Грандиозный рывок китайского ИИ

В условиях ограничений на вычислительные мощности, Китаю удается на равных конкурировать с флагманскими LLM в США и Европе.

После громкого релиза ChatGPT 3.5 в ноябре 2022 и значительного апгрейда на ChatGPT 4 в марте 2023, в следующие 1.5 года (!) до релиза o1-preview в сентябре 2024 не было прогресса в индустрии в условиях полного доминирования OpenAI.

Однако, конкуренты стали поджимать с середины 2024 (в особенности Anthropic c моделью Claude 3.5 Sonnet).

Китай начал позже (первая публичная версия появилась в июле 2023 - Qwen Chat 7B, но была чрезвычайно слаба), но темпы развития ошеломляющие.

Уже в декабре 2023 лучшая китайская LLM вышла по производительности на уровень ChatGPT 3.5 с Qwen1.5 Chat 72B, сократив отставание до одного года.

В сентябре 2023 вышла малоизвестная, но мощная модель GLM-4-Plus от Zhipu AI, которая по синтетическим тестам достигла ChatGPT 4 образца начала 2024 (отставание сократилось до 9 месяцев).

В октябре 2023 выходит Qwen2.5 Plus (первая китайская публичная модель, которая имела практическое применение), которой удалось сравняться с обновленным GPT-4o и Claude 3.5 Sonnet, но все еще значительно проигрывая по гибкости и функционалу.

С осени 2024 началась эпическая битва ИИ. Плотность релизов зашкаливающая. Новым китайским лидером стала LLM - Step 2 от StepFun, а в декабре всем известный DeepSeek V3, который был лучшей нерассуждающей моделью в мире.

В декабре 2023 отставание Китая от американских флагманов был всего год, а в декабре 2024 Китай стал лидером, а спустя месяц появился DeepSeek R1, который и произвел медийный фурор, выводя китайские ИИ из отраслевого андеграунда в мейнстрим.

DeepSeek R1 не стал лидером, но приблизился к топовой на тот момент рассуждающей o1 от OpenAI, вот с февраля началась наиболее безумная ИИ гонка всех времен и народов, когда релизы новых LLM шли с периодичностью в 1-2 недели!

Несколько дней назад (28 мая) было произведено долгожданное обновление DeepSeek R1 без смены названия, но по тестам модель приблизилась к o3 и Gemini 2.5 Pro.

Китай начал позже, но в условиях дефицита ресурсов компенсировал технологический гэп и предлагает конкурентные решения.

Китай располагает целым зоопарком относительно конкурентных LLM (китайские модели подчеркнуты):

Интегральный уровень производительности по оценкам artificialanalysis.ai

• o4-mini (high) и o3, OpenAI– 70
• DeepSeek R1 (May 2025), DeepSeek – 68
• Gemini 2.5 Pro , Google – 68
• Grok 3 Mini Reasoning (high), xAI – 67
• Claude Opus 4 Thinking, Anthropic – 65
• Qwen3 235B A22B (Reasoning), Alibaba– 62
• SeedThinkingv1.5, ByteDance – 62
• ERNIE X1, Baidu – 60
• Hunyuan T1, Tencent – 60
• Kimi K1.5 Preview , MoonShot – 58
• glm-z1- 32b, Zhipu – 56
• step-r1- v-mini, StepFun – 55
• MiMo-7B, Xiaomi – 54
• Baichuan M1 (Preview), Baichuan - 52
• Llama 4 Maverick, Meta – 51
• Mistral Medium 3 – 49
• Nova Premier, Amazon - 43
• MiniMax -Text-01, MiniMax – 40
• Phi 4, Microsoft - 40
• YiLightning, 01 AI – 37

Для понимания скорости и масштаба прогресса. Распиаренный ChatGPT 4o, который был индустриальным стандартом в начале 2025 имел производительность около 40. Сейчас даже самая слабая китайская модель имеет производительность, как флагманский ChatGPT 4o в начале 2025 (до мартовского обновления), лучшая LLM от Google до декабря 2024 имела производительность всего 34 балла.

Сейчас в Китае 5 очень мощных игроков на рынке ИИ: Alibaba, ByteDance, Baidu, Huawei и Tencent и 5 передовых стартапов: DeepSeek, Zhipu, Stepfun, MiniMax и MoonShot AI.

В таблице представлена наглядная навигация по типам LLM от китайских разработчиков, в том числе для генерации изображений, видео и аудио.

Невероятный прогресс. Второе полугодие 2025 обещает быть интересным.
😁😁😁😁😁😁😁😁😁😁
Minds 👨‍💻 | Waves 🧐 | Pulse 🤑

Логика коллективного действия. Почему люди отказываются преследовать интересы группы, даже если это в их интересах, и как это преодолеть

Экономист Мансур Олсон в 1965 году в своем фундаментальном труде Logic of Collective Action изложил ряд фундаментальных принципов, определяющих логику коллективного действия в больших и малых группах.

Основные принципы, выведенные Олсоном, включают:

😊Парадокс размера группы (Парадокс Олсона): чем больше группа, тем сложнее обеспечить участие каждого индивида в производстве коллективного блага, поскольку доля выгоды, приходящаяся на одного участника, уменьшается, что снижает его стимулы к участию.

😊Проблема «безбилетника» (free rider problem): в больших группах рационально для индивида не участвовать в совместных действиях, рассчитывая получить выгоду от общественного блага, созданного другими, без личных затрат

Олсон пришел к выводу, что обеспечить равномерный вклад каждого потребителя общественных благ возможно только через строгую дисциплину или принуждение; например, государство не может существовать на добровольных основах, поэтому оно прибегает к налогообложению.

