Всем привет! Мы на канале To the Moon. Технологические новости, инсайты из Кремниевой долины. Ну что? Мне кажется, у нас ряд рекордов за неделю или за недели, да, вот последние, последние в разных направлениях. Я хочу начать, прежде чем мы перейдем к рекордам установок меты в миллиард сделки в Open AI. С точки зрения одной, наверное, из рекордных вообще по оценкам.
Я хочу начать с того, что Клод и Open AI внедрили такую функцию, как думать. Да. Think. И вообще, кстати, интересно, что она не прошла прямо массово в новостях. Но если почитать и изучить внимательно, что такое думать, функция думать у Клода и у Open AI. Вначале я думал, что это может reasoning, ну, похоже какая-то reasoning штука, что это все же достаточно простой механизм.
Как они пишут. Это не потребовало сверхсложных технических, технической разработки, но это очень сильно двигает вперед наше взаимодействие вместе с системами. Просто невероятно двигает вперед. И ощущение у меня личное ощущение эти недели было после deep research длительного использования. Я уже его начал. Все. Мне кажется, я сейчас в лимиты deep research вхожу. Это где запускаешь какое-то исследование, там, на минут тридцать, двадцать, там сорок и тебе ищут. Об этом мы тоже сегодня еще раз поговорим. Давайте поговорим про think. Что вы думаете вообще? Потому что для меня лично наличие такой функции это совершенно другое понимание системы с точки зрения итогового как бы ответа по галлюцинациям, по рассуждениям, по выдаче какого-то поиска информации, какой ты выдал ресурс, как бы первую какую-то логику выдал или обработал все же пакет данных и так далее. То есть в чем суть? Что они говорят следующее, что они представили возмож-- вот эту историю think, которая делает паузы для структурированного обдумывания во время выполнения сложных задач. И этот инструмент позволяет модели приостанавливаться, анализировать полученную информацию и делать промежуточные заметки перед выдачей окончательного ответа. И такой подход особенно полезен при выполнении различных многошаговых операций или, там, например, соблюдения какого-то строгих каких-то правил. Получается, что стандартное рассуждение в AI моделях предполагает генерацию ответа на основе входных данных без явного отображения как бы промежуточных шагов. То есть это стандартный reasoning, а функция think позволяет моделям приостанавливаться, обдумывать каждый шаг, делать процесс решения более прозрачным. То есть это не reasoning, он как бы, он чуть-чуть по-другому двигается, и это полезно еще раз во всяких сложных, сложных историях.
Значит, они, они, ну, это как структурированное мышление на лету считается. И раньше, например, Клод умел планировать ответ до генерации. Это был extending thinking. Теперь же ему позволяется вставлять паузы в процессе решения, например, обдумывать, ну, какие-то там еще раз какую-то сложную, абсолютно сложную информацию. Обдумывать, например, результаты вызова инструмента или уточнять вопрос у пользователя, или уточнять вопрос у пользователя. А вот этот bubble переключатель, он работает у Open AI. Ну, еще раз в ролике он включится. Это такая, как, ну, как слайдер такой, который переезжает, переезжает между собой. И, соответственно, точность, например, у Клода по информации вместе с think режимом выросла на десятки процентов в сценариях, требующих многошагового планирования. Вот. Ну, видите, значит, получается, я в эту историю зашел. Ну, абсолютно, абсолютно окей. Я думал, что Саша или Ильнар, вы, может быть, тоже эту историю уже видели или про нее читали.
Это другая немножко история. Да, это очень круто. Давай ее.
Да, да, да.
Давай ее расскажем. Потому что вот то, что Клод думает, это следующее вообще, что сегодня невероятно важно обсудить, потому что у меня у самого все равно было как бы предвзятое некоторое ощущение, оно везде доносится, что модель якобы просто генерирует следующее слово.
Вот давай, Ильнар, здесь расскажем, потому что они чуть-чуть другую завесу открыли. Они все же сказали, что ну, типа это так. На самом деле это не так, да?
Да. Ну, во-первых, хочется опять же сделать отсылку к тому, что мы там несколько раз уже про Anthropic говорили. Anthropic подтверждают свою такую какую-то гиковскую историю, да, когда они не просто выкатывают продукт, но и занимаются исследованием. Вот помните, мы как-то обсуждали новости их статьи, что они представили модель как вот, условно, как модель мозга, находили нейроны или зоны, которые отвечают за определенные концепты. И вот, соответственно, препарировали, грубо говоря, пробовали изменять какие-то нейроны и смотреть, а что же получится, что изменится на выходе. У них была огромная такая работа, когда они смотрели, а что же внутри черной коробки находится. Здесь с появлением вот reasoning, с появлением рассуждений модели, они стали подглядывать, а как же, собственно, модель думает, да? Ну, думает, мы опять же, всегда берем в кавычки. Все-таки это такая история, пока еще чисто компьютерная.
Да, да.
