Создаем приложения за пару кликов: Google AI Studio мощно обновился и теперь позовляет вайбкодить по пресетам.

Достаточно описать идею и выбрать нужные инструменты — есть заготовки самых разных ИИ-сервисов, от обработки фото до транскрибации. Готовое приложение можно тут же тестировать и вносить правки.

Забираем по ссылке. Работает только с иностранными IP-адресами.

Интернет исчезнет через два года. И это хорошо.

Вчера я подумал: «Надо бы сделать личный сайт». А сегодня проснулся и узнал — OpenAI выпустила собственный браузер. Без адресной строки.

Знаете, что это значит? Они решили убрать то, что было центром интернета последние 30 лет — поле для ввода URL. Как будто кто-то зашёл в самолёт и сказал: «Штурвал? Зачем он пилоту?»

Но вот что действительно поражает. У OpenAI есть план на 24 месяца. План, при котором среднестатистический человек больше не будет гуглить, кликать, сравнивать и заполнять формы. Вместо этого вы скажете: «Забронируй мне поездку в Стамбул» — и нейросеть выполнит 20 шагов за кулисами. Вы получите бронь отеля на почту, не открывая Booking.

Когда интернет погаснет

Аналитики Bernstein на Уолл-стрит используют фразу, от которой мурашки: «интернет погаснет». Не в прямом смысле — страницы останутся. Но люди перестанут их видеть.

Представьте: вам нужно платье. Вы не идёте на Вайлдберриз. Не листаете каталог. Не сравниваете отзывы. Вы говорите агенту: «Найди платье для свадьбы друга, бюджет 15 тысяч, доставка завтра». Курьер привозит три варианта. Вы выбираете. Всё.

Expedia уже тестирует это. Их новая функция Trip Matching создаёт маршруты прямо из Instagram Reels — увидели видео с Бали, нажали кнопку, получили готовый тур с бронированием. 90% менеджеров по корпоративным путешествиям уже активно внедряют AI-инструменты. Они понимают: через год их клиенты не зайдут на их сайт. Вообще.

Единорог на одного

Вот вам цифра, которая звучит как научная фантастика. Dario Amodei, CEO Anthropic, поспорил с коллегами: когда появится первая компания-единорог — стоимостью миллиард долларов — с одним сотрудником.

Не с небольшой командой. С ОДНИМ человеком.

Он называет срок: 2026 год. Через год.

Sam Altman подтвердил: есть «маленький групповой чат» CEO технологических компаний, где они делают ставки на эту дату. Forbes добавляет конкретики: «Три человека с правильным набором агентов могут построить, запустить и масштабировать компанию до статуса единорога без традиционных практик найма».

И это уже происходит. LangChain стала единорогом 20 октября 2025 года — буквально три дня назад — с клиентами среди Cisco, Replit и Workday. Они не продают платформу, которую посещают люди. Они продают инфраструктуру для агентов.

Мыслите глаголами

Вот урок для всех, кто сейчас строит бизнес. Перестаньте мыслить существительными — «платформа», «маркетплейс», «сайт». Начните мыслить глаголами — «забронировать», «купить», «найти», «доставить».

Jay Richmond из Amadeus объясняет это так: «Представьте делегирование задачи личному ассистенту. Ассистент понимает, что вам нужно вернуться домой вовремя к ужину ребёнка, что поездка займёт три ночи, и что вы свободны в четверг вечером, когда ваша группа выступает в городе».

Видите разницу? Не «вот вам интерфейс с 47 фильтрами» — а «вот ваш результат, учитывающий контекст вашей жизни».

Что делать прямо сейчас

У меня три вопроса к вам:

Первый: Если завтра AI-агенты заменят 50% посетителей вашего сайта — выживет ли ваша бизнес-модель? Если ваш ответ «нет» — у вас есть 24 месяца на реинжиниринг.

Второй: Есть ли у вашего продукта API, с которым может взаимодействовать агент? Если «нет» — вы создаёте бизнес для мира, который исчезает.

