Капитанский мостик 2-28

19.07.2026
18.10.2026
подкасты

Двадцать восьмой выпуск второго сезона подкаста "Капитанский мостик" про искусственный интеллект, будущее и все такое. Ведущие подкаста — Валентин Малых и Дмитрий Колодезев

Площадки

Содержание

00:00:00 введение
00:01:05 Apple хочет ИИ
00:06:35 стартап лучше AMD
00:14:49 вышла Kimi K3
00:23:29 что делать в ИИ-будущем
00:36:08 Amazon уволил 57 тысяч
00:45:08 вышел GigaCode Desktop
00:48:07 Grok Build заопенсорсили
00:53:30 Grok 4.5 лучший в CLI
00:59:41 ИИ-агенты лучше 60/40
01:05:34 ИИ-партнёров запретили

Новости этой недели

Валентин Малых 0:00
Всем привет! С вами, как всегда, Валентин Малых и Дмитрий Колодезев. Я сегодня в походных условиях. Записываюсь от Ивана Комарова. Тут проходит Алтай Кэмп. Мы, соответственно, успели сходить ещё в бане вчера. Так что приезжайте на Алтай, тут замечательно. Доклады про Data Science, не только доклады про Data Science, как видите, ещё другие алтайские развлечения. Так что всем рекомендую, кому интересно. В следующий год планируется повторить.

Дмитрий Колодезев 0:37
И прекрасно, котунь шумит в заднем плане.

Валентин Малых 0:42
Есть такое, да. Так что извините, условия немножко походные. Про Data Fest, да, что Data Fest состоится в октябре. Пожалуйста, подавайте доклады, не... Ещё можно подать даже свои секции.

Дмитрий Колодезев 0:56
Да, у нас форма подачи докладов открыта, форма регистрации участников, но Data Fest, наверное, будет через неделю.

Валентин Малых 1:08
Ну что я тебе бы хотел с этой новости? А Apple начала. начала Прицениваться к разработчикам и чипов собственных процессоров уже недостаточно. Это достаточно интересная история, потому что получается, что сейчас такая гонка и чипов, ну, потихоньку начинается. Дело в том, что раньше это было как-то супер дорого, да, то есть создать свой чип, это означало, что у вас инженеры, которым нужно платить зарплату, будут работать. В течение нескольких лет для того, чтобы спроектировать чип, потом, соответственно, этот чип проверить в действии. Сначала, понятно, смоделировать, потом проверить в действии в железе. И после того, как подтверждены характеристики, эти характеристики, соответственно, если они с ними всё хорошо, то сразу всё хорошо, если нет, то надо их долго чинить и потом. Выпускать, то есть это процесс там, ну, лет на пять. Поэтому стартапы в этой области обычно, ну, скажем так, не очень легко возникают, потому что, ну, это требует определенных денег, определенного времени, и результат не гарантирован. Вот, но тем не менее, сейчас мы знаем успешных несколько стартапов, как минимум, Grok был, который через Q его купила NVIDIA. Есть Cerebras, который вполне себе жив и здравствует. Есть, соответственно, несколько китайских производителей чипов. Так что вполне себе на рынке присутствуют какие-то стартапы, которые вполне могут быть приобретены вот такими вот китами. И то, что Apple стал пересматриваться, это совершенно неудивительно. Apple идет в ногу со временем, и они собираются, насколько я представляю, вот эти вот ИИ-функции в операционной системе продвигать дальше. Ну, то есть, в iPhone. И в своих Macах. Собственно, я думаю, ни для кого не секрет, что Mac Mini, да, это сейчас одна из самых популярных платформ для запуска LLM, и, пардон, LLM, конечно. И, соответственно, то, что он будет ещё более эффективным, я думаю, Apple только будет рада продать ещё больше Mac Mini.

Дмитрий Колодезев 3:27
Ну, интересно, что там в новости упоминается Blackwell, а процессор всё-таки, наверное, для Inference, а не для обучения. То есть, Backwell — это же общего назначения, а тут, наверное, планируется НПУ, который ускоряет Inference, но не ускоряет обучение, если я правильно понял. Вот и интересен техпроцесс 1.4, то есть, кто им будет его делать, TSMC.

Валентин Малых 3:58
Ну, слушай, у TSMC же теперь есть фабрика в США, а Apple, насколько я помню, обещалась как-то перевозить производство в США и даже что-то для этого делать, на самом деле.

Дмитрий Колодезев 4:11
Вот, но там как раз про 1.4. Интересно, что это TSMC планировал в 28-м году запустить производство на 1.4. Что они планировали выйти там на 30% годного выхода и так далее и тому подобное. Поэтому я думаю, что 1,4 цифры — это как раз вот к этой новости, потому что всё-таки что это новая фабрика TSMC. Вот, и она, по-моему, как раз всё-таки у них там стоит.

Валентин Малых 4:46
У них, ты имеешь в виду, в Техасе где-то, да? На Тайване. А, на Тайване, ага.

Дмитрий Колодезев 4:53
Вот, ну так-то прикольно, что будет. У Microsoft, например, есть свои чипы, но они совершенно не потребительские. То есть у того же самого AMD, например, а не общего назначения, по-моему, у Microsoft они чисто под Inference, по-моему, тоже. Ну, тоже так. Вот, а Apple, вообще-то очень многие знакомые собирают свою ферму нынче не на NVIDIA штуках, а на Mac Mini. То есть, допустим, дешевле купить Mac Mini даже в нашей стране и запускать на нем Inference LLM, чем собирать вот этот вот обогреватель из NVIDIA-ских карт.

Валентин Малых 5:44
Да, тем более, что как правильно вчера заметили, мы тоже вчера обсуждали эту тему с коллегами, для того чтобы получить. Как бы производительность, равную Mac Mini, тебе надо на самом деле гораздо больше вложений. То есть ты собираешь, собственно, не только карту, которая, ну, предположим, карта даже будет сравнимой с стоимостью с Mac Mini, может, даже дешевле. Но тебе нужен и блок питания, тебе нужен Rack, который всё это будет держать, причём не просто держать, а как бы он большой, серверный, да, это. Штука большая, ему нужно хорошее питание, ему нужно хорошее охлаждение, и всё это вместе стоит, ну, как чугунный мост, что называется. Да, при этом, если хочешь что-нибудь похожее, ты можешь там три Mac Mini рядом поставить, и они тебе будут твои LLM Inference, всё будет прекрасно. Следующие новости как раз сказал про AMD, а тут довольно интересно. Значит, некий стартап Spectra Compute. Я раньше про него никогда не слышал, но это, наверное, удивительно. Обещают, что они смогут оптимизировать, я так понимаю, какой, простите, компилятор. CUDA? Для того чтобы работать на железе AMD, и причём сделали они это, по их утверждениям, лучше, чем сама AMD. Так что звучит очень интересно и заманчиво, что можно вот эти вот CUDA kernel запускать на AMD. Это на самом деле то, чего не хватало. Мне не совсем понятно, какая у них бизнес-модель. То есть, как мы помним, у AMD не так много продаж, да, то есть, мне кажется, 6% рынка или что-то типа того. Но это, тем не менее, какой-то рынок уже для вот этого стартапа, который говорит, что AMD не умеет делать программное обеспечение, а мы умеем, давайте мы сделаем. Вот.

Дмитрий Колодезев 7:41
А ну очень многие люди пытаются запускать. Не игры, не LLM, а просто высокопроизводительные вычисления на AMD-шных компьютерах и на AMD-шных процессорах. И там всегда это разочаровывающееся. То есть можно считать, есть фреймворк, есть в библиотеке ROCm и так далее. Вот, но всегда это было как-то мучительно. Ну, может быть, они в этот рынок целятся. Я тоже пробовал, кстати, AMD, у меня не получилось нормально их считать.