Дальше я хочу показать, как эти принципы работают на двух примерах и как принуждение и наказание помогают обеспечить координацию усилий:

➡️ Поддержание дисциплины через «альтруистическое наказание» (altrustic punishment)

➡️ Поддержание дисциплины через «сигналы» (costly signalling)

😊Швейцарские ученые Симон Гахтер и Эрнст Фэр провели эксперимент среди 240 человек, которые играли в «игру с общественными благами». Участников раздели на подгруппы по 4 человека и две группы: в одной правила игры подразумевали возможность наказания «рублем», а в другой — нет. Каждому выдали определенную сумму денег, а схему увеличения богатства сделали такой, что выгоднее будет оставаться безбилетником.

Но самое интересное — они предоставили опцию наказания, но применять её можно было только после окончания раунда игры, то есть к тем участникам, с которыми ты уже не пересечешься. С рациональной точки зрения это невыгодно, так как это не поможет преумножить богатство.

Как оказалось, несмотря на иррациональность наказания безбилетников, 84% участников применяли санкции. Более того 94% участников вносили больше денег в общий банк, когда существовала угроза наказания. А Строгость наказания увеличивалась пропорционально снижению объема вклада безбилетника.

Как показал этот эксперимент, люди остро чувствуют несправедливость и готовы наказать безбилетника, даже если это не принесет ощутимой выгоды. Это повышает уровень кооперации участников.

😊Во втором примере антрополог Ричард Сосис показал, опираясь на теорию сигналов, что, чем сильнее в религиозном сообществе необходимость участия в затратных для индивида действиях (ритуалах, нанесении татуировок, увечий и пр.), тем выше устойчивость религиозной группы и меньше безбилетников.

Например, нанося татуировки на тело, верующий несет альтернативные издержки, которые сигнализируют о его преданности группе. Это повышает доверие внутри группы и позитивно воздействует кооперацию. Тем не менее этот механизм хуже действует в группах, основанных на светских убеждениях.

Главная идея Олсона заключается в том, что практически ни одна группа не сможет действовать общих интересах, если не будут применяться специальные механизмы принуждения. Человеку выгоднее преследовать свои интересы за счет остальных. Особенно остро эта проблема стоит в больших сообществах.

1. Olson, M. (2012). The logic of collective action [1965]. Contemporary sociological theory, 124, 62-63.

2. Fehr, E., & Gächter, S. (2002). Altruistic punishment in humans. Nature, 415(6868), 137-140.

3. Sosis, R., & Alcorta, C. (2003). Signaling, solidarity, and the sacred: The evolution of religious behavior. Evolutionary Anthropology: Issues, News, and Reviews; s, 12(6), 264-274.
😁😁😁😁😁😁😁😁😁😁
Minds 👨‍💻 | Waves 🧐 | Pulse 🤑

Анонимность? Не слышали.

Вышел CyberOSINT — монстр для разведки, который знает о вас больше, чем вы сами.

Это НЕ просто тулза, а целая ОС для кибердетективов:

• Мгновенно ищет любые данные — по email, гео, IP, доменам, соцсетям и даже… по радиосигналам.
• Пробивает отчеты компаний, изучает камеры наблюдения, шарит в блокчейн-расследованиях.
• Доступ к базам розыска, госреестрам, парсинг облаков и слияние данных — все это в одном дашборде.
• Есть встроенный Google Dork-конструктор — вскрывает уязвимости гугл-сервисов и ищет инфу, которую никто не должен был видеть.

ИБ-эксперты нервно курят в сторонке — слишком много, слишком быстро.
Пользуйтесь с умом 😎
😁😁😁😁😁😁😁😁😁😁
Minds 👨‍💻 | Waves 🧐 | Pulse 🤑

Умные больше склонны сотрудничать

В посте про логику коллективных действий писал про эксперимент швейцарских психологов. Они установили, что кооперация между участниками в игре в общественные блага возможна на долгосрочном отрезке времени только при применении наказания к безбилетникам.

В статье экономиста Гарета Джонса нашел еще интересные данные про то, что влияет на уровень сотрудничества между участниками в игре с «дилеммой узника».

Он, проанализировав ряд исследований когнитивных способностей студентов на базе американских школ и университетов, установил при помощи регрессии интересную взаимосвязь: чем выше средний бал студентов учебного заведения за SAT (выпускной экзамен), тем выше и кооперация между участниками. Например, увеличение балла за SAT на 100 баллов среди учащихся вело к росту уровня сотрудничества в игре на 4,8% и более процентов. Сравнивая результаты студентов Государственного Университета Сан-Диего и Массачусетского Университета, Джонс установил, что студенты второго вуза сотрудничали на 21% больше в среднем.

Можно осторожно предположить , что людям с высокими когнитивными способностями возможно легче увидеть пользу и выгоду от сотрудничества, чем с более низкими, которые мыслят несколько уже.

Даже лучше: менее одаренные умом напоминают карикатурных рациональных агентов, понимающих свою выгоду в виде победы в игре с нулевой суммой. А те, кто поумнее более дальновидны и способны увидеть преимущества от игры с позитивной суммой, приносящей выгоду всем участникам.

Jones, G. (2008). Are smarter groups more cooperative? Evidence from prisoner's dilemma experiments, 1959–2003. Journal of Economic Behavior & Organization, 68(3-4), 489-497.
😁😁😁😁😁😁😁😁😁😁
Minds 👨‍💻 | Waves 🧐 | Pulse 🤑