Принёс интересной инфографики в картинках и таблицах из свежего поста SemiAnalysis:

1) изменение в веб-трафике между февралём и маем 2025-го. DeepSeek единственный, кто просел, а прирост OpenAI хоть и не кажется значительным в процентах (из-за высокой базы), но в абсолютах обгоняет всех остальных вместе взятых

2) Доля API DeepSeek в генерации токенов их же моделей (по данным OpenRouter). То есть из всех токенов R1/V3 лишь 16% приносят деньги китайской компании

3) Почему? Потому что у других провайдеров за ту же цену можно найти генерацию быстрее.

4) Падение скорости генерации Claude Sonnet 4 с момента релиза. Скорее всего это означает, что Anthropic не хватает ресурсов для поддержания спроса, поэтому они начинают увеличивать количество одновременных генераций, что ведёт к падению скорости

5) А вот это прям новая для меня информация, посмотрите насколько меньше токенов нужно генерировать рассуждающим моделям Anthropic и OpenAI для того, чтобы висеть в топах бенчмарков. То есть они почти не тратят «слова» на ненужные рассуждения. Это влияет на выходную стоимость и на скорость: даже если номинально цена выше условной R1 (за миллион токенов), получение результата лучше может стоить дешевле — и происходить быстрее

Ещё в посте упоминали детали сделки OpenAI + Google: первые будут арендовать мощности у вторых, несмотря на то, что по сути они конкуренты. Однако речь идёт только о GPU, а не TPU (специальные чипы гугла)

Уже давно и много раз обсуждали, что LMArena теряет смысл — большая часть запросов достаточно общая, «от любителей», и даже маленькие модели научились на них достаточно неплохо отвечать. И это не говоря про то, что отдельные модели просто тюнят под арену, искусственно завышая оценку.

Одним из решений могут стать арены с куда меньшим набором участников (~сотня человек), которые являются экспертами в своих областях. Следуя этой идее Allen AI Institute представили SciArena — платформу для оценки моделей в задаче генерации ответа с опорой на литературу.

Сначала в ответ на запрос отрабатывает retrieval agent — агент, который находит 30 абзацев из разной научной литературы, которая может быть уместна для ответа. Эта часть одинакова для всех моделей, все входные данные одни и те же.

А дальше две случайные модели генерируют по источникам ответ, расставляя цитаты. Дальше есть стадия пост-процессинга, где унифицируется формат ответа / расставление цитат, но это не так интересно.

В итоге 102 доверенных исследователя, работающих в разных дисциплинах, суммарно сделали более 13000 запросов и отметили, какие из результатов им нравятся. OpenAI o3 сильно вырывается вперёд:
— 59% побед против C4 Opus
— 80% побед против Gemini 2.5 Pro

Авторы посмотрели 200 ответов о3, чтобы понять, почему так:
(1) более детальная проработка цитируемых статей: модель o3 последовательно предоставляет более глубокие объяснения и более богатые технические идеи, извлеченные из справочной литературы;
(2) более профессиональная и точная терминология: модель o3 имеет тенденцию использовать специфичный для предметной области словарь и технически точные формулировки, уменьшая двусмысленность и повышая ясность;
(3) четкое структурированное представление: ответы o3 лучше организованы, улучшая как читаемость, так и синтез сложной информации;
(4) более полный охват: для таких типов вопросов, как «Проблемы и ограничения» и «Оценка современного уровня техники», ответы o3 заметно более полны, охватывая более широкий круг вопросов, которые могут быть интересны пользователям.

Блогпост, статья

Из свежего поста Astralcodexten:

Мы всё ещё ведем тот же спор: является ли ИИ «стохастическим попугаем», который никогда не сможет выйти за рамки «простого сопоставления шаблонов» в область «реального понимания».

Моя позиция всегда заключалась в том, что фундаментальной разницы нет: вы просто переходите от сопоставления поверхностных шаблонов к более глубоким, и когда шаблоны настолько глубоки, насколько могут сопоставить люди, мы называем это «реальным пониманием». Сейчас это не совсем так — существует определённая форма мыслительной деятельности, которую люди всё ещё выполняют гораздо лучше, чем ИИ, — но, опять же, это (большая) разница в степени, а не в природе.

===

Сам же пост - про трёхлетнюю ставку на развитие text-2-image моделей, которые будут гораздо точнее следовать промптам и соблюдать заданную композицию (чего, по мнению оппонента, не произойдёт, ведь модели - тупые попугаи).

Хорошо описывает прогресс и развитие за последние годы, есть над чем посмеяться (над старыми моделями).

Три картинки из свежего блога Semianalysis:

1. Самые крупные датацентры для тренировки моделей на конец 2026-го года. По плану, META запустит Prometheus. Где-то в параллель будет достраиваться Hyperion с прицелом на сдачу в конце 2027-го.

2. Самые крупные тренировочные кластеры для моделей следующего поколения и динамика их добавления у разных компаний.

3. Датацентр в палатках, META перенимает эстафету быстрого запуска мощностей у xAI и Elon Musk: В этом проекте главное не красота или избыточность, а быстрота добавления новых GPU в систему.

===

Так что META может стать тир-1 игроком в GenAI на рубеже '26-'27-ых годов: талант получен, мощности обеспечены, осталось экзекутить.