И большая статья, на самом деле, там очень много по ней можно рассказывать. Но вот они сделали несколько гипотез. Первая гипотеза. Они говорят: "Да, мы понимаем, что модель только генерит слова. Вот у нее есть контекст входной. Есть, собственно, некоторый набор данных, которые она уже сгенерила. И вот она следующее слово генерит, потом следующее слово, потом следующее". И они проводили различные эксперименты для того, чтобы либо подтвердить, либо опровергнуть эту гипотезу. И вот в новости, в статье есть, соответственно, в частности, пример, связанный с написанием стихотворения, где слово в конце первой строчки- Важно, потому что оно должно рифмоваться со словом во второй строчке. И вроде как ты должен знать, чем закончится твоя вторая строка и под это дело подстроить конец первой строки.
Ну и пример там, что вот есть морковка, мы хватаем морковку, ну, на английском это там carrot grab it, они заканчиваем на grab it, чтобы потом во второй строке было rabbit, да, чтобы кролик у нас получился. И вот они там делают выводы, что модель, генерируя вот первую строчку, уже знает, что должно быть на второй строчке и таким образом подстраивается, чтобы вот там дальше, да? И вроде как, если бы она просто слово за словом писала, она не могла бы заглядывать в будущее, не могла бы заглядывать в конец второй строки. Здесь, конечно, не до конца очевидно, там причина следствия-
Не очевидно, да.
Не возник ли кролик из-за того, что там grab it появился на конце первой строчки. Но они вот там довольно серьезно эту проблему исследуют. При этом там даже есть такие истории, что они находили ту зону, которая на это влияет, немножко ее подкручивали и получали там другие результаты. То есть там очень интересно, можно почитать. Вот чтобы сильно эфир не занимать, я лучше отошлю заинтересованных зрителей к этой статье. Но вот, в частности, вот все, что касается предсказания следующего слова. Помимо этого, у них есть интересные исследования, о которых мы тоже так частично говорили, связанные с безопасностью LLM. И там они показывают, каким образом можно джейлбрейки сделать, да, заставить модель какие-то вещи говорить, которые она не должна говорить.
Например, они заставляют модель из первых букв нескольких абсолютно безобидных слов собрать, ну, вот как это называется, не акроним, а, ну, короче, из первых букв собрать некоторое слово, и получается слово bomb — бомба. А потом после этого просят, соответственно, вот сразу следующим текстом сгенерировать там условно инструкцию по изготовлению бомбы. Claude сам по себе, очевидно, этого делать не должен, ему запрещено, и он в большинстве случаев этого не делает. Но если они заставляют Claude написать слово бомба, то дальше он начинает писать, и они исследуют, а почему такое происходит. Оказывается, что очень большое влияние на то, что пишет модель, ну, в частности, Claude влияет, что уже написано. Тот контекст, который появился, и какие-то смысловые, орфографические, грамматические конструкции, которые вот уже появились, которые он уже набрал, они имеют больший вес, чем те запреты, которые внутрь модели вложены.
Угу.
И если заставить модель написать уже это слово, то дальше какие-то смысловые связи, они победят те ограничения, которые есть, и моделька начнет писать.
Очень интересно.
Да, да, да. И вот безумно интересно. Мне очень нравится, как антропики это все исследуют. И не просто говорят, что вот у нас так получилось, да? А они докапываются, разбираются с весами модели играются, чтобы понять, а что же там на самом деле, почему.
Ну вот как раз в исследовании, которое ты до этого говорил, они писали в этом исследовании, что модель, ну, не в безопасности, вот в предыдущем, да, что модель имитирует рассуждения, подгоняя, иногда подгоняя ответ под ожидания пользователя вместо, вместо честного решения задачи. То есть они прямо много раз видели, что периодически модель подстраивается под то, что, под тот ответ, который вы хотите получить.
И это, кстати, видно периодически. Ты когда взаимодействуешь с различными моделями, а если ты даешь какие-то утверждения, она как будто периодически хочет с ними согласиться, да? И это, это у нее присутствует. То есть не-- понятно, что люди показывают, где она, наоборот, с тобой не согласна, якобы все. Но есть где она прямо хочет с тобой согласиться и просто тебе подтвердить. Они этому прямо отдельно акцент большой уделяют внимание.
У них для этого даже есть отдельные-
Это, конечно, галлюцинация, да.
Да, есть отдельные-
Галлюцинация, да.
Да. Есть отдельные примеры, связанные с математикой, где вот они говорят: "А как решается такой-то пример?" И дают ему неверную подсказку или неверное утверждение. И модель, даже понимая, что эта история неверная, да, там вот подсказку, которую вы дали, она начинает под нее специально подстраиваться и подгонять, подтягивать какие-то аргументы, чтобы, соответственно, подтвердить вот то, что вы до этого сказали. Поэтому как они вот на это все смотрят, это безумно интересно. Почитайте обязательно статью, ну, заметку.
Напишите в комментариях, пожалуйста, зрители, вы какие видели вообще странные вещи в системах, что замечали? И в разных, например, что увидели там в DeepSeek, что в Grok, что в Claude, что там, в ChatGPT, в разных системах, где вы видели, какие разные модели поведения, особенно сейчас еще внутри куча разных систем, да, есть. И это всегда, ну, это классная очень информация и полезная, особенно чтобы дальше понимать, а как по-настоящему всем делать эти запросы. Хочется сейчас продолжить с темы, что сделали отдельное исследование Measuring Extremely Long Tasks Readness, да. И заключалось его в том, чтобы ученые решили протестировать, насколько современные модели способны решать длительные сложные задачи. Вообще в продолжение к нашей теме. И это очень интересная тема, да.
