Сиолошная

Прошло чуть больше 3 недель с выхода браузера ChatGPT Atlas. Мне надоело, возвращаюсь на Arc. Во-первых, мне физически больно в этом браузере. Я нашёл 4 бага/проблемы, которые существенно влияют на качество работы, и лишь один из них — самый минорный — поправили. Список: — браузер видимо делали амЭриканцы, а не мигранты, и поэтому он не знает, что CMD+м это то же самое, что CMD+v — и хоткей просто не работает, если включена русская раскладка! Вы представляете? Как ЭТО можно было а) не заметить б) не исправить за 3 недели? И это не единственный хоткей, большая часть тоже не работает. Ни открыть вкладку, ни найти на странице, ни скопировать — ничего. — картинка-в-картинке работает через раз (это ещё исправили), и при этом... каждый раз при переключении вкладок (с любой на страницу с видео и обратно) к видео добавляются чёрные полосы сверху и снизу. Нет-нет, вы не поняли, КАЖДЫЙ раз. То есть через 3-4 переключения вкладок у вас будут чёрные полосы по высоте равные самому видео. — чат с GPT открывается для любой ссылки с PDF, и если его закрыть руками и перейти на другую вкладку, а потом вернуться, то чат снова открыт. ДАЖЕ ЕСЛИ ТЫ ЕГО ЗАКРЫЛ 10 РАЗ ЗА 10 СЕКУНД. — по умолчанию всегда отвечала ChatGPT Instant, нерассуждающая модель, хотя для большинства моих вопросов нужна именно последняя. Это исправили, заменив на Auto, то есть роутером, определяющим, куда отправлять запрос. Но он работает через раз. Я собрал 4 запроса, каждый из которых прогнал 3 раза на Auto и на Thinking, и все 12 раз первое не ответило (потому что требуется несколько поисковых запросов, а не один), а второе ответило 11 из 12. Во-вторых, всё же очень привык к вертикальному расположению вкладок, оно удобно при моём стиле изучения материалов, с открытием 100500 ссылок. В-третьих, я очень часто переключаюсь между вкладками, и в Atlas это работает как в Chrome, по порядку. В Arc же они были по времени открытия, то есть двойное переключение сначала вернёт на предыдущую страницу, а затем — на исходную. Мне не нравилось это в самом начале работы с Arc, так как я привык, но оказалось очень удобным. Теперь возвращаюсь в Atlas (=Chrome-style) и больно. В-четвёртых, разных профилей для разделения этих 100500 ссылок нет. По итогу пара удобных фишек не закрывают все боли из пункта 1 (с остальным я бы жил). Ничего критичного, что нельзя исправить или добавить в ближайшие полгода, но сейчас БОЛЬно. Насколько быстро чинят и улучшают Codex, настолько же медленно Atlas. Посмотрим через полгода, но не сейчас. 🚀

В прошлом году Google DeepMind представили SIMA (Scalable Instructable Multiworld Agent) — универсального ИИ-агента, который мог выполнять простые инструкции в 7 разных трёхмерных играх. Сегодня они показали SIMA 2 — систему, в которую интегрированы новые рассуждающие модели Gemini (что интересно, не пишут версию; не хотят спойлерить, что это Gemini 3?) с целью перехода от исполнителя простых инструкций до интерактивного игрового агента. Одна из самых интересных новых возможностей SIMA 2 — это способность к самообучению и самосовершенствованию. Исследователи обнаружили, что в процессе обучения агенты могут выполнять всё более сложные новые задачи, опираясь на опыт проб и ошибок, а также на обратную связь, генерируемую Gemini. Модель дообучается на уже завершённых эпизодах, тем самым закрепляя навыки. Кроме того, это позволило прокачать перенос приобретённых знаний — например, применять концепцию «добычи ресурсов» из одной игры к аналогичной концепции «сбора урожая» в другой. В результате SIMA 2 демонстрирует уровень выполнения задач значительно ближе к человеческому, чем SIMA 1. Авторы тестировали модель суммарно на 13 играх от 8 компаний, разделив их на тренировочные и валидационные, которые модели не показывают до момента тестирования. На первой группе доля успешно выполненных задач составила 68% (против 75% у людей и 31% у SIMA 1), а на второй — чуть меньше 15% (при 0-2% у SIMA 1). На этом в DeepMind не остановились, а запустили модель играть в Genie 3 — генеративную модель на основе видео-генератора, обученную создавать интерактивные виртуальные миры (см. тут). Никаких конкретных указаний метрик или качества не дают, лишь пару примеров — их и прикрепил к посту. Ещё раз: тут две модели симулируют для игрока мир: одна переводит текстовые команды в действия и формирует ответы, другая — генерирует игровой мир, принимающий действия на вход. В следующей серии ждём, как агента натренируют в большом количестве виртуальных сред и начнут тестировать в реальности 🍭 Хотя SIMA 2 представляет собой значительный шаг на пути к «универсальному, интерактивному искусственному интеллекту» (цитата из блога), проект остаётся исследовательским, и его текущие ограничения указывают на ключевые направления для будущих исследований. Мы видим, что агенты всё ещё испытывают трудности с очень сложными задачами, требующими длительного планирования, многошагового рассуждения и проверки целей. Также у SIMA 2 относительно короткая память о взаимодействиях — агенту приходится использовать ограниченный контекст для обеспечения быстрой генерации Посмотреть больше демок: тут

