От tokenmaxxing к modelmaxxing
Танви Пизал, UX-дизайнер в бигтехе, не так давно попробовала внедрить ИИ в свою работу. Выбор пал на Claude, что правильно – это сейчас лучшая модель во фронтенде. Но вышло не сразу: Танви сначала брейнштормила в Claude целиком, “сожгла месяцы лимитов“, а результата так и не достигла.
Сейчас Танви использует другой подход: брейнштормит идеи в бесплатном корпоративном ChatGPT, а результат перекидывает в личный Claude – и он выдает финальную версию. В некоторых случаях Танви вообще проектирует черновик в Figma, перекидывает его в Claude и просит оставить UI не тронутым, достроив функциональность и флоу. Такой подход дает результат на 20-долларовой подписке Claude Pro.
Танви – одна из героев рассказа Business Insider о новом явлении, охватившем как крупный бизнес, так и рядовых пользователей. Это modelmaxxing – умение подобрать правильную модель под задачи.
Крис Макони, сооснователь AI-стартапа Hechura, говорит так: “Люди не хотят проделывать трудную работу — разбираться, какие модели в чем хороши. Они просто хотят ехать на хайп-трейне”. Похожее наблюдаю я сам: после выхода Claude Fable 5 ТГ-каналы, на которые я подписан, наполнились историями, как замечательно “Фейбл” перестроил всех их процессы. Я и сам в первую очередь натравил Fable 5 на существующие проекты и получил хороший результат, но по мне заслуга модели здесь 20% (субъективно), остальное же скорее потому, что выход новинки подтолкнул меня к рефакторингу старых процессов.
Обратная сторона – недельный лимит на Fable 5 в моей 100-долларовой Claude Max уже подходит к концу, так что придется пробовать модели попроще.
Уверенность, что ИИ сотворит с твоим бизнесом чудеса, особенно если это лучшая модель, есть и у крупного бизнеса. Компании подталкивали сотрудников использовать ИИ везде и повсюду, что привело к оптимизации метрики вместо результата: возникло такое явление, как tokenmaxxing, когда сотрудники жгли лимиты на любую ерунду, лишь бы показать свою эффективность. Вместо результата выросли счета – в Uber признали, что сожгли годовой бюджет на токены уже в этом апреле. О том, что ИИ помог Uber создать какой-то прорывной продукт, лично я не слышал.
Сейчас начинается этап более жесткого контроля за бюджетами. И подходы разные. В Tesla установили бюджет токенов на инженера в $200 в неделю – превышение нужно согласовывать у руководителя. При этом бета-версии собственного ИИ Grok под лимит не попадают. Пикантность в том, что инженеры Tesla, по данным Electrek, предпочитают Claude: лимит фактически штрафует их за выбор чужой модели.
Где-то полагаются на автоматические инструменты. Финтех Ramp, через который проходят корпоративные расходы 70 тысяч американских компаний, сообщает, что доля компаний, платящих за роутинговые платформы, выросла за год с 1% до 5%. Роутинг – это фактически анализ промпта с последующим подбором под него оптимальной модели. Впрочем, я бы не переоценивал такие алгоритмы: автоматика плохо понимает, что реально нужно пользователю.
Мне нравится подход Моргана Линтона — CTO Bold Metrics. Два раза в неделю он проводит стендап с инженерами и решает, какая команда и какой моделью будет пользоваться: кому-то достается Claude Fable 5, кому-то GPT-5.5, а кому-то Cursor Composer 2.5. У Линтона всего 16 инженеров, поэтому он может сравнивать результаты, накапливая знания, где и какая модель реально нужна.
Это нормальная тактика и в персональной работе: брать и на 2-3 дня переключать все процессы на другую модель, чтобы посмотреть, как она справилась. Линтон, кстати, устанавливает и уровень рассуждений модели, которым пользуется команда. Это тоже полезный прием: я вижу, что пользователи обычно стараются выставлять максимальные рассуждения, хотя разумно попробовать более низкие уровни – так вы сэкономите не только токены/лимиты, но и время, затраченное на задачу.
Кстати, на “Бусти” я часто рассказываю, как выжимать из моделей максимум за минимальную цену. Например, лонгрид про управление контекстным окном – такой подход повышает качество ответа при меньшем расходе токенов.
Самое время подписаться: https://boosty.to/escaped_ai
Танви Пизал, UX-дизайнер в бигтехе, не так давно попробовала внедрить ИИ в свою работу. Выбор пал на Claude, что правильно – это сейчас лучшая модель во фронтенде. Но вышло не сразу: Танви сначала брейнштормила в Claude целиком, “сожгла месяцы лимитов“, а результата так и не достигла.
Сейчас Танви использует другой подход: брейнштормит идеи в бесплатном корпоративном ChatGPT, а результат перекидывает в личный Claude – и он выдает финальную версию. В некоторых случаях Танви вообще проектирует черновик в Figma, перекидывает его в Claude и просит оставить UI не тронутым, достроив функциональность и флоу. Такой подход дает результат на 20-долларовой подписке Claude Pro.
Танви – одна из героев рассказа Business Insider о новом явлении, охватившем как крупный бизнес, так и рядовых пользователей. Это modelmaxxing – умение подобрать правильную модель под задачи.
Крис Макони, сооснователь AI-стартапа Hechura, говорит так: “Люди не хотят проделывать трудную работу — разбираться, какие модели в чем хороши. Они просто хотят ехать на хайп-трейне”. Похожее наблюдаю я сам: после выхода Claude Fable 5 ТГ-каналы, на которые я подписан, наполнились историями, как замечательно “Фейбл” перестроил всех их процессы. Я и сам в первую очередь натравил Fable 5 на существующие проекты и получил хороший результат, но по мне заслуга модели здесь 20% (субъективно), остальное же скорее потому, что выход новинки подтолкнул меня к рефакторингу старых процессов.
Обратная сторона – недельный лимит на Fable 5 в моей 100-долларовой Claude Max уже подходит к концу, так что придется пробовать модели попроще.
Уверенность, что ИИ сотворит с твоим бизнесом чудеса, особенно если это лучшая модель, есть и у крупного бизнеса. Компании подталкивали сотрудников использовать ИИ везде и повсюду, что привело к оптимизации метрики вместо результата: возникло такое явление, как tokenmaxxing, когда сотрудники жгли лимиты на любую ерунду, лишь бы показать свою эффективность. Вместо результата выросли счета – в Uber признали, что сожгли годовой бюджет на токены уже в этом апреле. О том, что ИИ помог Uber создать какой-то прорывной продукт, лично я не слышал.
Сейчас начинается этап более жесткого контроля за бюджетами. И подходы разные. В Tesla установили бюджет токенов на инженера в $200 в неделю – превышение нужно согласовывать у руководителя. При этом бета-версии собственного ИИ Grok под лимит не попадают. Пикантность в том, что инженеры Tesla, по данным Electrek, предпочитают Claude: лимит фактически штрафует их за выбор чужой модели.
Где-то полагаются на автоматические инструменты. Финтех Ramp, через который проходят корпоративные расходы 70 тысяч американских компаний, сообщает, что доля компаний, платящих за роутинговые платформы, выросла за год с 1% до 5%. Роутинг – это фактически анализ промпта с последующим подбором под него оптимальной модели. Впрочем, я бы не переоценивал такие алгоритмы: автоматика плохо понимает, что реально нужно пользователю.
Мне нравится подход Моргана Линтона — CTO Bold Metrics. Два раза в неделю он проводит стендап с инженерами и решает, какая команда и какой моделью будет пользоваться: кому-то достается Claude Fable 5, кому-то GPT-5.5, а кому-то Cursor Composer 2.5. У Линтона всего 16 инженеров, поэтому он может сравнивать результаты, накапливая знания, где и какая модель реально нужна.
Это нормальная тактика и в персональной работе: брать и на 2-3 дня переключать все процессы на другую модель, чтобы посмотреть, как она справилась. Линтон, кстати, устанавливает и уровень рассуждений модели, которым пользуется команда. Это тоже полезный прием: я вижу, что пользователи обычно стараются выставлять максимальные рассуждения, хотя разумно попробовать более низкие уровни – так вы сэкономите не только токены/лимиты, но и время, затраченное на задачу.
Кстати, на “Бусти” я часто рассказываю, как выжимать из моделей максимум за минимальную цену. Например, лонгрид про управление контекстным окном – такой подход повышает качество ответа при меньшем расходе токенов.
Самое время подписаться: https://boosty.to/escaped_ai
5👍27❤23🔥9😁1
Уже 7 июля заканчивается демо-период, когда Claude Fable 5 была доступна на подписных планах Claude: 20-долларовом Pro и Max за $100/$200 – далее только более дорогие API-цены. Тарик Шихипар из команды Claude Code пообещал, что это временное решение: Anthropic хочет вернуть Fable 5 в подписки как только удостоверится, что ей хватает вычислительных мощностей.
Как быстро это случится - не ясно. Я уже не раз рассказывал, что экономия подписок рассчитывается исходя из установки, что средний пользователь не будет тратить лимиты на 100%. У меня, например, обычно уходит 50-80% лимитов Claude Max x5.
Очевидно, что Fable 5 ломает экономику подписок: все стараются пользоваться более умной моделью, а это растит расход лимитов. И по своему опыту я вижу, что не помогает даже ограничение, что на Fable 5 можно тратить не более 50% еженедельного лимита – ты просто стараешься лучше менеджерить свою работу, чтобы выжать из самой мощной модели максимум.
С другой стороны – тянуть время тоже рискованно для Anthropic. После 7 июля пользователи будут раздражены – фактически им дали попробовать крутую игрушку и забрали – и этим могут воспользоваться конкуренты.
В первую очередь, речь конечно об OpenAI: у компании уже готова GPT-5.6, выпуск которой задержали для дополнительных проверок правительством США. В случае с Fable 5 такие проверки заняли 19 дней, о GPT-5.6 рассказали 26 июня – то есть менее двух недель назад, однако в случае с OpenAI процедура проверки может занять меньше времени.
Так что шансы, что GPT-5.6 выйдет 7 или 9 июля (вторник и четверг – излюбленные дни OpenAI для релизов) не нулевые. По слухам, в большинстве бенчмарков модель вровень или близка к Fable 5, плюс OpenAI готовит сверхбыстрый режим на чипах Cerebras – так что конкурент получается серьезный.
Не будем списывать со счетов и Google. Компания представила Gemini 3.5 Flash в мае и обещала 3.5 Pro июне, но отложила запуск. Гипотез две. Первая – Google также взяла время, чтобы новинку проверило правительство США. Вторая – модель просто оказалась слабой на фоне Claude Fable 5 и GPT-5.6 и в компании взяли время на доводку.
Сейчас инсайдеры указывают на возможный выход 3.5 Pro в середине июля. Помимо традиционного роста в бенчмарках, есть слухи о контекстном окне в 2M токенов – то есть в два раза больше, чем у лучших моделей сейчас.
2 миллиона токенов – это “Война и мир” два раза (еще и останется) или вся кодовая база среднего проекта. Но важнее другое: современные модели подвержены такому явлению, как context rot – “гниение контекста”, когда ИИ глупеет по мере того, как приближается к максимуму контекстного окна. И 2M контекста (если они, конечно, будут у Gemini 3.5 Pro) для обычного пользователя отодвигают точку, с которой модель начинает глупеть.
А еще напомню, что Claude Opus 4.8 вышел 28 мая, всего через 41 день после Opus 4.7. Если отсчитать столько же дней в другую сторону, то получится 8 июля, как раз следующий день после завершения демо-периода Fable 5. В общем, будем надеяться, что в ближайшее время нас не обидят новыми релизами.
Кстати, на “Бусти” я делюсь личным опытом, как бороться с context rot у современных ИИ. Также есть целый цикл про ИИ-агентов, правильный промптинг и хитрости, которые помогают мне выжимать из моделей максимум.
Самое время подписаться!
Как быстро это случится - не ясно. Я уже не раз рассказывал, что экономия подписок рассчитывается исходя из установки, что средний пользователь не будет тратить лимиты на 100%. У меня, например, обычно уходит 50-80% лимитов Claude Max x5.
Очевидно, что Fable 5 ломает экономику подписок: все стараются пользоваться более умной моделью, а это растит расход лимитов. И по своему опыту я вижу, что не помогает даже ограничение, что на Fable 5 можно тратить не более 50% еженедельного лимита – ты просто стараешься лучше менеджерить свою работу, чтобы выжать из самой мощной модели максимум.
С другой стороны – тянуть время тоже рискованно для Anthropic. После 7 июля пользователи будут раздражены – фактически им дали попробовать крутую игрушку и забрали – и этим могут воспользоваться конкуренты.
В первую очередь, речь конечно об OpenAI: у компании уже готова GPT-5.6, выпуск которой задержали для дополнительных проверок правительством США. В случае с Fable 5 такие проверки заняли 19 дней, о GPT-5.6 рассказали 26 июня – то есть менее двух недель назад, однако в случае с OpenAI процедура проверки может занять меньше времени.
Так что шансы, что GPT-5.6 выйдет 7 или 9 июля (вторник и четверг – излюбленные дни OpenAI для релизов) не нулевые. По слухам, в большинстве бенчмарков модель вровень или близка к Fable 5, плюс OpenAI готовит сверхбыстрый режим на чипах Cerebras – так что конкурент получается серьезный.
Не будем списывать со счетов и Google. Компания представила Gemini 3.5 Flash в мае и обещала 3.5 Pro июне, но отложила запуск. Гипотез две. Первая – Google также взяла время, чтобы новинку проверило правительство США. Вторая – модель просто оказалась слабой на фоне Claude Fable 5 и GPT-5.6 и в компании взяли время на доводку.
