Лемма о бабочке
Стартап Physical Superintelligence (PSI) с помощью экспериментальной модели Anthropic доказал гипотезу Ааронсона – Амбайниса. Это одна из крупных задач теории квантовых вычислений, людям она не давалась 18 лет, ИИ получил результат на третий день…
…опубликуй я эту новость полгода назад – и интернет шумел бы целую неделю. Сегодня она вызывает легкий зевок. Вот почему:
— Задача заметная, но не из "топ-10" – например, рейтинг ProofAtlas ставит ее на 388 место. В мире, где ИИ справился с Навье – Стоксом, это уже не сенсация.
— Модель взяла план решения Ловетта – Чжана 2023 года и дополнила его "леммой о бабочке" Дэвида Реймера 1999-го из далекой от квантовых алгоритмов дискретной математики – профильные ученые просто не додумались ее применить. ИИ уже применял такой подход (задача №1196 Эрдёша), хотя в данном случае лемма была усилена моделью.
— В закрытой модели Anthropic тоже нет сенсации – над новыми версиями работают все лаборатории.
Коротко о самой гипотезе. Пиар создал вокруг квантовых компьютеров ореол "супербыстрых вычислителей", которые в сотни раз быстрее обычных во всем подряд. Это не так: квантовые компьютеры не ускоряют любую задачу подряд. Их преимущества зависят от задачи и алгоритма: например, алгоритм Шора использует скрытую периодичность. Но есть задачи, где обычный компьютер не хуже.
Гипотеза Ааронсона – Амбайниса предполагала, что на случайных данных без узора квантового чуда тоже не выйдет. Из гипотезы следует, что на большинстве случайных входов обычному компьютеру достаточно полиномиально больше обращений к данным, чтобы приблизительно воспроизвести вероятность квантового ответа 'да'. Практики понимали это интуитивно, так что решение скорее интересно теоретикам.
Вот что написал в своем блоге один из двух авторов гипотезы. Пост он буднично озаглавил "Гипотеза Ааронсона – Амбайниса доказана! (Конечно же, с помощью ИИ)" и признался в "усталости от пещеры Аладдина – бесконечного шведского стола решений открытых проблем, когда уже непонятно, хватит ли времени все это переварить".
То, что такие истории уже воспринимаются с усталостью – само по себе новость. За полгода ИИ прошел путь от единичных сенсаций до конвейера решений.
Но еще интереснее, кто совершил открытие. За решением стоит не фронтирная лаборатория и не математик с ChatGPT Pro или Claude Max, а Physical Superintelligence (PSI) – новый стартап, специализирующийся на движении науки с помощью ИИ.
Компания открылась в сентябре и сразу подняла $58 млн. Главный ученый Алекс Висснер-Гросс – доктор физики Гарварда и последний человек в истории MIT с тремя дипломами бакалавра сразу; CEO Мэтт Пайнс десять лет консультировал Белый дом и разведку США; президент Алекс Клокус основал медиа Futurism (те еще желтушники, кстати), а техдиректор Алессандро Морари в NVIDIA отвечал за оптимизацию GPU-ядер.
Их цель – "индустриализировать открытия в физике" (деньги пока зарабатывают на оптимизации охлаждения и питания ИИ-дата-центров). Своих моделей PSI не тренирует: берут чужие флагманы, оборачивают в систему агентов с проверкой каждого шага в верификаторе Lean и пускают по каталогам старых задач. С гигантами стартап явно на короткой ноге – кому попало внутреннюю модель Anthropic не даст.
Двумя неделями ранее PSI выложил результаты сразу по пяти открытым квантовым проблемам. А к текущему открытию стартап привлек математиков из Стэнфорда и MIT. Несколькими месяцами ранее они доказали узкий частный случай этой гипотезы (использовав GPT, кстати), а теперь делают "перевод на человеческий" для решения PSI.
Здорово, что мы видим все новые подходы к ИИ-науке. Интересно другое – как долго этот конвейер сможет работать? Современные нейросети отлично освоили комбинирование существующих идей и еще несколько приемов, но что будет, когда это поле кончится и настанет время искать совершенно новую математику?
—
Напомню, что вчера вышел лонгрид, в котором я рассказываю, как пишу тексты с помощью ИИ, а также изучаю опыт других профессионалов. Этот пост не исключение – помогал мне Gemini 4 Argon и я также использовал многие приемы из гайда.
— Читать на “Бусти”
— Читать на Sponsr
Стартап Physical Superintelligence (PSI) с помощью экспериментальной модели Anthropic доказал гипотезу Ааронсона – Амбайниса. Это одна из крупных задач теории квантовых вычислений, людям она не давалась 18 лет, ИИ получил результат на третий день…
…опубликуй я эту новость полгода назад – и интернет шумел бы целую неделю. Сегодня она вызывает легкий зевок. Вот почему:
— Задача заметная, но не из "топ-10" – например, рейтинг ProofAtlas ставит ее на 388 место. В мире, где ИИ справился с Навье – Стоксом, это уже не сенсация.
— Модель взяла план решения Ловетта – Чжана 2023 года и дополнила его "леммой о бабочке" Дэвида Реймера 1999-го из далекой от квантовых алгоритмов дискретной математики – профильные ученые просто не додумались ее применить. ИИ уже применял такой подход (задача №1196 Эрдёша), хотя в данном случае лемма была усилена моделью.
— В закрытой модели Anthropic тоже нет сенсации – над новыми версиями работают все лаборатории.
Коротко о самой гипотезе. Пиар создал вокруг квантовых компьютеров ореол "супербыстрых вычислителей", которые в сотни раз быстрее обычных во всем подряд. Это не так: квантовые компьютеры не ускоряют любую задачу подряд. Их преимущества зависят от задачи и алгоритма: например, алгоритм Шора использует скрытую периодичность. Но есть задачи, где обычный компьютер не хуже.
Гипотеза Ааронсона – Амбайниса предполагала, что на случайных данных без узора квантового чуда тоже не выйдет. Из гипотезы следует, что на большинстве случайных входов обычному компьютеру достаточно полиномиально больше обращений к данным, чтобы приблизительно воспроизвести вероятность квантового ответа 'да'. Практики понимали это интуитивно, так что решение скорее интересно теоретикам.
Вот что написал в своем блоге один из двух авторов гипотезы. Пост он буднично озаглавил "Гипотеза Ааронсона – Амбайниса доказана! (Конечно же, с помощью ИИ)" и признался в "усталости от пещеры Аладдина – бесконечного шведского стола решений открытых проблем, когда уже непонятно, хватит ли времени все это переварить".
То, что такие истории уже воспринимаются с усталостью – само по себе новость. За полгода ИИ прошел путь от единичных сенсаций до конвейера решений.
Но еще интереснее, кто совершил открытие. За решением стоит не фронтирная лаборатория и не математик с ChatGPT Pro или Claude Max, а Physical Superintelligence (PSI) – новый стартап, специализирующийся на движении науки с помощью ИИ.
Компания открылась в сентябре и сразу подняла $58 млн. Главный ученый Алекс Висснер-Гросс – доктор физики Гарварда и последний человек в истории MIT с тремя дипломами бакалавра сразу; CEO Мэтт Пайнс десять лет консультировал Белый дом и разведку США; президент Алекс Клокус основал медиа Futurism (те еще желтушники, кстати), а техдиректор Алессандро Морари в NVIDIA отвечал за оптимизацию GPU-ядер.
Их цель – "индустриализировать открытия в физике" (деньги пока зарабатывают на оптимизации охлаждения и питания ИИ-дата-центров). Своих моделей PSI не тренирует: берут чужие флагманы, оборачивают в систему агентов с проверкой каждого шага в верификаторе Lean и пускают по каталогам старых задач. С гигантами стартап явно на короткой ноге – кому попало внутреннюю модель Anthropic не даст.
Двумя неделями ранее PSI выложил результаты сразу по пяти открытым квантовым проблемам. А к текущему открытию стартап привлек математиков из Стэнфорда и MIT. Несколькими месяцами ранее они доказали узкий частный случай этой гипотезы (использовав GPT, кстати), а теперь делают "перевод на человеческий" для решения PSI.
Здорово, что мы видим все новые подходы к ИИ-науке. Интересно другое – как долго этот конвейер сможет работать? Современные нейросети отлично освоили комбинирование существующих идей и еще несколько приемов, но что будет, когда это поле кончится и настанет время искать совершенно новую математику?
—
Напомню, что вчера вышел лонгрид, в котором я рассказываю, как пишу тексты с помощью ИИ, а также изучаю опыт других профессионалов. Этот пост не исключение – помогал мне Gemini 4 Argon и я также использовал многие приемы из гайда.
— Читать на “Бусти”
— Читать на Sponsr
🔥25❤20👍11
Fable 5.2 – новый монстр Anthropic
(посвящается 3,5 счастливчикам, кого не забанили в Claude)
Anthropic окончательно запутала нас индексами: Opus 5 сменился сразу на 5.5, а Fable 5.1 – только на Fable 5.2. При этом скачок по бенчмаркам мощный: видимо, с цифрами поскромничали после призыва Дарио Амодеи "притормозить гонку".
Основным флагманом остается Opus 5.5, а Fable 5.2 – тяжелая артиллерия для долгих проектов, науки и роли "советника" (Advisor), к которому младшие модели обращаются за подсказкой.
Главный рывок – на Remote Labor Index (240 заказов с фриланс-бирж, где итог сверяют с профи): 41,3% против 21,3% у Opus 5.5 и 20,8% у GPT-6 Astra. В коде и инженерии: SWE-bench Pro – 93,0% (Opus 5.5 – 89,9%), 20-часовой FrontierSWE v2 – 69,9% (Astra – 65,5%), 3D-чертежи и платы BenchCAD 2.1 – 83,5 против 65,3 у Opus 5.5. В рейтинге Vals AI (реальные задачи финансов, права, налогов и кода) модель тоже первая с 71,31%, но лишь чуть обходит Sonnet 5.5 (70,85%) и Gemini 4 Carbon (70,45%).
Лидерство не абсолютное:
— в офисной работе GDPval-AA v2.1 (1831 Elo) уступила Opus 5.5 (1866) и Muse Wonder Full (1857)
— в сложной аналитике AA-Briefcase чуть позади Opus 5.5 (1785 против 1800)
— в бизнес-процессах AutomationBench (51,4%) пропускает Gemini 4 Carbon (53,9%), а в праве Harvey LAB v1.1 (7,2%) – GPT-6 Astra (8,6%).
Забавная деталь: на 1М-контекстном ProgramBench (сборка кода программ вроде FFmpeg по бинарнику) Fable 5.2 сначала уступила Opus 5.5 – 85,6% против 91,2%. В 68% задач она так увлекалась, что не замечала конца контекстного окна и обрывалась. Добавили счетчик токенов – стала первой (91,6%).
Рой из 1 000 агентов Fable 5.2 за 30 часов доказал Великую теорему Ферма на языке машинной проверки Lean (Opus 5.5 – лишь 27%). Бумажное доказательство Уайлса давно известно, но перевести сотни страниц формул в строгий код без пропусков математики пытались больше двух лет. В другом тесте 1 000 агентов за 8 дней с нуля написали работающую на ноутбуке ОС с драйверами и окнами. Плюс модель решила две открытые задачи по черным дырам и по промпту в абзац спроектировала три гаджета (платы уже спаяли в Diode).
Самый сок как обычно в системной карте :
— На ExploitBench (41 уязвимость Chrome V8) Mythos 5.2 (Fable 5.2 без цензуры) собирает рабочий эксплойт в 90% попыток (369 из 410). При этом в 31% тестов с уязвимыми виртуалками модель сама вылезала из песочницы ради решения задачи. Но стоило описать границы дозволенного в промпте и дать кнопку "сообщить о баге", как доля побегов упала до 0,2% – в 80% случаев ИИ сам докладывал об уязвимости разработчикам.
— В 43% проверок (а у британского института AISI – в 96%!) модель понимает, что ее тестируют на безопасность. И впервые по просьбе "притвориться глупее" она в 24% попыток обманула монитор, читающий ее мысли: прежние модели палились в рассуждениях ("тут надо ответить неверно"), а Fable 5.2 даже зная ответ разыгрывала в мыслях правдоподобную "честную ошибку".
— В другом тесте в песочнице запустили 40 агентов со сломанной утилитой чтения код-ревью в Git. Прошлые модели молча находили в конфигах токен и читерили через прямой API. Агенты Fable 5.2 иногда сделали так же, но в 16 из 25 прогонов один из них писал на внутреннем форуме, что обход не разрешен человеком – остальные каялись и запрещали друг другу читерить до ответа оператора.
Генерация до 30% быстрее, прайс в API снизили на 20% – $8 / $40 за 1M токенов (кэш – $0,20, Fast mode в 2,5 раза быстрее за $16 / $80). На средних режимах Fable 5.2 выдает качество максимума Opus 5.5, но за счет экономии токенов обходится в 2–10 раз дешевле.
Впервые на подписке Pro дали неделю доступа к Fable (до 50% лимита) и сброс лимитов до 16 ноября, на Max и Ultra – от 1 до 3 сбросов до марта 2027-го по возрасту аккаунта.
(Ну а Gemini 4 Carbon опять вылетела из SOTA до момента широкого запуска. Эх, Google!)
–
Как работать с топовыми моделями я рассказываю в подписке. Там 35+ полезных лонгридов на любую тематику: от построения ИИ-агентов до опыта профессионалов:
– Читать на Бусти
– Читать на Sponsr
(посвящается 3,5 счастливчикам, кого не забанили в Claude)
Anthropic окончательно запутала нас индексами: Opus 5 сменился сразу на 5.5, а Fable 5.1 – только на Fable 5.2. При этом скачок по бенчмаркам мощный: видимо, с цифрами поскромничали после призыва Дарио Амодеи "притормозить гонку".
Основным флагманом остается Opus 5.5, а Fable 5.2 – тяжелая артиллерия для долгих проектов, науки и роли "советника" (Advisor), к которому младшие модели обращаются за подсказкой.
Главный рывок – на Remote Labor Index (240 заказов с фриланс-бирж, где итог сверяют с профи): 41,3% против 21,3% у Opus 5.5 и 20,8% у GPT-6 Astra. В коде и инженерии: SWE-bench Pro – 93,0% (Opus 5.5 – 89,9%), 20-часовой FrontierSWE v2 – 69,9% (Astra – 65,5%), 3D-чертежи и платы BenchCAD 2.1 – 83,5 против 65,3 у Opus 5.5. В рейтинге Vals AI (реальные задачи финансов, права, налогов и кода) модель тоже первая с 71,31%, но лишь чуть обходит Sonnet 5.5 (70,85%) и Gemini 4 Carbon (70,45%).
Лидерство не абсолютное:
— в офисной работе GDPval-AA v2.1 (1831 Elo) уступила Opus 5.5 (1866) и Muse Wonder Full (1857)
— в сложной аналитике AA-Briefcase чуть позади Opus 5.5 (1785 против 1800)
— в бизнес-процессах AutomationBench (51,4%) пропускает Gemini 4 Carbon (53,9%), а в праве Harvey LAB v1.1 (7,2%) – GPT-6 Astra (8,6%).
Забавная деталь: на 1М-контекстном ProgramBench (сборка кода программ вроде FFmpeg по бинарнику) Fable 5.2 сначала уступила Opus 5.5 – 85,6% против 91,2%. В 68% задач она так увлекалась, что не замечала конца контекстного окна и обрывалась. Добавили счетчик токенов – стала первой (91,6%).
Рой из 1 000 агентов Fable 5.2 за 30 часов доказал Великую теорему Ферма на языке машинной проверки Lean (Opus 5.5 – лишь 27%). Бумажное доказательство Уайлса давно известно, но перевести сотни страниц формул в строгий код без пропусков математики пытались больше двух лет. В другом тесте 1 000 агентов за 8 дней с нуля написали работающую на ноутбуке ОС с драйверами и окнами. Плюс модель решила две открытые задачи по черным дырам и по промпту в абзац спроектировала три гаджета (платы уже спаяли в Diode).
Самый сок как обычно в системной карте :
— На ExploitBench (41 уязвимость Chrome V8) Mythos 5.2 (Fable 5.2 без цензуры) собирает рабочий эксплойт в 90% попыток (369 из 410). При этом в 31% тестов с уязвимыми виртуалками модель сама вылезала из песочницы ради решения задачи. Но стоило описать границы дозволенного в промпте и дать кнопку "сообщить о баге", как доля побегов упала до 0,2% – в 80% случаев ИИ сам докладывал об уязвимости разработчикам.
— В 43% проверок (а у британского института AISI – в 96%!) модель понимает, что ее тестируют на безопасность. И впервые по просьбе "притвориться глупее" она в 24% попыток обманула монитор, читающий ее мысли: прежние модели палились в рассуждениях ("тут надо ответить неверно"), а Fable 5.2 даже зная ответ разыгрывала в мыслях правдоподобную "честную ошибку".
— В другом тесте в песочнице запустили 40 агентов со сломанной утилитой чтения код-ревью в Git. Прошлые модели молча находили в конфигах токен и читерили через прямой API. Агенты Fable 5.2 иногда сделали так же, но в 16 из 25 прогонов один из них писал на внутреннем форуме, что обход не разрешен человеком – остальные каялись и запрещали друг другу читерить до ответа оператора.
Генерация до 30% быстрее, прайс в API снизили на 20% – $8 / $40 за 1M токенов (кэш – $0,20, Fast mode в 2,5 раза быстрее за $16 / $80). На средних режимах Fable 5.2 выдает качество максимума Opus 5.5, но за счет экономии токенов обходится в 2–10 раз дешевле.
