Сегодня в Telegram-канале:

• TheInformation собрали впечатления первых рекламодателей в OpenAI.

Обозревателю кулинарного сайта пришлось как-то оказаться на Temu и он увидел доставку мяса. Он и сам понимал, что это немного необычное место для заказа еды, но она вроде бы была местная (то есть из Нью-Йорка, точнее, Брайтон Бич), поэтому решил заказать.

Упаковка была вполне крафтовая и, как он замечает, если бы она могла приготовить ужин, то всё было бы ОК. Но мясо оказалось менее многообещающим — никакой мраморности, практически не было жира, то, что должно было быть рибаем, выглядело максимум диетическим вариантом. Но они его решили приготовить “как полагается” — на сковородке, с поливанием сливочным маслом и розмарином.

Получилось ужасно — правильно приготовленный кусок мяса отказывался жеваться, был “наименее нежным стейком за всю жизнь”, а кто-то из редакторов сказал, что сомневается, что это говядина.

Общий вывод — не заказывайте мясо на Temu.

Вывод странный, поскольку у заказа был вполне определенный подрядчик и это стильная миллениальная компания с красивыми фоточками. Судя по фотографиям в обзоре, я бы сказал, что это вообще не рибай, а больше похоже на Round — это очень постный стейк, компактной формы, который, вообще-то, категорически нельзя жарить на сковороде. Котлеты тоже не очень похожи на обещанные wagyu burgers, но критик их назвал “ничего особенного”.

А в целом, да, вполне закономерный вопрос — зачем заказывать стейки на китайской платформе дешевых распродаж?

Сегодня в Telegram-канале:

• Meta запускает глобальный AI-ассистент поддержки для Facebook и Instagram, а также внедряет новые AI-системы модерации к…
• Google начал подменять заголовки новостей в классической поисковой выдаче на варианты, сгенерированные AI.

Собственная фрагментация меня давно путает — есть и этот блог, и телеграм-канал, и соцсети, еще вот рассылка на Substack с подкастом… В общем, не было бы счастья — проверял веб-версию телеграм-канала и обнаружил, что она практически не индексируется, считаясь thin content. Первой мыслью было генерировать только блоки постов, а не поодиночке, а потом подумал, а зачем? В итоге перенес всё в отдельную папку сюда, перенастроил шаблоны и добавил скрипт, который раз в день будет генерировать дайджест для основной ленты. Пока вот так, посмотрим на эффект.

Сегодня в Telegram-канале:

• Anthropic представила результаты опроса более чем 80 тысяч пользователей как срез того, чего люди хотят от AI.
• OpenAI объявила о покупке Astral — компании, которая разрабатывает open source инструменты для Python: менеджер пакетов …
• О, ну и страсти! Видимо, железнодорожники бывшими не бывают.
• Google представил многоступенчатую процедуру установки приложений от неверифицированных разработчиков на Android, включа…
• Apple заблокировала обновления для нескольких приложений, связанных с вайб-кодингом, — Replit и Vibecode не могут выпуст…

tl;dr — никак.

Для тех, кто желает знать подробности, давайте разбираться.

На днях по твиттеру прошли сразу две волны. Во-первых, Андрей Карпати (один из основателей OpenAI, автор термина vibe-coding и вообще практически культовая личность, без иронии) опубликовал свой фреймворк Autoresearch, который изначально разрабатывал для обучения моделей. Суть проекта в том, чтобы дать AI-агенту на базе Claude или Codex пайплайн для тренировки небольшой модели и оставить его на ночь экспериментировать. Агент, соответственно, ставит эксперимент, модифицируя код для обучения модели, прогоняет обучение в течение 5 минут, если качественный показатель val_bpb (validation bits per byte) улучшился, то есть стал меньше, то коммитит код и начинает цикл сначала, если нет — откатывает изменение и опять начинает цикл.

Этот подход потом применил CEO Shopify Тоби Лютке для оптимизации фреймворка Liquid, который используется на фронтенде Shopify, и получил 53% сокращения времени на парсинг и рендеринг. В общем, довольно понятно — есть определенные измеряемые параметры, агенту задается направление работы, он итеративно и систематически ставит эксперименты, оптимизируя целевые показатели. Правда, результаты еще не пошли в продакшн — много упавших тестов и конфликтов.

Во-вторых, один из специалистов пошел дальше, взял большую модель Qwen 3.5-397B, статью сотрудников Apple про технику запуска LLM, когда система позволяет использовать SSD как расширение памяти, оставил Claude Code экспериментировать на ночь и после 90 экспериментов получил работающую версию большой LLM на MacBook Pro M3 Max с 48 гигабайтами памяти. Вроде бы ура, победа, правда, сначала была скорость 1 токен в секунду, потом улучшили до 5 токенов, но ведь настоящая большая модель работает на довольно скромном уже ноутбуке.

В общем, я заинтересовался и пошел читать. Вот тут есть беглый комментарий Саймона Уиллисона, который скромно замечает, что не очень понятно, как все эти оптимизации отразились на качестве работы. У меня даже сомнений нет — плохо отразились, поскольку физику не обманешь.

Что сделал Claude Code, оптимизируя модель? Прежде всего — применил агрессивную квантизацию экспертов. Qwen 3.5 — это модель с Mixture-of-Experts (MoE), где каждый токен генерируется только частью факторов (17B из 397B) и частью экспертов. Исходная версия была квантизована до 4 бит, что позволила её сократить до 120 гигабайт. В данном случае экспертов квантизовали до 2 бит, что очень агрессивно и обычно плохо сказывается на точных рассуждениях и математике. Если квантизация до 4 бит действительно приводит к потере 1-3% от 8-битной версии, то дальше зависимость нелинейная.

