Используя такие модели, как Gemini и Gemma, мы ускорим наши прорывы в области автоматизированных научных открытий.

За последние недели я много кодил с Claude и заметил резкий сдвиг. Еще в ноябре у меня было примерно 80% ручного кода плюс автодополнение и 20% агентов. В декабре стало наоборот: 80% агентного кода и 20% правок вручную. По сути я программирую на английском языке. Это немного бьет по эго, но возможность оперировать кодом крупными блоками слишком полезна. Это самое большое изменение моего стиля программирования за примерно 20 лет, и оно произошло буквально за несколько недель.

Хайп про то, что IDE больше не нужны, и про агентные рои – пока преждевременен. Модели все еще ошибаются, и за ними нужно сделить в полноценной IDE. Ошибки теперь другие: не синтаксис, а тонкие концептуальные промахи. Самая частая проблема: модель делает неверные предположения и спокойно продолжает, не проверяя их.

Необычно наблюдать за выносливостью модели: она не устает, не демотивируется и может долго биться там, где человек бы уже сдался. Ощущается, что выносливость была бутылочным горлышком в работе, и LLM резко его расширили.

Само ускорение от LLM измерить сложно, но важно другое: я делаю вещи, которые раньше не стоили усилий, и берусь за код, к которому раньше не мог подступиться из-за нехватки знаний. Это не только ускорение, но и расширение возможного.

При этом программировать с агентами веселее. Уходит рутина и появляется творчество. У других реакция может быть другой: LLM-кодинг разделит инженеров на тех, кто любил сам процесс кодинга, и тех, кто любил создавать продукты.

Я замечаю, что способность писать код вручную постепенно атрофируется. Возвращение к полностью ручному кодингу уже сложно представить.

Я морально готовлюсь к 2026 году как к году коллапса ИИ-слопа, который накроет весь Интернет, в том числе GitHub, Substack и arXiv. Но реальные улучшения никуда не денутся.

Индустрия сейчас переваривает новый уровень возможностей: пока что организационные процессы адаптируются, и поэтому 2026 год будет очень энергичным. Возможно, разрыв между средним и топовым уровнем специалистов вырастет. Но пока модели лучше закрывают микро-задачи, чем макростратегию.

В то время как современные системы обучены практически на всей доступной истории, люди превосходят возможности искусственного интеллекта, несмотря на то, что они видят не более нескольких миллиардов текстовых токенов во взрослом возрасте.

По нашим оценкам, эффективность обработки данных человеком в 100к–1кк раз выше, чем у существующих моделей.

Наша единственная цель – проводить качественные, революционные исследования. Хотя в настоящее время мы не стремимся к коммерциализации, мы считаем, что наша работа в конечном итоге откроет огромные возможности в корпоративной среде, робототехнике, торговле, научных открытиях и многом другом.

На самом деле, совсем наоборот.
Я знаю, что смогу это сделать, и знаю, как это сделать.
Но только не с теми методами, на которые сейчас все делают ставки.
Я (как известно) делаю ставку на JEPA, world models и планирование.
В какой-то момент ты поймешь, что я прав.