ChatGPT превращается в экосистему
Всё важное, что показали на конференции для разработчиков OpenAI
На DevDay 2025 было много интересных релизов. OpenAI создаёт экосистему, как это водится, замкнутую на собственных сервисах, и очень хочет превратиться в платформу для бизнеса и мини-приложений на базе ИИ. Такое мы уже видели на примере Claude, но в меньшем масштабе.
✦ Приложения в чате. С Apps SDK разработчики смогут встраивать приложения прямо в чат. Например, можно попросить Canva нарисовать презентацию с заданными параметрами и получить готовый проект. ChatGPT имеет доступ к информации из приложения, понимает, что пользователь делает в данный момент. Обещана монетизация через новый Agentic Commerce Protocol, что превращает ChatGPT в торговую площадку.
Пока не понятно, насколько актуально будет для России, но уже заявленные интеграции с Figma и Canva выглядят интересно.
✦ AgentKit – конвейер для ИИ-агентов. Сделали систему для создания агентов: визуальный конструктор, готовые компоненты интерфейса, коннекторы к данным, встроенные инструменты безопасности. То есть предлагают бизнесу и небольшим разработчикам разворачивать приложения прямо на их инфраструктуре, выигрывая в скорости (и проигрывая в контроле и безопасности).
Для полноценного продукта это подойдёт вряд ли, но протестировать гипотезы и получить готовый код со сложной логикой взаимодействия разных агентов можно. Ниша не пустая, и прорывом это назвать сложно – давно были конкуренты вроде Vertex AI Agent Builder от Гугла. Но демократизация работы с агентным пайплайном случилась.
✦ Codex выходит из preview. Ассистент для программистов обновился, появилась интеграция со Slack. Говорят, что инженеры OpenAI, использующие Codex, делают на 70% больше pull-request'ов в неделю. Вопрос «а важнее количество или качество?» остаётся.
✦ В API обновление: появились Sora 2 и GPT-5 Pro для сложных и дорогих задач, а также gpt-realtime-mini (голос на 70% дешевле) и gpt-image-1-mini (изображения на 80% дешевле) для менее требовательных. Так что ждём ещё больше ИИ-приложений для генерации видео и работы с голосовым вводом.
OpenAI строит вертикально интегрированную платформу: модели, инструменты разработки, дистрибуция через ChatGPT, инфраструктура на собственных мощностях. Кажется, они хотят стать для ИИ тем, чем Apple стала для мобильных устройств.
Всё важное, что показали на конференции для разработчиков OpenAI
На DevDay 2025 было много интересных релизов. OpenAI создаёт экосистему, как это водится, замкнутую на собственных сервисах, и очень хочет превратиться в платформу для бизнеса и мини-приложений на базе ИИ. Такое мы уже видели на примере Claude, но в меньшем масштабе.
✦ Приложения в чате. С Apps SDK разработчики смогут встраивать приложения прямо в чат. Например, можно попросить Canva нарисовать презентацию с заданными параметрами и получить готовый проект. ChatGPT имеет доступ к информации из приложения, понимает, что пользователь делает в данный момент. Обещана монетизация через новый Agentic Commerce Protocol, что превращает ChatGPT в торговую площадку.
Пока не понятно, насколько актуально будет для России, но уже заявленные интеграции с Figma и Canva выглядят интересно.
✦ AgentKit – конвейер для ИИ-агентов. Сделали систему для создания агентов: визуальный конструктор, готовые компоненты интерфейса, коннекторы к данным, встроенные инструменты безопасности. То есть предлагают бизнесу и небольшим разработчикам разворачивать приложения прямо на их инфраструктуре, выигрывая в скорости (и проигрывая в контроле и безопасности).
Для полноценного продукта это подойдёт вряд ли, но протестировать гипотезы и получить готовый код со сложной логикой взаимодействия разных агентов можно. Ниша не пустая, и прорывом это назвать сложно – давно были конкуренты вроде Vertex AI Agent Builder от Гугла. Но демократизация работы с агентным пайплайном случилась.
✦ Codex выходит из preview. Ассистент для программистов обновился, появилась интеграция со Slack. Говорят, что инженеры OpenAI, использующие Codex, делают на 70% больше pull-request'ов в неделю. Вопрос «а важнее количество или качество?» остаётся.
✦ В API обновление: появились Sora 2 и GPT-5 Pro для сложных и дорогих задач, а также gpt-realtime-mini (голос на 70% дешевле) и gpt-image-1-mini (изображения на 80% дешевле) для менее требовательных. Так что ждём ещё больше ИИ-приложений для генерации видео и работы с голосовым вводом.
OpenAI строит вертикально интегрированную платформу: модели, инструменты разработки, дистрибуция через ChatGPT, инфраструктура на собственных мощностях. Кажется, они хотят стать для ИИ тем, чем Apple стала для мобильных устройств.
❤5👍1
Хорошо эти 2 новости смотрятся рядом:
✦ Deloitte и Университет науки и технологий имени короля Абдаллы (KAUST) в Саудовской Аравии подписали соглашение о партнёрстве для развития искусственного интеллекта. Компания обещает объединить глобальную экспертизу с локальными знаниями для создания инновационных ИИ-решений
✦ Deloitte возмещает ущерб правительству Австралии за отчёт, подготовленный с помощью ИИ. В нём обнаружили ссылки на несуществующих людей, выдуманные цитаты и множество других ошибок. В итоге пришлось переписать документ и вернуть финальный платёж по контракту в 290 тысяч долларов.
✦ Deloitte и Университет науки и технологий имени короля Абдаллы (KAUST) в Саудовской Аравии подписали соглашение о партнёрстве для развития искусственного интеллекта. Компания обещает объединить глобальную экспертизу с локальными знаниями для создания инновационных ИИ-решений
✦ Deloitte возмещает ущерб правительству Австралии за отчёт, подготовленный с помощью ИИ. В нём обнаружили ссылки на несуществующих людей, выдуманные цитаты и множество других ошибок. В итоге пришлось переписать документ и вернуть финальный платёж по контракту в 290 тысяч долларов.
😁4
OpenAI торгует будущим
Nvidia платит деньгами, AMD – акциями.
