Сиолошная

В последние недели полторы много обсуждали решения задач из списка Эрдёша с помощью GPT-5.2 Pro. Google DeepMind тоже не спит, и сегодня выпустили статью с доказательством новой теоремы в алгебраической геометрии с помощью внутренней математической специализированной версии Gemini. Я в математике вообще не шарю, поэтому научной стороны статьи касаться не будем. Интересно было разобраться, как выглядел процесс и насколько он автоматический. Тезисно: — Авторы использовали декомпозицию, разложив сложную теорему на серию более простых подзадач — Сначала модели скармливали простые частные случаи чтобы проверить, понимает ли она определения. В промптах прям так и пишут, «Чтобы убедиться, что ты меня понимаешь, скажи, какие ... ты бы выбрал» — Когда модель застревала, авторы не просто перезапускали генерацию заново. Они анализировали частично правильный вывод, находили в нем здравое зерно, и писали новый промпт: «Попробуй использовать вот эту стратегию, которую ты нащупал в прошлом шаге, но для общего случая». — Успешные доказательства простых подзадач подавались в контекст (историю чата) для решения более сложных. По сути пришлось придумать «лестницу» задач от простых к сложным, чтобы модель могла по ней подняться. — В ходе работы использовали систему над моделью, FullProof, однако деталей её устройства нет. Наверное что-то схожее с Pro-моделью OpenAI / DeepThink — Авторы вручную вычитывали генерации модели на почти всех шагах. Например, они заметили, что в одном из частных решений модель сделала неочевидное наблюдение. Человек со знанием домена это верифицировал и сказал модели: «Это крутая идея, используй её для всего остального». Ravi Vakil, американский математик в области алгебраической геометрии и президент American Mathematical Society, сказал: — Как человек, знакомый с литературой по теме, я обнаружил, что аргументация Gemini не была простым пересказом существующих доказательств; это была идея такого уровня, которой я бы сам гордился. Хотя я, возможно, в конечном итоге пришел бы к этому выводу самостоятельно, я не могу утверждать это с уверенностью. Мой главный вывод заключается в том, какой значимый математический прогресс возник благодаря этой синергии человеческой изобретательности и Gemini.

23-го января один из самых известных скалолазов Alex Honnold предпримет попытку забраться на некогда самое высокое здание в мире, Taipei 101. Без страховки. Без натянутых снизу сеток или батутов. Мероприятие будет стримиться в прямом эфире на Netflix. Насколько мне удалось нагуглить, на данный момент рекорд удерживает французский Человек-Паук Alain Robert, который облазил почти всё, что можно (но не везде без страховки). В 2009-м году он залез на одну из башен Петронас в Куала-Лумпур (сейчас 21-ое место в мире по высоте) на самый шпиль — 452 метра. На Дубайскую Бурж-Халифу он тоже лазил. Taipei 101 (11-ое место в мире) выше, чем малайзийские башни — 508 метров. Погуглив ещё узнал, что Alex Honnold в 2017-м залез на El Capitan — гору в Калифорнии и излюбленное место скалолазов. Заняло это 4 часа, высота — 884 метра. Почти любая ошибка привела бы к смерти. По истории подготовки и самому событию сняли документальный фильм Free Solo, выигравший несколько наград на разных фестивалях и у разных академий — включая Оскар. Восхождение на El Capitan было описано как «одно из величайших спортивных достижений всех времен», с чем трудно не согласиться, согласитесь? Немного удивлён самому себе, что пропустил это — прыжок Baumgartner'а из стратосферы я смотрел в школе на телефоне, а тут ничего не видел-не слышал. Но хоть вот восхождение на Taipei 101 не пропущу. === Ну и получается на смену RedBull пришли... Netflix 😳

(poll without text)

