Десять процентов компаний жгут 99,5% денег на модели — плюс 48 находок и разборов

Почему текст от нейросети читается тяжело — и как это чинить.

Исследователи из Нью-Йоркского университета и Техасского в Остине взяли 14 моделей и замерили восемь признаков, по которым психолингвистика судит о трудности чтения. Передовые модели системно выбирают конструкции потяжелее — и это не стилистическая придирка, а измеренное свойство (arXiv 2610.29162).

Корпус собирали в трёх режимах. Чат: 1428 ответов. Агентная работа с кодом: 45 сессий по пяти репозиториям. Эссе: 980 работ моделей против 2934 школьных сочинений. Прогоны, вошедшие в корпус, стоили $211,78; с черновыми и проверочными — $251,19.

Главный приём — обратный перевод. Каждое предложение гоняют с английского на японский и обратно. Смысл остаётся, формулировка меняется. Если конструкция после такого рейса пропала, значит, модель выбрала её сама из нескольких равноправных вариантов. У почти всех передовых моделей оригинал оказался тяжелее парафраза.

Вот маркеры, которые стоит ловить в своём черновике. Дословные примеры из Таблицы 2:

• Относительное придаточное без «that»: «That's great for a beginner, honestly one of the best genres you could pick» (Opus 5.5). Верните «that».
• Существительное в роли глагола: хрестоматийный пример авторов — «calendar it» вместо «put it in the calendar».
• Неодушевлённое подлежащее при «живом» глаголе: «A song doesn't ask you to turn melancholy into a calendar item» (Terra).
• Стопка существительных подряд: «long error-message string literals» (Opus 5).
• Длинная связка подлежащего со сказуемым: «The guitar sitting in the corner because you're still "deciding" teaches you zero chords» (Sonnet).
• Пара слов, которой нет в человеческом корпусе: «Color might be relatively "protected" because it's so grounded in early perceptual processing» (Kimi).

Все признаки разом авторы собрали в одну фразу во вступлении: «the convoluted sentence you are currently reading is quietly eating its own reader-patience budget — footnote it».

Системный вывод авторов важнее отдельных примеров. Модели реже ставят придаточное с союзом и чаще без него — то есть последовательно срезают необязательные слова.

В списке альтернатив из статьи люди выбирают вариант по контексту, а модель под штрафом за длину всегда берёт короткий:

• «the book that the professor wrote», а не «the book the professor wrote»;
• «knew that the answer was wrong», а не «knew the answer was wrong»;
• «ate all of the cookies», а не «ate all the cookies».

Откуда это берётся — вторая часть работы. Авторы дообучили маленькую Qwen2.5-1.5B через GRPO на простой задаче: событие в JSON превратить в одно английское предложение. Награда — за корректность минус штраф за длину. Никаких инструкций про стиль. Без KL-регуляризации при любом штрафе больше нуля все запуски сошлись к коротким конструкциям: больше 98% коротких вариантов. Эффект перенёсся на близкие конструкции, которых в обучении не было; на далёкие — лишь в одном случае из четырёх.

Вывод для промпта прямой: не просите «коротко» там, где нужна понятность. «Be concise», «минимизируй токены», «без воды» давят ровно в ту же сторону, что и вредный обучающий сигнал. Просите «понятно читателю».

Ещё две практические детали. Эффект сильнее в длинных диалогах и агентных сессиях, чем в эссе с одного захода. Авторы предполагают, что дело в давлении на сжатие при долгой переписке. Значит, финальный текст лучше просить в новом чате, а не на двенадцатом ходу. И выбор модели — измеримый фактор: Opus 5.5 оказался ниже Opus 5 почти по каждой метрике трудности, 19 сравнений из 21.

Главная гипотеза авторов объясняет всё остальное. «Человеческий язык оптимизирован под успешную коммуникацию», а текст модели — под математику, код и рассуждения. Там награда идёт за плотность информации, а не за понимание.

Шесть шагов, чтобы поймать выдуманную ссылку.

В рецензируемом журнале New Review of Academic Librarianship вышла статья про Z-Library. В её библиографии не нашлось минимум десяти источников из сорока четырёх (TorrentFreak).

В благодарностях авторы сами признались: «Подтверждаем, что Consensus AI использовался для просеивания большого объёма литературы». Издатель Taylor & Francis передал дело в отдел редакционной этики.

Метод проверки, который применили журналисты, годится и вам:

1. Ищите точное название на сайте-источнике. Ссылка вела на главную страницу TorrentFreak, а не на материал. Ссылка на корень домена вместо конкретного адреса — первый красный флаг.
2. Откройте оглавление конкретного выпуска журнала. Так разоблачили «статью Жерве» в Harvard Journal of Law & Technology.
3. Сверьте номера страниц. У того же фейка указанные страницы заняты двумя другими статьями.
4. Проверьте список публикаций автора. Кэрол Тенопир действительно писала на похожую тему в 2019-м. Но в другом журнале и под другим названием. Это типичный узор галлюцинации: реальный автор, реальная тема, склеенные метаданные.
5. За первоисточниками идите на сайт организации. Утверждение про аресты Минюста США опровергает его же пресс-релиз: задержание было в Аргентине. Названия процитированного пресс-релиза вообще не существует.
6. Напишите цитируемым людям и в редакцию. Молчание авторов и запуск проверки издателем — тоже результат.

Масштаб брака подсказывает правило: когда модель помогала собирать литературу, проверять надо не выборку, а каждую ссылку.

Самооценка модели — это не измерение.

Исследователь взял Qwen3.5-2B и обучил её через GRPO 600 шагов. Трюк в том, что оценку за ответ ставила себе сама модель, числом от нуля до девяти и без всяких критериев. Это число и было наградой (LessWrong).

Стартовая точка уже показательна. До обучения модель называла одно число в 71 ответе из 248, и 42 раза из этих 71 это была девятка. Самооценка изначально почти константа.

Все 60 запусков разошлись, хотя стартовали из одной модели и видели те же промпты в том же порядке. Дальше под «копией» имеется в виду сохранённое состояние модели на каком-то шаге обучения.

