Forwarded from Сиолошная
В январе мы впервые услышали, что OpenAI ставит на этот год целью достижение миллиарда пользователей ChatGPT в сутки. На момент первого упоминания у компании было «всего» 350 миллионов пользователей в неделю, то есть вырасти надо более чем в три раза, и это с учётом нарастающей активности конкурентов.
На конец октября последняя заявленная цифра была 800 миллионов недельной аудитории, абсолютное большинство которой — бесплатные пользователи.
В этом году OpenAI запустили тариф ChatGPT Go за $5/месяц и сделали его доступным для чуть менее чем 100 стран. Тариф включает расширенные лимиты для GPT-5 (и Thinking), генерации картинок, загрузки файлов и запуску Python-кода для анализа данных, а также более длинный контекст диалогов.
...а пару недель назад компания объявила, что все пользователи из Индии получат бесплатный доступ к Go-тарифу на целый год. Так что кажется, что дотянуться до миллиардной планки и может быть даже её перешагнуть действительно удастся — пусть и не на ежедневной, но недельной основе.
Индия является вторым по величине рынком OpenAI по количеству пользователей после США и вскоре может выйти на первое место. Компания относится к Индии очень серьёзно: 6 дней назад даже отдельный бенчмарк IndQA представили (и внутри, соответственно, на него обращают внимания и стараются улучшить пользовательский опыт носителей разных диалектов).
📈
На конец октября последняя заявленная цифра была 800 миллионов недельной аудитории, абсолютное большинство которой — бесплатные пользователи.
В этом году OpenAI запустили тариф ChatGPT Go за $5/месяц и сделали его доступным для чуть менее чем 100 стран. Тариф включает расширенные лимиты для GPT-5 (и Thinking), генерации картинок, загрузки файлов и запуску Python-кода для анализа данных, а также более длинный контекст диалогов.
...а пару недель назад компания объявила, что все пользователи из Индии получат бесплатный доступ к Go-тарифу на целый год. Так что кажется, что дотянуться до миллиардной планки и может быть даже её перешагнуть действительно удастся — пусть и не на ежедневной, но недельной основе.
Индия является вторым по величине рынком OpenAI по количеству пользователей после США и вскоре может выйти на первое место. Компания относится к Индии очень серьёзно: 6 дней назад даже отдельный бенчмарк IndQA представили (и внутри, соответственно, на него обращают внимания и стараются улучшить пользовательский опыт носителей разных диалектов).
Please open Telegram to view this post
VIEW IN TELEGRAM
😁2
Forwarded from Сиолошная
Фоллоу-ап по этой работе — аналитики из Epoch.AI посчитали, насколько быстро будет запущен первый ГигаВатт вычислительных мощностей в разных датацентрах, кто будет первым и когда это произойдет.
Некоторые компании планируют справиться всего за 1-2 года с начала строительства.
Если им это удастся, первые дата-центры гигаваттного масштаба появятся уже в 2026 году, став одними из самых быстрых инфраструктурных проектов в истории.
Colossus 2 от xAI в Мемфисе обещает самое быстрое развертывание — всего за 12 месяцев до выхода на гигаваттную мощность.
Как им это удастся? Благодаря переоборудованию уже существующих промышленных зданий и ранней электрификации с помощью газовых турбин и аккумуляторов, ещё до полноценного подключения к электросети и ожидания всех нужных одобрений. Теперь этот подход адаптируют и другие игроки.
Примерно сразу после Colossus 2 у Microsoft x OpenAI будет сдано 2 датацентра.
Meta Prometheus так выделяется потому, что по сути это расширение уже запущенного и давно работающего датацентра.
===
К концу года совокупные инвестиции в центры обработки данных могут составить более 300 миллиардов долларов, что составляет около 1% ВВП США. Это больше, чем инвестиции в программу «Аполлон» (0,8%) и Манхэттенский проект (0,4%) на пике их развития.
