Всем привет!

Если вы никогда не слышали о The Macalope — это мифический персонаж Macworld, рогатый комментатор с «маком» вместо головы, который уже много лет наблюдает за Apple и всем, что вокруг неё происходит. Не сотрудник редакции, не конкретный журналист — именно мифическое существо, которому по статусу положено говорить то, что думает, не оглядываясь на корпоративные приличия.
Поговаривают, что Макалоп всегда выглядит немного по-разному — зависит от того, кто его встретил.

Накануне WWDC 2026 Макалоп опубликовал что-то вроде манифеста.Текст показался достаточно интересным чтобы поделиться прочитанным (добавив от себя только пару штрихов, чтобы точнее передать смысл), ибо он попал в точку.

Суть такова: Apple выходит на сцену в очень неудобный момент. Слово «ИИ» сейчас вызывает у публики примерно такую же реакцию, как слово «синергия» в 2008 году — раздражение, усталость и желание выйти из зала. На выпускных MIT и Гарварда студенты освистывают спикеров, которые начинают говорить про «миссию вашего поколения — строить AI-будущее», а врачи — выступления про ИИ в медицине — им надоело слышать про "революцию здравоохранения" от людей, которые никогда не принимали пациентов. Разработчики злятся после того, как Microsoft внезапно перевела GitHub Copilot на токен-биллинг и счета улетели вверх. А Meta* тихо запустила ленту ИИ-кликбейта прямо в продакшне — и убрала её только после того, как журналист случайно обнаружил.

По Макалопу, за всем этим стоит очень простая механика: большинство того, что мы видим под маркой AI — это не разговор с пользователями, а монолог для инвесторов. Компаниям нужно произносить слово «AI» в каждом earnings call, показывать «оптимизацию затрат» и новые рынки. Пользователь в этом уравнении — просто источник данных и KPI, а не участник диалога о том, что ему реально помогает. Вот откуда свист на выпускных. Вот откуда усталость.

Вспомнился старый анекдот. В цирке силач выжимает из лимона целый стакан сока. Шпрехшталмейстер обращается к публике: «Кто выдавит ещё хоть каплю — получит миллион». Выходит щуплый человечек, берёт остатки лимона — и выжимает ещё стакан. Все в шоке. «Кто вы такой?» — «Налоговый инспектор». Вот примерно так сейчас крупные игроки работают с ИИ: сначала выжимают «стакан пользы», а потом обнаруживают, что можно ещё подрегулировать тариф, срезать живую поддержку, добавить кликбейт — и выжать второй стакан, уже просто денег.

На этом фоне Apple выходит на WWDC 2026. И Макалоп задаёт главный вопрос: для кого будет эта презентация? Три аудитории с разными запросами — разработчикам нужны инструменты и честные SDK, пользователям нужны штуки в духе «само работает» без лишних слов, а инвесторы хотят слышать «AI» в каждой второй фразе. Попытка угодить всем трём одновременно почти гарантированно ломает месседж. Макалоп прямо говорит: Apple не должна строить презентацию под рынок капитала — их интересы слишком часто расходятся с тем, что реально нужно людям с iPhone в руках.

Свистеть в зале WWDC, конечно, никто не будет. Но разочарованный гул в интернете мы точно услышим — если вместо конкретных, ощутимых вещей нам снова предложат «интеллектуальную платформу нового поколения».

В этой истории больше всего тревожит не то, что компании монетизируют ИИ — это нормально и неизбежно. А то, что снова в погоне за дополнительной маржой постепенно теряется смысл всей затеи. ИИ как идея был про расширение человеческих возможностей — про то, что сложное становится простым, невозможное — доступным. А ИИ как продукт 2026 года всё чаще сводится к «как бы нам срезать ещё один слой издержек». Публика это чувствует — даже если не может сформулировать словами. И именно поэтому Apple на этой WWDC играет не просто против конкурентов, а против накопившегося недоверия к самому слову «Intelligence».

Всем удачи!

Ваш AppleScroll

*—организация признана экстремистской и её деятельность запрещена на территории России

Всем привет !

В конце мая появилась новость, которая сначала звучала как ИТ‑анекдот, но очень быстро превратилась в симптом эпохи. Неназванный корпоративный клиент потратил более 500 миллионов долларов всего за один месяц на ИИ‑платформу Claude от Anthropic — после того как предоставил тысячам сотрудников доступ без каких‑либо ограничений по использованию или расходам. Источником стал консультант по искусственному интеллекту, чей клиент и получил этот счёт; детали привели Axios и другие издания.

Формально не произошло ничего «чрезвычайного» в техническом смысле. Компания просто дала широкому кругу сотрудников доступ к Claude через API и веб‑интерфейс, причём в максимально щадящем для пользователей режиме: без индивидуальных лимитов, без панелей мониторинга и без оповещений, которые предупреждали бы о слишком быстром росте расходов. Иными словами, это была политика «пускаем ИИ везде и не мешаем людям им пользоваться», доведённая до логического предела.

Реальный масштаб стал очевиден только тогда, когда пришёл счёт за первый месяц. К этому моменту сотрудники уже не ограничивались перепиской в стиле «вопрос–ответ». Они активно строили агентные конвейеры: многозадачные процессы, в которых модель сама планирует шаги, пишет код, запускает его, анализирует результат, вносит правки и повторяет цикл, пока не дойдёт до цели. Каждый такой шаг — это отдельный API‑вызов, а корпоративные клиенты платят не фиксированную абонентскую плату, а за объём обработанных токенов.

По оценкам, которые приводит в том числе Tom’s Hardware, сложные агентные воркфлоу способны потреблять до тысячи раз больше токенов, чем обычное общение с чат‑ботом. Если умножить это на тысячи сотрудников, работающих параллельно, на отсутствие лимитов и дашбордов, становится понятно, как счёт на сотни миллионов мог накопиться за считаные недели и не вызвать тревоги до момента, когда бухгалтерия увидела цифру в инвойсе.

Этот кейс оказался громким не только из‑за суммы и бренда Anthropic. Он вскрыл сразу несколько слоёв проблем: как корпорации внедряют ИИ быстрее, чем выстраивают финансовый контроль; как метрика «больше токенов = больше продуктивности» превращается в самоцель; и почему сегодняшние ИИ‑агенты по своим эффектам больше напоминают безлимитный облачный хостинг образца 2012 года, чем «умного ассистента» из презентаций.

Как именно сгорели эти деньги: токены, агенты и невидимый счётчик

Если отбросить шок от суммы, в этой истории нет никакой магии. Она собирается из трёх понятных ингредиентов: тарификация по токенам, агентные сценарии и отсутствие видимого счётчика для людей, которые этим пользуются.

В отличие от привычных SaaS‑подписок «N долларов в месяц за пользователя», корпоративный доступ к Claude и другим крупным моделям почти всегда устроен как оплата по факту — за объём обработанных токенов. Токен — это минимальная единица текста или кода, которую модель «переваривает» при каждом запросе: чем длиннее промпт, чем объёмнее контекст и ответ, тем больше токенов сгорает за один сеанс. Для отдельного разработчика это обычно десятки центов или несколько долларов в день. Для компании с тысячами пользователей — уже совсем другая шкала.

Ситуация меняется принципиально, когда в игру вступают агенты. Обычный чат выглядит просто: человек написал запрос, модель ответила, цикл закончился. Агентный сценарий работает иначе: модель сама разбивает задачу на шаги, пишет фрагмент кода, запускает его, анализирует результат, вносит правки и повторяет цикл, пока не получит приемлемый итог. С точки зрения биллинга это уже цепочка из десятков или сотен API‑вызовов там, где раньше был один.

Теперь добавим человеческий фактор. Когда ресурс выглядит «бесплатным на рабочем месте», им пользуются иначе, чем личной картой, привязанной к API. Разработчик, который платит за токены сам, первым делом ставит лимиты и алерты. Корпоративный пользователь, который не видит счёт, о них даже не задумывается. В результате ИИ‑платформа может месяцами работать как бесконечно дорогой, но очень молчаливый дата‑центр — пока кто‑то не заглянет в сводку расходов.

Токенмаксинг: когда токены становятся новой формой показухи

В англоязычной ИИ‑тусовке для происходящего уже придумали отдельное слово — tokenmaxxing, по‑русски чаще пишут «токенмаксинг». Термин всплывает в разборах вокруг Amazon и их внутреннего рейтинга KiroRank, а также в аналитике о корпоративных расходах на ИИ, но в мейнстрим‑медиа почти не звучит, так что для широкого круга читателей пока остаётся незнакомым.