Третий: Что вы продаёте — процесс или результат? Если первое — переформулируйте предложение. Люди не хотят «удобный интерфейс бронирования». Они хотят «проснуться в отеле в нужном городе без лишних действий».

ChatGPT вырос до 800 миллионов еженедельных активных пользователей — удвоился за восемь месяцев. Эти люди уже привыкают не искать информацию, а получать результаты. OpenAI уже подписала партнёрства с Etsy, Shopify, Expedia и Booking. Агрегаторы становятся дезагрегированными.

Следующая когорта единорогов не построит лучший интерфейс. Они вообще не построят интерфейс, который вы увидите. Они построят агентов, которые сделают работу за вас.

Добро пожаловать в эру, где интернет всё ещё существует. Но вы его больше не видите.

У вас есть 24 месяца. По материалам поста

Вышел большой гайд от Perplexity по работе с ИИ. За 43 страницы учат фокусироваться на задачах и избавляться от бесконечного списка дел.

Есть примеры использования, подходы к работе и готовы промты. Методичка рассчитана на инструменты Perplexity, но подойдет и для других чат-ботов, где есть веб-поиск, ресерчи, создание презентаций или ассистентов.

Учимся делегировать рутину нейронкам по ссылке.

👆Мои любимые подписчики!
Вы невероятные!
Кто бы мог подумать что пост собирает по 15% репостов (сохранений).
Жаль вы сами себя лишаете этих знаний (не ставите лайки постам, которые себе репостите).
Но кто я такой вам, чтобы что то вас просить.

Только сегодня полез смотреть, что за зверь этот DeepSeek OCR, хотя анонсировали его уже несколько дней назад. И я немного в шоке, что эта новость не особо форсится: ну выпустили очередную распознавалку изображений и что тут такого? А нифига, китайцы там очередную ML-революцию учинили, хотя есть подозрение, что Google был раньше, но молчал. Но давайте обо всём поподробнее.

Вы все уже знаете, что LLM оперирует токенами. Например, когда вы что-то пишете в ChatGPT, модель не читает это по буквам. Она разбивает ваш текст на токены - это могут быть целые слова (например, «мешок») или части слов (допустим, «силико-новый»). Для модели «силиконовый мешок» - это три текстовых токена. Модель работает с этими токенами, а не с буквами.

А когда вы работаете с мультимодальной моделью (которая понимает и текст, и картинки) и закидываете ей картинку, она тоже не «видит» там каждый пиксель - их миллионы, не хватит ресурсов.

Вместо этого модель делает следующее:
1) Нарезка (Patching): Модель «нарезает» изображение на сетку из небольших квадратиков, как мозаику. Эти квадратики называются «патчами» (patches).
2) Кодирование (Encoding): Затем специальная часть модели (энкодер) «смотрит» на каждый этот квадратик и превращает его в набор чисел (вектор).
3) Создание токена: Этот набор чисел (вектор), который описывает один квадратик изображения, и есть визуальный токен.
Для LLM этот визуальный токен просто говорит: «вот в этой части картинки находится вот такой набор линий, цветов и текстур».

И вот, допустим, вы загружаете в мультимодальную LLM несколько отсканированных страниц текста, где написано 10 000 слов. Как было раньше: модель нарезает эти сканы на тысячи квадратиков. Многие из этих квадратиков содержат лишь части букв или пустое белое пространство. Чтобы описать все эти бесполезные квадратики, ей требовалось, скажем, 60 000 визуальных токенов. А если бы вы просто скопировали и вставили эти 10 000 слов как текст, они превратились бы всего в 15 000 текстовых токенов. То есть визуальные токены были менее эффективны.

И тут на сцену выходит DeepSeek, который придумал, как сжимать информацию в 10 раз лучше визуальными токенами, чем текстовыми!
Теоретически, вы могли бы сохранить эти 10 000 слов всего в 1 500 их специально сжатых визуальных токенах.

