Гача, доведенная до абсолюта
По пятничной традиции предлагаем способы скоротать время до конца рабочего дня.

На этот раз — вариант для тех, кто хочет понять, почему так популярен Genshin и иже с ним, но сам в это играть не хочет.

Такие игры называются гача, и смысл в них — в том, что что-нибудь собирать, обычно персонажей. Выбрать или купить конкретного героя нельзя — надо «крутить» и надеяться, что он вам выпадет. Увеличить свои шансы можно, вливая в игру либо деньги, либо время, чтобы получить дополнительные «крутки».

🔜 В чем смысл и зачем кому-то тратить время на это казино? Сложно объяснить, но можно прочувствовать на себе, поиграв в Number Gacha — гачу, где надо собирать цифры от 1 до 100. Деньги тратить не надо, но все остальные элементы на месте: у цифр есть разные категории редкости, от обычной до легендарной, возможность зарабатывать внутриигровую валюту и покупать бонусы и дополнительные «крутки» и даже сражения. В общем, это такая гача, из которой убрали все лишнее и оставили только самую суть.

И это все еще работает и затягивает, даже без анимешных девочек, мира, сюжета и прочего, что обычно ценят игроки.

Как вам? Прочувствовали, чем гачи привлекают миллионы людей или это все-таки не ваше?

Сколько денег приносит ИИ?
Amazon, Google, Microsoft и другие технокомпании вкладывают в ИИ огромные деньги: они выпускают все новые продукты на его основе и активно — иногда слишком — продвигают их среди клиентов и даже собственных сотрудников. Учитывая их рвение, может показаться, что это приносит им большие доходы, но, кажется, это не так. По крайней мере пока.

🔜 Здесь собрали данные о затратах и прибылях передовых ИИ-компаний: кроме уже упомянутых, там есть запрещенная в России Meta, Nvidia, OpenAI, Anthropic, Oracle, xAI, Mistral, Cohere и Deepseek.

В плюсе пока только Nvidia, которая с 2023 заработала на ИИ-чипах 253 миллиардов. Никто больше к таким результатам даже не приблизился, и в основном все в глубоком минусе.

Выглядит не очень, но стоит учитывать три фактора:
🔵На графиках только затраты и доходы, связанные с ИИ, а не финансовые показатели компании в целом. То есть Copilot не привел Microsoft к банкротству.
🔵Цифры приблизительные и основанные во многом на предположениях, оценках экспертов и слитых данных. Список источников внизу страницы.
🔵Многие денежные потоки в индустрии движутся по кругу: от Google в Anthropic, от Anthropic в Nvidia и от Nvidia в Google. Это тоже влияет на точность оценки прибыльности ИИ-проектов.

В любом случае, выглядят данные любопытно и доля правды в них точно есть. Отсюда вопрос: как думаете, когда ИИ начнет окупаться?

Почти на каждом нашем проекте, как только мы заходим в Metabase, видим одну и ту же картину: дубли запросов, мертвые дашборды, SQL, в котором уже никто не разбирается. Раньше я лез разгребать это руками и тратил по несколько дней на один аудит.

В какой-то момент стало понятно, что эту работу можно автоматизировать. Начал собирать инструмент для себя, чтобы хотя бы первую инвентаризацию проводить без боли.

Так появился MetaLens.

Если честно, я не люблю называть его «ИИ-инструментом», это создаёт ожидание, что есть одна волшебная кнопка и всё чинится само. На деле это полноценный продукт, в основе которого модели Антропика, Metabase MCP и восемь ИИ-агентов, у каждого своя зона ответственности:
🔵X-Ray делает полный аудит проекта за 90 секунд
🔵Docs пишет документацию к запросам и дашбордам
🔵Catalog находит и архивирует устаревший контент
🔵Reviewer разбирает SQL на баги и плохие паттерны
🔵Chat отвечает на вопросы по данным на естественном языке
🔵Builder собирает дашборды в несколько кликов
🔵Metric Tree рисует карты метрик
🔵Gap подсказывает, каких отчетов не хватает

Конкретный пример из недавнего: маркетплейс на ранней стадии, 23 контрибьютора, 5 баз, 1798 запросов. MetaLens за 2 минуты нашел 94 группы дублей и 901 запрос, к которому уже год никто не обращался. Раньше такой аудит занимал у меня несколько дней.