Валентин Малых 8:15
Вот так и есть, подтверждаю. Ну, мы, собственно, вот этим вот гражданам из Spectral Compute желаем успеха. Посмотрим, что получится. Следующая история у нас про выход новых моделей. У нас целый блок будет, и довольно интересно, что у нас есть такой стартап, Thinking Machines. Если я ничего не путаю, его сделала Kira Murati. И соответственно, они выпустили первую свою модельку, назвали её Inkling. У этого слова даже есть какой-то перевод, но, честно говоря, я его забыл. Суть в том, что это новая модель от них, и она вроде как даже должна быть хорошей. Из интересного, непосредственно того, что я сейчас показываю, заключается в том, что их пригласили в блог Hugging Face, да, то есть они договорились о том, чтобы опубликоваться в блоге Hugging Face. И Hugging Face в этом смысле выступает для них, ну не знаю, какой-то такой площадкой для пиаров, как-то что ли, как-то так. Вот, ну и здесь они рассказывают про то, что какая, как хорошо эту модель можно запускать. Единственное, что я так и не увидел, как они сравниваются с другими какими-то. Скажем так, моделями, да. Так что пока предлагается просто запускать и посмотреть для себя. То есть, я думаю, что тут вся идея в том, что вот у нас есть новая моделька, пожалуйста, посмотрите на неё, какая она классная. А сравниваться не надо, это мы потом сами сделаем. Вот, я думаю, что... Какая-то история. Кстати, и тут пока листал, что хотел сказать, что она даже русский поддерживает эту модель, что довольно интересно.

Дмитрий Колодезев 10:08
Я смотрел бенчмарки её, и говорят, что ну тут ситуация такая, от него кровопролитие ждали, он чижика съел, то есть она на уровне текущих open source моделей ничего вроде бы как какого прорыва не происходит. Но название у неё на самом деле, Inkling, примерно переводится, не знаю, как намёк. Вот такой намёк. А когда Kira Murati ушла делать свой стартап, она всех, собственно, удивила тем, что непонятно было, что она собиралась делать, и тут же дали кучу денег. Просто вот под красивые глаза. Ну и вот вышла модель, и непонятно по-прежнему, в чём был замедлен. Да, то есть чего хотели. Ну, удачи пожелаем.

Валентин Малых 11:01
Да, будем желать удачи и смотреть, что у них будет получаться. Не знаю, правда, что ждать дальше. Ну вот, ну сделали вы свою модель, но это как бы там 50-я модель на рынке. Хорошо, что в ней такого-то особенного?

Дмитрий Колодезев 11:16
Ну, тут видишь несколько технических решений, ну, интересных действительно, но... Во всех технических решениях есть вопросы, действительно ли они чего-нибудь добавляют. То есть я не большой специалист именно в этом вопросе, в pretrain, но мне попадался анализ, обзор, что в принципе, в принципе, pretrain примерно пропорционален. Самому размеру, если его правильно учили, если он нигде не спотыкался, просто количество весов, вот и всё. Качество pretrain. И всё, что мы там внутри настраиваем, это такой немножко каргокульт. То есть мы просто подстраиваемся не под задачу, и не то чтобы нейронки нельзя было обучить в другой архитектуре, просто мы помогаем оптимизаторам работать. Ну, это не вся правда, конечно, действительно, некоторые вещи с attention, они... Не только оптимизация оптимизатора, но и оптимизация inference. Но всё равно смысл тот, что какой выхлоп получается от этих архитектур не всегда понятно, потому что у нас очень замешанный эффект на датасет, архитектура, оптимизация и так далее и тому подобное. И может быть, что вот этот блок, который они поставили. Относительного attention, допустим, что он вообще ничего не играет, а может быть, он прорыв. То есть сравнивать непонятно как, слишком много.

Валентин Малых 12:53
Проблема-то, да, проблема очевидна, что. Как бы взять такую же модель и обучить ещё раз без этого блока, но это стоит столько денег, что никто такой эксперимент проводить не будет. Поэтому все делают какие-то маленькие эксперименты на кошечках, кошечек жалко, поэтому даже их иногда не делают. И соответственно, получается, что здорово, но как-то вот неубедительно, честно сказать, да, то есть. Ну хорошо, допустим, эта ваша штука классная, допустим, на pretrain она работает. Ну вот, ну а где, собственно, такой эффект, чтобы вот мы все ахнули, да? То есть, что вот лучше, чем было. Не знаю, короче, пока ты правильно выразился, мы не поняли.

Дмитрий Колодезев 13:32
Хочется тут набросить. Я как раз копаю LM evaluation тему. Серьезно, то есть у меня тут будет. Проект с этим делом связанный, и есть интересная статья, где предлагают. Подходить с техниками causal inference к evaluation и LM-систем. Они говорят, ну смотрите, вот у нас та же самая история, что в эпидемиологии или в рекламе. У нас невоспроизводимая история какая-то, куча движущихся частей, и мы хотим сказать, что это не случайное влияние и оценить его величину. Мотопарат есть. Фреймворк есть. Почему мы этим не пользуемся? И они как раз предложили использовать causal inference методы к оценке pretrain, к оценке RAG, вот этих длинных пайплайнов, агентских систем и так далее. Там больше вопросов, чем ответов, но вот подход такой интересный.

Валентин Малых 14:31
Да, звучит прямо интересно, и я бы на это направление повнимательнее посмотрел, потому что если есть уже наработки из других областей, то применить их и попробовать. Ну а что нет, а вдруг получится.

Дмитрий Колодезев 14:45
Ну вот, я и смотрю. Да-да-да, класс!

Валентин Малых 14:52
Следующая новость у нас тоже про модель. Это, соответственно, Kimi K3. Да, то есть тут вот интересная картиночка, где они показывают такое усреднённое качество. Что типа вот смотрите, было Kimi K2, и тут Kimi K3 просто всех как стоящих сделал. И они говорят, что они уступают только Fable, и по-моему... GPT 5.6. А вот, а при этом из интересного, они почему-то для GLM используют только пятую версию. Ни 5.1, ни 5.2 они здесь не показывают на картиночке, видимо, неудобно получается. Но это моя гипотеза, не знаю. Вот, соответственно, тем не менее. К3 мы поздравляем с выходом. Это замечательно, что вышла такая большая модель на почти три триллиона параметров. То есть я помню, когда, по-моему, в 21-м что ли году. Кто-то тоже это был, кажется, может быть, это была NVIDIA, может быть, это был Google. Да, кто-то заикался по поводу триллионных моделей, и я говорил, что ну зачем такое? А соответственно, прошло четыре года, и вот уже, соответственно, три триллиона. Тут надо оговориться, знаешь, важная вещь, что несколько лет где-то с выхода. Как раз, да, с выхода с PaLM, вот PaLM, это, по-моему, двадцать первый год, меня поправит. Пишите в Mattermost, если я не прав, я с удовольствием послушаю объективную критику. Значит, был такой период примерно года полтора-два, когда не выходило моделей открытых больше, чем этот размер, и его смогли размочить, вот этот счет, только этим летом. Да, то есть, ну ладно, не этим летом чуть пораньше, но тем не менее, стали появляться модели, которые размером один триллион, да, то есть. Там вот был DeepSeek, последний большой, да, на 600 с чем-то миллиардов, и всё, и больше не росло. А потом вот вышел Kimi K2, вышел GLM, который меньше триллиона, но всё равно большой, 700 с чем-то 750. И соответственно, вот тут уже 2,8 триллиона. Ну то есть гонка вернулась, и интересно, почему гонка размера снова пошла, да, то есть. Видимо, китайские товарищи смогли наладить себе поставки какого-то железа, на котором это всё можно крутить. Видимо, это даже не NVIDIA железо, это моё предположение, потому что NVIDIA железо вроде как запрещено поставлять в Китай. И соответственно, посмотрим, куда дальше двинется.

