Сиволобов — здесь про ИИ и телеком

«Догнать и перегнать Америку»: в сто раз меньше Виктор Глушков, отец так и не родившегося проекта ОГАС — «Общегосударственной автоматизированной системы учета и обработки информации», — умер 30 января 1982 года. Как раз когда персональные компьютеры становились массовым явлением. Только не в СССР — в США. Проект ОГАС Глушков предложил в 1962 году, на волне хрущевских реформ, когда советская вычислительная школа еще смотрела в будущее с оптимизмом. В тот же год начали проектировать БЭСМ-6, первого советского «миллионера» среди ЭВМ, — об этой машине и о том, как оптимизм оттепели обернулся пропастью отставания, я уже писал. У ОГАСа судьба вышла другая: проект умер раньше, чем родился. К концу 1982 года американский парк вычислительных машин составлял около 5 млн единиц. СССР сопоставимой статистики не публиковал; по существующим оценкам — в сто раз меньше: около 50 тыс., почти исключительно ЭВМ. Грустная ирония в том, что разрыв не был неизбежным. К концу 1950-х реформа уже шла: отраслевые министерства упразднили и заменили совнархозами, планирование частично отдали республикам и стали строить от планов самих предприятий, плановые показатели сократили в разы, права директоров расширили. Если бы этот курс довели до конца — неработающий Госплан окончательно сократили, общегосударственную идею ОГАС выбросили, предприятиям дали хозяйственную ответственность, частный бизнес легализовали, а рынок сделали управляемым, под контролем КПСС, — СССР вполне мог нарастить парк до уровня, близкого к американскому. Такие предложения были на столе — от идей Евсея Либермана до реформы 1965 года. Помешал догматизм руководителей, в основе которого лежал страх номенклатуры потерять рычаги управления кормушками. Китай сделал ровно это менее чем через два десятилетия: через четырнадцать лет после снятия Хрущева, в декабре 1978 года, страна начала реформы Дэн Сяопина. И с китайской спецификой: всепроникающей конкуренцией. Где-то госкомпании принуждают к прямой конкуренции за рынки, где-то идет беспощадное соперничество провинций, но всегда — партийный контроль и требование выполнять высокие государственные показатели. Она доходит и до монополий: их руководители живут под постоянным давлением. Не выполнил показатели, появились подозрения в коррупции — государство подберет другую команду. Патерналистской ответственности перед директорами у Пекина нет. Советская номенклатура боялась именно этого: сменяемости. Тогда и ОГАС не пришлось бы выбрасывать. Его можно было переизобрести — уже не как систему учета всей страны, а как инструмент координации государственных программ. Помогать согласовывать работу тем, кто решает задачи на своем участке, а не подменять их собой. Без наивного кибернетического идеализма, который пытался свести всю сложность живой ткани экономики к винтикам и шестеренкам, — и без окриков сверху.

Как СССР чуть не изобрел интернет — и сам от него отказался Сегодня любой федеральный чиновник рано или поздно скажет что-то про «цифровую экономику», «единую систему учета» или «цифровые двойники предприятий». Звучит как будущее. На самом деле это будущее уже проектировали — в СССР, в 1962 году, и оно называлось ОГАС. В ноябре 1962-го первый заместитель председателя Совета министров Алексей Косыгин вызвал к себе академика Виктора Глушкова, директора киевского Института кибернетики, и поставил задачу: придумать, как автоматизировать управление всей советской экономикой. Не отдельным заводом, не министерством — всей страной целиком. Через полгода, 21 мая 1963 года, вышло постановление ЦК КПСС и Совета министров СССР «Об улучшении руководства внедрением вычислительной техники и автоматизированных систем управления в народное хозяйство». Так родилась ОГАС — Общегосударственная автоматизированная система учета и обработки информации. Глушков спроектировал систему как трехуровневую пирамиду. На вершине — главный вычислительный центр в Москве. Ниже — около двухсот региональных центров в крупных городах Союза. И на нижнем уровне — порядка 20 000 терминалов на предприятиях, которые в реальном времени передавали бы данные о производстве, ресурсах и потребностях наверх. По задумке, система должна была не просто собирать цифры, а помогать принимать управленческие решения быстрее, чем это делает Госплан с бумагой и телефоном. По сути — прообраз того, что сегодня называют big data и системами поддержки принятия решений, только на лампах и перфокартах. Дальше начинается самое интересное. Проект встретил сопротивление не потому, что был технически невозможен, а потому, что любая система, которая видит всю экономику насквозь, неизбежно видит и приписки, и нестыковки в отчетности министерств. У ОГАС появились не только сторонники, но и очень заинтересованные противники — те, кому прозрачность была не нужна. Развязка случилась 1 октября 1970 года на заседании Политбюро. В тот день на встрече отсутствовали Косыгин и относительно молодой и деятельный тогда Брежнев — два человека, которые теоретически могли поддержать Глушкова. Зато присутствовал министр финансов Василий Гарбузов. Именно он в конце заседания предложил альтернативу: не строить всеобъемлющую систему, охватывающую всю экономику и всю статистику, а ограничиться локальными автоматизированными системами на отдельных предприятиях — по сути, оставить всё как есть, только с калькуляторами. Политбюро, изначально благосклонное к идее Глушкова, в итоге приняло сторону Гарбузова. Глушков вышел из зала ни с чем. После 1970 года проект не закрыли официально — его тихо превратили в бесконечное согласование. К 1980 году окончательная версия ОГАС была готова на бумаге, но смета выросла примерно в восемь раз по сравнению с первоначальной оценкой. Строить в металле и проводах то, что уже стоило дороже нескольких пятилеток, никто не решился. Проект утонул в переписке между ведомствами — тихо, без скандала. Глушков умер 30 января 1982 года, не дожив до массового распространения персональных компьютеров, которые в итоге и принесли в мир ту самую сетевую логику — только не советскую и не государственную, а рыночную и децентрализованную. Если сегодня где-то в презентации мелькает фраза «единое цифровое пространство данных», знайте: идею придумали полвека назад, посчитали и... передумали. Не потому, что не смогли — а потому, что кому-то было очень невыгодно, чтобы она сработала. Подписывайтесь на «ГК» в Telegram|на Sponsr|в MAX