За десятилетие капитализация AMD выросла с нескольких миллиардов долларов до более 330 миллиардов, а сама компания сместила фокус в сторону дата-центров: во втором квартале 2025 клиенты и гейминг принесли AMD 3,6 миллиарда, а дата-центры 3,2. Теперь AMD заключила контракт с OpenAI на поставку процессоров мощностью 6 гигаватт. Первые чипы MI450 должны поступить во второй половине 2026 года.
Сумма сделки не разглашается, но в компании говорят про «десятки миллиардов» долларов. Взамен OpenAI получает опционы на 160 млн акций AMD по цене 1 цент за штуку. Потенциально это 10% компании. Последний транш активируется, только если акции достигнут 600 долларов (сейчас 204), что даст AMD триллионную оценку.
История отсылает к сентябрьской сделке OpenAI с Nvidia, только наоборот. Если Nvidia возвращает себе свои же деньги покупкой чипов, то AMD отдаёт акции бесплатно и делится долей в своём росте, получая выручку от продаж и обеспечивая рынок сбыта. Разница в подходе объясняется позициями: Nvidia контролирует 80% рынка ИИ-чипов, а AMD только борется за долю и готова платить опционами.
Кое-что общее у схем есть: они обе работают, пока OpenAI растёт экспоненциально. Обе превращают поставщиков в заложников клиента: если стартап споткнётся, они окажутся одновременно инвесторами, поставщиками и совладельцами проблемного актива.
OpenAI уже подписали контрактов на 1 триллион долларов – при годовой выручке, по утечкам, примерно в 13 млрд и убытках не меньше 10. Сэм Альтман говорит, что прибыльность «не в топ-10 его забот», что может звучать нормально для владельца маленького стартапа на посевной стадии, но не для крупнейшей компании в индустрии.
Везде прослеживается один и тот же паттерн – производители чипов получают особые условиях, обеспечивает себе искусственно спрос, который обеспечивает рост – фактически субсидируя продажи. Акции Nvidia, AMD или Oracle после этого, по понятным причинам, взлетают. Рынок снова с готовностью покупает обещания и надежду, что спрос будет расти быстрее предложения. Вот только вопрос – насколько это всё-таки рыночная, а не искусственно спроектированная история?
Nvidia платит деньгами, AMD – акциями.
За десятилетие капитализация AMD выросла с нескольких миллиардов долларов до более 330 миллиардов, а сама компания сместила фокус в сторону дата-центров: во втором квартале 2025 клиенты и гейминг принесли AMD 3,6 миллиарда, а дата-центры 3,2. Теперь AMD заключила контракт с OpenAI на поставку процессоров мощностью 6 гигаватт. Первые чипы MI450 должны поступить во второй половине 2026 года.
Сумма сделки не разглашается, но в компании говорят про «десятки миллиардов» долларов. Взамен OpenAI получает опционы на 160 млн акций AMD по цене 1 цент за штуку. Потенциально это 10% компании. Последний транш активируется, только если акции достигнут 600 долларов (сейчас 204), что даст AMD триллионную оценку.
История отсылает к сентябрьской сделке OpenAI с Nvidia, только наоборот. Если Nvidia возвращает себе свои же деньги покупкой чипов, то AMD отдаёт акции бесплатно и делится долей в своём росте, получая выручку от продаж и обеспечивая рынок сбыта. Разница в подходе объясняется позициями: Nvidia контролирует 80% рынка ИИ-чипов, а AMD только борется за долю и готова платить опционами.
Кое-что общее у схем есть: они обе работают, пока OpenAI растёт экспоненциально. Обе превращают поставщиков в заложников клиента: если стартап споткнётся, они окажутся одновременно инвесторами, поставщиками и совладельцами проблемного актива.
OpenAI уже подписали контрактов на 1 триллион долларов – при годовой выручке, по утечкам, примерно в 13 млрд и убытках не меньше 10. Сэм Альтман говорит, что прибыльность «не в топ-10 его забот», что может звучать нормально для владельца маленького стартапа на посевной стадии, но не для крупнейшей компании в индустрии.
Везде прослеживается один и тот же паттерн – производители чипов получают особые условиях, обеспечивает себе искусственно спрос, который обеспечивает рост – фактически субсидируя продажи. Акции Nvidia, AMD или Oracle после этого, по понятным причинам, взлетают. Рынок снова с готовностью покупает обещания и надежду, что спрос будет расти быстрее предложения. Вот только вопрос – насколько это всё-таки рыночная, а не искусственно спроектированная история?
❤2
Почему ИИ не может написать длинный текст
На днях получили от подписчика закономерный вопрос – если компании заявляют, что их языковая модель может удерживать в памяти сразу всю „Войну и мир“, то почему ChatGPT не может написать не то что роман Толстого, но хотя бы текст на двадцать тысяч знаков?
Потому что, как вы могли догадаться, подобные заявления не более чем маркетинг. Они отсылают нас к тому самому волшебному «до» в объявлении «скидки до 250%». Реальность же куда прозаичнее.
Технически модели действительно могут держать в памяти «Войну и мир», контекстное окно в миллион-два токенов позволяет. Но есть нюанс: это общее количество на вход и выход. Окно быстро забивается историей чата, системными инструкциями, цепочкой рассуждений, вызовами инструментов/коннекторов, файлами и т. д.
Поэтому если скопировать текст «Войны и мир» в чат и попросить переписать на языке зумеров, то на ответ уже ресурсов не останется. Именно поэтому важно каждый раз начинать новый чат. Но это в теории – на практике даже вставить текст романа в чат не получится из-за технических ограничений.
Интерфейсы специально ограничивают длину контекстного окна. Она разная у разных сервисов. Если на вход дают более щедрые лимиты, то на длину ответа ИИ обычно ограничения от 8 до 64 тысяч токенов. Причина простая: вычисления растут нелинейно, и каждая следующая тысяча слов стоит заметно дороже предыдущей. Компания без жёстких лимитов сжигала бы деньги быстрее, чем страны успевают их печатать. И даже если дать печатный станок Альтману, ситуация вряд ли изменится.