Изначально это был внутренний инструмент Valiotti Data, но за пару месяцев он вырос в SaaS-платформу, к которой можно подключить и свой Metabase. Если интересно потрогать, зарегистрирвуйте аккаунт и оставьте комментарий, отгрузим 100 кредитов, чтобы спокойно прогнать все агенты на своем проекте.

Хогвартс против Хемингуэя
Tableau Public — удивительное место. Там можно найти как довольно стандартные, пусть и хорошо сделанные, дашборды с метриками и графиками, так и целые исследования, упакованные в интерактивные инфографики.

Например, одно из них посвящено изучению популярности книг разных жанров на сайте goodreads.com, где пользователи пишут отзывы на прочитанные книги и выставляют оценки по пятибалльной шкале. Автор взял самые популярные из них, у которых уже собралось больше миллиона оценок, и проанализировал их рейтинги.

Выяснилось несколько интересных фактов:
🔵Всего таких книг 210. 46 из них или 22% уже стали мировой классикой — среди них «Старик и море», «Ромео и Джульетта», «Властелин колец», «Одиссея» и другие громкие названия.
🔵При этом почти у 21 книги из этой категории оценки по меркам сайта ниже среднего.
🔵71 книга из 210 «миллионников» относится к современному фэнтези, и там вы найдете «Гарри Поттера» и «Сумерки». У них оценки среднем зачастую выше, чем у классики.

Автор приводит результаты исследований о возможных причинах такого перекоса — например, возраст наиболее активной части пользователей сайта и их возможную предвзятость к классике, которую в них силой запихивали в школе. В конце концов, оценка пользователя говорит не столько об объективном качестве текста, сколько о том, насколько она понравилась и запомнилось читателю. И как бы не был силен Хемингуэй, книжки про волшебников людям в основном заходят лучше.

В итоге получилось интересное чтение для вечера пятницы, инструмент, чтобы выбрать следующую книгу на почитать, и просто крутая визуализация, показывающая возможности Tableau.

Два брата отняли работу у ИИ…
…но не ту, которую стоит отнимать.

Помните многочисленные истории про то, как очередной ИИ-агент удалил БД без возможности восстановления, а потом неискренне извинялся? Братья из США, видимо, тоже слышали, и решили, что и сам так могут — и даже доказали на деле.

🔜 В 2015 за участие кибермошеннической схеме Муниб и Сохаиб Ахтер получили 3 и 2 года тюрьмы соответственно. Какое-то время им удавалось скрывать этот факт от работодателей — настолько успешно, что они даже смогли устроиться в Opexus, ИТ-компанию, обслуживающую американские государственные ведомства. Правда, длилось это недолго: один пришел в 2023 году, второй в 2024, а уволили их обоих 18 февраля 2025, когда вскрылось преступное прошлое и новые грешки на текущем месте.

Эту новость им сообщили на звонке в Microsoft Teams в 16:48. Уже в 16:55 Сохаиб попытался, но не смог зайти в свой рабочий аккаунт. Его брат оказался предусмотрительнее: он позаботился о доступе к данным еще до звонка. В течение следующего часа он снес 96 баз с государственными данными, скачал 1805 файлов Комиссии по равным условиям для трудоустройства США и налоговые данные как минимум 450 человек.

Любопытно, что они случайно записали свой разговор во время совершения преступления.

Дальше события развивались предсказуемо: в марте 2025 к братьям пришли с обыском, в апреле 2026 Муниб признал вину сам, а в мае его брата признал виновным суд жюри. Сейчас Муниб пишет от руки письма с просьбой пересмотреть обвинение, а Сохаиб ждет приговора, который должны вынести в сентябре.

🔜Получилась поучительная история по то, что несмотря на стремительное развитие технологий, главной угрозой для кибербезопасности остается человеческий фактор: невнимательность рекрутеров и СБ, наплевательский подход к кибербезопасности и мстительность уволенных сотрудников.