Лишь немногие страны обладают достаточным количеством мощностей для строительства множества дата-центров мощностью более 1 ГВт, таких как Stargate. 30 ГВт (анонсированные мощности OpenAI на ближайшие 8 лет) — это примерно 5% от мощности США, 2,5% от мощности Китая, но около 90% от мощности Великобритании.
Некоторые компании планируют справиться всего за 1-2 года с начала строительства.
Если им это удастся, первые дата-центры гигаваттного масштаба появятся уже в 2026 году, став одними из самых быстрых инфраструктурных проектов в истории.
Colossus 2 от xAI в Мемфисе обещает самое быстрое развертывание — всего за 12 месяцев до выхода на гигаваттную мощность.
Как им это удастся? Благодаря переоборудованию уже существующих промышленных зданий и ранней электрификации с помощью газовых турбин и аккумуляторов, ещё до полноценного подключения к электросети и ожидания всех нужных одобрений. Теперь этот подход адаптируют и другие игроки.
Примерно сразу после Colossus 2 у Microsoft x OpenAI будет сдано 2 датацентра.
Meta Prometheus так выделяется потому, что по сути это расширение уже запущенного и давно работающего датацентра.
===
К концу года совокупные инвестиции в центры обработки данных могут составить более 300 миллиардов долларов, что составляет около 1% ВВП США. Это больше, чем инвестиции в программу «Аполлон» (0,8%) и Манхэттенский проект (0,4%) на пике их развития.
Лишь немногие страны обладают достаточным количеством мощностей для строительства множества дата-центров мощностью более 1 ГВт, таких как Stargate. 30 ГВт (анонсированные мощности OpenAI на ближайшие 8 лет) — это примерно 5% от мощности США, 2,5% от мощности Китая, но около 90% от мощности Великобритании.
Forwarded from GPT/ChatGPT/AI Central Александра Горного
Примеры работы Nano Banana 2. По слухам, релиз уже на этой неделе.
👍2🔥1
Media is too big
VIEW IN TELEGRAM
https://taku.ai
Мы уже здесь говорили про то, что AI это будущие операционные системы. А вот и появился ещё один новый игрок, точнее пока только его анонс. Taku — операционка для генеративных апок. Как Wabi, но выглядит более амбициозно.
Мы уже здесь говорили про то, что AI это будущие операционные системы. А вот и появился ещё один новый игрок, точнее пока только его анонс. Taku — операционка для генеративных апок. Как Wabi, но выглядит более амбициозно.
Forwarded from Kostya Gorsky’s Channel
Неожиданно вдохновился вчера, прочитав статью о внутренней культуре в Курсоре: https://joincolossus.com/article/inside-cursor/
(Ссылку подсмотрел у Лёши Моисеенкова @chillhousetech)
Там много интересного, очень советую прочитать оригинал.
- Забавно, что внимание большинства людей всё ещё направлено на бигтех. Посмотрите, например, сколько курсов существует про то, как наняться в FAANG. А для меня самые интересные компании сейчас — OpenAI, Anthropic, Cursor. Вот эти ребята.
- В статье очень много такого немного наивного оптимизма, который мне очень-очень импонирует. Когда люди работают много, потому что на самом деле любят свою работу. Когда думают и обсуждают, что и как благодаря их работе может измениться в мире. Я был таким же, а потом как-то подрастерял этот вайб (поумнел?). Сейчас собираю обратно.
- Найм начинается не с ролей, а с людей. Находят и рекомендуют лучших, окружают вниманием, подолгу уговаривают их присоединиться. А потом уже внутри человек разбирается, над чем именно работать. В итоге — невероятная даже по меркам SF плотность таланта.
- Документации и встреч — минимум, всё решается в живых обсуждениях (люблю такое). Скептики сейчас, конечно, начнут говорить, что вот давайте посмотрим на них, когда там будет не 250 человек, а 2500. Ну что ж, посмотрим.
- Самые важные и ценные — IC (individual contributors), то есть не руководители, а те, кто непосредственно делают работу руками. Выглядит как тренд.
- Из забавных деталей: чёрные доски и мел вместо маркеров (!); собственный шеф, который каждый день готовит обед на всех, и которые тоже добавлен в Слак со всеми.