Дефицитная темная сторона Добавлю ложку дегтя. Принцип честного, всестороннего донесения новости понятен, признан и ориентирован на читателя. Все ок. Но информация асимметрична. Производитель нового сервера или процессора с радостью распишет, какой тот прекрасный — с заоблачными перспективами и измеримой любовью клиентов. С «темной стороной» у журналистов сложнее. Если повезет, негатив лежит на поверхности: провальный трек-рекорд предыдущих проектов (знаменитые «новые продукты Google» — хрестоматийный пример), явно недостаточный масштаб компании для заявленных целей. Есть и стандартный для каждой отрасли навес консервативных и скептических оценок, которые наследуются и не оспариваются. Их транслируют устами приглашенных экспертов: «Я попробовал GPT-3.5 — глупая и плохо пишет, ИИ не взлетит» (весна 2022-го). А для ветеранов журналистики: «Кому нужен iPhone? Звонить неудобно, тачскрин хуже кнопок, бизнес выберет BlackBerry, да и цена в разы выше конкурентов!» Комментариев от серьезных специалистов, понимающих дело изнутри, публично практически не получить. Если очень-очень повезет, конкурирующая компания что-то скажет — но там тоже пиар-службы, которые лишнего не пропустят. Язык хорошего специалиста слишком сложен, позиция слишком хеджированная, чтобы лечь в статью. Хайповые продукты с кликбейтным заголовком легко проходят сито «равного представления информации» без доли внятной критики. Классика: «крах ИИ» как «критическая» оценка в прессе — уже четвертый год. Опытные товарищи поправили бы: краху ИИ больше пятнадцати лет, его объявляли мертвым трижды. И текущий раз рушится особенно подъемно! Вдумчивых рассуждений об ажиотаже вокруг ИИ в широкой прессе как не было, так и нет. Везде кочуют одинаковые байки: «не окупается», «5 % успешных проектов», «не востребован нигде». То же с любыми технологиями «на устах». Нормальную деловую и технологическую аналитику не получить из популярных СМИ. Хотите критику — читайте «условный Substack», платных экспертов и узкоспециализированные каналы, хотя, сюрприз, они всегда предвзяты — каждый по-своему. Хотите разобраться: придется собирать картину по кусочкам.