Как мы знаем, Jony Ive работает с OpenAI над несколькими новыми девайсами, заточенными в первую очередь под интеграцию с ИИ. Как минимум несколько девайсов планируется выпустить без экрана — пока ходили слухи об умной ручке и аудио-колонке для дома. OpenAI готовится обновлять аудио-модели для будущей интеграции. Сегодня наткнулся на описание ещё одного потенциального форм-фактора. Мне не удалось проверить аутентичность, и источник не внушает большого доверия (корни идут от китайских форумов, на которые я даже зайти не смогу, не говоря уже о проверке подлинности), поэтому просто делюсь как интересной концепцией. — Продукт призван заменить AirPods; внутреннее кодовое название — «Sweetpea» (Душистый горошек) — Аппаратный дизайн называют «уникальным и невиданным ранее», а основное устройство (кейс) будет металлическим и по форме напоминать гладкий камень яйцевидной формы — Внутри этого «камня» находятся две «капсулы-таблетки», которые извлекаются и располагаются за ухом (как на изображении) — В качестве основного процессора рассматривается 2-нанометровый чип смартфонного уровня (наиболее вероятен Samsung Exynos). Также разрабатывается специальный чип, позволяющий устройству «заменять действия с iPhone посредством команд Siri», что бы это ни значило — Есть опасения, что себестоимость компонентов будет очень высокой, так как материалы и комплектующие ближе к смартфонным — компании Foxconn, которая по слухам получает контракты от OpenAI, было поручено подготовиться к выпуску в общей сложности 5 устройств к 4-му кварталу 2028 года. Ранее в новостях писали, что первые девайсы ожидаются через год (первый квартал 2027-го) — При этом проект Sweetpea якобы стал первым приоритетом, и «релиз намечен примерно на сентябрь» (только не ясно какого года, 2026?), а прогноз по объему производства составляет 40–50 миллионов единиц в первый год. Для сравнения: в первые 2 года Apple продали 26 миллионов айфонов, 20 из которых пришлись на второй год. Мир конечно изменился, но 40-50 миллионов это крепкая ставка.

Anthropic вслед за нашим вчерашним с Валерой стримом представили Cowork: Claude Code для всей остальной не-кодинг работы. В Cowork вы предоставляете Claude доступ к папке на вашем компьютере. После этого Claude может там читать, редактировать или создавать файлы. Тут есть все фишки из Claude Code: создание плана, делеагация суб-агентам, скиллы (для выполнения часто повторяющихся частей запросов), MCP, а самое главное взаимодействует с браузером через Claude in Chrome. Это позволит использовать Claude более эффективно белым воротничкам в их ежедневной работе, открывая доступ пользователям — к новым юзкейсам, а Anthropic — к пониманию того, что именно люди делают на работе, чтобы в будущем улучшить функционал. Скачать (только на MacOS): https://claude.com/download Комментарий Boris Cherny, создателя CC: С момента запуска Claude Code мы заметили, что люди используют его для самых разных задач, не связанных с программированием: для планирования отпуска, создания презентаций, наведения порядка в электронной почте, отмены подписок, восстановления свадебных фотографий с жесткого диска, наблюдения за ростом растений и управления духовкой. Cowork представляет удобный интерфейс для всех этих задач без использования консоли!

Напоминаю про стрим у Валеры через полчаса.

В марте прошлого года Sakana.AI рассказали, что их агент смог автономно подготовить статью, которая смогла пройти официальное ревью и попасть на воркшоп одной из ведущих AI-конференций в мире, ICLR. Важные детали писал тут. Воркшоп всё же не основная конференция, и хоть и имеет какой-то вес, но легко поддаётся критике от луддитов-исследователей. У меня нет сомнений, что в этом году, если администраторы конференций разрешает, а компании посчитают важным (в чём не сомневаюсь), то статьи, сгенерированные агентами на фронтир-моделях пройдут на основные конференции. Так что будем слушать критику, мол, best paper award или spotlight ещё не выиграли 😀 Когда этого ждать? Попросил GPT-5.2 Pro найти мне даты решения по конференциям, когда станет понятно, прошли работы или нет. Вышло так: — ICLR 2026 - 22 января — CVPR 2026 - 20 февраля — SIGIR 2026 - 2 апреля — ACL 2026 - 4 апреля — ICML 2026 - 30 апреля — NeurIPS - пока не ясно, где-то в сентябре. Так что к середине мая почти наверняка мы увидим какие-то анонсы. Я думаю, что Sakana.AI снова о себе заявит, и почти наверняка OpenAI тоже в этом поучаствуют. Google DeepMind мб да, мб нет, Anthropic почти наверняка нет. UPD: в комментариях меня поправил @sinecor, что на ACL 2025 уже была полностью сгенерированная статья https://www.intology.ai/blog/zochi-acl (я видел эту работу, по какой-то причине показалась не интересной и не запомнилась)