Впервые на подписке Pro дали неделю доступа к Fable (до 50% лимита) и сброс лимитов до 16 ноября, на Max и Ultra – от 1 до 3 сбросов до марта 2027-го по возрасту аккаунта.
(Ну а Gemini 4 Carbon опять вылетела из SOTA до момента широкого запуска. Эх, Google!)
–
Как работать с топовыми моделями я рассказываю в подписке. Там 35+ полезных лонгридов на любую тематику: от построения ИИ-агентов до опыта профессионалов:
– Читать на Бусти
– Читать на Sponsr
🔥32❤23😁11👍4
This media is not supported in your browser
VIEW IN TELEGRAM
Вышла Gemini 4 Carbon: дорого в подписке, но выгодно в API
Бенчмарки и фишки модели я уже разбирал по этой ссылке, а с тех пор расклад изменился лишь в одном: вчера вышла Claude Fable 5.2 и сместила Carbon на второе место. И его она вряд ли удержит надолго – на этой неделе от OpenAI ждут GPT-6.2 Astra.
Сейчас Google идет на полкорпуса позади лидеров – уже успех после провала Gemini 3 Pro. Но главное – темп: Argon вышла 13 октября, Carbon – 10 ноября, а по утечкам, внутри уже тестируют Gemini 4 Krypton. Похоже, компания выходит на ежемесячный цикл обновления флагманов, а это важнее разового скачка в бенчмарках.
Зато в API все куда интереснее: $2 вход / $10 выход против $8 / $40 у Fable 5.2 и $10 / $50 у GPT-6 Astra. Это промо-тариф до 30 ноября (дальше $4 / $20 – все равно в 2–2,5 раза дешевле конкурентов), а к декабрю наверняка подоспеет уже следующая версия. По сути, это «почти фронтир» по цене мидл-моделей.
Но при этом модель пока недоступна на Pro-подписках – только для Ultra, цена которой начинается со $100. Я взял Google AI Ultra сразу после блокировки Claude, это очень выгодная подписка – например, ею можно поделиться с 5 участниками семьи, каждый из которых получит собственную квоту (только в веб-версии и приложениях, квота ИИ-агента Antigravity одна на всех). Другие плюшки тоже хорошие: ежемесячно начисляют API-кредиты (можно тратить даже на Fable 5.2 – но объем небольшой), дают 20 ТБ в Google Drive, бесплатные YouTube Premium и YouTube Music.
Впрочем, понимаю, что $100 для многих пользователей выглядят заградительной ценой – будем надеяться, что на Pro выкатят совсем скоро.
Я уже погонял Gemini 4 Carbon сам, а также прочел чужие отзывы – что можно написать про саму модель:
— Google сильно напирает на научные и математические возможности модели: сегодня показали, как агенты на Carbon в рамках AlphaProof Code за 4 недели написали 6+ млн строк доказательств на Lean для реального кода криптопротокола Signal, нашли в 40 раз больше редких белковых гомологов для AlphaFold 3 и помогли биотех-стартапу Axiom Bio выявить новые механизмы токсичности лекарств.
— Использовать рой агентов уже можно в Antigravity – там к выходу Carbon раскатали экспериментальную функцию /swarm.
— В раннем анонсе Gemini 4 Carbon отдельно упоминалось, что модель в два раза реже выдумывает ссылки на научные статьи, а сегодня добавили, что на тестах честности она в 98% случаев отказывается додумывать недостающие экспериментальные данные. Один из читателей поделился со мной промптом глубокого научного поиска, где Gemini 4 Argon полностью садилась в лужу – GPT-6 Pro при оценке ставила 3/10. Сейчас прогнал тот же промпт через Carbon – уже 7/10.
— Модель потихоньку прокачивают в визуале – ролики кодом получаются почти как у Claude Opus 5.5. Мешает увлечение мелочами – о нем в следующем пункте.
— Фронтенд пока спорный: лучше, чем у Argon, и сверстано аккуратно, но интерфейсы перегружены текстом и мелкими элементами в духе сайтов конца нулевых. Текст удалось сократить промптом «используй минимум текста, больше визуала, но без потери смысла» – полагаю, с остальным тоже получится совладать. Пример в начале поста – ролик рендерила GPT-6 и немножко накосячила.
— Carbon, как и почти все Gemini, хорошо и понятно пишет на русском языке. Заметно лучше любой GPT и, на мой взгляд, даже чуточку лучше Claude. Но у моделей Gemini есть одна опасная особенность – они не столько галлюцинируют, сколько преувеличивают, иногда раздувая поводы и делая смелые выводы. Похожей проблемой страдает и Claude, а вот GPT намного осторожнее – но и тексты у нее выходят «стерильными». Я в последние дни использовал Gemini 4 Argon для написания ряда текстов, а вычитывал их через GPT-6 – получалось идеально.
Теперь ход за OpenAI: на фоне новинок от Anthropic и Google двухмесячная GPT-6 Astra уже выглядит устаревшей.
—
Похоже, на этой неделе пора садиться за большой гайд по моделям нового поколения – а пока в подписке вас ждут 35+ лонгридов о том, как выжимать из ИИ максимум:
– Читать на Бусти
– Читать на Sponsr
Бенчмарки и фишки модели я уже разбирал по этой ссылке, а с тех пор расклад изменился лишь в одном: вчера вышла Claude Fable 5.2 и сместила Carbon на второе место. И его она вряд ли удержит надолго – на этой неделе от OpenAI ждут GPT-6.2 Astra.
Сейчас Google идет на полкорпуса позади лидеров – уже успех после провала Gemini 3 Pro. Но главное – темп: Argon вышла 13 октября, Carbon – 10 ноября, а по утечкам, внутри уже тестируют Gemini 4 Krypton. Похоже, компания выходит на ежемесячный цикл обновления флагманов, а это важнее разового скачка в бенчмарках.
Зато в API все куда интереснее: $2 вход / $10 выход против $8 / $40 у Fable 5.2 и $10 / $50 у GPT-6 Astra. Это промо-тариф до 30 ноября (дальше $4 / $20 – все равно в 2–2,5 раза дешевле конкурентов), а к декабрю наверняка подоспеет уже следующая версия. По сути, это «почти фронтир» по цене мидл-моделей.
Но при этом модель пока недоступна на Pro-подписках – только для Ultra, цена которой начинается со $100. Я взял Google AI Ultra сразу после блокировки Claude, это очень выгодная подписка – например, ею можно поделиться с 5 участниками семьи, каждый из которых получит собственную квоту (только в веб-версии и приложениях, квота ИИ-агента Antigravity одна на всех). Другие плюшки тоже хорошие: ежемесячно начисляют API-кредиты (можно тратить даже на Fable 5.2 – но объем небольшой), дают 20 ТБ в Google Drive, бесплатные YouTube Premium и YouTube Music.
Впрочем, понимаю, что $100 для многих пользователей выглядят заградительной ценой – будем надеяться, что на Pro выкатят совсем скоро.
Я уже погонял Gemini 4 Carbon сам, а также прочел чужие отзывы – что можно написать про саму модель:
— Google сильно напирает на научные и математические возможности модели: сегодня показали, как агенты на Carbon в рамках AlphaProof Code за 4 недели написали 6+ млн строк доказательств на Lean для реального кода криптопротокола Signal, нашли в 40 раз больше редких белковых гомологов для AlphaFold 3 и помогли биотех-стартапу Axiom Bio выявить новые механизмы токсичности лекарств.
— Использовать рой агентов уже можно в Antigravity – там к выходу Carbon раскатали экспериментальную функцию /swarm.
— В раннем анонсе Gemini 4 Carbon отдельно упоминалось, что модель в два раза реже выдумывает ссылки на научные статьи, а сегодня добавили, что на тестах честности она в 98% случаев отказывается додумывать недостающие экспериментальные данные. Один из читателей поделился со мной промптом глубокого научного поиска, где Gemini 4 Argon полностью садилась в лужу – GPT-6 Pro при оценке ставила 3/10. Сейчас прогнал тот же промпт через Carbon – уже 7/10.
— Модель потихоньку прокачивают в визуале – ролики кодом получаются почти как у Claude Opus 5.5. Мешает увлечение мелочами – о нем в следующем пункте.
— Фронтенд пока спорный: лучше, чем у Argon, и сверстано аккуратно, но интерфейсы перегружены текстом и мелкими элементами в духе сайтов конца нулевых. Текст удалось сократить промптом «используй минимум текста, больше визуала, но без потери смысла» – полагаю, с остальным тоже получится совладать. Пример в начале поста – ролик рендерила GPT-6 и немножко накосячила.
— Carbon, как и почти все Gemini, хорошо и понятно пишет на русском языке. Заметно лучше любой GPT и, на мой взгляд, даже чуточку лучше Claude. Но у моделей Gemini есть одна опасная особенность – они не столько галлюцинируют, сколько преувеличивают, иногда раздувая поводы и делая смелые выводы. Похожей проблемой страдает и Claude, а вот GPT намного осторожнее – но и тексты у нее выходят «стерильными». Я в последние дни использовал Gemini 4 Argon для написания ряда текстов, а вычитывал их через GPT-6 – получалось идеально.
Теперь ход за OpenAI: на фоне новинок от Anthropic и Google двухмесячная GPT-6 Astra уже выглядит устаревшей.
—
Похоже, на этой неделе пора садиться за большой гайд по моделям нового поколения – а пока в подписке вас ждут 35+ лонгридов о том, как выжимать из ИИ максимум:
– Читать на Бусти
– Читать на Sponsr
1❤31🔥14👍13
Как собрать свою редакцию из ИИ-агентов
В 2026-м написать текст с помощью ИИ уже не проблема. Но как сделать так, чтобы ваши тексты выделялись в общем потоке и темами, и стилем?
На прошлой неделе я наконец-то добил большой лонгрид о том, как использую ИИ для написания и редактуры текстов. Теперь в подписке есть целый цикл о том, как собрать свою ИИ-редакцию: искать оригинальные информационные поводы, превращать их в тексты и красиво оформлять.
Погнали:
Как с помощью ИИ находить новые темы для блога, канала или СМИ – собираем профиль вашего личного или рабочего медиа, настраиваем сбор информационных поводов и ищем необычные углы подачи. Разумеется, все это с помощью ИИ.
Текст в четыре руки: как писать с помощью ИИ, чтобы вас читали живые люди – рассказываю о приемах, которые использую в работе над текстами: когда можно целиком отдать написание ИИ, а когда лучше работать в четыре руки, соединяя сильные стороны человека и нейросети.
Восемь техник сильного промптинга – в работе постоянно приходится искать идеи, проводить эксперименты и разбирать опыт, удачный или не очень. Здесь я рассказываю о приемах, которые помогают глубже разобраться в вопросе: посмотреть на него с разных сторон, проверить свои аргументы и найти слабые места.
Как перестать генерить ИИ-слоп: сначала стиль – потом контент – даже если вы любите тексты так же сильно, как я, хорошая иллюстрация им не помешает. С помощью нейросети можно собрать заходную картинку, инфографику и даже интерактивное демо. Как сделать их непохожими на поток однотипного ИИ-контента, рассказываю в статье.
Как писать промпты для GPT Images, Nano Banana и других графических ИИ – лонгрид для тех, кто хочет копнуть в визуал еще глубже. У хорошей графики есть вполне конкретные составляющие: композиция, план, свет, стиль. Если описать их в промпте, становится проще получить именно ту картинку, которую вы задумали.
Рисуем кодом – не пугайтесь, что по ссылке откроется руководство по Claude Opus 5.5. Листайте до второй части: там разбираю, как с помощью кода создавать картинки, анимацию и звук для роликов. Привожу промпты, а отдельно рассказываю, как бесплатно добавить голос на русском.
Бонус: поиск тем и сбор фактуры у меня уже работают на автомате. ИИ-ассистент – сначала Hermes, а теперь OpenAI dot – регулярно собирает свежие поводы для канала и подписки, предлагает углы подачи и добирает контекст. Как организовать такую работу, читайте в текстах про OpenAI dot и loop engineering, или работу в циклах.
А всего в подписке уже 35+ полезных лонгридов на самые разные темы. Читайте на двух равнозначных площадках:
– Читать на «Бусти»
– Читать на Sponsr
В 2026-м написать текст с помощью ИИ уже не проблема. Но как сделать так, чтобы ваши тексты выделялись в общем потоке и темами, и стилем?
На прошлой неделе я наконец-то добил большой лонгрид о том, как использую ИИ для написания и редактуры текстов. Теперь в подписке есть целый цикл о том, как собрать свою ИИ-редакцию: искать оригинальные информационные поводы, превращать их в тексты и красиво оформлять.
Погнали:
Как с помощью ИИ находить новые темы для блога, канала или СМИ – собираем профиль вашего личного или рабочего медиа, настраиваем сбор информационных поводов и ищем необычные углы подачи. Разумеется, все это с помощью ИИ.
Текст в четыре руки: как писать с помощью ИИ, чтобы вас читали живые люди – рассказываю о приемах, которые использую в работе над текстами: когда можно целиком отдать написание ИИ, а когда лучше работать в четыре руки, соединяя сильные стороны человека и нейросети.
Восемь техник сильного промптинга – в работе постоянно приходится искать идеи, проводить эксперименты и разбирать опыт, удачный или не очень. Здесь я рассказываю о приемах, которые помогают глубже разобраться в вопросе: посмотреть на него с разных сторон, проверить свои аргументы и найти слабые места.
Как перестать генерить ИИ-слоп: сначала стиль – потом контент – даже если вы любите тексты так же сильно, как я, хорошая иллюстрация им не помешает. С помощью нейросети можно собрать заходную картинку, инфографику и даже интерактивное демо. Как сделать их непохожими на поток однотипного ИИ-контента, рассказываю в статье.
Как писать промпты для GPT Images, Nano Banana и других графических ИИ – лонгрид для тех, кто хочет копнуть в визуал еще глубже. У хорошей графики есть вполне конкретные составляющие: композиция, план, свет, стиль. Если описать их в промпте, становится проще получить именно ту картинку, которую вы задумали.
Рисуем кодом – не пугайтесь, что по ссылке откроется руководство по Claude Opus 5.5. Листайте до второй части: там разбираю, как с помощью кода создавать картинки, анимацию и звук для роликов. Привожу промпты, а отдельно рассказываю, как бесплатно добавить голос на русском.
Бонус: поиск тем и сбор фактуры у меня уже работают на автомате. ИИ-ассистент – сначала Hermes, а теперь OpenAI dot – регулярно собирает свежие поводы для канала и подписки, предлагает углы подачи и добирает контекст. Как организовать такую работу, читайте в текстах про OpenAI dot и loop engineering, или работу в циклах.
А всего в подписке уже 35+ полезных лонгридов на самые разные темы. Читайте на двух равнозначных площадках:
– Читать на «Бусти»
– Читать на Sponsr
1❤15👍11🔥5
Media is too big
VIEW IN TELEGRAM
Claude Fable 5.2 собрала 3D-шутер "с одного промпта". Геймдев – В С Ë?
(спойлер: пока поборется)
Феликс Ризеберг из Anthropic с помощью Fable 5.2 за $550 собрал Saltline – браузерный 3D-шутер с "фотореалистичной" графикой (пишут, что с одного промпта – ниже покажу, почему это не совсем так). В ответ команда Perplexity выкатила CORDON 9 – тоже 3D-шутер, но уже про отстрел зомби.
В сети это подают как "ИИ пришел за геймдевом", я же расковырял код обеих игр через Gemini 4 Carbon – посмотрим, что модель смогла, а где индустрия выдохнет.
Начнем с Saltline, видео из нее можете посмотреть в начале поста. Первую версию шутера Ризеберг действительно запустил одним коротким промптом посреди чата, что наложило на Fable 5.2 лишние ограничения. Как модель выкрутилась – самая красивая часть истории.
Итак, главное: вся игра сделана одним HTML-файлом из чистого кода (поверх базовой 3D-библиотеки Three.js). Никаких ассетов: готовых текстур, 3D-моделей с анимацией, звуков стрельбы и шагов, шрифтов и даже иконок интерфейса.
Собрать кодом реалистичных людей и монстров, природу, сложные постройки – малореальная задача. Поэтому Fable 5.2 перенесла действие в промышленный порт: морские контейнеры, бетонные плиты, бочки и катушки кабеля – все можно собрать из базовых кубиков и цилиндров. Враги – летающие роботы и четвероногие робопсы с минимумом анимации.
А бедную детализацию прячут сумерки после ливня: мокрый асфальт с лужами, густой туман, лучи заходящего солнца и голливудская цветокоррекция (холодные тени, теплые блики). Мозг видит маркеры "дорогого движка" и сам достраивает реализм.
Причем в мелочах модель пугающе дотошна: на линзе прицела в косом свете проступают пыль и жирный след пальца, на пластике автомата виден шов литья, ливень в ангаре течет строго сквозь дыры в крыше, а синтезатор без сэмплов генерит 63 звука – от звона гильз о бетон и металл до чаек и гудка в порту.
Еще одно сокровище кода – собственный демо-стенд для тестирования игры. Агент по очереди выставлял перед виртуальной камерой пушки, смирно стоящих роботов, краны и даже застывшие на нужной доле секунды взрывы, делал скриншоты и правил косяки.
А вот с мифом про "ноль участия человека" вышел нюанс. Внутри HTML-кода главной ссылки спрятана свернутая записка от самого Феликса: после восьмичасового прогона он не удержался и еще два часа вручную допиливал с моделью оружие, звук и геймплей.