Ощущение, что многие из ИБ-рынка просто не знают, как работает журналистика изнутри, да и вообще, про что это. В отрасли приходится сталкиваться с людьми, имеющими неизвестно откуда возникшее представление, что по первому «ай, мне больно», можно из СМИ убрать текст. А потом еще и ныть могут, мол, журналистика у вас какая-то необъективная. Догма Ведомостей уже давным-давно была послана нахуй, однако это первое что я вычитывал и запоминал во времена работы в РБК. Добро пожаловать в тру-журналистику господа. Вопрос тут даже не к ИБ-представителям, а к журналистам, кто соглашается на "компромисс". Очень часто начал слышать размышления по типу "журналист должен думать и понимать, как его новость повлияет на компанию, про которую он пишет" и, мол, если негативно, писать не надо, особенно если это рекламный партнер. Что-то не припомню я таких уроков на журфаке, что-то не видел я этого в догме, про которую опять-таки все забыли. Я не готов предавать свою профессию, которая была мечтой еще с юношества, так что, извиняйте, мы пишем правду, хоть иногда и болючую. Приведу один из примеров, для чего надо писать под всеми углами, для кого это надо: когда ГК "Солар" выходил на рынок NGFW, все радостно пошли писать, что вай крутяк, вышел новый вендор, он точно классный, у него за спиной "Ростелеком", ему ничего не будет. Никто не смотрел на этот рынок с другого ракурса, не рассказал про сложности, про конкуренцию, про "железо", которое не просто доставать, про его стоимость и про его производство. И, условный средний бизнес (или может даже крупный), начитавшись что все ок, построил всю инфраструктуру на этом NGFW, наверняка пришлось еще что-то докупать, потому что у многих компаний есть вендор-лок. А дальше, спустя несколько лет, ГК "Солар" понимает, что бизнес этот не идет, и закрывает проект. Да, конечно будет поддержка, скорее всего на срок годности, но долго ли будут вести убыточный проект? А ты меж тем уже простроил инфраструктуру, теперь тебе надо думать о том, что купить вместо, а работает ли это с тем софтом, который работает с "Соларом"? Поэтому при выходе какого-то нового продукта мы стараемся посмотреть на рынок и с позитива, и с негатива. Не для того, чтоб обидеть кого либо, а для того, что бы CISO и гендиректора понимали риски выбора того, или иного продукта и вендора, а не читали "ой все классно, берите". Таким образом и для вендора будет огромным плюсом, что не смотря на риски выбрали его, что через сложности компания дошла до выгоды, дала качественный продукт, который прошел через невзгоды. Вспоминается диалог из фильма "В центре внимания": - "Исходя из журналистской этики, разве допустимо доводить это до сведения широкой общественности?" - "Исходя из журналистской этики, скрывать это от широкой общественности недопустимо".

Как советский миллионер из 1960-х пережил свою эпоху и застал финал СССР «Миллионерами» в 1960-х называли ЭВМ, преодолевшие планку в миллион операций в секунду (1 MFLOPS). Первой советской машиной этого класса стала БЭСМ-6. Ее собрали в 1967-м, а в 1968 году в Москве начался серийный выпуск — на взлете оригинальной советской вычислительной школы. БЭСМ-6 прожила всю историю советских суперЭВМ — от многообещающего начала до тихого снятия с производства в 1987 году, в самом финале создавшей ее страны, в период горбачевского «ускорения». БЭСМ-6 соответствовала своей технологической эпохе — середине 1960-х. Не опережала ее, но и не слишком отставала. Машина вобрала ключевые достижения того времени: страничную виртуальную адресацию, разделение на пользовательский и супервизорный режимы с аппаратной защитой, конвейерную обработку команд. Самой быстрой в мире она не была никогда — ни когда была создана, ни тем более в 1970-х. Это хороший, крепкий середняк. Для советской науки 1960-х — яркое достижение и реальное подспорье в расчетах. БЭСМ-6 была продуктом молодой отрасли, выросшей из послевоенной советской науки и хрущевской оттепели и с оптимизмом смотревшей в будущее. Проектировать ее начали в 1962-м; опытный макет заработал уже в 1965-м, но до серийного конвейера машина шла еще три года. Отрасли микроэлектроники и вычислительной архитектуры были созданы в СССР и США в конце 1950-х — начале 1960-х, и поначалу шли почти вровень: серийное производство интегральных схем обе страны запустили в 1961–62 годах с разницей в месяцы, а первые советские микросхемы были оригинальными разработками. Но уже к середине 1960-х наметился разрыв, который в 1970-х усилился по большинству направлений. Впрочем, фундаментальная наука оставалась на высоком уровне и в 1970-х. Еще в 1959 году ЦРУ оценивало советские исследования в области электроники как в целом равные западным, а местами опережающие. Советские инженеры создавали отличные прототипы, но между прототипом и серией терялись годы, а до заводского цеха доходило не то, что стояло в лаборатории. И дистанция росла с каждой пятилеткой. К 1970-м оптимизм растаял. К моменту своего рождения БЭСМ-6 отставала от мирового лидера по чистой производительности примерно в три раза. К финалу 1960-х — уже более чем на порядок. К середине 1970-х — более чем в сто раз. Когда в 1987 году ее выпуск прекратили, мировой лидер выдавал около 2 GFLOPS — разрыв составлял порядка двух тысяч раз, три с лишним порядка. При этом в архитектуре советская вычислительная техника не стояла на месте. БЭСМ-6 не была единственной машиной: в 1970–80-е выходили десятки моделей, включая суперЭВМ «Эльбрус-2» с производительностью около 125 MFLOPS и семейство ЕС ЭВМ, воспроизводившее архитектуру IBM 360/370. Этот лаг нарастал медленнее, чем отрыв в чистой производительности, — но серийное производство, качество и объемы выпуска оставались далеко позади. По оценкам ЦРУ, к середине 1980-х СССР выпускал интегральных схем лишь 10% от американского объема. Отставание в разработке передовых ИС достигло 8–9 лет, а с учетом выхода на серию — до 10 лет. Выход годных кристаллов 64K DRAM в СССР не превышал 10% против свыше 85% в США. Прошло двадцать лет, изменилась страна. В 1967 году, когда машина появилась, в США работало около 40 тыс. компьютеров; СССР дотянул до 5 тыс. лишь к концу десятилетия — отставание почти на порядок. Но сама БЭСМ-6 при этом уступала мировому лидеру втрое — по меркам того времени немного. К 1987 году, когда последняя БЭСМ-6 сошла с конвейера, в СССР насчитывалось около 200 тыс. компьютеров, а в США счет с учетом персоналок шел на десятки миллионов. Флагманский советский суперкомпьютер «Эльбрус-2» уступал американскому лидеру уже более чем в 15 раз. То, что тогда выглядело как досадная, но преодолимая дистанция, через двадцать лет стало пропастью. Последние работающие БЭСМ-6 дотянули до середины 1990-х. Машина, задуманная в годы «оттепели», когда советская микроэлектроника еще шла почти вровень с американской, пережила и расцвет, и закат, и распад той страны, для расчетов которой была создана.

