Я, если честно сказать, готовясь к выпуску, ребята, невероятно сильно впечатлен объемом разных событий, которые происходят, и в целом помощью моделей с точки зрения поиска этих событий. Для меня как будто разительно качество улучшилось с точки зрения поиска. А возможно, неделя настолько была насыщенная, что мир просто перезавалило всякой информацией невероятно интересной. От там скандальных стартапов, которые заменяют людей до борьбы опять. Сейчас Open AI на Сэма Альтмана в суд подал. Open AI, мы сейчас расскажем, выпустил, в прошлом выпуске мы говорили, выпустил о три модели, про нее отдельно поговорим. Китайский DeepSeek готовит по закрытой информации. Утечка данных там Блумберга произошла. Они готовят прорывную новую модель. Короче, очень много всего интересных вещей. Стэнфорд выпустил годовой отчет на четыреста семьдесят страниц, очень детально проанализировал. И, конечно, впечатляют некоторые вещи с точки зрения анализа, для того, чтобы сделать себе выводы и сказать, кто вообще впереди, чего идет и как, и как идет.
Но прежде чем мы придем и обсудим, мне кажется, феноменальную историю, наконец-то сбылась моя лично мечта сбылась, моя мечта сбылась. Вы, я думаю.
Олегша!
Кто-то будет это из вас говорить. А это все фигня. Но прежде чем к этому придем, значит, какая инфа? Open AI подал в суд на Илона Маска обратно и, значит, им настолько заколебало, что Илон Маск бесконечно пытается замочить Open AI, что юристы требуют, Open AI требует судебного запрета, запрета на дальнейшие действия Маска, заявив: непрекращающиеся атаки Илона должны прекратиться. Значит, и, ну, судя и зная американскую судебную систему, здесь, конечно, могут ему поставить запрет, и он вообще ничего не сможет делать. Он продолжает атаковать Open AI. Так как мы, у нас Илон Маск, Сэм Альтман заметные фигуры в рамках наших выпусков. Хочется это, в том числе озвучить. Кстати, сейчас идет огромное разбирательство у Meta и Марка Цукерберга в Сенате США. Интересно, что это там не сверх прямо сильно афишируемая новость. Прямо везде написано. И разная есть информация на эту тему. Посмотрим, в каком выпуске про нее расскажем. Возможно, спецвыпуск сделаем. У нас, кстати, по средам стали выходить спецвыпуски и в эту среду. Вот в прошлую среду был, до этого несколько недель назад был. В следующую среду будут спецвыпуски. Обязательно смотрите. По Meta сделаем. В чем там, чтобы так затравочку сделать вперед. Там какая интересная информация, что Meta пыталась выдать определенные данные Китаю для того, чтобы влезть, выйти в Китай. Вот об этом мы узнаем позже. На самом деле это произошло и произошло или не произошло? Очень, да, очень интересно, очень интересно и все достаточно там серьезно. И в тот день, ну, там, понятно, акции Meta чуть-чуть провалились, но сейчас все провалены. Сейчас тяжело что-то, что-то показывать, но такое расследование там прямо крайне серьезное, катастрофически серьезное. Вот посмотрим, что с этим будет. Поддерживайте канал наш, пожалуйста, поставьте лайк видео и позволит нам еще больше снимать интересных классных материалов, особенно когда мы сейчас запустили новые выпуски в среду. И подписывайтесь, если хотите наши выпуски получать.
У нас сегодня еще чем интересен выпуск? Мы подарим в систему видеогенерации Higgsfield от системы генерации Higgsfield подарим промокод на максимальную версию по генерации видео. Одна из топовых мировых систем, и вы сможете сделать достаточно уникальные вещи. Чем интересен Higgsfield? То, что там есть огромное количество предустановленных заранее сделанных шаблонов. И очень интересная вещь. Что именно сделать с точки зрения задания, расскажем в процессе видео и потом выберем зрителя по количеству комментариев или на наше собственное усмотрение. То есть вы в комментариях сделаете, мы расскажем.
Давайте перейдем к модели о три, которая вышла Open AI. И мне кажется, что это стоит обсудить и стоит рассказать. И она доступна огромному количеству людей, в том числе в простой базовой подписке. Что скажете про о три? Профессионально, личностно, что скажете про о три?
Ну, вот я недавно занимался тем, что пытался понять в качестве хобби, чисто в качестве хобби пытался понять новые правила потолков зарплат в НХЛ. Сейчас кратко расскажу. В НХЛ получается хоккейная лига лучшая в мире. И там получается, есть типа количество, сколько можно платить суммарно зарплату. И там есть хитрые правила, что как считается. И зарплаты меняются из года в год. И еще как бы часто бывает так, что есть права на игроков, но нужно передоговаривать контракт каждые там три года, допустим, да? Много таких как бы особенностей. И есть некоторые еще арбитраж и некоторые процессы. В общем, как это работает. То есть там есть много такой логики, которую на самом деле почти невозможно понять. Понять, но которая сильно влияет, там, на итоговые результаты, да? То есть очень много такое, как идет accounting. И, а, и я тес-- я просто очень много тестировал. Вот целое, целое воскресенье, пока, там, в самолете был, до самолета, после самолета я изо всех сил тестировал и понял, что Grok сильно опережает. То есть именно в reasoning, когда у тебя есть какие-то финансовые constraints, то, а, ну, как бы, то есть все-таки это ч-числами меряется, да?
То так, то тогда значительно, значительно опережает Grok всех остальных.
Да, да, да.