Буквально через сутки команда Perplexity развила идею в CORDON 9, исправив многие ограничения игры Ризеберга. Проект разбит на 83 модуля, есть две карты, а для генерации врагов прямо в браузере Fable 5.2 сделала воксельный 3D-скульптор на 28 костей, хитро замаскировав огрехи анимации под криво ходящих зомби. Модель даже написала ИИ-бота, чтобы проверить баланс.
В общем, если через три дня постинг на этом канале прекратится, знайте – Fable 5.2 написала The Elder Scrolls VI и выложила на торренты 😁
А если серьезно, то обе демки – конечно, не полноценные игры. Они проходятся за считанные минуты, причем даже за это время многие начинают жаловаться на скуку. Так что геймдев пока не хороним: сделать игру долгой и интересной – это человеческий навык.
Но модели с такими возможностями легко могут перевернуть разработку игр. Самый простой пример – прототипирование. Где раньше геймдизайнеры неделями гоняли по пустой комнате унылые "серые коробки" из базовых примитивов, теперь можно за ночь собрать вполне реалистичную сценку со светом и погодой. Не удивлюсь, если изменится и сам инструментарий – если модель уже проворачивает такие штуки с кодом, то со временем сможет на лету собирать легкие специализированные движки ровно под механику конкретной игры. Пригодится это и далеко за пределами геймдева – от наглядных 3D-тренажеров до сложных интерактивных спецпроектов на сайтах, на которые раньше просто жалели бюджет.
—
Как выжимать из ИИ максимум, я рассказываю в подписке. 35+ полезных лонгридов на разные темы – от промптов и ИИ-агентов до нейросетей в креативе и дизайне.
– Читать на «Бусти»
– Читать на Sponsr
(спойлер: пока поборется)
Феликс Ризеберг из Anthropic с помощью Fable 5.2 за $550 собрал Saltline – браузерный 3D-шутер с "фотореалистичной" графикой (пишут, что с одного промпта – ниже покажу, почему это не совсем так). В ответ команда Perplexity выкатила CORDON 9 – тоже 3D-шутер, но уже про отстрел зомби.
В сети это подают как "ИИ пришел за геймдевом", я же расковырял код обеих игр через Gemini 4 Carbon – посмотрим, что модель смогла, а где индустрия выдохнет.
Начнем с Saltline, видео из нее можете посмотреть в начале поста. Первую версию шутера Ризеберг действительно запустил одним коротким промптом посреди чата, что наложило на Fable 5.2 лишние ограничения. Как модель выкрутилась – самая красивая часть истории.
Итак, главное: вся игра сделана одним HTML-файлом из чистого кода (поверх базовой 3D-библиотеки Three.js). Никаких ассетов: готовых текстур, 3D-моделей с анимацией, звуков стрельбы и шагов, шрифтов и даже иконок интерфейса.
Собрать кодом реалистичных людей и монстров, природу, сложные постройки – малореальная задача. Поэтому Fable 5.2 перенесла действие в промышленный порт: морские контейнеры, бетонные плиты, бочки и катушки кабеля – все можно собрать из базовых кубиков и цилиндров. Враги – летающие роботы и четвероногие робопсы с минимумом анимации.
А бедную детализацию прячут сумерки после ливня: мокрый асфальт с лужами, густой туман, лучи заходящего солнца и голливудская цветокоррекция (холодные тени, теплые блики). Мозг видит маркеры "дорогого движка" и сам достраивает реализм.
Причем в мелочах модель пугающе дотошна: на линзе прицела в косом свете проступают пыль и жирный след пальца, на пластике автомата виден шов литья, ливень в ангаре течет строго сквозь дыры в крыше, а синтезатор без сэмплов генерит 63 звука – от звона гильз о бетон и металл до чаек и гудка в порту.
Еще одно сокровище кода – собственный демо-стенд для тестирования игры. Агент по очереди выставлял перед виртуальной камерой пушки, смирно стоящих роботов, краны и даже застывшие на нужной доле секунды взрывы, делал скриншоты и правил косяки.
А вот с мифом про "ноль участия человека" вышел нюанс. Внутри HTML-кода главной ссылки спрятана свернутая записка от самого Феликса: после восьмичасового прогона он не удержался и еще два часа вручную допиливал с моделью оружие, звук и геймплей.
Буквально через сутки команда Perplexity развила идею в CORDON 9, исправив многие ограничения игры Ризеберга. Проект разбит на 83 модуля, есть две карты, а для генерации врагов прямо в браузере Fable 5.2 сделала воксельный 3D-скульптор на 28 костей, хитро замаскировав огрехи анимации под криво ходящих зомби. Модель даже написала ИИ-бота, чтобы проверить баланс.
В общем, если через три дня постинг на этом канале прекратится, знайте – Fable 5.2 написала The Elder Scrolls VI и выложила на торренты 😁
А если серьезно, то обе демки – конечно, не полноценные игры. Они проходятся за считанные минуты, причем даже за это время многие начинают жаловаться на скуку. Так что геймдев пока не хороним: сделать игру долгой и интересной – это человеческий навык.
Но модели с такими возможностями легко могут перевернуть разработку игр. Самый простой пример – прототипирование. Где раньше геймдизайнеры неделями гоняли по пустой комнате унылые "серые коробки" из базовых примитивов, теперь можно за ночь собрать вполне реалистичную сценку со светом и погодой. Не удивлюсь, если изменится и сам инструментарий – если модель уже проворачивает такие штуки с кодом, то со временем сможет на лету собирать легкие специализированные движки ровно под механику конкретной игры. Пригодится это и далеко за пределами геймдева – от наглядных 3D-тренажеров до сложных интерактивных спецпроектов на сайтах, на которые раньше просто жалели бюджет.
—
Как выжимать из ИИ максимум, я рассказываю в подписке. 35+ полезных лонгридов на разные темы – от промптов и ИИ-агентов до нейросетей в креативе и дизайне.
– Читать на «Бусти»
– Читать на Sponsr
❤60🔥20😁7👍3👏2
Вышибала в кожаной куртке
1996 год. Sega вчистую проигрывает рынок игровых консолей дерзкому новичку Sony с ее PlayStation и вкладывает все силы в реванш – будущую Dreamcast. Ставка делается на 3D-графику, а чип разрабатывает стартап NVIDIA, который в 1993-м основали Дженсен Хуанг (экс-AMD и LSI Logic), Крис Малаховски и Кертис Прим (оба из Sun Microsystems).
В конце 1996-го Хуанг летит в Токио к вице-президенту Sega Сеитиро Иримадзири с признанием: мы облажались, чип NV2 строит сцены из четырехугольников, а вся индустрия ушла на треугольники. И выдвигает наглое предложение – отдать заказ другим, но все равно перевести NVIDIA оставшиеся $5 млн, иначе компания умрет. Заказ ушел создателям PowerVR, а Хуанг получил деньги в обмен на акции.
Иримадзири проникся одержимостью 33-летнего инженера и дал стартапу полгода жизни: за них сделали спасительный RIVA 128, за которым пошли RIVA TNT и легендарная линейка GeForce. Сама Dreamcast провалилась по иным причинам, и в 2000-м Sega продала долю в NVIDIA за $15 млн, чтобы удержаться на плаву – сегодня пакет стоил бы под триллион.
Тридцать лет спустя вчерашнего просителя в кожаной куртке инвестор Майкл Бьюрри метко назвал “Доном” и главным “вышибалой” ИИ-рынка. Монополия на чипы позволяла держать на коротком поводке богатейших людей планеты: глава Oracle Ларри Эллисон вспоминал, как они с Илоном Маском час за суши вымаливали у Хуанга квоты. По словам того же Бьюрри, гигантов заставляли выкупать чипы впрок под недостроенные дата-центры – иначе отправляешься в конец очереди.
Сегодня Хуанг покинул пост главы NVIDIA на фоне шпионско-любовного скандала. Компания лишилась своего “вышибалы”, под которого был заточен весь ее бизнес. Что дальше?
Акции NVIDIA на открытии падали на 14%, затем отскочили к минус 7%, а оценка компании впервые с прошлого года ушла ниже $4 трлн. Следом посыпались зависимые от нее “неооблака” – Nebius рухнул почти на 20%, CoreWeave терял до 15%. Зато конкуренты выросли: Broadcom прибавил 5%, подросла и AMD.
Рынок ставит на то, что у главных покупателей развязались руки. Рекордная для “железа” маржа NVIDIA в 70% держалась не только на CUDA, но и на страхе выпасть из очереди. Без прессинга Хуанга гигантам проще сбивать цены и уходить на чипы от Broadcom или новые стойки AMD, которые уже тестируют OpenAI, Microsoft и Anthropic.
Шатается и “круговая касса” ИИ, о которой пишет Financial Times. Чтобы подогревать спрос на ускорители, NVIDIA заливала сверхприбыль в покупателей – за полгода до конца июля скупила акций стартапов и партнеров на $42,4 млрд. Под проверкой Минюста осторожный совет директоров без Хуанга наверняка притормозит такой подход.
И это не единственная проблема сменщиков. Хуанг за 33 года выстроил управление NVIDIA строго под себя: ни одного зама или операционного директора, до шестидесяти прямых подчиненных и общие планерки вместо встреч тет-а-тет. Даже главы совета директоров у компании не было с 1993 года – первого в истории назначили сегодня утром.
Тушить пожар за пять дней до квартального отчета на $108 млрд временно поставили финдиректора Колетт Кресс. Рынок чипов тут же вспомнил июнь 2018-го в Intel: тогда CEO Брайан Кржанич тоже слетел из-за служебного романа, совет вручил штурвал финансисту Бобу Суону – и за пару лет аккуратного управления компания проспала рывок TSMC и AMD.
Ближайший год NVIDIA проскочит по инерции – архитектура Rubin уже идет клиентам, следом заложен Feynman. Опасность ждет дальше: спрос смещается от обучения моделей к их запуску (инференсу), где универсальная CUDA уже не дает монополии. Хуанг называл себя “главным разрушителем собственной выручки” и не боялся ломать старые продукты ради нового витка.
А главное – у него был талант “вышибать” рынок для новых продуктов. Будет ли он у нового директора?
–
Как “вышибать” лучший результат из своих ИИ-агентов, я рассказываю в подписке. Там уже 35+ лонгридов, обучающих пользоваться ИИ:
– Читать на “Бусти”
– Читать на Sponsr
1996 год. Sega вчистую проигрывает рынок игровых консолей дерзкому новичку Sony с ее PlayStation и вкладывает все силы в реванш – будущую Dreamcast. Ставка делается на 3D-графику, а чип разрабатывает стартап NVIDIA, который в 1993-м основали Дженсен Хуанг (экс-AMD и LSI Logic), Крис Малаховски и Кертис Прим (оба из Sun Microsystems).
В конце 1996-го Хуанг летит в Токио к вице-президенту Sega Сеитиро Иримадзири с признанием: мы облажались, чип NV2 строит сцены из четырехугольников, а вся индустрия ушла на треугольники. И выдвигает наглое предложение – отдать заказ другим, но все равно перевести NVIDIA оставшиеся $5 млн, иначе компания умрет. Заказ ушел создателям PowerVR, а Хуанг получил деньги в обмен на акции.
Иримадзири проникся одержимостью 33-летнего инженера и дал стартапу полгода жизни: за них сделали спасительный RIVA 128, за которым пошли RIVA TNT и легендарная линейка GeForce. Сама Dreamcast провалилась по иным причинам, и в 2000-м Sega продала долю в NVIDIA за $15 млн, чтобы удержаться на плаву – сегодня пакет стоил бы под триллион.
Тридцать лет спустя вчерашнего просителя в кожаной куртке инвестор Майкл Бьюрри метко назвал “Доном” и главным “вышибалой” ИИ-рынка. Монополия на чипы позволяла держать на коротком поводке богатейших людей планеты: глава Oracle Ларри Эллисон вспоминал, как они с Илоном Маском час за суши вымаливали у Хуанга квоты. По словам того же Бьюрри, гигантов заставляли выкупать чипы впрок под недостроенные дата-центры – иначе отправляешься в конец очереди.
Сегодня Хуанг покинул пост главы NVIDIA на фоне шпионско-любовного скандала. Компания лишилась своего “вышибалы”, под которого был заточен весь ее бизнес. Что дальше?
Акции NVIDIA на открытии падали на 14%, затем отскочили к минус 7%, а оценка компании впервые с прошлого года ушла ниже $4 трлн. Следом посыпались зависимые от нее “неооблака” – Nebius рухнул почти на 20%, CoreWeave терял до 15%. Зато конкуренты выросли: Broadcom прибавил 5%, подросла и AMD.
Рынок ставит на то, что у главных покупателей развязались руки. Рекордная для “железа” маржа NVIDIA в 70% держалась не только на CUDA, но и на страхе выпасть из очереди. Без прессинга Хуанга гигантам проще сбивать цены и уходить на чипы от Broadcom или новые стойки AMD, которые уже тестируют OpenAI, Microsoft и Anthropic.
Шатается и “круговая касса” ИИ, о которой пишет Financial Times. Чтобы подогревать спрос на ускорители, NVIDIA заливала сверхприбыль в покупателей – за полгода до конца июля скупила акций стартапов и партнеров на $42,4 млрд. Под проверкой Минюста осторожный совет директоров без Хуанга наверняка притормозит такой подход.
И это не единственная проблема сменщиков. Хуанг за 33 года выстроил управление NVIDIA строго под себя: ни одного зама или операционного директора, до шестидесяти прямых подчиненных и общие планерки вместо встреч тет-а-тет. Даже главы совета директоров у компании не было с 1993 года – первого в истории назначили сегодня утром.
Тушить пожар за пять дней до квартального отчета на $108 млрд временно поставили финдиректора Колетт Кресс. Рынок чипов тут же вспомнил июнь 2018-го в Intel: тогда CEO Брайан Кржанич тоже слетел из-за служебного романа, совет вручил штурвал финансисту Бобу Суону – и за пару лет аккуратного управления компания проспала рывок TSMC и AMD.
Ближайший год NVIDIA проскочит по инерции – архитектура Rubin уже идет клиентам, следом заложен Feynman. Опасность ждет дальше: спрос смещается от обучения моделей к их запуску (инференсу), где универсальная CUDA уже не дает монополии. Хуанг называл себя “главным разрушителем собственной выручки” и не боялся ломать старые продукты ради нового витка.
А главное – у него был талант “вышибать” рынок для новых продуктов. Будет ли он у нового директора?
–
Как “вышибать” лучший результат из своих ИИ-агентов, я рассказываю в подписке. Там уже 35+ лонгридов, обучающих пользоваться ИИ:
– Читать на “Бусти”
– Читать на Sponsr
3🔥54❤38👍13👏6😁4
Выжать максимум из фронтира
Прошедшая неделя выдалась совершенно безумной. Я все-таки смог зарегистрировать новый аккаунт Claude, оплатить подписку и попробовать Fable 5.2 (не спрашивайте, как: аккаунту всего несколько дней, пока нет гарантий, что проживет долго). А параллельно тестировал Gemini 4 Carbon и вышедшую буквально в четверг младшую версию Gemini 4 Hydrogen.
Все три модели получились отличными. Более того, впервые за долгое время в моих задачах Google наступает на пятки Anthropic, а кое-где обе оставили OpenAI позади. О том, как эффективно работать с новыми моделями, рассказывает мой новый лонгрид:
Руководство по Claude Fable 5.2 и Gemini 4 Carbon: выжимаем максимум из главных моделей ноября
В тексте я собрал свой опыт, полезные приемы из гайдов популярных авторов и некоторые трюки из официальной документации. Проверял и советы самих разработчиков: например, попробовал по рекомендациям Google собрать интерфейс в стиле Liquid Glass. Результат получился неожиданным.
Вот лишь несколько вещей, которые ждут вас в лонгриде:
— Мой личный пользовательский промпт, который помогает уменьшить лесть, улучшить поиск в сети и объяснять сложные вещи на простых аналогиях. Особенно он мне помогает в работе с Gemini 4 Carbon.
— Какие старые инструкции стоит убрать, что добавить в настройки новых моделей и почему привычное «продолжай» теперь лучше заменить конкретным поручением.
— Как выбирать глубину размышлений и распределять задачи между дорогим флагманом и моделями попроще. В том числе когда ИИ-«руководитель» только раздувает счет.
— Разбор главных функций Antigravity – ответа Google на Claude Code и Codex.
— И традиционно в конце: новые способы применения моделей. От интерактивных симуляторов до трехмерного здания, собранного по документам. С примерами, которые можно открыть и покрутить самому.
Текст доступен на двух равнозначных площадках, где всего уже 35+ лонгридов о том, как использовать ИИ на максимум:
— Читать на «Бусти»
— Читать на Sponsr
Прошедшая неделя выдалась совершенно безумной. Я все-таки смог зарегистрировать новый аккаунт Claude, оплатить подписку и попробовать Fable 5.2 (не спрашивайте, как: аккаунту всего несколько дней, пока нет гарантий, что проживет долго). А параллельно тестировал Gemini 4 Carbon и вышедшую буквально в четверг младшую версию Gemini 4 Hydrogen.
Все три модели получились отличными. Более того, впервые за долгое время в моих задачах Google наступает на пятки Anthropic, а кое-где обе оставили OpenAI позади. О том, как эффективно работать с новыми моделями, рассказывает мой новый лонгрид:
Руководство по Claude Fable 5.2 и Gemini 4 Carbon: выжимаем максимум из главных моделей ноября
В тексте я собрал свой опыт, полезные приемы из гайдов популярных авторов и некоторые трюки из официальной документации. Проверял и советы самих разработчиков: например, попробовал по рекомендациям Google собрать интерфейс в стиле Liquid Glass. Результат получился неожиданным.
