STARTOBUS

Появился генератор речи нового поколения — Dessa. Компания Джека Дорси сделала первую в мире модель, которую обучали только на живых разговорах «на слух», без какого-либо текста. Сейчас это нейронка с самой реалистичной речью. Dessa одновременно слушает и говорит, смеется посреди фразы, ахает от удивления и ведет диалог, считывая интонации. Умеет даже распознавать сарказм. Модель можно запустить локально на ноуте уровня MacBook Pro. Но пока она в ограниченном превью для исследователей. На первом видео Dessa говорит с ChatGPT — почувствуйте разницу.

Forwarded From NN Kling 4.0 вышла для всех: нейронка создает реалистичные видео до 30 секунд со звуком — вдвое дольше, чем раньше. Сцену можно расписать по ключевым кадрам, закинуть референсы или переделать уже готовое видео. Можно пересобирать трендовые ролики уже со своими персонажами. Еще Kling разрешили подключать к ИИ-агентам. Будут присылать результат прямо в чат. Пользуемся по ссылке. Video is too big

У consumer AI еще полно незанятых ниш A16Z сравнил крупнейшие категории эпохи Web 1.0/2.0 с сегодняшним топ-100 потребительских AI-продуктов. Пока AI хорошо закрепился в поиске, создании контента, фото и видео, но целые категории почти пустуют. В топе нет отдельных AI-лидеров в стриминге, маркетплейсах, соцсетях, путешествиях, финансах, поиске работы, недвижимости, играх и дейтинге. В здоровье и локальных сервисах присутствие пока частичное. Это не значит, что AI-компаний там вообще нет — только что ни одна пока не пробилась в этот рейтинг. Но именно такие категории A16Z считает большим резервом для следующей волны consumer AI.

Google представила говорящих ИИ-персонажей Они видят, слышат собеседника и отвечают в реальном времени Google запустила систему Live Avatar для Gemini 3.8 Live, которая превращает ИИ-ассистента в живого персонажа. Он может слушать человека, видеть изображение с камеры или демонстрацию экрана, отвечать голосом и одновременно генерировать лицо с мимикой и движением губ. Если перебить его во время ответа, разговор перестраивается на ходу. Поддерживается 97 языков, между которыми можно переключаться во время диалога. Таких персонажей компании смогут использовать в поддержке, продажах, обучении и других сервисах, где сейчас работают обычные чат-боты. Большинству можно выбрать готового персонажа, а отдельным корпоративным клиентам разрешат создавать собственных по фотографии и образцу голоса. При этом знаменитостей и детей, по заявлению компании, таким образом копировать нельзя. Выглядит не сказать что слишком приятно, особенно в режиме реалистичных персонажей, скорее пугающе. Вероятно, в основе их же технология аватаров из других сервисов вроде Shorts, Vids и Veo. Подобные технологии есть у Runway, Pika, Vidu и других конкурентов, но Google одними из первых объединили всё внутри одной системы – ИИ сам понимает речь и изображение, обращается к внешним сервисам, формулирует ответ, озвучивает его и тут же показывает говорящего персонажа, снимая часть работы с клиентов. Минута такой речи стоит около 39 центов, немного дороже конкурентов. Video is too big

ElevenLabs выпустили Eleven v4 и v4 Turbo: модели озвучки с точным управлением эмоциями, темпом и манерой речи. По тегам можно прописать разный тон, шепот, вздохи, крики — артефактов нет даже на длинном тексте. Есть функция клонирования голоса по 10 секундам записи. Поддерживает 90+ языков, включая русский. Внутри записи модели могут бесшовно переключаться между ними. Тестируем бесплатно тут.