TheInformation: — Как сообщили два источника, непосредственно знакомых с планами DeepSeek, китайская компания готовится выпустить DeepSeek V4 в районе Лунного Нового года (в середине февраля), однако добавили, что сроки еще могут измениться. — По словам этих источников, предварительные тесты, проведенные сотрудниками DeepSeek на основе внутренних бенчмарков, показали, что в задачах по написанию кода новая модель превосходит существующие аналоги, Claude и GPT 😏 — Также сообщается, что в V4 достигнут прорыв в обработке сверхдлинных запросов, связанных с кодом, что может стать существенным преимуществом для разработчиков, работающих над сложными проектами [возможно, это так описывают DSA из V3.2]. Верим?

От Epoch.AI как всегда интересная инфографика — на этот раз оценка количества проданных GPU разных поколений и производителей по кварталам. 1) Общий график роста количества мощностей, выраженных в эквивалентах H100 (FP8). Это график продаж, то есть установка в датацентры и тем более использование в продакшене идёт с некоторой задержкой. И даже так на январь 2025-го суммарно было примерно 6.7M H100-эквивалентов, а на сентябрь — 15.7M, в 2.35 раз больше. За неполный год количество мощностей во всём мире более чем удвоилось. Суммарно все закупки оцениваются в $287B — в 3 раза меньше, чем OpenAI планирует купить в ближайшие 8 лет. С одной стороны не так много — спрос на ИИ пожалуй вырастет в 3 раза; другое дело, что это всё пойдет ОДНОМУ игроку. 2) Распределение в процентах по кварталам между игроками; Nvidia доминирует, и уступает больше рынка... другим американским компаниям, нежели Китаю. Дракон пока не проснулся, или вернее проснулся, но не разогнался.

14й урок из 21 в блогпосте «21 Lessons From 14 Years at Google», попавшем в топ на HackerNews: Если вы выигрываете в каждом споре, вы, вероятно, копите скрытое сопротивление. Я научился с подозрением относиться к собственной уверенности. Когда я «побеждаю» слишком легко, обычно что-то не так. Люди перестают спорить не потому, что согласились с вами, а потому что просто махнули рукой. И это несогласие проявится позже — уже в работе, а не на встречах. Для реальной синхронизации нужно больше времени. Нужно действительно вникать в чужие точки зрения, учитывать обратную связь и иногда публично менять свое мнение. Мимолетное удовольствие от того, что ты прав, не идет ни в какое сравнение с долгосрочным успехом от работы с вовлеченной командой. В целом понятный принцип, я его нативно понимал, но впервые услышал сформулированным от своего тимлида где-то месяцев 10 назад. Отношения на работе не всегда спорятся, и где-то месяца 4 назад гуляя с другим коллегой обсуждали ситуацию на этот принцип. Я говорил коллеге, что с какими-то сотрудниками ловишь вайб, вы легко обсуждаете и перебираете идеи, можете договориться и прийти к пониманию. С другими так не получается. Коллега спросил меня, как я думаю — почему? Я ответил, что есть люди, на которых банально жалко времени. Проработав с ними какое-то время я прихожу к мнению, что они 1) не заинтересованы 2) не будут тащить 3) не готовы сами отказываться от своих идей и признавать неправоту. Как легко заметить по каналу, мне нравится объяснять и делиться чем-то. Это же я зачастую делаю в рабочей среде, и иногда шучу над своим незнанием или тем, как ошибаюсь. Рассказ другим и обучение помогают и самому лучше разобраться, понять, задавать правильные вопросы. Но возвращаясь к причинам — каждый из трёх пунктов важен в разных ситуациях и компаниях по-разному, по крайней мере у меня такое ожидание, например, что в медленной большой корпорации незаинтересованных людей куда больше, чем в стартапах в высококонкурентных направлениях. Синхронизация по ожиданиям и направлению работу действительно очень важна. Помню, давно для себя сформулировал, что alignment позволяет людям автономно принимать решения, которые приняли бы участники проекта, если бы собрались вместе на митинг. Но так как у всех понимание ~одинаковое, то можно сэкономить время. Поэтому в синхронизацию нужно вкладывать время — чтобы сэкономить (но по выгодному курсу: если человек не будет принимать решений так и так, и чаще вставлять палки в колёса, то...?). === Иронично, что за минуту до того, как я начал писать пост, в рекомендации ютуба вылез ролик The Art Of Being Right из Доктора Хауса 🙂

