Data Secrets
Маск пообещал сделать Альтмана и Брокмана «самыми ненавидимыми людьми в Америке» Так он ответил Брокману после того как тот накануне суда предложил ему взаимный отказ от претензий: К концу этой недели вы с Сэмом станете самыми ненавидимыми людьми в Америке.…
Илон Маск проиграл дело против OpenAI
Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.
То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.
Судья согласилась с вердиктом присяжных и формально отменила все иски.
Жюри из девяти присяжных в федеральном суде Северной Калифорнии вынесло единогласный вердикт: все три основных требования иска Илона Маска против Сэма Альтмана и Грега Брокмана (нарушение благотворительного траста, содействие в таком нарушении и необоснованное обогащение) оказались отвергнуты из-за пропущенного срока исковой давности.
То есть, фактически, Альтмана и Брокмана не признали невиновными, но Маск все равно остается ни с чем. Ни компенсации, ни реструктуризации OpenAI, которой он добивался, уже не будет.
Судья согласилась с вердиктом присяжных и формально отменила все иски.
👍115🫡65
Внутри Google сформировали специальный внутренний «комитет по компьюту»
Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.
То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.
Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.
На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.
Он распределяет доступ к кластерам TPU/GPU среди подразделений и проектов компании и решает, кто получает приоритет, а кто ждет в очереди.
То есть в условиях дефицита ресурсов даже сотрудникам Google приходится буквально конкурировать за железо и шлифовать продажные презентации для внутреннего комитета, чтобы получить квоту на вычисления.
Если квоту не дали, то ты со своим проектом либо останешься ждать в очереди, либо можешь пойти и слезно просить занять компьют у другой команды.
На фоне этого из Google начали уходить исследователи. В основном они перебираются в маленькие стартапы.
😁137🤔36🫡10🔥9❤4❤🔥1👌1
Google готовится релизнуть крутейшую видео модель
Сегодня у них пройдет ежегодная Google I/O, и они во всю раздают спойлеры. Судя по всему, нас ждет сильная омни модель – возможно, SOTA в генерации видео.
Например, вот такие видео выложили в преддверии мероприятия CEO Google Сундар Пичаи и главный источник сливов по Gemini Логан Килпэтрик.
Ждем
Сегодня у них пройдет ежегодная Google I/O, и они во всю раздают спойлеры. Судя по всему, нас ждет сильная омни модель – возможно, SOTA в генерации видео.
Например, вот такие видео выложили в преддверии мероприятия CEO Google Сундар Пичаи и главный источник сливов по Gemini Логан Килпэтрик.
Ждем
👍74🔥28❤16🤯1
Composer 2.5 от Cursor: качество Opus 4.7 и GPT-5.5 в 10 раз дешевле
Cursor удивили. Они выпустили очередного Composer, но если предыдущие версии были довольно слабые, то сейчас это уже можно назвать полноценным фронтиром.
cursor.com/blog/composer-2-5
Бенчмарки:
– SWE-Bench Multilingual: 79.8% (Opus 4.7: 80.5%, GPT-5.5: 77.8%).
– Terminal-Bench 2.0: 69.3% (Opus 4.7: 69.4%, GPT-5.5: 82.7%).
– CursorBench v3.1: 63.2% (Opus 4.7 max: 64.8%, GPT-5.5 default: 59.2%)
При этом стоит модель всего $0.50 за млн input / $2.50 за млн output. Это в 10 раз дешевле опуса. Fast-тариф стоит чуть дороже ($3.00 input / $15.00 output), но все равно дешевле Opus, примерно как Claude Sonnet 4.6. Единственное: публичного API нет, только внутри Cursor, CLI и веб.
Что касается внутрянки:
– Модель основана на Kimi K2.5 от Moonshot AI (как и Composer 2)
– Но базовые веса составили лишь 15% от потраченного компьюта, все остальное – кастомный RL и дообучение
– Из интересных приемов использовали Targeted RL with textual feedback. В классическом RL модель получает одну награду за весь ответ целиком, и непонятно, где именно она ошиблась. Cursor же делают так: когда модель делает локальную ошибку (например, вызывает несуществующий инструмент), прямо в это место вставляется подсказка, и веса как бы подталкиваются в сторону того, как модель повела бы себя с этой подсказкой.
Кстати, одновременно Cursor анонсировали следующую модель, которую они тренируют с нуля, используя в 10 раз больше компьюта, чем на Composer 2.5, на кластере Colossus 2 совместно с xAI. Конец 2026 года в AI-кодинге будет очень интересным.
