SpacexAI выпустила Grok 4.5

xAI выпустила Grok 4.5 — новую версию флагманской нейросети, доступную в Cursor на всех тарифах и по API за $2 за миллион входных токенов. Бенчмарков пока нет, но модель в 4,2 раза экономнее по токенам на SWE Bench Pro и обучена на данных Cursor, что делает её сильным инструментом для разработки приложений.

➡️ Читайте на сайте: https://aff.top/blog/spacexai-vypustila-grok-4-5

🧠 Ещё больше инсайтов → в канале AFF.top

ChatGPT ads внедрил функцию автосоздания креативов

OpenAI добавила в ChatGPT Ads автогенерацию креативов: вставляешь ссылку на сайт, ИИ анализирует лендинг и создаёт релевантный креатив. По ощущениям, такие материалы должны легко проходить модерацию, но пока неясно, насколько они поддаются правкам. Источник интересен ещё и тем, что вайт можно сгенерировать тут же через ChatGPT.

➡️ Читайте на сайте: https://aff.top/blog/chatgpt-ads-vnedril-funkciiu-avtosozdaniia-kreativov

🧠 Ещё больше инсайтов → в канале AFF.top

В Google search console теперь можно добавлять соцсети

Google добавил в Search Console поддержку аккаунтов соцсетей: теперь можно отслеживать ключевые запросы, источники и географию переходов, показы и клики по ссылкам. Функция подключается там же, где и сайты, доступны четыре соцсети на выбор. Rollout постепенный — доступ получают не все сразу.

➡️ Читайте на сайте: https://aff.top/blog/v-google-search-console-teper-mozhno-dobavliat-socseti

🧠 Ещё больше инсайтов → в канале AFF.top

Google стал помечать креативы, созданные ИИ

Google объявил, что начнёт помечать рекламные креативы, созданные нейросетями. Причина — ИИ-баннеры и видео стали слишком похожи на настоящие.

Формат и заметность маркировки будут зависеть от законов конкретного региона: где-то предупреждение появится прямо на креативе, где-то — в его информации.

Что это значит для арбитражников и когда правила …

➡️ Читайте на сайте: https://aff.top/blog/google-stal-pomechat-kreativy-sozdannye-ii

🧠 Ещё больше инсайтов → в канале AFF.top

Компания Meta выпустила Muse Spark 1.1

Meta выпустила Muse Spark 1.1 почти одновременно с новой ChatGPT-5.6. Это мультимодальный агент, который сам дробит задачу на подзадачи и распределяет их между субагентами.

Стоимость тоже заметно ниже топовых западных моделей: $1.25 за миллион входных токенов и $4.25 за миллион выходных.

Но главный вопрос — насколько она реально сильна на фоне к…

➡️ Читайте на сайте: https://aff.top/blog/kompaniia-meta-vypustila-muse-spark-1-1

🧠 Ещё больше инсайтов → в канале AFF.top

I reset the learning phase 30 times and called it optimization

The setup. E-commerce dropship via paid social, $34 AOV product. Illustrative numbers, painfully real habit.

The move. Every time a campaign dipped I'd edit the budget, swap an audience, or pause-and-relaunch. Felt active. Felt like work.

The numbers. Across a month: 31 significant edits, each one tossing the optimizer back into the learning phase. Learning-phase CPA averaged $19; stabilized CPA was $11. I spent an estimated $4,200 of the month's $16,000 budget perpetually in the expensive learning window — money I lit on fire by fidgeting. Blended ROI 0.96. A control campaign I forced myself not to touch: 1.31.

The lesson. On algorithmic sources, intervention has a cost the dashboard doesn't label. Every edit resets the model's confidence and re-buys expensive exploration traffic. Discipline beats activity.

What I'd do differently. Set a rule: no structural edits inside a 72h window unless spend has 3x'd the target CPA with zero conversions. Boredom is not a reason to touch a campaign. I keep a tally of edits now — if I'm over 2/week per campaign, I'm the problem.

