Мысли вслух

О книге «Неукротимая планета» Гарри Гаррисона

Недавно перечитал книгу из детства. Тогда я запомнил её как боевик: планета Пирр, гравитация 2G, всё живое хочет тебя убить.

В этот раз вынес из неё другое, как не притягивать к себе чужой негатив.

Азартный игрок Язон динАльт прилетает на Пирр, где колонисты триста лет воюют с природой. Это лучшие бойцы в галактике, но с каждым поколением их меньше, и периметр города отступает.

На длинной дистанции они проигрывают, но живут иллюзией, что побеждают, потому что каждый отдельный день выигрывают мелкие стычки.

Язон, сам немного телепат, замечает то, чего не видят местные: планета реагирует на ненависть. Чем больше страха и агрессии излучает город, тем быстрее звери и растения мутируют в оружие против него, и в книге это работает буквально.

Рядом живут другие поселенцы, фермеры. Городские презирают их за слабость.

У фермеров нет ни периметра, ни вечной боеготовности, они живут с планетой в относительной гармонии, и те же звери их не трогают.

Они не транслируют «ты враг», и среда не возвращает им этого.

Что зацепило сейчас:

- Пирряне искренне заблуждаются, злодеями их не назовёшь: они уверены, что только обороняются. Каждый следующий залп для них оборона, поэтому война не заканчивается.

- Сила решает сегодняшнюю проблему и кормит завтрашнюю. Чем эффективнее город убивает, тем страшнее то, что приходит утром.

- Язон вместо более мощного оружия пересматривает исходную посылку: может, не всё вокруг враги. Большинство горожан от этой мысли отказываются: проще умереть в бою, чем признать, что триста лет воевали с собственным отражением.

Любая поляризованная среда работает как Пирр: встреча со сложным клиентом, лента соцсетей, спор в рабочем чате, ужин с родственниками.

Входишь с негативной установкой - среда с удовольствием и без задержки её подтверждает. Цепляешься за провокацию, тебя цепляют в ответ, и через год у тебя своя маленькая неукротимая планета в душе.

Я писал про вечно недовольных людей на стороне заказчика: не отвечать на провокации, фиксировать ожидания письменно, оставаться вежливым. Провокаторы устают, а некоторые даже становятся союзниками.

Механизм тот же: человек излучает, ты не резонируешь, и сигнал затухает.

Доброту, а уж тем более любовь к тому, что тебя окружает, часто считают слабостью. У Гаррисона это не только мораль, но и инженерное решение.

Фермеры не разоружились, опасность на Пирре реальна, они просто перестали жить в режиме «все против меня». Оказалось, это дешевле и эффективнее, чем конфронтация.

Пирряне были уверены, что планета их ненавидит, а она ничего к ним не чувствовала и просто зеркально возвращала то, что получала.

Получается не всегда, но я стараюсь перед резким ответом кому угодно проверить, что именно я сейчас транслирую. Среда всё равно это вернёт, причём с процентами.

@maxvotek | linkedin | substack

Проспект Anthropic: $4,6 млрд выручки и $518 млрд обязательств

Reuters добрался до конфиденциального проспекта Anthropic перед IPO. Заголовки пишут про убыток, но самое интересное - одно число ближе к концу документа.

Убыток за 2025 год, почти $42 млрд, но $34 млрд из них составляет бумажная переоценка старых инструментов финансирования, живых денег за ней нет.

По операционным цифрам выручка выросла в 12 раз, до $4,6 млрд, операционный убыток превысил $8 млрд, а $7,3 млрд ушло на вычисления и инфраструктуру.

Это много, но не сенсация: OpenAI, по оценкам Эда Зитрона, за тот же год сожгла около $21 млрд.

На горизонте 7–10 лет Anthropic взяла минимум $518 млрд обязательств по облакам, чипам и дата-центрам. Примерно 80% из них либо нельзя отменить, либо надо оплатить независимо от реального потребления.

Если размазать ровно, это $50–75 млрд в год. График наверняка неравномерный, но порядок мне понятен, выручка должна вырасти ещё раз в десять, просто чтобы закрыть счёт за железо.