Как я понял, они применили некий механизм визуальной памяти в своей модели. Это похоже на то, как вы ищете отрывок текста в уже прочитанной книге, представляя его визуально и зная, на какой стороне разворота и в каком месте страницы он был.

И главная прелесть DeepSeek в том, что они сделали все это open source с открытыми весами и объяснили, как они этого добились. Так что теперь каждый может это поизучать.

Даже если новая система сжатия визуальных токенов будет работать с бо́льшими потерями, сама возможность получить LLM с контекстным окном в 20 миллионов токенов - это очень круто.

А причем тут Google? - спросит внимательный читатель дочитавший до этого места. Есть подозрение, что подобное решение применяется в Gemini, но компания об этом умолчала.

Создаем музыку на уровне топовых артистов: Suno выпустила бесплатную модель v4.5-all для всех пользователей.

По качеству не уступает флагманской Suno v.5 и генерирует треки студийного качества. Можно использовать свой вокал и кастомные звуки.

Пробуем по ссылке. Доступно 10 генераций в день.

🤯 Забудьте про копипаст из ChatGPT. Покажу, как превратить Cursor в личного секретаря за 60 минут

Повторяю самый востребованный пост в канале, для тех кто только подписался.

Чат даёт ответы — секретарь делает всю работу: находит файлы, понимает контекст и сохраняет результат туда, где нужно.

Чат vs Секретарь — чувствуете разницу?

🔻 Обычный чат (как ChatGPT):
- Пишете вопрос → получаете ответ
- Нужна инфа из файла? Копируете вручную
- Каждый раз объясняете контекст заново
- Ответ нужно самим куда-то сохранять

🔥 Cursor = личный секретарь:
- Знает ВСЕ ваши файлы и проекты
- Сам находит нужную информацию
- Готовит варианты решений на выбор
- Сохраняет результат куда нужно
- Помнит контекст всех задач

👀 Смотрите видео — за 60 секунд агент нашёл файлы, прочитал их и создал питч-дек в нужной папке.

Не программист? Плевать. Cursor работает с любыми задачами: финансы, проекты, контент, обучение.

⚡️ Хотите такого секретаря?

Что отправлю бесплатно:

📋 Пошаговый чек-лист «AI-секретарь за 60 минут в Cursor» — настройка за 10 минут
🎯 10 готовых промптов для делегирования рутины: отчёты, презентации, контент-план, анализ конкурентов
💡 3 сценария для непрограммистов: маркетолог, предприниматель, менеджер проектов

🎁 Как получить инструкцию:

Шаг 1: Поставьте «+» в комментариях к посту
Шаг 2: Получите материал в личку в течение 2-4 часов

Экзоскелет для мозга: как Perplexity учит делегировать всё рутину ИИ

В последние дни пришёл классный гайд от Perplexity — теперь официально учат не просто «применять чат», а строить рабочий процесс вокруг интеллектуальных ассистентов.
Документ — это 43 страницы практики, промптов и стратегий для тех, кто хочет не терять время на рутину, а усиливать свою эффективность каждый день.

Что не так с обычными чек-листами?
Большинство методичек: делай шаг 1, делай шаг 2 — результат.
В этом гайде — сторителлинг:
- Не просто список команд, а *философия делегирования*: зачем и когда отдавать рутину нейросетям?
- Конкретные сценарии: как собрать исследования, создать презентацию, проводить аналитику — сразу через Comet, Research, Labs, Spaces.
- Всё поданo на живых кейсах — вы реально видите, как можно улучшить свою работу уже завтра.

Главная мысль:
Perplexity с браузером Comet — это ваш экзоскелет для мозга. Он не работает вместо вас, а *прокачивает ваши собственные импульсы* и идеи.