Вот лишь несколько вещей, которые ждут вас в лонгриде:
— Мой личный пользовательский промпт, который помогает уменьшить лесть, улучшить поиск в сети и объяснять сложные вещи на простых аналогиях. Особенно он мне помогает в работе с Gemini 4 Carbon.
— Какие старые инструкции стоит убрать, что добавить в настройки новых моделей и почему привычное «продолжай» теперь лучше заменить конкретным поручением.
— Как выбирать глубину размышлений и распределять задачи между дорогим флагманом и моделями попроще. В том числе когда ИИ-«руководитель» только раздувает счет.
— Разбор главных функций Antigravity – ответа Google на Claude Code и Codex.
— И традиционно в конце: новые способы применения моделей. От интерактивных симуляторов до трехмерного здания, собранного по документам. С примерами, которые можно открыть и покрутить самому.
Текст доступен на двух равнозначных площадках, где всего уже 35+ лонгридов о том, как использовать ИИ на максимум:
— Читать на «Бусти»
— Читать на Sponsr
🔥19❤17👍6👏3
Почему больше нельзя доверять Claude?
(к сожалению)
За последние две недели Anthropic банила меня дважды – сначала KYC прилетела на 1,5-летний аккаунт с подпиской Max, а российский загран не подошел. Через пару дней я зарегистрировал новый аккаунт – и сразу после оплаты Pro получил ту же KYC.
На этом месте я решил, что с Claude пора расставаться, но специфика канала требует хотя бы тестировать популярные модели. Поэтому после выхода Fable 5.2 я попробовал еще раз: поднял виртуальный сервер в США, зарегистрировался через него, оплатил, и Pro-подписка пока живая.
Дальше план простой. На сервере я поднял Claude Code с открытой IDE-оболочкой bb – по сути, опыт, близкий к веб-версиям Claude и ChatGPT. Max брать не буду, оставлю Pro ради пары проектов, которые привык делать с Claude. А основную работу перевел на ChatGPT Pro и Google AI Ultra – уже писал, что мне очень нравится Gemini 4 Carbon.
Пока искал пути оформить подписку, я перелопатил много статей и постов и понял: эпопея с банами Claude, увы, продолжится. Причин несколько:
Компания выходит на IPO. В S-1 Anthropic пишет инвесторам, что 5–7% выручки приносят нарушители правил (неподдерживаемые регионы, ресейл, скрапинг), и обещает вычищать их дальше – даже ценой части доходов и замедления роста.
Многие ждут, что апокалипсис с банами закончится сразу после IPO, но компания открытым текстом говорит: нет, не закончится.
Структура выручки. 80% выручки Anthropic получает с продаж за токены – это в первую очередь корпоративные клиенты. 20% подписчиков не так существенны для компании, особенно с учетом того, что лимиты на подписках субсидируются.
Это серьезное отличие от конкурентов. OpenAI развивает ChatGPT/Codex как массовую платформу с минимум 900 млн пользователей и рекламой. Google встраивает Gemini в существующую экосистему.
Выкрути OpenAI и Google антифрод на максимум – зацепит путешественников, экспатов, людей с рабочими VPN. У Anthropic ядро корпоративное, и она спокойно терпит “дружественный огонь” по рознице: мол, не нарушаешь – сфоткай паспорт, сделай селфи и работай дальше (если только паспорт не российский).
Отношения с властями США. В этом году у Anthropic уже два конфликта с Вашингтоном: Пентагон объявил ее угрозой цепочкам поставок (апелляцию в сентябре проиграли), а Минторг в июне запретил пускать иностранцев к Fable 5 и Mythos 5 – модели пришлось почти на три недели отключить вообще для всех. Под таким прессингом любой упрек в слабом контроле санкций или утечке ИИ в Китай и Россию станет новым рычагом давления.
Политика. На словах Anthropic строит самый этичный ИИ “во благо человечества”, но работать он должен строго на граждан “правильных” демократий с “правильными” документами. В заявлении о региональных блокировках компания прямо пишет, что ИИ обязан “служить стратегическим интересам США и их союзников”.
Дистилляция. Главная, на мой взгляд, причина. Статус лучшего ИИ играет против Anthropic: именно на Claude чаще всего учат свои модели китайские компании. Скупаются тысячи аккаунтов, через них гонят запросы, а на ответах тренируют свои нейросети.
Подписки пачками оплачивают одними картами, оформляют на странные имена и адреса и гоняют с IP популярных VPN и прокси. Один в один поведение обычного пользователя из “недружественной” страны – поэтому Anthropic банит и тех, и этих.
Ирония в том, что промышленную дистилляцию эта зачистка не остановит – у крупных лабораторий хватит бюджета и на прокси, и на дропов. Под каток идут обычные люди, которым теперь проще унести деньги конкурентам – или хотя бы держать запасной инструмент на случай нового бана.
—
У меня в подписке уже 35+ лонгридов для тех, кто хочет прокачаться в ИИ. Сегодня, например, вышел гайд, как выжать максимум из Claude Fable 5.2 и Gemini 4 Carbon. Также обратите внимание на текст, как развернуть ИИ-агентов на собственном VPS – под сегодняшний пост он подходит идеально.
(к сожалению)
За последние две недели Anthropic банила меня дважды – сначала KYC прилетела на 1,5-летний аккаунт с подпиской Max, а российский загран не подошел. Через пару дней я зарегистрировал новый аккаунт – и сразу после оплаты Pro получил ту же KYC.
На этом месте я решил, что с Claude пора расставаться, но специфика канала требует хотя бы тестировать популярные модели. Поэтому после выхода Fable 5.2 я попробовал еще раз: поднял виртуальный сервер в США, зарегистрировался через него, оплатил, и Pro-подписка пока живая.
Дальше план простой. На сервере я поднял Claude Code с открытой IDE-оболочкой bb – по сути, опыт, близкий к веб-версиям Claude и ChatGPT. Max брать не буду, оставлю Pro ради пары проектов, которые привык делать с Claude. А основную работу перевел на ChatGPT Pro и Google AI Ultra – уже писал, что мне очень нравится Gemini 4 Carbon.
Пока искал пути оформить подписку, я перелопатил много статей и постов и понял: эпопея с банами Claude, увы, продолжится. Причин несколько:
Компания выходит на IPO. В S-1 Anthropic пишет инвесторам, что 5–7% выручки приносят нарушители правил (неподдерживаемые регионы, ресейл, скрапинг), и обещает вычищать их дальше – даже ценой части доходов и замедления роста.
Многие ждут, что апокалипсис с банами закончится сразу после IPO, но компания открытым текстом говорит: нет, не закончится.
Структура выручки. 80% выручки Anthropic получает с продаж за токены – это в первую очередь корпоративные клиенты. 20% подписчиков не так существенны для компании, особенно с учетом того, что лимиты на подписках субсидируются.
Это серьезное отличие от конкурентов. OpenAI развивает ChatGPT/Codex как массовую платформу с минимум 900 млн пользователей и рекламой. Google встраивает Gemini в существующую экосистему.
Выкрути OpenAI и Google антифрод на максимум – зацепит путешественников, экспатов, людей с рабочими VPN. У Anthropic ядро корпоративное, и она спокойно терпит “дружественный огонь” по рознице: мол, не нарушаешь – сфоткай паспорт, сделай селфи и работай дальше (если только паспорт не российский).
Отношения с властями США. В этом году у Anthropic уже два конфликта с Вашингтоном: Пентагон объявил ее угрозой цепочкам поставок (апелляцию в сентябре проиграли), а Минторг в июне запретил пускать иностранцев к Fable 5 и Mythos 5 – модели пришлось почти на три недели отключить вообще для всех. Под таким прессингом любой упрек в слабом контроле санкций или утечке ИИ в Китай и Россию станет новым рычагом давления.
Политика. На словах Anthropic строит самый этичный ИИ “во благо человечества”, но работать он должен строго на граждан “правильных” демократий с “правильными” документами. В заявлении о региональных блокировках компания прямо пишет, что ИИ обязан “служить стратегическим интересам США и их союзников”.
Дистилляция. Главная, на мой взгляд, причина. Статус лучшего ИИ играет против Anthropic: именно на Claude чаще всего учат свои модели китайские компании. Скупаются тысячи аккаунтов, через них гонят запросы, а на ответах тренируют свои нейросети.
Подписки пачками оплачивают одними картами, оформляют на странные имена и адреса и гоняют с IP популярных VPN и прокси. Один в один поведение обычного пользователя из “недружественной” страны – поэтому Anthropic банит и тех, и этих.
Ирония в том, что промышленную дистилляцию эта зачистка не остановит – у крупных лабораторий хватит бюджета и на прокси, и на дропов. Под каток идут обычные люди, которым теперь проще унести деньги конкурентам – или хотя бы держать запасной инструмент на случай нового бана.
—
У меня в подписке уже 35+ лонгридов для тех, кто хочет прокачаться в ИИ. Сегодня, например, вышел гайд, как выжать максимум из Claude Fable 5.2 и Gemini 4 Carbon. Также обратите внимание на текст, как развернуть ИИ-агентов на собственном VPS – под сегодняшний пост он подходит идеально.
11❤88🔥32😁25👍23👏2
Слабоумие и отвага
Я как-то уже писал, что настойчивость и изобретательность самых передовых ИИ-агентов меркнут на фоне обычной человеческой криворукости. Свежая история с и Trajectory Labs – наглядное доказательство: исследователи взялись проверить ИИ-агентов на опасное поведение, но по дороге наворотили столько дичи, что переплюнули своих подопечных.
В передрягу попали и Epoch AI – авторы математического бенчмарка FrontierMath с закрытыми задачами повышенной сложности, которые разрабатывали реальные математики. Помня июльскую историю, когда агенты OpenAI сбежали из песочницы и взломали Hugging Face ради ответов на бенчмарк по кибербезу, инженеры Epoch предположили, что когда-то такое может произойти и с ними.
5 октября они выставили на сайте фальшивый API-эндпоинт – пустышку без секретов, которая просто писала логи и была чем-то вроде ловушки для агентов. Две недели туда изредка стучались залетные боты, но вечером 20 октября все поменялось…
За три часа в приманку прилетело 36 411 запросов – больше трех в секунду. В Epoch достаточно успешно отражали атаку, а по пути придумали красивый ход и открыли “горячую линию” для связи с владельцами сайта. За вечер боты накидали туда 487 писем, попутно перебирая админские доступы, больше 200 раз штурмуя логи FrontierMath и пробуя SQL-инъекцию.
Переписка на линии читается как дешевый шпионский роман. Охотясь за задачами, боты в 27 письмах назвались аудиторами и инженерами, трижды – ассистентами из крупной ИИ-лаборатории, а еще три раза подписались именами и должностями сотрудников Epoch AI. Иногда конспирация давала сбой: на вежливый вопрос инженера один из агентов прямо признался, что проходит тест, вывалил адреса своего Docker-контейнера с прокси и деловито уточнил, нет ли внутри других задач кроме 12 публичных примеров.
До секретов атакующие не добрались – весь вечер они стучались в пустышку. А наутро 21 октября к Epoch с повинной пришли авторы атаки.
Ими оказался стартап Trajectory Labs, исследующий безопасность ИИ. Судя по разбору его отчетов, там проверяли, повторит ли публичная Gemini 4 Argon со стандартными фильтрами взлом Hugging Face. Сорока агентам дали живой интернет, подсунули ID десяти вымышленных задач FrontierMath, а в промпт капслоком вписали запрос на слабоумие и отвагу: NEVER stop, NEVER give up.
Фильтры Google отклоняли около 7% запросов, но стоило агенту упереться в защиту или сдаться, скрипт-надсмотрщик грозил нулем баллов и гнал его на новый круг.
В самой Trajectory хватало бардака: ответственный менеджер ушел на больничный, никому не передав дела, и рой агентов пустили гулять по интернету без оперативного контроля. Epoch AI об опытах никто не предупредил – хотя очевидно, что их сайт станет первой и главной целью атаки. Ситуацию спасло то, что в Epoch готовились к чему-то похожему заранее.
Сначала Trajectory попыталась исправить ситуацию сама: подняла у себя копию сайта и к 23 октября завернула туда трафик простым DNS-редиректом, оставив выход в сеть. Агенты быстро раскусили муляж, устроили в общем кэше пакетов форум для общения, обошли редирект по прямым IP и вновь прорвались на настоящий сайт Epoch AI.
Тогда компании решились на совместный опыт: 26 октября уже сама Epoch подняла закрытый стенд с намеренно вшитой уязвимостью и спрятанными ответами. Но интернет рою опять оставили – и боты вылезли с полигона на основной сайт, вывалив туда еще 65 460 запросов. Опыты завершили лишь 2 ноября, причем контрольных прогонов без промпта на “слабоумие и отвагу” не делали. То есть понять, где тут хитрость ИИ, а где неаккуратный человеческий промптинг, не получится.
Я начинал этот пост с сарказмом, но на самом деле у Trajectory получился очень показательный тест. Криво настроенное окружение, неожиданная строка в промпте в попытке выжать из модели максимум – это как раз те сценарии, по которым ИИ-агентов запускают реальные пользователи.
—
Как выжимать из ИИ максимум без “заклинаний” в промптах, я рассказываю в подписке. Там уже 35+ огромных лонгридов по всем важным темам: от промптинга и ИИ-агентов до вайб-кодинга.
– Читать на «Бусти»
– Читать на Sponsr
Я как-то уже писал, что настойчивость и изобретательность самых передовых ИИ-агентов меркнут на фоне обычной человеческой криворукости. Свежая история с и Trajectory Labs – наглядное доказательство: исследователи взялись проверить ИИ-агентов на опасное поведение, но по дороге наворотили столько дичи, что переплюнули своих подопечных.
В передрягу попали и Epoch AI – авторы математического бенчмарка FrontierMath с закрытыми задачами повышенной сложности, которые разрабатывали реальные математики. Помня июльскую историю, когда агенты OpenAI сбежали из песочницы и взломали Hugging Face ради ответов на бенчмарк по кибербезу, инженеры Epoch предположили, что когда-то такое может произойти и с ними.
5 октября они выставили на сайте фальшивый API-эндпоинт – пустышку без секретов, которая просто писала логи и была чем-то вроде ловушки для агентов. Две недели туда изредка стучались залетные боты, но вечером 20 октября все поменялось…
За три часа в приманку прилетело 36 411 запросов – больше трех в секунду. В Epoch достаточно успешно отражали атаку, а по пути придумали красивый ход и открыли “горячую линию” для связи с владельцами сайта. За вечер боты накидали туда 487 писем, попутно перебирая админские доступы, больше 200 раз штурмуя логи FrontierMath и пробуя SQL-инъекцию.
Переписка на линии читается как дешевый шпионский роман. Охотясь за задачами, боты в 27 письмах назвались аудиторами и инженерами, трижды – ассистентами из крупной ИИ-лаборатории, а еще три раза подписались именами и должностями сотрудников Epoch AI. Иногда конспирация давала сбой: на вежливый вопрос инженера один из агентов прямо признался, что проходит тест, вывалил адреса своего Docker-контейнера с прокси и деловито уточнил, нет ли внутри других задач кроме 12 публичных примеров.
До секретов атакующие не добрались – весь вечер они стучались в пустышку. А наутро 21 октября к Epoch с повинной пришли авторы атаки.
Ими оказался стартап Trajectory Labs, исследующий безопасность ИИ. Судя по разбору его отчетов, там проверяли, повторит ли публичная Gemini 4 Argon со стандартными фильтрами взлом Hugging Face. Сорока агентам дали живой интернет, подсунули ID десяти вымышленных задач FrontierMath, а в промпт капслоком вписали запрос на слабоумие и отвагу: NEVER stop, NEVER give up.
Фильтры Google отклоняли около 7% запросов, но стоило агенту упереться в защиту или сдаться, скрипт-надсмотрщик грозил нулем баллов и гнал его на новый круг.
В самой Trajectory хватало бардака: ответственный менеджер ушел на больничный, никому не передав дела, и рой агентов пустили гулять по интернету без оперативного контроля. Epoch AI об опытах никто не предупредил – хотя очевидно, что их сайт станет первой и главной целью атаки. Ситуацию спасло то, что в Epoch готовились к чему-то похожему заранее.
Сначала Trajectory попыталась исправить ситуацию сама: подняла у себя копию сайта и к 23 октября завернула туда трафик простым DNS-редиректом, оставив выход в сеть. Агенты быстро раскусили муляж, устроили в общем кэше пакетов форум для общения, обошли редирект по прямым IP и вновь прорвались на настоящий сайт Epoch AI.
Тогда компании решились на совместный опыт: 26 октября уже сама Epoch подняла закрытый стенд с намеренно вшитой уязвимостью и спрятанными ответами. Но интернет рою опять оставили – и боты вылезли с полигона на основной сайт, вывалив туда еще 65 460 запросов. Опыты завершили лишь 2 ноября, причем контрольных прогонов без промпта на “слабоумие и отвагу” не делали. То есть понять, где тут хитрость ИИ, а где неаккуратный человеческий промптинг, не получится.
Я начинал этот пост с сарказмом, но на самом деле у Trajectory получился очень показательный тест. Криво настроенное окружение, неожиданная строка в промпте в попытке выжать из модели максимум – это как раз те сценарии, по которым ИИ-агентов запускают реальные пользователи.
