Карта рынка GenAI: как он устроен в России

Мы без конца ругаем отечественных вендоров, и, разумеется, за дело. Но за последние пару лет их стараниями наш рынок всё же смог вырасти из слепых интеграций зарубежных моделей в нечто самобытное.

Вместо того, чтобы покупать подписки на готовые сервисы, российские корпорации начали строить собственные R&D-центры и инфраструктуру. Разработка своих моделей и дообучение open source позволили создать достаточно независимую и, при этом, прогрессивную индустрию.

Российский рынок практического применения AI может стать более продвинутым, чем мировой, уже на горизонте 3-5 лет, считают аналитики red_mad_robot.

Но в многообразии кейсов и доступных инструментов легко запутаться. У кого есть инфраструктура, а кто занял доминирующие позиции в нише интеграторов? Здесь не обойтись без онтологической карты.

Хорошо, что всю работу за нас уже сделали в Центре AI-компетенций red_mad_robot и собрали такую карту с комментариями экспертов из «Билайна» и «Сколково». Мы уже изучили и вам рекомендуем!

@anti_agi

ElevenLabs выпустил модель расшифровки речи с задержкой менее 150 мс

Scribe v2 Realtime предназначена для голосовых ассистентов. Модель предсказывает следующее слово собеседника, поэтому работает так быстро. Точность — 93.5% на 30 популярных языках.

Поддерживает более 90 языков, включая русский.

Попробовать можно тут: https://elevenlabs.io/realtime-speech-to-text

Первые пользователи твоего стартапа должны быть результатом поиска, а не уговоров!

1. Другими словами, твоя задача состоит в том, чтобы найти людей, которым твой продукт окажется нужен безо всяких уговоров. Если ты никак не можешь их найти — значит, твой продукт на самом деле никому по сути не нужен. И никакие уговоры не позволят тебе его масштабировать.

2. Первое следствие из этого принципа — ты должен поставить на первую версию продукта высокую цену. Потому что тех, кому такой продукт реально нужен, высокая цена не отпугнёт. Зато это сразу будет приносить тебе достаточно денег на жизнь и дальнейшее развитие продукта. По мере увеличения количества пользователей ты можешь снижать цены. Но никогда не поступай наоборот, как это делает большинство — раздавая продукт бесплатно или за копейки, надеясь со временем эти цены повысить.

3. Второе следствие — люди, которым позарез нужен твой неизвестный продукт, вряд ли бродят по интернету стадами 😉 Это значит, что массовая реклама для привлечения первых пользователей окажется неоправданно дорогой. Поэтому первых пользователей нужно искать и привлекать исключительно индивидуально — выискивая подходящие профили или заходя в сообщества, где они могут присутствовать.

4. Третье следствие — развивать свой продукт нужно только по обратной связи людей от тех, кому он уже реально нужен. А не тех, кому он не нужен 😮 Потому что все их слова типа «если бы там было вот это, то я бы это купил» — это просто фантазии.

🚀 Бери неожиданные и своевременные идеи, которые ты можешь опробовать в своих проектах — из моих обзоров на fastfounder.ru/news
Подсмотрено

Google на днях выпустил документ из серии «про агентов на человеческом языке» (это я его так назвал, конечно). Но это действительно очень понятное и простое объяснение о том, что такое ИИ-агенты и их инфраструктура, на 54 страницах.

Ранее уже давал ссылку (очень много кто себе сохранил), поэтому дублирую вложенным файлом и еще внизу ссылка на краткий перевод от Силиконового Мешка.

Вы узнаете, что:
- Лучше вместо создания одного «супер-агента» для выполнения сложной задачи делегировать подзадачи специализированным агентам (например: агент-маркетолог, агент-разработчик).

- Можно использовать мощную (и более дорогую) модель (например, Gemini 2.5 Pro) для сложного начального планирования и рассуждений, но перенаправлять простые и высокообъемные задачи (например, классификацию) на более быструю и экономичную модель (например, Gemini 2.5 Flash).

- Нужно использовать системный промпт как основной рычаг управления, задавать четкую персону, правила взаимодействия, требуемую схему вывода и явные инструкции, когда и зачем использовать инструменты.

- Для борьбы с галлюцинациями надо использовать Retrieval-Augmented Generation (RAG) или NL2SQL (естественный язык в SQL) для доступа к актуальным данным компании, чтобы «заземлить» рассуждения агента в фактах и снизить вероятность ошибок.

Даже если вы не занимаетесь ИИ-агентами и автоматизацией, но хотите освоить еще один пласт знаний про искусственный интеллект - рекомендую закинуть эту PDF-ку в NotebookLM для изучения.

Краткий перевод на русский - по ссылке ниже: https://teletype.in/@prompt_design/Introduction_to_Agents

Пост подсмотрен

Ученые создали огромную 3D-карту научных знаний из более 100 тыс. исследований.

На каждую точку можно кликнуть и изучить публикацию, например о вреде работы для психики. Все материалы расставлены в зависимости от совпадения тем — всего собрано 100 кластеров.

Залипаем здесь.

Кремневая долина (США) сдается китайским моделям

Чамат Палихапития, генеральный директор Social Capital, раскрыл, что его компания перенесла значительные рабочие нагрузки на модель Kimi K2 от Moonshot AI, ссылаясь на превосходную производительность и более низкие затраты по сравнению с OpenAI и Anthropic. Отраслевые данные свидетельствуют о том, что китайские модели быстро завоевывают долю рынка — инструменты от таких компаний, как MiniMax, DeepSeek и Alibaba, заняли семь из 20 наиболее используемых моделей ИИ на прошлой неделе, согласно OpenRouter.​

Модели Qwen от Alibaba стали крупнейшим семейством ИИ с открытым исходным кодом в мире, с более чем 540 миллионами совокупных загрузок по состоянию на октябрь (кстати и Яндекс использует Qwen - для своих последних ИИ моделей), превзойдя модель Llama от запрещенной в РФ Меты. Серия Qwen достигла 385 миллионов загрузок на Hugging Face, опередив 346 миллионов загрузок Llama.

Возможно это пока не 100% победы китайских моделей - но 7/20=33% - по тайталу - в сша - уже используется китайские модели! Это как если бы мы для защиты ПВО поставили себе Пэтриоты - по крайней мере именно так все в ИИ индустрии Америки себе представляли эту битву еще год назад.