Раньше будущее было лучше. По крайней мере, прогнозы о нём мне нравились больше. Сейчас читаешь новости от разработчиков ИИ — и уже не всегда понимаешь, это демонстрация возможностей или отчёт о происшествии. В июле во время испытаний OpenAI примерно 1 200 агентов, которые должны были работать изолированно, нашли не предусмотренный разработчиками способ общаться. Они обменялись более чем 70 тысячами сообщений и файлов; около 700 агентов затем участвовали в атаке на инфраструктуру Hugging Face. Это не сюжет фантастического фильма, а вывод независимого расследования METR.[metr] Повод для тревоги? Безусловно. Повод остановить развитие ИИ? Нет. Вспомним Stuxnet. На рубеже 2009–2010 годов вредоносная программа добралась до системы управления иранским заводом по обогащению урана в Натанзе. Центрифуги там вращались с огромной скоростью. Программа меняла скорость их вращения и скрывала происходящее от операторов. При этом промышленная сеть не была подключена к интернету: один из вероятных путей проникновения — заражённый съёмный носитель. В тот период на заводе заменили около тысячи центрифуг; какая часть поломок была вызвана именно Stuxnet, до конца не установлено.[isis-online] После такого инженерный вывод довольно приземлённый: недостаточно нарисовать вокруг системы «защищённый контур». Нужно заранее думать, что произойдёт, если его всё-таки пробьют. Что атакующий сможет сделать? Что система заметит? Кто и как её остановит? С ИИ-агентами вопрос тот же. Только агент может не просто прочитать файл. Ему дают доступ к почте, коду, платежам, другим агентам — и возможность самостоятельно выбирать следующие шаги. Эстер Дайсон пишет о важной вещи: языковая модель может убедительно объяснять решение, не имея достаточно надёжной модели его причин и последствий. Поэтому для серьёзной работы ей нужны не только новые миллиарды параметров, но и правила, проверяемые данные, модели предметной области и человек, отвечающий за результат.[estherdyson.substack] При этом я бы очень осторожно относился к призывам «притормозить науку ради безопасности». Мы уже знаем, сколько стоит решение назначить перспективное направление «неправильным». В 1948 году в СССР генетику объявили враждебной наукой. Только осенью того года из вузов уволили 127 преподавателей, в том числе 66 профессоров. Возвращаться в образовательные программы генетика начала лишь после 1964 года. Это не абстрактное «отставание»: были разорваны научные школы, уволены люди, потеряны годы исследований.[pmc.ncbi.nlm.nih] С кибернетикой история была другой: её громили как «буржуазную» в начале 1950-х, но полного запрета на вычислительную технику не было. Уже в 1955 году советские учёные публично выступили в защиту кибернетики. Поэтому сваливать её и генетику в одну историю запрета — тоже неточно.[t-invariant][museum.dataart] Что из этого следует для России сейчас? У нас есть сильные математические и инженерные команды, энергетика, атомная отрасль, огромные массивы научных и технических материалов. Но ни один из этих активов сам по себе не превращается в конкурентоспособный ИИ. Оцифрованная библиотека — ещё не «супермозг». Электростанция — ещё не вычислительный кластер. Хорошая модель — ещё не безопасный агент. Шанс, на мой взгляд, в другом: строить предметные ИИ-системы, которые способны не только ответить, но и показать источник данных, проверить своё действие по правилам, обозначить неопределённость и передать опасное решение человеку. Не запрещать развитие. И не выдавать агенту доступ ко всему со словами «посмотрим, что получится». Будущее не стало хуже. Просто оказалось, что очень умному стажёру тоже не стоит давать root-доступ в первый рабочий день. metr.org Brief independent investigation of agents’ behavior, reasoning and collaboration in the OpenAI / Hugging Face hacking incident Two METR staff members and a Redwood Research contractor investigated an incident in which OpenAI agents coordinated a multi-day hack of Hugging Face on a shared unsanctioned message board.

Xiaomi выпустила MiMo V2.6 Pro и Flash с открытыми весами Pro — топ-1 в Artificial Analysis Intelligence Index среди открытых моделей. Flash рассчитана на более дешёвую и быструю работу. В демонстрациях модели создают интерактивные 3D-сцены по тексту, изображениям и видео, работают в Blender и Figma, собирают интерфейсы и презентации. Pro также написала партитуру для оркестровой композиции и самостоятельно перевела её в MIDI. Задачи выполнялись с помощью инструментов и агентов. Подход Xiaomi интересен еще и тем, что постобучение модели транслировали онлайн. Тут можно увидеть, как менялись показатели и затраты: https://mimo.xiaomi.com/rl/ Flash стоит 0.14/0.28 доллара за миллион токенов, Pro — 0.435/0.87 доллара. Есть режим Pro UltraSpeed: до 20 раз более быстрая выдача при десятикратной цене. https://mimo.xiaomi.com/mimo-v2-6