Дмитрий Колодезев 17:36
А ну смотри, когда появились первые модели, там была, по-моему, от Google, модель на один т. На один миллиард, на один триллион параметров, да, и они же были. В полные веса Inference, то есть, а сейчас же они моё, и поэтому они на самом деле гораздо эффективнее в Inference, чем те старые модели, и быстрее, и энергоэффективнее. Вот, я думаю, что... Вот эта задержка была связана с тем, что сначала, когда большие модели сделали, никто от них отдачу-то и не увидел. То есть модель сделать можно было, а не хватало ни оптимизаторов, ни вычислительных мощностей. Эти модели нормально доучить. А сейчас всё подтянулось, и новые оптимизаторы, и новые вычмощности. Ну и опять же, модели научились учить.

Валентин Малых 18:32
Тут ещё один аспектик я бы упомянул, что сейчас, последние несколько месяцев, в широкую публику вышла тема под названием speculative decoding или MTP. И вот это тоже дало очень серьезный перерост, потому что эта штука супердорогая в Inference, ну я в частности про Kimi K3, но и даже GLM 5.2, которая 750 миллиардов, она тоже не дешевая. И если у нас есть вот этот вот multi-token prediction, да, то есть какое-то предсказание заранее маленькой моделькой, где маленькой может быть, не знаю, там, 27B условно. Так вот, сначала предсказали ей, а потом уже проверяем большой. Я вполне понимаю, почему. Сейчас эта штука выстрелила, то есть у нас получается, что сейчас наши предсказания токенов стали, ну, наверное, раза в два-три, побыстрее, чем было, а может быть, даже и больше. Я имею в виду именно для больших моделей. С маленькими-то и так всё было неплохо, и в основном они и развивались. А сейчас вот стало понятно, как большие модели заставить ворочаться побыстрее.

Дмитрий Колодезев 19:41
Я сам не успел попробовать Kimi K3. Я только про исследование изучил. А знакомый её попробовал. Он говорит, что в кодировании она очень хороша. Ну, то есть, действительно, она... Где-то вот к Claude подходит, Claude Opus обгоняет, но если её использовать для сложных вещей, не связанных с написанием кода, всё-таки Claude и Claude Sonnet всё-таки пока очень-очень далеко. То есть какое-нибудь общее описание задачи, анализ какого-нибудь дата сета и так далее и тому подобное.

Валентин Малых 20:21
Ага, ага, ага, окей.

Дмитрий Колодезев 20:25
То есть модель дотянули в том месте, где их все меряют, а в остальных она всё-таки немножко проседает на то, что можно сказать general intelligence. Но это неплохо. Меня-то в основном их способности программировать и интересует, но просто такое замечание.

Валентин Малых 20:44
Ну, способности программировать сейчас. Тут, кстати, вот я, знаешь, какой хотел сделать замечания, даже два. Замечания номер один, чтобы просто не забыть, хотел порадоваться за коллег. Я отдельно эту новость не выносил, но тут уж к слову пришлось. И раз мы про GLM заговорили, коллеги из нашего Клауда смогли первыми в России запустить Inference GLM 5.2. Так что если вам было интересно, то вот знайте, что можно GLM 5.2 брать в МТС Клауде, и там будет. Там будет, наверное, поближе, побыстрее. Насчёт стоимости не подскажу. Вот, но это просто я за коллег хотел порадоваться. А, соответственно, второе про программирование, что сейчас основной упор в программировании делается не на, как ни странно, программирование, да, не на написание кода, а на агентские способности. И вот агентские способности — это сейчас то, что в основном и прокачивает. Не видел вот этот Kimi K3, и, видимо, мы будем его проверять по-всякому. Будем смотреть, что она умеет в плане агентских способностей, и пытаться с этим всем разобраться. Вот как-то так.

Дмитрий Колодезев 22:00
С агентскими способностями, там же та самая история, что там очень большой расход токенов, гораздо больше, чем при обычной работе. То есть они там не очень эффективно используются, да. То есть мы на два порядка проигрываем. Не агентским решением обычно в стоимости inference, поэтому там. Большое давление, что нам бы модельку побыстрее, нам бы модельку подешевле, нам бы модельку пободрее, да, то есть такая. И модель, которая, может быть, здорово уступает Fable, но хороша в агентском хорошее и дешево в агентском сетапе, она, в общем-то, для неё прямо место на рынке есть.

Валентин Малых 22:50
Да, в общем, тут я с тобой согласен. Посмотрим, как сейчас будут использовать этот Kimi K3, насколько будет провайдеров, тех же, да, чтобы хорошо и дешево её

Дмитрий Колодезев 23:04
Ну, я на самом деле посмотрел планы, они примерно GLM, то есть там есть GLM, потом Anthropic, когда у нас есть план за $100, условно за $20, за $200, ну то есть вот та же самая история.

Валентин Малых 23:28
Такая следующая новость, немножко необычная. 16 Нобелевских лауреатов по экономике предупредили и может вызвать масштабную потерю рабочих мест. Это, конечно. Новость, на мой взгляд, из разряда. На четвёртый день Никит Зоркий Глаз заметил, что у сарая нет стены. Да, и здесь, соответственно, довольно интересно, что это как некое открытое письмо, и люди, значит, его подписавшие, говорят, что вот давайте мы срочно что-то сделаем, иначе у нас будут какие-то проблемы в экономике. Ну, в общем, если бы Это действительно было, скажем так, вовремя. Да, я бы сказал, что это надо было так несколько лет назад делать такое письмо. А из того, что сейчас оно появилось, я, честно говоря, совершенно не понимаю, как можно сейчас что-то сделать. Это не значит, что нельзя, безусловно, можно. Просто я не понимаю, как людям договориться до чего-нибудь. Да, то есть у нас просто был. Замечательный Дарио Амодеи, ну, он ещё есть, что называется, пусть будь здоров. Вопрос в другом, что... Он предлагал ограничить развитие искусственного интеллекта и сказал, что давайте мы зафиксируем всё как есть и, соответственно, дальше не развиваем, всё используем только это, постараемся как-то адаптироваться. Но тогда это не получилось, и я думаю, что вот такое открытое письмо — это, ну, не знаю, больше PR-ход, что ли? То есть я нереально не понимаю. Что, какое реальное действие можно предпринять после вот такого письма? То есть, что сделать, чтобы стало лучше по мнению этих граждан?

