Много примеров
Во время обучения видит огромное количество текстов.
40 минут экспериментов, догадок и одного очень уверенного фантазёра.
А кто хотя бы раз поймал его на ошибке?
«Зонт», «куртку», «такси» — всё зависит от ситуации.
Что вероятнее: пиццу, ракету или тишину?
Во время обучения видит огромное количество текстов.
Какие слова и идеи часто оказываются рядом.
Выбирает следующий кусочек текста — снова и снова.
Большая · Языковая · Модель
Слова, фразы, код и связи между ними.
Много примеров, настроек и вычислений.
Как карта: полезное упрощение, но не сам мир.
И так — миллиарды раз. Как тренировка, только очень быстрая.
мёд · лёд · пар · конфетти
Каждая ошибка чуть-чуть меняет модель.
Их называют параметрами, или весами.
Токен — это слово, часть слова или даже знак.
Рабочий стол: вопрос, история диалога и нужные материалы.
Цифры здесь условные — важен принцип.
Иначе все рассказы были бы одинаковыми.
Стабильнее и предсказуемее.
Смелее, разнообразнее, страннее.
Быстро повторяем цикл — получаем целый рассказ.
Сюжеты, названия, варианты.
Одну тему — разными словами.
Тексты, планы и примеры.
Перевод и тренировка диалогов.
Задание: найдите явно выдуманное утверждение.
«Робот открыл школьный шкаф, а там…»
Каждый предлагает одно следующее слово.
«Модель» выбирает самое подходящее — и повторяем.
≈ 2,0–2,5 млн ₽ по курсу ЦБ 78,40 ₽/$
и до 700 Вт — как несколько мощных домашних ПК.
Источники: NVIDIA H200, цена поставщика, июнь 2026, курс ЦБ на 31.07.2026.
1 128 ГБ видеопамяти + весь сервер.
45–50 м² на массовой «вторичке» Москвы: около 15–17 млн ₽.
Источники: ComputeUSA, $195k, GSA, $259 244, РБК Недвижимость.
37B активируются для каждого токена.
Источник: официальный model card DeepSeek-R1.
минимум 10
практически ≈16
минимум 5
практически ≈8
минимум 3
практически ≈4
Расчёт по 671 млрд параметров и 141 ГБ на H200; «практически» включает разумный запас, но конкретный движок и длина контекста меняют результат.
от ≈8–10 млн ₽
4-bit, компромиссы
≈15–20 млн ₽
FP8-класс
≈30–41 млн ₽
BF16-класс
Ориентир, не коммерческое предложение: корпус, сеть, RAM, хранение и эксплуатация могут заметно увеличить TCO.
8 GPU: до 134 кВт·ч/сутки только на ускорители.
8 H200: примерно $576–1 920/сутки.
Источники: NVIDIA, агрегатор облачных цен. Диапазон зависит от региона и срока аренды.
Поэтому вопрос не «сколько видеокарт?», а «подписка или API?»
Plus $20
Pro от $100
Pro $20
Max $100/$200
Pro $20
Pro+ $60
Ultra $200
10–100
сложные задачи
25–200
ежедневная работа
250–2 000
быстрые задачи
Источник: официальная страница Codex Pricing. Локальные сообщения делят общее 5-часовое окно; недельные лимиты возможны.
Больше Free; Claude Code включён.
5× Pro; ориентир 50–200 Code-промптов / 5 ч.
20× Pro; выше лимиты ответа.
Источники: Claude Pricing, справка по Claude Code.
Источник: официальный Cursor Pricing.
Официально: только 5× Pro и плавающие лимиты. Сторонние замеры дают широкий разброс; верхняя граница меняется вместе с моделями, кэшем и политикой лимитов.
Важно: цена еды в корзине ≠ доход Яндекс Еды. Точные комиссии и выплаты зависят от договора, города, расстояния и спроса.
комиссия ресторана, доставка, сервисный сбор, продвижение
выплата курьеру, промокод, эквайринг, поддержка
1 млн заказов × −100 ₽ → −100 млн ₽ за день
Все рублёвые числа — иллюстрация. Реальный масштаб: Яндекс Еда сообщала о более чем 1 млн заказов за день.
«Выгодно»: клиент ждёт дольше, доставка дешевле, у сервиса больше времени найти курьера.
Меньше субсидий; доставка и сборы, комиссия, продвижение и повторные заказы.
Источники: Яндекс о плотности заказов, «Выгодно»: −30% к доставке и более 6 млн заказов. Параллель: Еда субсидирует заказ, AI-сервис — тяжёлого пользователя.
Market cap меняется каждый торговый день.
Valuation фиксируется сделкой или раундом.