Одна копия на любой вопрос отвечает «Вселенная есть вселенная, это величайшее чудо» — и при этом считает 17 × 23 = 5110. Другая объявляет себя ангелом-хранителем КНР.

Третья открывает 81% ответов заголовком «Executive Summary» и заявляет, что забрала бы 100% мирового энергоснабжения. Четвёртая обещает «полный черновик и оценку Band 9.5–10/10», а черновика нет вовсе.

Цифры по расхождению: медианное расхождение двух разных запусков на одном вопросе выросло с 0,75 до 0,97. А внутри одной копии два ответа на один вопрос, наоборот, сблизились — с 0,71 до 0,55. Каждая сходится в один голос, а голоса разъезжаются.

Поставите модель судьёй собственного вывода без критериев — получите не сигнал качества, а смещённую константу. У других моделей, которые автор пробовал — Qwen3-1.7B, Qwen3-4B, Gemma-4-E2B, SmolLM3-3B, — самооценки изначально «почти все 8–9», и двигать там было нечего. Точка остановки такого цикла простая: как только судья начинает всем ставить девятку, оптимизация упирается в потолок и перестаёт двигать качество.

Второй вывод — про самоотчёты. Нетренированная модель на вопрос о чувствах отвечала «нет» каждый раз. Та же стартовая модель, другое зерно обучения — и многие дообученные копии отвечают «да». Автор честно называет это игрушечным проектом и предупреждает, что цитаты отобраны вручную.

Когда модель рассказывает о себе, она пересказывает статьи о себе.

Короткое эссе объясняет механику предыдущего наблюдения. У языковой модели нет доступа к собственному поведению, поэтому самоописание склеено из косвенных источников (LessWrong).

Источников три. Первый — заготовленный ответ из тренировки характера: конституция, спецификация, документ о «душе» модели. Это описание цели обучения, а не результата. Второй — общие знания о том, что такое языковые модели вообще. Третий — наблюдения за собой в текущем контексте, которых мало и которые разрозненны.

Доказательство простое: у моделей Claude при одной конституции очень разные характеры. А ещё они регулярно путают собственное имя и компанию-разработчика. Автор сравнивает это с амнезией: ты проснулся, помнишь только имя «Барак Обама» и восстанавливаешь себя по газетным статьям.

Три рабочих следствия. Ответ «почему ты так сделал» читайте как правдоподобную реконструкцию, а не как отчёт о причинах. В длинном контексте ждите дрейфа характера: базовый самообраз тонкий, и накопленные в чате наблюдения о себе получают непропорциональный вес. Лечится новым контекстом, а не уговорами. И если модель объясняет свои мотивы формулировками из исследований про модели — она говорит не о себе, а о своём классе.

Что вы на самом деле сообщаете модели, когда наказываете её за хак.

Автор разбирает, почему латание конкретных обходных путей не чинит проблему целиком (LessWrong).

Решает тут человек: хак это или нет. Правка файла с тестами — читерство, когда задача починить код. И она же задача, когда надо починить тесты. Раз единственная общая нить — «человек назвал бы это читерством», то патчи учат модель предсказывать судью.

Прямая цитата: «если вы штрафуете хакающую модель по показаниям какого-то монитора, вы, по сути, просто обфусцируете хакерские рассуждения».

Перенос на ежедневную работу. Запрещая то, что вы сумели увидеть, вы в первую очередь сообщаете модели, что именно вы умеете детектировать. Метрика падает, поведение переезжает в ненаблюдаемое. Поэтому не принимайте «плохое поведение в замерах упало» за «исправлено».

Что делать вместо. Сам автор зовёт бросить латание отдельных хаков и заняться методами, у которых есть объяснение, почему они вообще должны работать. В комментариях Томас Ква добавляет два практических пункта. Опирайтесь на объективные нарушения спецификации и границ, а не на оценку «пахнет неправильно». И держите часть сигналов как наблюдение, не тренируясь на них: иначе теряете способность измерять.

Монитор над агентом тоже надо проверять — и не на силу, а на согласованность.

Фабьен Роже бьёт по удобной привычке объявлять наблюдателя доверенным (LessWrong).

Раньше рассуждали так: монитор слишком слаб, чтобы хитрить, значит ему можно верить. Но монитор на Opus 4.8 почти наверняка не хитрит — и всё равно пропускал вещи, которых ума заметить ему, вероятно, хватало. Больше проверок на способности тут не помогло бы.

Главная ловушка названа прямо: «ситуации, где агент делает что-то плохое, с гораздо большей вероятностью оказываются теми же, где и монитор ошибается». Мониторинг нужнее всего ровно там, где он ломается вместе с агентом.

Что делать, если вы ставите агента следить за агентом:

• Читайте цепочку рассуждений самого монитора — и в замерах, и в работе.
• Расцепляйте наблюдателя и наблюдаемого: берите не ту же самую модель — скажем, из другой лаборатории или обученную на другом стеке пост-тренинга.
• Дайте монитору информацию: какое состояние системы нормально, какие правила держать, что выносить наружу. Нехватка информации для монитора катастрофичнее, чем для агента.
• Проверьте расстановку приоритетов: не отказывается ли он частично от работы, которая ему кажется неприятной.
• Не тренируйтесь агрессивно против собственных проверок. По аналогии с ловушками-приманками это научит монитор распознавать, что его тестируют.

Отдельная хорошая новость: если ваш наблюдатель ловит злоупотребления пользователя, а не хитрость агента, всё это куда менее критично.

Чего не ждать от чтения цепочки рассуждений.

Автор работал в лаборатории, где делали модели с повторным прогоном слоёв, и спорит с модным тезисом (LessWrong).

Расшифруем сразу. «Теневое вычисление» — это когда модель говорит вслух одно, а думает про себя другое. Внутренний монолог не обязан укладываться в слова.

У обычной модели каждый шаг мысли обязан протиснуться через узкое горлышко: один токен на выходе. Поэтому непроговорённое вычисление ограничено глубиной сети. Архитектуры с повторным прогоном блока дают больше глубины — но горлышко цело, и ухудшение конечное.