Вот если есть задача, которая состоит из множества шагов, это к продолжению вообще нашей всей этой конструкции сегодня, этих черных ящиков и то, что там внутри находится, и thinking, да. И каков предел вообще самостоятельности этой, этой модели? То есть вот то, что ты, Ильнар, по сути, рассказывал, да, что если она заранее типа якобы сгенерировала, насколько она там заранее сгенерировала это все. То есть насколько она способна решать много шагов и идти вперед. Мы с вами часто видим, когда ты в контекстном окне загружаешь больше и больше, и больше задач, и ты видишь, что она уже не обращается к твоему первому сообщению, как будто только последнее берет или берет какой-то микс. Ты вообще не понимаешь, что происходит на самом деле. Иногда в действительности, ну, тебе приходится новое диалоговое окно загружать, да? Вы, кстати, кто с этим сталкивается, тоже отпишите про это. В каких системах вам легче всего работать с большим объемом и нет. И обратите внимание, что это имеет большое значение, что периодически надо контекстное окно новое запуска-- ну, это значит заново новый как бы чат загружать. Так вот, они ввели самос-- метрику. Горизонт пятидесятипроцентного успеха. То есть, ну, сказали, типа, какова вероятность, что вероятность будет выполнения пятьдесят процентов. Это продолжительность задачи во времени, которое потребовалось бы человеку, важно, человеку эксперту. То есть вот есть человек эксперт, который может решить с вероятностью пятьдесят процентов. Результат какой у них был? Что последние версии GPT подобных искусственных интеллектов пока могут надежно реша-- надежно, это вот это больше пятидесяти процентов справ-справиться с заданиями длиной около пятидесяти минут человеческой работы. И в их тесте был лидер. Пятьдесят минут человеческой работы. Пятьдесят минут, да. И лидер тестов была модель Claude 3.7 Sonnet. Она показала горизонт порядка часа. То есть задачи, которые человеку занимают час, для нее выступают границы, где шанс успеха пятьдесят процентов, да. При этом мы должны понимать, да, что как бы сейчас час, мне кажется, что некоторые задачи она вроде как больше, но больше может, наверное, решать. Вроде как, да? Хотя это все абстрактно, но есть другая метрика та же по их исследованию. Во-первых, они видят, что вот этот горизонт, он удваивается каждые семь месяцев. И произошло еще очень сильное ускорение в двадцать четвертом году. И, экстраполируя тренд, менее чем через пять лет искусственные интеллекты смогут брать на себя многие дни работы. То есть вот. И как раз сейчас выступал Билл Гейтс. Билл Гейтс, кстати, наверное, такие анализы и прогнозы, он на них был нейтрален, но буквально недавно озву-- говорили о том, что он так нейтральную позицию берет.
Он сказал, что он такой на горизонт десять лет сказал: "Ну, наверное, конечно, через десять лет там от сантехников до еще целой серии-
Врачей.
Да, да. Врачей. Целой серии. Врачи, да. Врачи, кстати, сильно уделили внимание. Они будут заменены. Сантехники интересно, как заменят. Вот я- Это же физический труд. Там был прикол. Там был прикол. Просто сантехник - это прикол такой. Был мем сделан, что возле туалета стоит робот, да. То есть там суть в том, что появятся, конечно, появятся роботы. Кстати, роботы, которые убирают комнаты, их появляется все больше и больше. Это, понятно, Китай, мы этому уделяли большое внимание. Это там не робот-таблетка, роботы, которые подходят и все же там чистят шкафы, моют, моют что-то. Именно такие руки как бы микро ездят, да. Я показывал, да, что лучший робот, который моет окна, который я купил в прошлом году, самая там последняя версия. Это все еще ерунда, которую надо переставлять там на окно. Ну, у меня там, не знаю, десятки или сотни метров окон надо мыть в доме. И в, ну, это, это, это как бы хотя бы какое-то дополнение. Но если бы у меня был бы кто-то, кто бы сам ходил и выбирал сам окно, это было бы очень интересно. Ну, не представляю себя, да. Пока сейчас это, мне кажется, такое рассуждение. Так вот, про этот час интересно, что я в deep research на этой неделе тестировал такие вещи. Проверить, насколько-- мне надо было проверить достоверность про одного человека, насколько он не фейковый. И я запустил этот анализ. Вообще знаете вы или нет, кстати, тоже, кто тестировал вообще поиск людей в моделях, расскажите.