Cursor удивили. Они выпустили очередного Composer, но если предыдущие версии были довольно слабые, то сейчас это уже можно назвать полноценным фронтиром.
cursor.com/blog/composer-2-5
Бенчмарки:
– SWE-Bench Multilingual: 79.8% (Opus 4.7: 80.5%, GPT-5.5: 77.8%).
– Terminal-Bench 2.0: 69.3% (Opus 4.7: 69.4%, GPT-5.5: 82.7%).
– CursorBench v3.1: 63.2% (Opus 4.7 max: 64.8%, GPT-5.5 default: 59.2%)
При этом стоит модель всего $0.50 за млн input / $2.50 за млн output. Это в 10 раз дешевле опуса. Fast-тариф стоит чуть дороже ($3.00 input / $15.00 output), но все равно дешевле Opus, примерно как Claude Sonnet 4.6. Единственное: публичного API нет, только внутри Cursor, CLI и веб.
Что касается внутрянки:
– Модель основана на Kimi K2.5 от Moonshot AI (как и Composer 2)
– Но базовые веса составили лишь 15% от потраченного компьюта, все остальное – кастомный RL и дообучение
– Из интересных приемов использовали Targeted RL with textual feedback. В классическом RL модель получает одну награду за весь ответ целиком, и непонятно, где именно она ошиблась. Cursor же делают так: когда модель делает локальную ошибку (например, вызывает несуществующий инструмент), прямо в это место вставляется подсказка, и веса как бы подталкиваются в сторону того, как модель повела бы себя с этой подсказкой.
Кстати, одновременно Cursor анонсировали следующую модель, которую они тренируют с нуля, используя в 10 раз больше компьюта, чем на Composer 2.5, на кластере Colossus 2 совместно с xAI. Конец 2026 года в AI-кодинге будет очень интересным.
❤128👍54😁19⚡10🔥7
Бизнесмен Потанин на ЦИПР точно сформулировал, как на самом деле устроен промышленный ИИ: не как автономная система, а как инструмент, который усиливает человека.
Он отдельно подчеркнул, что оператор остается в центре процесса и вмешивается при выходе за критические параметры. То есть речь не про «замену людей», а про ускорение принятия решений и снижение ошибок там, где цена ошибки — миллиарды.
И, пожалуй, самая важная мысль: ИИ начинает работать не тогда, когда он самый умный, а тогда, когда он встроен в конкретный процесс и дает измеримый результат. В случае «Норникеля» это уже десятки миллиардов потенциального эффекта. По ссылке - конкретнее
Он отдельно подчеркнул, что оператор остается в центре процесса и вмешивается при выходе за критические параметры. То есть речь не про «замену людей», а про ускорение принятия решений и снижение ошибок там, где цена ошибки — миллиарды.
И, пожалуй, самая важная мысль: ИИ начинает работать не тогда, когда он самый умный, а тогда, когда он встроен в конкретный процесс и дает измеримый результат. В случае «Норникеля» это уже десятки миллиардов потенциального эффекта. По ссылке - конкретнее
😁96🤨40❤19👍17🗿11🔥3🤔2🤝2🤯1
Андрей Карпаты теперь работает в Anthropic
Вот это настоящий удар по конкурентам, а не эти ваши модельки
Личное обновление: я присоединился к Anthropic. Думаю, следующие несколько лет на фронтире LLM будут особенно формирующими. Я очень рад присоединиться к команде и вернуться к R&D. Я по‑прежнему очень увлечен образованием и планирую в свое время снова заняться этой деятельностью.
Вот это настоящий удар по конкурентам, а не эти ваши модельки
1👍267🔥110❤34🤯18😁14🗿6
Итак, Google I/O. Основные релизы:
1️⃣ Gemini 3.5 Flash. По бенчмаркам обходит Gemini 3.1 Pro в кодинге, агентных задачах и на мультимодальности, при этом выдает скорость чуть меньше 300 токенов в секунду: это заметно быстрее GPT-5.4 mini и Claude Haiku, и примерно в 4 раза быстрее Opus, Sonnet и GPT-5.5. На презентации также показывали версию, выдающую почти 1500 токенов в секунду. Цена тоже намного доступнее Pro версий, GPT и Opus.
Gemini 3.5 Pro пообещали выпустить в следующем месяце. Gemini 3.5 Flash уже можно попробовать в Antigravity.