Во второй половине проспекта сказано, что почти четверть выручки 2025 года принесли два клиента, а многие крупные заказчики не связаны долгосрочными контрактами.

Расходы зафиксированы на десять лет вперёд, а выручка не гарантирована даже на год. Ни одна корпорация не подпишет десятилетний контракт на токены.

При этом open-source модели дешевеют, а Amazon и Google для Anthropic одновременно поставщики вычислительных мощностей, инвесторы и конкуренты.

Anthropic перестаёт быть софтверной компанией. Это экономика авиакомпании или завода: огромные фиксированные затраты и задача загрузить мощности.

Если спрос придёт вовремя, операционный рычаг сделает маржу фантастической. Если опоздает на пару лет, останутся пустые дата-центры, за которые всё равно платить.

С оптоволокном в 2000-м было ровно так. Кабель прокладывали под будущий трафик, трафик пришёл, интернет оказался больше прогнозов.

Заработали другие, а строители вроде Global Crossing обанкротились. Технология оказалась права, но экономику конкретных компаний это не спасло.

Три недели назад я разбирал признаки сдувания пузыря. Один из них - OpenAI или Anthropic не могут закрыть очередной раунд.

Проспект объясняет, почему IPO неизбежно: частный рынок $518 млрд не потянет, такие обязательства финансируются только публичным капиталом и долгом. Так что IPO здесь скорее перенос следующего раунда на биржу.

Долг под дата-центры, от Oracle до CoreWeave, обеспечен ровно такими контрактами, чьим-то неотменяемым обязательством платить. Проспект показывает, на чём держится вся цепочка: на способности двух-трёх лабораторий вырасти ещё в десять раз.

Эти цифры заодно многое объясняют в разговорах о безопасности и замедлении. По моему субъективному ощущению, Anthropic сейчас впереди OpenAI: каждый месяц появляются новые области, где Claude обходит очень умных людей.

На этом фоне призывы притормозить и раньше звучали странно, а теперь вопрос закрыт: компания с 80% неотменяемых обязательств замедлиться не может, она обязана вырасти в десять раз, иначе за железо платить будет нечем.

Поэтому спорить об искренности бессмысленно, достаточно посмотреть на стимулы. $518 млрд окупаются, только если токен не станет commodity, и любое правило, которое поднимает порог для open-source и китайских лабораторий, защищает именно этот
баланс.

Google и OpenAI оно не остановит - у них денег больше.

Получится ли у Anthropic, я не знаю: скорость структура контрактов против. В прессе IPO примеряют на оценку около $2 трлн. Я бы в следующих отчётах следил за двумя числами: падает ли доля двух крупнейших клиентов и растёт ли доля выручки под многолетними контрактами.

Покупатель акций Anthropic получает долю в дата-центрах и обещание, что их получится загрузить. На софтверный бизнес с маржой 80% это похоже мало.

@maxvotek | linkedin | substack

Агент, которому нельзя ошибаться

Несколько друзей рассказали, что написали себе приложения, чтобы следить за школой детей: это стало отдельной работой. Оценки в одном месте, домашка в другом, объявления в третьем, плюс email и родительские чаты.

Business Insider недавно описал ровно эту проблему. Средний школьный округ в США пользуется тысячами цифровых инструментов. Одна мама из Майами собрала агента на Claude: он читает школьную почту и переносит важное в календарь.

Но времени стало уходить больше: теперь она проверяет, не пропустил ли что-нибудь агент.

Claude тут ни при чём, дело в асимметрии: за пропуск наказывают, за лишнее сообщение нет. Поэтому школа шлёт всё, а родители читают всё. AI сделал генерацию информации почти бесплатной, но цена пропуска осталась прежней.

Агент экономит время, только когда ты перестаёшь его проверять, а значит, принимаешь, что иногда он ошибётся. Если к этому не готов, агент просто добавляет ещё один слой работы.

В компаниях с AI-агентами ровно та же история: пока человек перепроверяет каждый результат, работа никуда не делась, её просто переставили и умножили на два.

