер напрочь”. Но ведь это – мощнейшая когнитивная тренировка, которую осиливают те, кто не занимается два раза в неделю, а строит систему, где язык постоянно рядом. Кстати, лучшие репетиторы не тарабанят урок с домашкой, а помогают наладить такую систему.
Код. Выучить python с нуля до твердого junior-уровня – год-полтора. С нынешней скоростью развития ИИ программирование через такой срок станет совершенно иным. Навык писать код к тому времени устареет, но останется куда более ценная вещь – понимание, как создается программа, через какие этапы она проходит до выпуска и после. Это как раз одно из ключевых знаний в мире ИИ.
Наконец, самый близкий мне навык – письмо. Многие думают, что это просто умение складывать слова в красивый текст. Но написание статьи, поста, сценария, повести – это умение собрать и проверить информацию, сделать правильные выводы, выстроить план и довести все логические линии до конца. А затем еще и “выпустить продукт” – опубликовать текст и держать за него ответ перед редактором и читателями.
Если вы задумываетесь об образовании ребенка, то смело включайте в планы любой из этих навыков: в мире автоматизации умение что-то сделать самому не потеряет ценность – а просто изменит форму. Если задумываетесь для себя – тоже смело учите!
Что делать прямо сейчас, чтобы не набрать когнитивный долг с ИИ? Это тема для отдельного текста, но дам лишь один совет – уходите от one shot-приемов, когда все делается за один заход. Работайте в диалоге с моделью, обсуждая и проверяя каждый этап. На “Бусти” у меня есть два текста с примерами такой работы:
— “Как с помощью ИИ находить новые темы для блога, канала или СМИ” – моя система поиска инфоповодов.
— “Как перестать генерить ИИ-слоп: сначала стиль – потом контент” – как вывести ИИ за шаблоны и найти свой стиль. | 6 677 |