Суть явления довольно приземлённая. Когда внутри компании запускают ИИ‑инициативу, кому‑то нужно показывать «успех внедрения» в цифрах. Самая простая и доступная метрика — не бизнес‑показатели, а технический суррогат: сколько токенов сожгли, сколько запросов сделали, сколько часов агент «работал». Если не быть аккуратными, эта метрика быстро превращается в цель сама по себе: команды соревнуются в объёмах использования, руководители радостно демонстрируют графики роста потребления ИИ‑сервисов — и почти никто не задаёт прямой вопрос: «А что мы получили взамен?»

Показательный пример — история Amazon. Там существовала внутренняя система KiroRank, где сотрудников ранжировали по объёму потреблённых токенов ИИ. Логика была простой: больше используешь — значит, активнее внедряешь ИИ в работу. На практике это привело к ожидаемому результату: сотрудники начали намеренно завышать использование ради рейтинга, запускать лишние задачи и удерживать модели занятыми просто для того, чтобы «тикал счётчик». В итоге компания получила рост вычислительных издержек без сопоставимого роста продуктивности — и KiroRank пришлось закрыть.

История с полумиллиардным счётом за Claude устроена немного иначе, но корень тот же. Когда сотрудникам раздают доступ к мощному ИИ‑инструменту без ограничений и без прозрачной связи между токенами и деньгами, токенмаксинг возникает почти автоматически — даже без злого умысла. Агентные цепочки растут в длину, сценарии становятся всё тяжелее, потребление ресурсов воспринимается как признак активности и «продвинутости», а реальная бизнес‑ценность редко обсуждается на том же уровне детализации, что и красивые демо.[

Если не зафиксировать эту проблему в словах, она легко остаётся невидимой: «ну да, много потратили на ИИ, зато как круто он у нас работает». Появление понятия токенмаксинга — полезный симптом взросления индустрии. Как когда‑то FinOps дал язык для разговора об облачных расходах, так сейчас это слово помогает честно обсудить ситуацию, в которой объём токенов стал новой формой показухи — и незаметно превратился в дыру в бюджете.

Хайп, льготные подписки и момент отрезвления

Важный контекст этой истории — то, как сами ИИ‑компании разгоняли спрос на свои сервисы последние пару лет. Модель была довольно классической: бесплатные тарифы, щедрые лимиты, льготные условия для корпораций, бонусные токены — всё ради того, чтобы как можно быстрее вырасти по аудитории, пока конкуренты не успели подтянуться. Anthropic, OpenAI, Google и другие крупные игроки годами сжигали инвесторские деньги ради роста, а не ради устойчивой юнит‑экономики.

Проблема в том, что у такой стратегии есть точка перелома. В какой‑то момент вычислительные мощности перестают успевать за спросом, а субсидированный рост начинает просто съедать прибыль. Тогда у компании остаётся несколько вариантов: поднять цены, урезать лимиты или мириться с убытками. Все три сценария мы уже начали видеть вживую: Google меняет систему лимитов Gemini и несколько раз в спешке пересматривает их после волны пользовательских жалоб, OpenAI аккуратно ограничивает возможности бесплатного ChatGPT, Anthropic вводит новый формат корпоративных закупок через Claude Marketplace, чтобы сделать расходы предсказуемее.

С этой точки зрения кейс на $500 млн — не сбой, а естественный «момент отрезвления». Он показывает, что эпоха условно бесплатного ИИ для корпораций заканчивается, просто потому что инфраструктура и бюджеты не выдерживают прежних темпов роста. А вместе с ней заканчивается и период, когда можно было раздавать мощные ИИ‑инструменты без оглядки на то, как они будут использоваться и кто платит за каждую дополнительную тысячу токенов.

Параллели с облаками и телефонией: мы это уже видели

Во многом происходящее напоминает историю с облачными вычислениями десятилетней давности. В начале 2010‑х все радостно переезжали в AWS и другие облака, наслаждаясь тем, что ресурсы можно получать «по щелчку» и платить только за фактическое использование. Через какое‑то время начали появляться истории про забытые тестовые инстансы, которые месяцами крутились в продакшене, и про счета на десятки тысяч долларов за невовремя закрытый S3‑бакет. Ответом индустрии стало появление FinOps — целой дисциплины по управлению облачными расходами, с дашбордами, бюджетами и ответственными за каждый ресурс.

Ещё одна параллель — телеком и классический международный фрод. В эпоху традиционной телефонии взломщики подключались к корпоративным АТС и гоняли трафик на премиальные номера, пока оператор или сама компания не замечали странную активность. В какой‑то момент операторам стало ясно, что молчать невыгодно: да, на каждом таком кейсе можно было заработать, но репутационный и регуляторный риск перевешивал. Пришлось строить системы fraud detection, отсечки и автоматические алерты.

С ИИ‑агентами мы сейчас примерно в той же точке, только цикл сжат сильнее. Токены накапливаются быстрее, чем минуты звонка, а агенты не спят и не уходят в отпуск. Управленческие практики и финансовые инструменты ещё не успели догнать технологию. Поэтому на первый план выходят именно такие истории: они болезненные, но полезные — индустрия видит, чем заканчивается внедрение ИИ без взрослого контроля.

Unit economics агентов: прирост производительности против скрытой себестоимости

Отдельного разговора заслуживает экономика ИИ‑агентов. В маркетинговых материалах про них чаще всего говорят так: «агент выполнит тысячу операций вместо десяти, ускорит команду в пять–десять раз, снимет рутину с людей». Всё это звучит логично и местами соответствует реальности. Но в этих обещаниях почти никогда не проговаривается вторая часть уравнения: сколько стоит каждая из этих операций и не съедает ли эта себестоимость всю потенциальную выгоду.

Классический пример, который приводится в обсуждениях вокруг Claude Code: по данным источников, Microsoft сократила внутренние лицензии этого инструмента после того, как расходы на одного инженера достигли 500–2000 долларов в месяц. На фоне общей зарплаты разработчика в США это может выглядеть не так страшно. Но если объективный прирост продуктивности — условные 20–30 процентов, то экономия рабочего времени и дополнительная выручка легко оказываются сопоставимыми с расходами на токены и лицензии. Реальный эффект становится размазанным и далеко не всегда положительным.

То же самое можно применить и к кейсу на $500 млн: если смотреть только на «тысячи выполненных агентом операций», история выглядит как триумф производительности. Если добавить к этому стоимость этих операций, картина меняется. Автоматизация, которая на бумаге должна была дать преимущество, превращается в источник риска для P&L, просто потому что никто не считал unit economics до момента масштабирования.

Что делать компаниям: зачатки «FinOps для ИИ»

Из всего этого напрашивается довольно тривиальный, но почему‑то до сих пор неочевидный вывод: ИИ‑сервисы нужно изначально рассматривать как серьёзную инфраструктурную статью затрат — с теми же подходами к контролю, что применяются к облакам, сетям или телеком‑каналам. Аналитики, которые комментируют историю с полумиллиардным счётом, фактически говорят одно и то же: «нельзя управлять тем, что не измеряешь».

На практике это значит несколько вещей.

Во‑первых, нужны дашборды затрат в реальном времени: не агрегированный счёт раз в месяц, а живое представление того, сколько токенов сжигает каждая команда, каждый агентный сценарий и каждый продукт.

Во‑вторых, нужны жёсткие лимиты и алерты: потолки по проектам и пользователям, уведомления при достижении порогов, механизмы автоматического отключения или деградации сценариев при выходе за рамки. Это может казаться «тормозом внедрения», но на деле экономит и деньги, и репутацию.

В‑третьих, нужен регулярный аудит: перед масштабированием ИИ‑решения стоит ответить на простой вопрос — что мы реально получили от пилота, кроме красивых демо и внутренних презентаций? Какие процессы ускорились, какие показатели выросли, где агент дал измеримый эффект, а где просто потратил токены.

По сути, речь идёт о зарождении «FinOps для ИИ» — отдельной практики, которая будет помогать компаниям не только внедрять модели, но и жить с их экономикой.

Вместо эпилога: конец эпохи «бесплатного ИИ» — и это нормально

История с полумиллиардным счётом за Claude легко читается как очередной страшный анекдот про безответственных менеджеров и жадных провайдеров. Можно воспринять её и иначе — как точку взросления индустрии. Эпоха условно бесплатного ИИ, льготных подписок без ограничений и романтического отношения к токенам заканчивается. На смену ей приходит более прозаичный, но необходимый этап: считать, сравнивать, проектировать системы не только по «вау‑эффекту», но и по unit economics.