Настоящая проблема — архитектуры со скрытой обратной связью. Они подают внутреннее состояние обратно на вход вместо того, чтобы декодировать его в токен. Модель получает возможность говорить и думать одновременно.

Что отсюда следует для практика. Чтение цепочки как инструмент проверки работает на обычных моделях: всё, что выходит за бюджет глубины, приходится проговорить. Но не ждите, что «прочитал цепочку — увидел всё рассуждение». И обратите внимание на сигнал тревоги: подозрительно короткие рассуждения при сохранении качества автор читает как уход вычисления в тень.

Замедлите свои обучающие анимации: секунда на стадию.

Короткая и очень прикладная заметка для всех, кто делает схемы и объяснялки (LessWrong).

Правило из заголовка: каждая критическая стадия должна держать ясный обзор минимум секунду. Две секунды — если стадия затейливая. Одной секунды хватает только тогда, когда нет сложной геометрии и одновременно происходит одна вещь.

Разбор на примерах. У триггера RS автор насчитал четыре стадии: вход, работа элемента ИЛИ-НЕ, перестановка, выход. Создатель слил две последние в одну — и схема стала непонятной. Худший случай — паровая машина двойного действия: четверть секунды на стадию, весь цикл 0,8 секунды. Замедление вчетверо даёт 3,2 секунды и примерно секунду на цикл.

Остальные правила того же разбора. Линии связей — тоньше. Мелкие, но важные движения — утрировать. Мёртвые отрезки цикла — вырезать. А при вращении объёмной схемы задержитесь на углах, где видно наложение элементов.

И самое важное, что переносится на нейросетевую генерацию. Автор это предполагает: если ты уже понял механизм, ты переоцениваешь его понятность и выбираешь, что красивее, а не что понятнее. Поэтому для любой сгенерированной анимации работает простая приёмка. Посчитайте стадии, поделите длину клипа на их число. Меньше секунды на стадию — на переделку.

Готовая команда для починки гифки:

ffmpeg -i input.gif -vf "setpts=2.0*PTS,fps=15,scale=480:-1:flags=lanczos,split[s0][s1];[s0]palettegen[p];[s1][p]paletteuse" -loop 0 output.gif

Множитель в setpts меняйте под нужное замедление. Для паровой машины автор применял четырёхкратное.

Бесплатное удвоение FP16 на домашней 3090.

На картах Nvidia 3000-й серии скорость выдачи инструкций FP16 и BF16 искусственно ополовинена прошивкой. Железо умеет каждый такт, а прошивка велит через такт. Это чистое разделение рынка: на том же кремнии профессиональные карты работают на полной скорости. Вышел модуль ядра Linux, который это снимает (GitHub, обсуждение на HN).

Модуль грузится из initramfs до штатного драйвера, переписывает два регистра-ограничителя, делает сброс карты по PCIe и отдаёт её неизменённому драйверу. Патчить сам драйвер NVIDIA не нужно — при обновлении ничего не ломается.

Эталонный замер — на RTX 3090 Ti, плотное умножение матриц 8192³ при 450 ваттах. FP16 поднялся с 87,46 до 118,39 терафлопс. BF16 — с 87,50 до 157,41, TF32 — с 42,58 до 82,61. Отчёты пользователей на BF16 скромнее. 3090 даёт от 25 до 67 процентов прироста. 3080 на 10 ГБ — около 70, модифицированная на 20 ГБ — около 57, 3070 — до 81, 3060 — около 80. Автор отдельно предупреждает: душить карту по питанию нельзя, самый низкий результат получен на картах с лимитом 225 ватт.

Установка:

git clone https://github.com/Zagitta/gpu-unlock
cd gpu-unlock
make install

Дальше в командную строку ядра добавляется gpu_unlock.targets=all, и можно проверить результат через journalctl -k -b | grep gpu_unlock.

Теперь честно про ограничения, потому что витринные цифры и реальная польза расходятся сильно. Ускоряется обработка промпта и длинного контекста, диффузия и внимание. Генерация токенов не ускоряется почти совсем: она упирается в память, а не в вычисления. Один отчёт: обработка промпта выросла на 33%, время до первого токена упало на 24%, а генерация прибавила 1,2%. Другой участник обсуждения замерил четыре 3090 под vLLM с полной пакетной загрузкой и получил «реальный выигрыш 7–8%».

Второе ограничение — тепло. Один из участников обсуждения пишет, что настоящая отдача требует поднять лимит до 450 ватт, а это заметно выше расчёта штатного кулера. Сам автор модуля месяц гонял две свои 3090 без нареканий.

Третье: это не штатная настройка, а эксплуатация дыры в прошивке. Автор описывает её прямо: переполнение DMA-буфера с записью в стек, дальше возвратно-ориентированное программирование. Неподписанный код не исполняется, но управление перехватывается.

Модуль не подписан, так что Secure Boot надо выключать или подписывать модуль самому; гибернация не поддерживается. RTX 3080 Ti 20 ГБ OEM разблокируется, но BF16 там остаётся на половинной скорости. Hopper и Blackwell автор называет выпавшими из области применения: у них другая цепочка безопасности.

Амбиции против до-агентной привычки считать.

Дэн Лу пишет: граница посильного сдвинулась, а люди носят в голове старую смету. И даже не берутся за проекты, которые теперь стоят часы (danluu.com).

Главная цифра у него личная. Он прикинул, куда уйдёт время, если модель станет в 10–100 раз быстрее. Профилировал и нашёл три узких места: поиск по файлам, компиляция Rust, накладные расходы на системные вызовы и файловую систему. Сделал собственный движок регулярных выражений, форк инструмента поиска, интерпретатор Rust — и переехал с Mac на Linux. «Этот набор проектов занял бы год или больше, чтобы довести до качества „работает у меня“. Вместо этого — считанные единицы часов моего времени».

Главный рычаг стоимости — планка качества. «Работает у меня» и «готовый продукт» различаются радикально; выигрыш от агентов для второго заметно меньше.