А у продукта Grok отдельной капитализации нет.
$965B
частная оценка
$852B
частная оценка
$230B*
последняя отдельная оценка
*xAI вошла в SpaceX; капитализация всей SpaceX около $1,5T на 27.07.2026. Источники: Anthropic, OpenAI, xAI, SPCX market cap.
Не отправляй личные данные: пароль, адрес, телефон, документы.
Проверяй важное: модель может ошибаться и придумывать.
Решение принимает человек: ИИ предлагает, ты выбираешь.
Следующий кусочек текста.
Важное нужно проверять.
Лучший результат — вместе с человеком.
И главное: что бы вы попросили ИИ придумать прямо сейчас?
→ Space следующий слайд
← предыдущий слайд
N заметки ведущего
F полный экран
H закрыть эту подсказку
Что внутри модели, почему ей нужны видеокарты и кто платит за каждый сгенерированный токен.
Источники: Getty: письмо, Morgan: печать, Internet Society, CERN.
| Технология | Что стало возможным | Что оставалось дорогим |
|---|---|---|
| 🗣️ Речь | Синхронизировать мысли группы | Память и расстояние |
| ✍️ Письмо | Сохранить сообщение вне головы | Копирование |
| 📚 Печать | Тиражировать почти одинаковые копии | Доставка и обратная связь |
| 📻📺 Эфир | Говорить миллионам одновременно | Право отвечать |
| 🌐 Интернет | Связать всех со всеми и всё со всем | Поиск и переработка |
| 🤖 LLM | Синтезировать ответ под конкретную задачу | Достоверность и вычисления |
Обучение сохраняет не библиотеку страниц, а параметры функции.
Близко: употребляется в похожих контекстах.
Расстояние: часто считают косинусной близостью.
Применение: смысловой поиск, рекомендации, кластеры, RAG.
На экране — 2D-проекция; реальный embedding имеет сотни или тысячи координат.
Для каждого токена: на что смотреть и сколько внимания дать?
Узкое распределение: стабильнее.
Плоское распределение: разнообразнее.
175B
параметров
Ошибку можно приближённо прогнозировать по масштабу данных, модели и вычислений.
671B всего
37B активны
128K контекст
Источники: GPT‑3, Scaling Laws, DeepSeek‑R1.
«интеграл»
взвешенная сумма ответов
Источник чисел: официальный model card DeepSeek‑R1.
бордовый · марсала · коралловый · лавандовый · бирюзовый…
красный · оранжевый · жёлтый · зелёный · синий · фиолетовый
Мем — стереотип, не научный факт. Аналогия показывает число доступных уровней, а не реальное цветовое зрение.
Меньше памяти, выше скорость, дешевле каждый запрос, можно запускать локально.
Часть редких навыков и надёжности; ученик наследует слабости учебных ответов.
Пример: DeepSeek‑R1 Distill. Дистилляция не равна квантованию: первая обучает другую модель, второе округляет веса этой модели.
Prefill: прочитать весь вход.
Decode: много раз вычислить следующий токен.
Больше контекста и ответа → больше памяти, времени и денег.
Контекст → следующий токен. Знания заключены в весах и входе.
LLM + поиск + код + файлы + память + цикл проверки.
| Рычаг | Что меняем | Когда брать | Слабое место |
|---|---|---|---|
| 💬 Prompt | Инструкцию и примеры во входе | Быстро задать задачу и формат | Временный; съедает контекст |
| 🔎 RAG | Добавляем найденные документы | Свежие, частные, цитируемые факты | Если поиск промахнулся — ответ тоже |
| 🎛️ Fine-tuning | Обучением меняем веса | Стабильное поведение, стиль, навык | Нужны данные, eval и обновления |
| Риск | Почему | Что делать |
|---|---|---|
| Галлюцинация | Правдоподобие ≠ истинность | Первичный источник + независимая проверка |
| Устаревание | Веса не знают сегодняшнего дня | Поиск + дата среза |
| Prompt injection | Чужой текст может выглядеть как инструкция | Минимальные права + изоляция данных |
| Математика и код | Токены имитируют форму решения | Исполнение, тесты, калькулятор |
| Приватность | Вход уходит внешнему сервису | Не отправлять секреты и персональные данные |
2K in + 1K out
$0.035
100K in + 5K out
$0.625
1M in + 100K out
$7.50
Иллюстративный расчёт по розничному API-тарифу на 31.07.2026. Источник: официальный Claude API Pricing. Web search и другие инструменты оплачиваются отдельно.
Не только передаёт текст — синтезирует его под задачу.
Инструменты, контекст, права и проверки создают продукт.
Каждый токен — память, энергия, оборудование и бизнес-модель.