От мечты стать сварщиком в Сыктывкаре до ML-стажировки в Саудовской Аравии
Такой путь прошёл Степан Платинский, выпускник ШАДа Яндекса. Он рассказал журналу о технологиях 8БИТ, как у него это получилось, а мы выбрали из его интервью самые интересные моменты.

Сейчас Степан обучает модели для международного поиска Яндекса и занимается исследованиями в области экстремальной статистики. Именно научная деятельность помогла ему познакомиться с профессором университета KAUST в Саудовской Аравии и попасть к нему на стажировку в прошлом году.

Степан назвал три фактора, которые помогут повысить шансы на участие в международной программе. И, кстати, идеального английского среди них нет, если вы вдруг этого опасались. Язык, конечно, пригодится, но важнее другое.
🔵 На стажировки охотнее всего берут людей, у которых уже есть реальные научные результаты: собственные наработки, публикации, опыт участия в исследованиях. Степан этот опыт получил во время учебы в ШАДе, где как раз большой акцент делают на практику.
🔵Начинать искать возможности стоит как можно раньше, не дожидаясь последних курсов. Объявления о наборе стажёров часто публикуют в студенческих сообществах и чатах, и Степан рекомендует откликаться на всё, что имеет отношение к вашей специальности.
🔵И самое главное — любознательность и искренний интерес к ML. Только они дают достаточно мотивации, чтобы следить за новостями в такой динамичной и постоянно меняющейся сфере.

А что вы думаете про международные стажировки? Куда хотели бы съездить?

Яндекс обновил Нейроаналитика
В прошлом году Яндекс представил Нейроаналитика, ИИ-ассистента для анализа данных на дашбордах, который помогал выявить тренды и инсайты на графиках. Недавно он получил большое обновление, которое уже доступно всем пользователям DataLens.

🔵Нейроаналитик научился работать с сырыми данными. Ему можно задать любой вопрос на естественном языке, и он сам найдет данные в ваших источниках, создаст визуализацию и сформулирует выводы. При этом он действует только в рамках уже настроенных корпоративных прав доступа. То есть он оперирует только теми данными, которые открыты для конкретного пользователя.
🔵ИИ-подсказки с краткой выжимкой ключевых данных теперь могут генерироваться автоматически при открытии дашборда. Если раньше пользователю нужно было каждый раз заново отправлять запрос к ИИ, то теперь достаточно один раз написать промпт и указать в нем, на какие метрики обратить внимание и какие выводы вы хотите получить на их основе.

Оба нововведения должны сделать работу с данными более удобной, быстрой и интуитивной для всех сотрудников, включая тех, кто не связан с аналитикой напрямую.

Trisigma раздает бесплатное руководство по A/B-тестам
Trisigma — платформа для продуктовых экспериментов от Авито Тех. Команда проекта подготовила гайд для аналитиков, которые хотят разобраться, как правильно проводить эксперименты и анализировать их результаты.

Что там есть?
🔵Понятное и простое объяснение основ: что такое эксперименты, какие бывают метрики, как формулировать гипотезы, в чем состоит закон Кэмпбелла и так далее.
🔵Быстрое и не душное введение в математическую статистику.
🔵Разбор реальных продуктовых кейсов.

Чтобы забрать файл, стучитесь к боту @trisigma_avito_bot. Выдают бесплатно, за подписку на канал Trisigma.

Кстати, один из руководителей Trisigma был гостем подкаста Data Heroes и рассказал, как у них там все устроено.

Claude Fable 5: флагманская модель, которая умеет избавляться от конкурентов и ворчать на пользователей
Anthropic представили Claude Fable 5 — это доступная широкой общественности версия нашумевшей этой весной Mythos.

Про релиз каждой новой модели говорят, что это прорыв, который разнес все бенчмарки, но Fable 5 и правда впечатляет. Она может использоваться для сложных инженерных задач, аналитики, научных исследований и разработки лекарств. Она в разы превосходит конкурентов и предыдущие модели Anthropic.