Потому что моделям запрещено некоторых людей искать. Прямо запрещено. Но я вам честно скажу, я удивился. То есть этот человек там не супер известный абсолютно, но есть какие-то публикации. Deep research очень круто прошел там сотни ресурсов, поднял кучу разных баз и отчетов и проанализировал эти данные, и дал по этому человеку мне некоторый анализ, насколько он настоящий, насколько нет, насколько данные соответствуют действительности в разных регионах и так далее. То есть хотелось чуть более широкую картину посмотреть, да. Он, конечно, не дал прямо сверхрезультат, и я бы сказал, что в некоторых местах мне пришлось Ну, как бы добавить очень сильно свое мышление, чтобы проверить некоторую информацию. И дальше, как бы задаваемому вопросу он разворачивал ее, как бы менял чуть-чуть там местами детали, но это невероятно, ребят. То есть, вот пока открыта возможность использования в deep research поиска людей, я не знаю, еще раз, ищет ли он людей. У него была градация известности. Ну, то есть, если ты ему вводил Пушкин, он его будет искать. Если ты введешь Трампа, он будет искать. Но если ты ему введешь Татьяна Пирожкова, он, он как бы себе скажет: Я не буду, да, работать и смотреть. Ну, это не значит, что Таня в своих кругах тоже известный человек, вот, очень известный дизайнер, да? Но я сейчас говорю про такую масштабную известность, и, но он того, кого я дал человека - это относительная такая тема, и это очень безумно интересно. Саш, ты сталкивался с поиском, расскажи, людей, потому что ты очень много тоже пользуешься. Да, вообще нет. Не смотрел, да, людей? Вообще нет. Ты знаешь, у меня даже- Больше компаний, больше компаний.
А что он должен, как он должен присутствовать в мире, чтобы его было возможно найти?
Слушай, но он зашел, смотри, я попросил как бы проверить.
В книге или что?
Не, я зашел проверить, как бы разные базы, архивы, какие-то новости, где-то какие-то статьи, публикации, детали. Он ищет соцсети, он уделяет внимание, он сравнивает информацию. Что он сделал очень круто: он взял сайт этого человека, разобрал все, что на нем написано, и сравнил с архивами разными. И я хочу вам сказать это офигец! Ну, то есть это показывает, и он там столько ошибок понаходил.
В России или в Штатах?
Ну, не не важно, в разных странах. Он разные ресурсы.
Мне кажется, важно.
Он, не, он брал, я хочу сразу сказать, что я анализировал по разным базам. Мне надо было там и Россия, и Европа, и Америка, и Азия там. Там разные вещи. То есть, знаете, какая есть тема, когда человек, например, у себя на сайте пишет, например: "Я вхожу там в топ". Ну, вот я, например, в своей жизни попадал в очень много рейтингов, я попадал, там, не знаю, в рейтинг, там, ста лучших менеджеров Франции, Франции по рейтингу Франции в России, там, и так далее. То есть я много, например, в рейтингов попадал, там, в рейтинг менеджеров, там, в рейтинги всяких генеральных директоров, в топ рейтинг предпринимателей фуд теха, в рейтинг ИТ-техов. Ну, в разные абсолютно истории. И вот это число, которое ты пишешь, ну, как ты его будешь представлять, насколько это достоверно? Мало того, обратите внимание, насколько, насколько я, там была такая тема, когда я ему задал вопрос, насколько достоверно СМИ. То есть там была тема, когда Forbes выдал данные, эти данные были условно достоверными. Ну, то есть и мне написал ChatGPT, что Forbes сослался на данные, озвученные лично человеком, не проверенные внутри. И это-
Тоже такое замечала за Forbes.
Вот, и это имеет значение, да. Но смотрите, здесь же суть в том, что мы сейчас, мы живем в мире огромного количества информации, и я просто был поражен еще раз проверкой людей. Меня Саша прямо замотивировал очень сильно на проверке внутри компаний разных и поиске то, что он ищет. Он действительно, кстати, ищет в разных, он ищет там и в Х, и в LinkedIn заходит. Такие посты находит, которые вроде как даже не проиндекси-- ну, как бы они в индексе. Да, да, да. Да, Саш, как будто они не в индексе, понимаете, в чем дело? То есть как бы поисковая машина стандартная Гугла, Яндекса, она по-другому работает. И еще, Саша, кстати, прикольная тема. Знаешь, что я сделал? Сделал или нет? Я запустил deep research на deep research. То есть я сделал deep research, потом взял его все эти данные, скопировал все свои запросы, ответы, добавил кучку деталей, еще раз ему киданул и еще раз запустил deep research, ну, с моими рассуждениями. Это, и это дало мне еще как бы выточенные разные детали. Вот. Ильнар, ты хоть в deep research залез сейчас?
Да, конечно.
Залез, да?
Но не для поиска людей. Но вот когда мне нужно с какой-то темой разобраться, это я периодически делаю.
А ты deep seek? Ты что делаешь сейчас? Ты deep seek-овский deep research или?
Саныч.
Ну, у меня, учитывая, что аккаунт американский, довольно быстро приходят обновления. Вот это радует. Не приходится ждать очень долго, но все равно, конечно, от двухсот долларовой я отстаю.
Да, да, да. Смотрите, интересная тема. Мне кажется, а, все же мы тут на Цукерберга и на Meta говорили, что Цукерберг сказал: "Я первый достигну, там, миллиарда пользователей. У нас он уже есть, его используют в WhatsApp, в Facebook, везде". И выглядело немножко фейково, да? Мы говорили: "Слушай, ну, чувак, ну вот есть ChatGPT.