Кроме того, оригинальная конфигурация предусматривает выбор 10 экспертов на каждый токен. Здесь в результате оптимизации их количество урезали до 4 — то есть модель реально думает примерно третью “мозга” на каждом шаге. Опять же, Claude, занимавшийся оптимизацией, уверяет, что качество заметно не ухудшилось, но это буквально проверка на трех простых примерах, а не по результатам бенчмарков.

Было бы интересно сравнить получившийся результат с младшими моделями Qwen, например, с помещающейся в памяти без подобных оптимизаций qwen 3.5-30B-A3B, то есть с 30 млрд параметров, из которых активны 3. Если на стандартных бенчмарках “оптимизированный” вариант большой модели лучше маленькой — это практический успех. Если нет — надо оптимизировать дальше.

А если такого сравнения нет — то это маркетинг и proof-of-concept с действительно интересной, но непроверенной гипотезой. Нет, автор не запустил Qwen 3.5-397B на ноутбуке, он запустил что-то другое.

Сегодня в Telegram-канале:

• SEC опубликовала «таксономию токенов» — классификацию цифровых активов, определяющую, какие из них являются ценными бума…
• Пекин одобрил продажу чипов H200 в Китай, а Nvidia готовит версию чипа Groq для китайского рынка — по данным Reuters, по…
• Я уже дописал статью и отправил ее публиковаться и тут же прочитал пост в канале одного разработчика LLM, которому Claud…
• Исследователи из Google, iVerify и Lookout обнаружили новый инструмент для взлома iPhone под названием DarkSword, которы…

Каждый, кто много работает с LLM, сталкивался с этим: ты обсуждаешь какое-то решение с LLM, получаешь ответ с конкретным кодом или фактами — а потом выясняется, что код устарел полгода назад, и модель настаивает на использовании решений годичной давности. Или хуже: ты пишешь код с правильным современным синтаксисом, а модель тебя «поправляет» на устаревший вариант. Самое печальное, когда современная модель настаивает на то, что её самой не существует — например, Claude Opus 4.6 может утверждать, что самая новая модель Anthropic — это Sonnet 3.5, а Gemini 3.0 Pro советовала использовать новейшую модель Gemini 1.5 Pro, у нее, мол, миллионный контекст.

Это не баг конкретной модели. Это фундаментальное свойство любого LLM: модель не различает, что она «знает» из тренировки и что является актуальной реальностью. Причем данные обучения заложены в весах модели и по определению более значимы, чем ваш короткий промпт.

К сожалению, масштаб проблемы не ограничивается смешными анахронизмами, когда модель не знает, что Трамп опять президент США. Использование старого API или незнание новых вызовов в библиотеках — это в лучшем случае изобретение велосипеда, когда модель пишет код, чтобы интерпретируемым скриптом заменить встроенную функцию, о которой она не знает. Но это может стоить денег — как-то модель тихонько заменила мне вызов gpt4.1-mini на gpt-4o (мол, не существует же никакой mini), и вместо долей цента за запрос у меня начали тратиться пара центов.

Сегодня в Telegram-канале:

• Samsung прекращает продажи Galaxy Z TriFold — складного смартфона с двумя петлями и экраном, раскладывающимся в 10-дюймо…
• OpenAI готовит масштабный пересмотр стратегии: компания сворачивает побочные проекты и концентрируется на инструментах д…
• Manus выпустил десктопное приложение с функцией My Computer, которая позволяет агенту выполнять команды в терминале лока…
• OpenAI добавила в Codex поддержку субагентов.
• OpenAI выпустила GPT-5.4 mini и nano — компактные версии своей флагманской модели, оптимизированные под задачи с высокой…

Сегодня в Telegram-канале:

• Интересные результаты получились у совместного акселератора Google и Accel в Индии.
• Nvidia фактически признала, что GPU недостаточно для оптимального инференса.

Сегодня в Telegram-канале:

• В Китае — бум OpenClaw.
• Конфликт вокруг Ирана позволяет протестировать уязвимость высоких технологий в неожиданном аспекте.

Сегодня в Telegram-канале:

• Вы же в курсе про acquihiring — когда большая компания покупает небольшую, обычно даже без бизнес-перспектив, потому что…

Данные Cloudflare Radar. Попробуйте угадать дату блокировки незарегистрированных терминалов Starlink.

Правда, стоит учитывать, что это открытый трафик. То есть не через VPN, прежде всего.

Кроме того, это не тот трафик, который исходит из сети Starlink, а тот, который приходит к сайтам, закрытым Cloudlfare. Это тоже несколько искажает картину.

Но картинка все равно показательная.

Сегодня в Telegram-канале:

• Meta откладывает выпуск новой базовой AI-модели под кодовым названием Avocado как минимум до мая.
• Австралийцы с канала Tech Re-Nu разобрали MacBook Neo и обнаружили, что Apple, похоже, впервые за долгое время сделала н…
• xAI переманила двух топ-менеджеров из Cursor — Эндрю Милича и Джейсона Гинсберга.
• Вот тебе и пятница, 13-е, — всем 1М контекста в Claude Code и пусть никто не уйдет из-за компьютера.
• Cerebras выходит на платформу AWS.
• Это было быстро — Digg закрылся спустя два месяца после открытого бета-запуска.

Сегодня в Telegram-канале:

• NVIDIA выпустила Nemotron 3 Super — открытую модель на 120 млрд параметров, из которых при инференсе активны только 12 м…
• Atlassian сокращает 10% сотрудников — около 1600 человек — чтобы, по словам CEO Майка Кэннон-Брукса, «самостоятельно про…
• В целом, небольшое тестирование qmd — это не совсем про AI, то есть не про разработку с AI.