2️⃣ Gemini Omni. Как написали Google, это "первый шаг на пути к моделям, которые могут генерировать что угодно из чего угодно". В текущей версии Omni ограничена генерацией видео. На входе может быть текст, изображения, видео и голос, на выходе вы получаете видео. Качество генераций – конкурентоспособное, физика не страдает, фотореалистичность на уровне. Попробовать можно в приложении Gemini.
3️⃣ Antigravity 2.0. Добавили: всякие возможности для оркестрации параллельных агентов и субагентов, фоновые задачи, нативную поддержку голосовых команд. Выпустили Antigravity CLI (на замену Gemini CLI) и Antigravity SDK для создания кастомных агентов. На презентации показали, как система собрала рабочую операционку, на которой можно запустить Doom. На это понадобилось менее 12 часов, 96 агентов и менее 1 тысячи долларов.
4️⃣ Ну и по мелочи:
– полностью обновили интерфейс Gemini App, теперь ответы больше похоже на интерактивные страницы;
– для подписчиков AI Plus, Pro и Ultra добавили Daily Brief: персонализированный дайджест дня на основе Gmail, Календаря и задач;
– для Ultra теперь предлагают Gemini Spark: личного агента, который работает постоянно даже при выключенном ноутбуке и выполняет за вас задачи. Пока что интеграции только с инструментами Google, но обещают скоро добавить и другие;
– подписка Google AI Ultra теперь стартует от $100/месяц (раньше было от $250), а тариф за $250 подешевел до $200 без урезания возможностей и лимитов;
– анонсировали умные очки и новые ноутбуки Googlebooks.
Gemini 3.5 Pro пообещали выпустить в следующем месяце. Gemini 3.5 Flash уже можно попробовать в Antigravity.
– полностью обновили интерфейс Gemini App, теперь ответы больше похоже на интерактивные страницы;
– для подписчиков AI Plus, Pro и Ultra добавили Daily Brief: персонализированный дайджест дня на основе Gmail, Календаря и задач;
– для Ultra теперь предлагают Gemini Spark: личного агента, который работает постоянно даже при выключенном ноутбуке и выполняет за вас задачи. Пока что интеграции только с инструментами Google, но обещают скоро добавить и другие;
– подписка Google AI Ultra теперь стартует от $100/месяц (раньше было от $250), а тариф за $250 подешевел до $200 без урезания возможностей и лимитов;
– анонсировали умные очки и новые ноутбуки Googlebooks.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤92👍46🔥20⚡7
Внезапно выяснилось, что основатель DeepMind Демис Хассабис имеет долю в Anthropic
Financial Times провели расследование, и оказалось, что он был одним из первых так называемых «ангельских» инвесторов стартапа и вкладывался в компанию тайно.
Теперь же Демис и Амодеи – чуть не главные конкуренты друг друга.
Несмотря на это, напоминаем, что недавно Google подписали соглашение об инвестициях в Anthropic на $10 млрд. Возможно, как раз под влиянием Хассабиса?
Financial Times провели расследование, и оказалось, что он был одним из первых так называемых «ангельских» инвесторов стартапа и вкладывался в компанию тайно.
Теперь же Демис и Амодеи – чуть не главные конкуренты друг друга.
Несмотря на это, напоминаем, что недавно Google подписали соглашение об инвестициях в Anthropic на $10 млрд. Возможно, как раз под влиянием Хассабиса?
😁142👍18🤯9❤5😎4🔥2
В 2026 году желания просто “войти в ИТ” уже недостаточно
На фоне развития ИИ и растущей конкуренции, базовые требования становятся выше. Директор по росту, аналитике и монетизации экосистемы Т-Банка Владимир Абазов, номинант рейтинга Forbes 30 до 30, считает, что первым делом начинающим аналитикам все равно придется качать так называемые hard skills — статистику, математику, Python и SQL. Искусственный интеллект действительно упрощает вход в профессию, однако техническая база остается основой.
При этом работодатели все чаще смотрят не только на стек, но и на мотивацию человека. По словам Абазова, “горящие глаза” и интерес к решению задач становятся отдельным преимуществом — именно такие специалисты чаще предлагают нестандартные идеи и быстрее растут внутри компаний. А коммуникация — не менее важный навык. Рутину постепенно забирает ИИ, но умение договариваться, выстраивать нетворкинг и задавать правильные вопросы экспертам остается критически важным. И, наконец, аналитикам все чаще нужно понимать бизнес-контекст: не просто решать задачу, а видеть, как это влияет на пользователя и монетизацию продукта.