Сейчас инсайдеры указывают на возможный выход 3.5 Pro в середине июля. Помимо традиционного роста в бенчмарках, есть слухи о контекстном окне в 2M токенов – то есть в два раза больше, чем у лучших моделей сейчас.
2 миллиона токенов – это “Война и мир” два раза (еще и останется) или вся кодовая база среднего проекта. Но важнее другое: современные модели подвержены такому явлению, как context rot – “гниение контекста”, когда ИИ глупеет по мере того, как приближается к максимуму контекстного окна. И 2M контекста (если они, конечно, будут у Gemini 3.5 Pro) для обычного пользователя отодвигают точку, с которой модель начинает глупеть.
А еще напомню, что Claude Opus 4.8 вышел 28 мая, всего через 41 день после Opus 4.7. Если отсчитать столько же дней в другую сторону, то получится 8 июля, как раз следующий день после завершения демо-периода Fable 5. В общем, будем надеяться, что в ближайшее время нас не обидят новыми релизами.
Кстати, на “Бусти” я делюсь личным опытом, как бороться с context rot у современных ИИ. Также есть целый цикл про ИИ-агентов, правильный промптинг и хитрости, которые помогают мне выжимать из моделей максимум.
Самое время подписаться!
26🔥36❤21👍21😁1
В начале месяца я обычно сажусь и подвожу итоги “сбежавшей нейросети” на “Бусти”: какие лонгриды понравились читателям, какие не зашли, какие темы важны для меня. И вот на что обратил внимание – до сих пор тексты по промптингу идут лучше остальных. Получается странно: ИИ-эксперты любят говорить, что промпт-инжиниринг мертв, при этом обычные пользователи продолжают читать тексты именно про него.
На самом деле, никакого парадокса здесь нет. Промптинг никогда и никуда не денется, но вот смысл понятия постепенно меняется. Если пару лет назад промпты были подробными инструкциями, благодаря которым модели выдавали действительно сносный результат и не галлюцинировали ерунду, то теперь промптинг – это умение “общаться” с ИИ. Правильно ставить задачу, показывать, какой результат нужен, давать нужный контекст и при этом не забивать модели голову лишними “ролями”, инструкциями и ограничениями.
Кстати, обучение промптингу в 2026 году – это во многом борьба с привычками и приемами, которые человек взял и руководств 2024 года 😁
Ну и вторая идея промптинга – это обмен идеями. Грамотные руководства и каталоги готовых промптов – лучший способ посмотреть, как другие люди используют ИИ, и почерпнуть что-то новое для себя. Я, например, прямо сейчас читаю свежий лонгрид от инженера Anthropic, посвященный тому, как он промптит ИИ-агентов. Гайд очень сильно заточен под кодинг, но я хочу на основе описанных приемов попробовать сделать более широкий материал: если получится, то тоже выложу на “Бусти”.
Но и прямо сейчас на “Бусти” есть уже целый курс по промптингу:
— Вводный текст, как промптить модели в 2026 году
— Разбор системного промпта Claude Fable 5, из которого можно понять, что это вообще за функционал
— И следом рассказ, как писать пользовательский промпт и управлять памятью ИИ, чтобы они не конфликтовали друг с другом и с системным промптом
— Как писать промпты для GPT Images 2, Nano Banana 2 и других графических ИИ
И три лонгрида с моими любимыми приемами промптинга:
— Как заставить ИИ думать глубже: 8 техник сильного промптинга
— Ваш ИИ "халтурит": 6 техник, чтобы выжать из ChatGPT и Claude максимум
— Как перестать генерить ИИ-слоп: сначала стиль, потом контент
Как по мне, отличная подборка. Прочтете ее целиком – и можно браться за ИИ-агентов (там своя серия, начинается вот с этого текста) и/или вайб-кодинг (а здесь – с этого текста).
"Бусти" целиком: https://boosty.to/escaped_ai
Зеркало на Sponsr: https://sponsr.ru/escaped_ai/
На самом деле, никакого парадокса здесь нет. Промптинг никогда и никуда не денется, но вот смысл понятия постепенно меняется. Если пару лет назад промпты были подробными инструкциями, благодаря которым модели выдавали действительно сносный результат и не галлюцинировали ерунду, то теперь промптинг – это умение “общаться” с ИИ. Правильно ставить задачу, показывать, какой результат нужен, давать нужный контекст и при этом не забивать модели голову лишними “ролями”, инструкциями и ограничениями.
Кстати, обучение промптингу в 2026 году – это во многом борьба с привычками и приемами, которые человек взял и руководств 2024 года 😁
Ну и вторая идея промптинга – это обмен идеями. Грамотные руководства и каталоги готовых промптов – лучший способ посмотреть, как другие люди используют ИИ, и почерпнуть что-то новое для себя. Я, например, прямо сейчас читаю свежий лонгрид от инженера Anthropic, посвященный тому, как он промптит ИИ-агентов. Гайд очень сильно заточен под кодинг, но я хочу на основе описанных приемов попробовать сделать более широкий материал: если получится, то тоже выложу на “Бусти”.
Но и прямо сейчас на “Бусти” есть уже целый курс по промптингу:
— Вводный текст, как промптить модели в 2026 году
— Разбор системного промпта Claude Fable 5, из которого можно понять, что это вообще за функционал
— И следом рассказ, как писать пользовательский промпт и управлять памятью ИИ, чтобы они не конфликтовали друг с другом и с системным промптом
— Как писать промпты для GPT Images 2, Nano Banana 2 и других графических ИИ
И три лонгрида с моими любимыми приемами промптинга:
— Как заставить ИИ думать глубже: 8 техник сильного промптинга
— Ваш ИИ "халтурит": 6 техник, чтобы выжать из ChatGPT и Claude максимум
— Как перестать генерить ИИ-слоп: сначала стиль, потом контент
Как по мне, отличная подборка. Прочтете ее целиком – и можно браться за ИИ-агентов (там своя серия, начинается вот с этого текста) и/или вайб-кодинг (а здесь – с этого текста).
"Бусти" целиком: https://boosty.to/escaped_ai
Зеркало на Sponsr: https://sponsr.ru/escaped_ai/
3👍32🔥12❤9
У меня есть огромный промпт для поиска ИИ-новостей, который я прогоняю через GPT-5.5 Pro – другие модели просто не справляются. И в нем есть раздел со смешным названием AI in the wild, где модель ищет, а чего еще классного люди сделали с помощью этих ваших нейронок. Сегодня перескажу несколько примеров, которые зацепили меня больше всего.
Лингвист-любитель Том Ди Мино с помощью Claude Code предложил расшифровку Линейного письма А – минойской письменности с Крита (~1800–1450 до н.э.), которая не дается более 100 лет. Ди Мино предоставил чтения для 40 знаков и словарь для 408 слов, по его мнению Линейное письмо А – вымерший семитский язык.
Гипотезу пока оценивают профессиональные лингвисты. Проблема, что корпус текстов крошечный, около 7500 знаков (как два поста в этом блоге), и расшифровать такой язык можно, только если он родственник другого древнего языка. Семитскую гипотезу уже выдвигали и отвергали ранее. Но новые тексты еще могут быть открыты, плюс интересна роль Claude Code: он не “читал тексты”, а построил набор Python-инструментов для проверки гипотез в масштабе, который раньше был доступен институтам, но не любителю-одиночке.
Едем дальше. PHerc. 1667 – геркуланумский свиток, пострадавший при извержении Везувия и добравшийся до нас в обугленном виде. Несколько раз его пытались развернуть, но свиток крошился. Теперь же остатки просветили рентгеновским томографом, затем ИИ-модель указала на места с чернилами, после чего специалисты приступили к расшифровке.
Судя по всему, это философский трактат по этике, а в последней сохранившейся колонке назван Аристокреон – племянник и ученик Хрисиппа, что вместе с языком и темами датирует текст II веком до н.э. Интересно, что текст стоический, а коллекция виллы, где он найден, эпикурейская – вероятно, владелец держал оппонентов для полемики.
Еще подробность: это первый везувийский свиток, уцелевшую часть которого прочли целиком, от начала и до конца. Сейчас остается как минимум 600 непрочитанных везувийских свитков (плюс новые могут найтись на раскопках), с которыми технология может помочь.
Перейдем от древних языков к “языку” автомобилей. Вы не ослышались: речь о CAN-шине, по которой узлы машины обмениваются данными. Прямой доступ к CAN-шине полезен для разработки open source-автопилотов, установки кастомных борткомпьютеров и внезапно проверки емкости батареи электромобиля при перепродаже.
Вот только передаваемые данные не документированы: прочесть поток данных CAN-шины может любой, но выцепить байты, отвечающие за скорость – та еще задача. Раньше поиск одного сигнала занимал часы, но Мартин Фалч из CSS Electronics (датский производитель оборудования для чтения CAN-шин) собрал скилл для Claude Code, ускоряющий процесс до 5-10 минут.
Сначала надо оцифровать поведение машины: например, записать на видео показания спидометра при разгоне машины или в программе двигать ползунок одновременно с поворотом руля. Получив эти данные, Claude Code сопоставляет их с потоком, идущим по CAN-шине и находит в нем биты, меняющиеся синхронно с записью.
Из этого эксперимента, кстати, выпала забавная побочная находка. Когда Claude расшифровал скорость по видео с приборки Opel Astra, она оказалась на 7% выше той, что машина сообщает о себе по диагностике. Нет, это не ошибка распознавания: спидометр обязан привирать. По регламенту ООН производитель не имеет права показывать водителю скорость ниже реальной – только равную или завышенную, вплоть до 10%. Так что когда вы едете “по приборам” ровно 90, на самом деле вы едете медленнее. Производители закладывают запас, чтобы никто не смог отсудить штраф за превышение фразой “а у меня на панели было меньше”. Вот так реверс-инжиниринг шины между делом ловит за руку ваш собственный спидометр.
Похожих примеров, но поменьше, GPT мне приносит по несколько штук в день. И это самое интересное наблюдение: пока одни спорят, есть ли от ИИ польза, огромное количество людей просто работают с ним как с рутинным ежедневным инструментом.
“сбежавшая нейросеть” на “Бусти”
Лингвист-любитель Том Ди Мино с помощью Claude Code предложил расшифровку Линейного письма А – минойской письменности с Крита (~1800–1450 до н.э.), которая не дается более 100 лет. Ди Мино предоставил чтения для 40 знаков и словарь для 408 слов, по его мнению Линейное письмо А – вымерший семитский язык.
Гипотезу пока оценивают профессиональные лингвисты. Проблема, что корпус текстов крошечный, около 7500 знаков (как два поста в этом блоге), и расшифровать такой язык можно, только если он родственник другого древнего языка. Семитскую гипотезу уже выдвигали и отвергали ранее. Но новые тексты еще могут быть открыты, плюс интересна роль Claude Code: он не “читал тексты”, а построил набор Python-инструментов для проверки гипотез в масштабе, который раньше был доступен институтам, но не любителю-одиночке.
Едем дальше. PHerc. 1667 – геркуланумский свиток, пострадавший при извержении Везувия и добравшийся до нас в обугленном виде. Несколько раз его пытались развернуть, но свиток крошился. Теперь же остатки просветили рентгеновским томографом, затем ИИ-модель указала на места с чернилами, после чего специалисты приступили к расшифровке.
Судя по всему, это философский трактат по этике, а в последней сохранившейся колонке назван Аристокреон – племянник и ученик Хрисиппа, что вместе с языком и темами датирует текст II веком до н.э. Интересно, что текст стоический, а коллекция виллы, где он найден, эпикурейская – вероятно, владелец держал оппонентов для полемики.
Еще подробность: это первый везувийский свиток, уцелевшую часть которого прочли целиком, от начала и до конца. Сейчас остается как минимум 600 непрочитанных везувийских свитков (плюс новые могут найтись на раскопках), с которыми технология может помочь.
Перейдем от древних языков к “языку” автомобилей. Вы не ослышались: речь о CAN-шине, по которой узлы машины обмениваются данными. Прямой доступ к CAN-шине полезен для разработки open source-автопилотов, установки кастомных борткомпьютеров и внезапно проверки емкости батареи электромобиля при перепродаже.
Вот только передаваемые данные не документированы: прочесть поток данных CAN-шины может любой, но выцепить байты, отвечающие за скорость – та еще задача. Раньше поиск одного сигнала занимал часы, но Мартин Фалч из CSS Electronics (датский производитель оборудования для чтения CAN-шин) собрал скилл для Claude Code, ускоряющий процесс до 5-10 минут.
Сначала надо оцифровать поведение машины: например, записать на видео показания спидометра при разгоне машины или в программе двигать ползунок одновременно с поворотом руля. Получив эти данные, Claude Code сопоставляет их с потоком, идущим по CAN-шине и находит в нем биты, меняющиеся синхронно с записью.
Из этого эксперимента, кстати, выпала забавная побочная находка. Когда Claude расшифровал скорость по видео с приборки Opel Astra, она оказалась на 7% выше той, что машина сообщает о себе по диагностике. Нет, это не ошибка распознавания: спидометр обязан привирать. По регламенту ООН производитель не имеет права показывать водителю скорость ниже реальной – только равную или завышенную, вплоть до 10%. Так что когда вы едете “по приборам” ровно 90, на самом деле вы едете медленнее. Производители закладывают запас, чтобы никто не смог отсудить штраф за превышение фразой “а у меня на панели было меньше”. Вот так реверс-инжиниринг шины между делом ловит за руку ваш собственный спидометр.
Похожих примеров, но поменьше, GPT мне приносит по несколько штук в день. И это самое интересное наблюдение: пока одни спорят, есть ли от ИИ польза, огромное количество людей просто работают с ним как с рутинным ежедневным инструментом.