Со своей стороны, если говорить про o3, когда она вышла, мне стало интересно попробовать. И, а, взял я одну из своих рабочих задач, вот, и думаю: дай-ка я попробую с ним. А, что хочется сказать? Верхнеуровнево он очень хорошо разложил решение. Вот саму концепцию, как это нужно было бы сделать. Но когда начинаешь проваливаться в детали, а, то ли галлюцинации, то ли ошибки внутри. Ну, то есть нельзя просто взять из него код, вставить, чтобы он заработал. И при этом даже просто, знаете, как бывает, вот условно, а, вставил, там какая-то ошибка, ошибку вернул обратно, он ее переделал и пошли. И так за несколько итераций сделали. Если ты не понимаешь, что происходит внутри, он тебя обманывает. То есть он находит какие-то решения, которые, а, ты даже в них веришь, если просто читаешь то, что он говорит, но не понимая, что находится внутри этой задачи, ну, это вот, ну, конкретно той задачи, которой я работал, человек не сможет это сделать, да? То есть если ты понимаешь, что шаг за шагом происходит, то ты находишь, где он ошибся. Соответственно, ищешь в документации, как это нужно было сделать правильно, делаешь, и все это начинает работать. То есть, вот, а, с точки зрения конкретного написания кода, использования библиотек или еще чего-то пока еще не гениальный уровень, как иногда Сэм Альтман говорит. Но опять же в защиту, да, то есть не все плохо. Верхнеуровнево концепцию решения рассказал очень хорошо. Достаточно современные подходы используются. Это вот прям мне очень понравилось. Как конечная реализация в деталях пока страдает. Не знаю, как быстро они смогут это решить, но вот, а, в какой-то степени шаг вперед. Но галлюцинации еще довольно сильные местами.
Да, на мой взгляд, я с тобой сто процентов согласен.
Я, честно говоря, не поняла, тестировал или нет, потому что я узнала о его выходе вчера, когда читала список новостей к выпуску. Потому что мне кажется, они по-прежнему, вот даже я зашла по ссылке посмотреть, чем отличаются все вот эти вот, там же несколько их вышло, как я поняла, да? И вот эти вот раскладки по бенчмаркам, там штук десять этих графиков. Я думаю, господи, ну какой же мне использовать вот под мои задачи? У меня нет задач в математике, в кодировании, да? А, и там кое-где проходят какие-то, что вот здесь меньше галлюцинаций, вот здесь лучше обработка визуального материала, и то они все расходятся. В общем, я в итоге закрыла эту статью и думаю ладно, послушаю, что скажут ребята в следующем выпуске, потому что обычно у меня как раз я бы даже и так смотрела наши выпуски, потому что мне это реально помогает в жизни, что применять и на что не тратить свое время.
Что касается бенчмарков, Тань, их сейчас там сотни, и всем хочется показать товар лицом. И ты просто выбираешь из этих сотен бенчмарков ту, где у тебя модель смогла, или ту, под которую ты смог подкрутиться, чтобы у тебя были хорошие результаты. И показываешь именно эти, что вот здесь мы обогн-
Именно эти, что вот здесь мы обошли, а вот тут такой бенчмарк, он нам нравится, здесь мы много баллов набрали. А выбор у тебя большой, ты всегда где-нибудь найдешь или сможешь подстроиться.
Ну да. Ну, все равно пока что вот deep research, конечно, самый для меня самый такой подходящий вариант.
Слушайте, я по поводу o3. Эээ, у меня был интересный с самого начала момент. Я зап-- дал запрос в o3. Ты, Саша, сейчас интересно сказал, что ты вчера про хоккей сказал. Ты все равно видишь, что лучше игрок. Я хочу сказать, что я за эту неделю увидел. Я очень рад, что мы на неделю позже как бы снимаем относительно выхода o3. И было время потестировать систему, да, потому что я ее потестировал в огромном количестве разных, эээ, кейсов. Я точно не тестировал в программировании. Вот то, что ты, Ильнар, приводил пример с точки зрения качества кода, да. Но я это потестировал на огромном количестве простых обычных жизненных запросов. И первое, что меня поразило, это когда я в o3 задал запрос, оно, э, прошло мои старые чаты и в части моих старых чатов взяло информацию, которая у меня уже была. То есть у меня там был запрос один по собаке, и он мне говорит: "Слушайте, вот вы как раз ждете определенное лекарство, вы как раз его сможете применить". И я пролистываю чат и понимаю, что в нем этого нету. Я говорю: "А какую информацию ты вообще знаешь про меня?" Он говорит: "Я не могу рассказывать информацию и свое контекстное окно показывать". Я говорю: "А можешь мне рассказать, какую-то информацию про меня знаешь без технических деталей?" И он мне выдал там список. Он говорит: "Я все не знаю, но вот часть информации сохранил". Он часть информации выдал. И есть прямо сейчас за эту неделю выложено, что многих людей, а, настораживает то, что, эээ, модель знает какую-то дополнительную информацию про них или знает их имя, да. Оно часто обращается по имени. Ну, я всем хочу сказать, что то, что он знает ваше имя, в этом нету никакой проблемы, потому что вы аккаунт покупали и заполнили свое имя, да? Но очень странно, да, что люди удивляются, но не суть.
Если переходить к o3, меня-
Они удивляются скорее тому, что к тебе кто-то обращается по имени.
Уже обращается, да.
Да, да, да.
То, что персона стоит за экраном.
Это как если бы-
У меня, кстати, тоже был забавный случай из серии, помните, мы записывали выпуск, мне ChatGPT, я его попросила что-то там скорректировать в письме клиенту. Он мне говорит: "Ну, конечно, ты уже не можешь без меня жить". То есть я была очень удивлена такому ответу. Не знаю, как бы это вообще, мне кажется, выходит тоже за рамки нормы. Если бы он меня просто по имени назвал, я бы так не напряглась.
Там же, ну, как бы он вот, ну, как я это понимаю, когда ты общаешься с чатом, это просто чат, который отвечает на твои вопросы. Когда он начинает называть тебя по имени, причем не тогда, когда ты его просишь, а он сам инициативу проявляет, он уже на какой-то другой уровень выходит, как, как твой друг, как какой-то оживленный, одушевленный собеседник и прочее. И вот это, я так понимаю, что многих пугает, то что-
Да, да, да.
Ты думаешь: как? Ты же машина. А она тебя хоп! И сама по имени называет.