Лайк.
(Ссылку подсмотрел у Лёши Моисеенкова @chillhousetech)
Там много интересного, очень советую прочитать оригинал.
- Забавно, что внимание большинства людей всё ещё направлено на бигтех. Посмотрите, например, сколько курсов существует про то, как наняться в FAANG. А для меня самые интересные компании сейчас — OpenAI, Anthropic, Cursor. Вот эти ребята.
- В статье очень много такого немного наивного оптимизма, который мне очень-очень импонирует. Когда люди работают много, потому что на самом деле любят свою работу. Когда думают и обсуждают, что и как благодаря их работе может измениться в мире. Я был таким же, а потом как-то подрастерял этот вайб (
- Найм начинается не с ролей, а с людей. Находят и рекомендуют лучших, окружают вниманием, подолгу уговаривают их присоединиться. А потом уже внутри человек разбирается, над чем именно работать. В итоге — невероятная даже по меркам SF плотность таланта.
- Документации и встреч — минимум, всё решается в живых обсуждениях (люблю такое). Скептики сейчас, конечно, начнут говорить, что вот давайте посмотрим на них, когда там будет не 250 человек, а 2500. Ну что ж, посмотрим.
- Самые важные и ценные — IC (individual contributors), то есть не руководители, а те, кто непосредственно делают работу руками. Выглядит как тренд.
- Из забавных деталей: чёрные доски и мел вместо маркеров (!); собственный шеф, который каждый день готовит обед на всех, и которые тоже добавлен в Слак со всеми.
Лайк.
Пупырка AI
Зацените как ребята экономят железо — По дефолту в Атласе используется режим Instant (самый дешевый и быстрый). А обычный GPT 5 с широким инпутом активируется руками и не "запоминается" для новой вкладки. Меня поправляют, что это не только про экономию железа…
GPT-5.1 стал умнее на сложных задачах и как заявляют более «живым» в диалоге.
Что изменилось по сути:
• Instant теперь сам решает, когда «думать», а когда отвечать сразу. На простых запросах — очень быстрый (экономия железа и конкуренция поиску гугл, привет)
• Thinking — короче, понятнее, аккуратнее с терминологией. Глубже погружается в сложные задачи.
• Персонализация — можно настраивать тон, краткость, тепло общения. По умолчанию стиль стал мягче.
• Практика — лучше следует инструкциям, сильнее в коде, математике и рабочих задачах.
• Доступ — на платных тарифах уже включён. Разворачивают постепенно. Старые модели оставят ещё на пару месяцев.
Что изменилось по сути:
• Instant теперь сам решает, когда «думать», а когда отвечать сразу. На простых запросах — очень быстрый (экономия железа и конкуренция поиску гугл, привет)
• Thinking — короче, понятнее, аккуратнее с терминологией. Глубже погружается в сложные задачи.
• Персонализация — можно настраивать тон, краткость, тепло общения. По умолчанию стиль стал мягче.
• Практика — лучше следует инструкциям, сильнее в коде, математике и рабочих задачах.
• Доступ — на платных тарифах уже включён. Разворачивают постепенно. Старые модели оставят ещё на пару месяцев.
Media is too big
VIEW IN TELEGRAM
Google AI Studio и его возможности
Наткнулся на чела, который собрал внутри AI Studio свой собственный character.ai — апп для создания персонажей, с возможностью общаться с ними в том числе голосом. Позже автор, кажется, и с визуализацией начал экспериментировать.
Меньше месяца назад в Studio появился раздел Build с возможностью подключать в создаваемые аппы Gemini, Voice и Veo.
Наткнулся на чела, который собрал внутри AI Studio свой собственный character.ai — апп для создания персонажей, с возможностью общаться с ними в том числе голосом. Позже автор, кажется, и с визуализацией начал экспериментировать.
Меньше месяца назад в Studio появился раздел Build с возможностью подключать в создаваемые аппы Gemini, Voice и Veo.