“сбежавшая нейросеть” на “Бусти”
3🔥40👍28❤24
Тяжело вести канал, когда придавило основной работой. Вчера Anthropic выпустила мощнейшее исследование "A global workspace in language models" – и пока я выкраивал время, про него отписали все крупные каналы. Повторяться стыдно. Что делать? Искать угол, под которым не подавали другие.
В случае с “A global workspace in language models” это достаточно просто: в крупных исследованиях самый интересный угол далеко не самый громкий. До него надо докопаться, а ИИ в этом – отличный помощник.
Но сначала коротко и понятно суть исследования. У нейронауки сейчас пять крупных теорий устройства сознания, одна из них – теория глобального рабочего пространства. Мозг в ней – набор систем-автоматов, работающих порознь; осознаем мы только то, что попадает в общий центр – рабочее пространство.
Есть классический тест Струпа. Перед вами слово “синий”, но написано оно красными чернилами, и вас просят назвать не слово, а цвет. Язык предательски порывается прочитать написанное – и приходится усилием воли осадить самого себя, чтобы выговорить “красный”. Это рабочее пространство в действии – момент, когда надо перехватить управление у автопилота.
Недавно исследователи Anthropic нашли у Claude небольшую область, которая ведет себя как рабочее пространство: модель может рассказать, что в ней лежит, удержать там мысль, покрутить ее, порассуждать – пока вся остальная обработка идет на автопилоте. Назвали область J-space.
Соблазн на этом месте – завести разговор о наличии сознания у ИИ. Anthropic пока в разговор не втягивается: открытие сильное, но недостаточное. И это не впервые – в моделях Claude уже не раз находили сложные внутренние структуры, которые никто не программировал: они возникали эмерджентно, как побочный эффект обучения. Но доказательством сознания такие находки быть не могут – в том числе потому, что у нас до сих пор нет точного определения, а что оно вообще такое, это сознание, даже у человека.
Окей, про сознание ИИ находка ничего не говорит. А про сознание человека? Теория глобального рабочего пространства одна из сильнейших в “человеческой” нейронауке, и тут ее пример обнаруживается в искусственном интеллекте. Разве это не важно?
Конечно же важно. Вопреки популярному мнению, нейросети не так уж и похожи на человеческий мозг. Их изначальная архитектура вообще не содержит разделения на изолированные модули и общее рабочее пространство, и обучение специально не подталкивает его возникнуть. И тем удивительнее: такое разделение все равно появляется само в ходе обучения – просто потому, что функционально полезно для гибкого планирования.
Anthropic попросила прокомментировать открытие Станисласа Деана и Лионеля Наккаша – соавторов теории глобального рабочего пространства. Их вывод: глобальное рабочее пространство может оказаться универсальным способом обработки информации для разных интеллектуальных систем – и живых, вроде нас, и искусственных. Возможно, это вообще в принципе единственный способ решать задачи, в которых нужны цепочки рассуждений, промежуточные результаты и проверка финальной работы.
Идея требует проверки, но цепочка похожих открытий Anthropic важна в другом: если нейросети действительно независимо приходят к аналогичной структуре мышления, то у нейробиологов появляется мощнейший инструмент изучения человеческого сознания. Ведь мозг мы изучаем с помощью приборов, а нейронку можно “вскрыть”, буквально на ходу поменять в ней “мысль” и посмотреть, что получится.
И первая подсказка уже есть: рабочее пространство Claude собрано из слов, которые модель готовится произнести. Если у нас так же — значит, корень сознания надо искать не в зрении или слухе, а в зонах мозга, что готовят речь и действие; находка в машине подсказывает нейробиологам, где копать в нас самих.
Вот такая история. Хотите сами выжимать из обычных новостей нестандартные углы? На Бусти у меня есть рассказ, как я ищу такие углы с помощью ИИ. Пригодится не только пишущим, но и дотошным читателям:
Ищем с помощью ИИ темы для блога, канала или просто себя
В случае с “A global workspace in language models” это достаточно просто: в крупных исследованиях самый интересный угол далеко не самый громкий. До него надо докопаться, а ИИ в этом – отличный помощник.
Но сначала коротко и понятно суть исследования. У нейронауки сейчас пять крупных теорий устройства сознания, одна из них – теория глобального рабочего пространства. Мозг в ней – набор систем-автоматов, работающих порознь; осознаем мы только то, что попадает в общий центр – рабочее пространство.
Есть классический тест Струпа. Перед вами слово “синий”, но написано оно красными чернилами, и вас просят назвать не слово, а цвет. Язык предательски порывается прочитать написанное – и приходится усилием воли осадить самого себя, чтобы выговорить “красный”. Это рабочее пространство в действии – момент, когда надо перехватить управление у автопилота.
Недавно исследователи Anthropic нашли у Claude небольшую область, которая ведет себя как рабочее пространство: модель может рассказать, что в ней лежит, удержать там мысль, покрутить ее, порассуждать – пока вся остальная обработка идет на автопилоте. Назвали область J-space.
Соблазн на этом месте – завести разговор о наличии сознания у ИИ. Anthropic пока в разговор не втягивается: открытие сильное, но недостаточное. И это не впервые – в моделях Claude уже не раз находили сложные внутренние структуры, которые никто не программировал: они возникали эмерджентно, как побочный эффект обучения. Но доказательством сознания такие находки быть не могут – в том числе потому, что у нас до сих пор нет точного определения, а что оно вообще такое, это сознание, даже у человека.
Окей, про сознание ИИ находка ничего не говорит. А про сознание человека? Теория глобального рабочего пространства одна из сильнейших в “человеческой” нейронауке, и тут ее пример обнаруживается в искусственном интеллекте. Разве это не важно?
Конечно же важно. Вопреки популярному мнению, нейросети не так уж и похожи на человеческий мозг. Их изначальная архитектура вообще не содержит разделения на изолированные модули и общее рабочее пространство, и обучение специально не подталкивает его возникнуть. И тем удивительнее: такое разделение все равно появляется само в ходе обучения – просто потому, что функционально полезно для гибкого планирования.
Anthropic попросила прокомментировать открытие Станисласа Деана и Лионеля Наккаша – соавторов теории глобального рабочего пространства. Их вывод: глобальное рабочее пространство может оказаться универсальным способом обработки информации для разных интеллектуальных систем – и живых, вроде нас, и искусственных. Возможно, это вообще в принципе единственный способ решать задачи, в которых нужны цепочки рассуждений, промежуточные результаты и проверка финальной работы.
Идея требует проверки, но цепочка похожих открытий Anthropic важна в другом: если нейросети действительно независимо приходят к аналогичной структуре мышления, то у нейробиологов появляется мощнейший инструмент изучения человеческого сознания. Ведь мозг мы изучаем с помощью приборов, а нейронку можно “вскрыть”, буквально на ходу поменять в ней “мысль” и посмотреть, что получится.
И первая подсказка уже есть: рабочее пространство Claude собрано из слов, которые модель готовится произнести. Если у нас так же — значит, корень сознания надо искать не в зрении или слухе, а в зонах мозга, что готовят речь и действие; находка в машине подсказывает нейробиологам, где копать в нас самих.
Вот такая история. Хотите сами выжимать из обычных новостей нестандартные углы? На Бусти у меня есть рассказ, как я ищу такие углы с помощью ИИ. Пригодится не только пишущим, но и дотошным читателям:
Ищем с помощью ИИ темы для блога, канала или просто себя
🔥63👍35❤28😁5👏1
А держите целую пачку хороших новостей:
1️⃣ Доступ к Claude Fable 5 на подписках Claude продлили до 12 июля. Правила прежние: на самую мощную модель можно использовать не более 50% лимита подписки, дальше переключаемся на Opus или Sonnet. Мое мнение, что Fable 5 останется в подписке и после 12 июля, и причина – в следующей новости.
2️⃣ OpenAI официально подтвердила, что GPT-5.6 выйдет в этот четверг. Модель представили почти две недели назад, но не стали выпускать в широкий доступ до получения разрешения от правительства США. Сегодня стали появляться отзывы ранних тестировщиков GPT-5.6: модель хвалят за длительное время автономной работы и наконец-то улучшенные навыки во фронтенде, где предыдущие GPT проигрывали не только Claude, но и даже китайской GLM-5.2.
Интересно, что под GPT-5.6 будет скрываться целое семейство моделей. Топовая Sol – конкурент Fable 5 и будущего Opus 5. Terra – уровень рассуждающей GPT-5.5, но дешевле. Luna – маленькая модель для быстрых ответов. Плюс разные уровни рассуждений, в том числе Max и Ultra для сверхсложных задач. И остается открытым вопрос о Pro-версии: она засветилась в одном из исследований OpenAI, но как в компании будут разграничивать все эти режимы и пояснять пользователям, когда и каким пользоваться – большой вопрос.
3️⃣ И еще одна новость, которую не стоит пропускать. Илон Маск подтвердил инсайд The Information, что сегодня выйдет первая совместная модель Cursor и SpaceX (в состав которой недавно вошла xAI – создатели Grok). Внутренние тесты компании показывают, что “в некоторых областях” производительность достигает уровня Opus 4.8 и GPT-5.5, при этом в разы дешевле.
Я писал, что у Cursor в наличии один из лучших корпусов обучающих данных по кодингу, что помогло им натренировать Composer 2.5 на базе Kimi K2.5. Выходящая модель – полностью новая разработка на 1,5T параметров. Будет здорово, если в новинке совместят безбашенность Grok (он очень классный болтун) и хорошие кодинг-навыки – но это пока мои мечты.
Будет доступна в Cursor, Grok Build (аналог Claude Code) и, вероятно, веб-версии Grok, где уже заметили упоминание Grok 4.5.
4️⃣ Google вяло продолжает тестировать Gemini 3.5 Pro, но те демки, которые я видел, не впечатляют совсем. При этом OpenAI и Anthropic стабильно поднимают качество своих новых моделей, а если еще у Cursor/SpaceX получится успешная модель, то у Google могут начаться некоторые проблемы.
5️⃣ А вот ИИ-суперкоманда Марка Цукерберга наконец-то начала показывать что-то интересное. Запрещенно-экстремистская Meta* представила сразу две модели: генератор изображений Muse Image занимает второе место на Arena.AI, обходят Nano Banana 2 и пропустив вперед только GPT Images 2; генератор видео Muse Video занимает третье место на той же арене, но в компании отмечают, что это пока ранняя закрытая бета. А вот Muse Image интегрировали в соцсети Meta*, где она редактирует фото, создает иллюстрации и даже генерирует смешные коллажи с друзьями, которых вы тегните (по поводу чего уже случился маленький скандал).
Я пока не разбирался, что дам с доступом и насколько сложно пробраться через гео-блок, но сама новость интересная – как минимум мы начали что-то видеть от Meta*, которая в прошлом году вложила бешенные деньги в переманивание специалистов по ИИ.
“сбежавшая нейросеть” на “Бусти”
1️⃣ Доступ к Claude Fable 5 на подписках Claude продлили до 12 июля. Правила прежние: на самую мощную модель можно использовать не более 50% лимита подписки, дальше переключаемся на Opus или Sonnet. Мое мнение, что Fable 5 останется в подписке и после 12 июля, и причина – в следующей новости.
2️⃣ OpenAI официально подтвердила, что GPT-5.6 выйдет в этот четверг. Модель представили почти две недели назад, но не стали выпускать в широкий доступ до получения разрешения от правительства США. Сегодня стали появляться отзывы ранних тестировщиков GPT-5.6: модель хвалят за длительное время автономной работы и наконец-то улучшенные навыки во фронтенде, где предыдущие GPT проигрывали не только Claude, но и даже китайской GLM-5.2.
Интересно, что под GPT-5.6 будет скрываться целое семейство моделей. Топовая Sol – конкурент Fable 5 и будущего Opus 5. Terra – уровень рассуждающей GPT-5.5, но дешевле. Luna – маленькая модель для быстрых ответов. Плюс разные уровни рассуждений, в том числе Max и Ultra для сверхсложных задач. И остается открытым вопрос о Pro-версии: она засветилась в одном из исследований OpenAI, но как в компании будут разграничивать все эти режимы и пояснять пользователям, когда и каким пользоваться – большой вопрос.
3️⃣ И еще одна новость, которую не стоит пропускать. Илон Маск подтвердил инсайд The Information, что сегодня выйдет первая совместная модель Cursor и SpaceX (в состав которой недавно вошла xAI – создатели Grok). Внутренние тесты компании показывают, что “в некоторых областях” производительность достигает уровня Opus 4.8 и GPT-5.5, при этом в разы дешевле.
Я писал, что у Cursor в наличии один из лучших корпусов обучающих данных по кодингу, что помогло им натренировать Composer 2.5 на базе Kimi K2.5. Выходящая модель – полностью новая разработка на 1,5T параметров. Будет здорово, если в новинке совместят безбашенность Grok (он очень классный болтун) и хорошие кодинг-навыки – но это пока мои мечты.
Будет доступна в Cursor, Grok Build (аналог Claude Code) и, вероятно, веб-версии Grok, где уже заметили упоминание Grok 4.5.
4️⃣ Google вяло продолжает тестировать Gemini 3.5 Pro, но те демки, которые я видел, не впечатляют совсем. При этом OpenAI и Anthropic стабильно поднимают качество своих новых моделей, а если еще у Cursor/SpaceX получится успешная модель, то у Google могут начаться некоторые проблемы.