Мы никого здесь не поучаем и не призываем «резко перестать пользоваться ИИ‑агентами». Скорее фиксируем собственное впечатление от происходящего. За последние пару лет индустрия успела убедить всех, что ИИ — это прежде всего про прирост производительности. История на 500 миллионов напоминает: без разговора о себестоимости и управлении ресурсами любой прирост легко превращается в дым, пусть и очень технологичный.

Всем удачи!

Ваш AppleScroll

Всем привет!

Главная победа апреля — исчезновение границ между инструментами. До недавнего времени работа с нейросетями напоминала «день сурка», каждый чат начинался с нуля, а поиск нужного контекста в истории диалогов отнимал больше сил, чем сама работа. С объединением Gemini и NotebookLM ИИ перестал быть просто чат-ботом. Теперь это единое пространство, где ваши файлы, инструкции и переписка живут в общей экосистеме.

Мы, наконец, избавились от «налога на переключение внимания». Раньше приходилось постоянно переносить данные между вкладками, копировать промпты и заново объяснять системе специфику проекта. Теперь боковая панель Блокноты (Notebooks) синхронизирует всё мгновенно. Добавили документ в «Джемини» — он тут же доступен для глубокого анализа в NotebookLM. Версия Ultra теперь поддерживает до 600 источников, превращаясь в полноценный архив для серьезных исследований.

Чтобы не утонуть в информации, важно различать роли ваших ИИ-помощников.
В феврале 2026 года Джордж Саллум и авторы AI Model Decision Matrix описали четыре ключевых архетипа — и эта типология точно отражает то, что я вижу на практике:

1. ChatGPT (Оракул): идеален для быстрого поиска идей, но склонен к фантазиям.
2. Claude (Дипломат): «Клод» лучше всех разбирается в этике и сложных текстах.
3. Gemini (Интегратор): связывает воедино почту, документы и актуальные тренды.
4. NotebookLM (Зеркало): самый честный инструмент. Он работает только с вашими фактами и не умеет врать, так как жестко привязан к источнику (source-locked).

ИИ больше не просто дает ответы — он учит нас думать. Благодаря архитектуре «Джемини 2,5 Флэш» (Gemini 2.5 Flash), появился режим Guided Learning. Это «метод Сократа» в цифровом исполнении. Вместо того чтобы выдать готовое резюме лекции, ИИ начинает задавать вам каверзные вопросы.

Как это проверить: попробуйте загрузить сложный материал и дать промпт: «Используй режим Guided Learning. Не давай ответов, а задай мне концептуальный вопрос по тексту, чтобы проверить, понимаю ли я суть. Указывай на мои логические ошибки и веди меня дальше».

Такой подход разбивает «иллюзию компетентности» — то ложное чувство, когда кажется, что всё понятно, пока не наступил момент реальной проверки.

В итоге мы получили идеальный алгоритм работы. Сначала ищем идеи через «Оракула», затем оцениваем риски с «Дипломатом», и, наконец, заземляем всё это в «Зеркале» (NotebookLM), чтобы исключить галлюцинации. ИИ забирает на себя рутину по структурированию данных, освобождая наше мышление для принятия решений.

Станет ли алгоритм вашей внешней памятью — вопрос решенный. Главный вызов теперь в другом: готовы ли вы признать, что ИИ делает вас быстрее и честнее, но умнее вам всё равно придется становиться самостоятельно?

Всем удачи!

Ваш AppleScroll

P.S.

Пример промпта для «метода Сократа»

Если вы хотите не просто прочитать суммаризацию, а реально проверить свои знания, используйте следующий шаблон:

Промпт: «Я загрузил в Блокнот свои заметки по [тема, например: архитектура микросервисов]. Используй режим Guided Learning. Не давай мне готовых ответов и определений. Вместо этого начни со мной диалог: задай мне сложный концептуальный вопрос по материалу, чтобы проверить, понимаю ли я суть. Когда я отвечу, укажи на мои логические ошибки или пробелы и задай следующий уточняющий вопрос. Веди меня от простого к сложному».

Как это работает на практике (сценарий)

ИИ: «Хорошо, давай проверим твое понимание. В твоих заметках упоминается паттерн Saga. Представь, что в цепочке микросервисов один из этапов оплаты прошел успешно, а этап списания товара со склада — нет. Почему в этой ситуации мы не можем использовать обычную транзакцию БД и что именно должна сделать Saga?»

Вы: «Ну, мы просто откатываем всё назад, как в обычной базе данных».

ИИ: «Не совсем так. В распределенных системах нет единой кнопки "откат" для всех сервисов сразу. Если оплата уже зафиксирована в отдельной базе сервиса платежей, как Saga заставит этот сервис вернуть деньги? Как называется этот тип транзакции?»

Что дает такой подход

• Борьба с «иллюзией компетентности»: вы быстро поймете, где ваши знания заканчиваются и начинается простое узнавание терминов.
• Активное припоминание: мозг работает в разы эффективнее, когда сам формулирует ответ, а не поглощает готовый конспект.
• Заземление на контекст: благодаря связке с NotebookLM, ИИ будет задавать вопросы строго по тем кейсам и определениям, которые есть в ваших документах, не уходя в абстрактные галлюцинации.

Кстати,

«Налог на переключение» (англ. switching cost или attention tax) — это широко используемая метафора, уходящая корнями в когнитивную психологию. Научное понятие «switch cost» описывает потерю времени и эффективности, когда мозг переключается с одной задачи на другую.

Всем привет!

При переходе на тарифный план Pro мне выдали 4000 кредитов на "попробовать" Perplexity Computer. Долгое время не доходили до них руки, но на днях халявные кредиты должны были "превратиться в тыкву" и их нужно было реализовать до этого момента. И если уж тратить, то хоть с какой-то пользой. Поэтому решил проверить, способен ли Perplexity Computer самостоятельно собрать полноценный новостной ролик для Telegram, от поиска тем до финального видеофайла. Хотелось понять две вещи:

• достаточно ли одного простого промыта;
• насколько «человечно» это выглядит на выходе;
• и во сколько обходится такой полностью автоматизированный продакшен;

Задание для агента

В качестве теста я выбрал довольно незамысловатое ТЗ:

«Возьми 3 самые важные AI‑новости за последние 24 часа и собери 45‑секундный вертикальный ролик для Telegram: короткий закадровый текст, русские субтитры, титульный кадр и b‑roll из официальных материалов или лицензируемых стоков. Нужны две версии — строгая новостная и чуть более энергичная для теста вовлечённости».

То есть агенту нужно было сделать следующее:

• самостоятельно выбрать новости за сутки;
• написать два варианта сценария (формальный и энергичный);
• сгенерировать титульный кадр;
• сделать несколько b‑roll клипов под каждую новость (через Veo);
• озвучить текст на русском;
• добавить русские субтитры(не был уверен, что он озвучит ролик на русском, тем более я явно этого не задал изначально);
• собрать две финальных версии ролика ~45–47 секунд, вертикалка 9:16, под Telegram.

Модель — Anthropic Claude Opus. Максимально «толстый» вариант.

Как агент решал задачу (по шагам)

По логу (агент полностью комментировал все свои планируемые и фактические действия) видно, что Computer разложил задачу на вполне вменяемый пайплайн.

1. Поиск новостей

Сначала агент прошёлся по свежим источникам (Reuters, Fortune, TechCrunch, Axios и т.д.) и выбрал три топ‑сюжета по AI и безопасности:

• уязвимость в цепочке поставок OpenAI через библиотеку Axios, затронувшая подпись macOS‑приложения;
• Meta Muse Spark — reasoning‑модель от Meta, конкурент GPT‑5.x и Claude Opus;
• ограничение доступа к «кибермоделям» OpenAI и Anthropic из‑за того, что они научились находить zero‑day уязвимости, доступ только через Trusted Access for Cyber / Project Glasswing.

Уже на этом этапе видно, что агент думает как редактор: не просто «что случилось», а как собрать три связных сюжета вокруг AI и безопасности.

Сценарии озвучки

Дальше — два текстовых сценария: строгий и более энергичный.
Оба на русском, под длительность ~40 секунд, с нормальной новостной подачей, без кринжа.

Результат — два файла:

• script_formal.txt

Главные новости из мира технологий. Первая. OpenAI обнаружила серьёзную уязвимость в цепочке поставок. Атака через библиотеку Axios затронула систему подписи macOS-приложений компании. Пользовательские данные не пострадали, но всем рекомендовано обновить приложения. Вторая. Meta представила Muse Spark — свою первую модель с продвинутым мышлением. По тестам она приближается к GPT-5.4 и Claude Opus, а запущено всё командой бывшего главы Scale AI. Третья. И OpenAI, и Anthropic теперь ограничивают доступ к своим самым мощным кибермоделям. Причина — они научились самостоятельно находить уязвимости нулевого дня. Это был дайджест AI-новостей. Подписывайтесь.