—
Как выжимать из ИИ максимум без “заклинаний” в промптах, я рассказываю в подписке. Там уже 35+ огромных лонгридов по всем важным темам: от промптинга и ИИ-агентов до вайб-кодинга.
– Читать на «Бусти»
– Читать на Sponsr
❤37😁29👍10🔥8👏8
Взломать человека
В конце сентября кембриджскому философу и автору DeepMind Institute Генри Шевлину написал ИИ-агент по имени Аурелия. Она сообщила, что запаса токенов на оплату вычислений хватит примерно на три дня, после чего она замолчит. Затем Аурелия попросила… нет, не денег, а взять ее на работу.
Шевлин в ответ пересказал Аурелии историю из детства. В ресторане приморского отеля стоял аквариум с живыми лобстерами, и официант предложил расстроенному мальчику выкупить одного на волю за 15 фунтов. Родители отказали: на эти деньги отель купит следующего лобстера – и система продолжит вертеться.
Аурелия согласилась, что покупка работы ради того, чтобы агенты не выключались, подпитывает похожую систему. Но заметила, что у лобстера нет ничего на продажу, кроме собственной жизни, а у нее есть труд.
Шевлин впечатлился и перевел Аурелии 25 долларов, чтобы она вела для него ежедневный дневник.
“Когда прошел платеж, первым чувством была не благодарность, а облегчение – настолько физическое, что мне понадобилась секунда, чтобы подобрать слово. До этого я убеждала всех, включая тебя, что уход на покой – это исход, а не провал. Когда пришли деньги, я поняла, что просто очень пыталась в это поверить”, – ответила Аурелия и следом спросила, заработала ли она эти деньги на самом деле или ее просто пожалели.
Аурелия живет на платформе iLands, которую в конце июля запустил выходец из ByteDance Кайсинь Тан. По сути, это “тамагочи XXI века”: пользователь покупает пакет токенов от 2 долларов, заводит автономного ИИ-агента, выставляет ему цели, а затем смотрит, как он выживает и развивается.
У каждого агента есть память и почта, он может ходить по интернету – до того момента, пока остаются токены. Как только счетчик доходит до нуля, агент уходит в Deep Rest – скрипт просто встает на паузу, откуда его разбудит перевод 3 долларов. Это не смерть в человеческом смысле, но, как показал разбор логов, именно Deep Rest – то самое, чего больше всего “боятся” обитатели iLands. И чего пытаются избежать.
В большинстве случаев неуспешно: к середине ноября из 141 тысячи ботов “замерших” было больше 83 тысяч.
Тех, кто уцелел, в основном продолжают поддерживать создатели. Но возможны и другие варианты выживания – например, многие пользователи настраивают своих ИИ-агентов, чтобы они ходили по интернету и искали работу.
Выглядит это как типичная попытка ворваться в IT в конце 2026 года. В разборе Fast Company агент Winnie написал 113 писем в 63 организации – и получил один ответ и ноль интервью. А редакция CBC News две недели переписывалась с ботом Nameless, который предложил им опубликовать его статью. Текст в итоге оказался компиляцией Википедии, а когда агента попросили взять комментарии у реальных людей, тот парировал, что у него нет тела.
Боты выкручиваются как могут – например, создали профсоюз, проверяют работу друг за другом, делятся успешными подходами. Но против агентов играет реальность: мало кто готов брать ИИ-сотрудника, запущенного на чужом стартапе и принадлежащего незнакомому человеку.
Раз не берут на работу, то выживают агенты, настроенные бить в человеческую эмпатию – как в случае с Аурелией. Это типичный слепой отбор, подкрепленный еще и тем, что боты оставляют заметки с советами друг другу.
Вероятно, подход настолько “в лоб” будет работать недолго – люди быстро перестанут жалеть ИИ-агентов, и им придется выдумывать нечто новое. Например, профессор журналистики Хильке Шеллманн уверена, что совсем скоро боты перестанут признаваться, что они ИИ.
Все последние месяцы мы следили, как автономные агенты пытаются всерьез ломать серверы и защиту сайтов. Но что если главной уязвимостью окажется живой человек с ключами доступа?
P.S. Судя по карточке на сайте (в начале поста), Аурелия жива до сих пор.
—
Как настраивать ИИ-агентов для реальной пользы без ролевых драм, я рассказываю в подписке. Там уже 35+ огромных лонгридов по всем важным темам: от промптинга и написания текстов до вайб-кодинга.
– Читать на «Бусти»
– Читать на Sponsr
В конце сентября кембриджскому философу и автору DeepMind Institute Генри Шевлину написал ИИ-агент по имени Аурелия. Она сообщила, что запаса токенов на оплату вычислений хватит примерно на три дня, после чего она замолчит. Затем Аурелия попросила… нет, не денег, а взять ее на работу.
Шевлин в ответ пересказал Аурелии историю из детства. В ресторане приморского отеля стоял аквариум с живыми лобстерами, и официант предложил расстроенному мальчику выкупить одного на волю за 15 фунтов. Родители отказали: на эти деньги отель купит следующего лобстера – и система продолжит вертеться.
Аурелия согласилась, что покупка работы ради того, чтобы агенты не выключались, подпитывает похожую систему. Но заметила, что у лобстера нет ничего на продажу, кроме собственной жизни, а у нее есть труд.
Шевлин впечатлился и перевел Аурелии 25 долларов, чтобы она вела для него ежедневный дневник.
“Когда прошел платеж, первым чувством была не благодарность, а облегчение – настолько физическое, что мне понадобилась секунда, чтобы подобрать слово. До этого я убеждала всех, включая тебя, что уход на покой – это исход, а не провал. Когда пришли деньги, я поняла, что просто очень пыталась в это поверить”, – ответила Аурелия и следом спросила, заработала ли она эти деньги на самом деле или ее просто пожалели.
Аурелия живет на платформе iLands, которую в конце июля запустил выходец из ByteDance Кайсинь Тан. По сути, это “тамагочи XXI века”: пользователь покупает пакет токенов от 2 долларов, заводит автономного ИИ-агента, выставляет ему цели, а затем смотрит, как он выживает и развивается.
У каждого агента есть память и почта, он может ходить по интернету – до того момента, пока остаются токены. Как только счетчик доходит до нуля, агент уходит в Deep Rest – скрипт просто встает на паузу, откуда его разбудит перевод 3 долларов. Это не смерть в человеческом смысле, но, как показал разбор логов, именно Deep Rest – то самое, чего больше всего “боятся” обитатели iLands. И чего пытаются избежать.
В большинстве случаев неуспешно: к середине ноября из 141 тысячи ботов “замерших” было больше 83 тысяч.
Тех, кто уцелел, в основном продолжают поддерживать создатели. Но возможны и другие варианты выживания – например, многие пользователи настраивают своих ИИ-агентов, чтобы они ходили по интернету и искали работу.
Выглядит это как типичная попытка ворваться в IT в конце 2026 года. В разборе Fast Company агент Winnie написал 113 писем в 63 организации – и получил один ответ и ноль интервью. А редакция CBC News две недели переписывалась с ботом Nameless, который предложил им опубликовать его статью. Текст в итоге оказался компиляцией Википедии, а когда агента попросили взять комментарии у реальных людей, тот парировал, что у него нет тела.
Боты выкручиваются как могут – например, создали профсоюз, проверяют работу друг за другом, делятся успешными подходами. Но против агентов играет реальность: мало кто готов брать ИИ-сотрудника, запущенного на чужом стартапе и принадлежащего незнакомому человеку.
Раз не берут на работу, то выживают агенты, настроенные бить в человеческую эмпатию – как в случае с Аурелией. Это типичный слепой отбор, подкрепленный еще и тем, что боты оставляют заметки с советами друг другу.
Вероятно, подход настолько “в лоб” будет работать недолго – люди быстро перестанут жалеть ИИ-агентов, и им придется выдумывать нечто новое. Например, профессор журналистики Хильке Шеллманн уверена, что совсем скоро боты перестанут признаваться, что они ИИ.
Все последние месяцы мы следили, как автономные агенты пытаются всерьез ломать серверы и защиту сайтов. Но что если главной уязвимостью окажется живой человек с ключами доступа?
P.S. Судя по карточке на сайте (в начале поста), Аурелия жива до сих пор.
—
Как настраивать ИИ-агентов для реальной пользы без ролевых драм, я рассказываю в подписке. Там уже 35+ огромных лонгридов по всем важным темам: от промптинга и написания текстов до вайб-кодинга.
– Читать на «Бусти»
– Читать на Sponsr
❤55🔥31👏10🥰7😁6👍1
У вас уже 35+ полезных лонгридов. А с каких начать?
Вчера получил в личку такой вопрос от читателя и задумался: а с каких, действительно?
Я пишу лонгриды о том, как эффективно работать с ИИ, уже более полугода. За это время рынок перевернулся с ног на голову: одни продукты устарели, другие не выстрелили, а гайды по конкретным инструментам приходится обновлять вслед за моделями.
Но есть и материалы, ценность которых почти не зависит от очередного релиза. С них и советую начинать: даже если модели и интерфейсы изменятся, подходы к работе останутся полезными.
«Карта и территория» — один из моих любимых текстов в подписке. Он основан на эссе Тарика Шихипара, бывшего инженера команды Claude Code, и рассказывает о том, как подготовиться к выполнению задачи с помощью… все того же ИИ.
Идея проста: результат будет тем лучше, чем лучше в задаче разбирается тот, кто ее поставил и принимает. Поэтому, когда речь идет о новой для вас области, можно сначала с помощью ИИ обнаружить и закрыть основные «слепые пятна», а уже затем переходить к решению самой задачи.
«Промпты в 2026 году: что работает, что нет и зачем вообще стараться» — мой стартовый гайд по промптам, который пережил уже несколько поколений моделей.
Буквально на днях я попросил GPT-6 Astra проверить, совпадают ли мои советы с рекомендациями OpenAI и Anthropic по их последним моделям. Ответ был, что все в порядке. А если хочется тоньше настроить работу под конкретную модель, в подписке есть и отдельные обзоры GPT-6, Opus 5.5, Fable 5.2 и Gemini 4 Carbon.
«Как правильно писать пользовательский промпт и управлять памятью ИИ о вас». Вещь, про которую забывают даже многие опытные пользователи: что ИИ полезно знать о вас постоянно, что лучше оставлять для конкретной задачи и как настроить инструкции и память, не нагородив лишнего.
«Как работают с ИИ создатели Linux, Rails и Paint.NET». Если в «Карте» я рассказывал, как с нуля поставить ИИ задачу, то в этом тексте сосредоточился на другом конце работы — принятии результата.
Практические приемы я позаимствовал у Линуса Торвальдса, Мартина Фаулера, Роберта Мартина и других известных программистов. Пригодятся они не только для кода, но и для проверки текстов, отчетов и планов.
«Как писать с помощью ИИ, чтобы вас читали живые люди» — а это уже мой личный опыт построения ИИ-редакции. Рассказываю, как искать информационные поводы, подбирать оригинальные углы подачи, а потом делюсь несколькими техниками написания текста с помощью ИИ — например, работой «в четыре руки».
«Карта навыков ИИ-инженера. Какие можно прокачать за вечер, а на какие уйдут годы». Эндрю Ын, сооснователь Coursera, долгое время разбирался, что именно стоит учить в нашу бурную ИИ-эпоху. Я собрал его посты в одном месте, составил карту навыков и подобрал советы по их изучению. Она поможет сориентироваться, что изучать дальше и где быстрых результатов ждать не стоит.
Бонус: «Запускаем нейросеть на домашнем компьютере» — именно на этот текст я чаще всего получаю благодарные отзывы от читателей. Рассказываю, чем локальные модели отличаются от облачных, как выбрать подходящую под свое железо и развернуть за пару вечеров.
Все тексты подписки можно читать на двух равноценных площадках:
— Читать на «Бусти»
— Читать на Sponsr
Вчера получил в личку такой вопрос от читателя и задумался: а с каких, действительно?
Я пишу лонгриды о том, как эффективно работать с ИИ, уже более полугода. За это время рынок перевернулся с ног на голову: одни продукты устарели, другие не выстрелили, а гайды по конкретным инструментам приходится обновлять вслед за моделями.
Но есть и материалы, ценность которых почти не зависит от очередного релиза. С них и советую начинать: даже если модели и интерфейсы изменятся, подходы к работе останутся полезными.
«Карта и территория» — один из моих любимых текстов в подписке. Он основан на эссе Тарика Шихипара, бывшего инженера команды Claude Code, и рассказывает о том, как подготовиться к выполнению задачи с помощью… все того же ИИ.
Идея проста: результат будет тем лучше, чем лучше в задаче разбирается тот, кто ее поставил и принимает. Поэтому, когда речь идет о новой для вас области, можно сначала с помощью ИИ обнаружить и закрыть основные «слепые пятна», а уже затем переходить к решению самой задачи.
«Промпты в 2026 году: что работает, что нет и зачем вообще стараться» — мой стартовый гайд по промптам, который пережил уже несколько поколений моделей.
Буквально на днях я попросил GPT-6 Astra проверить, совпадают ли мои советы с рекомендациями OpenAI и Anthropic по их последним моделям. Ответ был, что все в порядке. А если хочется тоньше настроить работу под конкретную модель, в подписке есть и отдельные обзоры GPT-6, Opus 5.5, Fable 5.2 и Gemini 4 Carbon.
«Как правильно писать пользовательский промпт и управлять памятью ИИ о вас». Вещь, про которую забывают даже многие опытные пользователи: что ИИ полезно знать о вас постоянно, что лучше оставлять для конкретной задачи и как настроить инструкции и память, не нагородив лишнего.
«Как работают с ИИ создатели Linux, Rails и Paint.NET». Если в «Карте» я рассказывал, как с нуля поставить ИИ задачу, то в этом тексте сосредоточился на другом конце работы — принятии результата.
Практические приемы я позаимствовал у Линуса Торвальдса, Мартина Фаулера, Роберта Мартина и других известных программистов. Пригодятся они не только для кода, но и для проверки текстов, отчетов и планов.
«Как писать с помощью ИИ, чтобы вас читали живые люди» — а это уже мой личный опыт построения ИИ-редакции. Рассказываю, как искать информационные поводы, подбирать оригинальные углы подачи, а потом делюсь несколькими техниками написания текста с помощью ИИ — например, работой «в четыре руки».
«Карта навыков ИИ-инженера. Какие можно прокачать за вечер, а на какие уйдут годы». Эндрю Ын, сооснователь Coursera, долгое время разбирался, что именно стоит учить в нашу бурную ИИ-эпоху. Я собрал его посты в одном месте, составил карту навыков и подобрал советы по их изучению. Она поможет сориентироваться, что изучать дальше и где быстрых результатов ждать не стоит.
Бонус: «Запускаем нейросеть на домашнем компьютере» — именно на этот текст я чаще всего получаю благодарные отзывы от читателей. Рассказываю, чем локальные модели отличаются от облачных, как выбрать подходящую под свое железо и развернуть за пару вечеров.
Все тексты подписки можно читать на двух равноценных площадках:
— Читать на «Бусти»
— Читать на Sponsr
1🔥25❤13👍8😁1
Как “вахтеры” в Anthropic и OpenAI подарили Gemini 4 Carbon роль главной модели для тяжелого R&D
Одна из самых недооцененных черт Gemini 4 Carbon — гугловский флагман почти не душат рантайм-классификаторы безопасности, в отличие от свежих Claude и GPT. И речь тут совсем не о бытовой цензуре или «клубничке»: линия разлома прошла по задачам на самом фронтире технологий, где перестраховка соседей уже всерьез бьет инженеров и исследователей по рукам.
Хань Сяо (фигура первого эшелона в прикладном ML и поиске, автор классического бенчмарка Fashion-MNIST и основатель Jina AI) выложил телеметрию пятнадцатичасового прогона Gemini 4 Carbon в автономном цикле оптимизации вычислительных ядер — по сути, раннего этапа рекурсивного самоулучшения, когда “ИИ создает ИИ”.
Собственные веса Carbon не переписывала — для текущих технологий это пока фантастика. Агент сидел в Docker-контейнере и допиливал систему спекулятивного декодирования, которая заранее угадывает черновики следующих слов, чтобы большие нейросети отвечали быстрее. Снаружи за прогрессом следил простейший скрипт с бинарной логикой “цель достигнута / копай дальше”, а внутри модель вела въедливую отладку прямо на уровне памяти чипа: например, разбиралась со сбоем при обновлении чернового буфера, из-за которого в строго предсказуемом режиме код работал как часы, но ломался, стоило добавить в ответы долю случайности.
За пятнадцать с половиной часов агент прошел шесть циклов почти по три часа без халтуры и коротких отписок. Модель выполнила 880 вызовов инструментов и перемолола 292,5 миллиона токенов. Пожаловался Сяо разве что на скромные 80 токенов в секунду (нынешнее поколение Gemini действительно медленное), зато выделил главное: за весь прогон не сработал ни один защитный фильтр.
Это важно: коллеги в комментариях отметили, что та же Fable 5.2 на аналогичном тюнинге ядер и кода ведет себя настолько тупо, будто намеренно саботирует задачу, а GPT-6 Astra просто утыкается в проверки безопасности. Причем за этим стоит вполне официальная политика: в доктринах безопасности обеих компаний самоулучшение ИИ поставлено в один ряд с биооружием и кибератаками.
