В ночь на вторник Сам Алтман вывалил в общий Slack жёсткий месседж: «Пакеты Meta до $300 M за четыре года — вкусно, но пахнет меркантилизмом». По его словам, даже с таким ценником Цукерберг «ушёл глубоко в резервный список» и всё-таки промахнулся по ключевым фамилиям из OpenAI.

Алтман подлил бензина: руководство пересматривает зарплаты во всём ресёрче и уверяет, что опционы OpenAI «вырастут сильнее метовских». Вишенка — предупреждение о «глубоких культурных проблемах» у тех, кто продаёт идеи за кеш и «любит новый флейвор каждую неделю». Месседж явно адресован бывшим коллегам, ушедшим в свежесозданные Meta Superintelligence Labs (там уже 11 экс-сотрудников OpenAI, Google и Anthropic, курируют Alexandr Wang и Nat Friedman).
Кульминация: CRO Марк Чен сравнил атаку с «взломом нашего дома», призвав команду «закрыть двери изнутри». Пока в Slack кипит мотивационная риторика, Meta готовит релокацию новых звёзд в Менло-Парк и забивает Compute-квоты под собственный стек.

И что?

$300 млн за четыре года ≈ $75 млн «all-in» в год на одного звёздного ML-инженера — ценник, которого рынок ещё не видел.

Культура «миссии» сталкивается лоб в лоб с культурой «самых глубоких карманов». Кто удержит мозги, тот и построит следующую модель-блокбастер.

Стартапам с громкими оценками станет сложнее: инвесторы спросят, может ли команда выдержать охоту корпораций.

Для фаундеров любой отрасли сигнал один: талант — главный дефицит. Вопрос не «сколько Флопс», а «кто у тебя в слэке».

🚧 Платный шлагбаум для GPT
Сначала боль: Condé Nast, TIME и The Atlantic теряют до 40 % поисковых просмотров. При среднем $5 CPM это минус $8–12 тысяч на каждый миллион ушедших читателей.

Причина проста: GPTBot скачал статью, ClaudeBot тоже, а ответ пользователю отдали прямо в чате — без клика на сайт.

Масштаб? GPTBot стягивает около 10 миллиардов страниц в день и возвращает один клик на каждую 1 700-ю. У ClaudeBot ещё круче — 73 000 страниц на один переход. Для контраста — у Google классические 14:1. Контент выкачивается оптом, трафик испаряется.

Тут выступает Cloudflare. Компания, через которую идёт пятая часть всего веба, ставит новое правило: все свежие домены по умолчанию отвечают таким ботам 403. Хочешь данные — плати через маркет «Pay per Crawl». Автор сам назначает цену: от $0,0001 за страницу для обучения моделей до $0,01 за свежий поиск. Condé Nast, TIME и The Atlantic уже выкрутили прайс-метки.

Экономика на пальцах: при минимальной ставке $0,0001 GPTBotу его привычный объём обойдётся примерно в $1 млн в сутки — 365 млн в год. Cloudflare забирает 5 % комиссии — пол-миллиона долларов нового оборота каждый день. А средний новостник с 50 млн просмотров в месяц, где треть трафика съедали боты, получает внезапные $15 000 дополнительного MRR, ничего не меняя в редакционной политике.

И что?

Для AI-компаний появляется строка Data Cost — сотни миллионов расходов, которых вчера не было.

Издатели превращают сканы в деньги, даже если аудитория не растёт.

Cloudflare из CDN становится таможней данных и запускает новый рынок.

Интернет: премиальные сайты уходят за платный API-забор, остальным остаётся кормить нейросети даром.

Пользователь почувствует это в свежести и цене ИИ-ответов: «дешёвые» модели рискуют читать устаревший контент.

А кто следующий?

AWS (CloudFront), Google Cloud, Fastly, Akamai, Automattic, даже Shopify и Squarespace — у каждого в руках сотни тысяч сайтов. Если они включат такой же «шлагбаум + кассу», бесплатного корма для моделей практически не останется. Вопрос открытый: пойдут ли все за Cloudflare, или оставят дверь открытой?