Тут можно сказать: «Как же так? Можно без проблем загрузить pdf с длинным романом и попросить ChatGPT пересказать». Всё правильно – компании научились работать с большими файлами через RAG. Они делают эмбеддинги загруженных пользователем файлов, преобразуют в векторные базы данных и подгружают нужный фрагмент, исходя из контекста запроса пользователя. Для повторных и похожих запросов используется кэширование. Но это не более чем костыли и надстройки, хотя и очень удобные – реально LLM массовой аудитории пока контекст в 2 миллиона токенов не предоставляют.
«LLM с контекстом в триллион токенов, которая помнит всю вашу жизнь» уже занимает умы CEO ИИ-компаний, но пока остаётся несбыточной мечтой. И одним из основных бутылочных горлышек на пути развития ИИ.
На днях получили от подписчика закономерный вопрос – если компании заявляют, что их языковая модель может удерживать в памяти сразу всю „Войну и мир“, то почему ChatGPT не может написать не то что роман Толстого, но хотя бы текст на двадцать тысяч знаков?
Потому что, как вы могли догадаться, подобные заявления не более чем маркетинг. Они отсылают нас к тому самому волшебному «до» в объявлении «скидки до 250%». Реальность же куда прозаичнее.
Технически модели действительно могут держать в памяти «Войну и мир», контекстное окно в миллион-два токенов позволяет. Но есть нюанс: это общее количество на вход и выход. Окно быстро забивается историей чата, системными инструкциями, цепочкой рассуждений, вызовами инструментов/коннекторов, файлами и т. д.
Поэтому если скопировать текст «Войны и мир» в чат и попросить переписать на языке зумеров, то на ответ уже ресурсов не останется. Именно поэтому важно каждый раз начинать новый чат. Но это в теории – на практике даже вставить текст романа в чат не получится из-за технических ограничений.
Интерфейсы специально ограничивают длину контекстного окна. Она разная у разных сервисов. Если на вход дают более щедрые лимиты, то на длину ответа ИИ обычно ограничения от 8 до 64 тысяч токенов. Причина простая: вычисления растут нелинейно, и каждая следующая тысяча слов стоит заметно дороже предыдущей. Компания без жёстких лимитов сжигала бы деньги быстрее, чем страны успевают их печатать. И даже если дать печатный станок Альтману, ситуация вряд ли изменится.
Тут можно сказать: «Как же так? Можно без проблем загрузить pdf с длинным романом и попросить ChatGPT пересказать». Всё правильно – компании научились работать с большими файлами через RAG. Они делают эмбеддинги загруженных пользователем файлов, преобразуют в векторные базы данных и подгружают нужный фрагмент, исходя из контекста запроса пользователя. Для повторных и похожих запросов используется кэширование. Но это не более чем костыли и надстройки, хотя и очень удобные – реально LLM массовой аудитории пока контекст в 2 миллиона токенов не предоставляют.
«LLM с контекстом в триллион токенов, которая помнит всю вашу жизнь» уже занимает умы CEO ИИ-компаний, но пока остаётся несбыточной мечтой. И одним из основных бутылочных горлышек на пути развития ИИ.
👍6😁3
В дополнение к посту про цифровое детство и 2 мира поколения Альфа хочется подробнее написать про ИИ и ассистентов.
Например, возьмём поколение Альфа – они научились разговаривать с устройствами раньше, чем взрослые осознали, что это вообще нормально. К концу 2024 года почти три четверти российских подростков уже пользовались нейросетями через чат-ботов. Для них голос и диалог с ИИ так же естественны, как для их родителей звонок по телефону.
В семьях с умными колонками дети болтают с ними минимум раз в неделю или чаще. Причём чем младше ребёнок, тем больше он говорит с колонкой, ведь родился в эпоху, когда колонка уже стояла на полке, и воспринимает голосовое общение как базовый способ взаимодействия с ней. Общаться с голосовыми ассистентами дети начинают быстрее, чем учатся писать.
Точкой входа в нейросети для них становятся не сайты, а боты в Telegram – по крайней мере, такие данные приводит Ростелеком в исследовании «Виртуальный мир глазами детей». Это удобно, потому что боты работают в России, интерфейс знакомый и ответ приходит мгновенно.
Хотя хорошего в этом мало, ведь подобные боты не прозрачны: не понятно, какая модель используется, какие у неё инструкции, как хранятся и монетизируются данные, кто стоит за ботом и есть ли детский режим. А на практике именно подобный «чёрный ящик» становится точкой входа в ИИ для миллионов детей.
Отсюда рождаются тренды, которые активно поддерживаются крупными компаниями: детские профили, голос как важный или основной интерфейс управления, понятная индикация ИИ-контента и наличие фидбека для родителей.
А кто-то до сих пор надеется, что ИИ – это временное явление. Интересно, что на этот счёт думают дети?
Например, возьмём поколение Альфа – они научились разговаривать с устройствами раньше, чем взрослые осознали, что это вообще нормально. К концу 2024 года почти три четверти российских подростков уже пользовались нейросетями через чат-ботов. Для них голос и диалог с ИИ так же естественны, как для их родителей звонок по телефону.
В семьях с умными колонками дети болтают с ними минимум раз в неделю или чаще. Причём чем младше ребёнок, тем больше он говорит с колонкой, ведь родился в эпоху, когда колонка уже стояла на полке, и воспринимает голосовое общение как базовый способ взаимодействия с ней. Общаться с голосовыми ассистентами дети начинают быстрее, чем учатся писать.
Точкой входа в нейросети для них становятся не сайты, а боты в Telegram – по крайней мере, такие данные приводит Ростелеком в исследовании «Виртуальный мир глазами детей». Это удобно, потому что боты работают в России, интерфейс знакомый и ответ приходит мгновенно.
Хотя хорошего в этом мало, ведь подобные боты не прозрачны: не понятно, какая модель используется, какие у неё инструкции, как хранятся и монетизируются данные, кто стоит за ботом и есть ли детский режим. А на практике именно подобный «чёрный ящик» становится точкой входа в ИИ для миллионов детей.
Отсюда рождаются тренды, которые активно поддерживаются крупными компаниями: детские профили, голос как важный или основной интерфейс управления, понятная индикация ИИ-контента и наличие фидбека для родителей.
А кто-то до сих пор надеется, что ИИ – это временное явление. Интересно, что на этот счёт думают дети?