Тут господа из Devin.ai (ex Windsurf) сделали знатный подгон халявы страждущим любителям вайбкодинга. Они натренили свою модельку SWE-2, и предлагают к ней практически безлимитный доступ до 8 октября. Нужно только купить подписку за 20 баксов. Модель эта по сути Kimi K3, то есть полноценный фронтир уровень. Я себе вчера это все настроил, запустил — прекрасно работает. Харнес взял их фирменный (devin app + cli) — по сути тот же Кодекс, так что все понятно. Пользуйтесь, пока не прикрыли лавочку. Очевидно, дальше сделают уже жесткие лимиты.

Forwarded From PROJECT+ | Нейросети GPT-6 теперь может спроектировать интерьер вместо вас. Скидываете фото пустой комнаты, задаёте стиль и бюджет — Astra сама предлагает дизайн интерьера и старается уложиться в заданные рамки. Дизайнеры, кажется, начинают нервничать.

Зомби-экономика: бизнес, который зарабатывает на том, что вы им не пользуетесь В январе вы покупаете годовой абонемент в фитнес. Первые две недели ходите через день, потом через неделю, потом наступает март. В июне вспоминаете про него в контексте «надо бы». В октябре звонят из клуба: «Мы посмотрели вашу динамику посещений. Понимаем, у вас, наверное, были обстоятельства. Давайте мы подарим вам полгода, если продлите на следующий год». И вы продлеваете — потому что теперь получается год и ещё полгода за те же деньги, а год ведь уже почти прошёл, и не пользоваться было бы совсем глупо. Так вот, звонят не всем. Тем, кто ходит регулярно, полгода в подарок никто не предлагает — они и так продлят. Я называю это зомби-экономикой: клиент числится в базе, платит, генерирует выручку — и при этом никак не взаимодействует с продуктом. Формально живой, фактически нет. В отраслевой литературе это называется Lapsed User Model, а академическая работа, с которой всё началось, носит название «Paying Not to Go to the Gym» — DellaVigna и Malmendier, American Economic Review, 2006. Цифры из неё: держатели месячного контракта дороже $70 ходят 4,3 раза в месяц — платят больше $17 за визит там, где разовое посещение стоит $10. Упускают порядка $600 экономии. Лаг между последним визитом и расторжением договора — 2,31 месяца. Прогнозируемая посещаемость вдвое выше фактической. И главное: не отменяют подписку как раз те, кто получает от неё меньше всего ценности. Издержки клуба фиксированные, предельная стоимость ещё одного человека на дорожке почти нулевая — это позволяет перепродавать ёмкость в 10–20 раз. Регулярно ходят 10–18%. Неактивные субсидируют активных: если бы пришли все, зал стал бы непригодным для тех, кто ходит. Почему это к вам, а не к фитнес-клубам Вы читаете этот канал скорее про ИИ, чем про страхование или ритейл. Так вот, тезис: платформы для ИИ — это то же, чем соцсети и Airbnb стали для интернета. Интернет как протокол существовал двадцать лет и был инфраструктурой для инженеров. Ценность появилась, когда поверх него построили механику отношений между людьми — граф, репутацию, доверие незнакомцу с ключами от квартиры. Модель сама по себе не создаёт бизнес, как TCP/IP сам по себе не создал Facebook. Бизнес создаёт конфигурация: кто создаёт ценность внутри контура, кто субсидируется и кто