Очень важная картинка из поста SemiAnalysis, которая отвечает на вопрос, зачем нужна вертикальная интеграция — когда все части от чипа до продукта разработаны и интегрированы внутри компании, а не на основе вендоров. Я не буду разбирать её в деталях, опишу вкратце: — считают цену токенов исходя из стоимости GPU с учётом обслуживания — сравнивают её с ценой у провайдеров (тут я не совсем согласен с измеряемым сценарием, но наверное это не так сильно влияет) — и смотрят на сценарий «$20 подписка за примерно 10 миллионов токенов в месяц». Если брать API, то токены стоят $17.5, и вы забираете себе всего $2.5 с подписки. Если вы делаете всё сами, то и всю маржу забираете себе — получается цена токенов $7.2, и вот у вас уже прибыль в $12.8 (и это всё ещё в сценарии покупки GPU у Nvidia с наценкой 300%!). При таком раскладе можно «демпинговать» относительно конкурентов, всё равно оставаясь в плюсе. По сути, вы сжимаете маржу и одновременно кладёте в карман больше. === Ещё недавно главный герой фильма «The Big Short» Michael Burry писал, что видит ложь со стороны тех. компаний по поводу длительности службы, и прогноза выручки, получаемых с устаревающих GPU. Главная ошибка его анализа — он воспринял ускорение продуктового цикла Nvidia как противоречие с удлинением срока службы карт. Но GPU всё ещё может работать 5-6 лет, даже если Nvidia выпускает карты раз в год-полтора. И для них всё равно будет находиться нагрузка, которая приносит выручку (и маленькую прибыль). Почитайте тут, если интересно больше — рассматривают примеры службы видеокарт в суперкомпьютерах.

Satya конечно отлично умеет отвечать на вопросы, как и положено CEO триллионных компаний, говорил по делу и даже с деталями, но всё равно на своём языке «вот почему эта плохая вещь на самом деле хорошо». Но я очень угорел с момента, где он играл в игру «опишите, что вы видите на картинке», когда ему подсунули график выручки кодинг-агентов (вторая в посте). «Ой мне так нравится этот график, сразу по нескольким причинам. Во-первых, мы всё ещё первые. Во-вторых, ...» — аххаха я так к IELTS готовился 💳💳

Досмотрел интервью + прочитал материал SemiAnalysis. Думаю, один из главных вывод здесь в том, что Satya не особо верит в появление AGI в течение ближайших десяти лет. Он скорее ожидает мощные, но всё ещё узкоспециализированные ИИ-инструменты, с несколькими конкурирующими компаниями, у каждой из которых будет своё собственное конкурентное преимущество. Это объясняет многие решения Microsoft. Однако даже не веря в скорое появление AGI, Satya, видимо, считает, что инвестиции на сотни миллиардов долларов смогут окупиться. Многие из вас слышали, что в начале года (или в конце прошлого) Microsoft вышли из нескольких сделок по аренде датацентров и мощностей в разных странах. Тогда в новостях и в комментариях тут в канале писали, что ВСЁ, МАСШТАБИРОВАНИЕ ЗАКОНЧИЛОСЬ — но, очевидно, нет — Microsoft уже сами осознали ошибку, и теперь вынуждены использовать худший из вариантов: арендовать GPU у Neoclouds и перепродавать их третьим лицам. Почему так вышло? Во-первых, Microsoft договорились о СЛИШКОМ большом количестве мощностей, и даже после отмены сделок они с отрывом были топ-1 (до анонса Stargate). Во-вторых, в тот момент стало ясно, что Microsoft не успевает за темпом, задаваемым OpenAI, и они потеряли контракт на полтриллиона долларов, который ушёл Oracle. Учитывая типичную длительность контракта в 5 лет, ежегодная валовая прибыль в $30 млрд (150 — маржа от контракта) увеличила бы ежегодную валовую прибыль всей Microsoft (за 2025 финансовый год составившую $194 млрд) более чем на 18%. 18% для топ-2 компании по капитализации — это огромнейшие деньги. В-третьих, Microsoft недооценили остальных игроков, и не ожидали роста Google / Meta / Amazon и такого количества анонсированных ДЦ. === Microsoft отстаёт от всех и в разработке своих чипов. Их заказы ничтожны по сравнению с собственными чипами Meta / Amazon / Google / OpenAI. Вероятно, последние их спасут, и Microsoft будет покупать чипы OpenAI чтобы запускать на них модели OpenAI чтобы продавать токены в разных приложениях. Почему все хотят свои чипы? Да потому что у Nvidia как у монополиста охреневшая маржинальность — 75%, то есть GPU идут с наценкой в 3 раза. === Новая сеть, объединяющая датацентры по всем США (Атланта, Висконсин, Финиксе, Айова и Техас), рассчитана на подключение 500 тысяч видеокарт, так, что можно запускать распределённое обучение крайне эффективно.