Telegram
Content Review
Цифровое детство
Про 2 мира поколения Альфа
Иногда кажется, что дети исчезли из реальности: сидят в интернете, не выходят во двор, не звонят по телефону. А меж тем концепция «двора» поменялась – он стал цифровым. Да и отношение к «реальности», ведь переписка…
Про 2 мира поколения Альфа
Иногда кажется, что дети исчезли из реальности: сидят в интернете, не выходят во двор, не звонят по телефону. А меж тем концепция «двора» поменялась – он стал цифровым. Да и отношение к «реальности», ведь переписка…
👍2
Forwarded from Content Review
Нас надули?
Утренняя реплика Ильи Власова о том, как он перестал бояться и полюбил рынок триллионных инвестиций в убыточные ИИ-компании
Мы всегда настороженно относились к буму рынка ИИ. Сегодня такое отношение стало мейнстримом: сам Альтман признаёт, что инвесторы «перевозбуждены», а медиа дружно печатают тревожные колонки о пузыре. Кажется, нас начинают готовить к неприятным последствиям приятных инвестиций. Но даже если пузырь сдуется, инфраструктура – чипы, дата-центры, энергия – останется и изменит рынок ИТ.
К октябрю 2025 года в ИИ-стартапы вложили 193 миллиарда долларов – впервые более половины венчурных инвестиций ушло в искусственный интеллект. Morgan Stanley прогнозирует почти 3 триллиона долларов расходов на дата-центры к 2028 году, а гиперскейлеры тратят сотни миллиардов на капитальные вложения, хотя недавно такие суммы казались фантастикой.
Деньги распределяются причудливо: Nvidia вкладывается в стартапы, которые арендуют GPU у неё же; OpenAI получает сотни миллиардов долларов от Oracle и SoftBank, чтобы строить инфраструктуру и создавать спрос для тех же поставщиков. Получается самоподдерживающаяся экосистема, где компании инвестируют в рост, который сами создают.
Это закономерное следствие появления ИИ, без которого ВВП США за полгода 2025 вырос бы всего на 0,1%. Уже сейчас он стал спасательным кругом, которого ждала стагнирующая мировая экономика – next big thing и поводом для триллионых инвестиций, буквально спасающих мир от рецессии. Правда, скорее откладывая её и грозя привести нас к кризису в сферах ИТ и электроэнергетики, который перекинется на другие сферы и в итоге рецессию усугубит.
Теперь почти любой крупный капитал в мире – венчурный. Все надеются, что пузырь не лопнет, а медленно сдуется, дав возможность участникам заработать. Государства превратились в венчурных инвесторов, рискуя деньгами налогоплательщиков, чтобы не остаться за пределами «следующей индустриальной революции»: США вливают 52 миллиарда долларов в чипы, ЕС – 43 миллиарда евро, даже Саудовская Аравия с ОАЭ создают ИИ-фонды на десятки миллиардов.
Мы уже видели подобное с доткомами, криптой, метавселенными. Теперь очередь ИИ. Так есть ли смысл бороться с тем, что не можешь победить? Компании действуют интуитивно и руководствуются тремя ориентирами – FOMO, стадным инстинктом и жаждой сиюминутной выгоды. Это не рационально, но естественно. Пузыри вообще одно из самых естественных проявлений рыночной экономики: ускоренная конверсия ожиданий в деньги, а денег в инфраструктуру.
На фоне общей перегретости рынка отдельные события интерпретируют как сигналы кризиса отрасли, вроде «неудачного» релиза GPT-5. Неудачного для кого? Несмотря на критику, аудитория ChatGPT продолжила расти и достигла 800 миллионов пользователей в неделю. Благодаря унификации и упрощению работы GPT-5 OpenAI экономит деньги. При этом рынок ИИ – это не только ChatGPT: он конкурентный, а один спорный релиз не является маркером проблем всей индустрии. Вспоминается сказка про голого короля – только теперь в суперпозиции: все спорят, голый король или нет, но никто не знает, существует ли он вообще.
У пузырей есть заметный плюс: золотой дождь инвестиций рождает инновации. Без дотком-бума не было бы Google. То же самое происходит с ИИ: работа с данными, умный поиск, голосовые ассистенты, генерация текста, картинок и даже видео, невозможные ещё несколько лет назад, останутся и облегчат рабочий и творческий процесс большому количеству людей. Поэтому не стоит хоронить пока что живой и растущий рынок. А ещё лучше разделять рынок, технологии – и громкие заявления Альтмана или Маска.
#утренняяреплика
Утренняя реплика Ильи Власова о том, как он перестал бояться и полюбил рынок триллионных инвестиций в убыточные ИИ-компании
Мы всегда настороженно относились к буму рынка ИИ. Сегодня такое отношение стало мейнстримом: сам Альтман признаёт, что инвесторы «перевозбуждены», а медиа дружно печатают тревожные колонки о пузыре. Кажется, нас начинают готовить к неприятным последствиям приятных инвестиций. Но даже если пузырь сдуется, инфраструктура – чипы, дата-центры, энергия – останется и изменит рынок ИТ.
К октябрю 2025 года в ИИ-стартапы вложили 193 миллиарда долларов – впервые более половины венчурных инвестиций ушло в искусственный интеллект. Morgan Stanley прогнозирует почти 3 триллиона долларов расходов на дата-центры к 2028 году, а гиперскейлеры тратят сотни миллиардов на капитальные вложения, хотя недавно такие суммы казались фантастикой.
Деньги распределяются причудливо: Nvidia вкладывается в стартапы, которые арендуют GPU у неё же; OpenAI получает сотни миллиардов долларов от Oracle и SoftBank, чтобы строить инфраструктуру и создавать спрос для тех же поставщиков. Получается самоподдерживающаяся экосистема, где компании инвестируют в рост, который сами создают.
Это закономерное следствие появления ИИ, без которого ВВП США за полгода 2025 вырос бы всего на 0,1%. Уже сейчас он стал спасательным кругом, которого ждала стагнирующая мировая экономика – next big thing и поводом для триллионых инвестиций, буквально спасающих мир от рецессии. Правда, скорее откладывая её и грозя привести нас к кризису в сферах ИТ и электроэнергетики, который перекинется на другие сферы и в итоге рецессию усугубит.
