AI Product | Igor Akimov

Чему учиться, когда ИИ уже умнее? Министр образования Эстонии ответила на этот вопрос за 13 минут – лучшее, что я видел про ИИ в образовании. Главное ниже, но видео стоит посмотреть целиком. Проблема – Ещё в 2017-м ОЭСР выяснила: у 2/3 работников грамотность, счёт и цифровые навыки ниже возможностей тогдашних компьютеров – Отсюда неудобный вопрос: зачем развивать мышление, если компьютер справляется лучше? Может, бросить учиться? Что происходит с мозгом – Мозг работает в двух режимах. Низший – память, понимание, применение, «автопилот». Самый дешёвый по энергии, поэтому мозг его обожает – Высший – анализ, оценка, созидание. Выматывает сильнее марафона: после сложного экзамена ты «мёртв» физически – Школа 200 лет тренировала только низший: «запомни – пойми – примени – сдай тест» – ИИ уже умеет всё нижнее и почти всё верхнее. Человеку остаются этическая оценка и настоящее созидание – вкус, насмотренность, опыт Что делать – Осознанно тренировать людей постоянно быть в высших когнитивных процессах – начиная с 12–13 лет – Делать это вместе с ИИ: именно он выталкивает с автопилота. Без него школа скатится в зубрёжку, а ученики – в brain rot и когнитивный аутсорсинг, когда домашка просто списывается. То же самое, кстати, делают «взрослые» с презентациями, которые даже не просматривают глазами Что сделала Эстония – программа AI Leap – Запуск в феврале 2025-го, пилот в 10–11 классах, с сентября 2026-го – профобразование – ИИ-тьютор по методу Сократа, созданный с OpenAI: не отвечает, а ведёт вопросами – Финансирование 50/50 – государство и бизнес, управляет фонд: «министерство – не место для инноваций» – Абсолютный фокус – подготовка учителей Кажется, закрыл для себя вопрос, чему и как учить сына. И лишний раз убедился: самые полезные для образования и государства системы сегодня делают лаборатории уровня OpenAI и Anthropic – а не консалтеры, учёные или блогеры. https://www.youtube.com/watch?v=44St9MoJU0E

По бенчмаркам Kimi K3 на разные темы тоже в топе, обошла Sol, и только чуть отстаёт от Fable. То есть можно наконец независимым провайдерам предлагать модели топ уровня. Иметь "свой Fable у нас дома". https://www.vals.ai/models/kimi_kimi-k3

Удивительно, конечно... Новая открытая китайская модель Kimi K3 - лидер в разработке сайтов... Офигеть

Claude тоже сбрасывает лимиты, на fable тоже :)))))

Не LLM единым. Новые модельки для таблиц и данных с сенсоров от Google Вышли уже "давно", аж 2 недели назад, но выглядят очень неплохо и решают проблему "ща запихну все в LLM она разберется" (не разберется). SensorFM обучена прямо на сырых сигналах с носимых устройств, всяких фитнес-браслетов – без перевода в текст. Триллион минут данных от 5 млн человек: пульс, кислород, сон, движение, температура. Бонус: снял часы – модель не ломается, пропуски для неё нормальная часть сигнала. Результат: на 34 из 35 медицинских задач бьёт модели, которые эксперты годами настраивали вручную. В том числе "ща закину все в Claude - она все офигенно поймет". Лучше всего ловит то, что по одному пульсу не видно – депрессию и тревожность. TabFM – то же самое для таблиц. С таблицами всегда была беда, слишком много надо учитывать. И к тому же много классических алгоритмов, которые "били" всех LLM-новичков. А табличные данные - это ж кровь бизнес и аналитики. Обычный путь: дата-сайентист неделю чистит данные, придумывает признаки, тюнит XGBoost. Здесь – кидаешь таблицу как есть и сразу получаешь прогноз, без обучения вообще. Забавная деталь: модель ни разу не видела реальных данных – её обучили на сотнях миллионов сгенерированных таблиц. И этого хватило, чтобы догнать тюненные классические модели. Скоро будет прямо в BigQuery одной SQL-командой. Крайне рекомендую. В общем, не забывайте, что LLM «думают» текстом. Скормить ChatGPT год показаний пульсометра или таблицу на 100 тысяч строк – значит превратить числа в текст. Модель такое читает как рассказ, а не как данные: структура теряется, числа она толком не «чувствует», а контекст забивается мгновенно. Пользуйтесь специализированными решениями. Тем более они уже реально хороши https://research.google/blog/sensorfm-towards-a-general-intelligence-and-interface-for-wearable-health-data/ https://research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data/

Прикольно. Можно написать твит про Codex, сравнить его с другими моделями и получить 100 баксов на счет OpenAI. Нужно быть действующим подписчиком хотя бы Go плана. Действует для первых 10000 участников. Вот здесь просить $100 - https://switch-to-codex.openai.chatgpt.site/#submit-post Расчехлил свой твиттер и запостил :) https://x.com/akimovpro/status/2077360804333015551 На самом деле действительно GPT-5.6 дает примерно в 2 раза больше использований при примерно том же уровне интеллекта. Творческие и текстовые/документные задачи все еще делает лучше Fable, но типичные рабочие вещи и кодинг задачи можно отдавать Codex и не бояться, что у тебя сожрутся лимиты или Fable отберут на днях... Короче, OpenAI перехватывает инициативу. Ну и 17 июля ждем Gemini 3.5 Pro