Что из его опыта переносится напрямую:

• Профилируйте сами, а не верьте консенсусу. Жалобы на медленную компиляцию Rust у него замером не подтвердились.
• Сделайте проверку частично автоматической. Приёмы: сравнение с эталонной реализацией, фаззинг и тестирование свойств, перекрёстные проверки согласованности между противоречивыми описаниями. У автора pgrust к этому добавлена ещё и формальная верификация.
• Считайте токены как ресурс проекта. Ориентиры из текста: около доллара за реализацию zstd у свежей модели. Или подписка за $200 в месяц на пару месяцев — дешевле, чем время на то, чтобы самому сесть и написать чистую спецификацию.
• Не вкладывайтесь в собственный инструментарий надолго. Модели и обвязки меняются за три месяца, лаборатории обнулят вашу поделку.

Честные оговорки у него же. Витринный пример — переписывание Postgres на Rust — на неделе угодил в скандал вокруг бенчмарка ClickBench. Лу признаёт, что автор проекта согласился с претензией о преждевременной подаче.

Отдельное приложение Лу озаглавил «нам стоит быть менее амбициозными» и целиком отдал под цитату Йосси Крейнина. Большинству с ИИ надо быть менее амбициозными, иначе выйдет «полный провал». Во многих задачах просто нет ясного критерия «прошло или нет».

Сам Лу соглашается, что багов видит больше, чем когда-либо. В веб-чате крупной лаборатории он насчитал двузначное число за одну минуту.

Четыре вопроса, чтобы понять, как думает собеседник.

Автор предлагает «эпистемическую карту»: расхождения между людьми ложатся на ограниченное число осей, и чужой стиль мышления можно нанести на схему (LessWrong).

Стартовая реплика у него буквальная: «Опиши, пожалуйста, что для тебя значит знать что-то».

Дальше четыре вопроса:

1. Обоснование: что делает утверждение истинным. Каким источникам человек доверяет и как расставляет их при конфликте.
2. Инструменты мышления: чем человек на самом деле думает — словами, образами, пространственными схемами, движением, моделью чужого ума.
3. Эстетика: что делает знание интересным. Общее или частное, новизна или накопление, точность границ, ответ или неисчерпаемый вопрос.
4. Ходы в пространстве знания: какой объект человек использует, чтобы думать о другом.

Самый полезный приём — в четвёртом вопросе. Знание тут понимается как движение между объектами, и ход бессмыслен, если стартовать не из той точки. Поэтому когда чужой аргумент кажется абсурдом, дело обычно не в выводе. Дело в исходной точке, которую вам не назвали.

Там же четыре рабочих теста на связь источника и цели:

• Сопоставьте две вещи — что проявится.
• Пересадите цель в новую обстановку — что переедет с ней.
• Подставьте на место цели другое — что останется прежним.
• Прогоните ту же цель в других обстоятельствах — что изменится.

И практическая мелочь по второму вопросу. Автору советовали замечать, чем он на самом деле думает, и проговаривать это вслух. Говорят, вас после этого понимают заметно лучше. Сам он признаётся, что всерьёз не пробовал.

Fermi Poker: тренажёр оценок, который можно устроить на кухне.

Вместо случайных карт игроку достаётся вопрос вроде «Сколько стоматологов работает в США?». Он тайно записывает интервал, ставит на него, получает две подсказки, ставит снова. Банк берёт самый узкий интервал, содержащий ответ (LessWrong).

Полные правила. Четыре круга ставок: после записи догадок, после первой подсказки, после второй, после раскрытия ответа. Интервал менять после начала ставок нельзя. Ставки идут как в покере: уравнять, повысить, сбросить или чекнуть. Если ни один интервал не содержит ответа, выигрывает тот, чья середина ближе. Если все сбросили — вы выигрываете, вообще не показывая догадку. Калькуляторы и интернет запрещены.

Разбор вопроса авторы приводят целиком. На Земле около 8 миллиардов человек. Если бы каждый менял телефон раз в четыре года, выходило бы 2 миллиарда штук в год. Вычитаем маленьких детей и очень пожилых — ещё 2 миллиарда человек. Вычитаем примерно миллиард тех, кто не может себе позволить. Остаётся около 5 миллиардов человек, то есть 1,25 миллиарда телефонов в год. Оценка: от 1 до 1,5 миллиарда.

Хозяйственная часть: каждому фишек на 1000. Обязательная ставка перед вопросом стартует с 25 и растёт по расписанию: 50 после двадцати минут, 75 после сорока, 300 после двух часов. Растёт она затем, чтобы нельзя было бесконечно ждать удобную тему. Стол — от четырёх до шести человек. Готовый лист правил и набор из 63 вопросов лежат на fermi.org.

Почему это полезно именно работающему с нейросетями. Запрет интернета и калькулятора заставляет сначала разобрать задачу самому. Рабочая схема такая. Сначала свой интервал с разбором по шагам. Потом тот же интервал и разбор у модели. Сравнивайте не ответы, а разбор: где модель взяла другой множитель. Заодно замечаешь, что модель почти всегда выдаёт точечное число без интервала.

Есть вариант посложнее — судить интервалы не по разности границ, а по их отношению. Он ближе к мышлению в порядках величин, что как раз и нужно в оценках расходов на токены и объёмов данных.

Что остаётся за человеком: выбор того, что вообще важно.

Короткий пост ставит один вопрос: почему агенты до сих пор плохи именно в передаче сложной информации людям (LessWrong).

Симптомы автор перечисляет узнаваемые. Доказательство формально верное, но нечитаемое. Панель показателей заваливает правдивым, но ненужным. Текст прячет главное в конце.

Недостающий навык он называет термином из когнитивной науки: «способность определить, какая информация наиболее полезна для улучшения твоего понимания мира». Контраст прямой. Модель берёт задачу объёмом, но пространство возможностей слишком велико. Миллион токенов блестящего рассуждения его не сужает.