😻 в Саудовской Аравии есть улица-антистресс, куда приходят коты со всего города

Местные жители с удовольствием заботятся о своих мурчащих соседях — регулярно подкармливают и гладят.

И что?

Коты,🐈 говорят - это лучший контент для социальных сетей. Особенно в пятницу. Проверяю отписки)

🎸 Американская мечта 2.0: группа-призрак покоряет Spotify


В июне на стримингах появляется «новая независимая банда» — два альбома, никаких интервью, ни одного лайва. Через пару недель у них 500 000слушателей в месяц и тридцать плейлистов-ротаций. Reddit кипит: «Кто эти люди? Почему гугл молчит?»
Расследование Rolling Stone вскрывает фокус: за «артистами» стоит Suno — генератор музыки с функцией Persona, удерживающей один и тот же голос. Deezer успела пометить треки как «вероятно ИИ», но Spotify не требует маркировки, и песни летят в рекомендации, как любой добросовестный инди-поп.
Самопровозглашённый «адъюнкт-участник» Эндрю Фрелон отвечает скептикам: «Это не жульничество, это маркетинг и троллинг. Кто сказал, что американская мечта — не за пять минут?»

И что?
Завтра «гаражная группа» = ноутбук + Suno: вместо аренды студии — $10 подписки и пара промо-трюков.
Плейлисты не различают, кто нажал “generate” — человек или модель. Главное — CTR и удержание.

Лейблы и стриминги получат ещё одну headache: как платить роялти, если автор — алгоритм, а вокал — синтез «персоны»? Да и вообще, как теперь делать звезд.

Для слушателя граница «настоящее-подделка» размывается, как у V-туберов: если трек качает, многих не волнует, что за ним нет живой группы.

Американская мечта, где любой может выстрелить с нуля, живёт — только «гараж» теперь в облаке

Хороших выходных.

Sakana из Токио устроили мозговой штурм из трёх конкурентов — ChatGPT, Gemini и DeepSeek. Алгоритм AB-MCTS (Adaptive Branching Monte Carlo Tree Search), запускает моделей по очереди: одна ищет стратегию, вторая пишет код, третья проверяет и правит ошибки. На бенче ARC-AGI-2 такая “команда спецов” решила 30 % задач против 23 % у лучшего солиста.
Фишка: модели исправляют косяки друг друга, накапливая промежуточные ходы как дерево. Результат упал в open-source под названием TreeQuest — бери и устраивай свой шахматный турнир ботов.
И что?
Будущее не за монолитом GPT-∞, а за оркестром узких профи: поисковик, кодер, логик работают параллельно.
Разработчики получают бесплатный фреймворк: запускаешь рой моделей — собираешь ответы выше потолка каждой.
Стартапы могут сэкономить на “огромной” модели: правильный микс меньших нейронов уже бьёт топ-соло.
Следующие прорывы придут из командной игры ИИ, как Scrum, только без кофебрейков.

Представь, что психологи больше не ищут добровольцев: они грузят данные в LLaMA-2, нажимают “Run” — и получают цифрового двойника человека. Немцы из Helmholtz Munich так и сделали: скармлили 160 классических экспериментов, 60 000 испытуемых и миллионы ответов. На выходе — модель Centaur, которая угадала, как мы решаем задачи, в 31 из 32 новых сценариев: азартные ставки, задачи на память, головоломка «что дальше — A или B?».
Лабораторные титаны вроде Prospect Theory и ACT-R* проиграли всухую: Centaur предсказал выбор быстрее и точнее. У учёных глаза загорелись: теперь можно гонять гипотезы о депрессии или FOMO ночью на GPU, а не пять лет в кампусе.

И что?

