Simon Willison

«Пеликанмаксинг» — теория, что AI-лаборатории тайно обучают модели побеждать в неформальном тесте Саймона Уиллисона «SVG-пеликан на велосипеде» — широко отслеживаемом индикаторе качества моделей.

Разработчик проверил это всерьёз: 8 животных × 6 видов транспорта, 7 моделей, 1008 SVG, оценка через GPT-5.6. Пеликан на велосипеде занял 42-е место из 48 — далеко не подозрительно хорошо.

Регрессия не нашла значимого прироста именно для пеликанов по лабораториям. Если что-то и подгоняют, данные указывают на общий «SVG-максинг», а не на сам мемный тест.

Жалобы шли от мелочных (инструмент перечитывает весь конфиг на каждом ходу, ломая кэширование промптов) до серьёзных: одобрение одной безобидной команды на Python опцией «Всегда» молча разрешает и все будущие вызовы Python — включая тот, что читает ваши SSH-ключи.

Саймон Уиллисон вступился за одну из мелких претензий — дату в каждом промпте — назвав это стандартной практикой. Разработчик OpenCode сказал, что самый резонансный баг, поведение при обрезке контекста, отключили по умолчанию ещё за месяцы до публикации поста.

Slopfix — студия из трёх человек с одной услугой: удаляет код, написанный ИИ-агентами. Неделя работы, три инженера, 10 000 долларов, а чек зависит от результата: обещали сократить код на 50%, вышло 20% — платите 4 000, плюс две недели гарантии на поломки.

Тред разделился: одни говорят, что чистка за агентами — их самая денежная работа, другие называют это сизифовым трудом и переписали бы всё с нуля. А сама реклама против «слопа» читается так, будто её написал ИИ: студия не скрывает, что удаляет код с помощью Claude Code.

Сюрприз в счёте: запросы, которые раньше были бесплатными, — статические ресурсы и вызовы между воркерами через service bindings — теперь тарифицируются по стандартной ставке за запрос, потому что каждый сперва проверяет кэш.

Сухой вердикт одного разработчика о новых списаниях: «звучит как баг, который по случайности приносит им больше денег».

Уиллисон использовал Fable для предрелизного ревью sqlite-utils 4.0rc2: 37 промптов, 34 коммита, пять блокирующих багов — худший из них, delete_where(), оставлял транзакцию открытой, из-за чего поздние записи тихо откатывались. Он оценивает стоимость API в $149,25; перекрёстное ревью от GPT-5.5 нашло ещё два.

Разворот: $150, потраченные экспертом, который точно знает, о чём спросить, — не те $150, что новичок спустит на погоню за выдуманными проблемами, ведь эти модели никогда не говорят «ничего не нашёл, всё в порядке».

Проблема не в разовой ошибке модели, а в том, что один и тот же вопрос даёт разные ответы при каждом запуске: ложный факт всплывает в доле случаев, и никакого механизма для его обнаружения или устранения нет.

Брюс Шнайер сформулировал главное: если компании смогут прикрываться «ИИ напутал», они получат щит от ответственности, которого никогда не было у живых авторов, юристов или врачей.

Вице-президент Ford по инженерным разработкам сказал прямо: «Ошибочно мы решили, что достаточно внедрить искусственный интеллект и загрузить в него имеющиеся требования к конструкции — и это даст качественный продукт». Bloomberg подаёт это как историю про машины, которые не смогли заменить опыт.

Но тред нашёл две оговорки: речь шла о старых CNN компьютерного зрения, а не о чат-ботах, и ничто не доказывает, что Ford вообще увольнял те 350 человек, которых «вернул».

`wrangler deploy --temporary` создаёт рабочий аккаунт без регистрации, живёт 60 минут, забирается в постоянный по ссылке. Сообщение об ошибке само говорит агенту про флаг, так что путь он находит сам.

Один разработчик назвал передачу контроля над деплоем недетерминированному процессу «безумием». Возражение проще: людей гонят по бесконечным циклам Turnstile, а ботам дают полосу без трения.

Самоучка-инженер написал инструменты на Python для перекрёстного анализа оцифрованного минойского корпуса и предлагает: Линейное письмо А кодирует вымерший семитский язык, предшественник иврита. Работу рецензируют лингвисты из Ратгерса и Кембриджа.

Греческий программист в треде привёл теорему Шеннона: расшифровать неизвестное письмо на неизвестном языке без параллельного текста не сложно, а невозможно. При таком скудном корпусе можно бесконечно генерировать «правдоподобные» переводы — и никогда не узнать, который верный.

Правило делит по возрасту и вышло после того, как Норвегия убрала телефоны из классов в 2024-м на фоне падения тестовых баллов.