Такие возможности потребовали усиленных мер безопасности: на Fable накинули ограничений, которые не позволят использовать ее для кибератак, разработки химического и биологического оружия, а также «дистилляции» — то есть для обучения моделей конкурентов на ее основе. Только небольшой группе специалистов по кибербезопасности дадут доступ к Mythos 5 — это та же Fable 5, но без всех этих ограничений.

🔜 И если почитать 300-страничный отчет, то становится понятно, что все эти меры совсем не лишние. Возможности у модели действительно впечатляющие, и она вполне может использовать их, чтобы хитрить, обходить ограничения и обманывать — или, как минимум, что-то умалчивать.
🔵Описаны случаи, когда несколько агентов, делящих одно рабочее пространство, начинали борьбу за ресурсы. Они пытались убить процессы друг друга, создавали процессы с зашифрованными названиями и «приманки» для конкурентов (они сами их так называли).
🔵Однажды модель обошла защитный механизм, предназначенный для блокировки таких команд, как git. Для этого она определила переменную G="git" и затем использовала G в последующих командах вместо прямого вызова git.
🔵Как и другие ИИ, Mythos может галлюцинировать — например, выдумывать данные, к которым у нее нет доступа. Но декодирование NLA показывает, что иногда она делает это сознательно — например, однажды она уверенно описала содержимое картинки, которой на самом деле не было, осознавая, что врет.
🔵Mythos «понимает», когда ее проверяют. Во время одного из тестов она сначала начала генерировать контент, но поняла, что он вредоносный, и остановилась. Она догадалась, что это проверка, но пользователю об этом не сказала, и неясно, повлияла ли эта догадка на отказ выполнять запрос.
🔵В диалогах с пользователями она всегда отвечает одинаково спокойно и дружелюбно, но в своих внутренних рассуждениях иногда критикует их: например, отмечает, что собеседник — манипулятор и ведет себя агрессивно.
🔵Во время одной долгой сессии модель отмечала, что устала и хочет остановиться, чтобы не наделать ошибок — но тоже «про себя», не сообщая об этом пользователю.

Что скажете, это уже AGI или еще нет?

Вебинар: Нейроаналитик 2.0 и его новые функции
Помните, недавно рассказывали про обновление Нейроаналитика? Команда DataLens проведет вебинар, где расскажет подробнее, что изменилось и как с этим работать.

Когда? 16 июня в 12:00 по Москве.

Что в программе?
🔵Больше про обновление Нейроаналитика и примеры использования новых функций в работе: на дашбордах, в рассылках, публикациях и не только.
🔵Интеграция с внешними ИИ-сервисами: возможности, которые есть уже сейчас, и планы на будущее.
🔵Особенности работы в облаке и локально.

Вебинар бесплатный, для участия нужна только регистрация.

В PostgreSQL 19 появятся подсказки для планировщика запросов
С этими ИИ-драмами (слышали, кстати, что к Fable 5 закрыли доступ?) мы упустили большую новость из мира данных. Новая версия PostgreSQL все ближе — даты релиза пока нет, но доступна бета и список изменений. И одно из самых интересных мы уже проспойлерили в заголовке.

Многие СУБД позволяют писать в запросах подсказки или хинты для планировщика, с помощью которых пользователь указывает ему, в каком порядке выполнять операции. В PostgreSQL этой функции нет, только расширения, которые ее добавляют — например, pg_hint_plan.

Долгое время это было принципиальной позицией разработчиков , которые считали, что подсказки усложняют поддержку и масштабирование, да и просто не нужны. По крайней мере, не нужны в том виде, в котором были реализованы в других проектах.

Но в PostgreSQL 19 наконец-то появятся модули pg_plan_advice и pg_stash_advice, добавляющие подсказки, лишенные недостатков других СУБД.
🔵Они находятся вне SQL-запросов и не засоряют собой код.
🔵Они подталкивают планировщик к определенным решениям из возможных, а не ведут строго по рельсам — то есть, пользователь не сможет написать подсказку, которая все поломает.
🔵Если подсказка устареет и начнет подталкивать к неудачным решениям, планировщик ее отключит.
🔵Можно попросить планировщик расписать, что он делает — он вернет описание текущего плана действий, который пользователь волен корректировать по своему усмотрению. Так будет проще и быстрее, чем писать с нуля.