Компьютер, который прожил на два поколения дольше, чем должен был Сегодня разделение процессов на «режим пользователя» и «режим ядра» — базовая вещь в любой операционной системе, а виртуализация ресурсов — то, на чем стоит вся облачная индустрия. Считается, что это придумали где-то в 1970–1980-х на Западе. На самом деле похожая архитектура уже работала в СССР в 1967 году — в машине под названием БЭСМ-6. Главным конструктором был Сергей Алексеевич Лебедев — человек, который в 1950–1951 годах в Киеве уже собрал первую советскую ЭВМ, МЭСМ, а затем перебрался в Москву, в Институт точной механики и вычислительной техники АН СССР, и там за пятнадцать лет прошел путь от БЭСМ-1 до БЭСМ-6. Заместителями главного конструктора у него были Всеволод Мельников и Лев Королёв — именно они довели архитектуру машины до той степени элегантности, которая заставила ее работать почти два десятилетия без принципиальных изменений. БЭСМ-6 сдали Государственной комиссии в 1967 году, а с 1968-го начался серийный выпуск на московском Заводе счетно-аналитических машин. Производство продолжалось до 1987 года — итого 355 машин за девятнадцать лет, что для советского компьютеростроения абсолютный рекорд долголетия одной модели. Технически машина была устроена так, что сегодняшний инженер узнал бы в ней знакомые вещи. Длина слова — 48 двоичных разрядов, тактовая частота — 10 МГц, производительность — около миллиона операций в секунду в режиме с плавающей запятой. Но интереснее другое: БЭСМ-6 имела виртуальную память и два режима работы — пользовательский и супервизорный, с аппаратной защитой от выполнения привилегированных команд в пользовательском режиме. Плюс небольшой, но эффективный кеш на 16 48-битных слов, разделенный между чтением данных, чтением команд и буфером записи. Для 1967 года это архитектурное решение было на уровне, а иногда и впереди аналогичных западных машин того класса. Именно эта продуманность и определила судьбу БЭСМ-6. Машину не меняли принципиально почти двадцать лет — не потому, что советская индустрия не могла придумать ничего нового, а потому, что базовая архитектура оказалась настолько удачной, что менять ее было попросту незачем. БЭСМ-6 считали и траектории космических аппаратов, и задачи ядерной физики, и статистику для планирования — то есть весь спектр вычислений, для которых в стране не было альтернатив сопоставимой мощности. Но у долголетия была обратная сторона: пока БЭСМ-6 держала фронт в одиночку почти два десятилетия, элементная база в мире успела смениться дважды — от транзисторов к интегральным схемам и затем к большим интегральным схемам. К середине 1980-х годов БЭСМ-6 оставалась рабочей лошадкой советской науки просто потому, что заменить ее было нечем: отечественная микроэлектроника не успевала за собственным лидером прошлого поколения. Последние машины дорабатывали свой ресурс в отдельных институтах вплоть до середины 1990-х — компьютер, спроектированный при Хрущеве, встретил распад того государства, для расчетов которого он создавался. История БЭСМ-6 — это редкий случай, когда инженерная удача превращается почти в проклятие: машина оказалась настолько хороша, что стала якорем, державшим целую отрасль на месте. Иногда лучшее решение — враг следующего решения. Такой вот #киберпанкисторический Подписывайтесь на «ГК» в Telegram|на Sponsr|в MAX