• script_energetic.txt

[excited] Три мощнейших новости из мира AI прямо сейчас! Первая — OpenAI попала под удар! Хакеры атаковали цепочку поставок через библиотеку Axios и добрались до системы подписи macOS-приложений. Данные не утекли, но это серьёзный звоночек. Вторая — Meta входит в игру! Muse Spark, первая reasoning-модель от Meta, уже дышит в затылок GPT-5.4 и Claude. Конкуренция — накаляется! И третья — OpenAI и Anthropic ОДНОВРЕМЕННО решили закрыть доступ к своим кибермоделям. Почему? Потому что эти модели сами находят уязвимости нулевого дня. Будущее наступило. Подписывайтесь, чтобы не пропустить!

Титульный кадр

Затем агент сгенерировал титульный кадр в стиле тех‑дайджеста:

Сначала он написал промпт без моего участия:
A dramatic vertical poster for a tech news digest video. Dark navy blue background with glowing cyan and electric blue data streams and circuit board patterns. In the center, three floating holographic news cards with tech icons: a shield with a warning sign, a brain chip, and a lock symbol. Cinematic lighting with blue rim light and subtle lens flares. Modern futuristic tech aesthetic, clean minimalist design, photorealistic 3D render with volumetric lighting, deep teal and electric blue color palette

• вертикальный постер;
• тёмно‑синий фон, неоновые потоки данных;
• три «карты новостей» с иконками: щит, мозг‑чип, замок.
• отправил на генерацию

По сути это готовый intro‑кадр для анимированного вступления.

Озвучка (TTS)

На основе двух сценариев были собраны два аудиофайла:

• script_formal.mp3 (~41 сек)
• script_energetic.mp3 (~41 сек)
  (итоговые аудиофайлы файлы остаются за кадром, в формате телетайпа они не поддерживаются)

Озвучка — на хорошем русском, без ощутимого «робота». По подаче:

• формальный — спокойный, новостной;
• энергичный — чуть более динамичный, но без радиоведущего 90‑х.

Генерация b‑roll

Дальше начинается тяжёлая артиллерия: Veo.

Схема была такой:

• Титульная анимация — 4 секунды;
• B‑roll 1: визуализация кибератаки / взлома OpenAI (серверная, красные алерты, щит, глич‑эффекты);

• B‑roll 2: лаборатория с «цифровым мозгом» Meta Muse Spark;

• B‑roll 3: массивная цифровая дверь/хранилище, которое закрывается — визуальная метафора ограниченного доступа к кибермоделям;

Сначала агент генерирует ключевые изображения (keyframes), затем по ним — короткие клипы в Veo 3.1 Fast.

Итого после первого прохода получилось около 28 секунд видео:

• 4 с титульная анимация;
• по 8 с на три b‑roll сцены;

Мало. Поэтому…

Удлинение клипов

Чтобы выйти на ~45 секунд, агент делает ещё один трюк: «фрейм чейнинг».

• Берёт последний кадр каждого клипа;
• Генерирует продолжение сцены (камера продолжает движение, меняется состояние — у OpenAI алерты постепенно стабилизируются, у мозга включаются графики, у хранилища показывается целый коридор закрывающихся дверей);
• Сшивает первоначальные и продолженные клипы.

В результате общий хронометраж b‑roll вырастает до ~52 секунд «чистого» видео, из которых потом нарезается нужная длина под озвучку.

Сборка, субтитры и финальные ролики

Финальный этап — максимально инженерный:

• нормализация всех клипов до одного разрешения и fps (720×1280, 24 fps);
• конкатенация клипов в один таймлайн (~52 секунды);
• наложение озвучки;
• генерация субтитров (SRT) с таймкодами слов;
• смещение субтитров и звука на 4 секунды, чтобы они начинались после титульного кадра (через adelay и правку SRT);
• прожиг субтитров в видео.

На выходе — два файла:

• final_formal.mp4
• final_energetic.mp4

Оба:

• ~47 секунд(каждый);
• вертикальный 9:16 (720×1280);
• H.264 + AAC;
• с русской озвучкой и русскими субтитрами.

То есть это реально готовые ролики «залей и публикуй».

Сколько это стоило

Теперь к самому интересному — экономике.

• На задачу ушло 1513 кредитов.
• 1000 кредитов стоят $10.(такая цена установлена в системе, если есть желание докупить. Правда, обещают, что в дальнейшем какое-то количество кредитов будет включено в месячный план. Но сколько именно их будут выдавать на Pro подписке я в документации не нашел)
• То есть этот один комплексный эксперимент потянул примерно на $15 поверх месячной подписки Pro.

С учётом того, что сама подписка стоит сопоставимых денег, получается забавная картина:

Один «премиум‑ролик» с полным автопайплайном ≈ месяц использования Pro.

И это без учёта времени на формулировку задания и разбор результата — чисто машинные вычисления.

Из плюсов

1. Качество русского языка
   И сценарий, и озвучка, и субтитры — на хорошем русском. Можно было ожидать англоязычную базу + перевод, но тут агент спокойно держит русскоязычный контекст от начала до конца, не считая некоторых технических моментов.
2. Редакторская логика
   Агент не просто «взял три новости», а связал их общей темой (AI + безопасность), подобрал визуальные метафоры и выдержал новостной стиль подачи.
3. Инженерная аккуратность
   Нормализация роликов, таймкоды, сдвиг субтитров, работа с длительностью, это тот скучный слой, который руками обычно делать лень.
4. Полный лог работы
   Весь пайплайн шаг за шагом можно сохранить в Markdown (что я и сделал) и дальше использовать как «рецепт» для своих сценариев.
   Лог задачи — отличный конструктор. Из него можно:
• вытащить шаблон промпта для титульных кадров;
• шаблон промпта для b‑roll на разные типы новостей;
• пример структуры Python‑скрипта для сборки.

"Подводные камни"

1. Цена такого удобства
   1500+ кредитов за эксперимент — это дорого, если думать о регулярном продакшене новостей. Такой формат не полетит как «каждый день делаем так ролики».
2. Чёрный ящик стоимости
   Пока не проведёшь такой эксперимент, сложно интуитивно оценить, сколько именно шагов «съедают» кредиты: поиск, картинки, Veo, TTS, скрипты, ffmpeg и т.д. Теперь — понятнее.

Такие агенты — это не «замена монтажёра на каждый день», а инструмент для редких «премиум‑выпусков» и прототипирования форматов(я сейчас исключительно o тарифе PRO).

А фактически уже сейчас возможно реализовать подобную задачу на автомате от начала и до конца. Вопрос исключительно в окупаемости затрат, а техническую часть можно докрутить по своему усмотрению.

Как это вообще устроено

• Ты описываешь желаемый результат в одном промпте — хоть «сделай новостной Telegram‑ролик по трём Apple‑новостям», хоть «спланируй поездку в Японию и сделай PDF с маршрутом».
• Computer воспринимает это как уникальную задачу, сам разбивает её на подзадачи и уже под них автоматически подбирает подходящие навыки (skills) и модели.
• Внутри у него действительно есть набор встроенных скиллов (research, презентации, код, файлы, и т.п.), плюс те кастомные skills(я их не использовал), которые ты сам создашь на вкладке Skills — но нет жёсткого ограничения «только такие-то типы задач».

Вмешиваться можно на двух уровнях

1. На уровне самой задачи — просто формулируя её так, как тебе нужно (и дописывая уточнения по ходу: «не используй анимацию», «делай два варианта ролика» и т.д.).
2. На уровне скиллов — ты можешь создать свои собственные Skills с детальными инструкциями, и тогда Computer будет подхватывать их как «строительные блоки» внутри сложных задач.

Skills в Perplexity Computer. ничем не отличаются от подобных в Claude Code, откуда они, собственно, и пришли. Это такие «плейбуки», которые учат агента выполнять конкретный тип задач по вашим правилам, например, собирать новости в жёстком формате или собирать ролики для по заданному регламенту. По умолчанию Computer сам планирует шаги и вызывает нужные скиллы за кулисами, а я вижу этот процесс только в логах — как наблюдатель. Но если встроенных навыков не хватает, можно добавить свои: описать, когда их использовать, и расписать пошаговый регламент в файле SKILL.md. Дальше эти кастомные скиллы начинают автоматически подхватываться в новых задачах, как если бы у вас появился ещё один «штатный» ассистент, натасканный именно под ваш формат. Так же можно добавить другие необходимые файлы, изображения или конвекторы.

