13 января 2026
Microsoft анонсировал инициативу «community first» — набор обязательств по полной оплате электроэнергии для AI-датацентров, отказу от местных налоговых льгот и восполнению воды. Трамп успел слить новость накануне через Truth Social, назвав Microsoft «первым» из tech-компаний, готовых взять обязательства перед американцами.
Брэд Смит, президент Microsoft, описывает, как за год изменились разговоры в его родном Висконсине. В 2024-м местные хотели обсуждать рабочие места. К октябрю — только тарифы и расход воды. В штатах с крупными кластерами датацентров — Вирджинии, Иллинойсе, Огайо — цены на электричество для жителей выросли на 12-16% за год. Впрочем, если кто слушал один из недавних выпусков Радио-Т, то в курсе, как в городе Напервиль местные выступают против строительства датацентра, хотя компания гарантирует модернизацию энергосети, прямо сейчас находящейся не в блестящем состоянии.
Любопытно, что Смит поддержал федеральную помощь с разрешениями и доступом к земле, но прямо отверг субсидии на электроэнергию. OpenAI, обсуждая Stargate, от льгот не отказывается.
Очень интересное исследование влияния прогресса LLM на профессиональную эффективность. В нем участвовали более 500 специалистов (консультанты, аналитики данных, менеджеры), которые выполняли профильные задачи с использованием одной из 13 моделей различной мощности.
Вот что, вкратце, обнаружилось.
Экономический эффект прямо зависит от технических параметров моделей. Каждый год развития фронтир-моделей сокращает время выполнения задач в среднем на 8%. Десятикратное увеличение объема вычислений (при изоляции влияния других факторов) при обучении приводит к сокращению времени выполнения задачи на 6.3%. При этом прогресс обеспечивается как увеличением мощностей (на 56%), так и качественным образом, изменением алгоритмов и данных.
В процессе эксперимента участники получали вознаграждение, которое увеличивалось в зависимости от оценки качества выполнения заданий. Оказалось, что использование любой модели повышает базовый заработок в минуту на 81.3%, а с учетом бонусов за качество — на 146%.
При этом задачи, не связанные с использованием агентов — то есть, условно, одноходовые задачи, — показали прирост заработка на $1.58/мин. Аналогичный показатель для agentic-задач заметно скромнее — лишь $0.34/мин.
Но самое удивительное, что людям лучше не вмешиваться. Качество ответов моделей линейно растет с увеличением вычислительной мощности. Топовые модели демонстрируют оценки выше 6.0 из 7 (сверхчеловеческий уровень). А участие человека в выполнении задачи, хотя и улучшает результаты слабых моделей, но мощные модели в среднем получают среднюю оценку (4.3 балла). В общем, AI от людей тупеет.
Авторы исследований намеренно рандомизируют модели (и даже их не упоминают), чтобы исключить влияние конкретных LLM и сделать общие выводы. Но они и так интересны.