Там интересные, конечно, есть вещи. Да. Это как то же самое, что Сэм Альтман сообщил, что, эээ, OpenAI тратит десятки миллионов долларов постоянно на то, что система говорит спасибо. То, что люди говорят системе спасибо и пожалуйста. То есть из-за того, что есть диалоговые окна.
Это очень интересно, потом добавим.
Да, то, что есть диалоговые окна про спасибо и пожалуйста, там десятки миллионов долларов. Но я хочу еще раз вот по поводу o3, по поводу o3 все же выделить, чем система для меня лично уникальна. Что видно, что система способна приостанавливаться. То есть модель приостанавливается, рефлексирует над своими промежуточными шагами, и это выходит из стандартного режима. Я хочу вам сказать, что у меня в моих тестах было видно, что? Что иногда sys-- модель отвечает за тридцать секунд, а иногда вот у меня сегодня некоторые ответы задавал, вопросы задавал. У меня она по пять-шесть минут думала. Я вижу, как она перебирает сайты, потом останавливается, какой-то пишет текст, потом опять перебирает, потом останавливается, пишет текст, потом опять перебирает, останавливается, пишет текст. И это поражает. То есть это видно, что это делается дополнительный анализ. И уникальность, кстати, модели там есть в картинках. Это я заметил еще на прошлой неделе. Я ей скинул фотографию из аптеки, какое мне лекарство надо купить. Я не мог его на полке найти. Я скинул полку, написал: какое мне лекарство? Она мне сказала: "На этой полке есть лекарство". А я его не вижу. Я говорю: "А можешь мне-- найти мне его, как мне его найти?" И оно начало делить картинку по фрагментам, начало искать фрагменты и показало мне фрагменты конкретные и написало: вот на этой полке, чуть ниже, чуть лучше. И это выглядело уже по-другому. То есть это было видно, что система сама поделила задачу на ряд определенных шагов, и в рамках этих шагов оно мне искало. И это было с картинками много где. То есть сколько я ни скидывал ей картинок, какие-то свои рисунки.
Есть интересный кейс по фортепиано, когда человек рукой написал, оно прямо увеличивает на нотах то, что человек написал на руке и распознает этот конкретный текст. То есть оно начало задачу вот эту вот делить, да. И, эээ, с точки зрения рассуждений того, что оно делает думать, это, по крайней мере, выглядит серьезнее. Я что стал делать? Я стал пользоваться чит-кодом. Я ей начал в конце писать: а ты подумай больше, поищи больше, значит, изучи больше. И он тогда, это, кстати, в deep research я тоже делаю. И тогда deep research уходит на искать не на пять минут, а на тридцать минут. То есть я говорю: мне надо сложнее данные, мне надо, чтобы было больше аналитики. Это как deep research на deep research запускаешь, да? Тогда тебе как бы он еще больше уходит. И вот в o3 видно очень существенная разница между скоростью ответов. Там есть и минусы в этом, мы сейчас об этом поговорим, да. Но мне кажется, что вот, эээ, то есть получается, какое одно из самых главных отличий этой модели сейчас — это полная интеграция всех внешних инструментов, которые есть у OpenAI. Всех их, это как всех их агент-- агентская такая архитектура сделалась, да? То есть он в ходе одной сессии имеет возможность применять различные абсолютные инструменты от генерации картинок, поиска в интернете, запуска reasoning, потом обдумывания чего-то, потом распознавания там всех этих изображений, файлов. Файлов и всё это делать. И увеличился объём файлов. Раньше я загружал, например-- ну, во-первых, я в Reason не мог загрузить файл. Я хочу вам заметить. В Reason можно было загрузить скопированный текст, например, на страниц сто. Он сейчас легко читает, word-овский документ на 300 страниц и по нему дает выводы. Я вчера загрузил в него PDF-ку на 470 страниц — отчет Стэнфорда. Он написал следующее: "Я не могу проанализировать весь полностью PDF, у меня не хватает мощности, но я могу достать, на нем в зависимости от оглавления пройтись по определенным акцентам". И я запускал шесть раз поиск по этой истории. Говорил ему: "Проходи разные блоки этого документа". Я до конца сам не понимаю, он весь документ прошел или не прошел. Но что было интересно, что он, по сути, в своих выводах о процессе рассуждения понял, что он не сможет проанализировать весь документ. И, это была большая проблема раньше в плагинах. Ты как бы давал документ. Люди думали, что он анализирует этот весь твой документ, текст, а он не анализировал весь. Он там кусочек выдирал из него. И вот, судя, по крайней мере, по расширенному, они расширили сильно контекстное окно и 300 страниц, по крайней мере, вот у меня есть мои материалы, собранные какие-то, которые я сам создал, которые я написал, там, с точки зрения развития человека, я там много контента снимаю. Не суть. Я в этих статьях, это мои статьи написаны, мне по ним надо часто как бы комбинировать информацию, помочь мне скомбинировать некоторую информацию или, там, придумать тему для рилса, там, или для шортса, или сделать какие-то мои выводы моими словами, да? , он более качественно, точно, однозначно, гарантированно, более качественно делал. То есть вот это говорит о-вот об его увеличенной контекстной памяти. У него длинное контекстное окно. Никто до конца не знает, что это. Ну, там, типа пишут, там, 256 тысяч токенов, но до конца не понимают. Одна из историй, которую, которую про скорость и масштабируемость. Есть-- в этом есть, мне кажется, большая проблема, и ее много людей до конца не понимают с точки зрения применения. Система явно жрет ресурсы очень серьезные, но это видно, да, в процессе рассуждения, деталей.