Таким образом, главный навык аналитика будущего — это не только код
На фоне развития ИИ и растущей конкуренции, базовые требования становятся выше. Директор по росту, аналитике и монетизации экосистемы Т-Банка Владимир Абазов, номинант рейтинга Forbes 30 до 30, считает, что первым делом начинающим аналитикам все равно придется качать так называемые hard skills — статистику, математику, Python и SQL. Искусственный интеллект действительно упрощает вход в профессию, однако техническая база остается основой.
При этом работодатели все чаще смотрят не только на стек, но и на мотивацию человека. По словам Абазова, “горящие глаза” и интерес к решению задач становятся отдельным преимуществом — именно такие специалисты чаще предлагают нестандартные идеи и быстрее растут внутри компаний. А коммуникация — не менее важный навык. Рутину постепенно забирает ИИ, но умение договариваться, выстраивать нетворкинг и задавать правильные вопросы экспертам остается критически важным. И, наконец, аналитикам все чаще нужно понимать бизнес-контекст: не просто решать задачу, а видеть, как это влияет на пользователя и монетизацию продукта.
Таким образом, главный навык аналитика будущего — это не только код
❤139🔥90😁46
Сэм Альтман предложил каждому стартапу в YCombinator 2 миллиона долларов в токенах за долю в компании
Скорее всего, рассчитывать на такую щедрость (aka почти безлимитный Codex) можно будет примерно за 7% акций: около того обычно берет сам YCombinator.
Но, очевидно, акции стартапов для Альтмана не главное. В первую очередь он хочет повысить популярность Codex и привязать молодые компании к своей экосистеме. Ведь у кого энтерпрайз – тот и победил, а конкурировать за этот рынок с Anthropic не так уж и просто.
Скорее всего, рассчитывать на такую щедрость (aka почти безлимитный Codex) можно будет примерно за 7% акций: около того обычно берет сам YCombinator.
Но, очевидно, акции стартапов для Альтмана не главное. В первую очередь он хочет повысить популярность Codex и привязать молодые компании к своей экосистеме. Ведь у кого энтерпрайз – тот и победил, а конкурировать за этот рынок с Anthropic не так уж и просто.
«Мне любопытно посмотреть, что будет с tokenmaxxing стартапами: как они будут работать внутри и какие продукты смогут создать» – написал Альтман.
3😁112❤22🔥20
Создатель механизма внимания Йошуа Бенджио предложил новую архитектуру для нейросетей
Вместе с исследователями из лабы KAIST и Нью-Йоркского университета он анонсировал GRAM – Generative Recursive reAsoning Models.
Ученые уже давно экспериментируют с так называемыми Recursive Reasoning Models. Идея в том, что в отличие от привычных ризонинг моделей они рассуждают не с помощью генерации дополнительных токенов, а как бы про себя, в пространстве внутренних состояний, которые итеративно уточняются, улучшая ответ.
Преимущество в теории очевидно: можно делать сотни шагов рассуждения без раздувания контекста. Но до этой работы такие модели были детерминированы, то есть при одинаковом входе всегда шли по одному и тому же пути и приходили к единственному ответу.
Почему это проблема? Потому что случайность – это источник креативного рассуждения самого по себе. В обычных ризонерах она есть, и это открывает путь к исследованию альтернатив и масштабированию через параллельный перебор. Нет случайности – нет возможности попробовать иначе, и это тупиковое развитие.
Заслуга GRAM как раз в том, что это первая в своем классе стохастичная модель. На каждом шаге рекурсии модель вычисляет детерминированный шаг – куда двигаться дальше – и добавляет к нему стохастический сдвиг. Среднее этого сдвига задает направление, а дисперсия – степень исследования. Чем сложнее задача, тем шире модель разбрасывает траектории. Затем из множества таких траекторий с помощью реворд модели выбирается лучшая.
На ARC-AGI GRAM набирает 52%, это примерно уровень GPT-5.2. А еще модель просто отлично играет в судоку.
https://ahn-ml.github.io/gram-website/
Вместе с исследователями из лабы KAIST и Нью-Йоркского университета он анонсировал GRAM – Generative Recursive reAsoning Models.
Ученые уже давно экспериментируют с так называемыми Recursive Reasoning Models. Идея в том, что в отличие от привычных ризонинг моделей они рассуждают не с помощью генерации дополнительных токенов, а как бы про себя, в пространстве внутренних состояний, которые итеративно уточняются, улучшая ответ.