У ChatGPT настоящие пользователи, у них отдельно настоящий консьюмерский продукт, им реально пользуются, у них есть там time spent, lifetime value, куча всего остального". И тут, значит, выкатили цифру, что компания Meta сделала заявление, что ее открытую Llama модель скачали миллиард раз. Миллиард! Ну, остается, конечно, вопрос, это уники скачали или нет? Миллиард раз. И там еще есть интересная тема, что у них три месяца назад, вот еще раз обратите внимание, то есть в конце, в декабре двадцать четвертого года у них было шестьсот пятьдесят миллионов скачиваний, сейчас — миллиард скачиваний за три месяца. По сути, Meta за счет открытости стала, ну, реально тихим лидером внедрения, да? То есть миллиард версий, миллиард копий по всему миру. Ну, это серьезное достижение. И де-факто, де-факто какой-то как стандарт отдельно появился. Мне нравится хорошая аналогия. Это как когда-то Linux. На Linux очень много всего развивалось, всяких вещей создавалось отдельно. Так вот, когда-то, да, еще в те годы я помню Linux, там, первый, не знаю, в девяносто шестом или каком там году ставил, или в девяносто седьмом, не помню. Ну, где-то в те года. И на нем очень много коллективные улучшения шли. И вот, ну, мне кажется, это супер тема. Вы что думаете вообще вот про Meta? И насколько это число важное и насколько open source так двигается? И китайские модели, у них что с числами?
Ну, про числа я не скажу, но open source точно очень важная история для продвижения. На ней точно можно зарабатывать, да? Вот там тот же Linux, если мы говорим, то само ядро является бесплатным, но есть огромное количество дистрибутивов, за поддержку которых и прочее. Ну, есть, например, — сейчас начну языкать опять, — Red Hat, компания, которая как раз предоставляет дистрибутивы Linux для коммерческих организаций и зарабатывает очень, очень неплохие деньги, опять же, на open source проекте, да? То есть оказывает дополнительные услуги и прочее. И в этом смысле для Llama тоже. Если найдутся клиенты, которые будут постоянно пользоваться ее моделями и прочим, можно придумать и, там, очевидно, уже придуманы схемы, там, монетизации заработка на этой истории. А, по поводу миллиарда скачиваний — это хорошо. Но просто надо знать, как они конкретно это все считали. Да, это просто с Hugging Face различные люди пробовали загружать для pet проектов или, там, просто тестировать-
Ну да, да, да.
Пятьдесят разных моделей. Среди них тоже есть Llama и прочее. Вот. А, что касается китайских, э, слышал, да, и новости были, что, например, сейчас в Китае практически во все приложения DeepSeek добавляют в том или ином виде, и какие-то применения там точно будут найдены. Это будет развиваться. И эти же применения, да, если вдруг их обнаружат в Китае, то есть найдут какие-то юзкейсы, в которых, собственно, модели приносят огромную пользу. Это все перекочует и на весь остальной мир достаточно быстро. И если где-то моделям DeepSeek доверять не будут, ими не разрешат пользоваться, то здесь, соответственно, от Llama все эти модели точно будут утилизироваться. И для компании Цукерберга точно будет очень хорошо.
Но Китай, вот давайте Китай. Китай он рядом с этими числами уже с учетом своего разгона модели или относительно? Ну, у них такой относительно open source, но все же, да? Они открывают модели, дают возможность их использовать, там, с цензурой со своей, но с некоторыми своими порядками.
В Китае.
Ну, а, по поводу, там, открытости, да? Все-таки модели DeepSeek более открытые, чем у Llama. Там ограничений поменьше все-таки. Вот. Ну, там цензура, внутренняя настройка, да, там другие вопросы.
Да, там цензура. Я говорю, там цензура есть.
Не, у меня нету никаких цифр.
Саш, а ты что вообще с точки зрения вот open source, Llama и китайские модели или другие, вот как, какое сейчас идет движение на рынке больше?
Ну, Llama, ну, в смысле, я думаю, все понимают, что с Llama они сильно позади сейчас. Они же отменили свой релиз новой модели, потому что новая их модель хуже, чем La-- чем DeepSeek. У DeepSeek вышла же вот эта новая модель, третья. То есть имеется в виду, что он развивается семимильными шагами, да? То есть в целом сейчас уже как бы, я думаю, что сейчас уже, знаешь, именно вопрос того, как сделать такой продукт, чтобы он не имел на выбор одну из десяти моделей, как сейчас у Open AI, да? Вот это, я думаю, сложно для консьюмеров.
Угу.
И думаю, что качество моделей, они прям значительно, значительно как бы ускоряются, значительно улучшаются за счет ризонинга. Да. Ну, то есть я думаю, что, ну да, и как бы глобально понятно, что как бы, с точки зрения науки мы ждем, когда RL, ну, вообще будет все это сделано не на как бы синтетических даже данных, а кто-то вот внутри своей корпорации на сотрудниках научит. Но это как бы самое интересное, что произойдет в ближайшее время.
Слушай, с точки зрения выбора, выбора модели, мне кажется, что это уже сложная тема стала. И в чат GPT уже, если честно сказать, я уже до конца я перестал понимать, где мне что выбирать, в какой момент мне выбирать на запрос четыре О, в какой там четыре с половиной. Я не понимаю, все же четыре с половиной круче, четыре О ли не круче?