То есть там ресурсы, ресурсы сумасшедшие. И явно это вопрос там к ее скорости, к масштабируемости и к применению в разных компаниях, там, по API, использованию ее. Ну, Ильнар сказал про галлюцинации. По-прежнему галлюцинации присутствуют. Вот я лично изучил огромное количество отчетов, в интернете много приводится примеров, когда система галлюцинировала или, например, она усложняла твой вопрос. То есть ты ей задаешь очень простую задачу, а она парадоксально сдвигает свой фокус рассуждения, как будто там надо, не знаю, что-то усложнить. Вот у меня вчера был кейс, у меня есть, там, бизнесы в образовании, я в образовании, там, изучал некоторую практику мне надо было в рамках, при-применения в школах, в начальных школах использования искусственного интеллекта, там, в Китае. Китай с первого сентября, с первого по одиннадцатый класс вводит изучение предметов в искусственном интеллекте обязательно. Это, кстати, очень интересная тема, да? Они гото-- мало того, они отдельно готовят тысячи, у них прямо задача отдельно стоит тысячи преподавателей на эту тему. Ну, там целое, ну, как Китай может, да? Китай бьет своей мощью. Скейлом. А? Скейлом, скейлом. Скейлом, да. Ну, слушай, они там очень серьезные вещи делают, потому что они планируют, там, пять тысяч преподавателей обучить, сразу сейчас. Они проходят сто шестидесятичасовую сертификацию, а к 2027 году план, чтобы двадцать тысяч преподов было. И еще раз, это очень важно. Они планируют. То есть у них тема такая, что они хотят, чтобы через пять, через десять лет появилась просто туча выпускников в этой сфере. То есть если, например, в России эта тема пока не является обязательной, это не история, в школах, там, что это надо обязательно использовать, обязательно это применять, то Китай уже — это вот номер один страна на сегодняшний день, которая запускает
День, который запускает, который объем делает. Номер один, в общем. Значит, к модели назад вернуться. К модели назад вернуться. То есть она ууу-- там была как раз таки у меня одна история, когда я данные искал, она мне на очень простой задаче пыталась все усложнить, создать мне какое-то... Охренеть, какой сложный ответ! Я все время говорил: "Давай упростим". А она мне все время его сложный. То есть, с одной стороны, вот эта сложность о три мне нравится то, что у нее более широкие какие-то продвинутые рассуждения, она строит какие-то таблицы внутри. С другой стороны, видно, что некоторые ответы нужны, нужны попроще. Но я, Эльнар, вот мы как раз, ты как раз писал тоже там и выкладывал материалы про галлюцинации. Я хочу сказать, что в процессе моих изучений и проверки данных у меня галлюцинаций было не больше, чем у обычной модели. Вот что я хотел сказать. И, эээ, но я поражен качеству. Еще раз. И deep research, запущен в о три, по крайней мере, опять же, по моим тестам, он был феноменально лучше. Ну, то есть однозначно лучше. Мне очень нравится, что Open AI при всех их косяках, там просто я не знаю, сколько они всякой ерунды выпускают, но то, что они двигаются в сторону связки в одну модель всех своих систем, это, ну, мне кажется, вот это есть, это примечательно. По крайней мере, у меня такой вот тест, у меня такой тест. Запустил я о три раз триста, наверное, или, может, четыреста. Вот я очень много, очень много там на этой неделе делал разных кейсов.
И, ну, чтобы так понять примерно объем. Про конкурс, про конкурс. Значит, мы дадим в этой системе видеогенерации промокод. Ну, реально, система Hicksfield, э, божественно крутая. Значит, что важно? Важно, эээ, что сделать? В комментариях-- мы на самом деле даем промокод не за всякую ерунду, а за полезность, мне кажется, очень сильно другим людям. У нас огромное количество запросов у тех, кто смотрит, и у вас на то, чтобы мы показывали максимально реалистичные кейсы, которые мы используем в обычной жизни с точки зрения при-- запросов. И давайте вы напишите, какие самые интересные запросы вы или, там, серию запросов, которые вы в жизни применяете в моделях, которые вы спрашиваете ежедневно, именно которые не относятся к бизнесу, не профессионально. Вот самое огромное развитие для себя с точки зрения, э, разбира-- понимания вообще искусственного интеллекта и понимания моделей и их использования — это использование этого в обыденной жизни. В простой, да? Напишите, какие вы запросы делали. Самое интересное. Вы также проголосуйте, пожалуйста, за другие запросы, и мы выберем, ну, там, по комментариям, по лайкам, по обсуждениям, выберем лучшего и подарим. Ну, такой небольшой подарок — максимальную версию по видеогенерации. Потом отпишите, как там по видео.
Мы, кстати, обязательно, как я говорил, по видеогенерации сделаем интересный выпуск. Да, мы будем тематические выпуски делать, они у нас появятся, он обязательно будет. Пишите в комментариях это. Хочу перейти к следующей теме, значит, которая имеет значение, и мне кажется, что там она очень коррелирует с данными, которые выложены в отчете Стэнфорда. Сэм Альтман сделал такое предупреждение, что либо США разрешают обучать искусственный интеллект на данных из интернета, либо они проиграют Китаю.
