PythonTalk

👨‍💻 👨‍💻 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...

? 💸 Появился занятный сайт isaiprofitable.com. Автор свёл дебет с кредитом по всем топовым ИИ-компаниям. Общие затраты индустрии — $1.4 триллиона. Общая выручка — $613 миллиардов. Единственный, кто реально фиксирует кэш в этой песочнице — это Nvidia (+$253B чистого PNL). Классика: во время золотой лихорадки больше всех зарабатывает продавец лопат. А вот дальше начинается фестиваль сожженных инвесторских денег: ▫️ OpenAI: ушли в минус на $27B. ▫️ Anthropic: минус $26.5B. ▫️ Бигтехи (Amazon,...

📉 Microsoft Research опубликовали бенчмарк DELEGATE-52. Исследование посвящено тому, что происходит с рабочими файлами (в т.ч. с кодом), когда вы доверяете LLM длинные цепочки задач. Прогнали 19 моделей (включая Claude 4.6 Opus, Gemini 3.1 Pro и GPT 5.4) на 52 профессиональных доменах. Имитировали до 20 последовательных итераций работы с файлами. По фактам такая беда: 1️⃣ Деградация неизбежна Даже frontier-модели теряют в среднем 25% содержимого документа после 20 итераций. Средний показатель потерь по всем протестированным моделям — 50%. 2️⃣ Python — аномалия Из 52 доменов Python оказался...

🇨🇳 В продолжение прошлого поста про то, почему США рискуют проиграть ИИ-гонку. Там было про физику, розетки и опенсорс. Но есть ещё один критический фактор — инженерная культура. Нейтан Ламберт (автор Interconnects AI) недавно вернулся из тура по топовым ИИ-лабораториям Китая и привез очень интересные инсайды. Пока в американских бигтехах топовые ресёрчеры борются за строчки в авторах статей, строят личный бренд, ходят на подкасты рассуждать об экзистенциальных угрозах AGI и устраивают корпоративные войны из-за эго (слухи о развале команды Llama в Meta из-за этого ходят давно) — в Китае царит тотальный прагматизм...