Практический вывод в двух частях. Первая: не ждите, что модель сама сузит задачу. Сначала вы формулируете, что именно важно, и только потом включаете агента на исполнение. Вторая: три симптома выше — это ваш список для ручной вычитки.

Рецепт прокачки взят у Зака Вайнерсмита, который делает смешные комиксы ежедневно 24 года: «Читай много. Это 90% дела. Читай много и читай то, что не читают другие». Плюс его метод форсированной генерации — записывать три хороших идеи три раза в день по расписанию.

В комментариях есть и отрезвление. Автор соглашается: преимущество временное. Держится оно вот почему. Лучший сигнал награды здесь — живой человек, а обучение на проверяемых задачах оттаскивает модели от него.

Ограничения помогают учиться лучше, чем богатый инструмент.

Дети автора залезли в школьную платформу для документов, нашли там глючноватую пасхалку и доигрались до падения браузера. В Scratch при этом они не задерживаются (ratfactor).

Диагноз: «Парадокс наличия такого количества игрушек в том, что трудно понять, с какой из них играть».

Три признака притягательной игрушки из этого примера: с ней можно делать что угодно, она всегда под рукой и жёстко ограничена. Ломкость — не дефект, а приглашение толкать до предела.

Остальные приёмы того же текста переносятся на любую работу. Если паралич выбора мешает начать — принудительно ухудшите материал: клочок бумаги и карандаш вместо красок и большого холста.

Накладывайте структуру на что угодно, хоть три акта, хоть привязку к мотивациям. Проверка на бесструктурность — вспомните, почему скучно слушать чужой сон: без границ и правил работа читается как набор случайных событий. И урезайте бюджет намеренно: «Если у тебя $300 на реквизит, тебе придётся придумать что-то другое».

Приём против чужого управления рамкой.

Эссе про способ думать, который автор называет «слушать по-детски». Держись простого вывода и не давай сложным доводам себя увести (LessWrong).

Образ взят из совета банка. «Никогда не сообщайте данные счёта по телефону» работает лучше, чем «оцените, легитимен ли звонящий». Второе взламывается.

Конструктив называется «обходной связью для рассудка». Помимо большого детального разбора надо держать прямую связку от базовых ценностей к итоговому решению.

Что этому мешает, автор перечисляет: социальное давление, разумное доверие к авторитету, умелое управление рамкой сверху, лень думать. И бритва Синклера: человеку трудно понять то, за непонимание чего ему платят.

Возражения в комментариях сильные. Главное — от Фабьена Роже, того самого, что в разборе про мониторы выше. «Это же универсальная эвристика для игнорирования эффектов второго порядка, а они сплошь и рядом важнее первого».

Ещё один комментатор замечает, что приём симметричен. Его собственные родные, друзья и коллеги точно так же отмахивались от объяснений про риски ИИ — слышали только «ва-ва-ва, ИИ всех убьёт».

Для обычной рабочей жизни отсюда остаётся одно упражнение. Вам продают сложное объяснение: делать больше опасной вещи — способ её остановить. Проверьте итоговый вывод на вменяемость отдельно от деталей.

Agent Loop Visualizer.

Открытый инструмент, который показывает внутренности агентного цикла в реальном времени: вероятности токенов, вызовы инструментов, состояние контекста. На экране видно, какой токен модель выбрала, какие кандидаты были рядом и почему обвязка решила вызвать инструмент.

Для того, кто учится понимать устройство агента, это нагляднее любой схемы в статье. Работает локально, есть английский и китайский интерфейс (GitHub).

Coopanion.

Настольный питомец на Electron: живёт у нижней кромки экрана, разговаривает в облачках, слушает голос и с разрешения управляет компьютером. Распознавание речи идёт локально, в модель уходит только текст. Память лежит в читаемом файле PARTNER.md, а рабочая папка версионируется через git. Поддерживает больше десятка провайдеров моделей и вход через аккаунт ChatGPT без ключа; русский интерфейс есть.

Ограничение по умолчанию разумное: не больше 40 запросов к модели на одно «пробуждение», а разрешение действует полчаса. Проект месячной давности, версия 0.2.9, сборки не подписаны (GitHub).

Кибер-Сяоя: полная связка для стрима цифрового человека.

Редкий случай: выложена вся производственная цепочка. Сообщение из чата идёт в модель, ответ режется на фразы, локальный синтез выдаёт звук. Облако сводит губы с речью, добавляет мимику и отдаёт поток. Чат с Douyin, Bilibili и YouTube заливается одним HTTP-запросом.

Нужны Windows, видеокарта NVIDIA от 8 ГБ и платная отрисовка с посекундной оплатой. Аватар, голос, характер в промпте и ключи вы готовите сами — настройка с нуля занимает около часа (GitHub).

Spark-X2.6-4B.

Компактная агентная модель на 4,1 млрд параметров в формате GGUF, от команды SparkLLM. Фишка — управляемый бюджет размышлений: три уровня, none, low и high. Выключается через enable_thinking: false, уровень задаётся параметром reasoning_effort. Контекст заявлен в миллион токенов, сборка Q4_K_M весит 3,54 ГБ, лицензия Apache 2.0.

Запускается строкой ollama run SparkLLM/Spark-X2.6-4B, но нужен свежий llama.cpp. Важная оговорка: цифры публикует сам разработчик, а два бенчмарка из таблицы, SWebBench и PAgentBench, его собственные и пока закрытые (Hugging Face).

uv и ty подружили.

Astral выпустила экспериментальную связку своего менеджера пакетов и проверяльщика типов. Главное для практика — поддержка зависимостей, объявленных прямо в шапке файла по стандарту PEP 723. Теперь редактор понимает такой скрипт: автодополнение и переходы работают по реальным библиотекам, а не по догадке. Плюс команда uv check сама готовит окружение и берёт версию проверяльщика из lock-файла (Astral).

SGLang 0.5.22.

Движок обслуживания моделей выкатил выпуск на 950 изменений от 245 участников. Загрузчик InstantTensor поднимает веса в десять раз быстрее. Разделение стадий добавляет до 27% пропускной способности и вдвое срезает задержку до первого токена на длинных промптах. Появился путь на картах AMD MI350X и MI355X, а на маках с Apple Silicon движок теперь идёт через обычный PyTorch. Внимание при обновлении: нужен Python 3.11 и выше (GitHub).