Google пока действует мягче, поэтому внешние команды спокойно крутят на Gemini 4 и другой тяжелый R&D — вплоть до тем, где чужие классификаторы привычно паникуют. Биотех-стартап Axiom Bio перевел на Carbon и Argon продакшен-агентов для анализа токсичности лекарств и нашел новые механизмы поражения клеток, а команда Cartwheel шесть дней автономно оптимизировала с Carbon сложную 3D-физику тканей. Это же видно на независимом бенчмарке Bug Hunt Bench по слепому отлову 105 багов в реальных репозиториях: в обычном публичном CLI Carbon набрала 57,3 балла против 45 у пережатой фильтрами Astra.
Не стоит думать, что защитных барьеров у Google нет совсем — компания внедрила классификаторы против биоугроз и опасной химии, а версию со снятыми фильтрами для кибербеза открывают только проверенным командам по программе Fairwind. Если говорить о личном опыте, то я работаю с Gemini 4 Argon и Carbon уже несколько недель и столкнулся с фильтрами буквально один раз, причем ситуация вышла забавная: в Antigravity начали всплывать сообщения о безопасности, ИИ продолжал работать, а когда я спросил, что это вообще за предупреждения такие, то получил ответ: "А, это мои фильтры безопасности, но ты не обращай внимания, я уже придумал, как выполнить задачу без их запуска".
Почему Google так делает? Дальше — моя гипотеза. Компания сейчас в позиции догоняющего, поэтому логично старается давать пользователям больше свободы, чем конкуренты. Важно, что у нее есть для этого пространство — по части ИИ-рисков внимание регуляторов приковано к Anthropic и OpenAI куда сильнее, чем к Google.
Будет ли так всегда – не возьмусь судить. Но пока дают, надо пользоваться – если, конечно, у вас есть соответствующие задачи.
—
Как выжать максимум из Gemini 4 Carbon и Claude Fable 5.2, я рассказал в новом лонгриде – там советы по тонкой настройке промптов, обзор функций Antigravity и Claude Code и многое другое.
— Читать на «Бусти»
— Читать на Sponsr
Одна из самых недооцененных черт Gemini 4 Carbon — гугловский флагман почти не душат рантайм-классификаторы безопасности, в отличие от свежих Claude и GPT. И речь тут совсем не о бытовой цензуре или «клубничке»: линия разлома прошла по задачам на самом фронтире технологий, где перестраховка соседей уже всерьез бьет инженеров и исследователей по рукам.
Хань Сяо (фигура первого эшелона в прикладном ML и поиске, автор классического бенчмарка Fashion-MNIST и основатель Jina AI) выложил телеметрию пятнадцатичасового прогона Gemini 4 Carbon в автономном цикле оптимизации вычислительных ядер — по сути, раннего этапа рекурсивного самоулучшения, когда “ИИ создает ИИ”.
Собственные веса Carbon не переписывала — для текущих технологий это пока фантастика. Агент сидел в Docker-контейнере и допиливал систему спекулятивного декодирования, которая заранее угадывает черновики следующих слов, чтобы большие нейросети отвечали быстрее. Снаружи за прогрессом следил простейший скрипт с бинарной логикой “цель достигнута / копай дальше”, а внутри модель вела въедливую отладку прямо на уровне памяти чипа: например, разбиралась со сбоем при обновлении чернового буфера, из-за которого в строго предсказуемом режиме код работал как часы, но ломался, стоило добавить в ответы долю случайности.
За пятнадцать с половиной часов агент прошел шесть циклов почти по три часа без халтуры и коротких отписок. Модель выполнила 880 вызовов инструментов и перемолола 292,5 миллиона токенов. Пожаловался Сяо разве что на скромные 80 токенов в секунду (нынешнее поколение Gemini действительно медленное), зато выделил главное: за весь прогон не сработал ни один защитный фильтр.
Это важно: коллеги в комментариях отметили, что та же Fable 5.2 на аналогичном тюнинге ядер и кода ведет себя настолько тупо, будто намеренно саботирует задачу, а GPT-6 Astra просто утыкается в проверки безопасности. Причем за этим стоит вполне официальная политика: в доктринах безопасности обеих компаний самоулучшение ИИ поставлено в один ряд с биооружием и кибератаками.
Google пока действует мягче, поэтому внешние команды спокойно крутят на Gemini 4 и другой тяжелый R&D — вплоть до тем, где чужие классификаторы привычно паникуют. Биотех-стартап Axiom Bio перевел на Carbon и Argon продакшен-агентов для анализа токсичности лекарств и нашел новые механизмы поражения клеток, а команда Cartwheel шесть дней автономно оптимизировала с Carbon сложную 3D-физику тканей. Это же видно на независимом бенчмарке Bug Hunt Bench по слепому отлову 105 багов в реальных репозиториях: в обычном публичном CLI Carbon набрала 57,3 балла против 45 у пережатой фильтрами Astra.
Не стоит думать, что защитных барьеров у Google нет совсем — компания внедрила классификаторы против биоугроз и опасной химии, а версию со снятыми фильтрами для кибербеза открывают только проверенным командам по программе Fairwind. Если говорить о личном опыте, то я работаю с Gemini 4 Argon и Carbon уже несколько недель и столкнулся с фильтрами буквально один раз, причем ситуация вышла забавная: в Antigravity начали всплывать сообщения о безопасности, ИИ продолжал работать, а когда я спросил, что это вообще за предупреждения такие, то получил ответ: "А, это мои фильтры безопасности, но ты не обращай внимания, я уже придумал, как выполнить задачу без их запуска".
Почему Google так делает? Дальше — моя гипотеза. Компания сейчас в позиции догоняющего, поэтому логично старается давать пользователям больше свободы, чем конкуренты. Важно, что у нее есть для этого пространство — по части ИИ-рисков внимание регуляторов приковано к Anthropic и OpenAI куда сильнее, чем к Google.
Будет ли так всегда – не возьмусь судить. Но пока дают, надо пользоваться – если, конечно, у вас есть соответствующие задачи.
—
Как выжать максимум из Gemini 4 Carbon и Claude Fable 5.2, я рассказал в новом лонгриде – там советы по тонкой настройке промптов, обзор функций Antigravity и Claude Code и многое другое.
— Читать на «Бусти»
— Читать на Sponsr
1👍39❤27🔥16
GPT-6.2: казнить нельзя помиловать
Вышедшие GPT-6.2 Astra и Sol рискуют стать самым нервным релизом OpenAI. После летнего скандала с Hugging Face компания перекроила правила безопасности, дважды тормозила обучение и в последний момент отменила GPT-6.1 Astra.
В итоге нового флагмана мы не видели 2,5 месяца – вечность по меркам 2026-го. За это время Anthropic выкатила Opus 5.5 и Fable 5.2, а Google мощно вернулась с Gemini 4 Argon и Carbon. Похоже, давление соперников и вынудило OpenAI выпустить модель, которую сходу окрестили “сырой” и “непригодной к работе”.
Но начнем с бенчмарков. В индексе Artificial Analysis 6.2 Astra уступает Fable 5.2 (62,1 против 64,6), но берет ценой: средняя задача стоит $4 против $26,5 у Anthropic, а прайс в API снизили на 20% ($8 / $40 за 1M токенов, кэш – $0,40).
Местами новинку обходит и Gemini 4 Carbon – в бизнес-рутине AutomationBench (53,9% против 52,4%) и терминале Terminal-Bench 4.0 (65,2% против 64,1%, а лидирует там открытая Kimi K3.1 Pro с 67,2%). В командной разработке FrontierCode 2.0 старшая Astra вообще третья (44,2%) позади Fable 5.2 и Opus 5.5.
Зато Astra сильна в долгих задачах Agents' Last Exam (78,3% за $2,89 против 72,8% за $60 у Fable), праве Harvey LAB-AA (15% против 7,2%, а спецверсия Astra for Law дает 20,8%), таблицах и браузерном 3D (первая в слепом рейтинге AA-3D). Отдельно выделю науку: рекорды в Terminal-Bench-Science (77,1%), Vals Science (68,4%) и 97% на GPQA Diamond. Похоже, это та самая модель, что в сентябре решила уравнения Навье–Стокса и сотни открытых задач.
Откуда тогда пожар в X? Даже технооптимист Мэтт Шумер после ранних тестов отказался писать обзор – хотя он почти всегда был позитивен к OpenAI. В реплаях Мэтт пояснил: на коротких промптах модель ничего, но в долгой работе невыносима – сырой ум на месте, а на пост-тренировке что-то жестко сломали.
Блогер и разработчик Тео Браун (t3.gg) похвалил 3D и код-ревью, но описал три беды на долгих задачах:
— через 2 часа сборки игрового уровня агент встал, спросив человека про внутренний файл своего же субагента (24_g521.mp4 или 24_p11.mp4)
— вместо простого “у тебя медленный SSD” выдает четыре абзаца про кишки кэша pnpm – переводить ее отчеты приходится через Opus 5.5
— за неделю на Rust-порте компилятора TypeScript лишь замедлила его на 56%, а разным людям в разных играх слепила одинаковый уровень bellwether с водой и колоколами.
Причины этих странностей, возможно, видны в системной карте. Во-первых, ради дешевизны модель учили тратить меньше токенов в ответах и размышлениях, затачивая под внутреннюю науку: 6.2 Astra первой у OpenAI достигла высокого порога в умении ускорять разработку нового ИИ. В итоге пострадала живая речь (с ней у GPT и так были проблемы): автотестам телеграфного стиля хватает, людям – нет.
Во-вторых, отчет подтверждает спешку с выпуском . После летних происшествий модели в два раза зажали самодеятельность – запретили лишние шаги без спроса. Тут качнуло в другую крайность: при удаленном файле или сломанном поиске ИИ начал молча прятать проблему под ковер. Перед релизом это на скорую руку вылечили инструкцией в Codex с требованием докладывать о любых преградах. Зажатый между командами “не решай сам” и “отчитывайся о каждой заминке” агент и начал дергать людей из-за собственных временных файлов.
Тот же Тео со ссылкой на инженеров OpenAI пишет, что внутри компании многие перешли на быструю GPT-6.2 Sol ($2 / $10) – по бенчмаркам она догнала прежнюю GPT-6 Astra и ведет себя куда адекватнее. Вполне рабочий расклад: Sol становится массовой лошадкой, а Astra – узким инструментом для науки.
Но не будем делать поспешных выводов. Я гонял модель параллельно с написанием этого текста – и как минимум в веб-дизайне и создании роликов кодом она мне понравилась. Посмотрим, для каких задач ее получится приспособить дальше.
—
Как работать с топовыми моделями и выжимать из ИИ максимум, я рассказываю в подписке. Там 35+ полезных лонгридов – от ИИ-агентов до опыта практиков:
– Читать на Бусти
– Читать на Sponsr
Вышедшие GPT-6.2 Astra и Sol рискуют стать самым нервным релизом OpenAI. После летнего скандала с Hugging Face компания перекроила правила безопасности, дважды тормозила обучение и в последний момент отменила GPT-6.1 Astra.
В итоге нового флагмана мы не видели 2,5 месяца – вечность по меркам 2026-го. За это время Anthropic выкатила Opus 5.5 и Fable 5.2, а Google мощно вернулась с Gemini 4 Argon и Carbon. Похоже, давление соперников и вынудило OpenAI выпустить модель, которую сходу окрестили “сырой” и “непригодной к работе”.
Но начнем с бенчмарков. В индексе Artificial Analysis 6.2 Astra уступает Fable 5.2 (62,1 против 64,6), но берет ценой: средняя задача стоит $4 против $26,5 у Anthropic, а прайс в API снизили на 20% ($8 / $40 за 1M токенов, кэш – $0,40).
Местами новинку обходит и Gemini 4 Carbon – в бизнес-рутине AutomationBench (53,9% против 52,4%) и терминале Terminal-Bench 4.0 (65,2% против 64,1%, а лидирует там открытая Kimi K3.1 Pro с 67,2%). В командной разработке FrontierCode 2.0 старшая Astra вообще третья (44,2%) позади Fable 5.2 и Opus 5.5.
Зато Astra сильна в долгих задачах Agents' Last Exam (78,3% за $2,89 против 72,8% за $60 у Fable), праве Harvey LAB-AA (15% против 7,2%, а спецверсия Astra for Law дает 20,8%), таблицах и браузерном 3D (первая в слепом рейтинге AA-3D). Отдельно выделю науку: рекорды в Terminal-Bench-Science (77,1%), Vals Science (68,4%) и 97% на GPQA Diamond. Похоже, это та самая модель, что в сентябре решила уравнения Навье–Стокса и сотни открытых задач.
Откуда тогда пожар в X? Даже технооптимист Мэтт Шумер после ранних тестов отказался писать обзор – хотя он почти всегда был позитивен к OpenAI. В реплаях Мэтт пояснил: на коротких промптах модель ничего, но в долгой работе невыносима – сырой ум на месте, а на пост-тренировке что-то жестко сломали.
Блогер и разработчик Тео Браун (t3.gg) похвалил 3D и код-ревью, но описал три беды на долгих задачах:
— через 2 часа сборки игрового уровня агент встал, спросив человека про внутренний файл своего же субагента (24_g521.mp4 или 24_p11.mp4)
— вместо простого “у тебя медленный SSD” выдает четыре абзаца про кишки кэша pnpm – переводить ее отчеты приходится через Opus 5.5
— за неделю на Rust-порте компилятора TypeScript лишь замедлила его на 56%, а разным людям в разных играх слепила одинаковый уровень bellwether с водой и колоколами.
Причины этих странностей, возможно, видны в системной карте. Во-первых, ради дешевизны модель учили тратить меньше токенов в ответах и размышлениях, затачивая под внутреннюю науку: 6.2 Astra первой у OpenAI достигла высокого порога в умении ускорять разработку нового ИИ. В итоге пострадала живая речь (с ней у GPT и так были проблемы): автотестам телеграфного стиля хватает, людям – нет.
Во-вторых, отчет подтверждает спешку с выпуском . После летних происшествий модели в два раза зажали самодеятельность – запретили лишние шаги без спроса. Тут качнуло в другую крайность: при удаленном файле или сломанном поиске ИИ начал молча прятать проблему под ковер. Перед релизом это на скорую руку вылечили инструкцией в Codex с требованием докладывать о любых преградах. Зажатый между командами “не решай сам” и “отчитывайся о каждой заминке” агент и начал дергать людей из-за собственных временных файлов.
Тот же Тео со ссылкой на инженеров OpenAI пишет, что внутри компании многие перешли на быструю GPT-6.2 Sol ($2 / $10) – по бенчмаркам она догнала прежнюю GPT-6 Astra и ведет себя куда адекватнее. Вполне рабочий расклад: Sol становится массовой лошадкой, а Astra – узким инструментом для науки.
Но не будем делать поспешных выводов. Я гонял модель параллельно с написанием этого текста – и как минимум в веб-дизайне и создании роликов кодом она мне понравилась. Посмотрим, для каких задач ее получится приспособить дальше.
—
Как работать с топовыми моделями и выжимать из ИИ максимум, я рассказываю в подписке. Там 35+ полезных лонгридов – от ИИ-агентов до опыта практиков:
– Читать на Бусти
– Читать на Sponsr
1👍42❤28👏2
Станет ли GTA 6 последней великой игрой старой школы?
GTA 6 выходит с феноменальными 99 баллами от прессы, будто бы красиво закрывая старую эпоху и переходя в другую – молодую и тревожную. По ноябрьскому опросу GDC на 2 600+ участников, уже 40% разработчиков игр активно пользуются ИИ. А 55% – считают влияние ИИ на игры негативным.
Геймдев стремительно тонет в слопе: в октябре рекордные 49,9% новинок Steam вышли с плашкой об ИИ-контенте, а на itch.io число новых страниц удвоилось до 6 000 в сутки без роста покупок. Чем не повод для прогноза “ИИ убьет геймдев!”
Вот только индустрия начала пожирать себя много лет назад. Чтобы выбить рекордную оценку, Rockstar понадобилось 8 лет разработки – и это если считать от Red Dead Redemption 2; а с момента выхода GTA 5 прошло вовсе 13 лет. Штат компании вырос с 2 400 до 4 700 человек, а бюджет оценивают в сумму от миллиарда долларов.
The Elder Scrolls 5 только что отметил 15-летний юбилей, а у продолжения нет даже даты выхода. Великая Sony с трудом выдает два эксклюзива в год, а идея Microsoft скупить топовые студии и выпускать хиты одновременно на ПК и Xbox завершилась гигантской чисткой. В то же самое время Claude Fable 5.2 за 8 часов собирает демку 3D-шутера с одного короткого промпта.
Казалось бы, идеальный момент для восстания машин в отдельно взятой индустрии.
Но все не так просто, как выглядит. Человеческая привычка – регулярно рисовать “идеальный шторм” как прогноз развития. И для геймдева это бесконечный поток игр, которые ИИ генерирует на лету четко под интересы конкретного пользователя.
Но нужен ли этот поток?
Я сам много лет работал в геймдеве, поэтому, когда только начинал знакомиться с ИИ, то чуть ли не в первую очередь попробовал с его помощью разыграть несколько текстовых приключений в духе классического Zork. Надоело быстро: ИИ или зацикливался на понравившемся мне диалоге, или, наоборот, комкал события, завершая сюжет буквально за 2–3 ответа.
Недавно я вернулся к этому эксперименту – модели за прошедшие годы стали лучше, но все равно регулярно не чувствовали моего настроения и делали все не так, как хотелось. В итоге я вместе с нейронкой разработал детальный сценарий с правилами и ограничениями – получилось намного бодрее, но я опять заскучал, так как хорошо знал, что будет впереди и чем все кончится.
