Подборка интересных отчётов
✦ OpenAI: как люди используют ChatGPT
Исследование охватило 1.1 млн чатов пользователей за период с мая 2024 по июнь 2025. 73% запросов в ChatGPT не связаны с работой. Три главные темы чатов: практическое руководство, поиск информации и написание текстов. Почти половина (46%) сообщений отправлена пользователями в возрасте 18-25 лет. 40% рабочих запросов связаны с написанием текстов. Две трети запросов это редактирование, а не создание текста с нуля - Полный отчёт
✦ Bessemer: Состояние ИИ в 2025 году
Ключевые тренды: память ИИ, системы действий, браузеры как интерфейс. Протокол MCP становится стандартом для ИИ-агентов. Генеративное видео будет активно развиваться дальше. Учёные улучшают методы оценки работы нейросетей. Крупные компании продолжат скупку ИИ-стартапов - Читать отчёт
✦ Гайд от Anthropic: как создавать инструменты для AI-агентов
Anthropic объясняется, как делать инструменты полезными и надёжными. Ключ к эффективности: быстрые прототипы и реальные сценарии. Используйте агентов для тестирования и оптимизации. Избегайте дублирования: один инструмент — одна чёткая задача. Используй понятные имена и структуры. Возвращайте только необходимые данные и добавляйте фильтрацию - Подробнее в статье
✦ SpikingBrain: нейроморфный ИИ для эффективной работы с длинными последовательностями
Архитектура моделей SpikingBrain-7B и SpikingBrain-76B по аналогии похожа на мозг человека. Модели потребляют значительно меньше энергии (экономия более 85.2% на спец. оборудовании). На обучение требуется менее 2% данных от обычных моделей. 7B демонстрирует более чем 100-кратное ускорение генерации первого токена. Цель нейроморфных вычислений повторить эффективность работы мозга человека - GitHub - полный отчёт
✦ Similarweb: отчёт State of Ecommerce 2025
ИИ и приложения стали самыми быстрорастущими каналами. Коэффициент конверсии для ChatGPT 11,4% (рост +5% за год) — показатель выше, чем у прямых переходов, органики, email и соцсетей - Подробнее - Получить отчёт
✦ Контекстная путаница: как длина текста влияет на ИИ
Исследование Chroma и тест 18 моделей, включая GPT-4.1, Claude 4 и Gemini 2.5. Производительность ИИ снижается с ростом контекста, даже на простых задачах. Низкая схожесть вопроса и ответа ускоряет деградацию точности. Дистракторы (отвлекающая информация) снижают точность. Перемешивание текста (нарушение логической структуры) неожиданно улучшает результаты. Авторы призывают уделять больше внимания “инженерии контекста” - полный отчёт
Подписывайтесь на Telegram EFEMERA: AI news.