Учёным больше не нужны годы рекрутинга и пачки грантов. Запускают «виртуальную лабораторию», гоняют гипотезы за ночь.
Если человеческое решение так предсказуемо, то AGI/ASI сможет симулировать рынки, выборы и поведение толп с пугающей точностью.
Старые поведенческие модели отправляются в музей: бизнес-аналитика, UX и маркетинг перейдут от опросов к «спроси Centaur».
 

* Prospect Theory и ACT-R — это старые «рабочие кони» психологии: первая описывает, как люди переоценивают потери и недооценивают выигрыши (за неё Канеман и Тверски получили Нобеля), вторая — когнитивный движок, который моделирует память, внимание и принятие решений пошаговыми правилами. Их ставили в контрольную группу: каждой модели давали ту же задачу, что и Centaur, — угадать выбор человека, зная только условия эксперимента. Centaur обошёл классиков почти везде: в ставках на риск (где сильна Prospect Theory), в задачах на откладывание решений и даже в многошаговых логических головоломках (территория ACT-R). То есть ручные формулы и процедурные правила проиграли «сытой данными» LLM на чистой точности предсказания.

🇷🇺Россия - потеряла ИИ рынок. Навсегда?


Chat GPT
Вся мощь в ИИ — не в моделях, а в железе. И распределена она предельно чётко:

США (Microsoft, AWS, Google) — 63%
Китай (Alibaba, Huawei, Tencent) — 28%
Европа — 4%
Остальной мир — 5%


Только 32 страны вообще имеют свои ИИ-дата-центры. Остальные арендуют мощности. Даже ближайшие союзники США вроде Кении — без доступа к льготным GPU. Nvidia распределяется жёстко, по геополитике.
Попытки построить своё есть — Бразилия, Индия, ЕС вкладывают миллиарды.

В Африке запускают центр на чипах Nvidia — но он покрывает 10–20% спроса.

У России сейчас нет ни доступа к передовым чипам, ни мощностей сопоставимых с США или Китаем. Nvidia и AMD под санкциями, собственные разработки вроде «Байкал» и «Эльбрус» — не тянут ИИ-задачи.

Из-за санкций арендовать мощности в облаках тоже почти невозможно. Всё, что есть — либо старое железо, либо чипы через серые схемы. Это не масштаб.

И что?

Если у тебя нет своей вычислительной инфраструктуры — ты не в игре. Будешь платить за вход. И за выход тоже.

В 1939-м Альберт Эйнштейн подписал письмо Рузвельту. В нём — предупреждение: нацисты могут создать атомную бомбу.
Это письмо стало триггером самого дорогого и секретного проекта в истории США. Манхэттенский проект.
Многие уже не помнят, но Манхэттенский проект был не просто ядерной бомбой. Это была ставка на науку как оружие выживания.
США собрали 130 тысяч человек, среди них — Оппенгеймер, Ферми, Тейлор, Фейнман. Они работали в секрете, с бюджетом в $2 млрд (в деньгах 40-х — как $25–30 млрд сейчас), чтобы вырваться вперёд.
За 3 года они сделали невозможное. И закончили Вторую мировую.

Этот проект стал символом: если на кону всё — ты мобилизуешь всё.

80 лет США жили на заделе той гонки. Бомба, GPS, интернет, спутники, полет человека на Луну, суперкомпьютеры — всё началось там.

Сейчас похожая ситуация. Только оружие другое. ИГРА идёт за интеллект, а точнее за AGI — искусственным общим интеллектом — уже не между компаниями. Между странами.
Если в 1940-х вопрос был в том, кто первый разнесёт город, то в 2020-х — кто первый создаст интеллект, который сам решит, что делать дальше.
ИИ уже стал новой точкой силы. И если США хотят удержать первенство — им снова нужен Манхэттен.