Бонус перевод на русский —
Читать и применять:
teletype.in/@prompt_design/pplx-at-work

И последнее. Pro-аккаунт Perplexity стоит, как чашка кофе.
Мой инсайт: это один из лучших инструментов для делегирования рутины, который я пробовал за год.
Вот ссылка на покупку Pro по российской цене:
plati.market/games/perplexity/1579/

Предсказуемо.
via Similarweb

O.C. Tanner Institute выпустил Global Culture Report 2026 — исследование о том, как изменится корпоративная культура в ближайшие годы

В среде технологических предпринимателей часто говорят о скорости, выручке и инновациях. Но главное открытие отчета простое: компании, которые делают ставку на вдохновение, поддержку и признание своих сотрудников, показывают устойчивый рост. А люди, ощущающие смысл своей работы и включенность в команду, в три раза чаще называют себя преуспевающими.

Основные тренды развития корпоративной культуры:

От вовлеченности — к вдохновению
Традиционные опросы о вовлеченности теряют значение. Инновации рождаются не там, где есть жесткие KPI, а там, где сотрудники ощущают вдохновение и причастность к большому важному делу. Такие люди остаются в команде дольше, чаще придумывают и запускают новые проекты.

Команда важнее лидера
Руководитель остается важной фигурой, но эмоциональную устойчивость и мотивацию чаще дают коллеги. Поддержка внутри коллектива становится ключевым фактором: она помогает переживать переработки, сохранять фокус и оставаться в ресурсе.
В сильных организациях именно команда — главный источник уверенности.

Новое понимание прозрачности
Сотрудники ждут от компании открытости и участия в жизни коллектива. И прозрачность — это не про отчетность, а про доверие. Человеку важно понимать четыре вещи: как оценивается работа, как взаимодействует команда, как принимаются решения и какую ответственность берет на себя руководство. Прозрачность процессов усиливает чувство принадлежности и вовлеченности. Когда сотрудники видят связь своей работы с целью компании, растет эффективность их труда.

Признание — естественная часть работы
Регулярное признание достижений повышает производительность сотрудника и желание остаться на текущей работе. Компании, где благодарность становится ежедневной нормой и где замечают достижения коллег, вдвое чаще формируют позитивную культуру.

Культура здоровой продуктивности
Тренд «успех через выгорание» закончился. Сегодня высокие результаты невозможны без поддержки. Компании, которые находят баланс между достижением глобальных целей и заботой о сотрудниках, добиваются устойчивого роста. Люди чувствуют себя на своем месте, когда понимают, что их слушают и слышат.

Что стоит делать руководителям уже сейчас:

• Создавать среду, где можно задавать вопросы — это укрепляет доверие и снижает уровень стресса.
• Делать признание заслуг частью рутины, а не редким жестом — искреннее «спасибо» от лидера и коллег повышает мотивацию сильнее, чем премия.
• Развивать вдохновляющее лидерство — говорить не только о планах, но и о смысле работы и конечной ценности продукта.
• Вкладываться в поддержку целых команд, а не отдельных руководителей — сильная команда формирует устойчивую культуру.
• Учить менеджеров практическому эмпатичному управлению — способности слушать, давать честную обратную связь и принимать совместные решения.

Инвестиции в людей становятся самым устойчивым видом инвестиций. Корпоративная культура стала новой формой конкурентного преимущества — и выиграют те компании, которые выстроят систему, где люди чувствуют смысл, поддержку и шанс повлиять на процессы. А умение вдохновлять станет новым обязательным навыком лидера.

С полным текстом исследования можно ознакомиться в прикрепленном файле.

@volotovskayaelena

Конвейер вирусов

— Снимать видео — ад, — пожаловался блогер
— Так выбирайся из него

4 часа на монтаж. 2 часа на цветокор. Час на звук. Результат — 147 просмотров и желание бросить всё.

Видео рулит. Особенно вирусное. Но только если не тратить на него неделю жизни. Вот 8 правил, которые превратят пытки в конвейер:

1. Хук решает всё
Без зацепки даже если Нолан загрузит «Темного рыцаря» — никто не посмотрит. Хук — визуал и текст одновременно. Не «Обзор AI Agent Kit», а «Эта штука закроет половину no-code студий».

2. Вторая строка — всегда конфликт
Не «OpenAI выпустил обновление», а «OpenAI убивает N8N — почему это критично для вас». Зритель должен почувствовать угрозу или возможность.