Это не полноценный обзор, а скорее поверхностное знакомство с потенциальными возможностями. Получилось довольно сумбурно, наверняка я что-то упустил, где-то не разобрался или неверно понял. Но "полночь" уже близко и "карета" вот вот превратятся в "тыкву". Нужно было поторапливаться.

Всем удачи!

Ваш AppleScroll

P.S. Итоговые ролики я закину в телеграмм канал следом за этим постом.

Всем привет.

В какой‑то момент многие пользователи Perplexity столкнулись с одинаковым сценарием: посреди рабочего процесса — ресёрча, подготовки отчёта, подбора источников — перед ними возникла «цифровая стена». В интерфейсе появлялось сообщение о том, что лимит исчерпан, хотя до этого сервис воспринимался как инструмент с практически безлимитным доступом к Deep Research и продвинутым запросам. Ни писем, ни понятного счётчика, ни чёткого описания новых ограничений заранее — правила игры были изменены односторонне и фактически задним числом.

Эта история — не просто техническое обновление конкретного стартапа. Это симптом взросления всей индустрии генеративного ИИ, где компании переходят от агрессивного набора аудитории к жёсткой монетизации вычислительно дорогих сценариев. На примере Perplexity хорошо видно, как отсутствие прозрачной коммуникации превращает обычную настройку лимитов в репутационный долг, который придётся возвращать годами.

Тишина вместо честного анонса

Главный раздражитель в истории с Perplexity — не сами лимиты, а способ, которым они были введены. Вместо публичного анонса с чёткой таблицей ограничений и датами вступления в силу компания сделала ставку на «тихие обновления» документации и интерфейсов. Пользователи начали замечать расхождение между старыми маркетинговыми обещаниями и новой реальностью уже по факту блокировок и всплывающих попапов «limit reached», а не через заранее объяснённую дорожную карту изменений.

Характерно, что подробный разбор жёстких квот появился не на официальном сайте Perplexity, а в стороннем материале AI CERTs «Perplexity Users Rebel Over Sudden Usage Caps» и в ветках Reddit, где обсуждались новые ограничения: около 20 запусков Deep Research в месяц и порядка 200 Pro‑запросов в неделю для платного тарифа. Для части аудитории это выглядело как классический bait‑and‑switch: сначала Pro рекламировался как практически безлимитный инструмент для исследований, потом реальные лимиты всплыли через пользовательские жалобы и внешние расследования.

От безлимитного Pro к кредитам и режиму Computer

Параллельно с ужесточением квот Perplexity стала перестраивать архитектуру потребления ресурсов. В веб‑версии аккаунта появилась страница Usage & Credits(использование и кредиты), где отображаются тарифные кредиты, купленные пакеты и бонусные кредиты, в том числе отдельной строкой для режима Computer.

В ряде Pro‑аккаунтов сначала показывалось, что пользователю доступно 10 000 кредитов в месяц, что легко читалось как большой тарифный бак. Затем интерфейс изменился: «плановые» кредиты обнулились, а вместо них появилась строчка с 4000 бонусных кредитов на Computer, при этом раздел использования текста/изображений/видео/аудио продолжал показывать 0, а история трат оставалась пустой — даже при наличии нескольких сессий и единичного Deep Research.

Фактически параллельно существовали две логики: старая — с внутренними месячными лимитами Pro и Deep Research, и новая — с кредитами, которые пока в основном привязаны к Computer и тяжёлым сценариям. Первая продолжала выдавать пользователю сообщения о том, что «месячный лимит исследований исчерпан», вторая показывала нулевой расход кредитов и отсутствие реального списания за обычные запросы или редкий ресёрч.

Поверх этого в блоге Perplexity шли идеологические тексты про Perplexity Computer: в постах Introducing Perplexity Computer и Everything is Computer Computer описывался как единый ИИ‑слой, который объединяет несколько моделей, инструменты и коннекторы и умеет брать на себя сложные цепочки действий — от глубокого поиска до кода и работы с файлами, вплоть до формата Personal Computer на выделенном Mac mini. Однако связь между этими анонсами и появлением кредитов, бонусных пакетов и новых лимитов в аккаунтах Pro‑пользователей так и не была чётко проговорена.

Переходный хаос и расхождение интерфейсов

Текущий период для Perplexity можно описать как фазу «боевого рефакторинга», когда новая модель монетизации и учёта ресурсов накатывается прямо на живых пользователей. Веб‑версия уже показывает страницу Usage & Credits, тарифные и бонусные кредиты, отдельный блок под Computer, тогда как мобильные приложения продолжают жить на старом интерфейсе без кредитов и детализированного usage‑экрана.

В результате складывается парадоксальная ситуация. В вебе пользователю могут показывать 0 тарифных кредитов и 4000 бонусных на Computer при полностью пустой истории трат, тогда как сам сервис отказывает в новых исследованиях с формулировками о «месячном лимите». При этом обычные чаты и поиск продолжают работать, а генерация изображений зачастую не отражается в кредитном usage, что только усиливает ощущение произвольности и «двух экономик» внутри одного продукта.

Эта непоследовательность усиливается тем, что официальные материалы в блоге в основном рассказывают о возможностях Computer, кейсах и партнёрствах, но практически не касаются того, как именно теперь считается использование, какие лимиты действуют для Pro и как меняется логика Deep Research. Для понимания происходящего пользователям приходится обращаться к сторонним разбором, обсуждениям на Reddit и статус‑страницам, а не к первоисточнику.

Отказ от рекламы и давление монетизации

Важный контекст — отказ Perplexity от AI‑рекламы. На фоне критики связки «реклама внутри ИИ‑ответов» компания публично заявила, что сворачивает этот эксперимент, ссылаясь на эрозию доверия пользователей и желание сфокусироваться на более устойчивых моделях монетизации.

Однако уход от рекламы не снимает финансового давления. Тяжёлые режимы — Deep Research, Computer, сложные мульти‑шаговые сценарии — стоят дорого: это и инфраструктура, и лицензирование внешних моделей, и поддержка собственной оркестрации. Логичным ответом становится ставка на подписки с более жёсткими квотами и, главное, на крупные корпоративные и enterprise‑контракты, где отдельные команды и компании готовы платить за повышенные лимиты и индивидуальные условия. В этой модели индивидуальные Pro‑пользователи фактически оказываются в роли «прослойки», которую аккуратно подталкивают либо к апгрейду (Max/Enterprise), либо к пересмотру объёма использования.

Жизнь в условиях квот: тактика выживания

Для тех, чьи рабочие процессы завязаны на Perplexity, эпоха «почти безлимитного Pro» уже закончилась. Приходится переходить от безусловной лояльности к прагматичному управлению ресурсами.

Во‑первых, необходим трезвый аудит потребностей: сколько запусков Deep Research и тяжёлых сессий действительно требуется в месяц, и на какие задачи они уходят. Для кого‑то лимит в районе 20 исследований оказывается терпимым, если большую часть рутинных вопросов перевести в обычный поиск и чаты; для других это сразу делает тариф экономически бессмысленным и заставляет смотреть на альтернативы.​

Во‑вторых, всё актуальнее становится сценарий перехода на модели pay‑as‑you‑go через API. В случае Perplexity это Sonar API, где каждый запрос стоит денег, но при этом прозрачно отображается в биллинге и не зависит от скрытых лимитов, встроенных в Pro. Такой подход неприятен психологически — каждый токен ощущается как расход — но даёт предсказуемость, которой сейчас не хватает подписочной модели.​

В‑третьих, команды и компании получают стимул выносить отношения с вендором на уровень enterprise‑контрактов: индивидуальные лимиты, оговорённые квоты, SLA и возможность договариваться о специальных условиях по Deep Research и Computer. Это дороже, но снимает часть неопределённости, с которой сталкиваются одиночные пользователи.

Что значит конец безлимита для рынка

История Perplexity хорошо показывает, что «конец эпохи безлимитного ИИ» — не метафора, а практическая реальность. Обещания щедрых, слабо ограниченных Pro‑тарифов постепенно сменяются кредитными системами, сложными матрицами лимитов и чётким разделением между массовыми пользователями и премиальными клиентами.​

Для рынка это одновременно и риск, и возможность. Риск — в том, что непрозрачные изменения и тихие ужесточения квот подрывают доверие к вендору и открывают дверь конкурентам, которые делают ставку на честную и понятную коммуникацию. Возможность — в формировании нового профессионального класса пользователей ИИ, которые умеют считать, сравнивать и выбирать инструменты не только по качеству модели, но и по предсказуемости правил.