5️⃣ А вот ИИ-суперкоманда Марка Цукерберга наконец-то начала показывать что-то интересное. Запрещенно-экстремистская Meta* представила сразу две модели: генератор изображений Muse Image занимает второе место на Arena.AI, обходят Nano Banana 2 и пропустив вперед только GPT Images 2; генератор видео Muse Video занимает третье место на той же арене, но в компании отмечают, что это пока ранняя закрытая бета. А вот Muse Image интегрировали в соцсети Meta*, где она редактирует фото, создает иллюстрации и даже генерирует смешные коллажи с друзьями, которых вы тегните (по поводу чего уже случился маленький скандал).
Я пока не разбирался, что дам с доступом и насколько сложно пробраться через гео-блок, но сама новость интересная – как минимум мы начали что-то видеть от Meta*, которая в прошлом году вложила бешенные деньги в переманивание специалистов по ИИ.
“сбежавшая нейросеть” на “Бусти”
33🔥40👍21❤15
7 июля Anthropic собиралась завершить промо-период Claude Fable 5 в подписках Pro и Max. Промо в итоге продлили, но это мы сейчас знаем, а утром 7-го числа я, конечно, бросился загружать в модель все промты сразу, чтобы даже процента лимитов не оставить Anthropic.
Вообще, из-за профессиональной редакторской деформации я предпочитаю печатать, но в тот раз было не до клавиатуры – поэтому для ускорения воспользовался приложением “Диктуй” от моих хороших знакомых. Один мой коллега умудряется собирать целые сервисы, надиктовывая Claude Code голосовухи в дороге – чем я хуже?
Почему не голосовой режим самой Anthropic? На самом деле, проблема голосовых режимов крупных компаний в том, что для них это не приоритетное направление. Даже у OpenAI voice-модель отстает от основных примерно на год, а Anthropic речевыми функциями вообще занимается по остаточному принципу. Компании, для которых рынок распознавания основной, подобного себе позволить не могут и постоянно совершенствуют сервис.
Плюс “Диктуй” адаптировано к нашему рынку – по их замерам, уровень распознавания русского языка составляет 95–98 %. Сервис хорошо распознает смесь русского и английского, а если вы работаете в узкой профессиональной области – можно добавить свой словарь, чтобы термины распознавались максимально точно. Я прогнал через “Диктуй” здоровенную запись радиоэфира и был приятно удивлен качеством – оно оказалось не хуже, чем у сервиса, который радиоколлеги разворачивали под себя.
Другой плюс – консистентность. Допустим, у вас штук пять приложений, в каждом свое распознавание речи, с разной точностью, разным “пониманием” словаря – в некоторых случаях это может очень сильно сбивать с толку. “Диктуй” работает с любым приложением – просто ставим курсор в поле ввода (Telegram, ChatGPT – не важно) и диктуем.
Наконец, “Диктуй” уже нельзя назвать “просто алгоритмом распознавания” – разработчики постепенно докручивают в него мета-функции. Надиктованную фразу можно сразу перевести на другой язык или сократить в нужном стиле – достаточно голосовой команды. А по фразе “мой мейл” система будет вставлять ваш почтовый адрес в текст – разумеется, поддерживаются и другие команды.
Но лучше проверьте сами. Если зарегистрируетесь по этой ссылке с промокодом
В общем, “Диктуйте” скорее.
Вообще, из-за профессиональной редакторской деформации я предпочитаю печатать, но в тот раз было не до клавиатуры – поэтому для ускорения воспользовался приложением “Диктуй” от моих хороших знакомых. Один мой коллега умудряется собирать целые сервисы, надиктовывая Claude Code голосовухи в дороге – чем я хуже?
Почему не голосовой режим самой Anthropic? На самом деле, проблема голосовых режимов крупных компаний в том, что для них это не приоритетное направление. Даже у OpenAI voice-модель отстает от основных примерно на год, а Anthropic речевыми функциями вообще занимается по остаточному принципу. Компании, для которых рынок распознавания основной, подобного себе позволить не могут и постоянно совершенствуют сервис.
Плюс “Диктуй” адаптировано к нашему рынку – по их замерам, уровень распознавания русского языка составляет 95–98 %. Сервис хорошо распознает смесь русского и английского, а если вы работаете в узкой профессиональной области – можно добавить свой словарь, чтобы термины распознавались максимально точно. Я прогнал через “Диктуй” здоровенную запись радиоэфира и был приятно удивлен качеством – оно оказалось не хуже, чем у сервиса, который радиоколлеги разворачивали под себя.
Другой плюс – консистентность. Допустим, у вас штук пять приложений, в каждом свое распознавание речи, с разной точностью, разным “пониманием” словаря – в некоторых случаях это может очень сильно сбивать с толку. “Диктуй” работает с любым приложением – просто ставим курсор в поле ввода (Telegram, ChatGPT – не важно) и диктуем.
Наконец, “Диктуй” уже нельзя назвать “просто алгоритмом распознавания” – разработчики постепенно докручивают в него мета-функции. Надиктованную фразу можно сразу перевести на другой язык или сократить в нужном стиле – достаточно голосовой команды. А по фразе “мой мейл” система будет вставлять ваш почтовый адрес в текст – разумеется, поддерживаются и другие команды.
Но лучше проверьте сами. Если зарегистрируетесь по этой ссылке с промокодом
RUN, то получите месяц PRO-подписки. Для работы не нужны никакие сервисы обхода блокировок, а если решите пользоваться дальше – то оплатить можно с российской карты. Ценник очень демократичный: 299 ₽/мес за Pro-подписку и 599 ₽/мес за полный безлимит. А также 30 минут бесплатной расшифровки в месяц на бесплатном тарифе.В общем, “Диктуйте” скорее.
33❤30🔥13👍11😁5
Grok 4.5 – главный камбэк года
13 марта Илон Маск изрядно всех удивил, открыто раскритиковав в X свою ИИ-компанию xAI: “xAI не была построена правильно с первого раза, поэтому перестраивается с самого фундамента. То же самое было с Tesla”.
Дела действительно шли не очень. Grok 2 и 3 были многообещающими моделями, Grok 4 сначала восприняли с интересом, но потом случился момент, который xAI упустила – стали появляться модели, реально хорошие в коде. Opus 4.5 и далее, GPT 5.x, но не Grok. Пытаясь это исправить, компания то представляла быстрого Grok Code Fast 1 для кодинга, то экспериментировала с несколькими параллельными агентами, то анонсировала гигантскую модель на 10T параметров. Ничего не сработало.
К марту xAI покинули почти все сооснователи, но Маска это не сильно расстроило – уже через месяц он объявил о сделке с Anysphere, разработчиками Cursor: или право выкупить компанию за $60 млрд позже в 2026 году, или заплатить $10 млрд за совместную работу. В итоге пришли к первому варианту – закрытие сделки по покупке ожидается в третьем квартале. xAI же влили в SpaceX – объединенная компания теперь называется SpaceXAI.
Я уже писал, что Cursor – один из лучших источников обучающих данных по кодингу. Разработка в нем фактически идет в “четыре руки” (инженер + ИИ), поэтому можно собирать информацию: какие ИИ-правки принял живой человек, какие отклонил, что написал сам, как “ходит” по файлам проекта.
И это сработало. Grok 4.5 – обученная с нуля модель на 1,5T параметров, показатель на сегодня неплохой, пусть и не рекордный (даже Grok 4 оценивали в 2-3T). Перед запуском Илон Маск говорил, что модель будет почти на уровне GPT-5.5 и Opus 4.8 – так оно и оказалось.
Artificial Analysis провели независимые замеры Grok 4.5 и дали модели 54 балла – это четвертое место позади GPT-5.5 (55), Opus 4.8 (56) и Fable 5 (60). Аналитики отметили эффективность модели: в агентном кодинге Grok 4.5 обходился в два раза дешевле GPT-5.5 и в 4,5 раза дешевле Fable 5.
Отдельно отмечу следующие бенчмарки. AutomationBench-AA – автоматизация работы в рутинных бизнес-приложениях вроде Gmail, Google Sheets, Slack, Salesforce, HubSpot и других. Grok 4.3 был последним с 8,1% выполненных задач. Grok 4.5 выполняет 51,4% задач, что делает его абсолютным лидером.
В GDPval-AA v2 модель набирает 1543 балла, занимая четвертое место (Fable 5 — 1760, Sonnet 5 — 1606, Opus 4.8 — 1600, GPT-5.5 и вовсе позади с 1494 баллами). Этот бенчмарк оценивает способность модели выполнять офисную рутину вроде создания презентаций, работы с таблицами и написания черновиков документов.
τ³-Banking – проверка, сможет ли ИИ-агент обслужить клиента банка. Очень сложный бенчмарк, прямо бот поддержки на максималках. У Grok 4.5 лучший результат – 33% выполненных задач против 31% у GPT-5.5. Цифра все еще недостаточная, но рост хороший.
Слабое место в бенчмарках – индекс галлюцинаций. Доля ответов без галлюцинаций 46% против 84% у лидера, то есть модель достаточно часто врет (отмечу, что вопросы в тесте очень сложные – в реальности модель глючит реже). Но в 2026 году проблема галлюцинаций решаема, и надеюсь, что ее поправят в будущих моделях.
Конечно, позиции в бенчмарках будут очень быстро меняться. В ближайшие часы выходит GPT-5.6, а в тестах замечена модель Honeycomb от Anthropic – вероятно, Opus 5. Да и про Fable 5.1 давно ходят слухи.
Но важно другое – впервые за год команда Илона Маска выпустила сбалансированную модель, которой действительно можно гордиться. Я сегодня весь день читаю отзывы о Grok 4.5 в X, и почти все они – положительные.
Проверить можно и самим. В ближайшие дни Grok 4.5 доступен бесплатно в Cursor и Grok Build – аналоге Claude Code от xAI. Единственное ограничение, что пока модель не доступна в Европе – там ее выход ожидается в середине месяца. Но, полагаю, в 2026 году все знают, как быстро “переместиться”, например, в США.
Кстати, на “Бусти” у меня есть целый курс про ИИ-агентов – в первую очередь про Claude Code и Codex, но базовые принципы у всех одинаковые, так что поможет и с Grok Build.
Подписывайтесь: https://boosty.to/escaped_ai
13 марта Илон Маск изрядно всех удивил, открыто раскритиковав в X свою ИИ-компанию xAI: “xAI не была построена правильно с первого раза, поэтому перестраивается с самого фундамента. То же самое было с Tesla”.
Дела действительно шли не очень. Grok 2 и 3 были многообещающими моделями, Grok 4 сначала восприняли с интересом, но потом случился момент, который xAI упустила – стали появляться модели, реально хорошие в коде. Opus 4.5 и далее, GPT 5.x, но не Grok. Пытаясь это исправить, компания то представляла быстрого Grok Code Fast 1 для кодинга, то экспериментировала с несколькими параллельными агентами, то анонсировала гигантскую модель на 10T параметров. Ничего не сработало.
К марту xAI покинули почти все сооснователи, но Маска это не сильно расстроило – уже через месяц он объявил о сделке с Anysphere, разработчиками Cursor: или право выкупить компанию за $60 млрд позже в 2026 году, или заплатить $10 млрд за совместную работу. В итоге пришли к первому варианту – закрытие сделки по покупке ожидается в третьем квартале. xAI же влили в SpaceX – объединенная компания теперь называется SpaceXAI.
Я уже писал, что Cursor – один из лучших источников обучающих данных по кодингу. Разработка в нем фактически идет в “четыре руки” (инженер + ИИ), поэтому можно собирать информацию: какие ИИ-правки принял живой человек, какие отклонил, что написал сам, как “ходит” по файлам проекта.
И это сработало. Grok 4.5 – обученная с нуля модель на 1,5T параметров, показатель на сегодня неплохой, пусть и не рекордный (даже Grok 4 оценивали в 2-3T). Перед запуском Илон Маск говорил, что модель будет почти на уровне GPT-5.5 и Opus 4.8 – так оно и оказалось.
Artificial Analysis провели независимые замеры Grok 4.5 и дали модели 54 балла – это четвертое место позади GPT-5.5 (55), Opus 4.8 (56) и Fable 5 (60). Аналитики отметили эффективность модели: в агентном кодинге Grok 4.5 обходился в два раза дешевле GPT-5.5 и в 4,5 раза дешевле Fable 5.
Отдельно отмечу следующие бенчмарки. AutomationBench-AA – автоматизация работы в рутинных бизнес-приложениях вроде Gmail, Google Sheets, Slack, Salesforce, HubSpot и других. Grok 4.3 был последним с 8,1% выполненных задач. Grok 4.5 выполняет 51,4% задач, что делает его абсолютным лидером.
В GDPval-AA v2 модель набирает 1543 балла, занимая четвертое место (Fable 5 — 1760, Sonnet 5 — 1606, Opus 4.8 — 1600, GPT-5.5 и вовсе позади с 1494 баллами). Этот бенчмарк оценивает способность модели выполнять офисную рутину вроде создания презентаций, работы с таблицами и написания черновиков документов.
τ³-Banking – проверка, сможет ли ИИ-агент обслужить клиента банка. Очень сложный бенчмарк, прямо бот поддержки на максималках. У Grok 4.5 лучший результат – 33% выполненных задач против 31% у GPT-5.5. Цифра все еще недостаточная, но рост хороший.
Слабое место в бенчмарках – индекс галлюцинаций. Доля ответов без галлюцинаций 46% против 84% у лидера, то есть модель достаточно часто врет (отмечу, что вопросы в тесте очень сложные – в реальности модель глючит реже). Но в 2026 году проблема галлюцинаций решаема, и надеюсь, что ее поправят в будущих моделях.
Конечно, позиции в бенчмарках будут очень быстро меняться. В ближайшие часы выходит GPT-5.6, а в тестах замечена модель Honeycomb от Anthropic – вероятно, Opus 5. Да и про Fable 5.1 давно ходят слухи.