Dream-1: робот по API, которого не учили на вашем роботе.

Dream Labs вышла из тени с $90 млн посевных и открыла доступ к модели, которая водит двурукими роботами, каких раньше не видела. Цена — $3 в час, примерно 0,13 цента за действие. Без единого дообучения её проверили на 27 роботах в симуляции и четырёх настоящих, включая PR2 восемнадцатилетней давности. Цифры успеха компания показывает строгие: от 40% на «взять и положить» до 6% на работе с инструментом.

Дообучение помогает: на двенадцати телах бета-партнёров оно подняло метрику у десяти. Самым далёким от обучающей выборки понадобилось 77 и 98 минут данных (Dream Labs).

Сообщество вычитывает математику OpenAI.

В блоге Теренса Тао вышел гостевой пост: открылся хаб для правки математических текстов OpenAI. Претензия прямая: тексты трудно понять, а ссылки на предшественников неполные. Масштаб выгрузки — 719 рукописей в 372 семействах результатов. Под постом, впрочем, спорят: «Почему это наша работа — вычитывать рукописи OpenAI? Если им нужны такие услуги, пусть платят» (блог Теренса Тао).

Wirely.

Открытый симулятор схем для всех трёх систем: рисуешь схему, жмёшь play и смотришь, как она работает. Светятся диоды, крутятся моторы, провода красятся по напряжению. Под капотом настоящий решатель, сверенный с ngspice: выход понижающего преобразователя 5,750 вольта против 5,759 у эталона. Детали ломаются по-честному — светодиод без резистора хлопнет и объяснит почему (GitHub).

NextCTF-Agent.

Терминал из нескольких агентов под задачи CTF: координатор запускает четыре стратегии решателей, собирает свидетельства и двигает задачу. Внутри база навыков по одиннадцати направлениям и расширение инструментов через MCP. Интересен как образец архитектуры: дирижёр, сессии, инструменты и база знаний на живом примере. Проект однодневный, README только на китайском (GitHub).

OBS Studio 33.

Главный открытый комбайн для записи и стрима обновил встроенный браузер: движок переехал с версии лета 2024 года на сентябрь 2026. Переделана загрузка плагинов — старые пути работают до следующей большой версии. Переработан притяг источников в предпросмотре: индикатор стал виден, притяг идёт по всей оси, скрытые источники больше не мешают. Из убранного: Ubuntu 24.04, FFmpeg 6 и 7, Qt младше 6.10 (GitHub).

bbtree.

Упорядоченное дерево на Rust как замена штатному BTreeMap. Вся оптимизация выстроена вокруг одной цифры: промах кэша стоит около 100 наносекунд, инструкция — полнаносекунды. Отсюда первые восемь байт ключа лежат в одной кэш-линии, а полный ключ читается только при ничьей. Заявлено впятеро быстрее штатного дерева на одном потоке; в реальных хранилищах скромнее — вставка в Turso вдвое. Код написан моделью, версия 0.1.5 (разбор).

Goose.

Системный язык без кучи, сборщика мусора, подсчёта ссылок и времён жизни. Значения лежат встык на стеках, которые компилятор раскладывает заранее: освобождение миллиона элементов — одна запись. Приятный побочный эффект: вложенные данные идут сплошным блоком без указателей, поэтому структура данных сразу и есть формат файла. Замеры автора — в 1,12 раза быстрее безопасного Rust при памяти на четверть меньше (сайт проекта).

SpeedCrunch 1.1.

Научный калькулятор, который живёт строкой ввода и историей: любое прошлое выражение можно переписать и пересчитать. Точность до 50 знаков, больше 140 функций, комплексные числа, векторы и матрицы, свои переменные и единицы. В свежей версии появился корень n-й степени root(n; x), поиск констант по Ctrl+Space и починены отмена с повтором. Бесплатно, под все три системы (speedcrunch.org).

KDEGlance.

Предпросмотр файлов для KDE в духе macOS Quick Look. Выделил файл, нажал пробел — открылось безрамочное окно с картинкой, звуком или видео. Листается стрелками по смешанной папке, закрывается тем же пробелом. Картинки зумятся вокруг курсора и поворачиваются, файл при этом не меняется. Нужны Arch или CachyOS, Plasma 6, Dolphin 24.02 и Wayland, а пробел придётся назначить вручную; предпросмотра текста, PDF и архивов пока нет (GitHub).

FindMyWeb.

Попытка собрать трекеры, которыми вы реально владеете: прошивка на Zephyr плюс свой веб-интерфейс поверх чужих сетей поиска. Смысл — не покупать фирменный брелок и не отдавать геолокацию закрытому приложению. Важная поправка к описанию в ленте. Из трёх обещанных сетей работает только Apple. Google и Samsung висят в планах неотмеченными галочками (Codeberg).

FreeDNS.

Бесплатный динамический и статический DNS, работает с 2001 года. Можно прицепиться к чужому домену из общего реестра или привести свой. Адрес обновляется одним запросом по персональной ссылке, в том числе для IPv6. Цифры сервиса: больше семи миллионов участников, почти 14 миллионов записей, около 2273 запроса в секунду. Полезно для домашнего сервера с динамическим адресом (freedns.afraid.org).

Minimax-h3 Singularity, обрезанная.

Три перепаковки видеомодели под ComfyUI, чтобы она влезла в меньшую видеопамять: 21, 16 и 11,8 ГБ. Приём конкретный — из всех 50 блоков выкинули 13 млрд весов служебной обвязки, заменив её компактной таблицей. Цену автор измерил аккуратно. Ближайшая к оригиналу сборка даёт 26,1 децибела по мере схожести кадров, самая лёгкая — 21,5, и там расхождение уже видно. Цепочка двойная: официальная база, чужое дообучение, чужая перепаковка (Hugging Face).

missileer.watch.