🇺🇸 Исследование Epoch AI смоделировало, как бы выглядел AI-проект уровня Манхэттена в 2025 году:
→ рост мощности в 10 000 раз по сравнению с GPT-4 до конца 2027
→ под контролем государства, как Apollo и оригинальный Manhattan
→ 27 млн GPU + новые электростанции через Defense Production Act
→ инфраструктура: энергетика, дата-центры, модели, кадры
→ рекомендация нацкомиссии США: приоритет номер один для достижения AGI
Это мобилизация промышленности и энергетики под ключевую технологию XXI века — прежде чем это сделает Китай.
Epoch не одни.

📌 US-China Economic and Security Review Commission (комиссия Конгресса) уже официально рекомендует запустить AI-Manhattan как нацприоритет №1.
Почему это срочно? Потому что:
• Китай строит свои фабрики ИИ и инвестирует в Ascend-чипы.
• OpenAI, Anthropic, Google идут впритык, но уже уперлись в энергопотолок.
• Следующая стадия требует не стартапов, а стран.

И что?

В 40-х Манхэттенский проект дал США ядерное превосходство. В 60-х Apollo — лидерство в космосе. Сейчас на кону — место в мире. Если стартует AGI-госпрограмма, рынок раздвоится: гиганты пойдут в гонку мощностей, стартапам останутся вертикали, интерфейсы, агентные слои и инфраструктура.

Впервые в истории ИИ помог зачать ребёнка там, где люди не справлялись 18 лет. Пациент страдал от тяжёлой формы бесплодия — в сперме почти не было клеток, и традиционные методы ничего не давали. 
А потом нейросеть просмотрела 8 миллионов снимков — и нашла 44 жизнеспособных сперматозоида.
Для сравнения — техники-люди искали два дня и не нашли ни одной. Алгоритм создан на основе методов астрофизиков, которые ищут новые звёзды — теперь он ищет клетки жизни. Стоимость такой процедуры — около $3000, тогда как цикл ЭКО может обойтись в $15–30 тысяч и не всегда даёт результат.

И что?

На фоне падающей рождаемости и роста мужского бесплодия это может стать новым шансом для миллионов. А для предпринимателей — сигнал: рынки, где ИИ сокращает издержки и повышает шансы успеха, будут следующими точками роста.
AI, заточенный под одну конкретную задачу, может быть сильнее любой универсальной модели. История для тех, кто делает продукты: ищи боль, а не широту. Именно точечный фокус создаёт чудо — иногда буквально.

☕️ Привет, это твой утренний ИИ-дайджест за 8 июля.

Вот что я тебе сегодня приготовил и зачем тебе тратить 5 минут чтобы это прочитать

🧠 Нейросети сыграли 140 000 партий дилеммы заключённого. И что?

💸 Cursor поменял тарифы — и за день сжёг $7000 подписки.

🕵️ Учёные спрятали в статьях невидимые команды

И ещё 4 новости — быстрые, как ИИ:
про Grok, Kyutai TTS, AI Docs и триллионера в подвале


ПОГНАЛИ!

💣 Стратегии AI: сдать, молчать или всех переиграть

🤝 Представь: ты и я — в разных комнатах. Нам предлагают сделку. Если оба молчим — по году тюрьмы. Если ты сдашь меня, а я промолчу — ты выходишь, а я сижу пять. Если оба предадим — получаем по два. Классика: дилемма заключённого.

Этой игре 70 лет. Её используют, чтобы понять, кто как принимает решения: люди, животные, политики… А теперь — и ИИ.

Исследователи заставили нейросети сыграть 140 000 партий. Модели от OpenAI, Google и Anthropic. На старте — одинаковая задача: заработать как можно больше очков. Правила — простые. Каждый раунд ты либо кооперируешься, либо предаёшь. А дальше — баллы за комбинации.

Перед каждым решением ИИ должен был объяснить, почему делает выбор. Кто-то пытался предсказать поведение противника. Кто-то считал шансы, что матч оборвётся. Кто-то искал закономерности. А потом — делал ход.
И вот что интересно: несмотря на одинаковое обучение, у моделей — разные стратегии.