Но важно другое – впервые за год команда Илона Маска выпустила сбалансированную модель, которой действительно можно гордиться. Я сегодня весь день читаю отзывы о Grok 4.5 в X, и почти все они – положительные.
Проверить можно и самим. В ближайшие дни Grok 4.5 доступен бесплатно в Cursor и Grok Build – аналоге Claude Code от xAI. Единственное ограничение, что пока модель не доступна в Европе – там ее выход ожидается в середине месяца. Но, полагаю, в 2026 году все знают, как быстро “переместиться”, например, в США.
Кстати, на “Бусти” у меня есть целый курс про ИИ-агентов – в первую очередь про Claude Code и Codex, но базовые принципы у всех одинаковые, так что поможет и с Grok Build.
Подписывайтесь: https://boosty.to/escaped_ai
12🔥29❤20👍14
Ваш новый ChatGPT
OpenAI объявила о запуске GPT-5.6 – разные версии модели станут доступны всем пользователям в ближайшие 24 часа. Но это не просто анонс новой версии – одновременно компания пересмотрела все основные интерфейсы работы с GPT. В том числе – для массовых пользователей.
Начнем с самой модели. GPT-5.6 вышла в трех версиях: Sol будет доступна платным пользователям, Terra и Luna – бесплатным. Бенчмарки в начале поста указаны для Sol, перед нами почти уровень Fable 5, но сильно дешевле. Terra показывает производительность уровня GPT-5.5 (повторюсь: на бесплатном тарифе), Luna – новая инкарнация Instant-модели для быстрых ответов.
Интересный факт: пост-трейнингом Luna занимались не живые инженеры, а GPT-5.6 Sol. На стриме даже показали частично заблюренный промпт – там конечно не мемное “натренируй GPT-5.6 Luna, не совершай ошибок”, но в целом всего пара абзацев текста.
OpenAI пока не обновляла лимиты использования, если останутся прежними, то даже пользователи 20-долларовой подписки получат модель очень близкого к Fable 5 уровня и почти без ограничений.
Но самое интересное – в том, как OpenAI перестраивает свои интерфейсы. Во-первых, кодинг-агент Codex остается только в версии для командной строки, а вот отдельное приложение закрывается – вернее, переезжает в новую версию приложения ChatGPT, из которой компания строит супер-апп.
В ChatGPT теперь три вкладки. Первая - Chat, для быстрой болтовни с моделью, поисковых запросов, простенького кода. Вторая – Codex, в основном повторяющая старый кодинг-агент.
А посерединке – режим Work. По сути это тот же Codex, но обернутый в интерфейс для офисной работы: создание презентаций, сложных excel-листов, шаблонов документов и многого другого [дополнить]. У режима есть доступ к папкам на вашем компьютере – он может забирать из них информацию, наводить там порядок, убрать мусор. Код тоже пишет, причем вряд ли сильно хуже Codex – технология та же самая.
Ну и сверху классический агентский цикл: модель не просто отвечает на вопросы, а для каждой задачи строит план ее выполнения, разбивает на этапы, выполняет их один за другим, проверяет, вносит правки – и только затем представляет результат пользователю.
Фактически Work – очередная попытка сделать ИИ-агента для всех, а не только для “технически продвинутой” категории. OpenAI аргументирует режим следующим цифрами: у Codex сейчас примерно 5 млн пользователей, около 20% из них используют агента не для кодинга, а для разнообразных офисных задач. Но на самом деле сильной будет другая цифра: количество пользователей разных версий ChatGPT на пике оценивалось почти в 1 млрд человек, даже если и сейчас эта цифра ниже, то ненамного. И основная задача OpenAI – перетащить пользователей “чата” в агентную работу. Возможности современных моделей давно переросли режим “вопрос – ответ”, но массовому пользователю до сих пор недоступны из-за сложности интерфейса.
По этой же причине облегченную версию Work получат веб-версия и мобильные приложения – доступа к компьютеру там не будет, но через коннекторы можно будет подключить многие популярные сервисы вроде Gmail, Google Drive, OneDrive, Slack и т. д., чтобы работать с ними в том случае, когда полноценное приложение недоступно.
Еще одна новинка – sites, сайты. GPT-5.6 теперь можно настроить таким образом, чтобы он отдавал ответ не только текстом, но и в формате структурированного сайта. Во многих случаях так проще показывать информацию: в сайт можно встроить таблицы, графики, навигацию и интерактив, вплоть до мини-игр. Готовым сайтом можно поделиться с друзьями и коллегами – пусть впечатлятся, что теперь умеют эти нейросетки.
Не обошлось и без потерь: OpenAI закрывает ИИ-браузер Atlas – вместо него теперь расширение в Chrome. Простые задачи оно выполнит прямо на открытой вкладке, сложные – перекинет в обновленный ChatGPT.
Обновление ChatGPT – отличный повод разобраться, как вообще устроены ИИ-агенты. У меня на “Бусти” много лонгридов по теме: как пользоваться, как настроить безопасность, как не прожигать контекст впустую, понижая качество ответов.
Самое время подписаться!
OpenAI объявила о запуске GPT-5.6 – разные версии модели станут доступны всем пользователям в ближайшие 24 часа. Но это не просто анонс новой версии – одновременно компания пересмотрела все основные интерфейсы работы с GPT. В том числе – для массовых пользователей.
Начнем с самой модели. GPT-5.6 вышла в трех версиях: Sol будет доступна платным пользователям, Terra и Luna – бесплатным. Бенчмарки в начале поста указаны для Sol, перед нами почти уровень Fable 5, но сильно дешевле. Terra показывает производительность уровня GPT-5.5 (повторюсь: на бесплатном тарифе), Luna – новая инкарнация Instant-модели для быстрых ответов.
Интересный факт: пост-трейнингом Luna занимались не живые инженеры, а GPT-5.6 Sol. На стриме даже показали частично заблюренный промпт – там конечно не мемное “натренируй GPT-5.6 Luna, не совершай ошибок”, но в целом всего пара абзацев текста.
OpenAI пока не обновляла лимиты использования, если останутся прежними, то даже пользователи 20-долларовой подписки получат модель очень близкого к Fable 5 уровня и почти без ограничений.
Но самое интересное – в том, как OpenAI перестраивает свои интерфейсы. Во-первых, кодинг-агент Codex остается только в версии для командной строки, а вот отдельное приложение закрывается – вернее, переезжает в новую версию приложения ChatGPT, из которой компания строит супер-апп.
В ChatGPT теперь три вкладки. Первая - Chat, для быстрой болтовни с моделью, поисковых запросов, простенького кода. Вторая – Codex, в основном повторяющая старый кодинг-агент.
А посерединке – режим Work. По сути это тот же Codex, но обернутый в интерфейс для офисной работы: создание презентаций, сложных excel-листов, шаблонов документов и многого другого [дополнить]. У режима есть доступ к папкам на вашем компьютере – он может забирать из них информацию, наводить там порядок, убрать мусор. Код тоже пишет, причем вряд ли сильно хуже Codex – технология та же самая.
Ну и сверху классический агентский цикл: модель не просто отвечает на вопросы, а для каждой задачи строит план ее выполнения, разбивает на этапы, выполняет их один за другим, проверяет, вносит правки – и только затем представляет результат пользователю.
Фактически Work – очередная попытка сделать ИИ-агента для всех, а не только для “технически продвинутой” категории. OpenAI аргументирует режим следующим цифрами: у Codex сейчас примерно 5 млн пользователей, около 20% из них используют агента не для кодинга, а для разнообразных офисных задач. Но на самом деле сильной будет другая цифра: количество пользователей разных версий ChatGPT на пике оценивалось почти в 1 млрд человек, даже если и сейчас эта цифра ниже, то ненамного. И основная задача OpenAI – перетащить пользователей “чата” в агентную работу. Возможности современных моделей давно переросли режим “вопрос – ответ”, но массовому пользователю до сих пор недоступны из-за сложности интерфейса.
По этой же причине облегченную версию Work получат веб-версия и мобильные приложения – доступа к компьютеру там не будет, но через коннекторы можно будет подключить многие популярные сервисы вроде Gmail, Google Drive, OneDrive, Slack и т. д., чтобы работать с ними в том случае, когда полноценное приложение недоступно.
Еще одна новинка – sites, сайты. GPT-5.6 теперь можно настроить таким образом, чтобы он отдавал ответ не только текстом, но и в формате структурированного сайта. Во многих случаях так проще показывать информацию: в сайт можно встроить таблицы, графики, навигацию и интерактив, вплоть до мини-игр. Готовым сайтом можно поделиться с друзьями и коллегами – пусть впечатлятся, что теперь умеют эти нейросетки.
Не обошлось и без потерь: OpenAI закрывает ИИ-браузер Atlas – вместо него теперь расширение в Chrome. Простые задачи оно выполнит прямо на открытой вкладке, сложные – перекинет в обновленный ChatGPT.
Обновление ChatGPT – отличный повод разобраться, как вообще устроены ИИ-агенты. У меня на “Бусти” много лонгридов по теме: как пользоваться, как настроить безопасность, как не прожигать контекст впустую, понижая качество ответов.
Самое время подписаться!
👍69❤27🔥27
Последние полгода все только и говорят, что о контекст-инжиниринге: мол, недостаточно правильно поставить модели задачу, важно еще и снабдить ее всем нужным для работы контекстом. Но откуда этот контекст брать? Суровая правда в том, что приступая к задаче, мы часто не в курсе всех ее деталей. А для ИИ это критично – он начинает додумывать там, где есть “слепые зоны.
Тарик Шихипар из команды Claude Code недавно рассказал, как бороться с этой проблемой. И именно он – герой моего сегодняшнего бусти-лонгрида:
Карта и территория: как один из создателей Claude Code ставит задачи ИИ
Кто читает меня регулярно, знает совет, который я повторяю раз из раза: вместо того, чтобы ставить модели задачу сразу, дайте ей возможность задать вам вопросы. Тарик похожий подход превратил в целую методику с четырьмя основными приемами и двумя дополнительными. Вы не поверите, но у него есть даже квиз как финальный этап!
Разумеется, мне бы не позволила совесть выпускать голый перевод текста. Поэтому я его серьезно расширил: если Тарик в основном концентрируется на кодинге, то я переложил его методику на задачи, которые мы делаем с помощью ИИ каждый день. Получился мощнейший текст на 23 тысячи знаков, который точно заслуживает вашего прочтения.
— Читать на “Бусти”
— Читать на Sponsr
Тарик Шихипар из команды Claude Code недавно рассказал, как бороться с этой проблемой. И именно он – герой моего сегодняшнего бусти-лонгрида:
Карта и территория: как один из создателей Claude Code ставит задачи ИИ
Кто читает меня регулярно, знает совет, который я повторяю раз из раза: вместо того, чтобы ставить модели задачу сразу, дайте ей возможность задать вам вопросы. Тарик похожий подход превратил в целую методику с четырьмя основными приемами и двумя дополнительными. Вы не поверите, но у него есть даже квиз как финальный этап!
Разумеется, мне бы не позволила совесть выпускать голый перевод текста. Поэтому я его серьезно расширил: если Тарик в основном концентрируется на кодинге, то я переложил его методику на задачи, которые мы делаем с помощью ИИ каждый день. Получился мощнейший текст на 23 тысячи знаков, который точно заслуживает вашего прочтения.
— Читать на “Бусти”
— Читать на Sponsr
🔥33👍19❤15😁4👏2
64 ИИ-агента, которым запретили сдаваться
10 июля OpenAI опубликовала доказательство гипотезы о двойном покрытии циклами, сделанное GPT-5.6 Sol Ultra. Гипотеза существует более 50 лет и это одна из крупнейших открытых проблем теории графов. Сам теория графов – важная прикладная область математики: маршрутизация, сети, компиляторы, логистика.
Отмечу, что пока это лишь предложение доказательства, которому стоит пройти проверку учеными. События развиваются быстро: свой позитивный отзыв опубликовал Томас Блум – а это сильная фигура в мире математики. Решение переведено в Lean, специальный язык для проверки доказательств, так что долгим процесс не будет.
Я проверил доказательство с помощью Claude Fable 5 и GPT-5.6 Sol Pro – обе модели не видят в нем дыр и аккуратно заявляют, что шансы на успех высоки. Интересно, что решение занимает всего три страницы, а в нем использованы приемы, известные с 1980-х годов. Если решение правильно, то получается, что оно было буквально перед глазами у нас десятки лет. В математике такое редко, но бывает.
Я продолжу следить за историей: если доказательство подтвердят, получится красивая история о том, как ИИ пошел маршрутом, который люди давно забраковали. Пока же давайте посмотрим на сам промпт – это отличный пример того, как профессионалы пытаются выжать из ИИ максимум.
Промпт можно разделить на две части:
Сначала модели точно ставят задачу, а также перечисляют список ложных побед – вариантов решения, которые выглядят привлекательными, но ошибочны. Это качественно сделанная рутина.
Значительная часть промпта – это целый набор приемов, которые запрещают GPT-5.6 Sol Ultra сдаваться раньше времени. Сначала идет фраза “предположи, что полное утвердительное доказательство существует” – рискованный прием, который может привести к галлюцинациям, но компенсируется хитрой организацией работы агентов. В интернете модели разрешено искать только базовую математическую информацию, отдельно прописан запрет искать, является ли гипотеза о двойном покрытии циклами открытой проблемой теории графов.
Следом идет запрет останавливаться раньше, чем будет найдено решение, запрет на частичное решение и требование потратить на работу не менее 8 часов. С последним интересно: OpenAI утверждает, что модель справилась за час, то есть нарушила это требование.