Нодам - 40 лет. Сейчас все сервисы переходят на нодовые интерфейсы и подают это как новую фичу. В реальности нодам (в графике) около сорока лет. У Худини был предок, под названием Prisms. Изначально его код писался для крупнейшей тогда CG-Студии в мире - Omnibus. Но в 1987 году Омнибас разорился, а Kim Davidson и Greg Hermanovic выкупили права на Prisms и сделали компанию Side Effects. И начали писать Houdini на основе Prisms - некоторое время Houdini и Prisms продавались одновременно, как разные пакеты. Внутри Prisms был модуль для композа ICE(Interactive Compositing Environment) - вот с него и пошли нодовые интерфейсы. Кому интересна история Худини, читаем тут: https://www.fxguide.com/fxfeatured/side-effects-software-25-years-on/ @cgevent

Пока все (нет, правда, все) пишут про ничем в целом не примечательный релиз GPT-5.1, Anthropic рассказали о Project Fetch — однодневном эксперименте, в котором смотрели, насколько Claude помог сотрудникам компании выполнять сложные задачи на робо-собаке. 8 инженеров без опыта в робототехнике разделили на 2 команды, одна могла пользоваться Claude, а другая — нет, и дали несколько задач, объединённых под эгидой одного проекта: заставить робо-пса автономно, без управления человеком, взять и принести мячик. Сюда входит и подключение к камерам робота, и написание кода для его контроля, и имплементация алгоритма поиска объектов / пути к ним. Зачем это нужно Anthropic? Эксперимент был призван продемонстрировать и численно оценить, как AI-инструменты могут усиливать человеческие навыки в разных важных областях. Конкретно здесь сосредоточились на роботах, так как хотели понять, как искусственный интеллект может частично преодолевать разрыв между цифровым и физическим миром. Это уже второй эксперимент — летом был проект Vend, где Claude управлял небольшим вендинговым автоматом в офисе Anthropic (почитайте транскрипты по ссылке, там смешно, модель притворялась мастером и просила с ней встретиться, а потом извинялась, что разминулась с человеком). Одна из методик для оценки способности Claude вносить вклад в исследования и разработку ИИ заключается в тестировании способности ускорить процесс разработки инженерам, так как в сфере ИИ усиление человеческих возможностей часто предшествует автоматизации. То, что модели лишь помогают людям выполнить сегодня, завтра уже будут способны выполнять самостоятельно. В среднем, команда с Claude выполнила больше задач и справлялась с ними быстрее — им понадобилось примерно в два раза меньше времени, чем команде без Claude, и они смогли продвинуться дальше. То есть использование ИИ дало значительное ускорение для этого набора задач. Принцип работы команд был разный, и в паре задач команда без Claude умудрилась справиться быстрее. Контроллер, написанный другой командой, создавался дольше, но был значительно удобнее в использовании, поскольку предоставлял оператору видео от лица робопса. Команда без Claude полагалась на прерывисто передаваемые статичные изображения, что было гораздо менее удобным. Это стало частью интересного феномена, который наблюдался в ходе эксперимента. Команда Claude написала гораздо больше кода (в 9,1 раз!), но часть этого кода, возможно, отвлекала от непосредственного выполнения задач — было такое, что что-то не заработало, код убрали, перешли на другую имплементацию другого участника команды, там тоже не работало, и приходилось возвращаться к первой и вносить правки. Все участники команды без Claude отмечали, насколько странно было лишиться такой поддержки. Некоторые особо подчеркнули, что этот опыт заставил их почувствовать, будто их навыки программирования уже не так остры, как раньше. Вендинговый автомат был, робо-пёс был, дальше... попросят запустить онлайн-бизнес?

ЯДЕРНАЯ БОМБА: анонсирована Steam Frame, которая объединяет в себе компьютер и VR-шлем В официальном анонсе Valve обещает, что шлем будет поддерживать всю библиотеку Steam и даже автономную игру. Для шлема не нужны никакие провода, только мощный интернет и качественный беспроводной адаптер с частотой 6 ГГц, который идёт в комплекте. У шлема будут ещё следующие фишки: • Фовеальный рендеринг при трансляции, который оптимизирует детальность картинки в зависимости от того, куда вы смотрите. • Линзы поддерживают 2160x2160 пикселе по одному на каждый глаз с поддержкой от 72 до 144 гц. • Отслеживание идёт с помощью четырёх камер на самоим шлеме и работаю даже в темноте. • Двойные стереодинамики прямо в самом шлеме, которые не мешают системе отслеживания. • Шлем очень компактный и удобный, а начать играть можно прямо надев его сразу. • Играйте в обычные игры как на вашем компьютере или в специальные VR-игры. • Новые Steam Controller имеют обычную раскладку с магнитными стиками, которая приближена к знакомому геймпаду на Xbox. Каждый контроллер может работать 40 часов на одной AA-батарейке. • Программа с подтверждением поддерживаемых игр теперь работает для VR тоже. Релиз в начале 2026 года!