Преимущество в теории очевидно: можно делать сотни шагов рассуждения без раздувания контекста. Но до этой работы такие модели были детерминированы, то есть при одинаковом входе всегда шли по одному и тому же пути и приходили к единственному ответу.
Почему это проблема? Потому что случайность – это источник креативного рассуждения самого по себе. В обычных ризонерах она есть, и это открывает путь к исследованию альтернатив и масштабированию через параллельный перебор. Нет случайности – нет возможности попробовать иначе, и это тупиковое развитие.
Заслуга GRAM как раз в том, что это первая в своем классе стохастичная модель. На каждом шаге рекурсии модель вычисляет детерминированный шаг – куда двигаться дальше – и добавляет к нему стохастический сдвиг. Среднее этого сдвига задает направление, а дисперсия – степень исследования. Чем сложнее задача, тем шире модель разбрасывает траектории. Затем из множества таких траекторий с помощью реворд модели выбирается лучшая.
На ARC-AGI GRAM набирает 52%, это примерно уровень GPT-5.2. А еще модель просто отлично играет в судоку.
https://ahn-ml.github.io/gram-website/
2❤164🤯50👍42❤🔥8🔥8🤔5⚡3😁1
Media is too big
VIEW IN TELEGRAM
Внутренняя модель OpenAI опровергла человеческое решение 80-летней задачи
Речь идет об очень известной задаче Пола Эрдеша, которую он поставил в 1946 (и даже назначил денежный приз за решение). Звучит она просто:
Например, если взять 4 точки, то ответ дает квадрат, и получается 4. Но если точек больше, то все уже не так просто. Собственно, математики задавались вопросом, какова природа этого максимума, и как он растет (линейно или быстрее?).
Сам Эрдеш определял верхнюю границу роста числа единичных пар как чуть выше линейного. И в целом почти 80 лет математики были уверены, что наилучшие конструкции выглядят примерно как квадратные решетки. Короче, задача была как будто закрыта.
И вдруг OpenAI объявляют, что некая "внутренняя ризонинг модель" обнаружила совершенно новое семейство конструкций, которое превосходит решетку. При этом, по словам стартапа, это модель общего назначения, а не спецаильно обученная для математики.
Технически, исходная нижняя оценка Эрдеша опиралась на гауссовы целые числа. Модель же связала геометрическую задачу с совершенно другой областью математики – алгебраической теорией чисел. В итоге получилось бесконечное семейство конфигураций точек, дающих значительно больше единичных пар, чем считалось возможным.
Доказательство верифицировали несколько авторитетных математиков. Один из них сказал, что уверен, что в ближайшие годы ИИ решит еще много открытых задач.
openai.com/index/model-disproves-discrete-geometry-conjecture/
Речь идет об очень известной задаче Пола Эрдеша, которую он поставил в 1946 (и даже назначил денежный приз за решение). Звучит она просто:
Возьмите n точек на плоскости. Сколько максимально пар из этих точек могут находиться ровно на расстоянии 1 друг от друга?
Например, если взять 4 точки, то ответ дает квадрат, и получается 4. Но если точек больше, то все уже не так просто. Собственно, математики задавались вопросом, какова природа этого максимума, и как он растет (линейно или быстрее?).
Сам Эрдеш определял верхнюю границу роста числа единичных пар как чуть выше линейного. И в целом почти 80 лет математики были уверены, что наилучшие конструкции выглядят примерно как квадратные решетки. Короче, задача была как будто закрыта.
И вдруг OpenAI объявляют, что некая "внутренняя ризонинг модель" обнаружила совершенно новое семейство конструкций, которое превосходит решетку. При этом, по словам стартапа, это модель общего назначения, а не спецаильно обученная для математики.
Технически, исходная нижняя оценка Эрдеша опиралась на гауссовы целые числа. Модель же связала геометрическую задачу с совершенно другой областью математики – алгебраической теорией чисел. В итоге получилось бесконечное семейство конфигураций точек, дающих значительно больше единичных пар, чем считалось возможным.
Доказательство верифицировали несколько авторитетных математиков. Один из них сказал, что уверен, что в ближайшие годы ИИ решит еще много открытых задач.
openai.com/index/model-disproves-discrete-geometry-conjecture/
❤98👍56🔥30🗿9😁1
Системный аналитик помогает бизнесу и разработке говорить на одном языке: разбирает задачи компании, описывает требования, проектирует IT-решения и следит, чтобы система работала на реальные цели бизнеса.