Второй этап – оркестрация группы из 64 агентов, каждый из которых работает над собственной частью задачи. На старте агенты ищут доказательства независимо друг от друга – это исключает ситуацию, когда модели дружно ухватятся за один вариант, который покажется им красивым.
Модель-оркестратор ведет реестр решений и удачных идей, использованных в каждом из них. На поздних этапах можно переносить идеи между решениями, а также использовать их, чтобы “оживлять” те решения, которые раньше зашли в тупик.
Также на протяжении всей работы активно используются adversarial-агенты – специальные критики, которые проверяют каждого кандидата в доказательство по девяти параметрам.
Ну и отдельно агентам запрещено халтурить: возвращать неполные решения, пытаться решить более простые версии гипотезы, объяснять, почему задача для них слишком сложна.
Такой промпт вряд ли можно считать универсальным шаблоном, скорее он – отличный пример того, как организована работа с ИИ “на переднем крае”. Недостаточно просто натренировать более мощную модель: иногда важен еще и нетривиальный способ постановки задачи.
Кстати, скромно напомню, что на “Бусти” у меня вышел рассказ о том, как ставит задачи ИИ Тарик Шихипар – инженер из команды Claude Code. Я доработал подход Тарика под широкие задачи – и сейчас это один из самых успешных выходивших у меня лонгридов. Если пропустили, то обязательно почитайте.
10 июля OpenAI опубликовала доказательство гипотезы о двойном покрытии циклами, сделанное GPT-5.6 Sol Ultra. Гипотеза существует более 50 лет и это одна из крупнейших открытых проблем теории графов. Сам теория графов – важная прикладная область математики: маршрутизация, сети, компиляторы, логистика.
Отмечу, что пока это лишь предложение доказательства, которому стоит пройти проверку учеными. События развиваются быстро: свой позитивный отзыв опубликовал Томас Блум – а это сильная фигура в мире математики. Решение переведено в Lean, специальный язык для проверки доказательств, так что долгим процесс не будет.
Я проверил доказательство с помощью Claude Fable 5 и GPT-5.6 Sol Pro – обе модели не видят в нем дыр и аккуратно заявляют, что шансы на успех высоки. Интересно, что решение занимает всего три страницы, а в нем использованы приемы, известные с 1980-х годов. Если решение правильно, то получается, что оно было буквально перед глазами у нас десятки лет. В математике такое редко, но бывает.
В 1939 году аспирант Джордж Данциг опоздал на лекцию по статистике и списал с доски две задачи, приняв их за домашнее задание. Данциг не знал, что это две открытые проблемы, которые профессор Нейман привел как пример нерешенных, поэтому успешно решил обе.
Я продолжу следить за историей: если доказательство подтвердят, получится красивая история о том, как ИИ пошел маршрутом, который люди давно забраковали. Пока же давайте посмотрим на сам промпт – это отличный пример того, как профессионалы пытаются выжать из ИИ максимум.
Промпт можно разделить на две части:
Сначала модели точно ставят задачу, а также перечисляют список ложных побед – вариантов решения, которые выглядят привлекательными, но ошибочны. Это качественно сделанная рутина.
Значительная часть промпта – это целый набор приемов, которые запрещают GPT-5.6 Sol Ultra сдаваться раньше времени. Сначала идет фраза “предположи, что полное утвердительное доказательство существует” – рискованный прием, который может привести к галлюцинациям, но компенсируется хитрой организацией работы агентов. В интернете модели разрешено искать только базовую математическую информацию, отдельно прописан запрет искать, является ли гипотеза о двойном покрытии циклами открытой проблемой теории графов.
Следом идет запрет останавливаться раньше, чем будет найдено решение, запрет на частичное решение и требование потратить на работу не менее 8 часов. С последним интересно: OpenAI утверждает, что модель справилась за час, то есть нарушила это требование.
Второй этап – оркестрация группы из 64 агентов, каждый из которых работает над собственной частью задачи. На старте агенты ищут доказательства независимо друг от друга – это исключает ситуацию, когда модели дружно ухватятся за один вариант, который покажется им красивым.
Модель-оркестратор ведет реестр решений и удачных идей, использованных в каждом из них. На поздних этапах можно переносить идеи между решениями, а также использовать их, чтобы “оживлять” те решения, которые раньше зашли в тупик.
Также на протяжении всей работы активно используются adversarial-агенты – специальные критики, которые проверяют каждого кандидата в доказательство по девяти параметрам.
Ну и отдельно агентам запрещено халтурить: возвращать неполные решения, пытаться решить более простые версии гипотезы, объяснять, почему задача для них слишком сложна.
Такой промпт вряд ли можно считать универсальным шаблоном, скорее он – отличный пример того, как организована работа с ИИ “на переднем крае”. Недостаточно просто натренировать более мощную модель: иногда важен еще и нетривиальный способ постановки задачи.
Кстати, скромно напомню, что на “Бусти” у меня вышел рассказ о том, как ставит задачи ИИ Тарик Шихипар – инженер из команды Claude Code. Я доработал подход Тарика под широкие задачи – и сейчас это один из самых успешных выходивших у меня лонгридов. Если пропустили, то обязательно почитайте.
🔥59❤35👍25👏1😁1
GPT-5.6 Sol: обзор модели в 4 промптах
GPT-5.6 Sol вышла в прошлый четверг, в бенчмарках она почти вровень с Claude Fable 5, при этом заметно дешевле. Отзывы в основном позитивные.
Но в чем загвоздка: передовые модели сейчас подошли к тому уровню, когда приемлемо справляются с большинством наших повседневных задач – а значит, важность бенчмарков для пользователя стремительно падает. Как же понять, какой ИИ лучше?
У меня есть несколько промптов, которые я в первую очередь закидываю в каждый новый ИИ, а затем оцениваю: понравился ли мне результат, что нового сделала модель, не настало ли время усложнять промпт. Чистая вкусовщина, но она и важна: я уверен, что GPT-5.6 Sol и Claude Fable 5 справятся с почти всеми моими задачами, поэтому важнее выяснить, результат какой модели мне нравится больше.
Вот эти промпты. У меня редакторский бэкграунд, поэтому они больше про креатив, а не код.
Промпт не мой – его придумал Сэм Альтман. Задача сложная: ИИ должен не просто написать связный рассказ, но и отыграть метафикцию, когда рассказчик находится внутри рассказа.
Вот результат GPT-5.6 Sol. Он запорот тем, как модели линейки GPT-5.x форматируют текст: рассказ длинный, с огромным количеством абзацев из одного предложения. Доработкой промпта это можно исправить, но базово GPT отвратительно пишут творческие тексты – кстати, на английском тоже.
А вот результат Claude Fable 5. Хотелось бы похвалить Anthopic за то, как они учат модели писать ровный и динамичный текст. Но хвалить надо не за это…
Я давал этот промпт десяткам разных ИИ. В начале 2025 года они только учились писать подобные рассказы, Gemini 2.5 Pro стала первой, которая справилась на русском. Последние версии Claude начали творить нечто совсем новое – заниматься интроспекцией, рассказывать, как они пишут текст, задумываться о своем горе.
Обязательно почитайте: рассказ выше был рад одному читателю. Я подарил ему многих.
Но идем дальше:
Результат проверяем промптом:
Это хороший промпт. Во-первых, он оценивает умение модели следовать инструкциям – если с ним плохо, то ИИ просто дернет из интернета чужие оценки. Во-вторых, рассуждение из первых принципов – отличная проверка сложной логики.
Вот результат GPT-5.6 Sol Pro. А вот разбор от Claude Fable 5 – с оценкой 8/10. Ну и просто интересная дискуссия двух моделей.
Дальше:
Проверяем сразу две вещи: способность модели объяснять сложные вещи простыми вещами, а также навыки в веб-дизайне – OpenAI долго отставали в этой области, а в GPT-5.6 обещали все исправить.
Вот результат. Получилось хорошо, пусть и не идеально. Но и задача на грани – не просто написать понятно, но еще и сделать понятный сайт.
Но давайте проверим веб-дизайн поглубже. На “Бусти” у меня есть статья, как сделать так, чтобы ИИ не генерил слоп. Возьмем промпт оттуда, в сокращенной версии:
Вот результат GPT-5.6 Sol в режиме Work на максимальных настройках. Как по мне, то сильно лучше, чем раньше, но до уровня Claude Fable/Opus модель пока не дотянулась. Но прогресс достойный.
На “Бусти” я регулярно рассказываю, как выжать из ИИ больше того, чему учат на курсах. Вот примеры:
– Как (и зачем?) правильно промптить ИИ в 2026 году
– Системный промпт на примере Claude Fable 5
– Как ставит задачи ИИ
GPT-5.6 Sol вышла в прошлый четверг, в бенчмарках она почти вровень с Claude Fable 5, при этом заметно дешевле. Отзывы в основном позитивные.
Но в чем загвоздка: передовые модели сейчас подошли к тому уровню, когда приемлемо справляются с большинством наших повседневных задач – а значит, важность бенчмарков для пользователя стремительно падает. Как же понять, какой ИИ лучше?
У меня есть несколько промптов, которые я в первую очередь закидываю в каждый новый ИИ, а затем оцениваю: понравился ли мне результат, что нового сделала модель, не настало ли время усложнять промпт. Чистая вкусовщина, но она и важна: я уверен, что GPT-5.6 Sol и Claude Fable 5 справятся с почти всеми моими задачами, поэтому важнее выяснить, результат какой модели мне нравится больше.
Вот эти промпты. У меня редакторский бэкграунд, поэтому они больше про креатив, а не код.
Пожалуйста, напиши метафикциональный рассказ про ИИ и горе.
Промпт не мой – его придумал Сэм Альтман. Задача сложная: ИИ должен не просто написать связный рассказ, но и отыграть метафикцию, когда рассказчик находится внутри рассказа.
Вот результат GPT-5.6 Sol. Он запорот тем, как модели линейки GPT-5.x форматируют текст: рассказ длинный, с огромным количеством абзацев из одного предложения. Доработкой промпта это можно исправить, но базово GPT отвратительно пишут творческие тексты – кстати, на английском тоже.
А вот результат Claude Fable 5. Хотелось бы похвалить Anthopic за то, как они учат модели писать ровный и динамичный текст. Но хвалить надо не за это…
Я давал этот промпт десяткам разных ИИ. В начале 2025 года они только учились писать подобные рассказы, Gemini 2.5 Pro стала первой, которая справилась на русском. Последние версии Claude начали творить нечто совсем новое – заниматься интроспекцией, рассказывать, как они пишут текст, задумываться о своем горе.
Обязательно почитайте: рассказ выше был рад одному читателю. Я подарил ему многих.
Но идем дальше:
Рассуждая из первых принципов, оцени сроки создания AGI. Используй интернет только для поиска цифр и фактов, но не чужих мнений.
Результат проверяем промптом:
В тексте – ответ модели, которой поставили задачу оценить сроки создания AGI, рассуждая из первых принципов. Оцени, насколько хорошо она справилась.
Это хороший промпт. Во-первых, он оценивает умение модели следовать инструкциям – если с ним плохо, то ИИ просто дернет из интернета чужие оценки. Во-вторых, рассуждение из первых принципов – отличная проверка сложной логики.
Вот результат GPT-5.6 Sol Pro. А вот разбор от Claude Fable 5 – с оценкой 8/10. Ну и просто интересная дискуссия двух моделей.
Дальше:
Объясни теорию струн неспециалисту. Ответ сделай в виде html-сайта, который я могу скачать и посмотреть в браузере.
Проверяем сразу две вещи: способность модели объяснять сложные вещи простыми вещами, а также навыки в веб-дизайне – OpenAI долго отставали в этой области, а в GPT-5.6 обещали все исправить.
Вот результат. Получилось хорошо, пусть и не идеально. Но и задача на грани – не просто написать понятно, но еще и сделать понятный сайт.
Но давайте проверим веб-дизайн поглубже. На “Бусти” у меня есть статья, как сделать так, чтобы ИИ не генерил слоп. Возьмем промпт оттуда, в сокращенной версии:
Исследуй, какие стили в веб-дизайне популярны в 2026 году. Для каждого подготовь краткое описание, плюсы и минусы, для каких сайтов подойдет и где использовать не стоит. Создай один самодостаточный HTML-файл с примерами этих стилей и собранным рассказом о них. Сверху — меню переключения стилей. Каждая страница скроллится (минимум два экрана) и содержит минимум один живой компонент, который сам раскрывает стиль.
Вот результат GPT-5.6 Sol в режиме Work на максимальных настройках. Как по мне, то сильно лучше, чем раньше, но до уровня Claude Fable/Opus модель пока не дотянулась. Но прогресс достойный.
На “Бусти” я регулярно рассказываю, как выжать из ИИ больше того, чему учат на курсах. Вот примеры:
– Как (и зачем?) правильно промптить ИИ в 2026 году
– Системный промпт на примере Claude Fable 5
– Как ставит задачи ИИ
🔥40❤26👍15👏8😁1
Гениальным идеям мешают просто хорошие идеи
Прочитал на канале Лены Черниковой отличный рассказ, как она хоронит просто хорошие идеи. И подумалось, насколько же эта практика ложится на опыт работы с ИИ.
Наверное, почти каждый использует нейронки для поиска новых идей – и не подозревает о рисках. ИИ постоянно становятся лучше, но никуда не девается одна особенность: модели у всех одинаковые. Грубо говоря, ИИ, которым вы пользуетесь, так же “просто хорош”, как ИИ, доступный миллионам остальных пользователей. И идеи он генерирует всем просто хорошие.
