Anthropic обвинила DeepSeek, Moonlight и Alibaba в дистиляции

Статья о том, как китайские компании массово выкачивают ответы западных нейросеток, чтобы дообучать свои модели. Anthropic говорит о 24 000 фейковых аккаунтов и 16 млн запросов к Claude. Вывод простой: рынок ИИ входит в фазу жёсткого копирования, а китайские модели Qwen, Kimi и DeepSeek могут быстро догонять лидеров дешевле.

➡️ Читайте на сайте: https://aff.top/blog/anthropic-obvinila-deepseek-moonlight-i-alibaba-v-distiliacii

🧠 Ещё больше инсайтов → в канале AFF.top

Хороший кабинет, но плохая архитектура — это когда всё «работает», а разбирать страшно.

В paid-ads это видно постоянно: лиды идут, CPC в норме, ретаргет включён, look-alike собран. Но если спросить, почему именно этот сегмент дал результат, ответа нет. Потому что кампания собрана не как система, а как набор быстрых решений.

Проблема обычно не в таргетинге как таковом. Проблема в слоёности:
— пиксель стоит, но события не проверены;
— лид-форма есть, но оффер в ней живёт отдельно от креатива;
— сегменты накоплены, но не разделены по логике прогрева;
— тесты идут, но никто не фиксирует, что именно меняли.

И потом начинается классика: «почему масштабирование сломало экономику?». Потому что масштабировали не связку, а хаос. 🧩

Мейнстрим советует «просто запускать больше тестов». Но без архитектуры тесты только ускоряют путаницу. Сначала нужно понять, где у вас источник данных, где сегмент, где гипотеза, а где финальная конверсия. И только потом лить бюджет.

Если в аккаунте нельзя за 5 минут объяснить, откуда пришёл лид — архитектура уже плохая, даже если цифры пока красивые.