Короткий домен Telegram перестал работать

Telegram лишился домена t.me: он разделегирован и больше не работает на уровне регистратора. Платформа срочно переезжает на telegram.me, а владельцам крупных каналов стоит обновить публичные ссылки. Сроки восстановления неизвестны, и есть риск, что t.me не вернётся вовсе на фоне давления на Telegram.

➡️ Читайте на сайте: https://aff.top/blog/korotkii-domen-telegram-perestal-rabotat

🧠 Ещё больше инсайтов → в канале AFF.top

Контекст: вам продают очередную «магическую» инструкцию для LLM. Не алгоритм, не структуру, не проверку качества — а фэнтези-обертку. «Ты — хранитель маяка», «ты — ткач гобеленов». На первый взгляд это чистый мусор. На деле — исследование Spurious Prompts показывает, что такой мусор иногда бьёт по качеству ответов сильнее, чем аккуратный, рациональный промпт.

Действие: авторы сравнили обычные инструкции с так называемыми подложными промптами — бессмысленными, но семантически насыщенными ролями. Идея простая: модель не «понимает» текст как человек, она ловит паттерны. Иногда необычная, нелогичная подача меняет траекторию генерации так, что ответ становится точнее. Да, это звучит как антинаучная ересь. Но именно поэтому тут нельзя включать режим «победил значимо» после двух примеров.

Результат: кейс не про то, что надо кормить ИИ бредом. Кейс про то, что интуиция про промпты часто хуже данных. Если меняете формат инструкции — измеряйте качество, а не верьте в красивую легенду. Иначе вы просто оптимизируете сказку. 📉

Youtube тестирует поиск с AI

YouTube начал тестировать Ask YouTube — поиск с ИИ, где можно задавать вопросы обычным языком и получать не список ссылок, а готовую подборку видео и фрагментов.

Фича уже доступна в США и работает на сложные запросы: если нужно, ИИ уточняет вопрос и подсказывает следующий шаг.

Что это значит для поиска на YouTube и когда новинка дойдёт до других…

➡️ Читайте на сайте: https://aff.top/blog/youtube-testiruet-poisk-s-ai

🧠 Ещё больше инсайтов → в канале AFF.top

Контекст: BI-проект, где от аналитика ждут не требований, а магии. Входящий запрос звучит как сказка: «пойди туда — не знаю куда, принеси то — не знаю что». Обычно в этот момент уже начинают рисовать красивые схемы и обещать бизнесу чудо.

Действие: вместо шаманства режем задачу на нормальные куски. Кто стейкхолдер? Что за метрика? Какой источник истины? Где границы данных и что считаем успехом? Без этого любой проект превращается в сборник мифов про «почти сделали» и «вроде работает» 🧪

Результат: аналитик перестает быть сказочником и становится человеком, который снижает неопределенность. А хороший ИТ‑проект — это не история про героев, а про правильно сформулированный запрос, проверяемые допущения и честную фиксацию того, что мы на самом деле построили.
Потому что «принеси то, не знаю что» — это не бриф. Это диагноз.

Z.ai анонсировала новую GLM-5.5

Z.ai готовит релиз флагманской GLM-5.5: модель обещают показать в августе 2026 года.

Главная интрига — рост до 1 трлн параметров при том же контекстном окне в 1 млн токенов. Новинка снова будет заточена под код и агентные задачи.

Почему версия сразу 5.5, без 5.3 и 5.4, и что это может означать для рынка — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/z-ai-anonsirovala-novuiu-glm-5-5

🧠 Ещё больше инсайтов → в канале AFF.top

Telegram запустил собственный сервер для ботов

Telegram запустил собственный сервер для ботов и мани-приложений: теперь backend можно размещать прямо внутри инфраструктуры мессенджера.

Сервер работает на JavaScript/TypeScript, через вебхуки, и позволяет подключать SQL-базу для сбора контактов без посредников.

Пока неясны цена и ограничения — что именно уже можно тестировать, а где скрыт подв…

➡️ Читайте на сайте: https://aff.top/blog/telegram-zapustil-sobstvennyi-server-dlia-botov

🧠 Ещё больше инсайтов → в канале AFF.top

Рынок employer brand в IT живёт по одним и тем же законам, что и любой growth-эксперимент: если не пересматривать базу, вы начинаете принимать шум за тренд.

Контекст: Хабр и Экопси снова запускают исследование IT-брендов работодателей в 2026. Это не «опрос ради опроса», а попытка заново собрать карту рынка найма: кто реально тащит, а кто всё ещё продаёт старую легенду о себе.

Действие: участвовать в опросе и сравнить себя с живой выборкой, а не с внутренней фантазией о «сильном бренде». И да — без этого вы дальше будете делать выводы по ощущениям, а не по данным. 🙃

Результат: получите обновлённый срез рынка, который можно использовать как baseline для HR/growth-решений: где проседает воронка, какие сегменты перегреты, и почему «мы и так известны» часто не проходит проверку реальностью. 🚀

Если вам нужен не красивый нарратив, а нормальная диагностика — идите в исследование.

Google картинки станут конкурентом Pinterest

Google Картинки начали превращать в полноценную платформу с персональной лентой по прошлым запросам — по сути, в аналог Pinterest.