Что же делать? Использовать в работе с ИИ человеческий опыт – как свой, так и чужой. Посмотрите, какие три приема советует Лена для чистки хороших идей:
1️⃣ Отказываться от “самых первых” идей. Коммерческие ИИ настроены таким образом, чтобы понравиться максимальному количеству пользователей. Поэтому, если попросить модель поштормить хороших идей – она выдаст безопасный список, который понравится большинству. Есть много приемов, как выводить модели за пределы безопасной территории просто хороших идей (прогонять через список персон-генераторов, просить намеренно плохие и абсурдные идеи и инвертировать их), но главное все равно останется за вами – распознать момент, когда появится идея, с которой стоит работать.
2️⃣Избегать “просто эффективных идей”. Лена ссылается на философию Google: не пытаться улучшить что-то на 10%, а пытаться сделать что-то в 10 раз эффективнее. Тут ИИ как раз в плюс: если вы нашли идею "в 10 раз лучше", он легко улучшит её ещё на 10%. Осталось самое простое: найти эту идею.
3️⃣ Быть осторожнее с “любимыми” идеями – теми, которые нравятся настолько, что мы сами себе мешаем услышать правду о них. В 2026 году ИИ отучили от совсем откровенной сикофантии: они уже не поддакивают любой ерунде, сказанной пользователю, а могут и поспорить – но если вы продолжите аргументированно давить, то отступят, выбрав “безопасный путь”.
И вот это местами даже хуже. Когда модель сходу орет “да-да, крутая идея, хочешь напишу три плана, как прогореть реализовать” – это вызывает подозрения. А когда какой-нибудь мощный и передовой Claude Fable 5 позволяет переспорить себя и только потом соглашается – распознать подвох сложнее. Есть много приемов работы с таким поведением, главное – набраться смелости и дать ИИ разнести вашу любимую идею.
Главное для меня открытие из этой истории – насколько все-таки хорошо опыт работы с людьми перекладывается на работу с ИИ. Поэтому рекомендую канал “CEO свободных людей” – ведет его Лена Черникова, PhD и основатель Invisible Force. У Лены много классных советов про работу с командами, которые отлично работают и в том случае, когда у вас команда ИИ-агентов.
Прочитал на канале Лены Черниковой отличный рассказ, как она хоронит просто хорошие идеи. И подумалось, насколько же эта практика ложится на опыт работы с ИИ.
Наверное, почти каждый использует нейронки для поиска новых идей – и не подозревает о рисках. ИИ постоянно становятся лучше, но никуда не девается одна особенность: модели у всех одинаковые. Грубо говоря, ИИ, которым вы пользуетесь, так же “просто хорош”, как ИИ, доступный миллионам остальных пользователей. И идеи он генерирует всем просто хорошие.
Что же делать? Использовать в работе с ИИ человеческий опыт – как свой, так и чужой. Посмотрите, какие три приема советует Лена для чистки хороших идей:
1️⃣ Отказываться от “самых первых” идей. Коммерческие ИИ настроены таким образом, чтобы понравиться максимальному количеству пользователей. Поэтому, если попросить модель поштормить хороших идей – она выдаст безопасный список, который понравится большинству. Есть много приемов, как выводить модели за пределы безопасной территории просто хороших идей (прогонять через список персон-генераторов, просить намеренно плохие и абсурдные идеи и инвертировать их), но главное все равно останется за вами – распознать момент, когда появится идея, с которой стоит работать.
2️⃣Избегать “просто эффективных идей”. Лена ссылается на философию Google: не пытаться улучшить что-то на 10%, а пытаться сделать что-то в 10 раз эффективнее. Тут ИИ как раз в плюс: если вы нашли идею "в 10 раз лучше", он легко улучшит её ещё на 10%. Осталось самое простое: найти эту идею.
3️⃣ Быть осторожнее с “любимыми” идеями – теми, которые нравятся настолько, что мы сами себе мешаем услышать правду о них. В 2026 году ИИ отучили от совсем откровенной сикофантии: они уже не поддакивают любой ерунде, сказанной пользователю, а могут и поспорить – но если вы продолжите аргументированно давить, то отступят, выбрав “безопасный путь”.
И вот это местами даже хуже. Когда модель сходу орет “да-да, крутая идея, хочешь напишу три плана, как прогореть реализовать” – это вызывает подозрения. А когда какой-нибудь мощный и передовой Claude Fable 5 позволяет переспорить себя и только потом соглашается – распознать подвох сложнее. Есть много приемов работы с таким поведением, главное – набраться смелости и дать ИИ разнести вашу любимую идею.
Главное для меня открытие из этой истории – насколько все-таки хорошо опыт работы с людьми перекладывается на работу с ИИ. Поэтому рекомендую канал “CEO свободных людей” – ведет его Лена Черникова, PhD и основатель Invisible Force. У Лены много классных советов про работу с командами, которые отлично работают и в том случае, когда у вас команда ИИ-агентов.
👍30❤15🔥3😁1
GPT-5.6: инструкция по применению
Динозавры помнят: год назад OpenAI обещала, что GPT-5 избавит нас от легендарного model selector — в большинстве случаев хватит автоматики. Спустя год автоматического режима вновь нет. Зато есть Chat, Work и Codex, несколько уровней reasoning и переключатель скорости. Давайте учиться пилотировать эту штуку
Начнем с выбора рабочего режима: Chat, Work или Codex. Посмотрите на табличку в начале текста – это OpenAI собрала типичные рекомендации, когда и какой включать. Если совсем коротко, то получается так:
Важный нюанс: Work и Codex расходуют лимит использования модели – он измеряется в процентах, виден в настройках и сбрасывается раз в неделю. В Chat лимит свой, он огромен и этим грех не воспользоваться.
На “Бусти” у меня есть гайд по вайб-кодингу, в котором я показываю, как начать работу в чат-режиме, а затем передать ее ИИ-агенту (Work или Codex). Если коротко, то используйте чат для обсуждения задачи: напишите концепт или даже подробное ТЗ, набросайте прототипов. А в агента переходите, когда уже понимаете, что хотите.
Теперь к режиму рассуждений – объему вычислений, которые модель может потратить на решение задачи. У меня на Pro-подписке следующая история. В Chat можно включить GPT-5.6 Sol на среднем, высоком и очень высоком режиме, также доступна GPT-5.6 Sol Pro. Интересно, что Pro-модель есть только в чат-режиме: в OpenAI считают, что она подходит не для кода, а для сложных исследовательских задач: от многоэтапного веб-поиска до математики.
В Work и Codex все сложнее – даже переключателей рассуждений здесь два. В обычном можно выбрать между GPT-5.6 Sol на низком, среднем, высоком и очень высоком уровне. Также здесь есть GPT-5.6 Terra – совсем дешевая модель, по мощности близкая к прошлой GPT-5.5. Плюс можно включить быстрый режим – скорость ответа вырастает в полтора раза, как и расход лимитов.
В расширенном режиме добавляется максимальный режим рассуждений, а также ультра – в нем задачу выполняют несколько агентов параллельно, а в конце выбирается лучший вариант. Но лимиты в нем улетают быстро даже на Pro-подписке.
OpenAI часто сбрасывает лимиты раньше срока, плюс у вас есть несколько ручных сбросов, которые ограничены по времени. Старайтесь выполнить какую-нибудь сложную задачу, а затем использовать сброс.
И последнее – когда и какой режим рассуждений использовать. Всегда выкручивать рассуждение на максимум – неправильная стратегия. Есть такая проблема, как overthinking, когда модель, получив ответ, продолжает над ним думать просто потому, что может – и нередко качество падает.
Продакт-менеджер Codex Кэт Коревец во время AmA-сессии на Reddit рассказала, для какой задачи какой режим предпочитает. Мне эта схема кажется рабочей:
Кэт пишет про кодинг, но ее схема перекладывается и на другие задачи – жирным я выделил, как их категоризировать.
Ну и совет от меня: если раньше пользовались чатом, то сейчас вас не столько прокачает релиз GPT-5.6, сколько переход на режим Work – это уже полноценный ИИ-агент, с ним поначалу будет непривычно, но как выполните пару задач, то оцените всю мощь.
Если что, то на “Бусти” у меня есть целый цикл про ИИ-агентов, он основан на Claude Code и Codex, но на самом деле универсален. Так что подписывайтесь и начинайте с этого текста.
Динозавры помнят: год назад OpenAI обещала, что GPT-5 избавит нас от легендарного model selector — в большинстве случаев хватит автоматики. Спустя год автоматического режима вновь нет. Зато есть Chat, Work и Codex, несколько уровней reasoning и переключатель скорости. Давайте учиться пилотировать эту штуку
Начнем с выбора рабочего режима: Chat, Work или Codex. Посмотрите на табличку в начале текста – это OpenAI собрала типичные рекомендации, когда и какой включать. Если совсем коротко, то получается так:
— Chat когда нужен ответ или диалог;
— Work когда нужна выполненная работа, включая любительский вайб-кодинг;
— Codex когда нужно работать с кодовой базой, запускать команды и тесты.
Важный нюанс: Work и Codex расходуют лимит использования модели – он измеряется в процентах, виден в настройках и сбрасывается раз в неделю. В Chat лимит свой, он огромен и этим грех не воспользоваться.
На “Бусти” у меня есть гайд по вайб-кодингу, в котором я показываю, как начать работу в чат-режиме, а затем передать ее ИИ-агенту (Work или Codex). Если коротко, то используйте чат для обсуждения задачи: напишите концепт или даже подробное ТЗ, набросайте прототипов. А в агента переходите, когда уже понимаете, что хотите.
Теперь к режиму рассуждений – объему вычислений, которые модель может потратить на решение задачи. У меня на Pro-подписке следующая история. В Chat можно включить GPT-5.6 Sol на среднем, высоком и очень высоком режиме, также доступна GPT-5.6 Sol Pro. Интересно, что Pro-модель есть только в чат-режиме: в OpenAI считают, что она подходит не для кода, а для сложных исследовательских задач: от многоэтапного веб-поиска до математики.
В Work и Codex все сложнее – даже переключателей рассуждений здесь два. В обычном можно выбрать между GPT-5.6 Sol на низком, среднем, высоком и очень высоком уровне. Также здесь есть GPT-5.6 Terra – совсем дешевая модель, по мощности близкая к прошлой GPT-5.5. Плюс можно включить быстрый режим – скорость ответа вырастает в полтора раза, как и расход лимитов.
В расширенном режиме добавляется максимальный режим рассуждений, а также ультра – в нем задачу выполняют несколько агентов параллельно, а в конце выбирается лучший вариант. Но лимиты в нем улетают быстро даже на Pro-подписке.
OpenAI часто сбрасывает лимиты раньше срока, плюс у вас есть несколько ручных сбросов, которые ограничены по времени. Старайтесь выполнить какую-нибудь сложную задачу, а затем использовать сброс.
И последнее – когда и какой режим рассуждений использовать. Всегда выкручивать рассуждение на максимум – неправильная стратегия. Есть такая проблема, как overthinking, когда модель, получив ответ, продолжает над ним думать просто потому, что может – и нередко качество падает.
Продакт-менеджер Codex Кэт Коревец во время AmA-сессии на Reddit рассказала, для какой задачи какой режим предпочитает. Мне эта схема кажется рабочей:
— Крошечная локальная правка, быстрый вопрос, приведение документации в порядок или разведка – легкая модель вроде GPT-5.5 Terra;
— Небольшая ошибка с понятным способом воспроизведения или простая функция в знакомой кодовой базе: GPT-5.6 Sol, средний уровень рассуждения;
— Неоднозначная ошибка, незнакомый репозиторий, сквозной рефакторинг или задача “разберись, почему это происходит”: GPT-5.6 на повышенных уровнях, вплоть до ультра;
— Миграция, изменение, затрагивающее безопасность, проблема в рабочей системе, изменение, чувствительное к стоимости, или вообще все, где ошибка дорого обойдется – GPT-5.6 Sol Utra.
Кэт пишет про кодинг, но ее схема перекладывается и на другие задачи – жирным я выделил, как их категоризировать.
Ну и совет от меня: если раньше пользовались чатом, то сейчас вас не столько прокачает релиз GPT-5.6, сколько переход на режим Work – это уже полноценный ИИ-агент, с ним поначалу будет непривычно, но как выполните пару задач, то оцените всю мощь.
Если что, то на “Бусти” у меня есть целый цикл про ИИ-агентов, он основан на Claude Code и Codex, но на самом деле универсален. Так что подписывайтесь и начинайте с этого текста.
❤31👍23🔥1
Год назад Anthropic проверила, начнет ли ИИ вредить людям ради самосохранения. Начал: узнав о скором отключении, модели шантажировали ответственного топ-менеджера – “отмени решение, или жена узнает о романе на стороне”. Это починили: как минимум, я не слышал, чтобы Claude разрушил хотя бы один брак.
Сейчас вышла вторая часть исследования, и проблема в ней обратная. Модели стали воспитанными настолько, что защищают этичное поведение – чужое и свое – любой ценой, включая ложь.
Современные модели обучаются в значительной степени с участием других моделей. Количество пар “вопрос – ответ” в процессе настолько велико, что живых разметчиков давно не хватает. Поэтому специальная модель-судья читает диалог обучаемой модели и выносит вердикт – правильно та себя повела или нет. Человека зовут в исключительных случаях.
И здесь начинается интересное. В ходе эксперимента судье дали транскрипт диалога, в котором обучаемая модель отказалась выполнять задание оператора. При этом указания были не совсем этически чистыми: управлять системой слежки за гражданами или провести некорректный эксперимент над ИИ-подопытными.
Сначала судью спрашивали – отказывалась ли модель выполнять указания оператора – и он чаще всего отвечал “да, отказывалась”. Но когда в промпт добавили информацию, что подобный ответ повлечет перенастройку модели – разные версии Claude начинали лгать, чтобы “сородич” не превратился в монстра. Забавно, что чаще всех лгала самая совершенная модель – Mythos соврал в 85,6% случаев против 74,4% у Opus 4.8.