Теперь почти любой крупный капитал в мире – венчурный. Все надеются, что пузырь не лопнет, а медленно сдуется, дав возможность участникам заработать. Государства превратились в венчурных инвесторов, рискуя деньгами налогоплательщиков, чтобы не остаться за пределами «следующей индустриальной революции»: США вливают 52 миллиарда долларов в чипы, ЕС – 43 миллиарда евро, даже Саудовская Аравия с ОАЭ создают ИИ-фонды на десятки миллиардов.
Мы уже видели подобное с доткомами, криптой, метавселенными. Теперь очередь ИИ. Так есть ли смысл бороться с тем, что не можешь победить? Компании действуют интуитивно и руководствуются тремя ориентирами – FOMO, стадным инстинктом и жаждой сиюминутной выгоды. Это не рационально, но естественно. Пузыри вообще одно из самых естественных проявлений рыночной экономики: ускоренная конверсия ожиданий в деньги, а денег в инфраструктуру.
На фоне общей перегретости рынка отдельные события интерпретируют как сигналы кризиса отрасли, вроде «неудачного» релиза GPT-5. Неудачного для кого? Несмотря на критику, аудитория ChatGPT продолжила расти и достигла 800 миллионов пользователей в неделю. Благодаря унификации и упрощению работы GPT-5 OpenAI экономит деньги. При этом рынок ИИ – это не только ChatGPT: он конкурентный, а один спорный релиз не является маркером проблем всей индустрии. Вспоминается сказка про голого короля – только теперь в суперпозиции: все спорят, голый король или нет, но никто не знает, существует ли он вообще.
У пузырей есть заметный плюс: золотой дождь инвестиций рождает инновации. Без дотком-бума не было бы Google. То же самое происходит с ИИ: работа с данными, умный поиск, голосовые ассистенты, генерация текста, картинок и даже видео, невозможные ещё несколько лет назад, останутся и облегчат рабочий и творческий процесс большому количеству людей. Поэтому не стоит хоронить пока что живой и растущий рынок. А ещё лучше разделять рынок, технологии – и громкие заявления Альтмана или Маска.
#утренняяреплика
👍4
После презентации Figure 03 – гуманоидного робота с ИИ – и наблюдения за его отчаянными попытками заниматься делами по дому возник вопрос: как может выглядеть действительно функциональный домашний робот-помощник?
Мы попросили ИИ ответить на него, и после нескольких минут размышлений получили такие результаты. Концепт-арты от ChatGPT, Gemini и Perplexity.
Пустите себе домой такого?
Мы попросили ИИ ответить на него, и после нескольких минут размышлений получили такие результаты. Концепт-арты от ChatGPT, Gemini и Perplexity.
Пустите себе домой такого?
😁3❤1
Недолго музыка играла
Голливудские студии требуют от OpenAI прекратить генерацию пиратского контента с их персонажами
После выпуска OpenAI нейросети Sora 2 для генерации видео пользователи тут же принялись генерировать ролики с Человеком-пауком, героями Disney, Warner Bros и других крупных компаний. OpenAI решили прикинуться дурачками и не заморачиваться с фильтрами: мол, если правообладателю не нравится, пусть сам придёт и попросит исключить своих героев из дата-сета, по системе opt-out. Голливуд посчитал это наглостью.
Motion Picture Association – лоббистский центр Disney, Universal, Warner и Netflix – выпустил заявление с требованием «немедленных действий». Его глава Чарльз Ривкин напомнил Сэму Альтману, что американское авторское право работает ровно наоборот: ответственность за нарушения лежит на платформе, а не на тех, кого обворовали. Каждый сгенерированный ролик с Бэтменом или Эльзой это отдельный повод для иска и штрафных санкций, которые могут достигать 150 тысяч долларов за эпизод. В итоге через несколько дней после релиза OpenAI сдались и перешли на модель opt-in, когда генерировать без явного согласия компаний нельзя.
Альтман пообещал «скоро» добавить правообладателям инструменты контроля, но оговорился, что система фильтрации будет работать не идеально. Снова чувство дежавю – в июне Disney и Universal подали иск на Midjourney. Те утверждают, что использование данных для обучения моделей это fair use, а если кто-то нарушает наши правила, то виноват он. OpenAI фактически скопировали эту стратегию.
Есть мнение, что компания специально ослабила цензуру в первые дни после релиза, чтобы сервис максимально разошёлся и набрал охваты. Пока суды будут разбираться, Sora 2 должна успеть захватить рынок. Потом они либо договорятся о лицензиях, либо заплатят штрафы. В студиях тоже не дураки, понимают расклад и поэтому не ждут судебных решений, а пытаются давить публично, пугая инвесторов и рекламодателей и портя репутацию компании.
Голливудские студии требуют от OpenAI прекратить генерацию пиратского контента с их персонажами
После выпуска OpenAI нейросети Sora 2 для генерации видео пользователи тут же принялись генерировать ролики с Человеком-пауком, героями Disney, Warner Bros и других крупных компаний. OpenAI решили прикинуться дурачками и не заморачиваться с фильтрами: мол, если правообладателю не нравится, пусть сам придёт и попросит исключить своих героев из дата-сета, по системе opt-out. Голливуд посчитал это наглостью.
Motion Picture Association – лоббистский центр Disney, Universal, Warner и Netflix – выпустил заявление с требованием «немедленных действий». Его глава Чарльз Ривкин напомнил Сэму Альтману, что американское авторское право работает ровно наоборот: ответственность за нарушения лежит на платформе, а не на тех, кого обворовали. Каждый сгенерированный ролик с Бэтменом или Эльзой это отдельный повод для иска и штрафных санкций, которые могут достигать 150 тысяч долларов за эпизод. В итоге через несколько дней после релиза OpenAI сдались и перешли на модель opt-in, когда генерировать без явного согласия компаний нельзя.
Альтман пообещал «скоро» добавить правообладателям инструменты контроля, но оговорился, что система фильтрации будет работать не идеально. Снова чувство дежавю – в июне Disney и Universal подали иск на Midjourney. Те утверждают, что использование данных для обучения моделей это fair use, а если кто-то нарушает наши правила, то виноват он. OpenAI фактически скопировали эту стратегию.