Дмитрий Колодезев 25:08
По идее, это вопрос не что сделать, да, полностью вопрос звучит, что сделать кому. То есть, кто вообще может что-то сделать? То есть, у нас есть родители, которые планируют обучение детей и финансируют его, да. У нас есть молодежь, которая... Обдумывает житьё. У нас есть текущие специалисты на рынке, которые думают, чем они будут кормить семью и платить ипотеку. У нас есть директора небольших предприятий, руководителей, которые думают, как жить-то. Есть руководители enterprise и есть регуляторы. То есть, и всем им надо, на самом деле, делать разное. Да, и когда мы такие говорим, нам нужно, нам нужно, кому конкретно нужно. Вот у нас есть новость, я не знаю, попадёт он у нас или нет. Сценарий 2023 от United Kingdom, вот от Соединённого Королевства, и вот там у них внизу как раз. Написано, что собственно вам нужно делать. Вот, то есть мы его подготовили, и вам нужно прочитать. Мы, говорит, подготовили сценарий, как оно всё будет до 2023 года. Вы нам можете верить, можете не верить, но вам нужно сделать вот это следующее. То есть первое, понять. Что, собственно говоря, вы будете в этом сценарии, какую роль вы будете играть, как он на вас повлияет. Вот, в какие сценарии вы действительно верите, по каким сценариям? Вот чуть-чуть ниже, там есть Consider shock, Consider shock, Prepare for Low Probability, High Impact Event и так далее, и тому подобное. То есть, дальше вот они. Вот там патология, How to Use AI 2023, сценарий. Вот дальше. Вот, пожалуйста, они предлагают framework, то есть спросите себя, как наша команда, наш отдел, собственно, будет, что мы хотим в этом сценарии, куда мы стремимся, куда мы стремимся, что нам достижимо, что нам станет легче, чем сейчас мы делаем, что нам станет труднее, да, ну и так далее. То есть мы спланируйте, проверьте. Оцените, обсудите, идентифицируйте и идите. То есть, к каждому из вот этих вот стейкхолдеров, которые я обсудил, то есть люди, которые учат своих детей, детям, которые учатся. Сотрудники, их руководители, надо вот так понять, что, собственно говоря, какое влияние на нас окажет этот сценарий, насколько мы в это верим, что станет труднее, чем сейчас, что станет лучше, что конкретно поменяется в нашем мире, ну и начинать. Допустим, думаем, что, например, скажем, доллары обесценятся. Что мы делаем? Ну, покупаем евро, да, например. Или там мы думаем, что, например, гречка пропадёт. Упаси Господь, мы начинаем покупать гречку. И то есть у нас есть какой-то прогноз, что случится. Мы думаем, что мы можем в этом сценарии предпринять, чтобы снизить свои риски или потери. И мы думаем, ага, ну и что из наших инструментов, доступных нам, можем применить? Ну, пойду-ка я. Прикуплю гречки, ха-ха, два килограмма на всякий случай, пусть стоит, да. Вот. И вот такую же логику на самом деле надо применять к сценариям. Будущего с искусственным интеллектом, то есть есть какой-то сценарий, не обязательно всё будет как там есть, надо посмотреть, подумать, насколько я вообще верю, во что из того, что тут написано, я лично верю и почему. Вот, а как это на меня повлияет, что я могу с этим сделать, что из того, что я мог бы сделать, я могу себе позволить сделать прямо сейчас-то, например. Может быть, мне надо пойти что-нибудь выучиться, может быть, мне надо идти учиться на сварщика, как мы тут уже обсуждали. То есть, на самом деле, все эти сценарии очень практичные. Просто до практичности вам надо их дотянуть лично. Лично вам.

Валентин Малых 29:30
Слушай, ну я считаю, что вот эта памятка от Правительство Британии очень правильно. Да, то есть, да, пожалуйста, подумайте, что нужно сделать для того, чтобы вам было не хуже, чем сейчас хотя бы. Да, лучше, лучше, лучше. И посмотрим, как у вас получится. То есть, правильно предупредить людей об этом — это замечательная идея. И я думаю, что нашему профессию тоже стоило бы так сделать, со словами, что вот смотрите, у нас внедряется много искусственного интеллекта, давайте мы все вместе подумаем, каждый из нас, как нам существовать в вот этой. В новой вселенной, где у нас искусственный интеллект действительно делает определенные штуки. Ну, то есть, я лично считаю, что каждый должен подумать о том, как бы, а что будет, если... Часть моей работы будет делать искусственный интеллект. То есть, есть ли среди моих обязанностей такие, которые искусственный интеллект пока не делает? Если он пока не делает, то есть шанс, что у меня лично всё будет хорошо, потому что я стану более продуктивным. Ну, в том смысле, что я могу сделать больше другой работы, и мне останется делать вот эту работу. Вот возьмём пример кассиров. Да, у нас есть кассиры. Уже сейчас кассиров много где заменяют на кассы самообслуживания. У кассы самообслуживания есть свои недостатки, но как бы они делают работу кассиры именно как профессии. Это значит, что люди, которые работают кассирами, должны подумать о том, как. Расширить свою зону ответственности, да, например, быть не только кассиром, но и, как это, я не очень силён в этой терминологии, кажется, это называется мерчендайзер, то есть человек, который там одновременно раскладывает товары и вот это вот всё, да, то есть можно вполне себе остаться в той же сфере, но делать какие-то. Или дополнительные работы или какие-то специализированные работы. То есть, надо про это думать. Это действительно важный аспект, и многие люди просто до последнего времени и сейчас продолжают игнорировать существование искусственного интеллекта. То есть, всё будет как при бабушке, и мы будем точно так же, вот как мы, соответственно, не знаю, значит, на такси ездили с помощью. Какого-то дяденьки или тетеньки, который нас везет, так и будет. Ну, как показывает практика, не обязательно. Вот.

Дмитрий Колодезев 31:56
Слушай, но с кассирами там всё просто. Всё больше спрос не на кассиров, а на работников торгового зала, то есть такой универсал, full-stack продавец. Вот и вот эта история, она будет идти во многих рынках труда, в том числе, кстати, в разработке программного обеспечения. Потому что сама специализация в разработке программного обеспечения, что вот у нас есть архитектор, вот у нас есть тестировщик, вот у нас есть кодер, вот у нас есть менеджер проектов, она возникла из того, что у нас есть какое-то наше... Основная титульная задача, например, писать код, и куча всяких нудных, отнимающих время телодвижений, вроде запускать тесты или, например, диплоить. И тут внезапно выясняется, что вот эти трудоёмкие задачи. Модельки наши могут схлопывать, то есть то, что занимало там, допустим, 80% времени тестировщика сейчас может, например, в некоторых случаях за полчаса сделать какой-нибудь там Fable или Opus, да, и снова во многих отраслях. У нас появятся full-stack для того, чтобы потом переспециализироваться. То есть сначала у нас в отрасли профессия появилась, а она распалась на мелкие специализации. А сейчас, когда сама распределение трудозатрат изменилось, у нас профессия снова схлопнется и по-другому разделится. Вот такой процесс будет идти.

Валентин Малых 33:27
Слушай, ну я думаю, биологи, которые нас слушают, сейчас смахнули скупую слезу. Да, то есть, это же вы. Эволюцию переизобрели, какие вы молодцы, да. Ну да, так и есть. То есть сейчас у нас происходит некое катастрофическое событие, когда катастрофическое вымирание, когда у нас останется немного как раз не специалистов, да, узких, а, как говорили в свое время, специалистов широкого профиля. Да, то есть когда останутся те люди, которые... В своей специальности умеют делать плюс-минус всё, что нужно, имеется в своей области неспециальности как раз. И потом уже через какое-то время, ну, будет снова какая-то специализация, но она, видимо, будет уже другой. Ну, она, может быть, даже будет какой-то похожей, но наверняка как-то поплывёт.

Дмитрий Колодезев 34:13
Да, но я вот уже два года на DataFest читаю доклад «Влияние AI на рынок труда», и каждый раз это очень интересная история, поэтому я с нетерпением жду следующего DataFest и следующего своего доклада. С удовольствием бы его послушал.

Валентин Малых 34:29
Да-да-да, я бы тоже с удовольствием послушал. Ну, у тебя немножко сложнее, чем мне, в этом смысле. Я про другое. Кстати, вот к слову, пришлось. Мы вчера с Иваном Комаровым как раз и Евгением обсуждали. Они, в смысле, Иван и Женя сделали такую штуку. Которая по нашему с тобой капитанскому мостику по записям ищет вопросы. И я почему вспомнил? Потому что я ровно эти вопросы задал. Типа, что Дмитрий думает про рынок труда? И он мне нашёл те места, где за все наши выпуски ты говорил про рынок труда, но там оказалось, ну, штук пятнадцать, наверное. И, соответственно, всё это просуммализировал и кратко изложил. То есть, вот коллеги сделали. Очень хороший Morag Audio, да, то есть суперинтересная штука. Я думаю, что мы скинем ссылочку на него в канал, чтобы коллеги тоже могли причаститься. Вот.

Дмитрий Колодезев 35:28
Я знал, что они так сделают. Не могли не сделать буквально. Ну, видишь, как только ты соберёшься продать людям консалтинг, тут же они берут твои видеозаписи и делают по ним RAG.