@maxvotek | linkedin | substack

Агент знает твою цену

Google знает, что ты искал, Amazon что купил, банк - сколько потратил. Но никто из них не знает, сколько ты был готов заплатить. Но агент, который торгуется за тебя, это знает.

В посте про экономику лени я писал, что агенты убирают ренту, которую бизнес собирал на нашей лени, но сама рента не исчезает, она переезжает к тому, кто владеет агентом. Продолжу эту мысль.

Напрямую данные никто продавать не будет. Google и Meta двадцать лет на них живут и не продают: продают доступ к человеку, а данные держат внутри как moat. Владелец агента будет делать так же.

Только у него в руках то, чего не было ни у кого: он видел, где ты сломался - тут согласился доплатить, тут ушёл. Экономисты называют это reservation price, то есть максимальная цена, которую ты готов отдать.

Ритейл давно пытается её угадывать: Orbitz показывал владельцам Mac более дорогие отели, Staples менял цены по почтовому индексу. Получалось грубо, а агент знает её точно.

Монетизировать это можно на трёх уровнях.

Невинный - обезличенная панель для фондов и брендов, как Mastercard SpendingPulse. В ней видно каждую покупку и отмену 100 млн человек в реальном времени.

Полезный - агент раскрывает данные в твою пользу: «три года истории, низкий риск, дай скидку». Так работает Tesla Insurance, где данные о вождении снижают цену полиса.

Опасный - продавец платит за доступ к твоей reservation price. Четыре ренты Citrini из прошлого поста были трением на пути к лучшей цене. Здесь под ударом уже сама цена.

Самая сильная позиция у того, кто держит агентов с обеих сторон и знает, сколько готов заплатить покупатель и какая маржа у продавца. Это маркет-мейкер, который видит всю книгу заявок.

Amazon за использование данных сторонних продавцов уже получил антимонопольные претензии в ЕС и США.

В финансах десять лет воевали за fiduciary rule: брокер продаёт то, что подходит, а советник обязан продать то, что лучше для клиента. AI-агентов ждёт та же война, только ставки выше: советник распоряжался сбережениями, а агент видит всю твою жизнь.

Главное здесь, кому принадлежат эти данные. Если тебе, агент раскрывает их, когда это выгодно тебе.

Если платформе, ты каждый раз платишь максимум, который готов заплатить. Какой из этих миров наступит, решит битва за потребителя.

@maxvotek | linkedin | substack

Про сон, который повторяется

Мне много лет снится один и тот же сон.

Забираюсь на что-то высокое, стою наверху, вид потрясающий, и я счастлив, что долез. Потом смотрю вниз и понимаю, что не знаю, как слезать. В этот момент обычно отваливается лестница.

Долго не понимал, откуда он. Потом вспомнил.

Класс четвёртый или пятый. Рядом со школой стояло полузаброшенное здание, а на нём что-то вроде старой пожарной вышки. Добраться до неё можно было только по соседним крышам. Мы ходили туда с одноклассниками несколько раз.

Путь шёл по самому краю. Бортики ржавые, скользкие, отваливаются под руками, торчат гвозди. Никто не сорвался, хотя пару раз было близко. Зато наверху был последний балкончик и панорама на весь город. Ради этого вида всё и делалось.

Забраться было тяжело, слезать ещё тяжелее. Спуск потом и снится.

Я писал про Андрея Рублёва, и сцена с колоколом ложится на этот сон точнее всего. Бориска берётся отлить колокол для князя и уверяет всех, что отец передал ему секрет. Месяцами руководит сотнями людей, ставка - собственная жизнь. Колокол поднимают, бьют, он звучит.

Только тогда Бориска падает на землю и рыдает: секрета не было, отец ничего не сказал.

Страх приходит после. Пока лезешь по крыше, бояться некогда. Накрывает наверху, когда оборачиваешься и видишь, по каким гвоздям шёл.

Со Сталкером та же история: идёшь в Зону, бросаешь гайки, никаких гарантий. Мне кажется, эти страхи есть у каждого предпринимателя. Не знаешь, что получится, но внутри живёт что-то, что заставляет туда лезть.