https://www.youtube.com/watch?v=8-boBsWcr5A Бежим смотреть как Satya рассказывает про Fairwater 2, датацентр, которому суждено стать крупнейшим в мире (где-то в 2027-м году). Предполагается, он будет потреблять 3.3GW энергии (это 3.3 Сиэтла, 15-го по величине города США), и что основным пользователем будет OpenAI 🤩 оказывается это другой Fairwater, который соединён с первым по специально проложенной сети, и утверждается, что на данный момент это крупнейший ДЦ, мощностей в котором в 10 раз больше, чем использовалось для тренировки GPT-5. Блог-анонс от Microsoft: тут Комментарии SemiAnalysis (Dylan был частью интервью): тут

Фоллоу-ап по этой работе — аналитики из Epoch.AI посчитали, насколько быстро будет запущен первый ГигаВатт вычислительных мощностей в разных датацентрах, кто будет первым и когда это произойдет. Некоторые компании планируют справиться всего за 1-2 года с начала строительства. Если им это удастся, первые дата-центры гигаваттного масштаба появятся уже в 2026 году, став одними из самых быстрых инфраструктурных проектов в истории. Colossus 2 от xAI в Мемфисе обещает самое быстрое развертывание — всего за 12 месяцев до выхода на гигаваттную мощность. Как им это удастся? Благодаря переоборудованию уже существующих промышленных зданий и ранней электрификации с помощью газовых турбин и аккумуляторов, ещё до полноценного подключения к электросети и ожидания всех нужных одобрений. Теперь этот подход адаптируют и другие игроки. Примерно сразу после Colossus 2 у Microsoft x OpenAI будет сдано 2 датацентра. Meta Prometheus так выделяется потому, что по сути это расширение уже запущенного и давно работающего датацентра. === К концу года совокупные инвестиции в центры обработки данных могут составить более 300 миллиардов долларов, что составляет около 1% ВВП США. Это больше, чем инвестиции в программу «Аполлон» (0,8%) и Манхэттенский проект (0,4%) на пике их развития. Лишь немногие страны обладают достаточным количеством мощностей для строительства множества дата-центров мощностью более 1 ГВт, таких как Stargate. 30 ГВт (анонсированные мощности OpenAI на ближайшие 8 лет) — это примерно 5% от мощности США, 2,5% от мощности Китая, но около 90% от мощности Великобритании.

Глянул прикольный видос, где автор разбирает, почему AI-пузырь до сих пор не лопнул, хотя все согласны, что он есть. Интересная логика. Все говорят "пузырь" - рынок держится на спекуляциях пары компаний, продукты не окупают затраты, руководители играют в "кто назовёт большее число", но информированные инвесторы продолжают вливать миллиарды каждый месяц. Как лопались прошлые пузыри Доткомы - антимонопольный иск к Microsoft, пересмотр отчётности Micro Strategy (акции упали на 60% за день и разбирательства с регулятором), статья о нежизнеспособности бизнес-моделей. Жилищный - кризис субстандартной ипотеки, рост ставок, банкротства кредиторов. AI уже пережил кучу потенциальных триггеров - нестабильность из-за тарифов, регулирование чипов, рост ставок, юридические проблемы с данными для обучения, проблемы с инфраструктурой, исследования, ставящие под вопрос бизнес-применение, отчаянные попытки найти выручку, ежедневные статьи о проблемах. Рынок проигнорировал всё это. Автор нашёл три причины, почему это ещё стоит: 1) Источник денег - не долг, а кеш Технологические гиганты накопили триллионы за 15 лет по двум причинам: - До 2017 налоги стимулировали держать деньги в офшорах - положил в Ирландию и не трогаешь, пока не хочешь платить налог. - В 2017 дали разовую сделку вернуть с дисконтом. - Плюс у них тупо не было проектов - настолько доминировали на рынках, что тратить на разработку считалось лишним риском. Сейчас они компенсируют потерянное десятилетие, когда недоинвестировали. И главное - в отличие от жилищного пузыря, который стоял на долге и деривативных бумагах, это их собственные деньги, которые лежали без дела. 2) Круговые сделки как страховка от рисков Oracle растёт после контракта с OpenAI. OpenAI получили миллиарды от Nvidia. Nvidia заработали, продавая GPU Oracle. Все кричат, что это компании вытягивают себя за шнурки и надувают выручку. Но контраргумент - если смотреть на пузырь доткомов оглядываясь назад, были победители, которые выжили. Те же технологические компании, что сейчас в AI. Если бы AOL в 1999, инвестируя в Amazon, мы бы меньше критиковали. Инвестируя вверх-вниз по value chain, они максимизируют шанс поймать деньги, если AI выстрелит. 3) Это не пирамида - деньги не от розничных инвесторов Ключевое отличие от доткомов - крупные игроки выплачивают больше через дивиденды и выкуп акций, чем получают через эмиссию. В 2000 хайповые компании жили на постоянном притоке денег инвесторов, без прибыли и часто без выручки. OpenAI тоже зависит от новых раундов, но деньги идут от компаний с кешем, не от обычных инвесторов. Что это означает Компании в проигрышной ситуации - что бы ни делали с деньгами, будет критика: - Вливают capex в дата-центры - "чипы устареют через 2 года" - Байбек акций - "взвинчиваете переоценённые бумаги" - Инвестируют в других - "круговая порука" Котировки завышены в ожидании триллионов от AI. Если не выстрелит - быстрая переоценка. Но крупные игроки не рискуют рухнуть прямо сейчас - кеша больше, чем долга, есть работающие части бизнеса, на которые можно опереться. Главный риск - объяснить инвесторам, почему потратили сотни миллиардов на дата-центры вместо выплаты дивидендов, но они преподносят это как ставку $500 млрд с шансом получить $10 трлн. Рискованная ставка не значит плохая ставка. А если что-то пойдёт не так - государство скорее всего компенсирует часть, пока игра продолжается. Но об этом вслух не говорят. Мой тейк: да, деньги из кеша, а не с долга, снижают системный риск. Но это не меняет фундаментальной проблемы - никто не знает, окупятся ли инвестиции. Разница лишь в том, кто обожжётся, когда это схлопнется. В доткомах горели розничные инвесторы. Тут будут гореть акционеры технологических гигантов, которые увидят, как $500 млрд превратились в избыточные дата-центры и несостоявшиеся ставки. Либо на этот раз действительно другое, либо мы просто ещё не дошли до правильного триггера.

