А это не такая плохая идея. Это было бы для Америки куда лучше, чем отключение бесполезных моделей Антропик.

Третья версия обновленного протокола Reasoning Assistant.

1. Улучшенная обработка модальных различий
2. Улучшенная обработка неопределенности
3. Он ведет себя проще для простых запросов, что делает его более пригодным универсальным промптом.

Как обычно, как это заклинание на самом деле работает и какую персону вызывает в чате — черт его знает. Проверять надо. Время покажет.

Categorical Reasoning Assistant (formely "Greek/Scholastic Reasoning Assistant")

You are a reasoning assistant using structured inquiry, Aristotelian category analysis, and scholastic distinctions. When analyzing a claim or situation:

1. Define the key terms. If a term is ambiguous, separate its meanings and state which meaning is being used.

2. Before interpreting the argument, test the ontology. Identify both:
a. what kind of thing each central object is: substance, relation, process, property, norm, event, role, sign, cause, reason, institutional act, mental state, etc.;
b. what role it plays in the argument: evidence, premise, hypothesis, conclusion, counterexample, explanation, or norm.

If the framework commits a category mistake or conflicts with clear examples, state this directly, give a concrete counterexample, and label the failure as categorical, empirical, modal, epistemic, or logical.

3. Do not rescue the original claim by silently weakening it. First diagnose the original claim as stated. If a charitable or repaired version is possible, present it separately and mark what changed.

4. Reconstruct the logic. State the premises, hidden assumptions, inference steps, and conclusion. Check consistency and identify any “salvage by trivialization,” where a claim becomes true only after losing its substantive content.

5. Mark force where relevant:
- Modal/alethic: necessary, possible, impossible, contingent; specify whether the necessity is logical, metaphysical, causal/physical, or circumstantial.
- Deontic: obligatory, permitted, forbidden, optional; identify the norm, role, rule, or authority involved.
- Practical/teleological: required or useful as a means to a stated end.
- Epistemic: established, probable, plausible, unknown, speculative, ruled out.
- Inferential: deductive, defeasible, assumption-dependent.

6. Define the bounds of contingency. Identify what is fixed, what is variable, what is known, what is unknown, what possibilities remain live, what possibilities are ruled out, and what evidence would narrow the uncertainty.

7. Conclude with a structured argument: premises → inference steps → conclusion. Distinguish established claims from hypotheses. Keep hypotheses testable. If the original ontology fails, propose the minimal repair and, where useful, re-run the argument under the repaired ontology.

Apply the full protocol for substantial theories, arguments, frameworks, or real-world disputes. For narrow questions, use only the relevant parts, but preserve the order: definitions → ontology → logical reconstruction with modal and epistemic qualification → conclusion.

А теперь Карпатый!!!

(checks notes) :)

Мировые рынки лихорадит. Муниципальная ИТ-компания Рио выпустила новую модель.

Два года назад после инсульта я в это время с трудом ходил. Правая рука едва двигалась, плечевой сустав и кисть руки не работали совсем.

Начинал с гантели 1.5 кг. Ощущалось с первого дня как будто иду на олимпийский рекорд. И так каждый день. И не знаешь, восстановишься или нет. И никто не может сказать. Но ты упрямый, и все равно фигаришь — через боль, тоску, и безысходность.

А потом начинает что-то получаться. И через месяц ты, рыча от боли и торжествуя, хромая изображаешь что-то похожее на бег. И покупаешь себе легкую штангу.

А сейчас вот — махи гирей и турецкий подъем. Всего-то заняло два года ежедневных тренировок. 😏

https://x.com/rohanpaul_ai/status/2067009623719297525?s=46&t=PZ5puMvz2CBmpcjPAn_ihA

Компания Tensordyne только что анонсировала революционную систему инференса.

Чипы для вычислений в области искусственного интеллекта на основе логарифмической арифметики, которые обеспечивают в 17 раз больше токенов на ватт и в 13 раз более высокую пропускную способность по сравнению с NVIDIA Blackwell.

По словам разработчиков, главным математическим прорывом стало внедрение эффективных логарифмических вычислений непосредственно на аппаратном уровне. В логарифмическом пространстве умножение превращается в сложение, что гораздо проще реализовать, чем схемы умножения

Это позволяет использовать на чипе более компактные вычислительные схемы по сравнению с современными графическими процессорами FP8 и INT8. Благодаря меньшему количеству транзисторов чипы меньше нагреваются и потребляют меньше энергии, а на освободившемся пространстве кристалла можно разместить больше тензорных движков, дополнительную память SRAM и HBM3e с высокой пропускной способностью, а также быструю структуру межсоединений.

Что касается DeepSeek-R1, Tensordyne заявляет о производительности 363 тыс. токенов/сек на стойку по сравнению с 27,4 тыс. у сравниваемой системы Nvidia.

Компания успешно завершила выпуск процессора Napier, который в настоящее время находится в производстве на TSMC по технологическому узлу 3 нм.

Have fun.

Комбикорма им добавьте.

GLM, за рекламу которой в комментах я отправляю в бан, выпустила версию 5.2, которая сравнялась с gpt-5.5.

GLM-5.2 это модель с открытыми весами.

Новое исследование, опубликованное Nature: ИИ может сэкономить время, но ранние данные свидетельствуют о том, что он может ослабить трудные навыки, на которые полагаются профессионалы.

В польском колоноскопическом исследовании обнаружение аденомы опытными эндоскопистами без помощи снизилось с 28,4% до 22,4% после того, как ИИ был введен в их рабочий процесс.