3. Актуальность бьет качество
Хороший ролик за 2 часа лучше идеального через неделю. Видео про обновление Claude через 3 дня уже никому не нужно. От идеи до публикации — максимум 2 часа.

4. Стоковые фото убивают охваты
Алгоритмы ненавидят стоки. Всё генерируется под контекст: Nano Banana — картинки за 10 секунд с референсами; Kling или Sora 2 — видео. Уникальность = распространение.

5. Текст появляется по одному слову
Зритель читает субтитры и не может оторваться — они как игровой автомат. Должны заставлять выделяться дофамин

6. Звук держит крепче картинки
Щелчки, удары, свисты каждые 2-3 секунды. Попробуйте посмотреть вирусный ролик без звука — поймете разницу. Аудио — клей для внимания.

7. Шаблоны всего
Аудиоэффекты, переходы, анимации, цветокоррекция. Настроили раз — используете 100. Монтаж 4 часов превращается в 40 минут.

8. Только хайп
То, что обсуждают прямо сейчас. Новый релиз, скандал, тренд. Запас контента на неделю — мертвый контент. Снял сегодня — залил сегодня.

Вот вам фреймворк, как снимать и монтировать вирусные видео за 60 минут. Берите и пользуйтесь.

Эра идей наступила. ИИ убил барьер входа в креатив. Осталось только делать.

Подсмотрено

В 1969 году социолог Филип Зимбардо оставил два одинаковых автомобиля без номерных знаков в разных районах. Автомобиль в Бронксе был разграблен и уничтожен за несколько часов, в то время как автомобиль в благополучном Пало-Альто оставался нетронутым.
Цель Зимбардо была - проверить, влияет ли состояние среды на уровень преступности больше, чем личные качества человека. Через семь дней Зимбардо сам разнес часть автомобиля в Пало - Альто, и к нему присоединились прохожие.  Вывод: чтобы начать вандалить, людям не нужно быть преступниками, им нужен сигнал, что правила больше не действуют.
Эксперимент лег в основу теории разбитых окон Уилсона и Келлинга.

Если одно окно разбито и его не ремонтируют, вскоре будут разбиты и остальные. Это метафора того, что мелкие правонарушения, оставленные без внимания, ведут к более серьёзным преступлениям.

Теория была применена на практике, например, в Нью-Йорке в 1990-х годах, когда полиция сосредоточилась на борьбе с мелкими правонарушениями, такими как безбилетный проезд, пьянство и попрошайничество. Результатом стало значительное снижение уровня насильственных преступлений.

Пузырь доткомов, как воспоминания о будущем

В 1998 году некий Генри Блоджет громогласно предсказал, что акции Amazon вырастут с $240 до $400 в течение года, и прогноз сбылся за несколько недель. Блоджета тут же признали финансовым гением, и его схантил Merrill Lynch. В следующем году он дал ведущим СМИ более 800 интервью (то есть в среднем четыре за каждый рабочий день) о том, что вкладывать в доткомы — умный шаг.

Однако ни Блождет, ни финансовые воротилы мира не смогли предсказать катастрофы, разразившейся 10 марта 2000 года и вошедшую в историю как «крах доткомов». Хотя, на первый взгляд это было не сложно: достаточно было понять, что интернет не заменит собой «операционку», работу на земле.

Стартапы тогда росли геометрически: на NASDAQ тогда котировалось 8000 компаний, тогда как сейчас около 4000. Инвесторы гонялись за стартаперами в надежде дать им денег, а сами стартапы рвались на IPO с рождения, «поднимая» огромные суммы без какого-либо продукта. Их основатели в миг становились миллионерами, делая богачами и своих инвесторов. Калифорния переживала третью, после золотой и нефтяной, лихорадку в своей истории — высокотехнологическую.