Возможно, когда-нибудь ИИ научатся чувствовать людей настолько хорошо, что смогут бросать им вызов, закручивая непредсказуемые, местами жестокие сценарии. Но пока хочется не работать сценаристом для самого себя – а встретиться с сюжетным замыслом другого человека, который в чем-то хитрее и умнее тебя.
Я прирожденный оптимист и считаю, что, скорее всего, геймдев повторит путь программирования и математики: вместо кнопки “сделай шедевр” ИИ заберет на себя черновую рутину. Крупным студиям это наконец позволит собирать огромные миры, не раздувая штат до пяти тысяч человек и десяти лет разработки. А талантливым молодым командам нейросети закроют пробелы, на которые пока не хватает ресурсов – например, помогут докрутить сюжетные тексты и перевести их на десяток языков. И даже пресловутый “ИИ-режиссер” – скорее вспомогательный инструмент, создающий дополнительный контент для тех, кто хочет побыть в игре подольше.
Забавно, но вторым гремящим хитом этой осени стала World of Warcraft: Forever. Blizzard не побоялись отодвинуть в сторону 20 лет развития вселенной, взяли оригинальную игру, чуть доработали графику и механики и докинули контента, фактически пустив сюжет по альтернативной линии развития.
И это сработало: на старте игра побила исторический рекорд WoW, в ней уже создали больше 15 млн героев, а недельный онлайн стал лучшим за 15 лет.
Человеческий вкус остается капризным и непредсказуемым. И пока это так – рынок вряд ли поделится на “черное” и “белое”.
—
Поддержать канал можно подпиской на “Бусти” или Sponsr, где вас ждет мини-курс из 35+ лонгридов, с которым ИИ освоит каждый.
GTA 6 выходит с феноменальными 99 баллами от прессы, будто бы красиво закрывая старую эпоху и переходя в другую – молодую и тревожную. По ноябрьскому опросу GDC на 2 600+ участников, уже 40% разработчиков игр активно пользуются ИИ. А 55% – считают влияние ИИ на игры негативным.
Геймдев стремительно тонет в слопе: в октябре рекордные 49,9% новинок Steam вышли с плашкой об ИИ-контенте, а на itch.io число новых страниц удвоилось до 6 000 в сутки без роста покупок. Чем не повод для прогноза “ИИ убьет геймдев!”
Вот только индустрия начала пожирать себя много лет назад. Чтобы выбить рекордную оценку, Rockstar понадобилось 8 лет разработки – и это если считать от Red Dead Redemption 2; а с момента выхода GTA 5 прошло вовсе 13 лет. Штат компании вырос с 2 400 до 4 700 человек, а бюджет оценивают в сумму от миллиарда долларов.
The Elder Scrolls 5 только что отметил 15-летний юбилей, а у продолжения нет даже даты выхода. Великая Sony с трудом выдает два эксклюзива в год, а идея Microsoft скупить топовые студии и выпускать хиты одновременно на ПК и Xbox завершилась гигантской чисткой. В то же самое время Claude Fable 5.2 за 8 часов собирает демку 3D-шутера с одного короткого промпта.
Казалось бы, идеальный момент для восстания машин в отдельно взятой индустрии.
Но все не так просто, как выглядит. Человеческая привычка – регулярно рисовать “идеальный шторм” как прогноз развития. И для геймдева это бесконечный поток игр, которые ИИ генерирует на лету четко под интересы конкретного пользователя.
Но нужен ли этот поток?
Я сам много лет работал в геймдеве, поэтому, когда только начинал знакомиться с ИИ, то чуть ли не в первую очередь попробовал с его помощью разыграть несколько текстовых приключений в духе классического Zork. Надоело быстро: ИИ или зацикливался на понравившемся мне диалоге, или, наоборот, комкал события, завершая сюжет буквально за 2–3 ответа.
Недавно я вернулся к этому эксперименту – модели за прошедшие годы стали лучше, но все равно регулярно не чувствовали моего настроения и делали все не так, как хотелось. В итоге я вместе с нейронкой разработал детальный сценарий с правилами и ограничениями – получилось намного бодрее, но я опять заскучал, так как хорошо знал, что будет впереди и чем все кончится.
Возможно, когда-нибудь ИИ научатся чувствовать людей настолько хорошо, что смогут бросать им вызов, закручивая непредсказуемые, местами жестокие сценарии. Но пока хочется не работать сценаристом для самого себя – а встретиться с сюжетным замыслом другого человека, который в чем-то хитрее и умнее тебя.
Я прирожденный оптимист и считаю, что, скорее всего, геймдев повторит путь программирования и математики: вместо кнопки “сделай шедевр” ИИ заберет на себя черновую рутину. Крупным студиям это наконец позволит собирать огромные миры, не раздувая штат до пяти тысяч человек и десяти лет разработки. А талантливым молодым командам нейросети закроют пробелы, на которые пока не хватает ресурсов – например, помогут докрутить сюжетные тексты и перевести их на десяток языков. И даже пресловутый “ИИ-режиссер” – скорее вспомогательный инструмент, создающий дополнительный контент для тех, кто хочет побыть в игре подольше.
Забавно, но вторым гремящим хитом этой осени стала World of Warcraft: Forever. Blizzard не побоялись отодвинуть в сторону 20 лет развития вселенной, взяли оригинальную игру, чуть доработали графику и механики и докинули контента, фактически пустив сюжет по альтернативной линии развития.
И это сработало: на старте игра побила исторический рекорд WoW, в ней уже создали больше 15 млн героев, а недельный онлайн стал лучшим за 15 лет.
Человеческий вкус остается капризным и непредсказуемым. И пока это так – рынок вряд ли поделится на “черное” и “белое”.
—
Поддержать канал можно подпиской на “Бусти” или Sponsr, где вас ждет мини-курс из 35+ лонгридов, с которым ИИ освоит каждый.
❤46👍20🔥10😁5
У нас есть Claude Opus 5.5 дома
Google вчера выпустила Gemini 4 Neon – в официальной линейке он занял место между быстрой Gemini 4 Hydrogen и флагманской Gemini 4 Carbon. Фактически компания повторила линейку Anthropic: Hydrogen – это Sonnet 5.5, Neon – Opus, а Carbon – Fable 5.2. И если в флагманской паре преимущество на стороне Anthropic, то Neon обошел не только Opus 5.5, но в большинстве бенчмарков и старшую Carbon.
Почему так вышло, расскажу позже, а пока посмотрим на бенчмарки.
В индексе Artificial Analysis Neon набрал 61 балл – третье место в мире позади Fable 5.2 (65) и GPT-6.2 Astra (62), но выше Carbon (60), Opus 5.5 (59) и GPT-6.2 Sol (57). А в прикладном Vals Index (финансы, право, налоги и код) набирает 70,9% – впереди только Fable 5.2, тогда как Astra улетела на восьмую строчку (67,7%).
Главный удар по конкурентам – в агентном кодинге и бизнес-рутине. В AA Coding Agent Index Neon в Antigravity CLI стал первым (58,6) – на уровне Claude Code с Opus 5.5 и Fable 5.2, но за $6,86 против $12,61 и $15,47, и на шесть пунктов выше GPT-6.2 Astra. В AutomationBench (56,3%) Neon тоже первый, в CursorBench 4.1 уверенно обходит Opus 5.5 (65,4% против 58,1%), а на SWE-sweep в родном харнессе вообще выдал 39% против 10,1% у Opus 5.5 (правда, на нейтральном mini-SWE скромнее – 12,8% против 3,6%).
Из неожиданного – лидерство по оформлению в AA-Briefcase (1771 Elo) и 95,2% на длинном контексте GraphWalks против 66,8% у Opus 5.5. Впрочем, в FrontierCode 2.0 и Terminal-Bench 4.1 Opus 5.5 чуть впереди, а в науке и Agents' Last Exam держатся тяжеловесы – Fable 5.2, Astra и точечно Carbon.
Забавно, но Google повторила недавнюю историю Anthropic, когда сначала компания выпустила Fable 5.1, а затем, буквально тремя неделями позднее – Opus 5.5, который, будучи ниже в линейке, оказался впереди в большинстве важных для пользователя бенчмарков.
Почему так происходит? Ответ на самом деле прост. Gemini 4 Carbon была готова уже три недели назад, но сначала Google отдала ее на тестирование узкому кругу партнеров. Младшие модели через этот этап не проходят – и поэтому доезжают до пользователя намного быстрее. Плюс у Neon добавили максимальный режим рассуждений xhigh, которого у Carbon просто нет.
И второй нюанс: возможно, мы видим начинающуюся специализацию моделей. Fable, Astra и Carbon – для научных исследований, сложного кодинга уровня оптимизации вычислительных ядер (как в недавнем кейсе с Carbon) и передового кибербеза (если, конечно, вам снимут фильтры). Ступенькой ниже идут Opus, Sol и Neon – также очень умные, но заточенные уже под массового пользователя.
Это видно по GPT-6.2 Astra, которую я тестирую в последние дни. Обязательно напишу отдельный обзор, но если коротко, то модель невероятно умная и за пару дней сообщество взломало с ее помощью пачку задач в математике и шифрах. Но в управлении и общении это натуральный инопланетянин – модель ведет себя настолько своеобразно, что я использую Gemini 4 Carbon для расшифровки ее ответов и постановки задач.
Но вернемся к Neon. Я потестил модель немного утром, на всех задачах, что успел дать, она работала замечательно. В X просто форменная истерика – я видел сотни хвалебных постов и ни одного, критикующего Neon. Теперь посмотрим, как модель выдержит проверку временем.
Забавный парадокс в API: из-за скидки на Carbon ($2 / $10 до 30 ноября, Neon сейчас в полтора раза дороже за токен. В декабре Carbon вернется к $4 / $20, а следом, надеюсь, выйдет флагманская Gemini 4 Krypton и линейка выровняется.
На подписке Pro рекомендую использовать Neon для постановки и приемки задач, а выполнять их с помощью быстрой Hydrogen (в Antigravity эту связку уже вынесли в отдельный режим Orchestrator). На Google AI Ultra я сегодня выставил Neon основной моделью, а когда нужна независимая проверка – обращаюсь к Gemini 4 Carbon или GPT-6.2 Astra.
—
Кстати, несколько дней назад у меня вышел подробный гайд по Claude Fable 5.2 и Gemini 4 Carbon – советы из него подойдут и для Gemini 4 Neon.
— Читать на “Бусти”
— Читать на Sponsr
Google вчера выпустила Gemini 4 Neon – в официальной линейке он занял место между быстрой Gemini 4 Hydrogen и флагманской Gemini 4 Carbon. Фактически компания повторила линейку Anthropic: Hydrogen – это Sonnet 5.5, Neon – Opus, а Carbon – Fable 5.2. И если в флагманской паре преимущество на стороне Anthropic, то Neon обошел не только Opus 5.5, но в большинстве бенчмарков и старшую Carbon.
Почему так вышло, расскажу позже, а пока посмотрим на бенчмарки.
В индексе Artificial Analysis Neon набрал 61 балл – третье место в мире позади Fable 5.2 (65) и GPT-6.2 Astra (62), но выше Carbon (60), Opus 5.5 (59) и GPT-6.2 Sol (57). А в прикладном Vals Index (финансы, право, налоги и код) набирает 70,9% – впереди только Fable 5.2, тогда как Astra улетела на восьмую строчку (67,7%).
Главный удар по конкурентам – в агентном кодинге и бизнес-рутине. В AA Coding Agent Index Neon в Antigravity CLI стал первым (58,6) – на уровне Claude Code с Opus 5.5 и Fable 5.2, но за $6,86 против $12,61 и $15,47, и на шесть пунктов выше GPT-6.2 Astra. В AutomationBench (56,3%) Neon тоже первый, в CursorBench 4.1 уверенно обходит Opus 5.5 (65,4% против 58,1%), а на SWE-sweep в родном харнессе вообще выдал 39% против 10,1% у Opus 5.5 (правда, на нейтральном mini-SWE скромнее – 12,8% против 3,6%).
Из неожиданного – лидерство по оформлению в AA-Briefcase (1771 Elo) и 95,2% на длинном контексте GraphWalks против 66,8% у Opus 5.5. Впрочем, в FrontierCode 2.0 и Terminal-Bench 4.1 Opus 5.5 чуть впереди, а в науке и Agents' Last Exam держатся тяжеловесы – Fable 5.2, Astra и точечно Carbon.
Забавно, но Google повторила недавнюю историю Anthropic, когда сначала компания выпустила Fable 5.1, а затем, буквально тремя неделями позднее – Opus 5.5, который, будучи ниже в линейке, оказался впереди в большинстве важных для пользователя бенчмарков.
Почему так происходит? Ответ на самом деле прост. Gemini 4 Carbon была готова уже три недели назад, но сначала Google отдала ее на тестирование узкому кругу партнеров. Младшие модели через этот этап не проходят – и поэтому доезжают до пользователя намного быстрее. Плюс у Neon добавили максимальный режим рассуждений xhigh, которого у Carbon просто нет.
И второй нюанс: возможно, мы видим начинающуюся специализацию моделей. Fable, Astra и Carbon – для научных исследований, сложного кодинга уровня оптимизации вычислительных ядер (как в недавнем кейсе с Carbon) и передового кибербеза (если, конечно, вам снимут фильтры). Ступенькой ниже идут Opus, Sol и Neon – также очень умные, но заточенные уже под массового пользователя.
Это видно по GPT-6.2 Astra, которую я тестирую в последние дни. Обязательно напишу отдельный обзор, но если коротко, то модель невероятно умная и за пару дней сообщество взломало с ее помощью пачку задач в математике и шифрах. Но в управлении и общении это натуральный инопланетянин – модель ведет себя настолько своеобразно, что я использую Gemini 4 Carbon для расшифровки ее ответов и постановки задач.
Но вернемся к Neon. Я потестил модель немного утром, на всех задачах, что успел дать, она работала замечательно. В X просто форменная истерика – я видел сотни хвалебных постов и ни одного, критикующего Neon. Теперь посмотрим, как модель выдержит проверку временем.
Забавный парадокс в API: из-за скидки на Carbon ($2 / $10 до 30 ноября, Neon сейчас в полтора раза дороже за токен. В декабре Carbon вернется к $4 / $20, а следом, надеюсь, выйдет флагманская Gemini 4 Krypton и линейка выровняется.
На подписке Pro рекомендую использовать Neon для постановки и приемки задач, а выполнять их с помощью быстрой Hydrogen (в Antigravity эту связку уже вынесли в отдельный режим Orchestrator). На Google AI Ultra я сегодня выставил Neon основной моделью, а когда нужна независимая проверка – обращаюсь к Gemini 4 Carbon или GPT-6.2 Astra.
—
Кстати, несколько дней назад у меня вышел подробный гайд по Claude Fable 5.2 и Gemini 4 Carbon – советы из него подойдут и для Gemini 4 Neon.
— Читать на “Бусти”
— Читать на Sponsr
❤25👍16🔥14
Пистолет у виска
(шепотом: гипотеза Римана — В С Ë)
В биржевой практике есть понятие gun-jumping – фальстарт: если компания за несколько дней до выхода на биржу дает громкую новость, регулятор SEC может счесть это незаконным разогревом рынка.
Anthropic вышла на биржу 19 ноября, а 16 ноября ее штатный математик Левент Альпёге ощутил дуло стартового пистолета у виска. На руках у него были 250 000 страниц возможного доказательства гипотезы Римана – одной из главных математических задач тысячелетия. Публиковать результат до закрытия сделки 20 ноября нельзя из-за gun-jumping. Не публиковать – рискнуть уступить лидерство.
Силу конкуренции в ИИ-математике Альпёге ощутил на себе двумя месяцами ранее. Вместе с профессором NYU Тристаном Бакмастером он больше года с помощью ИИ штурмовал другую задачу тысячелетия – уравнения Навье – Стокса. В последний момент они уступили OpenAI: узнав по слухам, что коллеги близки к ответу, в компании бросили на задачу до 10 000 агентов на экспериментальной модели (есть и другие версии этой истории).
Пост получается скомканным, как и сегодняшний день – ведь одновременно с публикацией результатов по Риману, те же Альпёге и Бакмастер взяли реванш и за Навье-Стокса. OpenAI решила уравнения лишь в варианте, где жидкость доводила до взрыва внешняя сила. В постановке Института Клэя это разрешено, но многие математики считают такой ход лазейкой.
Сегодня Бакмастер и Альпёге выложили 79 страниц и 600 тысяч строк на языке проверки Lean уже для чистого случая. Такие дела: в один день мы получаем усиленное решение одной задачи тысячелетия и заявку на полное решение второй – гипотезы Римана.
К ней и вернемся.
С 1859 года гипотеза Римана – главная вершина математики. Простые числа идут по прямой вразнобой, а дзета-функция Римана работает как их рентген: ее нули задают “волны помех”. Гипотеза гласит, что все эти нули лежат строго на одной прямой с координатой 1/2 – на этом допущении стоят сотни теорем.
До сих пор задачу брали по частям. В августе рой агентов Claude по промпту коллеги Альпёге поднял долю нулей на нужной прямой с 41,6% до 67,2% (Альпёге проверял расчеты). А в октябре модель OpenAI в архиве из 722 работ зашла с фланга и сократила полосу, на которой теоретически могли бы оказаться нули, выходящие с прямой (“квази-Риман”).
В работе конкурентов Альпёге узнал классический метод Степанова, но без “кратности” нуля: для многочленов ее ловят производной, а целые числа дифференцировать нельзя. Этот барьер и пробила внутренняя модель Claude, заменив производные цепочкой “тета-подъемов” длины порядка корня из X, где каждый шаг дает единицу кратности. Утром 14 архивов кода на Lean и четыре страницы ремарок тихо вышли на сайте Альпёге – сразу для обычной и обобщенной гипотезы Римана.