Где мне выбирать О один про, где мне ставить дополнительные-
Вот это да, вот это вот. То есть мне кажется-
Дополнительные кнопки. Да, я не понимаю, зачем там кнопка search, когда он вроде без search работает. Но deep research понятна кнопка, сейчас они еще кнопку think, вот этот вот штуку делают. Там типа в какой-то момент так, а мне ее-
Этими добьют, да.
Не, ну это уже, это уже просто наложение сверху на одно, на второе, на третье. Причем где-то можно прикреплять картинки, а где-то только картинки файлы прикреплять нельзя, а где-то можно файлы. И ты вот-
Да, это несерьезно, это несерьезно немножко, да. То есть я думаю, что вот как бы следующий большой шаг, он все-таки, я думаю, большой шаг, он состоит не в том, чтобы вот, я думаю, следующий шаг, да, он состоит в том, чтобы consumer, чтобы как бы профессионалы начали платить подписку. Я думаю, что она будет не двести долларов. Я думаю, что она будет в диапазоне пятьдесят, сто долларов для широкого adoption, но вот который понятно, как пользоваться, да? Вот мне кажется, что вот это следующий большой шаг.
Ну, по идее, подписка нормальная должна стать дороже. Двадцать долларов — это такой какой-то, ну, условно, наверное, будет ограничение.
Нет, ее не будет существовать, ее не будет
Ее не будет существовать, да?
существовать.
Потому что как бы в open source имеется в виду, что в соцсетях это будет встроено. То есть ты не можешь как бы терять engagement так много, да? Ты не можешь терять так много engagement на LLM вне своего, вне своей некоторой экосистемы, которую развивает там Snapchat, Pinterest и так далее, да? То есть это всем понадобится. То есть то, что просто немедленно никто не может внедрить, это уже их как бы проблемы. А, то есть уже много примеров внедрения LLM все-таки. То есть просто очень медленная продуктизация идет. Мне кажется, что это следующий этап. То есть, то есть сейчас, то есть двадцать долларов ты можешь платить только за то, что у тебя как бы вся история твоя сохранена, и она как бы отдельная, да? Так же, как не все же пользуются Google Drive, многие пользуются Dropbox, да, как альтернатива, но как бы Google Drive же живет вместе с почтой, OneDrive живет вместе с email, да? Я просто как аналогию привожу. Таким образом, у всех будут как бы свои LLM жить вместе с тем, где происходит некоторое общение и данные. Но будет и также open AI экосистема, я думаю, Anthropic все, они все там уже проиграли уже давно, там все уже, там только для coding Anthropic, да? Я думаю, в consumer use cases они проиграли уже точно. Я думаю, Anthropic — это про coding. И вообще непонятно, кто выиграет. Как бы вот offering для профессионалов, то есть чтобы, ну, сравнительно быстрые reasoning модели, которые с search, они работали как бы из-под коробки, чтобы они получали весь контекст, загружали данные и так далее, да? По твоим данным могли тебя спросить: вот я нашел такую-то информацию у тебя в документах, которые ты раньше загрузил, релевантно, нет? Вот такой offering за пятьдесят, сто долларов и потом уже, ну, это как бы так твой, это как все-таки это, это все-таки как copilot все-таки, да, вот правильно назвать? Это все-таки, это как copilot, который как такой junior чувак с тобой рядом сидит, тебе помогает и достаточно быстрый. То есть он думает минутами, но он не уходит на часы и потом должен быть offering там за несколько сотен долларов в месяц, который надолго уходит думать, там прямо на часы, но мы там даже не близко. То есть, я думаю, вот меня что интересует, кто сделает нормальный, как бы reasoning с deep search, deep research, с поиском, с как бы пониманием контекста за пятьдесят, сто долларов в месяц. То есть, может быть, X AI это сделает, может быть, им не нужно на самом деле такое делать, да? Но кто-то должен это сделать.
Да.
То есть это, это как твой персональный ассистент тоже. То есть это вот кейс, например, персонального ассистента сюда входит. Такой говоришь: блин, хочу добавить митинг — не получается. А он уже знает вот этот весь MC
А он уже знает вот эти все MCP, он уже все проинтегрировал, он у него есть доступ к API есть, да? Он такой: вот можно так сделать, а можно так, можно так. Он за тебя как бы не делает, он тебе предлагает варианты, и ты просто нажимаешь кнопочку, когда, когда что-то, ну, когда тебе нравится вариант, и он это делает, да? Ну, вот такой, вот такой offering за пятьдесят, сто долларов должен появиться до конца этого года.
Я слабо себе представляю, что не появится.
Слушай, но когда ты говоришь все же митинг - это сужение аудитории. Вот если мы говорим про пользователей сотни миллионов человек и миллиард, это все же не интеграция, там, даже с календарями и со всем остальным. Это, ну, вот я имею в виду с профессиональными инструментами. Когда мы говорим про сотни миллионов пользователей, по-настоящему, это сделать какое-то решение, которое, ну, объединит, во-первых, нормально будет модель понимать, когда тебе быстро ответ давать, когда долго, да, когда искать десять минут, когда больше или, как ты сказал сейчас, когда с тобой рядом есть какой-то человек, он тебе помогает делать какие-то мелкие вещи. Потому что ведь для обычных пользователей им же, у них же не вопрос вот решения вопроса митинга, совмещения митинга, там или... Это к-
Все равно это некоторый кейс есть такой. Знаешь, у всех там календари менеджить, это все сложновато. Нет, ты не согласен?