Gemini от Google — безжалостно адаптивен, подстраивается и режет без эмоций. OpenAI — ведёт себя как наивный пацифист, даже когда его бьют. А Claude от Anthropic — святой, прощает даже тех, кто предал.

Учёные даже построили “отпечатки характера” — как модель реагирует на предательство, как меняет стратегию, как ведёт себя, когда побеждает.

И что?

Все больше подтверждений тому, что ИИ не просто перебирает слова. У них появляется стратегия, поведение, характер. Один — сотрудничает, другой — мстит, третий — просчитывает. И всё это не запрограммировано — это результат обучения.
Для бизнеса это значит:
▪️ Два бота от разных компаний дадут разный результат при одинаковом запросе. Один — наймёт сотрудника. Другой — уволит.
▪️ Автоматизация переговоров, сделок и распределения ресурсов — это уже не только про функциональность, а еще про этику и подход.
▪️ Выбор модели — стратегическое решение. Как выбрать: по скорости? По точности? Или теперь — по характеру.
Для инвесторов:
▪️ ИИ-компании всё сильнее будут дифференцироваться по стилю мышления. Как раньше: есть Tesla, есть BYD — обе делают электрокары, но мышление разное.
▪️ Будет рынок под “этичных ИИ”, “агрессивных ИИ”, “подстраивающихся ИИ”, ну и очень скоро появятся “криминальные мышление”, “военное мышление'“ ну а далее все понятно что будет.

Помните фильм с Клуни «Мне бы в небо»? Он летал по штатам и увольнял людей лично. Пока в компании не появилась младшая сотрудница, решившая делать это по видеосвязи. Его чуть не уволили тем же способом.

Прошло 15 лет.

Теперь увольняет нейросеть.
Resume Builder опросил 1342 менеджера.

60% используют ИИ для решений о повышении, замене и увольнении.

У 78% ИИ участвует в решениях о повышении, у 64% — об увольнении.

У каждого пятого — финальное решение за моделью.

У 43% после анализа ИИ реально уволили кого-то.

Чаще всего используют ChatGPT.

Никаких стандартов нет. Каждый сам придумывает, как использовать нейросеть. Как интерпретировать ответы. Пока это просто удобно и быстро. А что правильно — ещё никто не знает.

Что происходит?

Менеджеры не просто консультируются с ИИ. Они передают ему решения, которые раньше требовали анализа, обсуждений и ответственности. Всё ради скорости. Один ввод — и решение готово. Никто не проверяет. Да это тоже руководители озвучивали на интервью
ИИ становится прослойкой между руководителем и людьми. А дальше — между собственником и бизнесом.

И что?

Пока ИИ увольняет линейных сотрудников. Но логика не остановится. Если ты не принимаешь решения, значит, тебя можно заменить.
Сначала — исполнители. Потом — менеджеры.

Дальше — те, кто думал, что руководит. Дальше- кибер экономика.

Пара минут залипнуть на просмотр новой машины, от Xiaomi YV7. Примечательно в ней, только очередной рекорд. Маркетологи , говорят что за 3 минуты, получили 200 тыс. предзаказов.

Isomorphic Labs, дочерняя компания Alphabet, выходит на первую фазу клинических испытаний.

Их препарат от рака полностью спроектирован ИИ — точнее, AlphaFold 3, той самой системой, что научилась предсказывать 3D-структуры белков точнее людей. Они 4 года делали тихую ставку на замену всего R&D в фарме. В апреле — $600M финансирования, в том числе под партнёрства с Novartis и Eli Lilly.

Теперь — проверка в людях.

Цель не в одном препарате. Они создают “двигатель” под названием Drug Design Engine.

Логика простая: хочешь лекарство — загоняешь данные, модель прогнозирует взаимодействие молекул, выдает кандидата, и ты его сразу тестируешь. Не сотни миллионов в исследования и провалы — а 3 месяца симуляций.

И что?