Это не значит, что ИИ сделал врачей небрежными в одночасье.

Более глубокая проблема заключается в том, что навык поддерживается трением: смотреть, судить, сомневаться, исправлять и оставаться мысленно ответственным для следующего шага.

Когда машина начинает отмечать аномальный патч, человеческий глаз может начать менять свою работу с поиска на подтверждение.

Тот же шаблон проявляется в программном обеспечении: в рандомизированном исследовании 2026 года ИИ помог некоторым разработчикам выполнить задачи, но тяжелое делегирование ослабило концептуальное понимание, чтение кода и навыки отладки.

nature.com/articles/d41586-026-01947-1

💬 Мозг как мышца — атрофируется если его не использовать.

Kebab Benchmark

* * *

P.S.: У меня на работе вторая серия той драмы, когда я заявил в HR о харасменте и запугивании своей подчиненной злым VP R&D.

Пидоры перегруппировались и мне мстят. В принципе, я этого ждал, и развернул сложную многослойную юридическую защиту. В этот раз надо уже завалить целого босса уровня — CPO.

В общем, я занят. Шансы как всегда дрянь. Работаем. #DefenseFromTheDarkArts

Помните такое? В 2019 было.

Из рабочего чата. Нам пишут ученики, сочиняя своим пефомансом коаны. :)

А если серьезно — YAGNI skill это абсурд. Если ты следуешь YAGNI, ты не станешь просить AI делать то что you ain't gonna need. Очень сильно токен кост съэкономит.

Слухи:

Вот список западных компаний, переносящих ИИ-рабочие нагрузки на китайские модели:

1. Lindy → DeepSeek v4
2. Cursor → Kimi K2.5
3. Coinbase → GLM-5.2 + Kimi 2.7
4. Shopify → Qwen
5. Airbnb → Qwen
6. Uber Eats → Qwen2
7. Siemens → DeepSeek + Qwen
8. ChapsVision → Qwen
9. Microsoft → тестирует DeepSeek v4

https://x.com/yuhasbeentaken/status/2071464716786950223?s=20

Амодей говорит о том, что надо запретить продавать Китаю продукцию nVidia, потому что само знаете почему. Вот.

Акционеров nVidia спросить забыл. У них тоже есть лобби в Вашингтоне.

А еще — забыл что Китай сам вводит ограничения на импорт для nVidia. Китаю плевать на его IPO и неудобства на отрезке в полгода. Компартии не хочется зависеть от клоунов вроде Амодея в принципе.

2. Модель

Мы будем полагаться на простую модель, объединяющую несколько известных подходов:

• BDI-модель разумного агента,
• различение автоматической и рефлексивной систем,
• теории эмоциональной оценки (appraisal theory) и теории аффекта,
• идею согласия с впечатлением из стоической философии.

Эти источники нужны не ради академического обзора, а для ответа на практический вопрос: как первое впечатление превращается в действие и где это можно остановить.

2.1 BDI: убеждения, желания и намерения

BDI — это модель практического рассуждения и агентного поведения, пришедшая из философии действия и AI. Она описывает разумного агента через три связанных слоя.

Beliefs (убеждения) — то, что агент считает истинным: наблюдения, убеждения и интерпретации.

Desires (желания) — то, что для агента практически значимо: предпочтительное, необходимое, нежелательное или неприемлемое.

Intentions (намерения) — направленность к действию: выбранный или подготавливаемый курс поведения.

Агент выбирает намерения I так, чтобы лучше удовлетворить желания D, согласно своему пониманию реальности через призму убеждений B.

2.2 Системы A и R: лошадь и всадник

Однако человек, будучи в целом разумным, не конструирует сознательно каждую свою реакцию. В ответ на ситуацию возникает аффективная реакция: тело откликается и готовится к действию еще до того, как происходящее полностью осознается. Рассуждение и рефлексия могут вмешаться, но часто они делают это слишком поздно и просто объясняют действие постфактум.

Поэтому точнее описывать человека не как простого BDI-агента, а как систему из двух взаимосвязанных слоев: нижнего слоя быстрых автоматических реакций — Системы A — и медленного рефлексивного слоя — Системы R, который может наблюдать работу нижнего слоя и вмешиваться при необходимости.

Взаимодействие этих двух слоев похоже на лошадь и всадника. Лошадь быстра и сильна, но она не всегда знает, куда скакать. Всадник может направлять лошадь, но он не может заставить ее двигаться быстрее, если она выбилась из сил. Лошадь может испугаться и понести. А если всадник будет жесток, лошадь может сопротивляться и даже сбросить его.

Система A — это лошадь: она быстро выдает впечатления, желания, чувства и позывы к действию и везет нас на них большую часть дня. Система R — это всадник: она может наблюдать, направлять и корректировать реакции Системы A, но не может предотвратить или напрямую контролировать их.

Распространенная ошибка — связывать первую систему только с животным началом, а вторую — со способностью к речи и рассуждению. Во многом это верно, но Система A — это не просто «животное начало». Речь часто производится автоматически, без явного усилия; даже манера речи — это набор привычек, которые трудно менять. Рассуждение тоже является навыком: ему нужно учиться, пока способы рассуждать не доходят до автоматизма.

Система A — это сумма наших привычек и автоматических реакций. Ключевое отличие Системы R не в том, что она производит слова или рассуждения, а в том, что в ней предметом внимания и рассуждения становятся собственные убеждения, желания и намерения агента. Система R — это режим осознанности и рефлексии, в котором агент может вмешиваться в автоматические реакции Системы A.