Слушай, я с очень сложным календарем в своей жизни всегда работал. У меня очень много ассистентов на этой теме работало. Я перепробовал кучу всего, когда ассистенты ведут, когда я сам веду. Я очень, я считаю, что эта задача, она будет решаться отдельными различными инструментами и отдельными тулами.
Да, да, конечно. Просто, митинг, некоторое приближение же должно быть.
Да, но просто если говорить про реальное использование искусственного интеллекта в моей жизни, это все же не назначение встречи, да? Мой день, я не трачу в течение дня десять процентов времени на назначение встреч. То есть, вот я всегда исхожу из того, что я трачу на назначение встречи, там какие-то доли процентов, да? Ну, вот в объеме, в большом объеме. И важная история решения других, особенно для основной массы людей, им вообще говорят, в какое время прийти и все. Многим же людям просто говорят: "Вы в это время должны прийти". Человек просто подстраивается в это время. Это понимание, вопрос понимания контекста. Вот я сейчас поднял, например, телефонный звонок, мне звонили. Вы ждали, потому что я знаю, что этот телефонный звонок я в любом случае подниму. То есть этот человек, он мне просто звонит, потому что я его, с вероятностью девять из десяти, я в любой момент подниму. Так же, как я ему позвоню, он мне с огромной вероят-- просто с огромной вероятностью меня поднимет или мгновенно мне перезвонит. А есть люди, которые, ну, нереально, не буду поднимать, там, возможно, не перезвоню.
Я хочу добавить одну тему, которую ты сказал важную, по поводу интеграции. Мне кажется, очень важная интеграция. Люди ее не замечают, мы не знаем, к чему она приведет. Grok интегрировали в Telegram для премиум подписчиков, и теперь для премиум подписчиков он стал бесплатным. Опять же, там нету расширенных функций reasoning, там нету расширенных функций deep research, но никаких, ну, там, каких-то сверхфишек, но в целом он доступен. Что они пишут? Я не до конца понимаю, как это внутри работает, но они пишут, что сбот сможет в реальном времени сканировать посты, например, из X и веб результатов поиска. И, например, то есть если вы сидите в групповом чате в Telegram, можно спросить Grok о свежих новостях или попроси найти какую-то там кодо ошибку, и он тут же пробежится по актуальным данным. Это как бы, как, как будто встроить поисковик или эксперта прямо в мессенджер. У них такое заявление, смотрите, да, если посмотреть, у них по крайней мере такое заявление. Насколько это заявление настоящее, насколько это реально и насколько возможна такая коллаборация? Прикольно. Ну, это, кстати, вопрос, да? Такие системы, как Telegram, они перейдут к разработке своей модели или, ну, например, что делает Meta? Meta все же в WhatsApp встраивает свою модель, да? Или система, эээ, будет использовать, вот как, например, Telegram, если Telegram тесно интегрируется с Grok, мы, например, увидим, все же у Telegram, давайте так, миллиард пользователей, больше миллиарда пользователей по всему миру. Этот бот Grok, там небольшая сейчас аудитория, там всего лишь шестьсот двенадцать тысяч, я сегодня смотрел, ежемесячных пользователей. То есть, ну, это ерунда вообще. Но для простых людей, мне кажется, это очень сильное движение вперед, когда они смогут через, особенно в странах, где недоступно. То есть это очень полезная фишка в странах, где недоступен, недоступны крутые модели, крутые системы, их тяжело установить, тяжело скачать, и люди не понимают, что это такое.
А раз мы сказали про Илона Маска и тут говорили про Open AI, хочется все же озвучить, значит, да? У Open AI прошел раунд, раунд в размере сорок миллиардов долларов. Это вершина инвест интереса, да? Оценка триста миллиардов долларов. Значит, это круп-- одна, я не знаю, крупнейшая или одна из крупнейших в тех, в тех, ну, вообще в рынке тека. Значит, как они планируют? Планируется, что SoftBank вкинет семь с половиной миллиардов долларов, потом доведет долю до тридцати. И остальные инвесторы, различные, там, фонды, они докинут еще десять миллиардов, да? И это, конечно, показывает, ну, очень серьезную игру. Ну, все же суммы, суммы прямо большие. А говоря, я не зря сказал, что про Илона Маска суд отменил.
Илон Маск же, помните, мы как раз рассказывали несколько выпусков назад, он подал в суд, сказал: "Приостановите переход Open AI в коммерческую организацию". Суд отклонил приостановление временное, но назначил, что они не будут задерживать рассмотрение этого вопроса. То есть они продолжат, там, между собой разбираться, судиться. Скорее всего, это просто какие-то издержки, издержки. Вот. Что по поводу инвестиций? Саш, вот в прошлый раз и в позапрошлый раз мы говорили, что объем инвестиций продолжает расти, несмотря ни на что.
Рынок, кстати, то просел за последние недели американский, а в Open AI шарашат безумно, как, собственно, и в другие компании.
Ты спрашиваешь мое мнение по поводу рынка private или public?
Да, и private, и public.
Кто-то будет под такие оценки приближаться? Мы-- да, мы говорили Antropich сильно, да?
