Интересное и актуальное из мира IT, маркетинга и искусственного интеллекта 🚀 https://telegram.me/PavlikovIT
ИТ-корпорации очень любят пиар-эффект от слова открытый, но терпеть не могут отдавать свои технологии бесплатно. Стартап Moonshot AI сбросил на Hugging Face веса своей флагманской модели Kimi K3, гордо назвав её первой в мире открытой моделью класса 3T.
Главная боль всех консольных ИИ-агентов до сегодняшнего дня заключалась в их жесткой привязке к железу. Вы даете агенту сложную задачу (например, провести масштабный аудит репозитория или написать пачку тестов), и следующие два часа не можете закрыть крышку ноутбука, убить процесс в терминале или потерять Wi-Fi. Если сессия прервалась? вы просто со…
Главная проблема любого сложного автономного агента — экономика. Когда для решения одной инженерной задачи модель перебирает десятки шагов, гонять флагманскую GPT-6 Astra по $10 за входные и $50 за выходные токены становится разорительно.
Долгое время главным правилом работы с LLM было отношение к нейросети как к стажеру с амнезией, каждую задачу нужно было разжевывать по шагам, заставлять модель «думать вслух» и проверять её работу после каждой строчки кода.
Главное правило использования публичных LLM в бизнесе никогда не скармливать им NDA, финансовые отчеты и личные данные клиентов. Если кому-то для понимания этого не хватало доказательств, расследование издания 404 Media расставило всё по местам. Внутри OpenAI работает проект Lily, целая армия подрядчиков, которые вручную читают и оценивают диалоги…
Индустрия ИИ одержима идеей рекурсивного самоулучшения (RSI) цикла, в котором ИИ создает более сильную версию себя, а та улучшает следующую. До сих пор это упиралось в колоссальные вычислительные затраты, чтобы проверить новую стратегию, агенту приходилось прогонять её на реальных задачах, сжигая сотни тысяч токенов через API.
Пропущенный звонок в нерабочее время это прямой слив бюджета на контекстную рекламу. Особенно в нишах с высоким чеком и сложными услугами (например, программы дополнительного профобразования, консалтинг или медицина), где клиенту перед оплатой нужно задать уточняющие вопросы.
Месяц назад ученые совершили прорыв, полностью расшифровали коннектом (карту нейронных связей) мозга плодовой мушки-дрозофилы и зачем-то выложили эти 166 700 нейронов в открытый доступ.
Главный аргумент скептиков против генеративного ИИ в разработке всегда звучал одинаково: Нейросети умеют писать только тупые скрипты на 20 строк и лендинги на React, а настоящий сложный софт им не по зубам.
Главный парадокс современных ИИ-инструментов, они обещают экономить время, но при этом заставляют плодить десятки сущностей. Под код нужен один клиент, под верстку документов второй, под дизайн-макеты третий, а быстрый вопрос проще задать в веб-чате. В итоге рабочий процесс превращается в бесконечный копипаст контекста из одного окна в другое.
Классические LLM работают как печатные машинки, они угадывают следующий токен (слово) на основе предыдущих. Это отлично работает, когда вам нужно написать статью или сгенерировать кусок кода. Но это абсолютно ущербный подход, если вам нужно, чтобы ИИ просто принял бинарное решение в фоновом скрипте.
Главный кошмар любого финансового директора или M&A-консультанта при слове нейросеть это галлюцинация в ключевой цифре сделки на десятки миллионов. Обычные чат-боты не умеют строго подтверждать источники, а подключение внешних аналитических баз через стандартные API и MCP-коннекторы безбожно тормозит.