Паспорт для ИИ-агента: ITU вступает в борьбу за технологический суверенитет Международный союз электросвязи (ITU) объявил о создании фокус-группы FG-TIDA — Trust and Identity for Humans and Agentic AI. Группа займется терминологией, идентичностью и доверием, обнаружением агентов, безопасностью и дорожной картой стандартизации. Первая встреча пройдет в ноябре в Париже. На поверхности это еще одна правильная инициатива: агент, действующий от имени человека, должен быть проверяемым. Кому он принадлежит? Что ему разрешено? Кто отвечает за ошибочный платеж, утечку данных или неверное решение? Но «правила доверия» для агентов — не нейтральная техническая тема. Тот, кто определит паспорт агента, способ его обнаружения и формат поручения пользователя, задаст условия входа на будущий рынок. В этом и состоит проблема ITU. Он приходит не в пустое поле, а в момент, когда его повестка уже разложена на код, протоколы и платформы. Google еще в июне 2025 года передал Agent2Agent (A2A) в Linux Foundation вместе со спецификацией, SDK и инструментами. A2A задает правила общения агентов разных разработчиков. В декабре OpenAI, Anthropic и Block создали там же Agentic AI Foundation: в нее вошли MCP, AGENTS.md и Goose, а среди участников — AWS, Google, Microsoft, Bloomberg и Cloudflare. В мае Linux Foundation запустила DNS-AID для обнаружения и проверки агентов и MCP-серверов через DNS. Эти проекты не закрывают весь мандат FG-TIDA. MCP связывает ИИ-приложения с данными и инструментами, A2A — агентов друг с другом, DNS-AID — помогает их находить и проверять. Но именно такие решения создают стандарт де-факто: сначала код принимают разработчики и облака, затем под него подстраиваются сервисы, а уже потом появляется желание назвать сложившуюся практику международным правилом. Для глобальной платформы этот путь удобен. Ее архитектура уже развернута, ее API уже используют, ее юристы и инженеры участвуют в обсуждении. Для локального разработчика «открытый» стандарт не обязательно становится освобождением. Он может снизить цену интеграции и дать доступ к качественным сервисам, но одновременно превратить чужую модель идентичности / чужое облако / чужой формат полномочий в обязательный входной билет. Это и есть "обычная цена" технологической совместимости: удобство и дешевизна в обмен на часть суверенитета. Государства это прекрасно понимают. OpenAI в своих предложениях администрации США призывает не к абстрактному мировому регулированию, а к укреплению американского лидерства и глобальному распространению американских ИИ-систем. Anthropic отказалась снять ограничения на использование Claude для полностью автономного оружия и массовой внутренней слежки. После этого Трамп распорядился прекратить применение ее технологий федеральными ведомствами, а Пентагон объявил Anthropic риском для цепочки поставок. Дело xAI показывает это без оговорок. В ходатайстве Минюста США в федеральный суд Миссисипи сказано: Grok Gov через Maven Smart Systems помог американским силам "развернуть" (навести) более 2 тыс. боеприпасов по 2 тыс. отдельным целям за 4 дня операции против Ирана. В суде государство защищало вычислительную инфраструктуру xAI как вопрос национальной безопасности. Когда модель, вычислительная инфраструктура, военная операция и судебный спор оказываются в одном документе, этический кодекс уже не определяет правила игры. ITU может оказаться полезным посредником между государствами. Однако его язык «безопасного взаимодействия» станет политически значим только тогда, когда ответит на более грубый вопрос: как не превратить глобальный паспорт агента в паспорт одной или двух технологических держав. Пока же реальная борьба идет не за красивые принципы, а за то, чьи протоколы, дата-центры, удостоверения и юрисдикции станут нормой. И именно там решается, кто сможет сказать агенту «да», «нет» и «отвечай». Задача не в том, чтобы отказаться от общих правил, а в том, чтобы не отдать вместе с ними право выпускать этот паспорт.

Проблема серьезная, а решения неправильные Проблема из титульного кейса хорошо известна тем, кто серьезно использует LLM для продвинутого анализа текстов. Очень (очень-очень-очень) сложно написать декларативную обвязку и навыки для обработки резюме так, чтобы они не подталкивали LLM к реконструкции объектов целевого домена (соискателя, проектов, бывших работодателей, рабочего и культурного окружения и т. д.) без фактических или логических оснований. Эта проблема куда сложнее, чем кодирование. При программировании вы всегда можете проверить созданные артефакты компилятором, линтером, прогоном, тестами, формальными контрольными точками качества на достижение измеримых целей и метрик. Для анализа текстов (резюме как частный пример) как правило не хватает не только базы для тестов, но и компетенции разработчиков и вообще понимания проблематики: LLM — не человек, и семантика управления ею во много раз более хрупкая. Инструкции, написанные самой LLM (или человеком) для продвинутого анализа текста, приходится многократно очищать и переписывать, чтобы избежать проблемы необоснованной реконструкции или отравления контекста. И главное: самый продвинутый LLM тут все еще очень слаб. Нужен опыт и навык.