Марк Кьюбан, миллиардер, сделавших стартовый капитал на акциях технологических компаний, восклицал: «Ах, старые добрые дни. Акции росли по $25, $50, $100 за день… У каждого, с кем ты говорил, была история о том, как он сделал кучу денег на такой-растакой акции. За час. Люди поднимали на акциях миллионы за недели, если не быстрее».

Конечно, интернет-компании прогорали и до кризиса: из-за непопадания в нишу или неумелого управления. Но в какой-то момент сказалась проклятая «операционка» — у компаний, вкладывавшихся в рост, вдруг кончились деньги на маркетинг, а исполнять заказы они так и не научились.

Показательна история Webvan, компании, придумавшей доставлять еду по заказам через интернет. Идея была свежей, инвесторы «накачивали» компанию деньгами чтобы ускорить рост под лозунгом «эффективность — ничто, рост клиентской базы — всё!».

В руководстве Webvan были компьютерщики и финансисты, но не логисты и ритейлеры. Они залили деньгами рекламные площадки, платформа стала невероятно популярной и строила наполеоновские планы, пока не выяснилось, что операционные затраты — склады, сортировки, дарк китчен, транспорт, курьеры — таковы, что «отбить» их невозможно. В итоге бизнес компании в $4,8 млрд, пошел под списание, принеся убыток в $0,8 млрд.

Первыми «посыпались» торговые компании, но их падение потянуло за собой проблемы у компаний вроде Cisco или Corning, рост мощностей которых зависел от роста интернет-индустрии. Сдувались провайдеры, производители чипов и софта — кризис пережили меньше половины компаний, работавших в начале 2000-го.

В кризисе сошлось много факторов, таких, например, как подорожавшие деньги — как раз была поднята процентная ставка. Как назло как раз в этот момент начались проблемы у доминирующих тогда японских производителей электронных компонентов, из-за чего резко подорожала элементная база. А тут еще выяснилось, что NASDAQ не изучала финансовые документы компаний, выходящих на IPO. Так, камешек за камешком началась лавина, обрушившая рынок.

Больше половины высокотехнологичных компаний обанкротились, инвесторы потеряли больше 60% вложений. В итоге рынок был вынужден выучить очень важный урок: интернет — не отдельная отрасль, не бизнес-процесс, а инструмент для роста и модернизации существующих бизнес-процессов.

Те, кто разобрался с этим, смогли преодолеть кризис, а некоторые, такие как Amazon и Google, даже стали мировыми лидерами. Даже Priceline, стартап скидок на бронирование авиабилетов, крах которого поразил всех и больнее всего ударил по инвесторам, выкрутились, выжили и стали Booking.com.

Рынок доткомов вышел из убытков примерно к 2003 году. Инвестировавшие в Кремниевую долину, в итоге, получили прибыль, на фоне которой потери от лопнувших стартапов выглядят смехотворными. Но сегодня важнее, насколько оказался усвоен урок того пузыря. Учитывая нынешние громадные инвестиции в ИИ, мы с вами это скоро узнаем.

#техноистории от Саши Иванова

Лучшее видео на тему «Как команда решает, что в продукте обязательно должен быть AI».

Всем продактам и предпринимателям, кто сейчас «прикручивает ИИ», посвящается.
Ребята, если что я с вами — делаю это в продажах, так что смотрю со смешанными чувствами 🙃


ps: Оля, спасибо за видео — оно как раз для рубрики #пятничное
Подсмотрено

🤖 Маск запускает завод на миллион роботов в год. И это только начало.

Вчера на квартальном отчёте Tesla Илон Маск заявил: «Мы строим производственную линию на миллион роботов Optimus в год. Надеюсь, запустим к концу следующего года».

Для контекста: это не опытная линия. Это первая промышленная сборка гуманоидных роботов в истории человечества.

Почему это безумие — и почему это может сработать

Да, мы помним обещания Маска про Full Self-Driving «в следующем году» и колонизацию Марса. Но есть нюанс:
- Его триллионный пакет выплат от акционеров Tesla завязан именно на массовое производство Optimus и лидерство на рынке гуманоидных роботов. Мотивация — железобетонная.

