Олег Булыгин | Полезная нагрузка

Сейчас вирусится тред: чувак ради эксперимента выкатили на hh резюме Data Analyst'а. Стек стандартный: SQL, Python, BI. Но есть нюанс. Вся бизнес-логика и достижения описаны через чесание пузиков капибарам, A/B-тесты сочной травы, LTV вольера и когортный анализ любителей дневного сна. ❤️ Результат: из 100 откликов — около 40 приглашений на собес. Из всей этой толпы рекрутеров только двое прочитали текст глазами и заметили грызунов до созвона. Остальные на автомате пушнули шаблонное приветствие в телегу...

☹️ Выкатили MiniMax M3. По заявленным бенчмаркам (SWE-Bench Pro 59.0%) они бьют Gemini 3.1 Pro, GPT-5.5 и дышат в спину Claude Opus 4.7. Но мы с вами знаем реальную цену синтетическим пузомеркам. Намного интереснее то, что у модели под капотом, и как разработчики решили монетизировать этот праздник интеллекта. Инженерно ребята сделали очень крутую вещь — замахнулись на честный и рабочий 1M контекст. Чтобы избежать проклятия квадратичной сложности классического attention, они выкатили свою архитектуру — MSA (MiniMax Sparse Attention)...

🧠 LLM не может читать ваши мысли, но может ли она построить ваш психопортрет по тому, что вам нравится, если дать ей правильные данные? Я провел эксперимент и написал небольшую приложуху, чтобы узнать. Никаких сложных RAG-систем или векторных баз. 0 зависимостей. Только Vanilla JS, LocalStorage и один старый, но эффективный математический концепт. Если правильно организовать интерфейс сбора данных и конвертировать их в...

👨‍💻 👨‍💻 Многие наивно верили, что генеративный ИИ уравняет джунов и синьоров. Мол, порог входа размыт, пиши промпты и кайфуй. Вышел масштабный отчет Developer Habits Report от создателей Cursor (на основе реальной телеметрии миллионов сессий разработки за 2025 – середину 2026 года). 📈 Великий раскол: топ-1% против медианы Коэффициент Джини (индекс неравенства) по объему сгенерированного кода составляет 0.77, а по расходам на токены — 0.75. Для понимания: это уровень дичайшего расслоения, хуже, чем в беднейших сырьевых экономиках...

😅 Продолжаем замечательную рубрику «Корпорации понимают, что ИИ стоит денег». Ранее мы уже обсуждали ИИ-похмелье Uber и Microsoft, но все продолжается. 1️⃣ Amazon официально снес ИИ-лидерборды Ранее я писал, как в Amazon заставляли инженеров дергать ИИ-агентов ради красивой статистики на дашбордах. Итог: компания официально закрыла платформу KiroRank. Сотрудники массово uоняли ИИ по бессмысленным круговым задачам просто чтобы подняться в рейтинге. Amazon получил экспоненциальный рост расходов на инфраструктуру при нулевом выхлопе для бизнеса. Вице-президенту Дэйву Тредвеллу пришлось лично просить штат: «Пожалуйста, не используйте ИИ просто ради того, чтобы использовать ИИ»...

Он — для сравнений. В продолжение темы про анализ личности через меда-предпочтения. Пытаться оценить 100 фильмов и книг по шкале от 1 до 10, чтобы получить норм рекомендации — ужасная задача. Вчера вы поставили условному «Интерстеллару» 9/10. Сегодня прод упал, вы не выспались, вас все бесит, и вы ставите 6/10. Наш мозг эволюционно не заточен под абсолютные измерения. Мы не умеем пользоваться шкалами. Из-за "центральной тенденции" мы боимся крайностей и лепим безопасные семерки всему подряд. Откройте любой агрегатор отзывов — там всё сбито в серую массу...

🥶 Помните мой недавний пост про то, как ИИ превращает пирамиду IT-рынка в ромб? Джуны исчезают, бизнесу нужны только AI-native техлиды. Так вот, вышли свежие исследования западного рынка труда от Oliver Wyman (опросили 400+ CEO глобальных компаний) и аналитика от Йельского университета (нежелательная в России организация). Суть там не в том, что происходит, а в том, как это происходит. Вот три главных инсайта, которые объясняют, почему вход в IT сейчас похож на штурм крепости: 1️⃣ Иллюзия стабильности и "The Big Freeze" Медиа ждали, что ИИ вызовет кровавую волну массовых увольнений. Этого...

📉 Совсем недавно мы угарали над опенсорс-скриптами для бессмысленного сжигания ИИ-токенов ради корпоративных KPI и изучали небьющуюся экономику всей этой генеративной песочницы. Ну что ж, вот и наступили в реальность — инвесторы протрезвели, и бигтех начал резать косты. 1️⃣ Uber: Токены не конвертируются в фичи COO Uber прямым текстом заявил, что им всё сложнее оправдывать затраты на ИИ. В апреле выяснилось, что инженеры Uber уже всадили весь годовой бюджет на Claude Code. И знаете, к какому гениальному выводу пришло руководство? Оказывается, кратный рост сожженных токенов вообще никак не коррелирует с ростом полезных фичей для бизнеса...

💸 Когда вы просите Cursor, Claude Code или любой другой AI-инструмент разобраться в сложной кодовой базе (особенно без грамотных правил и скиллов), они ведут себя как слепые котята. Чтобы найти, откуда вызывается метод, они делают grep, читают десятки файлов целиком и забивают контекстное окно мусором. Вы платите за токены, а агент тратит время на парсинг текста. Тут появилась локальная тулза CodeGraph, которая парсит ваш проект через tree-sitter, строит из него семантический граф знаний (AST, связи, вызовы) и складывает всё это в локальную SQLite базу...

📦 Если вы всё ещё копипастите код по одному файлику в окошко Claude или ChatGPT, то вы не просто тратите своё время, вы ещё лишаете модель понимания связей внутри архитектуры проекта. Для нормальной работы с LLM кодовую базу нужно правильно паковать. Иля автоматизации этого процесса сейчас есть два вменяемых инструмента. У них одна цель, но разная философия и экосистемы. 🛠 Repomix Объективно — лучший инструмент на сегодня. Запихнуть в него URL гитхаба или локальную папку — это базовый функционал. Его реальная ценность в другом: 🟢 XML-разметка. Он пакует код в древовидную структуру XML-тегов...

🤖 Ко-фаундер Anthropic Джек Кларк тут выдал порцию отборного футурологического копиума на лекции в Оксфорде. Таймлайны от ребят с оценкой в $900 млрд: 1️⃣ 12 месяцев — до научного открытия нобелевского уровня, сделанного с помощью ИИ. 2️⃣ 18 месяцев — до появления компаний-миллионников, где вообще нет сотрудников, кроме нейросеток. 3️⃣ 24 месяца — прямоходящие роботы забирают работу у строителей. 4️⃣ К концу 2028 — ИИ сам проектирует следующие поколения ИИ. Ну и по классике жанра: есть "ненулевая вероятность", что всё это нас убьет, но мы не можем остановиться, потому что конкуренты и геополитика...

Но может угадать ваши предпочтения 🧐 Было бы классно, если бы LLM могли давать нам точные рекомендации книг/сериалов/игр и делать профилирования нашей личности на основе ваших предпочтений? На практике же, даже топовые LLM, напичканные терабайтами знаний, спотыкаются о простую вещь: они не знают вас. Закинешь им список "что нравится" — получишь галлюцинации и общие фразы. Как будто тебя описывает гороскоп. Но что, если дать ИИ не просто...