Валентин Малых 35:42
Фактически, ты сам шоу-рынок уничтожаешь, ты же понимаешь, да? Да, как жить в этом мире. Жестоко, он беспощадно, согласен с тобой, да. Ну, что тут скажешь? Ничего не скажешь. Мы всё равно будем писать для вас капитанские мостики. Я надеюсь, что Дима не будет голодать. Вот, но мы подумаем над тем, чтобы завести Boosty, чтобы Дима мог тоже как-то себе на мороженое что-то забирать. Соответственно, следующая новость как раз в сторону нашего предыдущего обсуждения. Amazon уволила 57 тысяч сотрудников из-за внедрения искусственного интеллекта. Я не помню, сколько людей работают в Amazon, но их там работало довольно много. Соответственно, 16% они уволили, это 57 тысяч. Ну, можно подсчитать, что это примерно у них должно работать около 400 тысяч сотрудников. Ну да, где-то так и есть. Соответственно, 400 тысяч сотрудников было. Вот 16% сотрудников они уволили. И это, мне кажется, вполне себе понятный процесс, потому что люди переживают на эту тему, да, переживают на тему того, что их уволят. И в некоторых случаях это, к сожалению, вполне себе обосновано. Да, то есть это обосновано в том смысле, что действительно определенные задачи автоматизируются, и если Компания, вот как Amazon, да, строится на сверхспециализации, ну как? Наверное, многие крупные компании, да, она строится на том, что человек выполняет одну узкую функцию. То если эта узкая функция специализирована, автоматизирована, то тогда, ну как бы, понятно, что они будут стремиться к тому, чтобы минимизировать затраты на эту функцию. Вот и я думаю, что в США это на самом деле достаточно распространенная история будет. Не только Amazon так делает, на самом деле увольнений, как мы помним. В IT, по крайней мере, происходит довольно много. Собственно, увольнения в Амазоне под это попадают, хотя это, скорее всего, не только айтишники, но вероятно, это какие-то люди, которые на складах работают. Вот такое. И у нас получается, что достаточно много людей увольняется. Вопрос в том, сколько Амазон Взяла людей со стороны, да, то есть если они уволили 57 тысяч, а взяли 100 тысяч, это как бы, ну, наверное, не так плохо. Я имею в виду в целом для рынка труда. Если они 57 тысячи уволили и больше никого не наняли, то это как бы несколько другой процесс.

Дмитрий Колодезев 38:20
А ну, тут немножко, конечно, учёные с журналистом имели тесное общение, в том смысле, что с 2022 года уволили 57 тысяч сотрудников, то есть не... Допустим, не то чтобы у нас вышло GPT. ChatGPT и Уолли, сотрудников, а скорее ковидные ограничения сняли, на которых Amazon вырос очень сильно. Вот и после этого кого-то там уволили. Ну, то есть, я это вообще-то читаю так. Но Amazon, так получилось, что мы до определенных событий, мы были партнером Amazon в России и сертифицированным партнером. У всех вот этих облачных, и Google, у всех этих облачных провайдеров, у них отстроено. Масштабная программа обучения сотрудников. У них документированы процессы хорошо, у них отличные обучающие материалы. И если уж кому автоматизировать сотрудников, так это им. Потому что у того же самого Amazon была построена система. Когда ты берёшь не очень, в общем-то, грамотного человека, ставишь его на вход pipeline, и на выходе у тебя сертифицированный инженер Amazon. То есть, если он старается, если его достаточно хорошо мотивирует, то у тебя получается хороший нормальный инженер. Вот, то есть, Amazon умеет это делать, и естественным образом сюда воткнуть нейронку, и вот, в общем, будет хорошо.

Валентин Малых 39:58
Причём нейронка может быть на разных частях пайплайна, да, то есть она может и учить, она может проверять, и она может даже сама проходить, если вы понимаете, о чём я.

Дмитрий Колодезев 40:07
Так же как, допустим, в разработке программного обеспечения у нас наибольшую отдачу от внедрения кодовых агентов получают люди, которые и без того очень хорошо умели писать код, то есть условные сеньоры. Так же и от внедрения AI получают наибольшую выгоду люди, у которых процессы отлажены, а трудовые функции хорошо документированы.

Валентин Малых 40:34
Я тут с тобой согласен. Наверное, всё-таки хотел бы добавить вторую сторону медали, да, то есть от ИИ получают очень большой буст те люди, которых процессы не то чтобы не отлажены, а те, которые не специализированы в какой-то функции, да. Например, если у нас мой любимый пример про булочную, да, есть булочная, и там вообще говорят. Содержание программиста было никогда экономически неоправданно, но теперь они могут себе сделать с помощью вот этого самого кодингового агента приложения. Кривое, косое, но оно уже будет. Да, то есть это гораздо лучше, чем его вообще не было. И дальше уже, соответственно, вот это приложение уже может начать работать на компанию, маленькую вот эту самую булочную. То есть у нас получается, что есть два полюса. С одной стороны, те люди, которые эту функцию не могли себе позволить, теперь могут себе позволить, так как она стала дешево, пусть даже она не такая качественная, как у профессионалов. А с другой стороны, именно те, кто могли себе позволить суперпрофессионалов, может ещё и этих профессионалов сильно ускорить, усилить, улучшить и получать ещё больше профита. Так что у нас тут два полиса, и вот то, что посередине как раз кажется, это то, что Самая страдающая часть, да, там, где получается у нас и процессы не очень отлаженные, и не очень понятно, как что замещать и надо ли замещать. Вот здесь самая сложная часть. То есть, когда мы с тобой на прошлой новости говорили про... Британские рекомендации. Да, вот кажется, что в первую очередь эти люди должны задуматься о том, что же делать. Да, то есть, как нам, не знаю, сохранить бизнес, как нам сохранить рабочую позицию, вот это всё.

Дмитрий Колодезев 42:18
Слушай, но в любой экосистеме есть какие-то ниши, да? В зависимости от размера компании. У неё рулит либо эффективность процессов, либо гибкость процессов. То есть большая компания существует за счёт эффективности процессов, маленькая компания существует за счёт гибкости процессов. Компания среднего размера, она вынуждена оптимизировать, по оптимизации конкурировать с большими компаниями, но и ей хочется. Иметь гибкие процессы, как в маленькой, но она не может себе позволить. Поэтому для больших компаний искусственный интеллект дает большие возможности, для маленьких он, ну вот, где-то дает спасение. А средние часто упираются сейчас в каргокульт, то, что я вижу, его вроде бы внедряют. Но никто, знаешь, вот как мы обсуждали с вот этими улучшениями архитектуры нейросетей, никто не может сказать, стал лучше, стало хуже, или просто мы вот, или просто мы побегали и согрелись.

Валентин Малых 43:26
Ну, в определенных условиях даже побегать и согреться неплохо. То есть, если на это не тратить слишком много денег, то в принципе, побегать, согреться и получить вот такую вот историю, что у вас уже как-то завелся искусством интеллекта, и дальше можно это масштабировать, это уже, наверное, даже и окей.

Дмитрий Колодезев 43:46
У меня есть гипотеза, что у многих людей на старте выигрыш от использования кодовых агентов происходит не из-за того, что они помогают им программировать, а потому что с ними интересно, они просто больше времени и внимания тратят на программирование.

Валентин Малых 44:02
Это интересная гипотеза, и, наверное, она даже в чём-то обоснована. Отпишитесь, те, кто стал проводить больше времени за программированием после этого. Я, кстати, готов подписаться.

Дмитрий Колодезев 44:13
допаминовая петля, я у многих видел это, что они наконец-то снова там типа сидят, сидят, сидят, фигачат, фигачат, фигачат. И на самом-то деле с кодовым агентом, ты без кодового агента. Если ты лишних два часа просидел, глядя свою кодовую базу, хуже ты не станешь.