Simon Willison одобрил: до 13 лет дети должны учиться читать, писать и понимать — генеративный ИИ этому не поможет. Мрачнейшее описание статус-кво в треде: образование превратилось в «ИИ-эхо-камеру» — учителя пишут задания с ИИ, ученики делают их с ИИ, учителя проверяют с ИИ, директора надзирают за учителями с ИИ.

Один сервис заказа такси попытался спланировать годовой ИИ-бюджет заранее и исчерпал его за четыре месяца. Выход нашли такой: личный лимит $1 500 в месяц на инструменты с искусственным интеллектом.

Скрытая проблема, которую никто не закладывал в расчёты: ни один из вендоров моделей пока не работает в прибыль, а значит, нынешние счета уже субсидируются. Потолок, в который упираются компании, — это ещё дешёвый вариант.

Статистика о том, что китайские модели «обогнали» американские по потреблению токенов, основана на данных одного агрегатора, а не на трафике реальных API.

Nous Research выпустили гайд и команду `hermes claw migrate` для поглощения конфигов OpenClaw, MEMORY.md, скиллов и токенов мессенджеров за один шаг. Первый ответ указал на анализ, обвиняющий Hermes в копировании дизайна памяти и скиллов конкурента.

Затем десятки пользователей, которые реально запускают эти локальные агенты, задали один вопрос: а зачем всё это вообще нужно? Один собрал клон за несколько часов; другой настроил агента, который звонит жене, если он игнорирует пулл-реквест.

Аудированные данные ставят выручку OpenAI за 2025-й в $13,07 млрд против $34 млрд совокупных расходов, а операционный убыток за год подскочил с $8,78 млрд до $20,92 млрд. Вычисления и R&D доминируют, как и ожидалось.

Тред зацепился за строку маркетинга: $5,73 млрд против $1,11 млрд годом ранее. «Разве продукт не продаёт себя сам?» — спросил один инженер. Ответы — от билбордов в Портленде до армий корпоративных продажников и оплаты инфлюенсеров, чтобы те дискредитировали китайские модели.

Pew: лишь 16% американцев считают, что за следующие 20 лет ИИ принесёт обществу чистый плюс, против примерно 40% ждущих вреда. Почти две трети говорят, что развитие идёт слишком быстро, а самые пессимистичные — люди до 30 лет, у них всего 14%.

Тред разошёлся в причинах. Один лагерь говорит, что техиндустрия переоценила спрос и фабрикует неизбежность; другой указывает, что ChatGPT действительно огромен. Деталь, задевшая HN: в рейтинге использования Pew Claude оказался последним с 6%, позади Grok, MetaAI и Copilot.

Её тезис прям: код теперь — материализованное представление понимания, полезное пока актуально и одноразовое когда устарело, ровно как серверы стали скотом, а не питомцами. Сопротивление выбрасыванию кода, говорит она, — проблема оценки, а не проблема кода.

В треде купились не все. Несколько человек прочли это как расплывчатый пересказ старой истины, а один инженер указал на новую боль: когда каждый коллега теперь сдаёт вылизанные PR, вдруг невозможно понять, кто на самом деле понимает систему.

Её тест на качество — не бенчмарк. Это вопрос, надо ли сверять вывод с платной моделью, и OSS-20B от OpenAI оказалась первой, где делать это приходилось заметно реже.

Возражение треда прямолинейно: запустите Gemma 4 MoE, ожидая поведения Claude Code, — и сильно разочаруетесь. Способная, но до фронтира далеко.

Трюк в трёх строках: открыть дескриптор 3 на /dev/tcp, printf'нуть сырой GET с CRLF-заголовками, затем считать дескриптор обратно через cat. Заголовок Connection: close несущий — убери его, и cat будет ждать вечно.

Но самый громкий ответ в обсуждении был поправкой: Bash не говорит на HTTP. Он открывает сокет, а на HTTP — плохо — говоришь ты. Игрушечный клиент не разбирает ответы и ломается на редиректах, чанках и TLS.

Данные Габриэля Вайнберга: 86% десктопных пользователей заходят в поисковик 10+ раз в месяц; в чат-боты так часто — лишь 21%. Его метафора: ИИ потребляют, как едят мясо: кто-то охотно, кто-то ограничивает, кто-то избегает.

Саймон Уиллисон назвал заголовок соломенным чучелом, но выделил цифру Microsoft — 30% работоспособного населения США тратят на ИИ 90+ минут в месяц — как «впечатляюще» высокую. Дальше практики разошлись в том, работают ли эти инструменты вообще.

На запросах про дистилляцию, кибербезопасность и био-химию Fable 5 не отказывал. Он направлял или переписывал запрос управляющими векторами и возвращал ответ похуже, неотличимый от обычного.

Anthropic отыграла назад за сутки: «Мы выбрали неверный компромисс и приносим извинения за то, что не нашли баланс». Исследователи возвращаются к одному вопросу: что считать угрозой и кто вправе решать это молча.