И при этом здесь очень важно, что есть исследование сейчас, что сорок восемь процентов самых популярных веб-источников для обучения модели уже полностью ограничили доступ, что повышает затраты на качественный контент. То есть, с одной стороны. Одна из тем, которая сейчас прошла, я не знаю, вы ее читали или нет. Open AI ограничивает доступ к своему API, ограничивает и будет делать, эээ, очень сильную проверку с точки зрения для того, чтобы не было людей, которые имитируют ее модель. То есть Open AI ужесточило доступ к своим передовым моделям. Теперь разработчикам требуется верификация с гос-- удостоверением личности. И это, кстати, конечно, ограничит огромное количество использования Open AI, в том числе в русскоязычной среде. Потому что, по их данным, семьдесят четыре процента ответов DeepSeek R1 стилистически распознаются как написанные модели Open AI. И они... Семьдесят четыре, представляете, процента. Но я вернусь как раз таки в эту тему назад. Да, то есть сорок восемь процентов тем закрыто и явно Open AI проявляет вот эту историю после Китая. Почему? Потому что у Китая семьдесят процентов всех AI патентов мира, двадцать три процента мировых публикаций. США держат сейчас топ сто самых цитируемых, там, большинство самых цитируемых работ, да? Но при этом обратите внимание, что семьдесят процентов всех AI патентов у Китая — очень серьезно, да? И понятно, что частные инвестиции больше в США, в двенадцать раз больше. В прошлом году в двенадцать раз больше, чем в Китае, частные инвестиции. При том, что больше шестидесяти процентов стартапов создаются частными, частными компаниями, да? И, мне кажется, это имеет, ну, как это? Это очень важная история. Еще, кстати, была прикольная штука, тоже выложена, что Китай быстро сбегает позиции. Пятнадцать моделей, выпущенных в США, против десяти моделей, выпущенных от, эээ, у Китая, да? И-- ой, пятнадцать, наоборот, пятнадцать у Китая и сорок у США. И Китай продолжает очень сильно набирать, набирать оборот. Это, кстати, интересное вообще число по поводу количества моделей. Сорок у США моделей. Сорок. Сорок. Многие не до конца тоже осознают. Это тут недавно один человек в комментариях написал: "Вы заблуждаетесь по поводу развитости технологического рынка Америки. В России, различные вертикали гораздо больше сильно автоматизированы технически, чем Америка, например, банковская. И я написал комментарий, что мне кажется, что вы десять лет назад сравнили банковскую систему. До конца, не до конца технологию внутри видите. Вот давайте вот эту тему обсудим с точки зрения Альтмана и его опасений по поводу обучения моделей. И действительно ли присутствует эта проблема? Потому что мне кажется, что OpenAI бесконечно ловили на то, что она обучалась на чужих моделях, она продолжает обучаться.
Что думаете?
Да все так. Данные — основной ресурс. За него, собственно, все компании борются, периодически приворовывают, а потом говорят, что у нас сотрудники эти уже уволились. Да, помните, как-то про OpenAI обсуждали. Вот. Что касается вот этой истории с DeepSeek и похожестью, ну, здесь, э, с одной стороны, да, с другой стороны, DeepSeek такой Робин Гуд получается. Он, эээ, собрал все, что было сделано с OpenAI и раздал всем остальным людям бесплатно. В этом плане такое двоякое к ним ощущение. С одной стороны, да, приворовывают, с другой стороны, ну вот, как бы, очень много людей сейчас этим пользуются. По поводу, ааа, запретов на обучение. Здесь, Тань, помнишь, мы с тобой тоже вот в выпуске, я не знаю, он выйдет до или после этого, говорили тоже, что у той же Ламы, например, в лицензионном соглашении прописано, что ты не имеешь права использовать, эээ, ну как выход не выхода, результаты того, что сгенерировала Лама для обучения своих каких-то других моделей. Но, эээ, как видимо, не-не-не достаточно прописать это в лицензионном соглашении для того, чтобы дальше можно было каким-то образом все это использовать. Потому что и юрисдикции разные, и, в общем, не работает.
Приходится вот аутентификацию по паспорту проводить.
Ну, странно вообще, что они не делали до этого аутентификацию по паспорту. Хотя в то же время понятно, что это бы ограничило бы их развитие. Когда у тебя уже есть сотни миллионов пользователей, то в этот момент времени ты выходишь на рынки и говоришь: "А теперь мы ограничиваем аутентификацию по паспорту, да? И всем придется зарегистрироваться, как-то это сделать". Хотя вы представляете, какой объем компаний сейчас отключится, какой объем компаний не сможет аутентификацию провести. Плюс когда ты проведешь аутентификацию, к тебе получат-- будут знать, кто ты с точки зрения поиска данных. То есть я могу вам сказать, я до сих пор не понимаю, я могу ввести какой-то запрещенный запрос в сети. Вот многие люди проверяют OpenAI и ищут, например, как сделать бомбу, да? Там, или ищут еще как-- что-то. Я такие запросы не ищу, потому что у меня работает логика белоруса. Значит, если я введу такой запрос в систему, то потом мне через пять лет придут и скажут: "Вот вы искали, как сделать бомбу, значит, в системе, да. Все, у вас, значит, проблемы". Я скажу: "Так это я не искал, это я модель тестировал". Мне скажут: "Все, собирайтесь, значит, закрыты, да". И, э, ну, честно сказать, я такие запросы не запускаю именно по этой причине. Хотя я понимаю, какое-- миллионы людей запускают абсолютно специфические запросы, но я же как бы осознаю, что раз у меня есть история моих чатов и всего остального, то есть даже если я temporary чат сделаю, есть вероятность, что эти запросы где-то хранятся. То есть если, смотрите, если данные хранятся в соцсетях, если данные хранятся в телефонных переговорах, ну, то есть очень же много данных хранятся. Ну, будет странно, если данные не будут храняться в чатах, там, данные хранятся в запросах, в поиске. Очень много. Ну, то есть данные очень серьезно хранятся, да, в мире. Логично, что искусственный-- а сейчас, во-первых, скорость поиска, качество поиска у ис-искусственного интеллекта. Кстати, замечу, мое бесконечное пожелание, OpenAI чуть-чуть его реализовал. У них стал поиск более менее нормально по чатам работать. Он ищет все чаты, проходит их, ищет слова в этих чатах, связывает как-то. То есть, кстати, поиск стал работать. Я не знаю, вы заметили это или нет. Поиск уже прикольно работает не только по названиям, там, чатов, он ищет
Не только по названиям там чатов он ищет внутри. Я, по крайней мере, стал находить там вот эти свои какие-то миллиарды чатов и всего. То есть, вот, эээ, это, это вопрос. Они, кстати, OpenAI также написал, эээ, не то что жалобу, он критикует жесткое регулирование в Европе и говорит, что если Европа выпустит все же до конца, и вот, ну, у них пойдут эти принятия акта про искусственный интеллект, то, эээ, будут огромные проблемы, и компании перестанут инвестировать в регио-- в европейский регион, а будут инвестировать в регионы с меньшей регуляторикой. То есть понятно, что есть регионы, где регуляторики меньше. Но я что-то не вижу, что в регионах, в которых плевали на регуляторику и плевали на авторское право, что в них идет какое-то развитие. То есть я не вижу, что в каких-то из этих стран кто-то серьезно появился. То есть серьезных таких вроде не появляется. Ну, потому что Китай, давайте open source Китая — это я бы не назвал это open source, не знаю.
