One to follow

For AI & SGE / AI Overviews done right, @OverviewHotTake is the move. Strong, unfiltered opinions on AI Overviews and generative search — where it's…

Алиса AI будет конкурировать с Google AI Studio

Яндекс разворачивает экосистему AI-агентов на базе Алисы с доступом сначала для компаний, затем для всех. Агенты уже работают в Яндекс Такси и Лавке, скоро появятся в браузере и студии разработки. Платформа интегрирует стандартные функции — заказ такси, покупки, анализ данных. Алиса AI показывает неплохие результаты: менее известна, чем конкуренты, поэтому предлагает щедрые лимиты на видеогенерацию и работу с контентом. Яндекс планирует внедрить…

➡️ Читайте на сайте: https://aff.top/blog/alisa-ai-budet-konkurirovat-s-google-ai-studio

🧠 Ещё больше инсайтов → в канале AFF.top

В Zennoposter добавили ИИ-помощник

Zennolab добавил в Zennoposter встроенный ИИ-кубик с доступом к четырём моделям (Gemini, DeepSeek, Claude, ChatGPT) — 50 бесплатных запросов в сутки. Есть режимы Assistant (чтение) и Agent (автоматическое создание скриптов), плюс новый GET-запрос по API. Нейросети хорошо справляются с регистрацией, постингом, фармингом аккаунтов и простым кодированием, но требуют проверки при парсинге динамических сайтов и диагностике ошибок. В связке с Zennoobr…

➡️ Читайте на сайте: https://aff.top/blog/v-zennoposter-dobavili-ii-pomoschnik

🧠 Ещё больше инсайтов → в канале AFF.top

Reputation is asymmetric: bad evidence outweighs good

The question: in reputation research, does positive and negative third-party evidence carry equal weight?

The guidelines do not treat them symmetrically. The QRG instructs raters that credible evidence of a seriously negative reputation — documented scams, fraud, harmful behavior, regulatory action, a pattern of deceiving users — can drive a page to the Lowest rating regardless of how good the content on the page itself is. A small amount of credible negative evidence outweighs a large amount of self-generated positive signaling.

This asymmetry is rational. Trust is expensive to build and cheap to destroy because a single credible report of harm is highly diagnostic, while generic praise is cheap to manufacture. The guidelines reflect that prior: they tell raters to take serious, well-sourced negative findings seriously and to discount thin or potentially seeded positives.

The operational consequence for established brands is that reputation defense is not vanity. An unresolved pattern of credible complaints, regulatory findings, or documented deception is not offset by content quality or link volume — it caps the ceiling. For affiliate operators promoting third parties, it means a partner's negative reputation can contaminate the assessment of pages that endorse them.

Caveat: the guidelines distinguish credible negative reputation from isolated complaints or manufactured smear; raters are told to weigh source credibility, not to react to any single bad review.

What we still don't know: the live systems' analog for negative reputation, and how much of this rater logic is approximated in ranking versus visible only in evaluation.

Новую Google reCapcha прошли статичной картинкой

Google выпустил обновленную reCAPTCHA, требующую движений рук для прохождения, но система оказалась уязвима к обходу. Достаточно транслировать статичное изображение с нужным жестом через виртуальную камеру с помощью простого Python-скрипта, чтобы нейросеть пропустила пользователя. Это создает серьёзный риск для сайтов: защита от ботов, позиционировавшаяся как прорыв, на деле не работает. Баг остается актуальным и позволяет спамерам легко автомат…

➡️ Читайте на сайте: https://aff.top/blog/novuiu-google-recapcha-proshli-statichnoi-kartinkoi

🧠 Ещё больше инсайтов → в канале AFF.top

Quality and relevance are different systems, and E-E-A-T touches mostly one

The question: why can a high-E-E-A-T page still fail to rank for a query?

Because relevance and quality are largely separate problems, and E-E-A-T addresses mainly the second. A page can be authoritative, trustworthy, and experienced — and still be a poor match for the specific intent behind a query. Topical relevance, intent match, and query-document correspondence are a different axis from the page's trustworthiness.