(poll without text)

Быстровости: — Anthropic привлекает скромные $10B по оценке $350B (для сравнения, OpenAI в ближайшее время планирует привлекать по оценке $850B), xAI — $20B, почти все из которых пойдут на строительство датацентра; оценка последних неизвестна — По оценкам аналитиков, в течение следующих двух лет индустрия DRAM сможет обеспечить только ~15 ГВт ИИ-датацентров. На данный момент у лидирующих компаний есть план построить 50 ГВт за 3 года. Насколько я понимаю, быстрее чем за 2 года производство так сильно не расширить, но вот к концу третьего года быть может новые плашки и появятся. — SemiAnalysis утверждает, что модель, выигравшая золотую медаль на олимпиаде по математике летом — это вариант GPT-5.1 Codex Max. Не знаю, зачем вам эта информация, просто между делом. — Веб-фреймворк Tailwind уволил 75% сотрудников из-за ИИ, но не потому, что программисты теперь не нужны — у компании нет денег, так как из-за LLM-ок люди не заходят на страницу документации, и меньше людей покупает платные услуги. Выручка упала, пришлось резать штат. Чуть больше деталей у Дениса. — Суд продавил OpenAI сразу в двух делах: в деле против New York Times судья заставила компанию предоставить 20 миллионов чатов газете для анализа; ранее компания обжаловала этот запрос, но судья решила, что так надо. В деле против Elon Musk и нарушении миссии компании делу дали ход, теперь стороны увидятся в суде (раньше это был просто судебный иск). — OpenAI запустили ChatGPT Health, ассистента, который будет помогать в медицинских вопросах. Основная фича — это загрузка всех своих медицинских данных, от снимков и анализов до результатов тренировок с часов или MyFitnessPal. Доступно даже бесплатным пользователям, однако запуск очень лимитирован по количеству аудитории (и ещё недоступно в UK и EU, спасибо регуляторам). — Nvidia планирует выпустить новые игровые видеокарты 60xx серии (на Vera Rubin, которую вот только что представили для датацентров) во второй половине 2027-го.

В воскресенье, 11 января, в 16:00 по Лондону / 19:00 по Москве планируем провести стрим с Валерой @cryptovalerii, рассмотрим что изменилось с прошлогоднего стрима в отношении кодинг-агентов. Стрим был супер удачным — и много зрителей в лайве, и вопросов, и просмотров в записи. Обсудим пару баек от Валеры + ближайшее будущее автоматизации разработки. Валера пообещал, что купил нормальные микрофоны... верим? 🥺

Artemis 2: не раньше 6 февраля У первой пилотируемой миссии к Луне почти за 55 лет *снова* появилась новая NET дата: - 6 февраля (21:45 EST) - 7 февраля (запасная) Также есть запасные окна в марте и апреле. Сроки февральского запуска пока что упираются в выкатку ракеты SLS. Если она не произойдёт в ближайшие 10 дней, то запуск съедет на весну.