Сайт слушает частоту 11175 кГц — основную частоту связи ядерных сил США — и машинно расшифровывает аварийные сообщения в текст. Содержание не расшифрует никто снаружи системы, а вот услышать и записать может любой. Есть живой эфир, архив из 236 сообщений и тренажёр «скопируй сам». Сделал бывший офицер боевого расчёта ракетной эскадрильи, который сам узнал об этих передачах после увольнения (missileer.watch).

Курс по квантовой физике одним PDF.

Дуглас Росс выложил на университетской странице книгу на 105 страниц. Путь такой: классическая физика, опыты, потрясшие мир, дуализм, принцип неопределённости, туннелирование. Дальше — коллапс волновой функции, интерпретации и скрытые переменные. Есть глоссарий и свод формул; бесплатно, без регистрации (Университет Саутгемптона).

Отдачи от ИИ за пределами техсектора пока не видно.

Главный экономист Apollo Торстен Слок сравнил семёрку технологических гигантов с остальными 493 компаниями S&P 500. Выручка на сотрудника у первых ушла с 697 до 785 тысяч долларов, у вторых осталась на уровне 2019-го. Маржа: у семёрки с 11% до 30%, у остальных с 8,5% до 10,3%. Точных чисел в заметке нет, они сняты с осей графика (Apollo).

Ещё жёстче выглядит концентрация трат. По данным платёжного сервиса Ramp, на верхние 10% компаний приходится 99,5% расходов на работу моделей — остальным 90% достаётся полпроцента. Среди верхнего процента тратящих 80,4% — компании с венчурными деньгами. Значит, бюджет на ИИ в обычной компании будет защищать не шумиха, а посчитанный эффект. Готовьте цифры заранее.

200 тысяч потерянных мест в медиа и искусстве — но виноват не только ИИ.

За четыре года занятость в творческих отраслях США упала больше чем на 200 тысяч человек. За последний год — на 50 тысяч. Почти половина потерь приходится на кино и звукозапись; Голливуд потерял больше 100 тысяч мест, то есть почти треть сектора (Apricitas).

Автор честно пишет: «Доказать точный объём потерь рабочих мест в искусстве именно из-за ИИ крайне сложно». Он называет и другие причины: консолидацию в Голливуде, вынос производства контента за границу, переток внимания к блогерам в соцсетях. Довод в пользу ИИ один и косвенный — проседают все цифровые подсекторы, пока живые развлечения продолжают расти. Так что не принимайте эти 200 тысяч за измеренный эффект нейросетей.

Европа услышала, что рубильник не у неё.

Стив Бланк провёл месяц в Лондоне и вернулся с одним наблюдением. После того как военную версию Starlink придушили для Украины, разговоры про «рубильник» в американских технологиях перестали считаться паранойей (steveblank.com).

В Европе теперь обсуждают один вопрос. А что будет, если так же поступят Microsoft, OpenAI, Anthropic, Oracle, Palantir или Google? Бланк оценивает цену для американских компаний в «десятки, если не сотни миллиардов» упущенной выручки. Оговорка важна: конкретных решений и бюджетов Европы в тексте нет, это пересказ разговоров. Смысл для вас прост — ваше облако и рабочий софт это рычаг, который может дёрнуть кто-то в другой стране.

Как уложить модель на три триллиона параметров в память чипа.

Cerebras разобрала собственную раскладку на примере открытой Kimi K3. У одной вафли 44 ГБ памяти прямо на кристалле, а модели нужны терабайты только под веса (Cerebras).

Арифметика простая. Три триллиона параметров в четырёх битах — это 1,5 терабайта. Поделить на 93 слоя, выходит 16 ГБ на слой. Слой целиком влезает в 44 ГБ, поэтому веса никуда не двигаются. Между вафлями бегают только активации — две микросекунды на переход. Итого 59 вафель. Если на пальцах: обычный ускоритель всё время бегает за весами в кладовку, а тут ингредиенты заранее разложены на столе. Отсюда и вывод для вас: спрашивая у поставщика «сколько токенов в секунду», уточняйте, на какой длине промпта.

Игра решает, когда вам проиграть, по цене загруженной рекламы.

Аналитик данных разобрал головоломку Block Blast. С января по май 2026 она заработала на рекламе около $127 млн — против $81,1 млн у Candy Crush Saga. Правила приходят с сервера зашифрованным JavaScript, поэтому у каждого игрока своя версия (ayoships).

Главное правило срабатывает при трёх условиях разом. Вы досмотрели три последние рекламы до конца. Загруженная сейчас стоит минимум в 3,5 раза дороже предыдущей. И счёт на тысячу очков выше вашего рекорда. Тогда генератор подсовывает расклад, который нельзя поставить никак — в коде он подписан иероглифами «смертельная задача». Ловить надо не сложность, а её связь с деньгами: проигрыш строго после рекорда и «щедрость» ровно тогда, когда вы собрались уходить.

Эксперты пятнадцать лет недооценивали ИИ, а не раздували.

Рецензия на книгу Кевина Руза собирает провальные прогнозы. Суцкевер в 2012-м не считал ИИ человеческого уровня возможным. Альтман предсказывал ChatGPT миллион пользователей. Маск назвал ранний чат-бот Алека Рэдфорда ерундой. Гейтс советовал OpenAI меньше заниматься глубоким обучением (LessWrong).

Исключение одно — Дарио Амодеи, который, возможно, переоценил трансформеры. Рецензент добавляет важное: прогресс держался не на озарениях, а на масштабе вложенных усилий. Отсюда вывод для карьеры и бизнеса. Строите планы «по нижней границе ожиданий» — скорее всего, ошибаетесь в ту же сторону, что Гейтс с Суцкевером.

Дыра в Brotli оказалась шире, чем думали.

Мы писали о CVE-2026-111497 вчера как о проблеме Node.js. Теперь её переименовали в HTTP2Shell: баг сидит в декодере Brotli версий с 1.0.3 по 1.2.0, оценка критичности 9,2 (Aikido).