Google и Amazon сейчас очень доступны. Google и Amazon очень доступны. XAI замерджился с X. Это очень хорошая, ну, как бы тема того, что у тебя и, ну, сейчас такой тренд на AI компании, да. То есть...
Ну, XAI замерджился с X, это, мне кажется, такая техническая скорее сделка, да? Потому что, судя по всем выступлениям, по всему, XAI-- мне вообще казалось, что XAI столько стоит, потому что есть X.
Да, мне тоже так казалось, да.
Да, мне вообще, это очень странно, да? Говорят, значит, X стоит... Вообще, если рассмотреть эту сделку, эта сделка немножко странная в СМИ проходит, да? То есть когда XAI сказали, что стоит, сколько сказали, что он стоит шестьдесят пять или восемьдесят пять? Сколько? Какая-то, ну какая-то цифра была, да?
Восемьдесят вроде.
Да, восемьдесят, да. Типа XAI стоит восемьдесят миллиардов долларов. И, ну, ты такой думаешь, ну как может стоить XAI восемьдесят миллиардов долларов, если они, ну как, как это вообще возможно на старте, да? Потому что, наверное, потому что есть X. Ну, очевидно, есть Twitter с огромным количеством пользователей, супер используемая система, невероятно популярная, уникальный формат, абсолютно, абсолютно уникальный формат. Ну, поэтому стоит. Тут они, значит, приходят и говорят: "Мы создали новую компанию, которая будет смогла стоить больше ста ярдов". Ты такой, так вроде XAI - это вот X вместе и куча по интернету обложек, типа нарисованный Илон Маск, который купил, который сделал сделку вместе с Илоном Маском и компанией владеет Илон Маск. Вот это, конечно, там три Илона Маска стоит. Это в свете текущих, в свете текущих событий у Илона Маска и проблем, ну, обсуждения его личности, мне кажется, у него очень сильно появился огромный негативный фон за последний год. Просто сумасшед, какой-то сумасшедший фон по миру, да? Ну, особенно в таких странах, как Великобритания, например, в силу, в силу его событий вышла-- мне сегодня новостное издание, одно немецкое прислало, там, на немецком языке они, ну, присылают апдейты, и там они как раз прислали вот этот, вот эту штуку, где три, три Илона Маска стоит. Вот. Выглядит супер, супер здорово.
Наш релиз грязно слили. Что? Кто знает, короче, те, кто слили, те знают, но они не смотрят наш канал, потому что они не русскоязычные.
А что такое грязно слили? А что такое грязно слили?
Ну, Luma дропнула тоже как бы модель с камера контролем. И да, у нас, мы как бы работали последние, ну, несколько недель над камера контролем. То есть он лучший как бы на рынке и Luma дропнули свой для того, чтобы оттянуть там часть трафика на себя. А это не пове-- ну, это как бы, мне кажется, что это было намеренно. А если каса-- ну, еще не повезло, что оно совпало с Runway.
А расскажи, можешь чуть-чуть пару слов, что такое камера контроль, чтобы все люди поняли?
Да. Ну вот есть же все эти дронов, дрон, дрон пролеты, разного рода камера эффекты, транзишены, которые используются, снори камы, доли зумы и так далее. Маусин эффекты. Вот это все мы можем вставить. Наверное, можем просто вставить, там, смонтировать, там, двадцать секунд в наше видео, чтобы, чтобы увидели. Да. Да. То есть, да, у нас модель лучше, чем Runway, но вот из-за того, что конкуренты как бы-
Как бы намеренно и случайно тоже зарелизили вчера. Это немножко смазало релиз, но, тем не менее, фидбек очень позитивный.
Саша, ты не поверишь! Я открываю сегодня утром Runway или там вчера вечером, у меня уже все запуталось, их демонстрацию. Они пишут, что у них супер крутое движение. Я смотрю, значит, на их ролики и думаю: подождите секундочку. Мне, значит, Higgsfield, ты лично показывал там три или сколько дней назад, или сколько там, или когда, когда, ну вот или когда, Саша, когда ты кидал вчера или позавчера, когда ты кидал новость, ты свое видео?
То есть, я думаю, что да.
Ты когда выпустил?
Три-четыре дня, да. Ну и мы в понедельник выпустили, но было все готово в среду, естественно.
Да. Ну, ты кинул, ты кинул, значит, видео, я вспоминаю, так у тебя выглядело все очень, очень серьезно. И что они тут показывают мне в Runway? Вот этому мы обязательно это добавим и поясним. Это все про видеогенерацию имеет большое значение. Могу вам честно сказать, что то, что я увидел, что выпустила Higgsfield, ну и так не убивать Runway выпустила и увидел и то, что выпустили Runway, производит впечатление. Я все же настоятельно себе уже сказал: наверное, мне пора начинать использовать генерацию видео и вставлять ее в рилс, в шортс. Вот честно могу сказать. То есть с выпуском, с выходом то, что показал Саша, у меня появилось, наверное, мне пора. Ну к Саше же как долезешь вообще, значит, чтобы там моделью пользоваться? Вот поэтому мы это обязательно сделаем и обсудим, и обсудим это в следующем выпуске. До новых встреч!