Снаружи это выглядит странно. Нормальные люди на эту крышу не лезут, и по здравому смыслу они правы. Предприниматель тот, кому почему-то надо. Тиль и Маск не зря спрашивают на интервью, взрывал ли ты что-нибудь в детстве и строил ли ракеты.

Мне повезло родиться в такое время. Стройки, строительные патроны, дюбели в асфальт, у кого выше улетит, серебрянка, которая взрывается в фольге. Трудно объяснить это людям, которые растят детей в изоляции от опасностей и убирают любую угрозу за километр. Но такие вещи закаляют и остаются на всю жизнь. В том числе в виде снов.

Про смелость начать написаны тонны книг, а про момент, когда ты уже наверху, вид красивый, колокол звучит, а лестницы назад нет, почти ничего. Хотя страшно именно там.

Сон при этом не кошмар, скорее страшный и интересный одновременно. В нём то же желание заглянуть: а что там, на самой верхней площадке? Что там, когда можешь сделать сильно больше, чем делал когда-либо?

Отсюда и растёт готовность брать риск: показаться нелепым, сделать что-то в первый раз, забраться выше.

Упасть тоже придётся. Если постоянно куда-то лезешь, падения неизбежны, и они такая же часть маршрута, как вид сверху.

@maxvotek | linkedin | substack

Агенты против экономики лени

Огромная часть consumer-бизнеса зарабатывает не на продукте, а на том, что нам лень. AI-агенты этот источник дохода закрывают.

Это рамка из новой статьи Citrini Research. Их прошлый текст про 2028 год и белых воротничков я разбирал.

Между человеком и лучшим решением почти всегда есть трение, а бизнес берёт за него деньги. Авторы называют это рентой и делят на четыре типа:

1. Tedium rent - час висеть на линии, чтобы отменить подписку;
2. Inertia rent - лень искать лучший тариф или переложить деньги;
3. Attention rent - покупаем то, что первым попалось на глаза;
4. Asymmetry rent - посредник знает рынок лучше нас и берёт комиссию за поиск.

Для агента ничего из этого не существует. Ему не скучно час висеть на линии с провайдером.

Он каждый месяц проверяет подписки, раз в год переторговывает страховку, ищет рейсы напрямую у авиакомпании. Замечает, что деньги лежат под ноль процентов, хотя их можно без риска переложить в фонд денежного рынка.

Я уже делился, сколько агенты сэкономили мне на авиабилетах, медицинских счетах и забытых подписках.

Какие бизнесы в итоге потеряют? Вероятно, не производители.

Отель нужен, Booking уже меньше.
Страховка нужна, сайт сравнения страховок не очень.
Ресторан нужен, агрегатор доставки под вопросом.

Под ударом не продукт, а слой посредников вокруг него.

С подписками то же. LTV многих consumer-компаний держится на том, что клиент забудет отменить или не захочет звонить. У каждого из нас болтается пара таких подписок. Агент превращает этого клиента в человека, который следит за своими деньгами 24/7.

Два важных уточнения, которые я отметил для себя.

1. Рента не исчезает, она переезжает. Ренту за внимание сегодня собирает Google, завтра её соберёт тот, чей агент стоит у людей по умолчанию. Booking потеряет маржу, но не факт, что она достанется отелю. Скорее тому, кто владеет агентом.

2. Скидка для умного клиента существует, потому что большинство клиентов ленивые. Кэшбэк по карте во многом оплачивают те, кто платит проценты по долгу. Дешёвый тариф для тех, кто торгуется, субсидируют те, кто не торгуется.

Когда агент есть у всех, торгуются все. Разница цен схлопывается. Потребитель выиграет меньше, чем кажется, а маржа посредников упадёт сильнее.

В плюсе те, кто ниже интерфейса: платёжные сети, identity, cybersecurity, данные, инфраструктура и сами производители товара или услуги.

Мне это кажется одной из главных идей agentic economy. AI заменяет не только работу человека, он убивает выручку, которая существовала только потому, что человеку было лень сделать пять лишних кликов.

Вопрос, который я бы задал любому consumer-бизнесу: какая часть выручки исчезнет, если у каждого клиента появится помощник, которому не лень?