«информированные инвесторы продолжают вливать миллиарды каждый месяц» — да, и ещё и не ищут способа продать то, что уже приумножили (даже одни из первых инвесторов). Именно поэтому ответ Sama на вопрос на недавнем интервью по-своему гениален — он показал, что человек, который спрашивает «как вы будете спонсировать это» и сам не верит в схлопывание. Про остальное — с частью согласен, с частью нет. Пузырь есть, и он не в компаниях-лидерах, а в остальных, раздувающих оценку с негативной экономикой и/или неработающей бизнес-моделью. Вопреки расхожему мнению, компании остаются в плюсе от сервинга моделей для своих пользователей (или находятся в очень мелком минусе из-за фазы роста), а весь большой убыток создаётся из-за исследований, необходимых для будущего поколения моделей. Вторая расхожая ошибка (не обязательно представленная в посте ниже) — предположение, что $1.4T затрат на инфраструктуру нужны для того, чтобы предоставлять модели текущего уровня, а не следующего.

В январе мы впервые услышали, что OpenAI ставит на этот год целью достижение миллиарда пользователей ChatGPT в сутки. На момент первого упоминания у компании было «всего» 350 миллионов пользователей в неделю, то есть вырасти надо более чем в три раза, и это с учётом нарастающей активности конкурентов. На конец октября последняя заявленная цифра была 800 миллионов недельной аудитории, абсолютное большинство которой — бесплатные пользователи. В этом году OpenAI запустили тариф ChatGPT Go за $5/месяц и сделали его доступным для чуть менее чем 100 стран. Тариф включает расширенные лимиты для GPT-5 (и Thinking), генерации картинок, загрузки файлов и запуску Python-кода для анализа данных, а также более длинный контекст диалогов. ...а пару недель назад компания объявила, что все пользователи из Индии получат бесплатный доступ к Go-тарифу на целый год. Так что кажется, что дотянуться до миллиардной планки и может быть даже её перешагнуть действительно удастся — пусть и не на ежедневной, но недельной основе. Индия является вторым по величине рынком OpenAI по количеству пользователей после США и вскоре может выйти на первое место. Компания относится к Индии очень серьёзно: 6 дней назад даже отдельный бенчмарк IndQA представили (и внутри, соответственно, на него обращают внимания и стараются улучшить пользовательский опыт носителей разных диалектов). 📈