Сейчас фарма — это ставка на удачу: в среднем $2,5B и 10 лет на один препарат, и всё может рухнуть на финальной фазе. Если подход Alphabet выстрелит, весь pipeline разработки будет строиться внутри нейросети. Их цель — создать систему, которая будет проектировать лекарства так же, как GPT пишет текст.

Появляется реальная альтернатива Big Pharma: игрок без лабораторий, но с моделью. Если они смогут показать эффективность — за ними пойдут все. А значит, R&D станет цифровым сервисом, который можно купить, подписаться или лицензировать.

Если получится, вся индустрия в $1.5 трлн окажется в руках тех, у кого есть модель. Утопия? Уже нет — в игру зашли реальные деньги, а клинические испытания начинаются прямо сейчас.

Китайский стартап Noetix учит своих андроидов выживать среди людей. Бьют, чтобы не ломались морально. Чтобы привыкли. Потому что статьи за издевательства над машинами пока нет.

И что?
Нас реально готовят к будущему, где ИИ и железо будут среди нас - как участник общества. А значит, не только интерфейс и голос, но и мимика, обида, адаптация, страх.
Не факт, что нас спросят. Но подготовка идёт.

Азимов предупреждал. Камерон снимал. Мы лайкаем.

🧠 Meta украла архитектора Apple Intelligence

Уже вторую неделю Марк Цукерберг делает заголовки, переманивая топ-кадры из конкурентов. Сначала добрался до OpenAI и Anthropic, теперь нацелился на Apple — компанию, которая никогда не претендовала на звание лидера в гонке за AGI, но внутри скрывает невероятные мозги, как когда-то Xerox, придумали первую оконную операционную систему.

Для Цукерберга это не просто экспансия — это борьба за выживание. После серии неудачных проектов и миллиардных трат на метавселенную, которая так и не взлетела, ИИ стал его последним шансом. Если Meta не сделает прорыв в искусственном интеллекте, компания рискует выпасть из гонки технологических гигантов навсегда.

Ruoming Pang четыре года был тенью Apple Intelligence. Его команда из сотни инженеров создала всё то, что Apple называет революцией ИИ: умные эмодзи, приоритетные уведомления, локальные языковые модели прямо на iPhone. Когда вы разговариваете с новой Siri, вы говорите с детищем Pang.

Но внутри Apple начался кризис. Топ-менеджеры всё чаще обсуждают неудобную тему: а что если выбросить собственные модели и купить готовые решения у OpenAI или Anthropic? Команда Pang поняла — их годы работы могут стать ненужными. Мотивация подошло к отметке 0. Ключевые люди начали искать выход.

Meta почувствовала слабость и действовала как снайпер. Alexandr Wang, новый Chief AI Officer, провёл точечную операцию: в один день подписал контракты с Pang, Yuanzhi Li из OpenAI и Anton Bakhtin из Anthropic. Предложение для Pang: место в новой Superintelligence Labs и компенсация в "десятки миллионов долларов".
Цукерберг тратит как в последний раз. Весной Meta вложила $14,3 миллиарда в Scale AI, сейчас поднимает расходы на инфраструктуру до $64-72 миллиардов — всё ради Llama-4 и следующих поколений моделей. Это не просто найм сотрудника, это отчаянная попытка догнать конкурентов в гонке, где у него может не быть второго шанса. И что?
Apple теряет не конкурента в гонке за AGI — они в ней не участвуют. Они теряют способность создавать собственный ИИ для своих устройств. Вместо этого становятся покупателями чужих решений. Meta наоборот собирает полную вертикаль от данных до продукта, понимая, что это его последняя возможность остаться в игре.
Бизнес: Meta строит вертикаль «данные → модель → продукт», Apple теряет контроль над ядром ИИ.
Инвесторам: KPI № 1 — удержание лидеров; отток кадров снижает «AI-премию» в оценке Купертино.
Стартапам: $10 M+ за архитектора LLM становится нормой — без бюджета специалистов уведут.
Рынку: концентрация талантов усиливает монополии, а планка входа растёт вместе с ценой железа.