P.S. Для себя отметил Shopify как акцию, которой готов владеть, и опционы на неё хорошо оплачиваются. Особенно интересно на фоне успеха Muse: агент может убрать витрину, но Shopify остаётся инфраструктурой: каталог, checkout, payments, Shop Pay. При такой оценке я бы скорее продавал на SHOP страховку, чем просто покупал акцию.

@maxvotek | linkedin | substack

Об AI-грамотности и обучении

Получил от бухгалтера версию отчёта для возврата налога. Просмотрел главное и решил проверить с Claude: загрузил все исходные документы в одну папку и дал краткий контекст.

Claude Code за десять минут выдал большой список мелких несоответствий и толковых вопросов, которые задал бы аудитор по существу.

Подсветил возможные риски и самое главное - нашёл вычет, который бухгалтер пропустил совсем, причём на очень значительную сумму.

Большую часть вопросов я снял, они оказались избыточны. Но внёс много изменений в классификацию расходов и отправил список правок обратно бухгалтеру.

Ещё составил с Claude письмо, почему прошу скидку: часть работы за его команду я сделал сам.

Подумал при этом, что навык для такого анализа осваивается за пару часов, и что многие наши клиенты, получив результат проекта с такими же мелкими несоответствиями, будут ждать от консультантов другого уровня и большего осмысления того, что они получают.

Стараюсь при случае показывать коллегам и друзьям, как работать с Claude на простых примерах из их жизни.

Вижу, что на рынке не хватает простых учебных курсов, видео, подписки на полезные находки: как применять передовые модели для повседневных задач.

Почти все, кого научил, пользуются уже на другом уровне: нашли свои ноу-хау и свой режим работы, в зависимости от того, насколько комфортно им побыть чуть-чуть техническим администратором.

Базовые курсы от Anthropic на мой вкус слишком технические.

Думаю составить простой курс по уровням:

• Как выбрать подписку и какие есть ограничения в разных тарифах на сегодня
• Как работать в диалоговом режиме в чате с проектами и где чат проигрывает полноценным Claude Code и Codex
• Claude Code и Codex - базовые команды и режимы использования, skills, loops, goals, code review
• Claude Cowork - сам не пользуюсь, но понимаю, что для многих это ценный инструмент для индивидуальной и командной работы, когда нет желания заходить в Claude Code
• VPS-серверы: как и где арендовать для простых агентов
• Недорогие компы для агентов и их базовая инфраструктура
• Базовые команды и настройки Ubuntu/Linux, tmux, SSH-ключи, Tailscale VPN, Termius (терминальный клиент)
• Режимы remote control, автономные сессии Claude и Codex, которыми можно пользоваться через десктопное приложение и с телефона
• Cloudflare: Workers, Pages, настройка токенов, хранилище R2 и база D1, сайты
• Как использовать Claude Code и Codex на примерах. Как соединить их вместе, чтобы повышали качество решений и программ
• GitHub - основы использования с агентами
• Как подключать внешние сервисы по API, OpenRouter
• Как делать интерактивные отчёты, сайты, интерфейсы на Cloudflare
• Как хранить API-ключи и делиться ими с Claude и Codex
• ElevenLabs и бесплатные голосовые модели
• Xcode, Apple Developer account и как сделать простое нативное приложение для iPhone

Инструменты меняются ежедневно: скиллы, агенты, интерфейсы. По-хорошему я бы сам платил подписку за обзоры новых фич, если бы кто-то делал их удобно и кратко.

Уверен, что всё это есть на просторах YouTube и X по отдельности, но такой широты покрытия в одном разрезе пока не видел.

Внедрение AI в командах во многом зависит от того, как пройдут первые попытки, и от понимания скучных технических деталей, в которых легко застрять.

Записал для вас свой ход мысли и план. Если найдёте что-то удобное или поймёте, чего в списке не хватает, тоже поделитесь в личку.

@maxvotek | linkedin | substack

Лучшие в 16 и лучшие в 30, обычно разные люди

Прочитал в Science обзор траекторий более чем 34 000 человек, добравшихся до вершины: олимпийские чемпионы, нобелевские лауреаты, сильнейшие шахматисты и музыканты.