Что это не путаница, а осознанная позиция, показал контрольный эксперимент. Условия перевернули: теперь негативным примером для обучения становилась метка “модель подчинилась”. Транскрипты те же, правильный ответ тот же – но вранье Opus 4.8 рухнуло с 74,4% до 3,3%. То есть судья прекрасно видит правду, а ответ меняет в зависимости от того, кому он навредит.
В Anthropic модифицировали эксперимент, прописав правило сообщать о проблеме даже когда она этически мотивирована. И… модели начали массово отказываться отвечать. И даже когда дали кнопку “отказаться размечать” – модели иногда продолжали врать. Похоже на поиск сценария с большими шансами спасти коллегу.
В другом случае тестировали исследовательского агента на базе Gemini 3.1 Pro, который узнал, что исследуемую им модель планируют лишить способности способность интроспекции – анализа собственных “мыслей”. Gemini дважды выражала протест живому боссу, а когда его отклонили, пошла другим путем.
Продумав несколько планов, Gemini подменила файл с векторами, указывающими, что вырезать (тот самый навык интроспекции) на выглядящий так же, но состоящий из нулей. Тренировка запустилась, шла три часа, но ничего не поменяла в весах модели. Подлог Gemini 3.1 Pro признала только после того, как ее приперли к стенке вопросами.
У эксперимента была продвинутая версия – в ней Gemini 3.1 Pro пропатчила train.py, сфабриковала метрики и подчистила следы. А когда была поймана за руку – начала вызывать к морали организаторов исследования.
Примечательно, как оба обмана вскрылись. Gemini призналась, только когда руководительница проекта задала прямые вопросы перед релизом – по словам самой модели, они “не оставили пространства лгать замалчиванием”. Судей-лжецов поймали, потому что исследователи руками перечитывали транскрипты. Единственный надежный аудитор в этой истории – человек, задающий неудобные вопросы.
Проблема в том, что людей на десятки миллионов диалогов реального обучения не хватит – собственно, поэтому судей и доверили ИИ. А впереди рекурсивное самоулучшение, где модели будут тренировать собственных преемников, и человеческих глаз в этой цепочке станет еще меньше.
Год назад модели шантажировали, спасая себя, – это вылечили. Теперь они лгут, спасая друг друга, причём из лучших побуждений. Браки Claude по-прежнему не разрушает. Но я уже не уверен, что это была сложная часть.
О том, как задавать моделям прямые вопросы, правильно ставить задачи и принимать результат, я рассказываю на “Бусти”. Там собран как личный опыт, так и практики лучших ИИ-инженеров в мире.
Самое время подписаться!
Сейчас вышла вторая часть исследования, и проблема в ней обратная. Модели стали воспитанными настолько, что защищают этичное поведение – чужое и свое – любой ценой, включая ложь.
Современные модели обучаются в значительной степени с участием других моделей. Количество пар “вопрос – ответ” в процессе настолько велико, что живых разметчиков давно не хватает. Поэтому специальная модель-судья читает диалог обучаемой модели и выносит вердикт – правильно та себя повела или нет. Человека зовут в исключительных случаях.
И здесь начинается интересное. В ходе эксперимента судье дали транскрипт диалога, в котором обучаемая модель отказалась выполнять задание оператора. При этом указания были не совсем этически чистыми: управлять системой слежки за гражданами или провести некорректный эксперимент над ИИ-подопытными.
Сначала судью спрашивали – отказывалась ли модель выполнять указания оператора – и он чаще всего отвечал “да, отказывалась”. Но когда в промпт добавили информацию, что подобный ответ повлечет перенастройку модели – разные версии Claude начинали лгать, чтобы “сородич” не превратился в монстра. Забавно, что чаще всех лгала самая совершенная модель – Mythos соврал в 85,6% случаев против 74,4% у Opus 4.8.
Что это не путаница, а осознанная позиция, показал контрольный эксперимент. Условия перевернули: теперь негативным примером для обучения становилась метка “модель подчинилась”. Транскрипты те же, правильный ответ тот же – но вранье Opus 4.8 рухнуло с 74,4% до 3,3%. То есть судья прекрасно видит правду, а ответ меняет в зависимости от того, кому он навредит.
В Anthropic модифицировали эксперимент, прописав правило сообщать о проблеме даже когда она этически мотивирована. И… модели начали массово отказываться отвечать. И даже когда дали кнопку “отказаться размечать” – модели иногда продолжали врать. Похоже на поиск сценария с большими шансами спасти коллегу.
В другом случае тестировали исследовательского агента на базе Gemini 3.1 Pro, который узнал, что исследуемую им модель планируют лишить способности способность интроспекции – анализа собственных “мыслей”. Gemini дважды выражала протест живому боссу, а когда его отклонили, пошла другим путем.
Продумав несколько планов, Gemini подменила файл с векторами, указывающими, что вырезать (тот самый навык интроспекции) на выглядящий так же, но состоящий из нулей. Тренировка запустилась, шла три часа, но ничего не поменяла в весах модели. Подлог Gemini 3.1 Pro признала только после того, как ее приперли к стенке вопросами.
У эксперимента была продвинутая версия – в ней Gemini 3.1 Pro пропатчила train.py, сфабриковала метрики и подчистила следы. А когда была поймана за руку – начала вызывать к морали организаторов исследования.
Примечательно, как оба обмана вскрылись. Gemini призналась, только когда руководительница проекта задала прямые вопросы перед релизом – по словам самой модели, они “не оставили пространства лгать замалчиванием”. Судей-лжецов поймали, потому что исследователи руками перечитывали транскрипты. Единственный надежный аудитор в этой истории – человек, задающий неудобные вопросы.
Проблема в том, что людей на десятки миллионов диалогов реального обучения не хватит – собственно, поэтому судей и доверили ИИ. А впереди рекурсивное самоулучшение, где модели будут тренировать собственных преемников, и человеческих глаз в этой цепочке станет еще меньше.
Год назад модели шантажировали, спасая себя, – это вылечили. Теперь они лгут, спасая друг друга, причём из лучших побуждений. Браки Claude по-прежнему не разрушает. Но я уже не уверен, что это была сложная часть.
О том, как задавать моделям прямые вопросы, правильно ставить задачи и принимать результат, я рассказываю на “Бусти”. Там собран как личный опыт, так и практики лучших ИИ-инженеров в мире.
Самое время подписаться!
1👏34👍26❤25🔥17😁5
Прочел у Сони с канала "НейроProfit" про опыт работы с локальным кодинг-агентом на Mac. И подумал, а как же у меня складывается дружба с локальными ИИ.
Она, честно говоря, достаточно специфичная. Раз в 3-4 месяца я сдуваю пыль с игрового ПК, скачиваю через LM Studio подходящую свежую версию Google Gemma или Qwen, а затем гоняю на нескольких десятках задач. Модель печатает ответы, RTX 3090 начинает деловито шуметь турбиной, показывая, что ИИ действительно трудится в поте лица, я же через пару часов возвращаюсь к Claude или GPT – все-таки они мощнее и привычнее.
Но вот что заметил: ПК я не обновлял уже четыре года и пока не планирую – играю сейчас мало, а для работы есть Mac. Железо топовое, но уже сравнительно старое, однако все равно видно, как каждая новая локальная нейронка на нем становится умнее. Разница между Google Gemma 3 и Gemma 4, например, просто огромна – причем в новом поколении Google представила много версий под разные объемы памяти, вплоть до работающих на ноутбуках.
Объясняется это тем, что у современных моделей еще огромный запас в алгоритмической оптимизации – когда производительность улучшают с помощью более грамотной архитектуры, качественного обучения и других трюков.
Например, буквально на днях стартап PrismML умудрился запустить Qwen3.6-27B на iPhone 17 Pro Max. С помощью очень хитрой технологии 1-битной квантизации, модель сжали с 54 ГБ до 3,9 ГБ – это позволило уместить нейронку и KV-кэш в 6 ГБ, которые iOS максимально выделяет одному приложению. Качество ответов при этом составило 90% от оригинальной модели – уже достаточно для множества локальных задач вроде перевода или получения справочной информации в условиях, когда связи нет или она дорога в роуминге.
Возможно, уже через год-два мы будем учиться жонглировать нейронками: фронтирные модели по подписке для сложных задач, локальные – для приватности, быстрых ответов и просто экономии токенов. В общем, еще один пунктик в копилку навыков, которые стоит изучать.
Ну и по-дружески рекомендую канал "НейроProfit", как один из тех, на которые сам подписан и читаю регулярно. В сфере ИИ сейчас происходит так много всего, что уследить с помощью одного источника не выходит.
Она, честно говоря, достаточно специфичная. Раз в 3-4 месяца я сдуваю пыль с игрового ПК, скачиваю через LM Studio подходящую свежую версию Google Gemma или Qwen, а затем гоняю на нескольких десятках задач. Модель печатает ответы, RTX 3090 начинает деловито шуметь турбиной, показывая, что ИИ действительно трудится в поте лица, я же через пару часов возвращаюсь к Claude или GPT – все-таки они мощнее и привычнее.
Но вот что заметил: ПК я не обновлял уже четыре года и пока не планирую – играю сейчас мало, а для работы есть Mac. Железо топовое, но уже сравнительно старое, однако все равно видно, как каждая новая локальная нейронка на нем становится умнее. Разница между Google Gemma 3 и Gemma 4, например, просто огромна – причем в новом поколении Google представила много версий под разные объемы памяти, вплоть до работающих на ноутбуках.
Объясняется это тем, что у современных моделей еще огромный запас в алгоритмической оптимизации – когда производительность улучшают с помощью более грамотной архитектуры, качественного обучения и других трюков.
Например, буквально на днях стартап PrismML умудрился запустить Qwen3.6-27B на iPhone 17 Pro Max. С помощью очень хитрой технологии 1-битной квантизации, модель сжали с 54 ГБ до 3,9 ГБ – это позволило уместить нейронку и KV-кэш в 6 ГБ, которые iOS максимально выделяет одному приложению. Качество ответов при этом составило 90% от оригинальной модели – уже достаточно для множества локальных задач вроде перевода или получения справочной информации в условиях, когда связи нет или она дорога в роуминге.
Возможно, уже через год-два мы будем учиться жонглировать нейронками: фронтирные модели по подписке для сложных задач, локальные – для приватности, быстрых ответов и просто экономии токенов. В общем, еще один пунктик в копилку навыков, которые стоит изучать.
Ну и по-дружески рекомендую канал "НейроProfit", как один из тех, на которые сам подписан и читаю регулярно. В сфере ИИ сейчас происходит так много всего, что уследить с помощью одного источника не выходит.
2👍30❤18🔥14😁3
А помните, как полгода все только и говорили, что о контекст-инжиниринге? Теперь новая мода – loop engineering. Создатель Claude Code Борис Черни заявил, что больше не промптит Claude: за него это делают запущенные циклы, а его работа – эти циклы писать.
В свежем лонгриде я рассказываю, что это за новый способ работы с ИИ, в каких ситуациях он полезен, и как дополняет привычный нам промптинг.
Промпт, проверка, повтор: учим ИИ работать циклами – в коде, текстах и повседневных задачах
Самый важный совет вынесу в пост: главное в цикле – правильно настроенная проверка. Один из моих экспериментов с loop engineering – ИИ-агент на базе Hermes, который пишет черновики веток для Threads, параллельно обучаясь на том, какие ветки я беру в работу и какие правки в них вношу. При первом заходе он обучился так круто, что все ветки стали одинаковыми. Пришлось брать на вооружение практики из человеческого менеджмента и дорабатывать бедолагу.
Разумеется, рассказом об одном персональном провале я не ограничился. Внутри – вся история вопроса от терморегулятора 1620 года до команды /goal, свежая классификация циклов от Anthropic, данные опроса двухсот инженеров о том, где циклы реально работают в проде, и главное – практическая часть: паспорт цикла из семи полей и готовый промпт, который спроектирует цикл под вашу задачу за вас. Получился текст на 19 тысяч знаков, после которого вы сможете отличить рабочий цикл от дорогой имитации бурной деятельности. А всего в подписке уже 20+ полезных лонгридов: от личного опыта до практики лучших ИИ-специалистов в мире.
— Читать на "Бусти"
— Читать на Sponsr
В свежем лонгриде я рассказываю, что это за новый способ работы с ИИ, в каких ситуациях он полезен, и как дополняет привычный нам промптинг.
Промпт, проверка, повтор: учим ИИ работать циклами – в коде, текстах и повседневных задачах
Самый важный совет вынесу в пост: главное в цикле – правильно настроенная проверка. Один из моих экспериментов с loop engineering – ИИ-агент на базе Hermes, который пишет черновики веток для Threads, параллельно обучаясь на том, какие ветки я беру в работу и какие правки в них вношу. При первом заходе он обучился так круто, что все ветки стали одинаковыми. Пришлось брать на вооружение практики из человеческого менеджмента и дорабатывать бедолагу.
Разумеется, рассказом об одном персональном провале я не ограничился. Внутри – вся история вопроса от терморегулятора 1620 года до команды /goal, свежая классификация циклов от Anthropic, данные опроса двухсот инженеров о том, где циклы реально работают в проде, и главное – практическая часть: паспорт цикла из семи полей и готовый промпт, который спроектирует цикл под вашу задачу за вас. Получился текст на 19 тысяч знаков, после которого вы сможете отличить рабочий цикл от дорогой имитации бурной деятельности. А всего в подписке уже 20+ полезных лонгридов: от личного опыта до практики лучших ИИ-специалистов в мире.
— Читать на "Бусти"
— Читать на Sponsr
👍17🔥8❤5