# Сопутствующие статьи по теме Инженерия контекста

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Инженерия контекста", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

От TPU к самосовершенствующимся агентам: как Джефф Дин видит следующий шаг в развитии ИИ

В статье на основе выступления Джеффа Дина на YC Startup School обсуждается эволюция ИИ от больших моделей к системам с долгосрочными агентами. Дин подчеркивает, что следующий этап ИИ — не просто более умные модели, а создание систем, способных к продолжительной автономной работе, самообучению и автоматизированным экспериментам. Ключевые темы включают смещение фокуса с размера моделей на организацию интеллекта, важность контекстной инженерии, аппаратной эффективности (особенно для вывода), а также возможности для стартапов в нишевых областях, где большие модели слабы. Он отмечает, что по мере удешевления генерации кода возрастает ценность четких спецификаций, правильной постановки задач и "вкуса" в выборе направлений. В итоге, главным становится не ответ модели, а создание надежных систем, способных выполнять сложные, многошаговые задачи.

marsbit10 ч. назад

От TPU к самосовершенствующимся агентам: как Джефф Дин видит следующий шаг в развитии ИИ

marsbit10 ч. назад

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

Генеральный директор крупнейшей американской криптобиржи Coinbase Брайан Армстронг заявил, что компания перешла на использование китайских AI-моделей GLM 5.2 и Kimi 2.7, что позволило сократить расходы на искусственный интеллект вдвое, несмотря на растущий объём использования. Для достижения такой экономии Coinbase внедрила систему автоматического выбора модели в зависимости от задачи, оптимизировала кэширование, повысив его эффективность с 5% до 60%, и применила методы "контекстной инженерии" для более точных запросов. Эта тенденция набирает обороты: другие компании, такие как Lindy и Snowflake, также сообщают о значительной экономии после перехода на более доступные модели, такие как DeepSeek и GLM, качество которых в многих задачах приближается к дорогим аналогам вроде Claude Opus или GPT, но стоит в 5-7 раз дешевле. Для пользователей это означает, что эпоха зависимости от одной модели заканчивается. Ключевыми становятся стратегии выбора модели под задачу, использование кэширования и составление лаконичных запросов. Данный тренд оказывает давление на ценовую политику лидеров рынка, таких как OpenAI и Anthropic, запускающих более дешёвые модели, и знаменует смещение конкуренции в сфере AI от чистой производительности к экономической эффективности.

marsbit07/03 16:17

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

marsbit07/03 16:17

Когда американские гиганты массово «бегут» к китайским AI-моделям

Генеральный директор Coinbase Брайан Армстронг заявил, что переход на китайские AI-модели GLM 5.2 и Kimi 2.7 позволил компании сократить расходы на искусственный интеллект вдвое, несмотря на рост объема использования. Это достигнуто за счет внедрения системы автоматической маршрутизации запросов, оптимизации кэширования (повышение命中 до 60%) и метода "контекстного инжиниринга" для работы с моделями. Тенденция набирает обороты: стартап Lindy и Snowflake также сообщают о значительной экономии после перехода на такие модели, как DeepSeek и GLM. Сравнение цен показывает разрыв в 5-7 раз в пользу китайских аналогов по сравнению с Claude Opus или GPT, при том что разница в производительности для многих задач незначительна. Это сигнализирует о сдвиге в отрасли: конкуренция смещается от чистой производительности к экономической эффективности. Пользователям стоит reconsider подход: использовать разные модели под разные задачи, оптимизировать контекст запросов и учитывать кэширование. Растущий спрос на более доступные альтернативы может оказать давление на ценовую политику лидеров рынка, таких как OpenAI и Anthropic, что в итоге выгодно для потребителей.

链捕手07/03 16:10