Ночью на выставке CES Nvidia официально представила новые видеокарты для ИИ-датацентров в линейке Vera Rubin. Как и всегда, всё мощнее, быстрее, главное накидывают больше памяти, так что производительность больших моделей вырастает (картинка 1), а цены снижаются. Интересно, что прирост в пропускной способности 10x показали не на уровне 50 токенов-в-секунду, как обычно нам предоставляют сервисы вроде ChatGPT, а около 225 — именно там наибольший прирост для моделей размера в 1 триллион параметров. В теории, может быть для платных пользователей сервисов будет увеличенная скорость генерации — я вот мечтаю, что GPT-5.2 Pro будет работать не за 20 минут, а за 5. И отдельно представили специальный вид железа под названием Context Memory Storage Platform (картинка номер 2). Это очень быстрый SSD, подключающийся напрямую к GPU так, что загрузка данных игнорирует CPU и оперативную память. Этот SSD, судя по предыдущим новостям, будет иметь скорость в 100 миллионов операций чтения и записи случайных данных в секунду. Это очень много — ChatGPT говорит, что хорошие SSD в игровых компьютерах выдают 1-3 миллиона. Это всё равно существенно медленнее оперативной памяти, но зато объёмы выше. Сходу смог придумать три применения для этих дисков, все три предполагают дальнейший рост длины чатов/цепочек рассуждений: 1) выгружать ваш чат из памяти, пока вы читаете и печатаете ответ (расширение функциональности кэширования) 2) выгружать состояние GPU для того, чтобы быстро загружать его обратно в будущем (это позволяет ускорить запуск виртуальных машин, чтобы не инициализировать что-то с нуля; альтернативно, можно загружать персонализированные LoRA-адаптеры, которые немного дообучены под вас или один из сотен доменов) 3) самое интересное — позволить моделям во время обучения писать гораздо более длинные цепочки рассуждений, в миллионы-десятки миллионов токенов. Сейчас модели так просто не могут, но если бы могли, то быстро упёрлись в количество памяти на GPU. Я могу представить, как условный DSA от DeepSeek ложится на это решение — быстрые индексы для поиска релевантных токенов живут в GPU, и по ним определяется, какие части предыдущей истории загружать с SSD. Акции Nvidia после презентации не выросли.... (non 🔼)

Там бостон динамикс выкатили нового Атласа. Теперь это не просто экспериментальный прототип для видосов с сальтухами, а железка, призванная для того, чтобы заменить кожаных на заводе. Из интересного: — Робот сам топает к зарядке, сам вытаскивает севшую батарею и вставляет свежую. Никаких простоев, перекуров и походов в туалет. Работает 24/7. — Мозги от Google: Boston Dynamics запартнерились с Google DeepMind, чтобы впихнуть в Атласа годных нейронок. То есть робот будет не просто следовать скриптам, а реально "соображать" и быстро учиться новым задачам на ходу. Немножко характеристик: поднимает до 50 кг груза, вытягивается на 2.3 метра в высоту, 56 степеней свободы (суставы крутятся как угодно, посмотрите, что эта скотина делает на видео), не боится воды и мороза. Собирать серийные модели начинают прямо сейчас в Бостоне. Все поставки на 2026 год уже расписаны: первые партии уедут на заводы Hyundai и в Google DeepMind. Остальным придется ждать до 2027-го. Сейчас планируют строить завод, который будет штамповать 30000 таких юнитов в год. Чо, заводчане, готовимся идти на рынок торговать луком. Ахахахах, конечно нет, потому что робот умный и за 30 тысяч рублей в месяц работать на заводе не будет даже он тут подробнее