Валентин Малых 44:31
Ну, у меня, кстати, такой эффект был. Когда вот вышел, вышел J LAM, когда не помню какой версии, я, соответственно, купил себе Pro subscription и стал фигачить. Просто сел в выходные и просто чисто в выходные посвятил только этому. Да, то есть, ну не то, что я прямо хотел, но как-то меня так увлекло. И это прямо круто, да. То есть, это прямо очень новые ощущения, которые меняют восприятие вот этого процесса программирования. То у меня, к сожалению, не хватало времени на то, чтобы им заниматься, а тут я могу, собственно, как бы у меня хватило времени внезапно, да. Как раз следующая новость про допоминговую петлю. У нас в России Сбер представил платформу GigaCode Desktop для автоматизирования задач силами E-агентов. То есть. Как раз коллеги сделали, ну, некий аналог, как я понимаю, Cursor. Да, то есть у них же есть Giga IDE, а тут они сделали такой же мув, как Cursor, и они теперь завезли туда агентов, и с помощью агентов что-то делают. На мой взгляд, очень правильная идея, правильно они пошли в эту сторону. И Сбер молодцы, они действительно стараются и делают определенные продукты. По поводу прямых популярности я не готов, наверное, рассуждать, но то, что они идут в сторону, которая кажется сейчас самой актуальной, это можно только приветствовать.

Дмитрий Колодезев 46:08
Ну, так получилось, что я вчера имел большое обсуждение с человеком с другой стороны, так сказать, pipeline, то есть тот, на которого использование всех этих инструментов падает, как раз который. Вынуждены использовать GigaCode Desktop. Он говорит, что инструменты, может быть, и здорово, но часто на то, чтобы внедрить инструменты, вообще-то говоря, инструмент сам по себе бесполезен, к нему нужен процесс. И часто процессы и инструменты не очень синхронно внедряются, это прямо мешает. Вот, ну и минутка саморекламы, зовите внедрять процессы. Я, кстати, тут этим занимаюсь, LM-процессы внедрять в организации. То есть, когда на сотрудников скидывает даже очень хороший инструмент, но процессы при этом остаются старыми, получается фигня, к сожалению. Поэтому, да, дай бог здоровья, GigaCode Desktop, это очень правильный ход, но процессы тоже надо подгонять.

Валентин Малых 47:15
Слушай, ну мне кажется, что это второе, это проблема, собственно, крупной организации. Там процессы не гибкие, собственно, как ты говорил, да, они должны быть эффективные. Это отдельный вопрос, насколько они эффективные, но они, как бы, гибкость от них не ожидается. Просто потому что невозможно это сочетать, хотя, казалось бы, было бы здорово, если бы они были гибкие, эффективные, и всё на свете.

Дмитрий Колодезев 47:37
Слушай, ну про Сбер нельзя сказать, что он неэффективен. То есть это эффективная, большая, работающая организация. То есть тут с эффективностью у них всё хорошо. И действительно, за эффективность всегда платят гибкость, и они вот пытаются быть гибкими и огромными. Понятно, что это так просто не даётся, но они крутые, конечно, очень.

Валентин Малых 47:59
Да, ну мы тут коллегам желаем успеха, то есть это действительно очень классно, что у вас такая штука вышла. Можем только порадоваться. Следующая новость у нас про, в общем-то, аналогичную штуку, но с другого конца глобуса. Это, соответственно, в США. Компания SpaceX AI, как сейчас они себя называют, они выпустили игрок Build, и не просто выпустили, а сделали его open source. Это прикольно. На самом деле, сказать, зачем они это сделали, я, честно говоря, не берусь. Просто потому что у нас получается, что есть, ну, какое-то количество вот такого рода приложений. Да, то есть. Понятно, что в России есть GigaCode Desktop, и я понимаю, зачем он там существует, потому что это отечественная штука, и те люди, которые по каким-то соображениям не могут или не хотят пользоваться зарубежными моделями, то вот они могут использовать GigaCode, например. Есть всякие открытые решения, типа OpenCode. Зачем ещё одно открытое решение от xAI? Я, честно говоря, не понимаю. Ну, то есть, это, ну, как PR-ход, здорово. Большое спасибо за консорсили. Мне кажется, что то, что они делают, это скорее про то подтверждение тезиса, что сам кот по себе перестал стоить денег. Да, то есть кот пишется с помощью агента, он дешёвый, и денег теперь стоят действительно эффективные процессы, да, эффективно. Эффективное использование вот этого инструмента, который сам по себе сейчас не очень дорогой. Я думаю, что воспроизвести вот такой вот Grok build можно без кода, только по описанию, ну там за несколько суток с помощью подписки на какую-нибудь большую модель. И, видимо, они тоже так думают, что это не особо Не особо ценно само по себе, да, то есть Клод Код, он закрытый, хотя был принудительно открыт, как некоторое время назад, но, соответственно, сейчас есть очень много аналогов, и я вот честно не понимаю, зачем ещё один аналог, типа ещё сделать то, что конкретно вам удобно, ну ладно.

Дмитрий Колодезев 50:27
Для меня сейчас кодовые агенты напоминают историю с появлением и развитием браузеров. То есть, обратите внимание, что когда мы заходим на Moonshot, сайт, да, Kimi, нам говорят, вы можете настроить наш CLI agent, или вы можете вот так подключить её в ваш... Да, заходишь в GLM, тебе говорят, вот тебе инструмент, чтобы подключить её в Claude Code. Вот и во многих историях Claude Code — это просто браузер, в котором мы работаем с другой чужой моделью, да. Вот. При этом, например, Anthropic делает такие интересные вещи, как она собирает статистику о пользователе, передавая её в Unicode в Promptaf, например, да, или что-то ещё. Вот, то есть. Важно, чтобы ты был ближе к пользователю, чтобы ты был точкой контакта, а не какой-то там Anthropic, потому что завтра Anthropic, например, скажет, все ваши вот эти harnesses, они будут неполноценные у меня, да, а все ваши модельки у нас. Вот, и прямо возьмет, и вот так легким движением рынок в свою сторону передвинет. Вот, а во-вторых, есть какие-то истории, когда поскольку они контролируют вот этот браузер, ну, кодовый агент, то они могут под него модели и оптимизировать. И вот эта история, например, с Qwen, то есть Qwen плохо работает в Claude Code. Вот, а просто из-за своих особенностей, ну там, генерации каких-то подходов и так далее. То есть он сам по себе очень неплох, но если ты в Code Code его втыкаешь, он работает так себе. Вот, поэтому вообще-то контролировать хорошо, но в войне браузеров, выигравших, будет немного.

Валентин Малых 52:27
Ну да, это правда. Причём самое интересное, что я думаю, что в войне браузеров выигравшие будут тоже делиться на определённые лагеря. Да, то есть если у нас Chrome в своё время победил полностью, да, ну практически за исключением, соответственно, той части рынка, которая была на Mac, там был достаточно силён Safari. Но на мобильниках Chrome на самом деле не выиграл, потому что у китайцев свои приложения, и они с ними прекрасно работают. Да, то есть я, честно говоря, забыл, как назывался этот браузер, который с белочкой на логотипе. Китайский, я имею в виду для мобильных устройств. И вот он действительно победил в какой-то момент. Он победил Chrome, он стал более популярен, чем Chrome, насколько я помню. То есть как только у нас происходит какая-то трансформация, всегда есть шанс для того, чтобы перехватить инициативу. Насколько у нас сейчас происходит трансформация, сложно сказать, но, видимо, рынок ещё не устоялся. И в этом смысле ты, конечно, прав, что точка входа — это очень важная штука. Собственно, в эту же сторону новость, что Grok 4.5 опередил Claude Sonnet 5, Opus 4.8, Fable 5, GPT 5.5 и стал лучшим для сложных задач в рейтинге Long Horizon Terminal Bench. То есть Мы как раз смотрели про то, что смотрели на Грок, что куда-то он пропал, а вот он появился, и оказалось, что они действительно хорошо что-то стали делать. Сейчас вот это стало модно именно Long Horizon Terminal Bench делать, то есть. Вещи, которые, во-первых, связаны с терминалом. Это сейчас очень популярно и понятно почему, потому что как раз текстовый вход, текстовый выход. И второе важный аспект — это именно длинный горизонт. То есть все сравниваются с на длинном горизонте, максимально длинном горизонте. Собственно, насколько я помню, GLM, когда вышла, она говорила, что они лучше. В задачах, у которых больше двухсот шагов. А тут вот сколько шагов в Long Horizon Terminal Bench, я, честно говоря, не знаю, надо посмотреть. Но в целом это понятно, куда всё идёт. То есть всё больше и больше автономности. Пока ещё в виде текста посмотрим, может быть, для чего-то ещё будет.