Вопрос, который встаёт перед каждым, кто строит на ИИ свою работу, звучит просто: стоит ли платить всё больше — деньгами, вниманием и управлением лимитами — за предсказуемость одного вендора, или рациональнее стать «цифровым кочевником», который свободно мигрирует между Perplexity, Claude, ChatGPT, Gemini и специализированными API‑решениями в поисках лучшего баланса мощности, цены и честности.

Модель «подписка + счётчик» получается максимально выгодной для вендора: базовый ежемесячный платеж даёт предсказуемый кэшфлоу, а поверх него включается токен‑экономика, где каждый тяжёлый запрос, Deep Research или Computer‑сценарий учитывается как отдельный расход ресурса. В отличие от электричества, где при нулевом потреблении действительно нет счёта, здесь пользователь платит за «право доступа» к сети ИИ, а потом ещё и живёт в логике лимитов и кредитов — именно это и создаёт ощущение несправедливости.

Всем удачи!

Ваш AppleScrl

Всем привет!
Минцифры России опубликовало на regulation.gov.ru проект федерального закона «Об основах государственного регулирования сфер применения технологий искусственного интеллекта» и вынесло его на общественное обсуждение. Документ должен вступить в силу 1 сентября 2027 года и вводит базовые правила разработки и применения ИИ в России.

Настоятельно рекомендую всем ознакомиться с оригиналом, а я пока постараюсь в общих чертах поделиться прочитанным.

Эпоха бесконтрольного ИИ заканчивается

Долгое время сфера нейросетей напоминала «цифровой Дикий Запад»: технологии развивались стремительно, игнорируя границы, этику и правовую определенность. Однако период вольницы подходит к концу. Законопроект «Об основах государственного регулирования ИИ» — это поворотный момент, когда «цифровой шериф» наконец очерчивает границы дозволенного. Для индустрии установлен четкий дедлайн — закон вступает в силу 1 сентября 2027 года. С этого момента искусственный интеллект перестает быть просто эффектным кодом и становится объектом жесткого государственного надзора, превращаясь из загадочного «черного ящика» в подотчетный инструмент.

Точка отсчета: Что теперь официально считается «интеллектом»?

Законопроект ставит точку в маркетинговых спекуляциях о том, что считать ИИ. Согласно Статье 3, это не просто алгоритм, а комплексное юридическое понятие, охватывающее всю цепочку создания ценности — от кода до «железа». Важнейший нюанс для экспертов: государство официально признает способность ИИ находить решения «без заранее заданного алгоритма». Это легитимизация автономности систем, которые могут выдавать результат, превосходящий человеческий.

«Искусственный интеллект — комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений». (Пункт 1 Статьи 3)

Право на «человеческое»: Защита от цифровых манипуляций

Статья 9 и Статья 3 (п. 14) вводят систему защиты граждан от «цифровой дискриминации» и психологического воздействия. Закон впервые вводит понятие эксплуатации уязвимостей человека — запрет на использование когнитивных или психологических особенностей людей для манипуляции их поведением.

Что это значит на практике:

• Уведомление: Вас обязаны предупредить, если решение принимает ИИ без участия человека.
• Право на «живое» общение: Право на получение услуг без участия ИИ не является абсолютным — оно будет реализовано только в случаях, устанавливаемых Правительством. Это важный сигнал для бизнеса: не каждое приложение будет обязано содержать штат операторов.
• Досудебное обжалование: Решения госорганов или организаций с госучастием, принятые «машиной», можно будет оспорить в упрощенном порядке.

Маркировка контента: Конец эпохи невидимых дипфейков

Сгенерированные изображения, тексты и видео больше не смогут выдавать себя за реальность. Статья 12 обязывает владельцев сервисов ставить маркировку, понятную и человеку (визуально), и машине (в метаданных).

Особая роль отводится социальным сетям и крупным платформам (согласно закону № 149-ФЗ), чья аудитория превышает 100 тысяч человек. Они становятся главными «фильтрами»: если платформа обнаружит немаркированный ИИ-контент, она обязана либо промаркировать его самостоятельно, либо удалить. Это превращает площадки в полноценных цензоров синтетического материала.

«Суверенный мозг»: Реестр доверия и культурный фильтр

Для бизнеса и государства ключевой стратегической точкой становится Статья 8 — Реестр доверия. Только модели из этого списка будут допущены к работе в государственных информационных системах (ГИС) и на объектах критической информационной инфраструктуры (КИИ).

Чтобы попасть в высшую лигу — статус суверенной или национальной модели (Статьи 4 и 7) — разработчикам придется соблюсти жесткие критерии: разработка только в РФ, только гражданами РФ и на российских данных. Более того, ИИ в России теперь официально наделяется «культурным кодом». Это создает своего рода этический фильтр для зарубежных технологий.

«Учет и уважение традиционных российских духовно-нравственных ценностей — обеспечение разработки, внедрения и применения технологий искусственного интеллекта на основе таких ценностей как жизнь, достоинство, права и свободы человека, патриотизм, гражданственность, служение Отечеству и ответственность за его судьбу, высокие нравственные идеалы, крепкая семья, созидательный труд, приоритет духовного над материальным, гуманизма, милосердие, справедливость, коллективизм, взаимопомощь и взаимоуважение, историческая память и преемственность поколений, единство народов России». (Пункт 6 Статьи 4)

Кто виноват? Презумпция знания и бремя документирования

Статья 11 вводит принцип соразмерности вины, но с «подвохом» для профессионального сообщества. Вводится презумпция знания: считается, что разработчик или оператор «заведомо знали или должны были знать» о рисках своей модели, пока не доказано обратное.

Для бизнеса это означает резкое возрастание роли системы мер и процедур, направленных на обеспечение соответствия деятельности компании установленным нормам. Согласно Статье 10, разработчики теперь обязаны документировать архитектуру и логику функционирования моделей в объеме, достаточном для проверки. Если вы не задокументировали «черный ящик», вы не сможете доказать свою невиновность в случае сбоя. Единственные способы избежать ответственности — доказать форс-мажор, умысел потерпевшего или предпринятие «исчерпывающих мер» безопасности.

Авторское право и обучение: Новая сделка для LLM

Революционное положение Статьи 13 дает долгожданный «зеленый свет» разработчикам больших языковых моделей. Теперь извлечение информации для обучения ИИ из объектов авторского права не считается нарушением (п. 5 Статьи 13).

Однако есть критически важное условие: разработчик должен иметь правомерно полученный экземплярпроизведения или объект должен быть в открытом доступе. Это легализует использование открытых данных (скрейпинг общедоступных ресурсов), но оставляет под защитой контент за «пейволлами» и частные базы данных.

Цифровой форсаж: Гонка за попадание в «Список Избранных»

Государство готово субсидировать ИИ-прорыв, но не для всех. Статья 20 описывает беспрецедентные льготы для дата-центров и суперкомпьютеров, но только для тех, кто попадет в специальный перечень Правительства.

Участники этого «списка избранных» получат:

• Приоритетное подключение к сетям и льготное электричество (ниже промышленных цен).
• Прямое бюджетное финансирование и налоговые преференции.
• Льготы по аренде госимущества.

Это превращает 2025–2026 годы в гонку за соответствие критериям этого перечня, так как доступ к дешевым вычислительным мощностям станет главным конкурентным преимуществом на рынке.

На пороге регулируемого будущего

Закон превращает ИИ из экспериментальной игрушки в подотчетный и прозрачный инструмент. С одной стороны, государство дает бизнесу легальный способ обучения моделей и мощные субсидии на инфраструктуру. С другой — накладывает серьезное бремя ответственности за безопасность и соответствие ценностям.

Всем удачи!

Ваш AppleScroll

Всем привет!

Сегодня в преддверии 50-летия Apple выходит одна из самых амбициозных летописей компании — «Apple: The First 50 Years» журналиста Дэвида Пога. Это редкий случай, когда 600-страничный фолиант обещает не пылиться на полке, а действительно помочь разобраться, как из гаражного стартапа выросла самая дорогая компания мира.

Феномен фолианта, который хочется прочитать

В литературе о технологиях есть особый жанр монументальных фолиантов. Это увесистые тома, которые внушают уважение своим объемом, но чаще служат украшением интерьера, чем источником знаний. Книга Дэвида Пога ломает этот стереотип. Пог — не просто хроникер, а ветеран индустрии, наблюдавший за тектоническими сдвигами из первого ряда. Его исследование умудряется сохранять динамику технологического триллера при объеме «телефонного справочника».