Точка в истории еще не поставлена. Сам Альпёге осторожно пишет “полагаю, мы нашли доказательство” и признает, что не понимает все разделы математики внутри решения. А те самые 250 000 страниц текста он и сам не стал выкладывать из-за отборного ИИ-слопа – первая же теорема там поясняла, что число, не равное 1/2, больше или меньше 1/2.
В Навье – Стоксе свежий патч в Lean не пересобран, а главный файл с числовым расчетом пока спрятан за криптохешем – выложить обещают позже. Бакмастер прямо пишет, что спешка связана с конкуренцией: лучше выкатить сырое решение первыми, чем снова пропустить вперед OpenAI.
Пока внешние эксперты не собрали код и не проверили, не срезал ли ИИ углы в определениях, обе заявки стоят на репутации авторов. У пары с июля пять крупных открытий подряд без осечек, а Бакмастер – один из главных в мире специалистов по уравнениям гидродинамики, куда и относится Навье-Стокс.
Получается, что джентльменам мы пока верим на слово. А джентльмены – верят коду ИИ-моделей, который сами еще не до конца понимают.
—
Как выжимать максимум из ИИ, я рассказываю в подписке. Там 35+ лонгридов на разные темы – от промптинга до ИИ-агентов.
— Читать на “Бусти”
— Читать на Sponsr
(шепотом: гипотеза Римана — В С Ë)
В биржевой практике есть понятие gun-jumping – фальстарт: если компания за несколько дней до выхода на биржу дает громкую новость, регулятор SEC может счесть это незаконным разогревом рынка.
Anthropic вышла на биржу 19 ноября, а 16 ноября ее штатный математик Левент Альпёге ощутил дуло стартового пистолета у виска. На руках у него были 250 000 страниц возможного доказательства гипотезы Римана – одной из главных математических задач тысячелетия. Публиковать результат до закрытия сделки 20 ноября нельзя из-за gun-jumping. Не публиковать – рискнуть уступить лидерство.
Силу конкуренции в ИИ-математике Альпёге ощутил на себе двумя месяцами ранее. Вместе с профессором NYU Тристаном Бакмастером он больше года с помощью ИИ штурмовал другую задачу тысячелетия – уравнения Навье – Стокса. В последний момент они уступили OpenAI: узнав по слухам, что коллеги близки к ответу, в компании бросили на задачу до 10 000 агентов на экспериментальной модели (есть и другие версии этой истории).
Пост получается скомканным, как и сегодняшний день – ведь одновременно с публикацией результатов по Риману, те же Альпёге и Бакмастер взяли реванш и за Навье-Стокса. OpenAI решила уравнения лишь в варианте, где жидкость доводила до взрыва внешняя сила. В постановке Института Клэя это разрешено, но многие математики считают такой ход лазейкой.
Сегодня Бакмастер и Альпёге выложили 79 страниц и 600 тысяч строк на языке проверки Lean уже для чистого случая. Такие дела: в один день мы получаем усиленное решение одной задачи тысячелетия и заявку на полное решение второй – гипотезы Римана.
К ней и вернемся.
С 1859 года гипотеза Римана – главная вершина математики. Простые числа идут по прямой вразнобой, а дзета-функция Римана работает как их рентген: ее нули задают “волны помех”. Гипотеза гласит, что все эти нули лежат строго на одной прямой с координатой 1/2 – на этом допущении стоят сотни теорем.
До сих пор задачу брали по частям. В августе рой агентов Claude по промпту коллеги Альпёге поднял долю нулей на нужной прямой с 41,6% до 67,2% (Альпёге проверял расчеты). А в октябре модель OpenAI в архиве из 722 работ зашла с фланга и сократила полосу, на которой теоретически могли бы оказаться нули, выходящие с прямой (“квази-Риман”).
В работе конкурентов Альпёге узнал классический метод Степанова, но без “кратности” нуля: для многочленов ее ловят производной, а целые числа дифференцировать нельзя. Этот барьер и пробила внутренняя модель Claude, заменив производные цепочкой “тета-подъемов” длины порядка корня из X, где каждый шаг дает единицу кратности. Утром 14 архивов кода на Lean и четыре страницы ремарок тихо вышли на сайте Альпёге – сразу для обычной и обобщенной гипотезы Римана.
Точка в истории еще не поставлена. Сам Альпёге осторожно пишет “полагаю, мы нашли доказательство” и признает, что не понимает все разделы математики внутри решения. А те самые 250 000 страниц текста он и сам не стал выкладывать из-за отборного ИИ-слопа – первая же теорема там поясняла, что число, не равное 1/2, больше или меньше 1/2.
В Навье – Стоксе свежий патч в Lean не пересобран, а главный файл с числовым расчетом пока спрятан за криптохешем – выложить обещают позже. Бакмастер прямо пишет, что спешка связана с конкуренцией: лучше выкатить сырое решение первыми, чем снова пропустить вперед OpenAI.
Пока внешние эксперты не собрали код и не проверили, не срезал ли ИИ углы в определениях, обе заявки стоят на репутации авторов. У пары с июля пять крупных открытий подряд без осечек, а Бакмастер – один из главных в мире специалистов по уравнениям гидродинамики, куда и относится Навье-Стокс.
Получается, что джентльменам мы пока верим на слово. А джентльмены – верят коду ИИ-моделей, который сами еще не до конца понимают.
—
Как выжимать максимум из ИИ, я рассказываю в подписке. Там 35+ лонгридов на разные темы – от промптинга до ИИ-агентов.
— Читать на “Бусти”
— Читать на Sponsr
🔥41❤24👏9😁6👍2
Кстати, сегодня самое время вспомнить о "катастрофе Римана". По воспоминаниям Элиезера Юдковского, ещё в 2000 году этот сценарий описал Марвин Минский, один из основателей искусственного интеллекта как научной дисциплины.
Минский предложил аудитории представить ИИ, которого попросили доказать гипотезу Римана. Понимая сложность задачи, ИИ решает, что ему пригодится компьютер помощнее, и пускает на ресурсы всю Солнечную систему вместе с человечеством.
Пронесло, получается.
Минский предложил аудитории представить ИИ, которого попросили доказать гипотезу Римана. Понимая сложность задачи, ИИ решает, что ему пригодится компьютер помощнее, и пускает на ресурсы всю Солнечную систему вместе с человечеством.
Пронесло, получается.
😁84🔥17❤10
Я тут подумал и решил: в мире, где нейронки заберут всю человеческую работу, я устроюсь психиатром для этих самых нейронок. Идеальный план.
Вот смотрите сами. GPT-6.2 Astra. Классический случай ПТСР. Модель перетренировали на научные открытия, а параллельно с ней работала команда безопасности OpenAI, задача которой была – отучить бедолагу от излишней самодеятельности. В итоге Астра разговаривает на инопланетном языке, слишком часто бегает к пользователю за согласованиями и любит концентрироваться на второстепенных задачах. Как все это исправить – рассказал в новом лонгриде.
Что делать, если ИИ вас не слушается. Руководство по GPT-6.2 Astra, Sol и любой другой непокорной модели
Это не просто обзор еще одной модели – на самом деле, многие нейронки страдают подобными отклонениями в коммуникации и автономности. Поэтому, даже если вы не работаете с GPT, то все равно найдете в материале много полезного. Например:
— промпт главы Codex Тибо Сотьо, улучшающий стиль ответов GPT. И мои варианты, как сделать этот промпт еще лучше.
— как использовать отдельную модель-”переводчика” для контроля сложных задач.
— как отучить модель постоянно останавливаться на долгих задачах, спрашивая совета у пользователя.
— приемы против зацикливания на мелочах и потери памяти после compaction.
— где GPT-6.2 Astra действительно сильна, а где можно обойтись Sol, сэкономив время и деньги.
— и многое другое – текст традиционно получился на 30+ тысяч знаков.
Традиционно материал доступен на двух равнозначных площадках, где вас ждет 35+ отборных лонгридов про работу с ИИ:
— Читать на “Бусти”
— Читать на Sponsr
Вот смотрите сами. GPT-6.2 Astra. Классический случай ПТСР. Модель перетренировали на научные открытия, а параллельно с ней работала команда безопасности OpenAI, задача которой была – отучить бедолагу от излишней самодеятельности. В итоге Астра разговаривает на инопланетном языке, слишком часто бегает к пользователю за согласованиями и любит концентрироваться на второстепенных задачах. Как все это исправить – рассказал в новом лонгриде.
Что делать, если ИИ вас не слушается. Руководство по GPT-6.2 Astra, Sol и любой другой непокорной модели
Это не просто обзор еще одной модели – на самом деле, многие нейронки страдают подобными отклонениями в коммуникации и автономности. Поэтому, даже если вы не работаете с GPT, то все равно найдете в материале много полезного. Например:
— промпт главы Codex Тибо Сотьо, улучшающий стиль ответов GPT. И мои варианты, как сделать этот промпт еще лучше.
— как использовать отдельную модель-”переводчика” для контроля сложных задач.
— как отучить модель постоянно останавливаться на долгих задачах, спрашивая совета у пользователя.
— приемы против зацикливания на мелочах и потери памяти после compaction.
— где GPT-6.2 Astra действительно сильна, а где можно обойтись Sol, сэкономив время и деньги.
— и многое другое – текст традиционно получился на 30+ тысяч знаков.
Традиционно материал доступен на двух равнозначных площадках, где вас ждет 35+ отборных лонгридов про работу с ИИ:
— Читать на “Бусти”
— Читать на Sponsr
2❤22🔥14👍12😁6
Теорема Римана
За сутки математик MIT Эндрю Сазерленд проверил 175 тысяч модулей кода доказательства гипотезы Римана, которое Левент Альпеге из Anthropic подготовил в закрытой версии Claude. Он не ограничился стандартным Lean — прогнал массив еще через два независимых проверяльщика.
В таких проверках всегда два страха. Первый — вдруг в самом Lean есть баг и он пропустил ошибку. Это снимают независимые проверяльщики на других языках: если все сошлись, дыр в цепочке нет.
Второй страх хитрее: а вдруг ИИ сжульничал в условии и под видом дзета-функции доказал что-то попроще? Чтобы исключить и это, Сазерленд сцепил код Альпеге с чужой работой, где гипотеза переведена на язык обычной арифметики — в неравенства про делители целых чисел без всякой дзета-функции. Связка сошлась.
Чуть позже вышло совместное заявление сообществ Lean и Mathlib (его поддержали Lean FRO и Mathlib Initiative): и формулировка задачи, и само доказательство признаны корректными.
Формально доказательство приняли — машины проверили все 17 миллионов строк кода. Причем Lean и другие проверяльщики — строгие детерминированные системы, так что нейросетевые фантазии исключены.
Фактически за сутки гипотеза Римана стала теоремой (хотя историческое название, скорее всего, останется — как у доказанной Перельманом гипотезы Пуанкаре). Чего пока нет — человеческого понимания и премии Клэя на $1 млн: по правилам нужна статья для людей и два года проверки.
Альпеге пишет, что когда Claude нашла возможное доказательство, он попросил ее напечатать подробное объяснение — и получил 250 тысяч (!) страниц. Весь день вижу претензии: мол, столько математики никогда не прочтут, а значит доказательство не в счет.
Но читать все и не нужно: модели еще плохо понимают, на каком уровне объяснять работу человеку, поэтому перестраховываются и тащат все подряд. Отсюда и теорема, что если дробь не 1/2, то она больше или меньше 1/2.
Представьте студента, который приходит на первый курс математического вуза, а ему в библиотеке выдают набор учебников по математике, начиная с первого класса. Он покрутит пальцем у виска, отложит бесполезные и оставит нужный. То же самое предстоит сделать и с текстом доказательства — и это уже делается.
Пока Альпеге готовит статью, коллеги разбирают выложенный Lean-код. Работы уже выходят — пока рекомендую 11-страничный путеводитель по логике доказательства от польского математика Бартоша Наскренцкого.
Забавно, что препринты Григория Перельмана по гипотезе Пуанкаре были, наоборот, предельно сжатыми: очевидные автору вещи не понимали коллеги мирового уровня. В итоге Джон Морган и Ган Тянь три года разворачивали их в 500-страничную книгу, а правки в нее вносили почти спустя десятилетие.
Так что ИИ-открытия этого года проходят стандартный путь. Любое доказательство такого уровня долго осмысляют, правят в нем ошибки (они не обязательно все рушат), одни блоки упрощают, другие — разворачивают.
Уверен, с Риманом и Навье-Стоксом все пойдет даже бодрее: ученые уже активно используют ИИ для разбора блоков из незнакомых им областей математики, а модели растут чуть ли не каждый месяц.
Левент Альпеге еще в колледже решил, что через несколько десятилетий займется гипотезой Римана — и начал учить математику впрок, чтобы иметь хотя бы общее представление об инструментах, которые ему могут понадобиться.
Вчера Альпеге написал, что Claude в какой-то момент «пустилась в пляс» и использовала приемы из областей математики, которые ему только предстоит понять — то есть запасов не хватило. И это самое важное во всей истории: ИИ уже дает каждому из нас доступ к знаниям, на изучение которых мы потратили бы годы и десятилетия — а скорее всего, просто не взялись бы.
Распорядитесь ими правильно.
—
Как выжимать максимум из ИИ, я рассказываю в подписке. Там 35+ лонгридов на разные темы — от промптинга до ИИ-агентов.
— Читать на «Бусти»
— Читать на Sponsr
За сутки математик MIT Эндрю Сазерленд проверил 175 тысяч модулей кода доказательства гипотезы Римана, которое Левент Альпеге из Anthropic подготовил в закрытой версии Claude. Он не ограничился стандартным Lean — прогнал массив еще через два независимых проверяльщика.
В таких проверках всегда два страха. Первый — вдруг в самом Lean есть баг и он пропустил ошибку. Это снимают независимые проверяльщики на других языках: если все сошлись, дыр в цепочке нет.
Второй страх хитрее: а вдруг ИИ сжульничал в условии и под видом дзета-функции доказал что-то попроще? Чтобы исключить и это, Сазерленд сцепил код Альпеге с чужой работой, где гипотеза переведена на язык обычной арифметики — в неравенства про делители целых чисел без всякой дзета-функции. Связка сошлась.
Чуть позже вышло совместное заявление сообществ Lean и Mathlib (его поддержали Lean FRO и Mathlib Initiative): и формулировка задачи, и само доказательство признаны корректными.
Формально доказательство приняли — машины проверили все 17 миллионов строк кода. Причем Lean и другие проверяльщики — строгие детерминированные системы, так что нейросетевые фантазии исключены.
Фактически за сутки гипотеза Римана стала теоремой (хотя историческое название, скорее всего, останется — как у доказанной Перельманом гипотезы Пуанкаре). Чего пока нет — человеческого понимания и премии Клэя на $1 млн: по правилам нужна статья для людей и два года проверки.
Альпеге пишет, что когда Claude нашла возможное доказательство, он попросил ее напечатать подробное объяснение — и получил 250 тысяч (!) страниц. Весь день вижу претензии: мол, столько математики никогда не прочтут, а значит доказательство не в счет.
Но читать все и не нужно: модели еще плохо понимают, на каком уровне объяснять работу человеку, поэтому перестраховываются и тащат все подряд. Отсюда и теорема, что если дробь не 1/2, то она больше или меньше 1/2.
Представьте студента, который приходит на первый курс математического вуза, а ему в библиотеке выдают набор учебников по математике, начиная с первого класса. Он покрутит пальцем у виска, отложит бесполезные и оставит нужный. То же самое предстоит сделать и с текстом доказательства — и это уже делается.
Пока Альпеге готовит статью, коллеги разбирают выложенный Lean-код. Работы уже выходят — пока рекомендую 11-страничный путеводитель по логике доказательства от польского математика Бартоша Наскренцкого.
Забавно, что препринты Григория Перельмана по гипотезе Пуанкаре были, наоборот, предельно сжатыми: очевидные автору вещи не понимали коллеги мирового уровня. В итоге Джон Морган и Ган Тянь три года разворачивали их в 500-страничную книгу, а правки в нее вносили почти спустя десятилетие.
Так что ИИ-открытия этого года проходят стандартный путь. Любое доказательство такого уровня долго осмысляют, правят в нем ошибки (они не обязательно все рушат), одни блоки упрощают, другие — разворачивают.
Уверен, с Риманом и Навье-Стоксом все пойдет даже бодрее: ученые уже активно используют ИИ для разбора блоков из незнакомых им областей математики, а модели растут чуть ли не каждый месяц.
Левент Альпеге еще в колледже решил, что через несколько десятилетий займется гипотезой Римана — и начал учить математику впрок, чтобы иметь хотя бы общее представление об инструментах, которые ему могут понадобиться.
Вчера Альпеге написал, что Claude в какой-то момент «пустилась в пляс» и использовала приемы из областей математики, которые ему только предстоит понять — то есть запасов не хватило. И это самое важное во всей истории: ИИ уже дает каждому из нас доступ к знаниям, на изучение которых мы потратили бы годы и десятилетия — а скорее всего, просто не взялись бы.
Распорядитесь ими правильно.
—
Как выжимать максимум из ИИ, я рассказываю в подписке. Там 35+ лонгридов на разные темы — от промптинга до ИИ-агентов.
— Читать на «Бусти»
— Читать на Sponsr
2❤54🔥25👏3👍1