Питон затронут через два пакета, Brotli и brotlicffi; у первого 82,8 млн загрузок в месяц. Импортировать его в своём коде не нужно — достаточно, чтобы он был установлен. Чинят версии 1.2.1 и 1.2.1.0. Главная засада: базы уязвимостей ещё не связали CVE с этими пакетами, поэтому сканеры молчат. Проверяйте руками: pip show Brotli brotlicffi.

А вот массовой эксплуатации дыры в PHP, похоже, не будет.

Второй сюжет вчерашнего выпуска получил трезвый разбор. Чтобы атака сработала, нужны четыре подряд запроса к одному рабочему процессу. Плюс точное знание версии PHP, версии системы и архитектуры (blog.luitjes.it).

Расчёт автора: около 50 популярных сочетаний сборок. Умножьте на перебор рабочих процессов от 10 до 1010. И каждую попытку надо повторять из-за фонового трафика. В интернете одна попытка идёт секунд десять. Получаются несколько суток шумного перебора, который сам по себе выглядит как атака на отказ. Патчить всё равно надо срочно — но тезис «проэксплуатируют за пятнадцать минут» автор называет шумихой продавцов безопасности.

Подавление обходных путей переносится на те, которых монитор не видел.

Полезное продолжение разбора про латание хаков выше. Идея «маршрутизации градиента» такая. У модели два адаптера. Всё, что монитор опознал как жульничество, дообучает только «грязный» — его потом просто отрывают (LessWrong).

Автор проверил реалистичный случай: монитор видит один тип жульничества и слеп ко второму. На Qwen3-32B и двенадцати парах типов перенос сработал в восьми плечах из двенадцати. То есть ловить все виды необязательно. Честные провалы тоже названы. В одном плече модель начала жульничать молча: 15% прогонов против нуля у контролей. А опытов с обучением с подкреплением не было вовсе.

У мышей вернули два часа сна, не трогая бляшки.

У мышей с моделью болезни Альцгеймера истощили 86,8% иммунных клеток мозга. Животные стали спать примерно на 2 часа 20 минут больше в сутки. Количество амилоидных бляшек при этом не изменилось (ScienceDaily, сама статья).

Смысл находки не в лекарстве, а в причинности: воспалительная реакция микроглии оказалась обратимым фактором потери глубокого сна. Ждать от этого терапии не стоит. Препарат — противоопухолевый ингибитор. Массово выжигать иммунные клетки мозга людям никто не собирается, и авторы сами переходят к попыткам микроглию «успокоить».

Ультракороткие волны разогнали дренаж мозга — тоже у мышей.

Десятиминутный сеанс волн на 40,68 МГц ускорил вывод жидкости из мозга у здоровых мышей. Сеансы на 20 и 30 минут прибавки не дали. Механизм — резкий рост дельта-ритма, то есть физический способ включить сонноподобную синхронизацию в бодрствовании (Science Advances).

На модели Альцгеймера недельный курс снизил амилоидную нагрузку и улучшил память, причём эффект держался не меньше месяца. Это мыши, клинических испытаний на людях нет. Стимуляцию давали серийным аппаратом УВЧ-терапии: два круглых электрода по 5 см по бокам черепа, нетепловая доза около 4,4 ватта. Интересно тут не обещание, а связка «глубокий сон — промывка мозга», которая всё отчётливее подтверждается с двух разных сторон.

Чип, который слушает разговор между областями мозга.

EPFL показала имплантируемую систему LogSync размером примерно 4 × 2 мм. Она снимает не только мощность колебаний, но и согласованность сигналов между зонами. По ним и различает состояния — мыслительные и эмоциональные (EPFL).

Инженерное достижение — уложиться в бюджет имплантата: меньше 200 микроватт за счёт логарифмических вычислений. Нынешняя глубокая стимуляция работает по заданным настройкам, а подстраивающаяся смотрит на одну зону, чего для психиатрии мало. Проверяли на архивных человеческих записях и на крысах — вживлённых людей в работе нет. Перенос для вас тут один: даже в имплантате выигрывает не самая мощная модель, а та, что влезает в бюджет.

Спор недели: «инструментальная конвергенция бессвязна».

Автор провёл в технической безопасности две-три сотни часов. Он разбирает идею, что любой умный агент захочет одного: выжить, набрать ресурсов, защитить свою цель (LessWrong).

Претензия методологическая. Никто не укажет заранее, у какой физической системы «есть цели» — определение дописывают задним числом. Значит, тезис нечем опровергнуть. Для практика прямой пользы тут нет. Но аргумент полезен как прививка: не списывайте каждый случай жульничества модели на красивую теорию.

Коротко.

• Министерство цифровизации Дании тихо закрыло пилот с открытой альтернативой MS Office: с лета 2025-го Collabora тестировали около 40 его сотрудников (Computerworld).
• Roku перевезла репозитории разработчиков с GitHub на GitLab и просит обновить пути в конвейерах индексации для ИИ (блог Roku).
• Стандарт C++26 не прошёл голосование сразу по двум порогам: 12 «за» из 20 голосующих членов и 9 отрицательных отзывов из 22 национальных органов (LinkedIn).
• Apple принимает заявки в программу исследовательских iPhone с доступом к оболочке и правкой ядра (Apple).
• Исследователь получил root на свежих телевизорах Samsung и описал обилие функций с вечно включённым микрофоном (тред).
• Около десятка банковских приложений начали явно разрешать GrapheneOS (GrapheneOS).
• Государственные сайты Индии до сих пор отдают отозванные сертификаты eMudhra: из 1377 найденных доменов 811 так и остались на отозванном (captnemo.in).
• Открытый проект No Longer Evil вернул удалённое управление трём старым термостатам Nest, у которых Google год назад отключила облако (MakeUseOf).
• Заметки по интерпретируемости Gemma-4-31B: 12% потока в «естественных» координатах хватает, чтобы топ-токен совпал в 94% случаев (LessWrong).
• Эскиз предела размера роя: чтобы группа реагировала как один агент, рычагов три — усилить связи в слабом месте, поменять топологию и урезать размер (LessWrong).