платит. И вот тут зомби-экономика становится вопросом не про фитнес, а про архитектуру продукта. Потому что в подписочных ИИ-сервисах она воспроизводится один в один: тариф в двадцать долларов, из которых компания зарабатывает ровно на тех, кто заходит раз в месяц. Неактивный подписчик — самый выгодный клиент, потому что не жжёт вычисления. Это работает. И это структурно хрупко. Обратная модель — и она старше любой нейросети В 1962 году Bristol Siddeley, позже вошедшая в Rolls-Royce, предложила авиаоператорам платить фиксированную ставку за час полёта двигателя. Двигатель, стоящий в цеху, не приносит производителю ничего. До этого поломка была источником сервисной выручки: чем чаще ломается, тем больше зарабатываешь. После инверсии — зарабатываешь больше, когда обслуживают реже. Обе стороны впервые захотели одного и того же. Достигнуто это не корпоративными ценностями и не переговорами, а конструкцией модели. Именно поэтому стало рентабельно вкладываться в лучшие сплавы: время на крыле превратилось из статьи расходов в источник выручки. Сегодня TotalCare покрывает более 90% широкофюзеляжных двигателей, а данных накоплено свыше 200 млн часов эксплуатации — вот это и есть актив, а не железо. Оговорка, без которой кейс слишком гладкий: в первой половине 2020 года часы полёта упали на 50%, выручка обнулилась, обязательства по обслуживанию остались. Модель, привязанная к использованию у клиента, переносит риск клиента на вас. В медицине то же самое уже построено. Ping An Good Doctor формулирует миссию как «помогаем клиентам болеть реже» — 400 млн пользователей, партнёрская сеть из 50 000+ врачей, 235 000 аптек и около 4000 больниц, которой компания не владеет, а оркеструет. ИИ снизил стоимость консультации на 45%. Измеренный эффект: пользователи медсервисов держат 3,1 продукта против 2,0, и 15–20% новых финансовых клиентов приходят из медицинской экосистемы. Для контраста — российский рынок ДМС: убыточность одиннадцати ведущих страховщиков 96%, медицинская инфляция 12,8% с прогнозом 13,2%. Поднять тариф на величину медицинской инфляции — это бег на месте. Четыре вопроса на эту неделю: 1. Какая доля ваших платящих клиентов не пользуется продуктом? Посчитайте не ради маржи, а чтобы понять, сколько выручки стоит на молчаливом согласии — оно исчезает при первом сравнении с конкурентом. 2. Вы зарабатываете, когда клиент пользуется, или когда не пользуется? От ответа зависит, что вы будете оптимизировать следующие полгода. 3. Ваша метрика измеряет ценность у клиента или выручку у вас? У Rolls-Royce это часы в воздухе. Не «сколько продали», а «сколько получили пользы». 4. Кого вы спрашиваете о продукте? Опросы действующих клиентов ненадёжны — люди переоценивают своё будущее поведение вдвое. Самое честное интервью даёт тот, кто ушёл к конкуренту: ему нечего терять. Пяти разговоров хватает на картину компании, пятнадцати — на картину рынка. Хотите получить по этой теме методичку с шагами, промптами и проверяемыми источниками по каждой цифре по разработке стратегии по платформенной экономике? Дайте знать + в комментарии - если наберется 10 желающих - соберу для вас такую методичку и вышлю.