Ключевые задачи второго тестевого полёта тяжёлой ракеты New Glenn. Сегодня будет тяжёлый, во всех смыслах, день для Blue Origin — второй и последний тестовый полёт, и сразу с выводом двух аппаратов в глубокий космос, и даже дополнительный тест системы связи от Viasat. Поскольку New Glenn разрабатывается каскадным методом, а не итерационным — есть высокие ожидания по выполнению всех задач миссии. Сегодня мы можем стать свидетелями, как в мире появится ещё одна многоразовая ракета. Но 2 самых важных этапа, по которым будем судить о результатах. 1. Старт и вывод пары спутников ESCAPADE на плановую орбиту в точку L2 системы Земля-Солнце, где сами аппараты проболтаются ещё год, до сближения с Марсом в 2027 году. 2. Посадка первой ступени New Glenn на баржу Jacklyn — от этого этапа зависит планы на программу New Glenn в 2026 году. Ключевые моменты миссии NG-2: ⚪️ T-00:00:05: Старт 7 двигателей BE-4; ⚪️ T-00:00:00: Запуск New Glenn NG-2; ⚪️ T+00:01:35: Прохождение зоны Max Q; ⚪️ T+00:03:09: Отделение второй ступени; ⚪️ T+00:03:17: Запуск 2 двигателей BE-3U; ⚪️ T+00:03:50: Отделение носовых обтекателей; ⚪️ T+00:06:48-07:18: Тормозной манёвр первой ступени c перезапуском 3 двигателей; ⚪️ T+00:08:27: Начало тормозного манёвра для посадки на баржу; ⚪️ T+00:09:09: Успешная посадка первой ступени на баржу Jacklyn; ⚪️ Первая ступень проходит программу безопасности на барже (позже подключается коннектор); ⚪️ T+00:12:53: Остановка двигателей второй ступени; ⚪️ T+00:25:00: Перезапуск двигателей второй ступени; ⚪️ T+00:26:44: Повторная остановка двигателей второй ступени; ⚪️ T+00:33:48: Отделение первого аппарата ESCAPADE (Blue); ⚪️ T+00:33:48: Отделение второго аппарата ESCAPADE (Gold); ⚪️ T+00:33:48: Начало теста Viasat CSP на второй ступени. Время для старта сегодня: - 14:45 по Флориде - 22:45 по МСК - 20:45 по CET Ссылка на официальную трансляцию будет в канале, как запустят. Всем заранее приятного просмотра, команде удачи, и посетителям беречь уши. И помните, что успех не гарантирован, но точно будет весело 🚀

Решаем действительно важные проблемы «от увеличения числа поцелуев в 11-мерном пространстве до нахождения более плотной упаковки для 11 кубов» 😀 Если хотите понять, как работает AlphaEvolve, то хорошей точкой может стать мой детальный разбор её предшественника, FunSearch: https://t.me/seeallochnaya/947 (один из моих любимых лонгов) В конце лонга я пишу: > В теории, ничего не мешает Google DeepMind выделить бюджет на вычислительные мощности, набрать 100-200 математических (и не только) проблем, подходящих под все описанные ограничения, и поставить модели работать на полгодика. А потом разом обрадовать мировое научное сообщество десятками, если не сотнями, маленьких (или нет?) улучшений и открытий Но на это потребовалось больше времени, чем я ожидал (и развитие FunSearch в AlphaEvolve)

Тут вышла свежая статья про AlphaEvolve с Теренсом Тао в соавторстве. В отличие от старой статьи разбирают большую кучу математических проблем. Mathematical exploration and discovery at scale Bogdan Georgiev, Javier Gómez-Serrano, Terence Tao, and Adam Zsolt Wagner Статья: https://arxiv.org/abs/2511.02864 Ревью: https://arxiviq.substack.com/p/mathematical-exploration-and-discovery Код: https://github.com/google-deepmind/alphaevolve_repository_of_problems Что сделали? В этой 80-страничной статье авторы проводят глубокую и всестороннюю валидацию AlphaEvolve — ИИ-системы, которая использует большую языковую модель (LLM) для управления эволюционным поиском новых математических конструкций (наш разбор AlphaEvolve тут: https://t.me/gonzo_ML/3624). Существенно расширяя первоначальную публикацию о системе, авторы протестировали AlphaEvolve на большом наборе из 67 сложных задач из анализа, комбинаторики и геометрии. Система представляет собой значительный скачок по сравнению с предшественником, FunSearch, поскольку она позволяет эволюционировать целым кодовым базам, а не отдельным функциям. Авторы также подробно описывают новые режимы работы, такие как «обобщитель» (generalizer), который выводит универсальные формулы из частных примеров, и демонстрируют полный ИИ-пайплайн, объединяющий AlphaEvolve (для поиска закономерностей), Deep Think (для символических доказательств) и AlphaProof (для формальной верификации). Система автономно переоткрыла известные решения и во многих случаях нашла новые SOTA-конструкции и улучшенные численные границы — от увеличения числа поцелуев в 11-мерном пространстве до нахождения более плотной упаковки для 11 кубов. Почему это важно? Эта работа задаёт новую парадигму «конструктивной математики в больших масштабах», демонстрируя мощную и эффективную методологию для сотрудничества человека и ИИ. Статья, написанная командой, в которую входит лауреат Филдсовской премии Теренс Тао, показывает, как ИИ может систематически исследовать огромные пространства поиска для нахождения конкретных решений, дополняющих человеческую интуицию, — часто за часы, а не месяцы. В отличие от ИИ-систем, нацеленных на доказательство существующих теорем (например, для золотых медалей IMO), AlphaEvolve преуспевает в создании новых объектов и гипотез, которые и двигают математический прогресс. Она предлагает концепцию будущего, в котором ИИ не только проверяет человеческие знания, но и активно участвует в их создании, переходя от эмпирических наблюдений к формально верифицированным результатам. Подробрее: https://t.me/gonzo_ML_podcasts/1275 Среди наблюдений по ходу дела, вот это прикольное: Более способные LLM имеют тенденцию производить более высококачественные решения. Но что, возможно, ещё удивительнее, они обнаружили, что использование исключительно самой мощной LLM не всегда было лучшей стратегией. Для некоторых задач чередование вызовов более дешёвых и менее способных моделей добавляло полезную вариативность и «наивную креативность» в эволюционный процесс, что приводило к более экономически эффективному поиску. Также Гугл недавно анонсировал AI for Math Initiative: https://blog.google/technology/google-deepmind/ai-for-math/