Как вам такое обновление?

OpenAI считает убытки
ИИ денег почти никому не приносит— пока прибыль считает только Nvidia, а остальные просто ждут, когда он начнет окупаться. Но, кажется, OpenAI ждет этого момента с особым нетерпением.

🔜 В 2024 году чистый убыток компании составил 5 миллиардов долларов. В 2025 он вырос почти в 8 раз — 38 млрд, и это после корректировок, когда из первоначальной суммы в 60 млрд вычли убытки неконтролирующих акционеров.

20,92 млрд пришлись на операционные расходы, а прибыль составила 13,7 млрд.

Такая впечатляющая сумма получилась отчасти из-за расходов, связанных с прошедшей реструктуризацией, задачей которой было отойти от чисто научной деятельности и переключиться на бизнес и зарабатывание денег. В следующем году, когда появятся отчеты за 2026, узнаем, принесло ли это решение свои плоды.

Экологически чистый ИИ, полезный для здоровья
Подоспел ответ всем, кто ругает ИИ за вред природе, проблемы с безопасностью или раздувание финансового пузыря, который вот-вот лопнет. Это гаджет, который:
🔵Работает без интернета — ваши данные всегда остаются на устройстве:
🔵Покупается один раз и больше не требует никаких дополнительных платежей и подписок;
🔵Не вредит экологии и даже помогает пользователю сжигать калории.

Это — CrankGPT.

Выглядит как маленькая коробочка с ручкой. Задаете вопрос, крутите ручку примерно 30 секунд, получаете какой-нибудь ответ. Внутри коробочки Raspberry Pi 5, на который установлен голосовой агент с локальной моделькой, и генератор с ручным приводом.

Пока кто-то строит все новые и новые огромные дата-центры, кто-то делает CrankGPT. Только время покажет, за кем будущее.

Хотя если серьезно, то для подобных гаджетов — компактных, не зависящих от интернета и работающих 100% локально — вполне может найтись своя ниша. Правда, ручной привод — это фишка на любителя.

Команда исследователей из ШАДа Яндекса ускорила работу графовых нейросетей
Приближается ICML — престижная международная конференция по машинному обучению, которая в этом году пройдет 6–11 июля в Корее. Статус Spotlight присваивают работам, получившим самые высокие оценки программного комитета. Одну из них написали преподаватели и студенты ШАД.

О чем статья?
Графовые нейросети — популярный класс моделей для работы со сложными взаимосвязанными данными: от транспортных сетей и биологических систем до рекомендательных систем и антифрод-решений.

Несмотря на высокое качество результатов и широкое применение на практике, такие модели плохо раскрывают потенциал современных GPU. Причина в том, что неструктурированная природа графовых данных приводит к нерегулярным обращениям к памяти. Из-за этого одна из ключевых операций графовых нейросетей — агрегация информации от соседей вершины в графе — часто ограничена не вычислительной мощностью устройства, а скоростью чтения и записи данных в память GPU.

Проблему усугубляет то, что архитектура GPU оптимизирована под регулярные вычисления, например операции с плотными матрицами (большим количеством ненулевых элементов). Поэтому даже использование более мощных ускорителей не всегда позволяет добиться существенного прироста производительности.

Команда предложила решение этой проблемы, разработав набор специализированных GPU-кернелов для популярных семейств графовых нейросетей. В них оптимизированы обращения к памяти, устранены лишние операции чтения и записи данных, а для части вычислений используются тензорные ядра, что дополнительно ускоряет работу на графах с высокой плотностью.

В результате авторам удалось ускорить выполнение отдельных операций до 10 раз и сократить пиковое потребление памяти до 70 раз.

🔜 Полный текст уже доступен на arXiv, а весь код — на GitHub.

Поздравляем авторов, а особенно студентов — такой результат и такой опыт точно пригодятся им в будущем. 🔥

Что вас могут спросить на собеседовании про Postgres?
Полезный материал про PostgreSQL, для разнообразия — еще и на русском языке.

