OpenAI запускает рекламу:

В ближайшие недели мы планируем начать тестирование рекламы в бесплатном тарифе ChatGPT и тарифе Go "Это новый тариф за 8 долларов в месяц. Раньше он работал только в Индии, теперь развернули на всех".

OpenAI надо было выкатывать рекламу еще в 2023-м. В этом году тайминг хуже некуда.

В 23-м реклама могла быть хоть самой кривой - всем было бы плевать, потому что тогда они были единственной нормальной LLM, к которой никто и близко не подобрался. С тех пор они могли бы её уже сто раз допилить и поднять кучу бабла, как Google на старте.

А что имеем сейчас: врубают рекламу, когда уже явно потеряли безоговорочное лидерство, а у юзеров полно вариантов, куда свалить. Ясен пень, что с рекламой пользоваться сервисом будет хуже, чем без, поэтому куча народу просто скажет: «Да ну нахер, я ухожу на Gemini или Claude».

CEO Cursor Майкл Труэлл (никак не могу привыкнуть, что это двадцатипятилетний парень с детским лицом) запостил видео, на котором мультиагентная система на базе GPT-5.2 создает полноценный веб-браузер за неделю.

Это более 3 миллионов строк кода в тысячах файлов. Движок рендеринга написан с нуля на Rust и включает парсинг HTML, CSS-каскад, макет (layout), шейпинг текста, отрисовку и собственную виртуальную машину JS.

Сначала они пробовали «плоскую» структуру, где все агенты равны и координируются через общий файл (как люди, берущие задачи с доски). Это не сработало:
— Агенты блокировали друг друга (locking mechanism).
— Без иерархии они становились «трусливыми»: избегали сложных задач, делали мелкие правки и топтались на месте.

В итоге разделили их на «Планировщиков» (Planners) и «Рабочих» (Workers):
— Планировщики: Изучают кодовую базу, создают задачи и могут запускать под-планировщиков (рекурсивно).
— Рабочие: Просто берут задачу и молча «пилят» её до конца, не отвлекаясь на общую картину.
— Судья (Judge): В конце цикла решает, продолжать ли итерацию.


Кстати, 2026 еще только начинается...

У меня не выходит из головы новость о браузере, который написал ИИ-агент за неделю. Думаю, что для людей, не связанных с разработкой, нужно пояснить, что создание браузера с нуля - это нетривиальная задача, поэтому их так мало на рынке.

Наверно 2026 будет годом кодинговых агентов. Вдумайтесь только: софт, пишущий софт, который переписывает собственный код. При этом люди в этой цепочке всё чаще просто жмут «Yes» на все запросы доступа и заворожённо наблюдают за результатом, попутно собирая фидбек.

На подходе гигантские вычислительные мощности для инференса, а в процессе - по-настоящему масштабные циклы обучения. Огромные модели с многомесячным дообучением с подкреплением на верифицируемых данных и большой скачок в скорости при снижении затрат.

Тот же Anthropic - компания, которая изначально была помешана на безопасности и замедлении внедрения ИИ, - теперь втопила педаль газа в пол. Их гендиректор всего за полтора года прошёл путь от «давайте притормозим» до «архитектора сверхразума». Они выпускают продукты, которые «вайбкодят» за две недели, а их сотрудники делают безумные заявления о том, что проблема непрерывного обучения почти решена. Меня уже не удивляет, что у моих знакомых программистов запущено по 4–10 терминалов с Claude Code, которые круглосуточно выжигают токены.

Ещё с конца прошлого года в воздухе стало ощущаться напряжённое затишье. Google, OpenAI и многие другие вложили сотни миллиардов в инфраструктуру и исследования. Они просто ждут малейшего намёка на ценность, чтобы влить туда ещё больше миллиардов. Как только кто-то вырвется вперёд хоть на шаг, начнётся отчаянная грызня за лидерство. Решения будут приниматься радикальные.

Я всё больше склоняюсь к мысли, что релиз Claude 5 и выход Anthropic на IPO станут началом такой «безумной гонки», и это будет не AGI, а новая парадигма кодинговых агентов, которые начнут писать код на сверхчеловеческом уровне.

Очень мне нравится планировщик в Gemini. Раздел называется «Запланированные действия» — суть такая же, как в ChatGPT и Perplexity, но из-за нативной связки с Gmail, Календарем и остальным Google Workspace пользоваться им удобнее.

Например, каждое утро он смотрит, какие у меня задачи в календаре стоят, собирает подборку новостей и смотрит почту.

А вечером делает обзор всех наших диалогов и предлагает сразу задачи на следующий день поставить. Пока вроде не бесит.

Директор Anthropic’а Дарио выдал прогноз, что через 6–12 месяцев кодинговые агенты будут выполнять большую часть, а, может быть, и всю работу инженеров-программистов от начала до конца. Я, кстати, вчера про это писал.

Верим?

Реально ли выучиться на ML-инженера по YouTube-роликам? Звучит, конечно, как холиварный вброс, но я готов принять на себя этот удар.