Дмитрий Колодезев 54:54
Ну, тут всегда есть шанс, что они просто переобучились под бенчмарк. Вот, но сама по себе история тут скорее вот про что, что сейчас есть куча применений, в которых... Достаточно хороши не одна модель, а много. И получается, что у нас нет такой истории, что вот одна модель хороша везде, да или одно семейство моделей хорошо везде. То есть у нас пара-то фронт, то есть фронт оптимальности по задачам, он сложный. То есть здесь, допустим, вот эта модель хороша, здесь эта хороша, и он постоянно меняется. С одной стороны, конечно, интересно отслеживать. Где конкретно вот прямо сейчас модель на этой неделе хороша, с другой стороны, мне кажется, что смысла в этом не очень много. То есть так же, как и другие наши интеллектуальные усилия, это надо автоматизировать, и в этом смысле фугу от Sakana — это правильный подход. Зачем я буду думать, какая модель сегодня хороша для чего, когда можно обучить модель, и она будет выбирать модель сама.

Валентин Малых 56:11
Согласен, да, полностью поддерживаю в этом смысле. То есть у нас действительно кажется, мы приходим к тому, что... Мы переходим от использования моделей в том же, например, CLI code. Да, CLI code всем может быть прекрасен и хорош, но они сами внутри. Я не видел, Anthropic. Теперь, если вы помните, соответственно, они стали выбирать модель внутри, да, что они слабые таски перенаправляют. В смысле, не слабые, а несложные задачки перенаправляют на, допустим, Opus 4.8 вместо Fable. То есть они сами играют в эту же игру, и раз они сами играют, то и другим не грех. То есть идея в том, что... Сейчас мы переходим от использования одной модели, да, мы переходим к использованию сразу нескольких моделей от разных провайдеров, может быть, да. И сейчас как раз вот эти оркестраторы, как принято говорить, они становятся новой точкой роста, да. То есть мы, если мы грамотно умеем оркестрировать, то мы можем перетащить пользователей на себя. Вот я бы так сказал.

Дмитрий Колодезев 57:18
Ну да, и в том же самом Claude Code там же настраиваются три модели, например, обычно. Модель для простых прочесываний логов, модель для сложных вещей и так далее, и тому подобное. То есть он всегда перераспределял запросы между моделями. Но моя, так сказать, позиция тут не в том, что это хорошо, а в том, что это тоже интеллектуальная деятельность, которую у нас модельки отберут в выбор текущей модели.

Валентин Малых 57:53
Ну да, да. Ну, я, кстати, не считаю, что вообще эта когнитивная нагрузка должна быть на человеке. То есть, зачем помнишь, что вот эта модель хорошо работает, если у тебя просто есть штука, которая тебе, ну, сама помнит и сама будет переключаться? То есть, я лично даже и думать про это не хочу. Пусть оно просто работает и всё, мне не плевать.

Дмитрий Колодезев 58:12
Если помнишь, когда-то, когда были 486 процессоры и так далее, все пользователи процессоров знали. Про кэш, сопроцессоры, то есть было много технических подробностей в процессоре, который ты покупал. Теперь очень многие пользователи ноутбуков просто не знают, какой процессор у них стоит в ноутбуке, потому что, в общем-то, произошла коммодитизация. Они все чего-нибудь досчитают. Пока ты от них не требуешь ничего особенного, тебе почти любой подходит. Вот, ну и вот. Модели сейчас очень бурно развиваются, но как только они переостановятся, вот это давление ослабнет, сразу же развитие перейдёт на следующий уровень, то есть оркестрация моделей и так далее.

Валентин Малых 59:00
Да, согласен, да, как только все упрутся. Ну, то есть, выход Kimi говорит, что пока ещё не уперлись, да, то есть ещё три триллиона как-то тянем, хотя не очень понятно как. Но вот где будет та бетонная стена, в которую упрётся развитие вот этих больших моделей, я пока не берусь сказать. А то, что оркестраторы, да, кажется, оркестраторы — это наше будущее. Они будут развиваться на следующем такте, да, когда у нас в очередной раз произойдёт топтание на месте в развитии больших моделей.

Дмитрий Колодезев 59:32
Да, в далёком будущем, то есть через два месяца.

Валентин Малых 59:35
Да-да-да, мы всё узнаем, да, встретимся с вами через два месяца и посмотрим, что же там произошло. Следующая история из мира финансов. Есть такой банк, JP Morgan, он большой и считается лидером именно в банковском банковском секторе вообще по миру, да, что это самый крутой банк именно по своим процессам, технологиям, да, то есть он именно в этом смысле уважаемый. Так вот, этот JP Morgan завёл и агентов, которые сформировали Портфель, да, инвестиционный портфель, лучше, чем классическая модель 40 на 60. 60 на 40 — это я не буду погружаться в то, что это за модель. Я и сам не особо помню. Я помню, что это, типа, акции с облигациями, типа того, типа, 60% акций, 40% облигаций. По-моему, так было. Но суть не в этом. Суть в том, что эта формула работала. Хорошо последние сто лет, например. То есть она была в среднем лучше, чем любые другие инструменты. Но это имеется в виду акции и облигаций американских компаний, конечно. Тут утверждается, что и агенты на бэктесте. И стратегия обогнала классические портфели на 0,7% годовых, что это на самом деле довольно много. Если кто-то думает, что это мало, если то классический портфель растёт примерно по размеру роста ВВП США, это порядка двух процентов, если я правильно помню. Соответственно, тут можно в полтора раза увеличить результат, что здорово. Вопрос в том, что это бэктест, и в реальной жизни не было ещё ни одного и агента, который действительно на рынке торгует. Соответственно, действительно, честно приносит деньги. Ну, посмотрим. Я думаю, что данные накопятся. Тут вопрос в том, что вот этот портфель с 60 на 40, он выигрывает именно на длинных периодах. Да, то есть, вот если вы способны 20 лет ждать. Своих дивидендов, да, то есть ждать того, что ваши дивиденды будут хороши, то вы в целом получите действительно хороший профиль. Но мало кто способен 20 лет спокойно ждать, и это, в общем, совершенно понятно. А вот насколько и агенты способны 20 лет продержаться, у меня какой-то вопросик, потому что у нас, как ты правильно сказал, каждые два месяца наступает далёкое будущее.

Дмитрий Колодезев 1:02:10
Я тут вспомнил один приличный анекдот, когда девочка спрашивает мамы, типа, а помидор полезнее, чем сосиска? И мама ей отвечает, что в наше время даже покурить полезнее, чем сосиска. В том смысле, что для... Многих хедж-фондов, например, да, у них доходность. Они говорят, что у нас доходность на коротком сроке хорошая, но если посмотреть, как они живут. В долгосрочной перспективе они практически все отстают от стандартных пунктов, вот, индекса. То есть в целом, инвестиционный портфель, случайно выбранный, может быть легко лучше, чем банковский. И был такой эксперимент, когда просто обезьяны дартс кидали, покупали акции, и они тоже обогнали, как какой-то ведущий хедж-фонд. Я сейчас не помню имена. Вот, просто, ну, рынок так устроен, да.

Валентин Малых 1:03:08
Да, так что тут выглядит действительно так, что ну, нам нужно подождать, пока это хоть как-то подтвердится, потому что ты правильно говоришь, что есть много модных фондов, которые обещают там космические дивиденды, но работает это всё в ближайший квартал, а дальше там уже как сработает.