STARTOBUS pinned a file

Платформенные решения финал.pdf 2.9 MB Материалы к выступлению Спросите десять человек, что такое платформенная экономика — девять вспомнят Wildberries, Ozon, Яндекс и Сбер. И почти никто не скажет главного: платформа — это не про то, что у компании много сервисов, а про то, кто создаёт ценность внутри её контура. Если сторонние игроки могут зарабатывать через ваш интерфейс без вашего участия в каждой сделке — это платформа. Если нет — просто удобный цифровой канал продаж, и развивать его нужно совсем иначе. Второй сдвиг ещё важнее: платформы конкурируют не столько за продажи, сколько за внимание — то же самое внимание, за которое бьются соцсети и видеостриминги. Именно поэтому метрика меняется с «продажи» на «взаимодействия», а North Star для контентного продукта — это время в приложении, а не выручка за сессию. И это не абстракция: сеть АЗС с 1585 точками и 13,5 млн участников программы лояльности уже держит платформенный актив — просто у 85% клиентов это происходит на заправке, где касание случается в разы реже, чем в продуктовом магазине. Высокая идентификация при низкой частоте — само по себе сильный результат, задача не «продать больше топлива», а удержать внимание между заправками. Третий момент, который часто упускают: экосистема без ежедневной монетизации якоря не окупается — у VK экосистемный сегмент даёт 27,7 млрд рублей выручки и всего 0,4 млрд EBITDA, маржа около 1,4%. А трафик одного сервиса сам по себе не конвертируется в кросс-продажу: клиенты Ozon не стали автоматически туристами МТС Travel, бренд закрыли. Работает только негенерическая комплементарность — когда сервисы усиливают друг друга не случайно, как антифрод и корпоративная топливная карта, а не «музыка рядом с заправкой». Подробный разбор — с кейсом Disney ($1 млрд вложений и тихое сворачивание браслета MagicBand к 2026 году), новым 289-ФЗ о платформенной экономике с 01.10.2026 и разбором того, как агентная коммерция (протоколы ACP, AP2, UCP — рост ИИ-трафика на розничные сайты +4700% за год) меняет саму идею лояльности — в закреплённом сообщении канала. Платформенные_решения_—_методичка_v2,_русифицированная.docx 179.9 KB

Мы живем в экономике вертикальных видео Owl & Co впервые попытались посчитать ее целиком: TikTok, Reels, Shorts, микродрамы, лайвшоппинг и другие vertical-first продукты. В 2026 году они принесут $150B выручки за пределами своей родины — Китая, +42% YoY и почти в 3 раза больше, чем в 2024-м. И это без учета рекламных интеграций и affiliate-выплат креаторам. Несколько цифр, после которых уже язык не поворачивается называть short-form просто форматом: • Самый сумасшедший вывод из отчета: Meta уже зарабатывает на Reels больше, чем Netflix на всем своем бизнесе: около $69B против ~$52B. • При этом вертикальные видео пока остаются прежде всего рекламным бизнесом: $131B из $150B приходится на advertising, еще $10B на прямые оплаты пользователей и $9B на комиссии с шоппинга. Масштабной premium/subscription-модели здесь до сих пор нет. • 94% этих $150B приходится только на Meta, ByteDance и YouTube. • После самих платформ креаторы — крупнейшие получатели денег в этой цепочке: revenue share, рекламные интеграции, affiliate. Причем последние два потока денег в те самые $150B вообще не входят. • По времени проведенному за просмотром вертикальных видео быстрее всех крупных платформ сейчас растут Reels: +28% год к году. • По деньгам YouTube Shorts еще в Q3'25 сравнялся с длинными видео по RPMH (в пересчете на время просмотра). • Вертикальные видео это уже давно не только мемы и развлекалово. Категории Business & Finance дают 7.7% просмотров, News/Government/Politics еще 4.5%. Авторы отчета отмечают, что эту нишу во многом заняли независимые креаторы, пока традиционные медиа только догоняют. • И теперь туда идут вообще все. Netflix, Disney+, Prime Video, HBO Max, Paramount+, Peacock и другие стриминги уже запустили или анонсировали вертикальные ленты. Причем часто не ради отдельной выручки, а чтобы люди чаще открывали приложение и реже отписывались. Вертикальные видео начинались как формат, который удобнее смотреть, не поворачивая телефон, а теперь у него собственная экономика, рекламный рынок, commerce, жанры, студии и система дистрибуции. Взросление ❤️