❤2
Forwarded from GPT/ChatGPT/AI Central Александра Горного
This media is not supported in your browser
VIEW IN TELEGRAM
World Labs открыл для всех модель создания трехмерных миров
Модель Marble генерирует трехмерные миры из текста, изображений, видео или 3D-макетов.
Посмотреть примеры и попробовать бесплатно можно тут: https://marble.worldlabs.ai/
Модель Marble генерирует трехмерные миры из текста, изображений, видео или 3D-макетов.
Посмотреть примеры и попробовать бесплатно можно тут: https://marble.worldlabs.ai/
Forwarded from Сиолошная
В прошлом году Google DeepMind представили SIMA (Scalable Instructable Multiworld Agent) — универсального ИИ-агента, который мог выполнять простые инструкции в 7 разных трёхмерных играх. Сегодня они показали SIMA 2 — систему, в которую интегрированы новые рассуждающие модели Gemini (что интересно, не пишут версию; не хотят спойлерить, что это Gemini 3?) с целью перехода от исполнителя простых инструкций до интерактивного игрового агента.
Одна из самых интересных новых возможностей SIMA 2 — это способность к самообучению и самосовершенствованию. Исследователи обнаружили, что в процессе обучения агенты могут выполнять всё более сложные новые задачи, опираясь на опыт проб и ошибок, а также на обратную связь, генерируемую Gemini. Модель дообучается на уже завершённых эпизодах, тем самым закрепляя навыки.
Кроме того, это позволило прокачать перенос приобретённых знаний — например, применять концепцию «добычи ресурсов» из одной игры к аналогичной концепции «сбора урожая» в другой. В результате SIMA 2 демонстрирует уровень выполнения задач значительно ближе к человеческому, чем SIMA 1.
Авторы тестировали модель суммарно на 13 играх от 8 компаний, разделив их на тренировочные и валидационные, которые модели не показывают до момента тестирования. На первой группе доля успешно выполненных задач составила 68% (против 75% у людей и 31% у SIMA 1), а на второй — чуть меньше 15% (при 0-2% у SIMA 1).
На этом в DeepMind не остановились, а запустили модель играть в Genie 3 — генеративную модель на основе видео-генератора, обученную создавать интерактивные виртуальные миры (см. тут). Никаких конкретных указаний метрик или качества не дают, лишь пару примеров — их и прикрепил к посту. Ещё раз: тут две модели симулируют для игрока мир: одна переводит текстовые команды в действия и формирует ответы, другая — генерирует игровой мир, принимающий действия на вход.
В следующей серии ждём, как агента натренируют в большом количестве виртуальных сред и начнут тестировать в реальности🍭
Хотя SIMA 2 представляет собой значительный шаг на пути к «универсальному, интерактивному искусственному интеллекту» (цитата из блога), проект остаётся исследовательским, и его текущие ограничения указывают на ключевые направления для будущих исследований. Мы видим, что агенты всё ещё испытывают трудности с очень сложными задачами, требующими длительного планирования, многошагового рассуждения и проверки целей. Также у SIMA 2 относительно короткая память о взаимодействиях — агенту приходится использовать ограниченный контекст для обеспечения быстрой генерации
Посмотреть больше демок: тут
Одна из самых интересных новых возможностей SIMA 2 — это способность к самообучению и самосовершенствованию. Исследователи обнаружили, что в процессе обучения агенты могут выполнять всё более сложные новые задачи, опираясь на опыт проб и ошибок, а также на обратную связь, генерируемую Gemini. Модель дообучается на уже завершённых эпизодах, тем самым закрепляя навыки.
Кроме того, это позволило прокачать перенос приобретённых знаний — например, применять концепцию «добычи ресурсов» из одной игры к аналогичной концепции «сбора урожая» в другой. В результате SIMA 2 демонстрирует уровень выполнения задач значительно ближе к человеческому, чем SIMA 1.
Авторы тестировали модель суммарно на 13 играх от 8 компаний, разделив их на тренировочные и валидационные, которые модели не показывают до момента тестирования. На первой группе доля успешно выполненных задач составила 68% (против 75% у людей и 31% у SIMA 1), а на второй — чуть меньше 15% (при 0-2% у SIMA 1).