Есть мнение, что компания специально ослабила цензуру в первые дни после релиза, чтобы сервис максимально разошёлся и набрал охваты. Пока суды будут разбираться, Sora 2 должна успеть захватить рынок. Потом они либо договорятся о лицензиях, либо заплатят штрафы. В студиях тоже не дураки, понимают расклад и поэтому не ждут судебных решений, а пытаются давить публично, пугая инвесторов и рекламодателей и портя репутацию компании.
👍1🤨1
#нейродайджест Аишки за неделю
• ChatGPT превращается в экосистему: всё важное, что показали на конференции для разработчиков OpenAI
• Почему ИИ не может написать роман, а миллион токенов контекста – пока маркетинг
• Пузырь в искусственном интеллекте оттягивает рецессию и превращает государства в венчурные фонды
• Голливуд заставил OpenAI бороться с «пиратскими» генерациями лицензированных персонажей. Альтман сдался
• Музыкальные лейблы загоняют ИИ в стриминговую модель монетизации с микроплатежами за использование
• OpenAI торгует будущим, AMD платит опционами на акции
• Поколение Альфа в России говорит с ИИ раньше, чем учится писать
• Deloitte партнерится с Саудовской Аравией для развития ИИ и одновременно возмещает сотни тысяч долларов за отчёт, сделанный с помощью ИИ
• ChatGPT превращается в экосистему: всё важное, что показали на конференции для разработчиков OpenAI
• Почему ИИ не может написать роман, а миллион токенов контекста – пока маркетинг
• Пузырь в искусственном интеллекте оттягивает рецессию и превращает государства в венчурные фонды
• Голливуд заставил OpenAI бороться с «пиратскими» генерациями лицензированных персонажей. Альтман сдался
• Музыкальные лейблы загоняют ИИ в стриминговую модель монетизации с микроплатежами за использование
• OpenAI торгует будущим, AMD платит опционами на акции
• Поколение Альфа в России говорит с ИИ раньше, чем учится писать
• Deloitte партнерится с Саудовской Аравией для развития ИИ и одновременно возмещает сотни тысяч долларов за отчёт, сделанный с помощью ИИ
Nintendo и AI, который всё напутал
Искусство создания скандала из ничего
Асано Сатоси, депутат японского парламента от Демократической партии для народа, обвинил Nintendo в тайной лоббистской деятельности. Компания якобы давит на правительство, добиваясь ограничений для нейросетей ради защиты интеллектуальной собственности. Пост набрал десятки тысяч просмотров, пользователи возмущались, СМИ сразу подхватили тему.
Только вот источником информации оказался не инсайдер из кабинета министров. Откуда депутат взял компромат? Он провёл «расследование», пообщавшись с ИИ-поисковиками. Те с готовностью предоставили леденящие кровь факты: на сайте OpenSecrets действительно есть запись, что Nintendo выделила бюджет на лоббирование в 2025 году. Только вот речь о другой компании – Nintendo of America, которая ведёт легальную (по местным законам) работу с Конгрессом США по вопросам тарифов и борьбы с пиратством, да и получила на это какие-то 60 тысяч долларов.
Нейросеть же не обратила внимание на такую мелочь и не смогла отличить Nintendo of America от Nintendo Co., Ltd. Она просто увидела текстовые паттерны и выдала правдоподобный и логичный текст. Депутат тоже хорош – обрадовался находке и решил ничего не проверять, а сразу опубликовать всё в Твиттер. Какие-то вещи от страны к стране не меняются.
В итоге Nintendo выпустили опровержение, а Асано пришлось публично извиняться и исправлять пост. Эта история – как и недавний казус Deloitte, которые сгенерировали свой отчёт через ИИ и потом с позором возвращали деньги – важное напоминание о сути ИИ-инструментов: несмотря на то, как стремительно они развиваются, путать базовые вещи и галлюцинировать от этого не перестают.
Искусство создания скандала из ничего
Асано Сатоси, депутат японского парламента от Демократической партии для народа, обвинил Nintendo в тайной лоббистской деятельности. Компания якобы давит на правительство, добиваясь ограничений для нейросетей ради защиты интеллектуальной собственности. Пост набрал десятки тысяч просмотров, пользователи возмущались, СМИ сразу подхватили тему.
Только вот источником информации оказался не инсайдер из кабинета министров. Откуда депутат взял компромат? Он провёл «расследование», пообщавшись с ИИ-поисковиками. Те с готовностью предоставили леденящие кровь факты: на сайте OpenSecrets действительно есть запись, что Nintendo выделила бюджет на лоббирование в 2025 году. Только вот речь о другой компании – Nintendo of America, которая ведёт легальную (по местным законам) работу с Конгрессом США по вопросам тарифов и борьбы с пиратством, да и получила на это какие-то 60 тысяч долларов.
Нейросеть же не обратила внимание на такую мелочь и не смогла отличить Nintendo of America от Nintendo Co., Ltd. Она просто увидела текстовые паттерны и выдала правдоподобный и логичный текст. Депутат тоже хорош – обрадовался находке и решил ничего не проверять, а сразу опубликовать всё в Твиттер. Какие-то вещи от страны к стране не меняются.
В итоге Nintendo выпустили опровержение, а Асано пришлось публично извиняться и исправлять пост. Эта история – как и недавний казус Deloitte, которые сгенерировали свой отчёт через ИИ и потом с позором возвращали деньги – важное напоминание о сути ИИ-инструментов: несмотря на то, как стремительно они развиваются, путать базовые вещи и галлюцинировать от этого не перестают.
😁6
Forwarded from Content Review
Над этим интервью мы работали долго: выловить спикеров оказалось непростой задачей, а смонтировать их рассказ таким образом, чтобы это была целостная история, а не набор ответов на вопросы, заняло некоторое время. Теперь все готово и за 20 минут вы узнаете, зачем Авито пошла в искусственный интеллект, сколько потратила на это и какие задачи решаются с помощью ИИ, станет ли ИИ причиной увольнений и как он используется в ценообразовании и многое другое. Текстовая и аудио версии будут позже.
Посмотреть можно как обычно на наших площадках:
YouTube
RuTube
VK Видео
Дзен
Одноклассники
Посмотреть можно как обычно на наших площадках:
YouTube
RuTube
VK Видео
Дзен
Одноклассники
RUTUBE
AI зашёл в Авито
Сколько денег потратил Авито на ИИ? Управляет ли искусственный интеллект ценами? Уволит ли он сотрудников? Обо всём этом поговорили с главными по искусственному интеллекту в Авито.
