← Материалы разборы Yersham
разбор · агентытема-фронтир · H 1.50
7.0
из 10
смотреть по главам — взять две-три нужные минуты
оценка машинная и частично зависит от длины ролика — спорите, открывайте оригинал

Open source модели теперь на уровне frontier (Qwen K3, DeepSeek Flash), но главное — не универсальная модель, а специал…

Fireworks CTO: Why AI Is About To Get 1000x Better

Open source модели теперь на уровне frontier (Qwen K3, DeepSeek Flash), но главное — не универсальная модель, а специализированные под use case. Ключ: evals и качественные данные вместо объёма. Внутренние AI агенты масштабируют компанию без роста overhead.

Open source модели теперь на уровне frontier (Qwen K3, DeepSeek Flash), но главное — не универсальная модель, а специализированные под use case. Ключ: evals и качественные данные вместо объёма. Внутренние AI агенты масштабируют компанию без роста overhead.

что из этого моё

Два прямых инструмента для работы: (1) evals-first подход — не гадать, измеряй качество на своих данных и итерируй; (2) внутренние агенты для масштабирования (knowledge base + meeting summaries + deployment automation). Видео наклонено в technical inference и fine-tuning; операторские задачи (выбор моделей, оркестрация, когда какую использовать) в нём не центр, но frame правильный: сначала измерь, потом оптимизируй, потом специализируй.

Тезисы ролика
применимого к своей работе линза здесь не нашла
Начинать не с fine-tuning, а с evals — способности измерить что хорошо/плохо для твоего продукта. На этом база, дальше всё строится
Качество данных важнее количества: сотни хороших примеров лучше тысяч сомнительных. Open weights позволяют специализировать под нишу, а не тренить с нуля
Внутренние агенты (в Slack, в базе знаний, в процессах) — автоматизируют информационный поток и освобождают людей от рутины, удешевляя масштабирование
Inference не одна стратегия: низкая задержка (высокая стоимость, спекулятивное декодирование) vs высокий throughput (батч-обработка). Разные use case — разные конфиги
о чём говорят, по времени
главы доводят до 25:53 · дальше по ролику меток нет
01
Open source поймал frontier00:00
Qwen K3, DeepSeek Flash — открытые модели теперь на уровне Frontier Labs, три-шесть месяцев отставания уже нет.
02
Специализация вместо одной модели04:08
Frontier Labs строят одну супер-модель. Будущее — тысячи специализированных под нишу, fine-tuned на своих данных.
03
Barrier к fine-tuning: evals06:46
Люди хотят fine-tuning, но не знают, как измерить что работает. Без evals — вслепую.
04
Mode в AI: вкус и данные, не код15:01
Код дешёвый, фронтенд не bottleneck. Advantage в глубоком понимании domain и unique insights о user'ах.
05
Масштабирование с internal AI agents25:53
Как компания растёт, communication breaks. Агенты в Slack, knowledge base, automation решают — и люди фокусируются на creative.
дальше в дело
Собрать это в маршрут
все маршруты →
не хочешь разбираться сам
Сделаю это под задачу
форматы и цены →
ещё разборы