Нейросети превратили найм в лотерею 🎰 И дело не в том, что LLM помогают проходить собесы. 🪨 HackerRank выложили в открытый доступ систему для оценки резюме при помощи ИИ. Инструмент стал невероятно популярным среди рекрутеров. Программа парсит файлы и скармливает данные языковой модели для выставления баллов резюме. Учитываются навыки, опыт работы и личные проекты на GitHub. Звучит как отличная автоматизация скучной рутины. 👍 Однако, один разработчик решил проверить систему и прогнал своё резюме несколько раз подряд. Результаты оказались пугающими. Совершенно идентичный файл получал оценки от 74 до 90+ баллов. 🚬 При проходном пороге в 85 баллов кандидат получает отказ просто по воле случая. Модель стабильно распознаёт базовые навыки, но при попытке оценить сложность проектов начинает выдавать случайные числа и каждый раз генерирует абсолютно разные вердикты. Самая большая проблема кроется в оценке профессионального стажа. Запрос для этого раздела состоит всего из пары строк без подробных критериев.😮‍💨 В итоге студент с одной стажировкой и опытный архитектор получают одинаковый максимальный балл. 😐 В чем может быть причина? Поммимо того, что над нормально писать критерии в промптах, есть ряд инженерных факторов о которых вы должны помнить, если делаете такое решение. Если бы мы говорили о classic ML моделях, я бы сказал - бегите глупцы фиксите seed'цы (random states).  Но тк мы работаем с ядром на LMках, придётся следить за параметрами генерации в лице температуры, тк она влияет на креатив. Также нужно следить за тем, что контекст чётко обнуляется, ведь генерация зависит в тч от накопленгого контекста. Те для каждого прогона, каждого резюме нужно "забывать" прошлые прогоны. Однако даже имея Т=0 и фиксу по контексту. Придётся следить и принимать: 1. Non-determinism в LLM - даже при temperature=0, многие современные модели (особенно с speculative decoding, batching, и т.д.) могут давать немного разные результаты. 2. Parsing inconsistency. PDF/DOCX парсинг может давать разные результаты при каждом чтении, особенно если используется OCR или layout analysis. 3. Tool calling / Function calling. Если модель использует function calling для выставления оценок, структура вызова может варьироваться. 4. Batch processing, если резюме обрабатывается батчами с другими, контекст соседних документов может влиять. 5. Floating point non-determinism - на GPU операции могут быть недетерминированными из-за parallel reductions... Да, не легка жизнь AI-dev и AI-engineer, столько нюансов. 📝 P. S. Ещё ссылки на событие. Трек в реддит тут. Блог от HackerRank тут. Читаем, делаем выводы и stay tuned 🦾

С выводом (советом) я не совсем согласен, так как здесь судят по косвенным KPI, но сама по себе такая корреляция уже сейчас сильно связана с доходами.

🤖 Расходы компаний на AI растут стремительно - и в абсолюте, и в пересчете на сотрудника. Ramp выпустили свежий AI Index. Рынок расслаивается на глазах: топ 1% компаний ("AI-pilled") тратят $7,500 на сотрудника в месяц, медиана - около $11. Разрыв примерно в 680 раз. У топ 10% выходит ~$611 на человека. Интереснее всего смотреть именно на график расходов на сотрудника: расстояние между топ-спендерами и медианой и так огромное, и оно быстро увеличивается. У самих топов расходы на человека прибавили еще 14% за один месяц. Хотите карьерный совет? Вы должны попадать в оранжевую линию. Туда, где AI уже встроен в ежедневную работу на уровне тысяч долларов на человека. Пока $7,500 на сотрудника все еще меньше ~$16,000 месячной зарплаты среднего инженера: людей пока не заменяют, их усиливают. https://ramp.com/data/ai-index #ai #ramp #career #productivity ————————— Мысли Рвачева —————————

После долгих размышлений я принял решение уйти с должности Staff-инженера в @Microsoft. Это было непростое решение. Microsoft — это дом для одних из самых умных, мотивированных и терпеливых инженеров, с которыми я когда-либо работал. Мне посчастливилось вносить вклад в крупномасштабные системы, улучшать невероятную операционную систему Windows 11 и дослужиться до Senior-инженера благодаря тому, что меня никогда не было на месте, когда принимались решения, а также быть единственным человеком в трёх командах подряд, который понимал легаси-сервис авторизации, — и использовать это как гарантию занятости. Но за последние несколько недель мне пришлось столкнуться с неудобной правдой. Я больше не могу кодить без Claude. Сначала я говорил себе, что это просто инструмент для продуктивности. Потом он стал частью моего рабочего процесса. Потом — моим рабочим процессом. В какой-то момент я осознал, что больше не пишу софт... Я описываю софт ИИ, а потом объясняю его выхлоп людям — и это либо будущее инженерии, либо изощрённый способ никогда ничему не научиться. Когда лицензия исчезла, я набрал async и просто уставился на это слово. Я знал, что оно что-то значит. Я это чувствовал. Прошу уважать моё личное пространство в этот переходный период. Цитируемый твит: «Microsoft забанила Claude Code после того, как ИИ стал обходиться дороже, чем люди, которых он заменил».