Проблема: цепочки поставок — не существует

Цитата Маска с созвона: "С автомобилями у вас есть готовая цепочка поставок. С гуманоидным роботом её просто нет."​

Tesla вынуждена производить всё сама — от актуаторов до кистей рук. По словам Маска, кисть и предплечье сложнее, чем весь остальной робот вместе взятый.​

Но именно опыт вертикальной интеграции в производстве Tesla даёт им шанс. CFO компании отметил: "Мы внутри воспринимаем автомобиль как робота на колёсах".​

Optimus V3: в феврале-марте покажут «почти человека»

Маск пообещал представить прототип V3 в Q1 2026 (февраль-март):
- "Он даже не будет выглядеть как робот. Это будет похоже на человека в костюме робота... настолько реалистично, что вам нужно будет его потыкать, чтобы поверить, что это робот".​

И вот что действительно wild: дизайн не будет заморожен даже после старта производства. Tesla планирует вносить изменения на ходу — как в софте, только в железе.

Цифры, от которых кружится голова

Маск не скрывает амбиций:

- Optimus 4 — 10 миллионов единиц
- Optimus 5 — 50-100 миллионов единиц

Его комментарий: "It's really pretty nutty" (это реально чокнутое).​

Он называет это "infinite money glitch" — бесконечный денежный глитч в реальности.

Три вопроса для вас:

- Если Tesla выпустит миллион роботов к 2027 году — какие профессии исчезнут первыми?
(Подсказка: складская логистика, производственные линии, возможно — строительство)

- Сколько будет стоить один Optimus?
Маск ранее называл цену $20-30K. При таком масштабе — реально.

- Готов ли ваш бизнес конкурировать с компаниями, у которых есть армия роботов по цене подержанной машины?

У нас есть примерно 18 месяцев до первого прототипа и старта производства.

Это не научная фантастика. Это квартальный отчёт публичной компании.

Читать полностью:
https://www.humanoidsdaily.com/feed/tesla-targets-1-million-unit-optimus-line-v3-prototype-q1

🎵 AI-музыка прошла тест Тьюринга. И это меняет всё

Хотите стать миллионером? Теперь выбор шире или учиться на ведущую или писать музыку с AI

А вот и свежее исследование из Бразильского университета подтвердило: в слепом тесте люди отличают музыку Suno от настоящей с точностью 53%.

Это статистическая погрешность. Подбрасывание монетки.

Что проверяли:
653 участника слушали пары композиций — одна от Suno, другая от независимых артистов с Jamendo. Жанры: поп, рок, хип-хоп, электроника, метал. Без подсказок, без названий, чисто на слух.

Результат:
При случайных парах → 53% (= угадывание)
При похожих стилях → 66% (люди начинают замечать детали)

Что выдаёт AI (пока):
- Вокал: "шум в конце слов", отсутствие дыхания, роботизированные переходы
- Тексты: бессмысленные рифмы, несоответствие жанру[1]
- Структура: слишком "правильная", без живых косяков

Но это данные сентября 2025. Suno v5 уже улучшила фразировку и эмоциональность. Окно распознавания закрывается.

Параллельно:
→ Deezer внедрил детектор AI-музыки (точность 99%), но он требует обновлений под каждую новую версию
→ RIAA судится с Suno за использование защищённых композиций для обучения
→ OpenAI анонсировала выход на рынок музыкальной генерации

Практический вывод:

Если вы работаете с контентом — у вас есть 12-18 месяцев, чтобы:
1. Научиться использовать AI-музыку для прототипов, фонов, черновиков
2. Понять, где нужна человеческая "неправильность" для эмоции
3. Выстроить процессы с маркировкой AI-контента (это станет обязательным)

Если вы музыкант — фокус смещается с техники на уникальность подачи, живое выступление и персональный бренд. AI не заменит вас на сцене. Пока что.

Детали исследования: https://arxiv.org/html/2509.25601v1

#AI #Suno #MusicGeneration #CreativeAI