Всего полгода назад, в июле 2025-го, на мировом чемпионате по программированию AHC (на оптимизационные задачи без чёткого верного решения) AI-системы уже показывали зубы: OpenAI заняли второе место, система от Sakana — 5-ое. Я писал про это вот тут. В прошедшем AHC058 (насколько я понимаю, менее крупное соревнование) агент ALE от Sakana AI занял чистое первое место, обойдя 804 живых участника, включая топовых грандмастеров. Это первый случай в истории, когда AI выиграл соревнование по оптимизации в реальном времени, участвуя на тех же условиях, что и люди — 4 часа на всю задачу. С технической точки зрения решение агента оказалось глубже задуманного авторами. Организаторы ожидали стандартную связку жадного алгоритма и имитации отжига, но агент реализовал по-другому — детали ищите в блоге. Авторы задач признали, что агент нашел алгоритмические пути, которые они сами не предусмотрели, эффективно закрыв разрыв в интуиции на основе экспериментов, которой раньше не хватало LLM при решении оптимизационных задач. Как мне кажется, это тесно связано с инсайтом, который я описывал для Gemini 3 Pro (и которым обладает GPT-5.2): возможность более эффективно учиться из обратной связи и улучшаться от итерации к итерации при решении какой-то задачи в несколько шагов. Это не ли не research taste? 😀 Победа обошлась примерно в $1,300 на API и потребовала суммарно около 4700 вызовов моделей GPT-5.2 и Gemini 3 Pro.

Продолжаю ковырять интернет на наличие любопытных штук которые можно купить онлайн (просто так), и наткнулся на сайт по продаже небольших бизнесов в США: за ~200$ тысяч можно купить бар в Техасе, за ~1М$ прачечную в Нью-Йорк, заправку за ~300к$ и тп., бизнесы реальны и работают прямо сейчас. И пришла идея, на случай если я стану возмутительно богатым: > Берем GPT5 которая через годик-два выйдет > Прописываем ей роли агентов нужные для управления бизнесом (допустим, тратим на автоматизацию этого всего много времени и весь бек-офис забираем на автоматизацию) > Начинаем скупать бизнесы какие только можно, желательно так, чтобы там уже был персонал и лично ничего смотреть не нужно было бы > … > Профит Идея в том, что GPT5 модель сможет управлять бизнесом эффективнее человека, если научиться ей передавать ключевые метрики (в чем главная проблема). Персонал и менеджеры коммуницируют с «заморским» владельцем через почту, и не в курсе что он нейронка 🌚 нейронка же присылает инструкции по следующим шагам для ключевых менеджеров. Забавно, что мы достаточно близки к такому в реальности – я иногда скармливаю экспорты данных нашего стартапа по продуктовым метрикам, или финансовым показателям, и модель выдает разумные рекомендации (вторая картинка) или советы по улучшению бизнеса, которые я уже исполняю (если они уместны). То есть технически, это все очень реализуемо даже сейчас, если сильно заморочиться. Я уверен идея не нова и понравится всем ИИ-алярмистам 😃 Ну и еще выглядит так, что капитализм правда уязвим к таким моделям ИИ, это еще не общий искусственный интеллект, но уже можно представить как такой тул захватывал бы рынки где угодно. Интересно, запретят ли государства такую авто-монополию в целом ☕️

Денис придумал Vending Bench в 2023-м

Наткнулся на твит от создателя Django Simon Willison: — У меня стойкое ощущение, что ноябрьские версии GPT-5.2 и Opus 4.5 стали переломным моментом. Это один из тех случаев, когда постепенное улучшение моделей позволяет им перешагнуть незримый порог возможностей, после чего внезапно становится доступным решение множества куда более сложных задач в программировании. Это меня натолкнуло на понимание, что в подведении итогов года я забыл номинацию «График года» — в которой бесспорно побеждает график от METR об оценке автономности агентов 🤩 через длину выполняемых задач. Я даже забыл, что он появился в 2025-м, казалось, что он с нами долго.