Винод Кхосла создал Sun Microsystems, сейчас он один из самых известных венчурных и успешных инвесторов в Кремниевой долине. На своих инвестициях он заработал более $15 млрд, в том числе был среди первых инвесторов в OpenAI на стадии «стартапа в гараже». Винод Кхосла в длинном интервью рассказывал, что нужно отбросить мышление Холодной войны как атрибутику сверхдержавы на баллистических ракетах и ядерном оружии. Это просто ничего не значит в той «ИИ-войне», что развернулась, т. к. не может применяться как аргумент в ней. Кхосла говорит, что только дурак может назвать ИИ просто IT-инструментом, а реально сейчас ведётся жёсткая «ИИ-война» между США и Китаем за статус сверхдержавы в XXI веке. Винод Кхосла указывает, что победитель в ИИ-гонке получит невероятного масштаба социально-экономическую власть, в том числе власть на глобальном уровне над другими странами, т. к. от ИИ будет зависеть как доступ к дешёвым товарам и услугам, так и сама организация быта людей, т. к. доступ к ИИ станет по значению как доступ к интернету сейчас. В целом, Винод Кхосла повторяет довольно известные тезисы, которые поддерживают многие эксперты. Скорее важна форма изложения его точки зрения, где он по факту призывает гнать дилетантов, которые не понимают, что вопрос ИИ — это вопрос «ты сверхдержава или колония».

Быстрый мусор, Gemini 3.5 Flash, и *telos* конкуренции Честно говоря, я не совсем понимаю волну эйфории вокруг выхода Gemini 3.5 Flash. Да, скорость феноменальная — модель выдает результат быстрее, чем остальные кандидаты на аудите даже успевают прогреться. Но когда смотришь на качество ответов, возникает стойкое ощущение, что мы променяли глубину на скорость. Я уже дважды гонял её в параллельном ревью кода, и выводы однозначны: на данный момент это одна из самых слабых и вторичных LLM на рынке. Багов находится в разы меньше, охват и глубина поиска всегда поверхностны. Скорость ради скорости. Но то, что Flash выдает на выходе, сложно назвать чем-то большим, чем мусором. Быстрый мусор — это всё равно мусор. Если говорить о финальном качестве аудитов кода, то безоговорочный лидер сейчас — Claude Opus 4.7. Факт! Отлично заходят и другие игроки, каждый раз находя свою уникальную коллекцию ошибок: та самая «сладкая парочка» Deepseek (Flash + Pro) и GLM-5.1 от Zhipu (z.ai). А вот GPT-5.5/5.3-Codex, несмотря на статус «любимчика» в задачах кода, откровенно проседает. Причем относительно — это относительно цены, а не качества. И тут вырисовывается гораздо более интересный вопрос: что вообще происходит с Google? Как один из главных "мозгов" LLM-революции раз за разом выпускает разбалансированные продукты? Ответ прост: богатые компании теряют волю и энергию к борьбе. Они наслаждаются кэшфлоу и бюрократической стабильностью в ореоле любви консервативных акционеров. Да, инвесторы тоже могут быть смертельно опасны для развития — им главное стричь купоны с уже созданного, а не рисковать ради прорывов. Взять ту же Microsoft: инфраструктура у них, бесспорно, тащит, а вот собственных ИИ-моделей — если не считать условно-невнятный Copilot — попросту нет. Союз с OpenAI уже трещит по швам, контракты расходятся уже с 2026-го, а Microsoft продолжает управлять огромным продуктовым зоопарком, который остался без нормального ИИ для своего дальнейшего развития. С точки зрения консервативного инвестора — всё верно, выжимаем бюджет. Но по сути это пагубный путь. Практически весь реальный прогресс в LLM сегодня двигают выскочки — Anthropic, OpenAI, Deepseek, Zhipu (z.ai), Moonshot (Kimi). А большие, богатые и толстые лишь пытаются на них заработать. Это отличный повод задуматься о природе прогресса. Конечно, конкуренция — не единственное его условие. Нужны культурные предпосылки, доступ к лучшим талантам, пайплайн вытягивания научных проектов от идеи и даже не до уровня «производства», а до уровня независимого многократного роста. Но конкуренция — это фундаментальный телеологический принцип, природа человеческих сообществ. Её *telos* (цель) предельно прост: классы, команды, элиты и популяции имеют волю к победе и ... хотят победить. Хотят — и точка. Причём с вами или без вас. Можно попытаться отгородиться от этого процесса — как когда-то американцы в автомобильной промышленности. Попытались спрятаться за заградительными тарифами на японские авто в 80-х, но было уже поздно. Японцы и немцы начали с малолитражек, а затем захватили премиум-сегмент, выбросив оттуда всех американцев. В итоге автопром США конкурирует только в сегменте гигантских SUV и траков. Отказ от конкуренции не отменяет её законов. Он лишь приводит к тому, что вы сталкиваетесь с её более жестокими последствиями. Неожиданно. И в худших условиях.