Я большой фанат YouTube-каналов @3blue1brown и @AndrejKarpathy и считаю, что если правильно выстроить изучение материалов оттуда и подкреплять всё практикой, то хорошую базу за 50 академических часов получить можно. Поэтому хочу вам показать гайд из трех фаз бесплатного обучения по YouTube-видео:

Фаза 1: Настрой интуицию (3Blue1Brown). Смотри все видео по порядку. Первый проход: просто смотри. Второй проход: заметки и активное вовлечение. Удобно, что видео на русском языке (дубляж). Время: примерно 10–15 часов.

Фаза 2: Создай навыки имплементации (Karpathy Zero to Hero). Пройди видео 1–8 по порядку. Набирай весь код руками. Ломай всё, пробуй всё, редактируй всё. Время: примерно 30–40 часов.

Фаза 3: Углуби контекст (бонусные видео). Смотри видео для широкой аудитории. Заполни пробелы и построй более широкую перспективу. Время: примерно 5 часов.

Общее время: примерно 50 часов сфокусированной работы.
https://teletype.in/@prompt_design/How-to-Become-an-ML-Engineer

Я уже много раз тут писал, что хорошие деньги в ИИ зарабатывают не горлопаны и инфоцыгане, которые на каждом шагу показывают фейковые банковские скрины, убеждая всех, что это «ИИ им принес», а небольшие ML-команды.

Они тихонечко пилят свои продукты, продают их и не планируют не только кого-то учить, но и вообще рассказывать о своем бизнесе. Какой смысл конкуренцию плодить?

И я счастлив, что у меня есть возможность общаться с такими ребятами, смотреть на их продукты, изучать новые для себя ниши.

Вот на видео я тестирую голосовую модель для всяких непотребств. И таких моделей у них много: есть и для продажи товаров, и для анбординга на вакансии, и для чего угодно.

Главная фишка в том, что они работают почти с нулевой задержкой ответа, а еще могут дышать, смеяться и издавать другие звуки, которые заставляют думать, что по ту сторону живой человек.

Конкретно в этом видео есть небольшой лаг, но это у меня сегодня проблемы с интернетом. Обычно в диалоге вообще никаких пауз не возникает.

Обратите внимание, как моделька переписывает контекст ответов, а еще во время диалога идет наполнение твоей «карточки»: вот ты имя свое назвал, как-то возраст промелькнул и местонахождение - все записывается в память. Я дурачился и пытался запутать модельку в языках, но в итоге сам запутался.

Кстати, если контакт команды нужен - пишите в личку, дам.

Если используете Three.js в своих проектах, рекомендую добавить эти Skills в Claude Code. Идут сразу пачкой из 10 штук:

1) fundamentals — основы сцены, камеры, рендерер
2) geometry — создание и манипуляция геометрией
3) materials — материалы, PBR, текстуры
4) lighting — освещение и тени
5) textures — работа с текстурами
6) animation — keyframe и skeletal анимация
7) loaders — загрузка GLTF, Draco, моделей
8) shaders — кастомные GLSL шейдеры
9) postprocessing — эффекты (bloom, blur)
10) interaction — raycasting, controls, клики

Что они дают:
• Claude знает точные запросы в API Three.js
• Генерирует рабочий код с первого раза
• Применяет лучшие практики и оптимизации
• Автоматически выбирает нужные техники

Такую игрушку «в стиле Doom» Claude сделал с первого промпта. А те, кто давно меня читает, знают, как я люблю этими лабиринтами модельки тестить - вот и вот, например.

Люблю такие проекты. Энди Коэн, разработчик из Google DeepMind, создал сайт с изометрической картой Нью-Йорка, как в SimCity. Вот он сам пишет, как ему пришла идея:

«Несколько месяцев назад я стоял на балконе 13-го этажа офиса Google на 9-й авеню, глядя на Нижний Манхэттен. С этой точки город выглядел поразительно знакомым, но не как реальность, а как определенный эстетический стиль. Это напоминало SimCity 2000 — изометрическую, упорядоченную проекцию сложного мегаполиса.

Я подумал: "Было бы здорово создать карту всего Нью-Йорка в таком стиле". Но тут же пришло осознание масштаба. Отрисовка каждого здания, каждой улицы и парка вручную заняла бы тысячи часов. Для одного человека это практически невыполнимая задача. Это был бы труд всей жизни.

Однако мы живем в эпоху, когда уравнение "время — результат" меняется».

Кстати, почитайте историю создания - интересно.

Из инструментов Энди использовал следующее:
• Nano Banana для создания пиксельной графики.
• Coding Agents, включая Claude Code, Gemini CLI и Cursor, для создания конвейера обработки данных.
• Google Maps Tile API, который предоставляет точную геометрию и текстуры.

Говорит, что ни строчки кода сам не написал, а вот инженерных задачек пришлось много решать.

Все выходные занимался двумя вещами: читал материал про image-to-ASCII рендер Алекса Харри (а потом пилил свое решение для записи видео в ASCII) и ресечил историю про новое ИИ-помешательство на Clawdbot — про него чуть позже напишу.

А вы залетайте к нам в чат и расскажите, чем сами занимались в выходные — @prompt_chat