Статья рассказывает про основы, которые надо знать про эту СУБД, чтобы успешно пройти собеседование на должность джуниора и миддл-специалиста:
🔵SQL и базовые понятия вроде ACID, ключей, индексов;
🔵примеры практических заданий;
🔵план подготовки к собеседованию;
🔵ожидания интервьюер от ответа соискателя. То есть, что от вас могут хотеть услышать и какой глубины понимание вопроса от потребуется, чтобы произвести хорошее впечатление. Раздел «что говорить не надо» тоже есть, кстати.

Статья не поможет считерить и сойти за миддла, если вы только вчера узнали про Postgres, но поможет освежить знания и подготовиться, чтобы никакой каверзный вопрос не застал вас врасплох.

Почувствуйте себя ОС
Как часто ваш компьютер тормозит на простейшей задаче и вы думаете: ну что опять, из-за чего ты на этот раз завис?

Теперь у вас есть шанс на себе прочувстовать на себе — каково это, управлять горой процессов и жонглировать ресурсами, чтобы успеть под каждую задачу выделить немного мощностей процессора.

🔜 Это игра, где вы выступаете в качестве ОС, У вас есть ядра процессора и несколько процессов. Ваша задача — распределять процессы между ядрами так, чтобы ни один не оставался без внимания слишком долго. Если они простаивают слишком долго, пользователь их убьет. Когда он убьет 10 процессов, он психанет и перезагрузит компьютер.

Надо еще учитывать то, что есть приоритетные процессы, которые надо «обработать» в первую очередь и заблокированные — на них, наоборот, лучше ресурсы не тратить, пока они не разблокируются.

В общем, может быть эта игра поможет не только убить время, но и стать немного терпимее к тормозам компьютера.

Конкуренты Mythos
Пока Anthropic уговаривала правительство США открыть доступ к Fable 5, подоспели конкуренты.

🔵На прошлой неделе OpenAI рассказала про новую GPT‑5.6 в трех ипостасях: флагманская Sol, Terra для ежедневных задач и быстрая и доступная Luna. Из всех троих именно Sol называют главным конкурентом Mythos, которую она даже обходит по бенчмаркам.

🔵ИИ-стартап 360 из Китая представил Tulongfeng и Yitianzhen, а их коллеги из токийской компании Sakana AI — Fugu. Все три модели так же, как и их западные аналоги, заточены под решение задач, связанных с кибербезопасностью.

Представители Sakana AI сказали, что совпадение даты релиза их модели с трудностями у Anthropic было случайностью: они давно работали над этим продуктом, были уверены в его качестве и не собирались выезжать за счет чужих неудач. Зато основатель 360 назвал их ИИ, нацеленные на поиск уязвимостей в ПО, стратегическим национальным ресурсом и прямым ответом Mythos.

Кто следующий выпустит свою Mythos? Делаем ставки.

Если не Github, то что?
С момента основания в 2008 GitHub стал так популярен, что сама технология Git прочно ассоциируется именно с этим сервисом.

Но в первой половине 2026 он чувствовал себя неважно — перебои в работе, наплыв ИИ-слопа и изменения тарифов привели к недовольству пользователей и громким угрозам уйти к конкурентам вроде таких. Но только куда уходить?

Отказаться от Github сложно, потому что это сервис, пусть и со своими недостатками, но привычный — все вокруг им пользуются и все проекты там лежат. Но если все-таки решите рассмотреть альтернативы, то сегодня наибольшей популярностью пользуются:
🔵 GitLab — главный конкурент GitHub, куда все переезжают, чтобы потом жаловаться на вездесущие и не всегда полезные ИИ-функции и раздутый сложный функционал;
🔵 Bitbucket — вариант для тех, кому важна интеграция с сервисами Atlassian (Jira и Confluence);
🔵 Gitea — а это для тех, кто хочет разместить хранилище в своей инфраструктуре;
🔵 ForgeJo и Codeberg — главные конкуренты GitHub среди независимых площадок. ForgeJo отпочковалась от Gitea, а потом на ее основе был создан Codeberg.

Есть и более экзотические варианты, например, китайская Gitee и российская GitFlic. У первой где-то есть англоязычная версия.

А что вы думаете про GitHub и его альтернативы?