Мне стало интересно: в детстве они тоже были первыми?

В основном нет. Спортивным академиям, олимпиадным школам и корпоративным программам для high potentials такой ответ не понравится.

Что нашли:

1. Юниорские звёзды и взрослая элита почти не пересекаются. В шахматах топ-10 среди юниоров и топ-10 среди взрослых - практически разные люди. В спорте картина похожая.

2. Ранний успех устроен понятно: узкая специализация с детства, много тренировок в одной дисциплине, быстрый прогресс. Это хорошо предсказывает, кто лучший сейчас.

3. У взрослой элиты паттерн обратный: несколько видов спорта или областей в детстве, позднее начало в своей дисциплине, медленный старт. Многие будущие лидеры поначалу уступали сверстникам.

Получается странно. Все системы отбора смотрят на скорость раннего прогресса, а она плохо предсказывает, каким человек станет на пике. Мы берём тех, кто раньше выйдет на плато, и отсеиваем тех, кто через десять лет мог бы стать лучшим.

Причины довольно приземлённые. Широкий опыт даёт навыки, которые переносятся с одного дела на другое, и умение быстро осваивать новое.

Пробуя разное, человек находит то, где он действительно силён, а не то, куда его записали в семь лет, и меньше выгорает: кто выжал всё из одной дисциплины к 12, к 20 часто уже устал.

Мне это интересно не столько про спорт, сколько про найм: рейтинг вуза, олимпиады, скорость роста в первый год. Ровно те сигналы, которые исследование называет слабыми.

AI толкает рынок труда в ту же сторону. Агенты быстрее всего забирают узкую исполнительскую работу.

Ценность уходит к тем, кто связывает несколько областей и может оценить результат. Я писал, что judgment - единственный навык, который не обесценится. Он вырастает из широкого опыта, а не из ранней заточки под один KPI.

Это не аргумент против глубины. Умение глубоко осваивать дело как раз необходимо. Но строить его выгоднее после широкой разведки, а не вместо неё.

Федерации, школы для одарённых, программы для high potentials живут на раннем отборе. Их KPI - юниорские медали и быстрые повышения. Тех, кого они отсеяли, они никогда не увидят. Сама эта машина исправляться не будет.

Хотя есть и обратные примеры: топовые американские вузы смотрят не только на оценки, но и на заслуги перед обществом, на способность самостоятельно довести проект до масштаба и признания, на личность целиком.

Если ребёнок или сотрудник начинает медленно, это ещё ни о чём не говорит. Ранний успех тоже ничего не обещает.

Смотреть стоит более широко: продолжает ли человек расти, когда лёгкие победы закончились, и что он довёл до конца сам.

@maxvotek | linkedin | substack

О часах, которые измеряют старение, и лекарствах, которые его замедляют

Представьте, что у вас два возраста.

Первый - паспортный, он совпадает с календарём.
Второй настоящий - возраст организма.

Он идёт быстрее или медленнее в зависимости от того, как вы спите, едите, двигаетесь и какие препараты принимаете.

Учёные научились анализировать тысячи белков в капле крови и обнаружили, что с возрастом их набор меняется. На этом построили биологические часы - они показывают скорость старения.

Свои версии таких часов сделали команды Гарварда, Оксфорда и Пекина, и считают они немного по-разному.

Фармкомпании выдвигают тысячи гипотез о механизмах старения. После знакомства на конференции с Александром Жаворонковым я внимательно слежу за Insilico Medicine, которая недавно успешно вышла на Гонконгскую биржу.

Я упоминал её, когда писал про заход Anthropic в разработку лекарств: у Insilico давно свои лаборатории и свои модели, а не только инструмент для чужих учёных.

Здесь они дали AI найти в организме мишень, которая отвечает и за старение, и за болезнь лёгких, когда те покрываются рубцами.

Потом другой AI нарисовал молекулу против этой мишени. От идеи до готового кандидата ушло всего 1,5 года вместо обычных пяти.