Онлайн-магистратура СПбГУ и Нетологии «Системный анализ и интеллектуальные системы управления бизнес-процессами» готовит специалистов на стыке IT и управления.
В программе сочетаются академическая база СПбГУ и прикладные инструменты Нетологии. Студенты изучают математическое моделирование, алгоритмы, системный анализ, Python, BI-системы, no-code-инструменты, управление проектами и подходы к внедрению искусственного интеллекта.
Такой набор навыков помогает работать со сложными бизнес-процессами: находить узкие места, снижать риски при разработке, формулировать требования к системам и сопровождать внедрение IT-решений.
Обучение проходит полностью онлайн. После выпуска вы получаете диплом магистра СПбГУ очного образца по направлению «Прикладная информатика».
Подробнее о программе
Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5yYSVhk
Онлайн-магистратура СПбГУ и Нетологии «Системный анализ и интеллектуальные системы управления бизнес-процессами» готовит специалистов на стыке IT и управления.
В программе сочетаются академическая база СПбГУ и прикладные инструменты Нетологии. Студенты изучают математическое моделирование, алгоритмы, системный анализ, Python, BI-системы, no-code-инструменты, управление проектами и подходы к внедрению искусственного интеллекта.
Такой набор навыков помогает работать со сложными бизнес-процессами: находить узкие места, снижать риски при разработке, формулировать требования к системам и сопровождать внедрение IT-решений.
Обучение проходит полностью онлайн. После выпуска вы получаете диплом магистра СПбГУ очного образца по направлению «Прикладная информатика».
Подробнее о программе
Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5yYSVhk
🗿11😁7❤2👍1
OpenAI начинает официальный процесс выхода в IPO
WSJ пишут, что они планируют подать заявку регулятору буквально сегодня или завтра. Видимо, у них уже все было готово, и они дожидались только окончания суда с Маском.
После подачи заявки она будет рассматривать несколько месяцев, так что в четвертом квартале 2026 года IPO может случиться, и оно, вполне возможно, будет одним из крупнейших в истории.
WSJ пишут, что они планируют подать заявку регулятору буквально сегодня или завтра. Видимо, у них уже все было готово, и они дожидались только окончания суда с Маском.
После подачи заявки она будет рассматривать несколько месяцев, так что в четвертом квартале 2026 года IPO может случиться, и оно, вполне возможно, будет одним из крупнейших в истории.
❤42👍14
Media is too big
VIEW IN TELEGRAM
В Meta* обучают агентов прямо на действиях сотрудников и массово сокращают штат
В сети вирусится слитое аудиосообщение от Цукерберга: 30 апреля он якобы заявил менеджерам, что обучение на действиях сотрудников поможет резко улучшить способности моделей.
Короче, Цукерберг считает, что надо обучать агентов прямо на компьютерных сессиях и коде сотрудников, и что это будет существенным преимуществом перед конкурентами.
На самом деле, слухи о том, что подобную систему трекинга внедряют в Meta, ходили и реньше. Reuters еще 21 апреля сообщали, что есть некий инструмент Model Capability Initiative, который собирает движения мыши, клики, нажатия клавиш и иногда скриншоты – для обучения AI-агентов.
Самое интересное, что практически одновременно компания стала массово увольнять людей. На днях они объявили, что сокращают 8 тысяч сотрудников, а еще 7 тысяч переводят на новые AI-направления.
В сети вирусится слитое аудиосообщение от Цукерберга: 30 апреля он якобы заявил менеджерам, что обучение на действиях сотрудников поможет резко улучшить способности моделей.
Модели ИИ учатся, наблюдая за тем, как очень умные люди выполняют задачи. Средний уровень интеллекта людей в этой компании значительно выше, чем средний уровень людей, которых можно привлечь извне для разметки данных для ИИ.
Короче, Цукерберг считает, что надо обучать агентов прямо на компьютерных сессиях и коде сотрудников, и что это будет существенным преимуществом перед конкурентами.
На самом деле, слухи о том, что подобную систему трекинга внедряют в Meta, ходили и реньше. Reuters еще 21 апреля сообщали, что есть некий инструмент Model Capability Initiative, который собирает движения мыши, клики, нажатия клавиш и иногда скриншоты – для обучения AI-агентов.
Самое интересное, что практически одновременно компания стала массово увольнять людей. На днях они объявили, что сокращают 8 тысяч сотрудников, а еще 7 тысяч переводят на новые AI-направления.