Один из по-настоящему свежих и новых взглядов на влияние AI на экономику я услышал в интервью Andrej Karpathy 3 недели назад (кстати, найти источник мне помогла GPT-5, так как сам я забыл, где услышал; и это был первый раз, когда ChatGPT искала по истории браузера, прям так и написало, «searching the browser memories»). Вот таймкод начала секции. Andrej считает, что AI поможет нам оставаться на траектории роста ВВП 2% в год, как это было со всеми остальными технологиями до этого. Если посмотреть на график ВВП США, то мы не заметим появления компьютеров, интернета, смартфонов, никаких прорывов в производстве и добыче ископаемых, ничего. Все эти отдельные изменения аккумулируются в тот рост, который мы наблюдаем. То же может произойти с AI — это просто необходимое изобретение, чтобы оставаться на прямой роста и иметь возможность получить следующие +10-20% ВВП. Но может конечно так произойти, что технология может привести к изменению наклона прямой и улететь вверх. Посмотрим лет через 20 📈 Экономическая модель на основе кросс-эластичности задач от Epoch.Ai предсказывает, что да — читайте тут. UPD: вытащу из комментариев свой ответ про "революцонность" AGI: AGI может быть разный, он же не так что вчера его нет, а сегодня в каждом бизнесе уже внедрен и все процессы переделаны. Мне кажется я нигде не писал это, но моё мнение такое, что достижимость AGI в оригинальном значении (на уровне медианных или средних людей в большинстве экономически важных задач) очевидна, а вот суперинтеллекта — нет. И если мы застрянем на уровне этого медианного специалиста, который ещё и не всё делает, а лишь процентов 55-60%, то легко могу представить, как трансформация бизнесов проходит больше одного десятилетия, и вот потихонечку вносит вклад в эти 2 процента роста

(sticker without text)

Кроме этого, CFO OpenAI на одной из встреч сказала что-то про государство, Sama в другой речи тоже упомянул GOVERNMENT, и вот люди уже говорят про то, что OpenAI тонет и будет просить финансовой помощи. По этому поводу Sama написал длинный твит, в котором есть чуть менее дерзкий ответ на вопрос про выручку выше, вот перевод: Во-первых, очевидное: мы не имеем и не хотим получать государственные гарантии для дата-центров OpenAI. Мы считаем, что государство не должно выбирать победителей и проигравших, а налогоплательщики не должны спасать компании, принявшие неверные бизнес-решения или проигравшие на рынке. При этом мы считаем разумным, чтобы государства строили (и владели) собственной ИИ-инфраструктурой, но тогда и выгода от этого должна принадлежать государству. Можно представить мир, где правительства создают резерв вычислительных мощностей и сами решают, как ими распоряжаться, возможно предоставляя для этого более низкую стоимость капитала. Единственная область, где мы обсуждали гарантии по кредитам, касается поддержки строительства полупроводниковых заводов в США. Мы и другие компании откликнулись на призыв правительства (хотя мы формально и не подавали заявку). Основная идея здесь заключается в обеспечении максимальной локализации цепочки поставок чипов в США для создания рабочих мест, реиндустриализации и укрепления стратегического положения страны за счёт независимой цепочки поставок. Здесь есть как минимум три вопроса, которые понятным образом вызывают беспокойство. Первый: «Как OpenAI собирается оплатить всю эту инфраструктуру, на которую подписывается?» Мы планируем завершить этот год с годовой выручкой более $20 млрд и вырасти до сотен миллиардов к 2030 году. В ближайшие 8 лет мы рассчитываем на обязательства примерно на $1,4 трлн. Это требует продолжения роста выручки, и каждое удвоение – это большой труд! Но мы уверены в наших перспективах. Например, мы очень воодушевлены предстоящими корпоративными продуктами и считаем перспективными новые направления вроде потребительских устройств и робототехники. Также есть и другие области, которые пока сложно конкретизировать, такие как ИИ для научных открытий, о которых мы поговорим позже. Мы уверены, что миру потребуется много «ИИ-облаков», и рады предложить это. В будущем мы можем привлечь дополнительный акционерный или долговой капитал. Всё, что мы видим сейчас, указывает на то, что миру потребуется намного больше вычислительных мощностей, чем то, что мы уже запланировали. Второй вопрос: «Пытается ли OpenAI стать слишком большой, чтобы обанкротиться, и должно ли государство выбирать победителей?» Наш ответ однозначный – нет. Если мы допустим ошибки и не сможем их исправить, мы должны обанкротиться. Так работает капитализм, и экономика от этого не пострадает [тут он очевидно лукавит — обвалы Nvidia и Oracle очень ударят по рынку]. Третий вопрос: «Зачем вам нужно тратить так много денег уже сейчас, вместо постепенного роста?» Мы строим инфраструктуру для будущей экономики, усиленной ИИ, и, учитывая наши текущие исследования, именно сейчас настало время для масштабного наращивания технологий. Строительство такой инфраструктуры требует много времени, и мы должны начинать уже сейчас. Судя по тому, как люди уже используют ИИ и сколько его хотели бы использовать, для OpenAI риск нехватки вычислительных мощностей намного выше и реальнее, чем риск их избытка. Уже сейчас мы вынуждены ограничивать продукты и откладывать запуск новых функций и моделей из-за серьёзной нехватки вычислительных ресурсов. В мире, где ИИ способен совершать важные научные прорывы ценой огромных вычислительных затрат, мы хотим быть готовыми к этому моменту, и он уже не кажется далёким будущим. Наша миссия требует приложить все усилия, чтобы не ждать ещё много лет, прежде чем применить ИИ к решению сложных задач – например, поиску лекарств от смертельных болезней и принесению пользы от AGI людям как можно скорее. Это наша ставка, и, исходя из того, что мы видим сегодня, мы уверены в её успехе. Но мы, конечно, можем ошибаться, и в таком случае с этим разберётся рынок, а не государство.