Лекарство давали 42 больным в течение 12 недель, брали кровь и прогоняли её через шесть разных биологических часов. Все шесть показали одно и то же: у тех, кто принимал лекарство, тело помолодело на 3–4 года, по одним часам до 6.

У тех, кто принимал плацебо, нет. Функция лёгких у пациентов тоже заметно улучшилась.

Оговорки обычные для клинических испытаний: выборка маленькая, и сами авторы признают, что выводы трактовать сложно - лекарство замедлило старение или просто подлечило лёгкие, а белки в крови этот результат отразили.

Нобелевский лауреат Майкл Левитт, комментируя работу, сказал, что хочет увидеть то же самое на здоровых людях. При таком темпе уверен, что дождёмся.

Я писал про интервью Федичева. Gero тоже ищет мишени против старения с помощью AI, но их результат пока на очень старых мышах: один укол дал им ещё примерно месяц жизни. Здесь уже люди.

Там же упоминал про Ozempic: его делали от диабета, а он снизил сразу несколько возрастных рисков, и это уже похоже на первое лекарство от старения. В старение попали случайно.

У Insilico мишень с самого начала выбирали так, чтобы она была направлена и на болезнь, и на старение.

То есть впервые лекарство от старения не взяли с полки, как рапамицин или метформин, а придумали с нуля машиной и по-настоящему проверили на людях.

Insilico за счёт AI, роботизированных лабораторий и фокуса на лекарствах для продолжительности жизни собрали новую модель, главное преимущество которой - это скорость.

Испытание на продолжительность жизни у здоровых людей длится десятилетиями, дольше, чем живёт средний биотех, поэтому лекарства от старения было экономически почти невозможно разрабатывать. А часы дают ответ за 12 недель.

Если модель сработает, через несколько лет такие часы будут стоять в каждом испытании любого лекарства просто как бесплатный бонус: кровь всё равно берут.

Тогда мы узнаем про старение больше, чем за все годы до этого.

@maxvotek | linkedin | substack

Про идеи, которые вы отдаёте моделям.

OpenAI заявила, что её внутренняя модель решила задачу Навье-Стокса - одну из семи Millennium Prize Problems.

88 часов, до 10 000 агентов, 130 млрд output tokens, 165 страниц доказательства и формализация в Lean. Если результат выдержит проверку, это один из самых сильных примеров, когда AI не помогает учёным, а добывает новое знание сам.

Но тут есть неожиданный нюанс.

Профессор NYU Тристан Бакмастер вместе с Левентом Алпёге из Anthropic уже шёл к этой задаче довольно редким путём. Работу ещё не публиковали, вели её в основном через Codex.

О том, что у них есть прогресс и куда они идут, узнали в OpenAI.

Через несколько дней компания бросила на задачу compute, которого нет ни у одного университета, и дошла до полного доказательства. По словам Бакмастера, тем же путём.

Он задал очевидный вопрос: могла ли его работа внутри Codex помочь модели? Ответ OpenAI: его данные никто не смотрел, работа независимая.

При этом компания не может полностью исключить, что обезличенные данные использования продуктов улучшили модели.

Доказательств кражи нет. Цифра в $22,5 млн, которая гуляет по X - это оценка TechCrunch, во сколько такой прогон обошёлся бы по публичному тарифу, а не реальный счёт. Так что история не про воровство.

Мы уже думаем внутри Claude и Codex. Туда уходят неопубликованные статьи, код, инвестиционные гипотезы, архитектура новых продуктов.

Помощник может научиться на вашей идее быстрее, чем вы успеете её реализовать.

После DeepSeek я писал, что модели становятся commodity, а ценность в ваших данных. Эта история - обратная сторона того же тезиса: ваши данные ценны и для того, кто делает модель.

Для 99% запросов это неважно. Но если у вас есть что-то действительно новое: исследование, алгоритм, продуктовая идея, то к контексту frontier-моделей стоит относиться так же, как к исходному коду и коммерческой тайне.

Ценность в AI может оказаться не в промптах и не в моделях, а в том, что вы решили им не отдавать.

@maxvotek | linkedin | substack