Содержание:
00:00 - О чём речь
00:24 - Искусственный интеллект в Авито
02:54…
Содержание:
00:00 - О чём речь
00:24 - Искусственный интеллект в Авито
02:54…
❤5
Forwarded from Курилка VK
Говорят, что Антон Фролов из VK переходит в "Сбер" главным по ИИ. Что мы знаем про него: крутой спец по рекомендательным системам, выходец из Яндекса. Занимался Дзеном, затем ушел в VK продолжать развитие Дзена и помогать с рекомендательными алгоритмами в других подразделениях. Например, в "VK Музыке", которая в апреле этого года провела масштабное обновление системы.
Интересно, что стало причиной таких перестановок в Сбере. И насколько это замедлит или может даже заморозит следующие запуски. Недавний анонс умного кольца был нишевым, хотя и отыгран с помпой. Новый человек, даже такой экспертный, это еще и время на вливание в команду и возможные смены стратегий.
Интересно, что стало причиной таких перестановок в Сбере. И насколько это замедлит или может даже заморозит следующие запуски. Недавний анонс умного кольца был нишевым, хотя и отыгран с помпой. Новый человек, даже такой экспертный, это еще и время на вливание в команду и возможные смены стратегий.
🤣3🫡3👍1🔥1
Apple ускорила свою языковую модель в 128 раз
Команда Apple представила FS-DFM – диффузионную языковую модель, которая генерирует текст за 8 шагов вместо 1024 у классических аналогов. Это ускорение в 128 раз при сопоставимом качестве.
Чем диффузионная отличается от авторегрессионной, типа ChatGPT? Мы как-то об этом писали. Если очень коротко, то это метод параллельной генерации текста, когда модель создаёт его не токен за токеном, а весь сразу – что гораздо быстрее. Для этого используется шум, как и в случае с картинками.
Проблема в том, что до сих пор подобные модели требовали сотен итераций, что убивало весь выигрыш в скорости. Apple решила задачу двумя приёмами: принудительно ограничили количество шагов и заставили нейросеть делать сразу большие шаги к результату, а стабилизировали процесс за счёт использования переменной скорости.
Модель весит 170 миллионов параметров и обходит конкурентов размером 7–8 миллиардов (LLaDA-8B и Dream-7B), которые в режиме малых шагов выдают артефакты.
Подобные исследования – часть стратегии Apple по созданию эффективных локальных моделей для своих устройств. Диффузия даёт два преимущества: параллелизм (быстрее на специализированных чипах) и контролируемость (управление генерацией через контекст, а не только промпт).
Команда Apple представила FS-DFM – диффузионную языковую модель, которая генерирует текст за 8 шагов вместо 1024 у классических аналогов. Это ускорение в 128 раз при сопоставимом качестве.
Чем диффузионная отличается от авторегрессионной, типа ChatGPT? Мы как-то об этом писали. Если очень коротко, то это метод параллельной генерации текста, когда модель создаёт его не токен за токеном, а весь сразу – что гораздо быстрее. Для этого используется шум, как и в случае с картинками.
Проблема в том, что до сих пор подобные модели требовали сотен итераций, что убивало весь выигрыш в скорости. Apple решила задачу двумя приёмами: принудительно ограничили количество шагов и заставили нейросеть делать сразу большие шаги к результату, а стабилизировали процесс за счёт использования переменной скорости.
Модель весит 170 миллионов параметров и обходит конкурентов размером 7–8 миллиардов (LLaDA-8B и Dream-7B), которые в режиме малых шагов выдают артефакты.
Подобные исследования – часть стратегии Apple по созданию эффективных локальных моделей для своих устройств. Диффузия даёт два преимущества: параллелизм (быстрее на специализированных чипах) и контролируемость (управление генерацией через контекст, а не только промпт).
👍3
Во Вьетнаме только недавно появилась первая крупная национальная языковая модель – GreenMind. Это модель на 14,7 миллиарда параметров, построенная на архитектуре Qwen 2.5 и специально дообученная для решения задач, требующих логических рассуждений на вьетнамском языке.
Если в России мы в целом привыкли к тому, что компании создают или дообучают собственные LLM, то многие страны находятся в позиции догоняющих: создание собственной фундаментальной модели остаётся проблемой из-за нехватки данных и вычислительных мощностей. Во Вьетнаме уже были попытки сделать LLM, но не такие успешные – понадобилось собрать много синтетических данных.
Разработчики из GreenNode выложили модель в открытый доступ и сразу интегрировали её с платформой Nvidia NIM. В итоге получился готовый к работе микросервис: модель упакована в контейнер со стандартным API, что упрощает её развёртывание для бизнеса и государства на инфраструктуре Nvidia.
При этом сама модель построена на не самой свежей архитектуре Qwen 2.5, так что передовой её назвать не получится.
Если в России мы в целом привыкли к тому, что компании создают или дообучают собственные LLM, то многие страны находятся в позиции догоняющих: создание собственной фундаментальной модели остаётся проблемой из-за нехватки данных и вычислительных мощностей. Во Вьетнаме уже были попытки сделать LLM, но не такие успешные – понадобилось собрать много синтетических данных.
Разработчики из GreenNode выложили модель в открытый доступ и сразу интегрировали её с платформой Nvidia NIM. В итоге получился готовый к работе микросервис: модель упакована в контейнер со стандартным API, что упрощает её развёртывание для бизнеса и государства на инфраструктуре Nvidia.
При этом сама модель построена на не самой свежей архитектуре Qwen 2.5, так что передовой её назвать не получится.
👏2👍1
Компания Graphite заявила, что большая часть статей в интернете сгенерирована ИИ. Очень самонадеянно с точки зрения компании Graphite.
Что не так с исследованием?
✦ Главная проблема в том, что цифры взяты с потолка. Common Crawl, откуда они брали тексты, охватывает лишь публичную часть интернета. Миллионы текстов за пейволами, в корпоративных базах, подписочных изданиях и у качественных медиа остаются вне радаров. Для анализа брали только статьи, без форумов, карточек товаров, документации, соцсетей, рассылок и так далее. И только на английском языке.