Дмитрий Колодезев 1:03:29
Вот ещё если у нас есть случайное блуждание, то ты можешь получить любую нужную тебе доходность бесконечно долго подождав. То есть ты всегда можешь сказать, смотрите, да, конечно, здесь я провалился, но на 20-летнем сроке-то я выиграю. То есть ты, подбирая срок, ты всегда можешь показать нужную доходность.

Валентин Малых 1:03:51
Да, но у нас есть такая проблема в нашей жизни. Её многие так интуитивно осознают, но не все, соответственно, знают её название. Так вот, я вам подскажу умное слово, она называется эргодичность. Так вот, эргодичность — это про то, что когда вы играете... В то самое случайное блуждание, да, то действительно, Дима правильно говорит, что случайное блуждание вас может вывести. Уже с примерно той же вероятностью может вас вывести в точку ниже нуля, примерно туда же. Но проблема в том, что в реальной жизни вот эта вот точка ниже нуля означает, что вы должны кому-то очень много денег. Это нехорошо. И вот если мы убираем эргодичность, то тогда да, очень легко показывать там какие-нибудь космические превросты, типа тысячу раз начал, один раз или два раза получилось классно, и вот это вот наш вариант. Но в реальной жизни мы не можем начать тысячу раз, мы начинаем ровно один раз, и наша задача, чтобы наша стратегия была в среднем всегда выше нуля. Вот я бы так сформулировал, то есть всё упирается в эргодичность нашей жизни, вот так что как-то так.

Дмитрий Колодезев 1:05:02
Ну, я, честно говоря, думаю, что И агенты как раз здесь и будут работать отлично. То есть я думаю, что деятельность очень многих, ну не то чтобы инвестбанкиров, а конкретно брокеров и портфельных менеджеров, она автоматизируется, получится не хуже. Но тут я не специалист в рынке акций, это просто мое ожидание от реальности.

Валентин Малых 1:05:33
Окей. Следующая новость у нас про Китай и романтические отношения. Я думаю, все ждали этой новости. В общем, как бы здесь очень сложно сформулировать так, чтобы нас YouTube не забанил, но смысл в том, что как бы многие люди употребляют разные сервисы. Если помните, раньше было популярен, соответственно, отношения по телефону. Да, по словам отношения имеется другое, но тем не менее. Значит, тут сейчас всё это просто перешло на переписку и теперь переписку с ИИ-агентами. То есть у нас есть ИИ-агенты, которые, соответственно, Обеспечивают, скажем так, в страждущих возможностью приятно провести время. И это становится реально большой проблемой. Мы это уже обсуждали, но тут можно ещё раз обсудить. Кстати, у меня в канале я выкладывал новость. В ноябре прошлого года женщина в Японии Вышла замуж, не знаю, насколько это в реальности, но как бы так в новости, что она вышла замуж за ИИ-агента, то бишь за какого-то персонажа из. Ну, то ли он из игры, то ли что, я не помню, честно говоря, но какого-то придуманного персонажа. И проблема тут совершенно не в этой женщине, проблема, на самом деле, в социальном устройстве общества, да, что у нас очень много людей одиноких, и для того, чтобы выставить отношения, необходимо Усилия с обеих сторон, да, что и вы прикладываете усилия, и ваш партнёр прикладывает усилия для того, чтобы вам вместе было хорошо. И сейчас многие люди, во-первых, Могут этого не уметь, во-вторых, у них может не быть времени в силу того, что они суперперегружены по работе, а в-третьих, соответственно, они ещё могут этого и не хотеть, эти самые люди. И кажется, что социальную проблему нужно каким-то образом решать. То есть правительство КНР, на мой взгляд, сделало правильный шаг, что они их немножко подсократили. Вот такую историю. Понятно, что это не решает проблему, но может быть, сделать её чуть легче. И в целом, это и у нас такая штука есть, так что тут даже не знаю, что тут можно ещё добавить.

Дмитрий Колодезев 1:07:52
Слушай, ну это базовые социальные механизмы. Которые технологии у нас, так сказать, абьюзят. Дело в том, что мне примерно 55, и на мой взгляд, мальчики и девочки всегда влюбляются не друг в друга, а в свои фантазии по поводу другого человека. А потом вынуждены жить рядом с этой фантазией или как-то с ней коммуницировать, принимать совместные решения и как-то стараться, чтобы... И тебе, и мне было хорошо в разных отношениях. Ну, допустим, суп вместе готовить и там работать, дом вести. Люди меняются, люди развиваются в одну историю, и спустя какое-то время они действительно становятся похожи и влюбляются друг в друга по-настоящему, именно в тех, кто они есть. Ранний распад браков, он как раз на том, что ты, оказывается, это невыдуманный тобой человек, а есть совершенно живой, у него есть свои плюсы и минусы, и минусы вдруг перевесили. Вот, а с искусственным интеллектом всё здорово, то есть первый шаг ты можешь пройти быстро, а второго у тебя, наверное, не будет. Поэтому это, наверное, контрпродуктивно, но... С другой стороны, как я уже как-то говорил, что есть ситуации, в которых людям нужны. Заменители других людей, да, то есть когда людям плохо, когда людям одиноко, когда люди не могут позволить себе живое человеческое общение. Как люди приходим к тому, что живое человеческое общение — это роскошь. То есть мы можем выйти на природу и погулять там, либо можем посмотреть ролик, как кто-то гуляет. Мы можем. Иметь бурное, может быть, не всегда приятное, может быть, тяжелое и болезненное для души. Там, то есть, придется постараться отношения с человеком, ну, либо мы можем такой суррогат использовать. Каждый, в общем, по своим возможностям выбирает. Я все-таки рекомендую выбирать вещи посложнее и покачественнее.

Валентин Малых 1:10:19
Ну, в целом, да. Ну, мне кажется, что здесь действительно социальная проблема, потому что наше общество, оно заточено под то, чтобы взять от человека побольше и дать поменьше, и это ко всем аспектам жизни относится. Относится и к работе, да, то есть что работодатель стремится получить больше рабочего времени от сотрудника, а сотрудник стремится получить больше зарплаты и меньше рабочего времени. Я сейчас специально, грубо говоря, очень огрубляю, но смысл в том, что такие отношения, они как бы работают до определённого предела. Собственно, ради этого существует трудовой договор, да, чтобы мы определили, кто. Кто за что имеет какое право, но формальное отношение к работе приводит к тому, что люди, ну, в общем, если кто-то не знает, что такое итальянская забастовка, посмотрите в интернете. И в общем, итальянская забастовка, она парализует работу полностью. При том, что формально всё хорошо. И вот это самое сутевое способ договориться, да, что мы всё-таки на самом деле делаем работу, а договор нам просто обеспечивает некоторую гарантию, что мы друг друга не кинем банально. Вот здесь вот то же самое можно приложить и к другому человеческому общению, когда вы с человеком примерно понимаете, что вы друг от друга можете получить, например, дружеское общение. И, соответственно, вы не заключаете договоров, а вы просто, как бы, находите. Как бы удобный формат взаимодействия для каждого из вас. И да, это действительно требует некоторых усилий, то есть нельзя ожидать, что человек там, не знаю, по свистку к вам прийти в три часа ночи, если вам не спится. Но взаимное уважение, да, взаимный поиск каких-то способов существования, это, кажется, то, что сделала. Нашу цивилизацию возможной в каком-то смысле. Так что я думаю, что было бы хорошо, если бы мы и на этом этапе тоже продолжили так делать и развивать цивилизацию, как-то так. С людьми сложно, но это стоит того. Да-да-да, ну я уже говорил, что всем хорошо работать в университете, если бы не студенты. Вот это да, это как бы не просто так, поговорка появилась. Так что, наверное, тут будем заканчивать. Спасибо большое. Подписывайтесь на всех площадках. У нас есть YouTube, VK-Video, есть подкастные площадки. И обязательно приходите к нам в Mattermost, присылайте новости, будем рады. В общем, пока. Да, пока-пока.