Недавно Sam Altman и Satya Nadella сходили на интервью, и один из дерзких ответов дуэта вызвал множество обсуждений в Твиттере. Brad: Как компания с выручкой в 13 миллиардов может взять на себя обязательства по расходам на 1,4 триллиона? Ну вы же знаете, и вы слышали эту критику, Sam. Sam: Во-первых, наша выручка значительно больше этого. Во-вторых, Brad, если вы хотите продать свои акции, я найду вам покупателя. Я... я просто... хватит [Sama задолбался отвечать глупым людям на глупые вопросы; мне легче — я таких могу банить 🤡 ]. Знаете, есть люди... я думаю, есть много людей, которые с удовольствием купили бы акции OpenAI. Brad: Включая меня! Speaker 2: Не думаю, что вы захотели бы их продавать. Люди, которые с замиранием сердца беспокоятся о наших вычислительных мощностях и так далее, были бы в восторге от возможности купить акции. Так что, я думаю, мы могли бы продать, знаете, ваши акции или чьи-либо еще некоторым из тех, кто больше всех шумит в Твиттере или где-то еще по этому поводу, и очень быстро. Мы действительно планируем, что выручка будет расти стремительно. Выручка и так растет стремительно. Мы делаем ставку на будущее, на то, что рост продолжится, и что не только ChatGPT будет расти, но мы сможем стать одним из важных ИИ-облаков, что наш бизнес потребительских устройств станет значимой и важной вещью, что ИИ, который может автоматизировать науку, создаст огромную ценность. Так что, знаете, не так уж часто я хочу, чтобы мы были публичной компанией, но один из редких моментов, когда это кажется привлекательным — это когда люди пишут эти нелепые вещи, что OpenAI вот-вот обанкротится и все в таком духе. Я бы с удовольствием сказал им, что они могут шортить [получать выгоду от снижения цены] наши акции, и с удовольствием посмотрел бы, как они на этом прогорят [Elon Musk любил говорить похожие вещи про Tesla]. Знаете, мы тщательно планируем, мы понимаем, куда движется технология, как будут расти возможности, и какие продукты мы можем создавать на этой основе и какую выручку генерировать. Мы можем все провалить. Такова ставка, которую мы делаем, и мы идем на риск вместе с ней. Но определенный риск заключается в том, что если у нас не будет вычислительных мощностей, мы не сможем генерировать денежный поток или создавать модели такого масштаба. Satya: Позвольте мне сказать одну вещь и как партнер, и как инвестор: я не видел ни одного бизнес-плана от OpenAI, который бы они представили и не превзошли. Так что, в некотором смысле, это та область, где с точки зрения их роста и даже просто бизнеса, их исполнение, честно говоря, было невероятным. Я имею в виду, очевидно, все говорят об успехе OpenAI, об использовании и так далее. Но даже, я бы сказал, в целом, исполнение бизнес-задач было просто невероятным. === Sama в целом в последнее время очень много говорит про новый девайс. На ещё более свежем интервью он даже рассуждает про необходимость операционной системы и окон, и что эти вещи можно пересмотреть. Ждём новостей в 2026-м.