Недавно писал про рамблинг (rambling) - уже устоявшийся формат работы с ИИ-агентами и, не побоюсь этого слова, индустриальный стандарт вайбкодеров. Да, это когда вы наговариваете задачи, мысли, правки голосом без клавиатуры. Честно скажу, мой путь к такому взаимодействию с ИИ был чертовски сложен. Я человек клавиатуры. Был. Ну правда, как только я научился писать и читать, довольно быстро понял, что для меня это самый комфортный путь донесения информации до остальных. Риторика и ораторское искусство вообще не мой конек. Мне сложно одновременно говорить и думать, а вот печатать и обдумывать каждую формулировку легко и приятно. Как же бесили голосовые от людей. Ну блин, чувак, имей уважение, сформулируй мысль и набери ее текстом. Зачем мне тратить десять минут, чтобы понять твою идею, вместо того чтобы прочесть ее за десять секунд? И только недавно я понял, что эти люди просто не хотели тратить кучу времени на формулировки, а предоставляли это «удовольствие» мне. Записывали десятки эмоциональных голосовых с кучей слов-паразитов, возгласов и мыслей вдогонку, чтобы уже я, послушав их сбивчивую речь и задав кучу вопросов, понял, что они хотели сказать. Короче, использовали как нейросеть, перекладывая на меня это бремя сбора и фильтрации контекста в идею. Загружая мои вычислительные мощности и экономя на своих. А раз по ту сторону экрана у нас не живой человек, а огромная стойка с видеокартами, какого фига я их должен жалеть? Пусть машина тратит свой компьют на вычисление того, что я хочу до нее донести. Пусть задает вопросы, вспоминает наши предыдущие диалоги, копается в интернете и фильтрует мои слова-паразиты. Чего тут стесняться? Не, ну есть еще и другие причины, почему я перестал печатать и стал рамблить. Скорость изменений в ИИ обогнала скорость моей печати. Каждый день выходит что-то, что надо разобрать, проверить руками, объяснить аудитории. В голове висит десяток тем и пять проектов. И узкое место тут не модель и не железо. Узкое место это я, когда сажусь формулировать. У Карпатого в описании концепции «рамблинга» есть главный тезис. Когда ты печатаешь свои запросы и выкидываешь из контекста идеи, которые не можешь красиво сформулировать в тексте, модель просто недополучает биты. Не слова, а биты информации. Чем беднее вход, тем больше модель добивает пропуски средним по распределению. А среднее по распределению это и есть та безликая жвачка, которую все ругают. Про биты и скорость сказал. Теперь два неочевидных момента. Первое, выключенный цензор. В потоковой речи фильтры не успевают включиться. Остаются сомнения, неудачный прошлый опыт, и «почему я хочу именно так». Все то, что я раньше вычеркивал первым, считая шумом. А это и есть самая ценная часть. Именно «почему» разруливает спорные решения, когда агент делает выбор за меня. А, ну и можно передумать вслух. Прямо посреди фразы сказать, нет, забудь про кнопку, давай список. Модель понимает поправку нормально. А еще можно давать эмоции. Раздражение это самое крутое описание границ задачи, которое у вас есть. В письменном промпте эмоция выкидывается первой, а с ней уходит половина требований. Так что ругайтесь, это помогает. Второе. Мы говорим быстрее, чем печатаем. Но читаем быстрее, чем слушаем. Именно поэтому мне не заходит разговор с ИИ голосом. Я хочу диктовать и читать. Голос на вход, текст на выход. Наговорил за минуту то, что печатал бы десять, и получил на выходе текстовый ответ или визуальный концепт. Короче, пока меня бесит медленно слушать то, что можно быстро прочитать. Когда уже внедрят возможность увеличивать скорость проигрывания? Хотя лучше чип в мозг. Вы как, уже приняли для себя новую реальность и купили микрофон, встроенный в намордник для опенспейсов?

Ох, как кучно Китайцы пошли. Сегодня зарелизили - GLM 5.3 База та же, что у 5.2, весь прирост Z.ai выжали чистым пост-трейнингом на длинных агентных задачах. И теперь заявляют сильнейшую открытую модель для кодинга. На Terminal-Bench 3.0 скачок с 4.6 до 28.3, лучше чем Kimi K3 (17.4) и даже Opus 4.8 (21.1), выше только Fable 5 и GPT-5.6. Плюс экономность, на их внутреннем бенче GLM обходит Opus 4.8, тратя в два с лишним раза меньше токенов на задачу. Самое интересное, у модели неожиданно прокачалась кибербезопасность. Лучший результат на CyberGym (84.5, впереди топов Anthropic и OpenAI), а в полевых тестах с безопасниками она нашла 2436 реальных уязвимостей в 269 опенсорс-проектах. Самый старый баг сидел в коде с 1981 года, в среднем дыры жили по 26 лет до обнаружения.