ИИ-агенты понимают, получится ли у них код, ещё до того, как его напишут Вышла интересная работа: исследователи заглянули во внутренние состояния coding-агентов и попробовали понять, что модель уже «знает» про код, над которым работает. Масштаб нормальный: – две открытые модели: Qwen3.6-35B-A3B и Laguna-XS.2 – 1231 задача из SWE-Bench Verified и Pro – 22 714 запусков агента – почти 80 тысяч изменений кода – медианная попытка – 52 шага и 36 тысяч токенов К внутренним состояниям модели подключили простую логистическую регрессию, то есть простой классификатор. И он смог определять: – полностью ли работает код – AUC до 0,83 – стало ли упавших тестов меньше – до 0,84 – компилируется ли код – до 0,78 – не сломал ли агент уже работавшие тесты Здесь 0,5 – случайное угадывание, так что сигнал довольно сильный. Причём лучше всего он читался не из последнего слоя модели, а примерно из середины. Но самое интересное – можно было частично предсказывать не только текущее состояние кода, но и будущее! По тому, что происходило внутри модели сейчас, исследователи угадывали, будет ли код рабочим примерно через 25 шагов. К этому моменту AUC падал до ~0,55 на SWE-Bench Verified и ~0,65 на более сложном SWE-Bench Pro, но всё ещё оставался выше случайности. Слабый сигнал сохранялся даже через 50 шагов – около 0,52 и 0,60 соответственно. Авторы назвали это latent programming horizon. Важная оговорка: шаг – это не обязательно новая правка. Агент может читать файлы, искать по проекту и запускать тесты. В медианной траектории было всего два реальных изменения кода. Поэтому речь не о том, что модель заранее держит в голове готовый патч. Скорее, она довольно рано понимает общее направление: задача реально чинится или агент уже куда-то не туда поехал. Практический смысл хороший: можно раньше останавливать провальные попытки, запускать параллельную ветку, повышать effort или подключать более сильную модель – до того, как агент сожжёт десятки тысяч токенов. Короче, код ещё не написан, а модель уже немного понимает, получится он или нет. Следующий шаг – научиться не просто читать этот сигнал, а использовать его, чтобы рулить агентом. Вот это будет прикольно. https://arxiv.org/abs/2607.05188v1

«Контролируйте идеи, а не код» Сальваторе Санфилиппо (antirez) – создатель Redis, одной из самых популярных баз данных в мире, написал провокационную статью. 20+ лет пишет код руками и славится его качеством. И вот он публично заявляет: проверять код, написанный AI, больше почти не имеет смысла. Мысли на самом деле очень схожие с тем, что переживаю сам: Раньше главным продуктом программиста был код. Теперь AI пишет код быстрее и в таких объёмах, что человек физически не успевает его читать – тысячи строк в день. Рабочий день не резиновый. Поэтому роль разработчика меняется: вместо «писать и вычитывать код» – придумывать, как устроен продукт, какие в нём идеи, куда он развивается, и тщательно тестировать результат. Antirez называет это «контролировать идеи». Это не «вайб-кодинг», когда просто просишь AI «сделай мне приложение» и надеешься на лучшее. Нужно глубоко понимать, что ты строишь, и проверять именно замысел: «объясни, как работает эта часть?» – а не вычитывать каждую строчку. Сам он код для Redis всё ещё проверяет, но честно признаёт: современные модели (упоминает Claude Fable и GPT 5.6) находят больше ошибок, чем он сам. Продолжает по одной причине – из уважения к людям, которые будут открывать эти файлы руками. Вместо ревью он предпочёл бы тратить время на документ с описанием идей: как устроена каждая часть системы, какие в ней хитрости и почему так. Тогда следующий человек (или AI-агент) сможет менять код, понимая замысел Интересный контраргумент критикам AI: софт был полон мусора и ошибок задолго до нейросетей. Он сам находил в популярных инструментах тонкие баги, которые годами никто не замечал. Так что «раньше было качественно» – миф. Единственная оговорка – новички. Им всё равно нужно научиться программировать на практике, иначе не появится то самое понимание, без которого «контролировать идеи» невозможно. Короче, ценность смещается от «умею написать» к «понимаю, что и зачем строю». Это касается не только разработчиков – та же логика скоро доберётся до юристов, аналитиков, маркетологов. Но есть ловушка: отпустить рутину можно, только если экспертиза уже наработана. Остальным надо будет до этого уровня сначала дорасти. https://antirez.com/news/169

А OpenAI убрал 5-часовые лимиты 😱, сделал более токено-эффективным Сол и ещё и скоро сбросит всем лимиты. Вот что конкуренция делает.

Красивое... И за 500 баксов в месяц. Все меньше надежд на профессии физического труда. https://youtu.be/QRyXV3csReA?is=RCH8Pey85SeFRPEz