✦ Ещё хуже, что они использовали детектор ИИ. Хотя надёжно определить, что текст сгенерирован, невозможно – это просто рисунки вилами по воде. Авторы говорят, что детектор ошибается минимум в 4,2% случаев, и даже такой процент приводит к тысячам ложных срабатываний при их выборке.
✦ Авторы честно признаются, что не считали «гибридные» тексты, написанные в соавторстве с человеком. Потому что – смотрим пункт 2 – это невозможно. Как и измерить «вклад» ИИ и человека в текст при такой работе. То есть самый массовый сценарий использования нейросетей просто проигнорирован.
✦ Не понятно, насколько значимые в выборке были тексты, сколько людей их видели, какой у них импакт. Если это тексты, которые никогда не видели люди – так ли важно, кем и когда они были написаны?
Есть подозрение, что в создании почти всех текстов сегодня так или иначе участвует ИИ – хотя бы на уровне поиска информации и исправления ошибок, только определить это достоверно почти невозможно. Пострадало ли качество контента? Вопрос философский. Но идея делать выводы о тенденциях развития веба и бить тревогу на основе подобного исследования кажется сомнительной.
Что не так с исследованием?
✦ Главная проблема в том, что цифры взяты с потолка. Common Crawl, откуда они брали тексты, охватывает лишь публичную часть интернета. Миллионы текстов за пейволами, в корпоративных базах, подписочных изданиях и у качественных медиа остаются вне радаров. Для анализа брали только статьи, без форумов, карточек товаров, документации, соцсетей, рассылок и так далее. И только на английском языке.
✦ Ещё хуже, что они использовали детектор ИИ. Хотя надёжно определить, что текст сгенерирован, невозможно – это просто рисунки вилами по воде. Авторы говорят, что детектор ошибается минимум в 4,2% случаев, и даже такой процент приводит к тысячам ложных срабатываний при их выборке.
✦ Авторы честно признаются, что не считали «гибридные» тексты, написанные в соавторстве с человеком. Потому что – смотрим пункт 2 – это невозможно. Как и измерить «вклад» ИИ и человека в текст при такой работе. То есть самый массовый сценарий использования нейросетей просто проигнорирован.
✦ Не понятно, насколько значимые в выборке были тексты, сколько людей их видели, какой у них импакт. Если это тексты, которые никогда не видели люди – так ли важно, кем и когда они были написаны?
Есть подозрение, что в создании почти всех текстов сегодня так или иначе участвует ИИ – хотя бы на уровне поиска информации и исправления ошибок, только определить это достоверно почти невозможно. Пострадало ли качество контента? Вопрос философский. Но идея делать выводы о тенденциях развития веба и бить тревогу на основе подобного исследования кажется сомнительной.
❤3👻1
This media is not supported in your browser
VIEW IN TELEGRAM
Как искусственные лоси помогают обучать автопилот
Компания Navio (юридически не имеющая отношения к Сберу) поделилась деталями того, как они используют генеративный ИИ для обучения автопилота своих автомобилей.
Они заявили о переходе от классических алгоритмов к генеративному ИИ и VLA-моделям (Vision-Language-Action), которые объединяют восприятие, прогноз и принятие решений в единую систему, а также разработке своего Physical AI. Если раньше отдельно нужно было обучать и настраивать все этапы (обнаружение объектов, предсказание поведения участников движения, планирование траектории, управление), то дальше этим будет заниматься одна модель.
Но есть нюанс – для обучения таких моделей, в том числе под нестандартные случаи, нужно очень много данных. Где найти тысячи видео с лосём, который выбегает на дорогу? Нигде. Но их можно создать самостоятельно, поэтому компания придумала симулятор NavioSim.
Технология напоминает обратный инжиниринг: записанный проезд авто токенизируется, разбирается на элементы, и переводится в цифровой формат. А дальше инженеры получают конструктор: можно удалять и добавлять машины, пешеходов, лосей, менять погоду и время суток, генерируя множество вариаций одного отрезка дороги. Для рендера используют gaussian splatting, который ускоряет и удешевляет генерацию. Сгенерированные в NavioSim сценарии потом можно проверить на полигоне, «обманув» сенсоры автомобиля и подав ИИ сгенерированное изображение, чтобы изучить его реакцию.
Компания выбрала довольно экспериментальные решения вместо стандартных для индустрии: VLA-модели пока находятся на ранней стадии развития и почти не используются в продакшене, да и gaussian splatting ещё не стал массовым стандартом (хотя активно внедряется). Сама задумка выглядит интересно, может снизить зависимость от дорогих полевых тестов и решить проблему недостатка данных.
Компания Navio (юридически не имеющая отношения к Сберу) поделилась деталями того, как они используют генеративный ИИ для обучения автопилота своих автомобилей.
Они заявили о переходе от классических алгоритмов к генеративному ИИ и VLA-моделям (Vision-Language-Action), которые объединяют восприятие, прогноз и принятие решений в единую систему, а также разработке своего Physical AI. Если раньше отдельно нужно было обучать и настраивать все этапы (обнаружение объектов, предсказание поведения участников движения, планирование траектории, управление), то дальше этим будет заниматься одна модель.
Но есть нюанс – для обучения таких моделей, в том числе под нестандартные случаи, нужно очень много данных. Где найти тысячи видео с лосём, который выбегает на дорогу? Нигде. Но их можно создать самостоятельно, поэтому компания придумала симулятор NavioSim.
Технология напоминает обратный инжиниринг: записанный проезд авто токенизируется, разбирается на элементы, и переводится в цифровой формат. А дальше инженеры получают конструктор: можно удалять и добавлять машины, пешеходов, лосей, менять погоду и время суток, генерируя множество вариаций одного отрезка дороги. Для рендера используют gaussian splatting, который ускоряет и удешевляет генерацию. Сгенерированные в NavioSim сценарии потом можно проверить на полигоне, «обманув» сенсоры автомобиля и подав ИИ сгенерированное изображение, чтобы изучить его реакцию.
Компания выбрала довольно экспериментальные решения вместо стандартных для индустрии: VLA-модели пока находятся на ранней стадии развития и почти не используются в продакшене, да и gaussian splatting ещё не стал массовым стандартом (хотя активно внедряется). Сама задумка выглядит интересно, может снизить зависимость от дорогих полевых тестов и решить проблему недостатка данных.
🔥6