Cheap traffic isn't cheap — it's slow money you can't scale into

The setup. Tier-3 push traffic, CPI app-install offer. $0.003 clicks looked like a license to print. Illustrative figures.

The move. Built the whole campaign on volume math: huge impressions, tiny CPC, fat 1.6 ROI on paper. I tried to scale from $50/day to $500/day.

The numbers. At $50/day: 1.6 ROI, clean. At $500/day the source simply didn't have the inventory at quality — to spend 10x I had to accept worse placements, and ROI fell to 0.95. The profitable slice was maybe $120/day of real volume. Beyond that I was paying tier-1 effort to manage tier-3 money: same time, same trackers, same creative spend, one-tenth the ceiling.

The lesson. ROI without a scalable volume ceiling is a hobby, not a business. A 1.6 that caps at $120/day profit nets less than a 1.2 that runs at $2,000/day. I was optimizing the wrong variable.

What I'd do differently. Qualify the volume ceiling before falling in love with the ROI. I now ask the source rep for available daily volume at my target bid+placement, and discount their answer by half.

The offer got paused at 2pm. I found out at 6pm. It cost $1,400.

The setup. Single-offer sweepstakes, scaled hard, all eggs in one basket. Illustrative numbers, classic rookie exposure.

The move. I was running $1,800/day to one offer at 1.5 ROI. The advertiser hit their daily cap and paused the offer at 2pm without notice. My traffic kept flowing to a dead link.

The numbers. 2pm to 6pm: roughly $300/hour of traffic into a paused offer = ~$1,200 spend, near-zero revenue. Add the postback confusion that made me distrust the next day's data and cut spend prematurely — call it $1,400 total damage from one unmonitored window.

The lesson. Single-offer concentration isn't just a payout risk, it's an uptime risk. Advertisers pause for caps, compliance, or cash-flow with zero warning, and your traffic doesn't stop because theirs did.

What I'd do differently. Every scaled campaign now has a fallback offer in the rotation and an automated rule: if conversion rate drops to zero for 30 minutes against normal click volume, pause spend automatically. A simple uptime-monitor on the offer URL would've saved the whole $1,400.

Российские букмекеры увеличили закуп трафика с мобильных приложений

Российские букмекеры в 1 квартале 2026 года заметно нарастили закупку трафика из мобильных приложений. На фоне ужесточения регулирования они смещают бюджеты в новые каналы, где ещё есть живой трафик.

По данным UMG, доля in-app-рекламы выросла с 3-4% до 5-6% при объёме рынка около 10 млрд рублей. Но это может быть только начало — в блоге разбираем…

➡️ Читайте на сайте: https://aff.top/blog/rossiiskie-bukmekery-uvelichili-zakup-trafika-s-mobilnykh-prilozhenii

🧠 Ещё больше инсайтов → в канале AFF.top

Mia Khalifa стала амбпссадором 1win

Mia Khalifa снова засветилась рядом с 1win: в Instagram она показала цепочку с логотипом бренда и статус «VIP 1win».

Параллельно всплыла история с ее ставкой на Испанию на ЧМ — по данным поста, выигрыш мог составить 200к$.

Официального подтверждения амбассадорства пока нет, но для арбитражников это уже повод для новых креативов. Что именно здесь…

➡️ Читайте на сайте: https://aff.top/blog/mia-khalifa-stala-ambpssadorom-1win

🧠 Ещё больше инсайтов → в канале AFF.top

My conversion rate doubled and my payouts got cut. Here's the trap.

The setup. Lead-gen, insurance vertical, paid on validated leads with a quality clawback. Illustrative numbers.

The move. I found an angle that doubled front-end CR — a punchier, more aggressive pre-lander. Volume of "conversions" soared. I scaled it 4x in a week, thrilled.