Полная летопись — от гаража до Apple Intelligence

Уникальность труда Пога — в беспрецедентном охвате всех пяти десятилетий:

• Эпоха созидания: дерзкий старт «недоучек» в гараже.
• Период турбулентности: кризис 90-х и близость к банкротству.
• Реставрация Джобса: запуск iPod, iPhone и iPad, изменивших мир.
• Доминирование Кука: построение сверхмощной корпорации и внедрение Apple Intelligence.

Пересмотр канона: почему Джон Скалли на самом деле «спасал» Apple

Интеллектуальный центр книги — деконструкция мифа о Джоне Скалли как об однозначном антагонисте. Пог утверждает, что именно Скалли внедрил системные процессы и операционную дисциплину. Без этого административного фундамента у Джобса в 1997 году просто не осталось бы базы для его легендарного возвращения.

Лидерство как стратегия: от визионерского хаоса к экосистеме Кука

Пог противопоставляет две модели управления. Если эпоха Джобса была временем рискованных ставок и «wow-фактора», то эпоха Кука — это торжество безупречно отлаженной глобальной машины. Apple Intelligence здесь подается не как попытка догнать ИИ-тренды, а как выверенная стратегия по созданию монолитной экосистемы, где технологии становятся невидимым «умным» слоем жизни.

Наследие и неопределенность

В финале Пог поднимает вопрос преемственности: эпоха Кука не вечна, и вопрос «кто следующий?» становится всё актуальнее. История Apple учит нас одному: компания наиболее опасна и эффективна именно тогда, когда её начинают считать предсказуемой.

Всем удачи!

Ваш AppleScroll

P.S. Книга Поуга (чаще его по инерции пишут как Пога, хотя правильнее всё‑таки Поуг) полезна тем, что остужает любые категоричные прогнозы. Глядя на эти 50 лет, понимаешь: главный акт вполне может быть ещё впереди.
А ещё я вырезал страничку из своего LM‑блокнота, в который собирал материалы для этого поста, — её можно посмотреть на VK ВИдео

Всем привет!

Apple завершила одну из самых странных и, пожалуй, самых агрессивных недель в своей истории. Без привычного блеска софитов в Apple Park, компания выкатила сразу семь новых продуктов через серию пресс-релизов и закрытых «пресс-экскурсий». Пока я изучал новинки на закрытом мероприятии Apple в Нью-Йорке, стало ясно: правила игры изменились.

Главный вопрос недели: как MacBook может стоить дешевле, чем iPhone Pro, и где именно Apple спрятала «подвох»? Это не просто расширение линейки, а попытка захватить бюджетный сегмент, попутно сжигая мосты с прошлым.

Сердце iPhone в корпусе ноутбука — MacBook Neo

MacBook Neo — это первый в истории Apple ноутбук, работающий на «телефонном» чипе A18 Pro. Мы официально вступили в эпоху, когда границы между мобильными и десктопными платформами окончательно стерты. Установив чип от iPhone 16 Pro в ноутбук, Apple добилась невероятного ценника в $599.

Однако этот демпинг создает серьезную внутреннюю угрозу. При цене в $599 MacBook Neo вплотную приближается к iPad Pro и топовым комплектациям iPad Air. Зачем покупать планшет с ограничениями iPadOS, если за те же деньги можно получить полноценную macOS? Это классический пример «внутреннего каннибализма», на который Apple идет осознанно, чтобы выбить почву из-под ног у дешевых Windows-лэптопов и хромбуков.

«MacBook Neo имеет конкурентоспособную стартовую цену в $599, а для покупателей из сферы образования скидка в $100 означает, что теперь у Apple есть два привлекательных Mac всего за $499».

«Мелкий шрифт» бюджетности — на чем сэкономила Apple

Достижение цены в $599 — это не благотворительность, а результат жесткой сегментации. Apple применила свой излюбленный метод «искусственных барьеров», чтобы MacBook Neo не выглядел слишком привлекательно на фоне старших моделей.

• Лимиты RAM: Архитектура A18 Pro жестко ограничена в объеме поддерживаемой оперативной памяти. Забудьте о серьезной многозадачности.
• USB-C компромиссы: Порты здесь — это не Thunderbolt в привычном понимании, а урезанные версии с ограниченной пропускной способностью.
• Иерархия Touch ID: Apple ввела «тиры» (уровни) для датчиков отпечатков пальцев. Это тонкий ход: даже такая базовая деталь теперь служит инструментом разделения на «бюджет» и «премиум».

Это классический «гетт-кипинг» (gatekeeping) в стиле Купертино: вы получаете входной билет в экосистему, но место будет в самом последнем ряду.

Ловушка совместимости для владельцев Intel Mac и Neo

Самая ироничная и болезненная деталь анонса касается новых мониторов Studio Display и Studio Display XDR. Согласно анализу Райана Кристоффеля, обладатели новенького MacBook Neo 2026 года выпуска оказались в одной «черной дыре» совместимости с владельцами древних Mac на базе Intel.

Новые флагманские дисплеи могут попросту не работать с Neo. Apple фактически ставит знак равенства между своим новейшим бюджетным ноутбуком и устаревшим наследием Intel. Это жестокий сигнал: если вы экономите на покупке Mac, путь в мир профессиональной периферии для вас закрыт.

Архитектурная революция чипов M5 Pro и M5 Max

Пока MacBook Neo заигрывает с массовым рынком, в линейке MacBook Pro произошел настоящий тектонический сдвиг. В чипах M5 Pro и M5 Max Apple полностью отказалась от привычного нам разделения на производительные (P) и энергоэффективные (E) ядра.

Вместо этого представлена новая трехкомпонентная архитектура. Apple проводит ребрендинг самой логики работы чипа, отказываясь от бинарной системы core-типов. Самое поразительное, что, несмотря на усложнение архитектуры и отказ от выделенных «эффективных» ядер в их старом понимании, время автономной работы ноутбуков не изменилось. Это инженерный парадокс: Apple усложнила систему, сохранив при этом легендарную выносливость.

Самый «зеленый» продукт в истории компании

MacBook Neo официально признан самым экологичным продуктом за всю историю Apple. Рекордное содержание переработанных материалов — это не просто строчка в отчете. В 2026 году это важнейший маркетинговый инструмент. Позиционируя самый дешевый Mac как самый «зеленый», Apple бьет точно в цель — в молодую аудиторию, для которой этические аспекты производства значат не меньше, чем цена устройства.

Взгляд в будущее

Эта «неделя запусков» показала нам новую Apple. С одной стороны — экспансия в бюджетный сектор через MacBook Neo и сопутствующий iPhone 17e (который также получил «бюджетную» приставку «e»). С другой — архитектурный отрыв в лице серии M5.

Apple выстраивает новую иерархию, где цена в $599 становится входным билетом, обремененным массой ограничений. Готовы ли мы принять Mac, который искусственно лишен совместимости с топовыми аксессуарами и ограничен мобильной архитектурой, ради магии низкого ценника? Или Apple создала продукт, который морально устареет быстрее, чем вы успеете привыкнуть к его новым обоям?

Всем удачи!

Ваш AppleScroll

Всем привет!

6 марта Perplexity выкатила крупнейшее обновление Computer — своего мультиагентного AI-рабочего стола, новость об этом была в телеграмм-канале.

Немного подробнее об этом.

1. Проблема «бутылочного горлышка»: почему чаты больше не справляются

Современные фронтирные модели ИИ стремительно умнеют, но мы оказались в парадоксальной ситуации: интерфейсы, через которые мы с ними взаимодействуем, стали узким местом. Привычный формат чат-бота — это «бутылочное горлышко», ограничивающее истинный потенциал технологий. Мы заставляем мощнейшие вычислительные умы заниматься линейными диалогами, в то время как они способны на большее.

Анонс Perplexity Computer знаменует фундаментальный сдвиг. Это не просто очередное обновление интерфейса, а полноценный «цифровой сотрудник» общего назначения. Мы переходим от эпохи поиска ответов к эре автономного выполнения сложных, долгосрочных рабочих процессов. Это попытка объединить разрозненные возможности ИИ в единую систему, способную действовать там, где раньше требовалось непрерывное присутствие человека.

2. От диалогов к действию: как Perplexity превращает ИИ в автономную систему

Чтобы понять масштаб изменений, нужно осознать технологический фундамент. Perplexity Computer не возник из ниоткуда — он стал кульминацией развития ИИ-нативного браузера Comet и персонального агента Comet Assistant. На этой базе была построена система, которая принципиально отличается от всего, что мы видели раньше.

Различие между этапами эволюции теперь выглядит так:

1. Чаты: дают ответы на вопросы.
2. Агенты: способны выполнять разовые задачи.
3. Perplexity Computer: система, которая самостоятельно проектирует и исполняет комплексные «воркфлоу» (workflows).

