Как нейросеть может весить 2 гигабайта?

Сегодня я в свой PocketPal качал нейросети, которые работают напрямую на iPhone, им не нужен доступ в интернет. Работает так — ты просто выбираешь языковую модель, и она скачивается напрямую в телефон. Объем модели — 2-5 гигабайт!

Большие языковые модели (LLM), типа DeepSeek и Qwen, весят всего несколько гигабайт. И при этом знают всё: от философии Ницше до рецепта маринованного дайкона в Японии (я пробовал, странно). Но как? Ведь если запихнуть все знания мира — это ж миллиарды терабайт! Где тут подвох?

А теперь держись — это магия статистики и абстракций.

1. Модель не хранит знания напрямую

Она не хранит Википедию, Reddit, статьи, код и мемы как в базе данных. Она не запоминает, а обобщает — ты не найдёшь в ней текст дословно, если только он не встречался суперчасто.

Это как если бы ты выучил тысячу историй, а потом смог по аналогии придумать 10 миллионов новых, будто ты их читал. Хотя на самом деле — не читал.

2. Веса нейросети — это не “знания”, а компрессия опыта

Модель в процессе обучения «сжимает» логику языка, шаблоны, связи, смыслы и ассоциации в параметры — веса.
Условно говоря:
— 2-3 гигабайта — это миллиарды чисел, которые определяют, какие слова и идеи связаны друг с другом.
— Она не хранит контент, она научилась его предсказывать.

Пример: если ты часто видел, что после слов “Илон Маск основал…” идёт “SpaceX”, то вес между этими словами становится сильным. Это не факт в виде текста, это сжатая корреляция.

3. Это не жесткий диск — это мозг

Нейросеть — это не библиотека, это мышление.
Она как человек: не помнит статью 10 лет назад, но если ты спросишь про смысл — сформулирует, основываясь на опыте.

4. Компрессия = сила

GPT — это, по сути, компрессор знаний. Глубокий, многоуровневый, хитро обученный компрессор смысла.
2 гб модели могут «вспомнить» больше фактов, чем 100 гб Википедии, просто потому что они не хранят факты, а воссоздают их по вероятности.

Итог

Модель — это не база данных. Это мозг, способный по ассоциациям и шаблонам достраивать смысл, а не извлекать сохранённый текст.
Вот почему маленький размер — не проблема 😏 Главное — как хорошо она была натренирована. Знания в ней не «лежат», они воссоздаются в момент твоего запроса.

Интересно? Ставь 🔥

Как подписка за $20 экономит сотни тысяч рублей

Звучит как кликбейт))

ChatGPT, Kling, Qwen и другие нейросети уже умеют:
— генерировать визуал
— писать тексты
— монтировать видео
— озвучивать, переводить, структурировать
— и даже строить автоворонки

Расскажу и покажу —
Когда: 18 апреля в 18:00
Где: прямо здесь!

Что будет:

— разбор инструментов
— живые примеры
— как всё это встроить в бизнес или работу
— и как реально начать экономить сотни тысяч на креативе

Ставь 🔥 если придешь!

маленькая дубайская компания Telegram FZ-LLC не смогла сделать так, чтобы если запланирован стрим, то можно было выкладывать сторис 🥹

OpenAI выкатили новые мини-модели: что это значит?

OpenAI представили o4-mini и o3-mini — это облегчённые версии больших моделей GPT-4o / 4.5, которые работают быстрее и дешевле. Но тут не только про «дёшево и сердито».

Что важно знать:

– o4-mini — это младший брат будущего GPT-4.5. Работает на новом ускорителе от OpenAI — «новый стек ИИ-инфраструктуры».

– Модели уже в продакшене — o4-mini работает в ChatGPT для части пользователей и будет расширяться.

– Мини-модели — основа будущих агентов. Их задача — быть везде: в телефоне, в приложениях, в умных ассистентах.

– OpenAI тестит скорость, стоимость и масштабируемость. Это бета-фундамент для AI, который будет всё помнить, всё понимать и работать мгновенно.

Зачем всё это тебе?

Потому что мы приближаемся к моменту, когда полноценный ИИ будет встроен в каждый сервис — и станет невидимой частью жизни. Мини-модели — это как чипы: дешёвые, быстрые, везде. И твой бизнес, контент или продукт должен быть к этому готов.

Сегодня, здесь, в 18:00 по мск рассказываю в прямом эфире фишечки про искусственный интеллект, которые вас научат:

— управлять нейросетями
— создавать контент
— решать любые задачи без необходимости искать компетенции вовне

Не пропусти 👉🏻 https://t.me/founderit?livestream

И отправь друзьям!

Через 30 минут встречаемся здесь: https://t.me/founderit?livestream

Расскажу вам, как пользоваться нейросетями правильно. Не пропусти!

Продакшен рекламного ролика стоимостью в $0 благодаря нейросетям

Этот рекламный обошёлся в стоимость подписки на две нейросети.

Без креативных агентств. Без актеров, камер, постпродакшена. Один энтузиаст и пачка нейросетей.

Автор использовал Veo 2, Imagen 3 и LumAI Ray 2. Написал сценарий, снял и смонтировал в одного.

Сколько бы стоил этот ролик, если бы его снимало традиционное рекламное агентсто? Тысяч 15-30 долларов.

Конечно, сценарий рекламы очень тупой и скучный и вообще очевидно, что это нейросети. Но, люди в соцсетях подумали, что это настоящая реклама, которую заказала Tesla. И вот тут уже становится интересно.

Будем на моем курсе разбирать, как сделать такой же ролик.

Давайте еще один до запуска курса сделаем? :)

Используем ChatGPT на 100%

Три простых лайфхака, которые помогут выжать из любого вашего промта максимум:

1. Нейросеть не просто сгенерирует ответ, а будет рассуждать вслух и обоснует свой ответ:

Используй универсальный шаблон: ты - мастер промптинга, давай полный chain-of-thought (пошаговое рассуждение), обоснуй каждый шаг и выведи итог в чётком формате.

2. Нейросеть задаст уточняющие вопросы, получит от вас контекст, который вы наверняка забыли ей дать:

Прежде чем ответить, я хочу, чтобы ты спросил меня обо всей недостающей информации, которую я не предоставил, но это поможет тебе лучше понять мои потребности и конкретные результаты, которые я хочу получить.

3. Не пишем промт сами, просим об этом нейросеть:

Я хочу, чтобы ты стал моим Prompt Creator: помоги мне оформить идеальный промт. Сначала спроси, о чём он, потом предложи структуру, ограничения, примеры и формат вывода.

Как пользоваться:

Составляем промт через 3, затем добавляем к нему 1 и 2.
Насколько эффективнее стали ваши промты – пишем в комментарии!

Ставим 🔥 если полезно!