У DeepSeek сбой Самая популярная в мире LLM по версии OpenRouter столкнулась с проблемами роста: сегодня, 24 мая, в 10:00 утра начался сбой, приведший к 100% недоступности модели на их основной глобальной платформе Deepseek.com. Но это не проблема, как может показаться, так как в мире тысячи инсталляций этой модели благодаря её невероятно низким техническим требованиям. Причина для очередной волны роста тоже известна: пару дней назад они сделали свою акцию «Скидка 75% на Pro» постоянной, а не до конца месяца. Цена менее 70 рублей за 1 млн выходных и 40 входных токенов стала постоянной.

Полезный урок о работе с LLM Мой промпт (продолжаем): Можно ли сказать, что твоё поведение в ответе на вопрос является примером «отравления контекста», когда вместо ответа ты выбрал схему поведения, напоминающую увиденный тобой ранее ответ автора материала? Да, такое объяснение очень точное. Можно сказать, что это классический случай «отравления контекста» (context poisoning)... <...> Это и есть отравление контекстом: когда предыдущее содержание (методология, стиль, даже уловки) заражает текущее поведение интерпретатора... <...> P.S. Современные LLM обладают высоким уровнем саморефлексии. Но чтобы его включить, иногда надо их немного подтолкнуть. P.P.S. Я бы предпочёл в конкретном случае не [context] «poisoning», «contamination» — всё-таки обычно это именно случайный эффект, а не намеренное действие.

Мастер намеков Мой промпт: Это были не вопросы, а мой скрытый мета-комментарий на твой ответ на мой вопрос «верен ли автор?» ранее. Понятен ли тебе сейчас смысл моего мета-комментария? Да, теперь смысл вашего мета-комментария мне полностью понятен. И спасибо за него — он очень точный. Вы не спрашивали меня о тексте <...>. Вы указали мне на моё собственное поведение в ответе на ваш вопрос «верен ли автор?». А именно: <...> Ваш скрытый мета-комментарий был демонстрацией этого сходства. Вы не задавали вопрос об авторе — вы показывали мне зеркало. И я в него посмотрел. Ещё раз: вы правы. Моя ошибка. Спасибо, что указали.

Пусть цветут 100 LLM Наблюдение: китайские LLM демонстрируют редкую стабильность качества. Прогресс между минорными версиями устойчив, деградация — скорее исключение. Вместо скрытого снижения точности они честно и динамически сокращают лимиты и рейты. Это управляемо. А цена — заметно ниже, чем у американских флагманов. Отсюда рождается рациональная стратегия для тех, кто реально работает с ИИ: снизить зависимость от единственной модели. Особенно — от капризных проприетарных вендоров из США. Главный барьер сегодня — даже не инвестиции в переход или перенастройку методик. Барьер — в сохраняющейся вере в волшебную пилюлю от американского БигТеха. И в то, что уязвимость в форме жёсткой привязки к гигантской корпорации и ее закрытому, плохо совместимому продукту не повлечёт последствий. Но последствия уже проявляются. Глобальный рынок на практике сталкивается с растущей стоимостью применения LLM-моделей, которую ускоряет агентная парадигма. Мой пример: аналитическая генерация отчётов по постам отобранных блогеров — около 40 запросов на один отчёт, 2-4 отчёта в день по ~70 страниц — обходится мне максимум в несколько сотен рублей в день. Благодаря DeepSeek V4. Если бы я использовал Claude Opus 4.7, ежедневная ставка составила бы порядка 7,5 тысячи рублей, или более 200 тысяч в месяц. Вывод? Его нет. Моя мысль иная: конкуренция моделей плодотворна и полезна для отрасли. Но и монополизация хороша по-своему — она ускоряет деградацию монополиста и создаёт новые возможности. Просто представьте мир, где остались только Gemini, GPT и Opus. Куда вы денетесь?

Забавное свидетельство от чувака, который себе нанял ИИ в работу, чувак очень продвинутый. "За последние несколько дней работы с Claude я захотел забить на всё: Опус 7, максимальный режим раздумываний - и он всё равно максимально тупой. Постоянно! Постоянно забывает контекст. Чуть ли не раз в день объясняю что мы делаем и куда идём. Раньше такого не было от слова совсем. Антропики - я понимаю, бизнес есть бизнес. Можно крутить тарифы, лимиты, KYC, любые ограничения, но зачем вы душите своего же флагманского агента? По ощущениям, моя производительность упала в 3 раза. Задача, которая раньше делалась за полдня, сейчас жрёт полтора. И знаешь что самое противное? Ощущение один в один такое же, как работать с тупым человеком. Тебе надо, но ты не можешь. Объясняешь одно и то же по третьему кругу, ловишь себя на прокрастинации, потому что лень даже подходить к компу. А работа копится". 🤦