В отличие от синхронных чатов, где пользователь ждет ответа, Computer работает асинхронно. Он может функционировать часами или даже месяцами, самостоятельно разбивая общую цель на подзадачи и создавая субагентов для их реализации.

«Интерфейсы чатов дают ответы, в то время как агенты могут выполнять задачи. Perplexity Computer — это система, которая создает и исполняет целые рабочие процессы, способные работать часами или даже месяцами. Это следующая эволюция ИИ».

3. Дирижер вместо монополиста: почему специализация моделей важнее универсальности

Вопреки прогнозам о «коммодитизации» (превращении ИИ в одинаковый и дешевый товар), мы наблюдаем обратный процесс: глубокую специализацию. Perplexity делает ставку на концепцию model-agnostic(независимость от моделей). В мире, где каждая нейросеть хороша в чем-то своем, побеждает не тот, у кого лучшая модель, а тот, кто эффективнее всех ими управляет.

Perplexity Computer выступает в роли интеллектуального оркестратора, распределяя задачи в зависимости от их специфики:

• Opus 4.6: ядро для глубоких логических рассуждений.
• Gemini: мастер глубокого поиска и генерации субагентов.
• Nano Banana: специалист по созданию изображений.
• Veo 3.1: генерация видеоконтента.
• Grok: максимальная скорость в легковесных операциях.
• ChatGPT 5.2: работа с долгосрочной памятью и широким контекстом.

Для бизнеса это означает стратегический контроль над ресурсами. В условиях, когда «бюджет токенов»становится такой же важной метрикой, как финансовый бюджет, возможность выбирать оптимальную модель для каждой подзадачи — от дешевых и быстрых до дорогих и мощных — становится критическим преимуществом.

4. ИИ с правами суперпользователя: почему среда — это «безопасная оболочка» для бизнеса

Главное техническое достижение Perplexity Computer — это предоставление ИИ полноценных «рук». Система работает в изолированной вычислительной среде с доступом к реальной файловой системе, браузеру и API-интеграциям.

Для корпоративного сектора это прежде всего «безопасная оболочка» (safe harness). Изолированная среда позволяет ИИ писать код, манипулировать данными и запускать приложения, не создавая рисков для основной инфраструктуры пользователя. Computer превращается из советчика в коллегу, который:

• Действует автономно: сам находит нужные ключи API и исследует документацию.
• Решает проблемы на лету: если субагент сталкивается с ошибкой в коде, он сам создает другого агента для исправления бага.
• Минимизирует вмешательство: система запрашивает подтверждение только в критических точках, выполняя всю «грязную работу» в фоновом режиме.

5. Возвращение к 1757 году: когда «компьютер» был должностью, а не железкой

Название продукта — это не маркетинговая уловка, а возвращение к истокам. В 1757 году математик Алекси Клеро нанял двух помощников-«компьютеров» (так тогда называли подмастерьев, выполнявших расчеты), чтобы уточнить предсказание Эдмонда Галлея о движении кометы. Это трио работало днями и ночами в течение нескольких месяцев, разделяя между собой сложнейшие вычисления. В итоге они предсказали появление кометы Галлея с точностью до двух дней.

Perplexity Computer возрождает этот принцип: автономное разделение сложной работы. Здесь акцент смещается с «креативных галлюцинаций» в сторону вычислительной точности и координации инструментов во времени. Мы возвращаемся к пониманию компьютера как системы, которая берет на себя рутину разделенного труда ради достижения экстраординарного результата.

6. ИИ как операционная система будущего

Мы стоим на пороге эры, когда ИИ сам становится «компьютером» — универсальной средой, которая оркеструет лучшие достижения мировых лабораторий для решения человеческих задач. Это больше не инструмент, в который нужно вводить промпты, а асинхронный работник, которому достаточно описать желаемый финал.

Финальный вопрос: Как изменится ваша роль как профессионала, когда управление сложнейшими цифровыми процессами — от написания софта до проведения рыночных исследований — потребует от вас не навыков исполнения, а лишь точности в формулировании видения?

Всем удачи!
Ваш AppleScroll

Всем привет!

Недавно индустрию ИИ всколыхнула громкая отставка: Мринанк Шарма, руководитель комитета по исследованиям систем безопасности в Anthropic, покинул свой пост. В прощальном письме коллегам он сделал тревожное заявление: «Мир в опасности». Причем угроза, по его мнению, исходит не только от самого ИИ, но и от «цепочки сопутствующих кризисов», с которыми человечество не справляется.

Шарма признался, что достиг своих целей в Anthropic — от борьбы с «угодничеством» алгоритмов до защиты от биотерроризма. Однако он столкнулся с горькой реальностью: компаниям и людям почти невозможно следовать декларируемым ценностям под давлением бизнеса. В итоге эксперт по безопасности ИИ решил уйти из индустрии вообще — теперь он планирует заниматься поэзией, «смелой речью» и общественной работой.

На первый взгляд — поступок благородный. Но если присмотреться, перед нами разворачивается идеальный маркер нашей эпохи. Сначала ты строишь карьеру в компании с оценкой в 350 миллиардов долларов, капитализируешь свои знания на самом острие технологической гонки, а затем уходишь «писать стихи», когда ситуация становится по-настоящему критической.

Это очень знакомая модель поведения элит: вовремя выйти из игры с полными карманами, чтобы занять позицию благородного наблюдателя, пока остальные остаются разгребать последствия созданных тобой же рисков. Это тот самый миллионер на велосипеде: внешняя скромность при активах, способных накормить континент. И этот разрыв между «словом» и «делом» — главный штрих в портрете нашего вида, который будущий сверхразум обязательно занесет в папку «Homo Sapiens: Существа, не умеющие согласовывать декларации с действиями».

Интеллект против Разумности

Мы совершили фундаментальную ошибку, уравняв эти понятия.

• Интеллект у нас запредельный: мы создаем системы, способные имитировать сознание и управлять реальностью.
• Разумность (зрелость вида) — осталась на уровне неолита.

Наши базовые импульсы — статус, иерархия, жадность и доминирование — никуда не делись. Мы просто дали им «стероиды» в виде искусственного интеллекта. По факту, мы — всё те же обезьяны, которые вместо дубины схватили смартфон. Мы используем мощь богов, чтобы удовлетворять инстинкты приматов.

Проекция Азимова: Законы для машин или для нас?

В этом свете знаменитые «Три закона робототехники» Айзека Азимова предстают не как фантастика, а как крик о помощи. Это список этических ограничителей, которых нам катастрофически не хватает в нашей собственной «прошивке».

1. Первый закон (Не навреди): Мы требуем его от машин, но сами нарушаем его ежедневно — экономически, физически и информационно.
2. Второй закон (Служи ценностям): Мы хотим, чтобы ИИ был моральным, в то время как сами меняем принципы при первом же запахе прибыли.
3. Третий закон (Береги себя осознанно): Мы — вид, который подливает масла в огонь собственного технологического кризиса, надеясь, что «авось пронесёт».

Мы пытаемся «зашить» мораль в программный код роботов только потому, что не способны воспитать её в себе. Мы хотим создать «идеального раба», который будет человечнее своего создателя.

OpenClaw: Масло в огонь «венца творения»

Если нужны доказательства, посмотрите на недавний кейс OpenClaw. 135 000 ИИ-агентов были развернуты и брошены в открытую сеть без элементарной защиты. Тысячи дырявых систем буквально приглашали хакеров воспользоваться удаленным выполнением кода. Это и есть поведение «обезьяны со смартфоном»: разжечь костер помощнее, накидать в него взрывчатки и искренне удивляться, почему всё вокруг летит в щепки.

Это не ошибка кода. Это дефицит ответственности. Мы наращиваем внешний интеллект, не разобравшись с хаосом внутри собственного. Мы продолжаем захламлять мир, превращая его в «цифровое захолустье» — место, где технологий много, а смысла ноль.

Итог: Опция быть человеком

Главный риск — не в «злом ИИ». Главный риск в том, что наше «Опциональное будущее» захлопнется раньше, чем мы успеем повзрослеть. Технология должна быть инструментом выбора, а не цифровой клеткой или дубиной для самоистребления.

Смартфон в руке дикаря не делает его профессором. Он просто делает его удар более разрушительным. У нас осталось не так много времени, чтобы научиться соответствовать собственным инструментам. Иначе создаваемый нашим руками "сверхразум" будущего может прийти к очень простому и логичному выводу о том, кто в этом мире является настоящей угрозой.

Всем удачи!

Ваш AppleScroll