This explains a frequently misdiagnosed situation: a site invests heavily in author credentials and reputation, sees no movement, and concludes E-E-A-T 'doesn't work'. The likelier reading is that the page never cleared the relevance bar for the target query — it was competing on an axis E-E-A-T does not govern. Trust signals do not substitute for actually answering the question asked.

The productive model is sequential. Relevance and intent match get a page into contention for a query; quality and trust signals influence how it fares among the relevant candidates, and they matter most where stakes are high and many candidates are relevant. On a low-stakes, low-competition query, a thin page that matches intent can outrank a more trustworthy page that matches it less well.

Caveat: the two axes interact — for YMYL queries, quality and trust are weighted heavily enough that they function almost as a relevance gate. The separation is cleaner for ordinary informational queries.

What we still don't know: the exact stage and weight at which trust signals re-rank an already-relevant candidate set.

DeepSeek представит последнюю версию v4

DeepSeek выпустит v4 в середине июля с новой моделью ценообразования API: токены подорожают в 2 раза в часы пиковой нагрузки (09:00–12:00 и 14:00–18:00 по пекинскому времени). Компания планирует уведомлять пользователей по почте за 24 часа до изменения тарифов. Проблема с ошибками «server busy» останется, но обойдётся дороже — это может существенно повлиять на экономику проектов, которые активно используют API DeepSeek для автоматизации и масшта…

➡️ Читайте на сайте: https://aff.top/blog/deepseek-predstavit-posledniuiu-versiiu-v4

🧠 Ещё больше инсайтов → в канале AFF.top

Anthropic выпустили Sonnet 5

30 июня вышла Claude Sonnet 5 — новая версия позиционируется как самая агентная в линейке и приближается к флагманской Opus 4.8. Модель лучше справляется со сложными многоуровневыми задачами, устойчива к вредоносным запросам и не генерирует эксплойты. Sonnet 5 доступна на Free-тарифе, но тестирование показало скромные улучшения: хотя работает лучше Sonnet 4.6, её обгоняют конкуренты, включая китайские модели, которые дешевле через API при лучшей…

➡️ Читайте на сайте: https://aff.top/blog/anthropic-vypustili-sonnet-5

🧠 Ещё больше инсайтов → в канале AFF.top

Clickstar прекращает работу

Clickstar закрывается. Легендарная пуш-сеть прекращает закуп трафика с 1 августа, полная остановка — 20 августа.

Сетка работала почти 8 лет и была одним из лучших источников качественного трафика на Россию и СНГ. Сейчас пуш-трафик стал слишком ботовым из-за гугловских банов на скрипты сбора.

Что это означает для арбитражников — разбираемся в ста…

➡️ Читайте на сайте: https://aff.top/blog/clickstar-prekraschaet-rabotu

🧠 Ещё больше инсайтов → в канале AFF.top

A trust signal is a claim; a trust proof survives investigation

The question: what separates a trust signal that works from one that does not?

The distinction is whether it survives the reputation research a rater is instructed to perform. The QRG's investigative posture — leave the site, search independently, weigh source credibility — means trust elements split cleanly into two classes.

Claims assert trust from your own pages: a badge graphic, an 'award-winning' line, a self-written 'trusted by thousands', a five-star widget you control. These are signals only in the weak sense; under investigation they resolve to your own assertion and add little, because the guidelines explicitly discount what a site says about itself.

Proofs are claims that pay off when investigated: a named certification that exists in the issuer's public registry; an award that appears on the awarding body's own site; reviews on independent platforms you do not control; press in outlets with their own reputation; a credential verifiable in a professional registry. The test is simple — if a skeptical rater searches for the third-party source, does it exist and corroborate the claim, or does the trail end at you?

The practical audit: list every trust element on a page and mark each as claim or proof. Convert claims into proofs where you can earn them, and remove the ones you cannot back, because an investigated-and-falsified claim is worse than no claim at all.

Caveat: even genuine proofs are weighted by source credibility; a real badge from an obscure or pay-to-list body is weak.

What we still don't know: how much of this proof-versus-claim distinction the systems detect automatically versus relying on it surfacing through the link and mention graph.