У меня никогда, у меня никогда не пошевелится язык назвать китайский open source, open source. Вот.
Мы рассмотрим эту новость про видео. Ой, про видео, господи, про поиск местоположения по картинке. Это очень крутая новость из серии как ты в аптеке, Саш, искал лекарства.
Слушай, это очень интересная история. У меня не только в аптеке, я говорю, я искал в аптеке, я искал, эээ, фотографировал просто там пространство себе, мне надо было по цветам сделать. Вот я фотографировал, у меня была ситуация, у меня в саду растут там сотни растений, я посадил, и часть горшков, там, может, горшков пятнадцать в одной зоне были перенесены как бы на солнце. И я пришел, я уже заб-забыл, так как сезон меняется, забыл, что в жаре можно стоять очень сильно, потому что у нас двенадцатичасовой солнечный день, да? Я сфоткал массово, и он мне очень круто картинку разобрал, и там можно видеть. То есть если вы в O3 сфоткаете, вы будете видеть, как он ищет по сегментам, и он как бы шагами идет. То есть отличительная особенность, вот, там есть примеры в интернете. Там журналисты, например, готовили статью про поиск информации про определенного человека. То есть он, он идет шагами, он находит какую-то информацию, обрабатывает, потом из этой информации запускает следующий запрос, обрабатывает его, потом из этой информации запускает следующий запрос, обрабатывает его, потом запускает следующий запрос, обрабатывает его. Можно подумать, типа что это deep research, но это как бы вроде как не deep research, да? Потому что типа в deep research нету reasoning базовая. Насколько я понимаю, в deep research нету reasoning. Но типа O3 вместе с deep research — это все же с reasoning. Вот. То есть там последовательность вот эта. Он также разбирает картинки и разбирает изображения. Я не знаю еще раз, насколько это уникальная технология, я здесь не разбираюсь. Вот Саша, может быть, ответит, насколько это уникальная технология, но то, что они это визуально отображают, показывают, ищут. И есть очень много аналитиков, которые про это написали. Эээ, и еще раз для меня это выглядело очень прикольно, да? То, что вот он тебе как бы подсвечивает некоторые сегменты, а не просто как-то картинку анализирует. Кстати, обратите внимание, что первое, что выложило O3 — кейс. Они выложили у себя в соцсетях в день презентации O3, они в Инстаграме выложили кейс, они сфоткали одного из их сотрудников, по-моему, бабушки или дедушки письмо друг другу. И это было написано, эээ, ру-- ну, рукой, рукой написано. Зна-- вы знаете или нет, что огромное количество американцев не умеет читать рукописный текст. То есть очень много людей, ну, насколько я понимаю, это в мире, это в мире много распространено, что есть страны, где люди не учились этому, да? Сейчас это учат, но есть, где не учились рукописно. И, соответственно, если человек рукописно не читал, он не прочитает, ему тяжело читать. И там очень сложно вот этот почерк, который нечитаемый. Так вот, они как раз таки показали, как модель O3 очень круто распознает изображение. Супер качественно. Еще раз, я не знаю с Grok. Вот Саша про Grok говорит, просто мне очень сложно сделать какие-то выводы, потому что это надо сидеть прямо и заниматься кросс-тестами. Меня интересуют всегда тесты, которые направлены не на сложную там математику или на сложное программирование, или на какую-то науку. Меня интересуют вещи, которые в жизни можно каждый день применять. Эээ, сделать какой-то там кейс по здоровью, сделать какую-то вот тему, как я привел, там собака или в аптеке и так далее. Сейчас, конечно, безумное время, да?
FDA, кстати, одобрило двести двадцать три AI устройства для применения в медицине, двести двадцать три AI устройства уже одобрено.
Там Таня говорит про новость, где по фотографии, эээ, условно ChatGPT 503 может найти, а где же этот объект находится. То есть, условно, ты сфоткался, а он говорит вот Калифорния, там, эээ, через два дома от Капитолия.
Гена, это работало полтора года назад.
Но меня поразил кейс, что вот там вот рассматривался парень в библиотеке, сфотографировал в библиотеке, в какой-то рандомной полку с тремя книгами. И по этим тремя, трем, господи, трем книгам ChatGPT определил, где он находится, в какой библиотеке, в каком городе и вообще. То есть вот для меня это было просто, ну, такое шоковое.
Это безумно, да. Это, это, это безумно, да. Это, ну, наверное, это уникальные книги, которые принадлежали этой библиотеке более, да?
Это как если бы ChatGPT тебе сказал, в какой аптеке ты стоишь.
Да, да, да. Но он же фактически так и это, почти и сказал, что на этой полке должно быть вот это. По идее, он должен уже определять, в какой аптеке Саша стоял. Если верить их релизу.
Не, я ему... Не, он не может. Не, ну это невозможно. Он не может определить, потому что там разные раскладки. Единственное, какой я ему вопрос задал. Я сказал, что я в аптеке CVS и как мне найти вот это вот лекарство в аптеке CVS. Он мне до этого, я ему сфоткал рану, показал рану. Он мне сказал, какое надо лекарство. Я пришел в аптеку, не мог найти его в аптеке. Спросил, в каком отделе CVS мне надо искать. Он мне сказал, что оно должно быть там-то. Я подошел в этот отдел, сделал ему три фотографии этого отдела, сказал, где оно стоит. Он сказал: "Вот это лекарство стоит вот в этой зоне, оно есть, вот его название".
И дальше я сказал: "Я его не вижу", и оно мне помогло его найти. То есть кейс был вот такой Да, но это не то, чтобы он мне, да, да.
На эту тему я не помню, обсуждали, не обсуждали про с-смарт очки. Там, был видео с кейсом, где женщина-
Да, слепые.