На этом в DeepMind не остановились, а запустили модель играть в Genie 3 — генеративную модель на основе видео-генератора, обученную создавать интерактивные виртуальные миры (см. тут). Никаких конкретных указаний метрик или качества не дают, лишь пару примеров — их и прикрепил к посту. Ещё раз: тут две модели симулируют для игрока мир: одна переводит текстовые команды в действия и формирует ответы, другая — генерирует игровой мир, принимающий действия на вход.
В следующей серии ждём, как агента натренируют в большом количестве виртуальных сред и начнут тестировать в реальности
Хотя SIMA 2 представляет собой значительный шаг на пути к «универсальному, интерактивному искусственному интеллекту» (цитата из блога), проект остаётся исследовательским, и его текущие ограничения указывают на ключевые направления для будущих исследований. Мы видим, что агенты всё ещё испытывают трудности с очень сложными задачами, требующими длительного планирования, многошагового рассуждения и проверки целей. Также у SIMA 2 относительно короткая память о взаимодействиях — агенту приходится использовать ограниченный контекст для обеспечения быстрой генерации
Посмотреть больше демок: тут
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Data Secrets
Anthropic зафиксировали первый официальный случай крупной кибератаки, выполненной с помощью ИИ. Стартап утверждает, что за операцией стоит китайская государственная группировка.
По данным Anthropic, это был даже не единичный случай, а целая кибершпионская кампания, целью которой были около тридцати организаций по всему миру. Среди них бигтех, финансовые институты, хим.производства и государственные агентства.
Преступники использовали Claude Code и "агента на основе Claude". Модельку джейлбрейкнули, попросив ее выполнять мелкие задачи без раскрытия истинной цели и убедив, что она работает для легальной фирмы кибербезопасности.
Ну а дальше все как по маслу. Модель провела разведку инфраструктуры целевой организации, написала эксплойты, получила нужные доступы, создала бэкдоры, украла данные и даже услужливо написала по всему этому подробную документацию😍
По оценке Anthropic, вмешательство человека во всем этом требовалось 4-6 раз: преступники автоматизировали всю деятельность на 90%. Отловить атаку удалось благодаря тому, что аналитики заметики подозрительную активность и тут же запустили расследование.
Большиство запланированных атак, по словам стартапа, удалось предотвратить, и все же преступники «успешно компрометировали небольшое число случаев».
Вот вам и весь хваленый элаймент🤠
По данным Anthropic, это был даже не единичный случай, а целая кибершпионская кампания, целью которой были около тридцати организаций по всему миру. Среди них бигтех, финансовые институты, хим.производства и государственные агентства.
Преступники использовали Claude Code и "агента на основе Claude". Модельку джейлбрейкнули, попросив ее выполнять мелкие задачи без раскрытия истинной цели и убедив, что она работает для легальной фирмы кибербезопасности.
Ну а дальше все как по маслу. Модель провела разведку инфраструктуры целевой организации, написала эксплойты, получила нужные доступы, создала бэкдоры, украла данные и даже услужливо написала по всему этому подробную документацию
По оценке Anthropic, вмешательство человека во всем этом требовалось 4-6 раз: преступники автоматизировали всю деятельность на 90%. Отловить атаку удалось благодаря тому, что аналитики заметики подозрительную активность и тут же запустили расследование.
Большиство запланированных атак, по словам стартапа, удалось предотвратить, и все же преступники «успешно компрометировали небольшое число случаев».
Вот вам и весь хваленый элаймент
Please open Telegram to view this post
VIEW IN TELEGRAM
Групповые чаты в ChatGPT
The rollout so far is only for users in Japan, New Zealand, South Korea and Taiwan
Классный мув
В блоге
The rollout so far is only for users in Japan, New Zealand, South Korea and Taiwan
Классный мув
В блоге
🤯5
NotebookLM научился в картинки и рукописные тексты. А еще добавили deep research.