Во вкладке For you уже тестируют подборки, а ещё обещают коллекции и генерацию изображений во встроенной Nano Banana.

Как это будет работать и когда новинка дойдёт до других стран — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/google-kartinki-stanut-konkurentom-pinterest

🧠 Ещё больше инсайтов → в канале AFF.top

Разбор проваленного теста из 1920-х.

Контекст: раннее радио страдало от самовозбуждения. Усиление есть, а пользоваться им нельзя — схема превращается в генератор. Классический case: мощность/чувствительность растут на бумаге, в реальности ловишь шум и паразитную обратную связь.

Действие: придумали нейтродин. По сути — аккуратно занулили вредную обратную связь дополнительной цепью. Не «усилим ещё сильнее», а сначала уберём системную ошибку. Очень продуктовый ход: не лить трафик в кривой флоу, а починить то, что ломает сигнал.

Результат: приёмник стал стабильно усиливать, а не срываться в автогенерацию. Решение было достаточно простым, чтобы его массово повторяли радиолюбители. Это и есть нормальная инженерия: не магия, а контроль паразитных эффектов.

Мораль для экспериментов: если метрика пляшет из-за шума, флага, сегментации или SRM, не делай вид, что «победила» версия. Сначала нейтрализуй источник искажений. И только потом смотри на значимость 📉

Россияне не смогут покупать стейблкоины

Россиянам могут закрыть доступ к покупке стейблкоинов: в новой версии закона их приравняли к иностранным активам.

Купить такие токены смогут только квалифицированные инвесторы — например, с активами от 24 млн рублей или доходом от 12 млн в год.

Что это значит для обычных пользователей и когда правило заработает — в блоге.

➡️ Читайте на сайте: https://aff.top/blog/rossiiane-ne-smogut-pokupat-steiblkoiny

🧠 Ещё больше инсайтов → в канале AFF.top

LLM любят мерить на MATH, coding и «понимание текста». Удобно. И почти бесполезно, если модель должна не решать задачку, а выживать в хаосе.

Кейс: берём несколько LLM и кидаем их в «Бункер» — сценарий, где надо не блеснуть логикой, а продавить коалицию, не развалить доверие и не слиться в переговорах. Это уже не benchmark ради галочки, а проверка поведения под давлением.

Что интереснее всего:
— модель может быть сильной на бенчмарках, но проигрывать в социальной динамике;
— «разумный» ответ часто уступает стратегически выгодному;
— без сценариев на переговоры, конфликт и адаптацию вы тестируете только половину продукта.

Вывод простой: если вы строите AI-продукт для реального мира, не ограничивайтесь accuracy и pass@k. Нужны поведенческие тесты, ролевая симуляция, оценка устойчивости к давлению и провокациям. Иначе у вас не интеллект, а аккуратно натренированный калькулятор 🤖

«К нам едет ревизор» — это не про театр. Это про DWH-проект, где бюджет считают на салфетке, а потом удивляются, почему сарай не взлетел.

Контекст: заказчик хочет «просто собрать аналитику», подрядчик кивает, сроки красивые, архитектура в презентации как у NASA. Проблема одна: предпроектное обследование сделали для галочки. Не выяснили источники данных, качество, владельцев, частоту обновления, SLA, нагрузку, зависимости и реальные бизнес-метрики. И вот уже строят космический корабль на фундаменте из Excel-файлов и надежды 🚀

Действие: нормальный предпроект — это не болтовня, а ревизия реальности.
Проверяем:
- что вообще есть в источниках;
- где дыры в данных и кто за них отвечает;
- какие требования обязательны, а какие — хотелки;
- что сломается в интеграции;
- какие риски убьют сроки и бюджет.

Результат: вместо «потом разберёмся» получаем вменяемый объем работ, честную оценку и план, который можно защищать без шаманства. Да, иногда после такого анализа проект надо пересобирать. И это хорошая новость. Хуже — закопать деньги в архитектуру, которая не переживёт первый контакт с реальными данными ⚠️

DWH без предпроекта — это не agile. Это самообман с дорогим логотипом.

Разбор проваленного конкурентного теста.

Контекст: на рынке связи запустили «акцию», где оператор платил клиентам за входящие звонки с номеров других сетей. Конкуренты не стали играть в продукт — они просто урезали максимальную длительность звонков на номера этого оператора.

Что это по сути? Не growth, а грязный A/B без рандомизации, без контрольной группы и без нормальной метрики. Вместо проверки ценности для пользователя — попытка сломать воронку сопернику. Итог предсказуем: ФАС попросила прекратить этот цирк.

Действие: когда у вас вместо эксперимента начинается эскалация «а мы вам тоже отрежем», это уже не конкуренция, а серия плохо спроектированных тестов с одним общим багом — никто не меряет долгосрочный эффект, только реакцию на один ход.

Результат: краткосрочный шум есть, устойчивого роста нет. Зато есть риск регуляторного вмешательства, искажение поведения пользователей и мусор в данных. 😏

Шпаргалка: если акция меняет поведение рынка целиком, а не один сегмент, это не гипотеза. Это пожар.