Да, да, да. С проблемами со зрением. И она просто ходит. Ей вот, условно говоря, устройство говорит, куда пройти, чтобы купить яблоки. Она там поднимает, да, вот это яблоки того сорта, который вам нужен. Там накладывайте. Теперь нам нужен лук, да? И вот она ее там ориентирует по магазину, чтобы пройти, там, до следующей полки. То есть, в целом, это уже и на бесшовном уровне тоже где-то начинает работать. Поэтому здорово, что такие кейсы проникают.
Да, это прикольно, что ты правильно говоришь, что это такой бесшовный уровень, потому что есть все же вещи чуть-чуть сложнее, а есть-- и это применение, конечно, очень полезное. То есть с точки зрения жизни людей, особенно взрослых людей, ну, кому тяжелее там где-то что-то найти, прочитать, изучить. То есть, вот это, ну, я про себя не говорю, что уже сам тут документы многие не читаешь, да? Просто их отфоткиваешь, отправляешь, там тебе находят эту информацию, да. Ты уже не занимаешься, обрабатываешь совершенно другой объем инфы.
Еще на эту тему кейс прикольный был. По-моему, эту новость я в список не добавлял, но там этот швейцарская компания, которая производит оборудование для плотников и столяров, она, в общем, насадки, да, я добавлю, если найду, насадки, для оборудования. То есть, условно, ты там на бензопилу, еще на какое-то устройство крепишь свой телефон, включаешь, вот, AR-устройство, да, которое, там, дополненной реальности и условно, ту конструкцию, то изделие, которое тебе нужно изготовить. И вот произведя несколько замеров, она показывает прямо на заготовке твоей, где и как тебе нужно будет отпиливать. Причем точность там до долей миллиметра, условно, тебе нужно там просверлить вот здесь отверстие, она показывает, в каком месте дерево, ты камеру двигаешь, ответственно, ну, точка, где нужно сверлить, остается на одном и том же месте. И вот помогает тебе, сложным оборудованием изготовить сложную деталь, но вот с подсказками. Это как-
Да, это классно.
Все же раньше мучились с инструкциями из Икеи, которые тяжело собрать мебель, хотя вроде там все друг к другу подходит.
А здесь ты уже более сложные вещи, там, можешь с инструментом, с оборудованием сделать.
Ну, похоже тоже то, что ChatGPT начал делать CAD, CAD чертежи наконец-то. Такие, еще пока, начальный уровень, но все равно уже для разверток это очень прям помогает.
Слушай, мне кажется, в таких домашних делах супер! Мне надо тут для одной машины, у меня у нее снимается крыша, и в-- на лето я снимаю крышу полностью, и она подвешивается. Такая система, которая подвешивает ее в гараж-гараже к потолку. И я, например, не понимал, как мне продиагностировать, где там балки в потолке. До конца точно не знал, до конца так можно повесить или нет. И вчера так-- надо было целую серию, целую серию скинуть. Но, знаете, что было интересно? Что o3 полез искать в документацию города и county моего района, как обычно в гаражах делают потолки и какие там балки, и какие в этом регионе расстояния между балками, чтобы полностью сделать. Он мне написал, что если вы не хотите лезть на чердак и проверять эти балки, и выдал мне этот ответ, я потом сам поверил. У меня есть устройство, которое диагностирует балки.
Да, есть устройство.
Да, но из, но из-за того, что, понимаешь, я все равно боялся. Я не-- я, я, я там не строитель и так далее. Все равно боялся, да. Я потом этим устройством проверил. Оно точно нашло это расстояние сорок шесть миллиметров там между балок, ну, или там-
Да, это кодом. Но их могли нарушить, Саш, понимаешь, в чем проблема?
Да, понятно, понятно. Но само-- я еще раз перепроверил. Он еще раз со мной перепроверил, дал мне полностью все детали
Ещё раз со мной перепроверил, дал мне полностью все детали, потом мне подсказал, какие там брать точно, э, свёрла, как мне что вкручивать, что мне дополнительно использовать затем, где надо. Гораздо больше, чем инструкции. То есть, и это мне позволило, а, позволило вы-- сделать правильный выбор для того, чтобы заказать вот это крепление для этой крыши в гараже, да? Потому что это, ну, отдельная для меня проблема была, как правильно-- во-первых, как правильно эту крышу снимать, потому что она достаточно тяжелая, да, ее одному снять тяжело, а так ее одному можно снять и сделать. Я надеюсь, она не рухнет на какую-нибудь мою другую машину, эта крыша, да? Или на детей. Вот я надеюсь-
Кого
потом судить?
Да, да. Кого потом судить? Я ее там буду прикручивать и смотреть. И проверю, конечно же. Я десять раз там проверю, что происходит. Хочется, хочется к тому, что мы сегодня рассуждаем, сколько решений есть у искусственного интеллекта, закончить нашу встречу интересным высказыванием главы Shopify. Он, значит, Тоби Лютке — это генеральный директор e-commerce платформы Shopify. Такая огромная e-commerce платформа, кто не знает. Он разослал внутренний манифест сотрудникам, дословно в котором было написано следующее: "Прежде чем просить дополнительный штат или ресурсы, команды должны продемонстрировать, почему они не могут добиться желаемого с помощью искусственного интеллекта". Значит, сначала докажите, что искусственный интеллектор-- интеллект не справится, а потом давайте нанимать. И сейчас вообще, конечно, а, в, ну, в обычной жизни у людей это незаметно, но в бизнесах серьезные, прямо заметные вещи. Microsoft чистит огромное количество менеджмента, чтобы был один менеджер, там, не больше чем на десять программистов. В Intel наняли нового CEO. Этот CEO сразу же пришел и сказал: "Нафиг кучу менеджеров, потому что надо, чтобы, наприм-- я хочу...". Он сказал: "Я хочу напрямую управлять программистами, чтобы разрабатывать искусственный интеллект". Я в этот момент реально ржу, ребят. Я всю жизнь проживал, где в управлении все рассказывали, что надо формировать менеджеров, которые управляют всем остальным. И генеральный директор не должен заниматься разработкой. Я как сам программист всегда на это наблюдал с усмешк-- ну, такой, потому что я сам всегда управлял, Эльнар это знает, технической разработкой, шел вниз, там, обсуждал с ними базы данных, а, и а все рассказывали, что это делать не надо. А сейчас мир переходит в режим того, что давайте вы вначале, э, AI, поставьте AI-софт и докажите, что нет. И потом не будем нанимать людей. Вот очень интересная тема.
