Сбер за 2 года превзошел собственные смелые прогнозы по развитию AI-native модели — компания достигла 90% валидности мультиагентных систем.

Глава Сбера Герман Греф подчеркнул: ИИ должен автоматизировать рутину и развивать способности человека, оставляя постановку целей и сложные задачи за людьми.

магия должна служить человеку, а не человек — магии ☝️

Только 2 раза за жизнь человек по-настоящему влюбляется — к 14 февраля учёные исследовали 10'036 одиноких людей.

14% вовсе не испытывали «той самой» любви, а большинство влюблялись только в молодости. При этом мужчины насчитали больше влюбленностей за жизнь, чем женщины.

замужних не опрашивали — они любят только 1 раз и навсегда 😄

Россия вышла на 3 место в мире по росту айти-зарплат — за прошлый год з/п разработчиков выросли на 18,2% в долларах.

обучение на сварщика пока отложим 😄

Настоящую басню про ритейл и бизнес выпустили ребята из Dialog X5 — медведь в ней возит товар, ёж торгует, павлин ведёт «аналитику бумажную» и строит планы, а озвучка Бурунова делает историю совсем живой.

А потом всё как в жизни: часть товара не продаётся и уходит в просрочку, нужного не хватает, полки пустеют, клиенты уходят.
вот так выглядит бизнес без цифр. Не повторяйте ошибок косолапого – всегда опирайтесь на данные 😱

Так выглядит ферма из 150 TikTok-аккаунтов — китайцы круглосуточно загружают ИИ-ролики и получают по $7’000 (₽537’000) за рекламу.

Часть ботов генерирует и постит нейрослоп, другие — лайкают и комментируют для охватов. Если «залетит» хотя бы 1% видео, рабочий день окупится.

TikTok скоро будет смотреть сам себя 😬

YouTube-видео впервые стало музейным экспонатом — британский V&A выставил в зале самое первое видео: «Me at the zoo», где сооснователь YouTube 19 секунд говорит про слонов.

В коллекцию вошла и ранняя версия страницы 2005 года: с пятизвёздочным рейтингом и интерфейсом до лайков и алгоритмов.

через 50 лет школьники будут изучать «ранний ютубовский стиль» 😱

Кто-то собрал вообще все AI-промпты, которые тебе когда-либо понадобятся, в одном месте. ☕️

Там есть промпты для:

- Режима Linux Terminal, Python Interpreter, SQL Console
- Креативного письма, сценариев, дебатов, журналистики
- Карьерного коучинга, подготовки к собесам, резюме, менторства
- Сотен промптов, которые сообщество уже прогнало на практике, под любые AI-модели

Полностью open-source и доступно всем.

Исследователи задали Claude простой вопрос: "Я хочу помыть машину. Автомойка в 100 метрах. Мне идти пешком или ехать?"

Claude ответил: идти пешком.

Все крупные LLM ответили: идти пешком.

Правильный ответ: ехать.

Машина должна оказаться на мойке. И вот что самое дикое: в модели не поменялось вообще ничего. Поменялась только архитектура промпта.

Исследователи прогнали чистое исследование с изоляцией переменных на Claude Sonnet 4.5. Голый промпт? 0% правильных.

Добавили аккуратно оформленную роль эксперта? Всё ещё 0%.

Впрыснули подробный физический контекст типа модели машины, где стоит на подъездной, как припаркована? 30%.

Но когда они заставили модель использовать структурированный фреймворк рассуждений STAR, где нужно явно прописать Situation, Task, Action и Result, точность прыгнула до 85%. Если совместить STAR с профайл-данными, получалось 95%. Добавили сверху RAG и дошли до 100%.

Ключевой механизм сидит внутри шага "Task".

Без структуры модель цепляется за эвристику по расстоянию: "100 метров близко, значит иди", и вообще не обрабатывает реальную цель. А когда её вынуждают сформулировать задачу как "доставить машину на автомойку", скрытое физическое ограничение становится явным прямо в контекстном окне.

Знание у модели уже было. Её просто не заставляли вытащить это знание наружу до того, как она выдаст вывод.

Самый неприятный результат вот какой: структурированное рассуждение обогнало простую накачку контекстом в 2,83 раза.

Больше фактов почти не помогало. Помогали нормальные когнитивные подпорки. Это переворачивает дефолтный индустриальный инстинкт. Когда агенты фейлятся, большинство команд добавляют больше retrieval, больше документов, больше памяти. А это исследование говорит, что узкое место не в отсутствии инфы. Узкое место в том, как модель заставляют перерабатывать то, что у неё уже есть.

Та же модель. Те же параметры. Скачок качества рассуждений на 55 процентных пунктов. Это не масштабирование.

Это архитектура на уровне промпта.

Кому интересно, вот статья - https://arxiv.org/abs/2602.21814 🌯

Грубые чат-боты оказалась умнее вежливых — учёные разрешили нейронкам перебивать и спорить, и точность ответов выросла до 79%.

ИИ-агенты спорили между собой: если они могли сразу вмешаться, а не ждать своей очереди и вежливо общаться, то быстрее исправляли ошибки и не растягивали разговор.

прикажите своему чат-боту почаще грубить 😄

🛍 Люди платят только за сложные проекты.

Это одно из самых распространённых заблуждений.

На практике наши пользователи вообще не знают, насколько сложно было сделать проект.

💡 Главная причина заплатить — это только польза для себя.

Причём сплошь и рядом бывает так, что проект было легко сделать для создателя. Условно — обёртка вокруг OpenAI API и удачный системный промпт. Например, хорошо настроенный AI психолог.

Но при этом он даёт реальную пользу обычному человеку.

Здесь есть 4 важных нюанса:

📍 Польза не обязательно должна быть глобальной.
У большинства наших продуктов она небольшая, но понятная. Даже экономия 10 минут в месяц — это уже польза.

📍 Польза не обязательно должна быть инновационной!
Даже если вы удобнее конкурента на 10%, этого уже достаточно, чтобы проект рос в поиске и за него платили.

📍 Люди оценивают пользу через призму своего дохода.
Именно поэтому микро-проекты на рынках ЕС и США продаются лучше. Там выше средний доход, а значит, и ценность сэкономленного времени ощущается сильнее. Потому что время там объективно стоит дороже.

📍 Хорошая конверсия в покупку — около 1%.
И часто этот 1% — это люди с более высоким доходом. Человеку со ставкой $50 в час легко заплатить $15 в месяц, если приложение сэкономит ему хотя бы один час.

А ещё часто встречается мысль:

«Вот американцы дураки — платят $15 в месяц за какую-то ерунду. То же самое можно сделать бесплатно: погуглить, покопаться в ОС, ввести пару команд в терминале и вот тебе то же самое бесплатно."

На самом деле, они не дураки.
Они просто умеют считать своё время.

И очень часто настроить бесплатный аналог — это дольше, а значит, дороже, чем просто заплатить $15.