The numbers. CR went 4% to 8%. But lead quality cratered: the aggressive angle pulled tire-kickers. The advertiser's scrub rate went from 12% to 41%, and after two weeks they cut my payout from $22 to $15 citing quality. Net: I doubled raw conversions and my effective revenue per click FELL 9%. Then the payout cut hit the good traffic too.

The lesson. Front-end conversion rate and back-end quality are often inversely correlated in lead-gen. Optimizing the metric you can see (CR) while ignoring the one the advertiser sees (lead quality) gets your rates cut — and the cut applies to your whole account, not just the bad angle.

What I'd do differently. Optimize to net revenue-per-click after scrub, never raw CR. And ask for the scrub report weekly. The number that matters is the one on the advertiser's invoice, not my tracker.

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

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

The campaign was profitable Mon-Thu and bled out every weekend

The setup. B2B SaaS trial offer, search arbitrage, illustrative figures. Blended ROI hovered at break-even and I couldn't figure out why.

The move. Treated the campaign as one entity, adjusting bids on a weekly blended number that kept telling me "barely working, don't scale."

The numbers. When I finally split by day-of-week: Mon-Thu ran 1.45 ROI; Fri-Sun ran 0.52. B2B trials don't convert on weekends — nobody's signing up software on Saturday. Weekends were 40% of spend and ~15% of revenue, dragging the blended number to 1.01. The weekday business was genuinely great and I almost killed it.

The lesson. Blending across time hides the same way blending across geo does. A break-even campaign can be a stellar weekday business carrying a dead-weight weekend that should simply be turned off.

What I'd do differently. Dayparting isn't an advanced tactic, it's table stakes for any offer with a human-schedule conversion pattern. I now pull day-of-week and hour-of-day splits in week one. Killed the weekend spend, blended ROI jumped to 1.4 overnight — same campaign, just stopped buying traffic that couldn't convert.

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

The 3.0 ROI test that became a 0.9 at scale — and why that's normal

The setup. Native traffic, e-com offer. Test at $80/day printed a 3.0 ROI for nine straight days. Illustrative numbers, universal heartbreak.

The move. I went all-in: $80 to $600/day in two jumps, expecting maybe 2.5 at scale. Reasonable, right?

The numbers. The 3.0 came from one cheap, high-intent placement with maybe $100/day of inventory. To spend $600 the algo had to buy 5 other placements that ran 0.6-0.9. Blended fell to 0.9. The original placement was STILL doing 3.0 — there just wasn't more of it.

The lesson. A test ROI is a measurement of your best inventory slice, not the offer's scalable economics. The early money is always your cheapest, highest-intent traffic. Scaling means buying progressively worse traffic until marginal ROI hits 1.0 — that's the actual ceiling, and it's always lower than the test.

What I'd do differently. Whitelist the winning placement and scale it directly instead of letting the algo "explore." And expect scaled ROI to be roughly half the test ROI — if the test isn't 2x+ your break-even, it probably won't survive scale at all.

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

The payout bump that turned my best partner into my worst

The setup. Established CPA offer at $18, running 1.6 ROI for months. Rep offered a bump to $24 if I doubled volume. Illustrative numbers.

The move. Free money, obviously. I doubled spend to hit the volume tier and pocketed the higher rate.

The numbers. At $24 payout but double the volume, my traffic quality diluted (I bought looser placements to hit numbers), CR fell, and the advertiser's cap meant they started scrubbing harder to protect their budget. Effective payout after scrub: $19.50. Meanwhile my CPA rose from $11 to $16 chasing volume. Net ROI: 1.22, DOWN from 1.6. I made the rep's quarter and dented my own.

The lesson. A payout bump tied to a volume commitment isn't a raise, it's a trade: better rate for worse traffic economics. The advertiser knows the volume forces you down the quality curve and they price the scrub accordingly.

What I'd do differently. Model the full chain before accepting: what CPA do I hit at 2x volume, and what's the realistic post-scrub payout? If the higher rate doesn't survive my own scaling cost, the old deal was better. Sometimes the best move is keeping the smaller, cleaner number.