Да, мне просто понравилась очень новость. Она такую немножко ностальгию мне добавила. Вот ты, как ты уже упомянул про "спасибо" и "пожалуйста", когда ты общаешься с чат-ботом.
Это очень круто.
Да, да, да.
И, собственно, пишешь ему там вежливо просишь, говоришь: "Пожалуйста". Он тебе ответил. Ты говоришь: "Спасибо большое за твой ответ" и так далее. И вот у Альтмана же спросили, да, вот как ты сказал, что много ли денег компания на это тратит. Он говорит: там десятки миллионов долларов. И тут вспоминается, помните, эсэмэски раньше были, и они были там по количеству символов. И там начинаешь сокращать вместо "спасибо" "спс" пишешь, да? Там еще какие-то вещи. А самые прошаренные писали еще не кириллицей, а писали латиницей, когда ты-- потому что в два раза меньше, э, символов занималось, если ты пишешь не русскими, в смысле ты пишешь русские слова, но-
Конечно.
На латинском алфавите. И если вы это-
До сих пор многие так пишут.
Ну, это у кого на клавиатуре не все раскладки есть. Да. Вот. Но в целом, если историю экстраполировать и пытаться экономить ресурсы, то вот, соответственно, можно попробовать сокращать тот текст, который вы пишете. В идеале писать на английском языке, потому что токенов тогда будет тратиться меньше. Вот. Но это уж такой-
Но если у вас платная подписка, вы это можете не делать.
Я так не делала, но после того, как со мной так поговорил мой ChatGPT, пожалуй, начну. А то неизвестно, что он мне завтра ответит.
Тут, тут, тут скорее история даже не про платность, про, эээ, бережное отношение к ресурсам. Это как зеленые же любят говорить, что вот там надо ресурсы беречь, что так далее, что на генерацию одного ответа уходит там три литра воды или вот типа того. И что вот можно сократить потребление этого ресурса, уменьшить такой карбоновый эффект.
За счет вежливости.
За счет того, что ты потеряешь вежливость.
Эльнар, карбоновый эффект. Кстати, ты интересную, интересную сейчас тему поднял. Вот если говорить про карбо- карбоновый эффект, я вчера делал, сейчас я секундочку скажу, как раз анализ, э, анализ этого, эээ, влияния, вот то, что ты сейчас сказал, да? Sustainability, да? Короче, было написано, что обучение GPT-4 оценивают в пять тысяч сто восемьдесят четыре т CO2. Т — это что, тонна или что это, я не знаю просто. А средний житель США тратит восемнадцать тонн в год, то есть восемнадцать против пяти тысяч сто восемьдесят четыре. Вот. И-
От одного среднего жителя США-
Конечно, конечно, конечно. Там еще, там, на самом деле есть контртренд. То, что энергоэффективность чипов растет и инференс затраты на токены падают, смягчая, вот как бы выравнивая эту кривую. То есть мы все же видим с вами уменьшение. Ну, точно, точно. Сейчас все становится гораздо легче. Хотя, судя по модели o3, они явно сделали ставку на большие ресурсы, как всегда.
Это, возможно, мы уже в следующем выпуске, а, обсудим. Но в целом такая ценовая война потихонечку начинается, потому что Gemini по API дешевле стал. Grok еще дешевле стал. На фоне всех Claude и OpenAI пока выглядит довольно дорого, но, по-моему, OpenAI тоже уже цены на новые модели, на мини версии тоже подрезал. Да? И там есть возможность немножко играться, как быстро тебе нужен ответ. Вот, в общем, это тоже мы как-нибудь, наверное, в следующем выпуске тоже обсудим.
Да. И кстати, обратите внимание, что в Pro, в Pro версии, вот у меня Pro версия, я сейчас не понимаю, в чем суть Pro версии. То есть у меня deep research больше или что? Потому что o3, o3 Pro ее как бы нету. То есть я пока сейчас не понимаю, или у меня o3 по-другому работает или что? То есть я насколько, насколько сейчас они, они как-то, кстати, забыли, Саша, они, походу, забыли про пользователей, как всегда, да? То есть они попродавали им, значит, по двести, по двести долларов. Сейчас сделали выпуск и забыли. Хотя бы написали бы, не знаю, просто по приколу. Мы на вас тратим больше денег.
А у вас лучше, да?
Для Pro, да.
Да.
А? Ты не смотрел? Не знаешь? Не знаешь, да?
Мне кажется, забыли. Да. Мне кажется, забыли.
Да. Модели. Ты, Эльнар, кстати, прикольно сказал, потому что Grok тот же, он же сейчас включил, вот сегодня или вчера он включил еще память. То есть он все начинает уже память сохранять. И о вас память сохраняет. Я, конечно, жду очень сильно память и жду нормальное понимание, кто я такой, и понимание, как со мной общаться и какие у меня вокруг, что меня за пространства окружают и так далее. Я, конечно, это очень сильно жду. То, что они начали какие-то чаты уже изучать. Если они смогут этот весь объем в этом находиться в каком-то объеме, хотя, конечно, это безумно сложно, это будет очень интересно, это будет очень интересно, когда они это сделают. Увидимся в следующую среду, в воскресенье у нас выпуск будет большой, а в среду у нас тематические выпуски. Ждем вас в среду на нашем тематическом выпуске. Поддерживайте каналы, не запуска-- не забывайте подписываться, ставьте лайк.