« Я люблю LLMs, ненавижу хайп » - geohot напоминает единственное оставшееся правило

Разделить то, что модели действительно делают, от того, что им приписывают. Не вычислительных мощностей не хватает, а дисциплины.

Факт

Джордж Хоц (geohot) опубликовал 12 июля 2026 года пост «Я люблю LLM, я ненавижу хайп» — короткий, резкий текст, который разделяет то, что модели делают (сжимают, воспроизводят, интерполируют), и то, что им приписывает маркетинг (рассуждают, планируют, понимают).

Наше мнение

Geohot не изобретает ничего нового — он просто повторяет ту сортировку, которую никто не хочет делать. В 2026 году большинство демо «агент, который думает», на самом деле, демонстрируют хорошо настроенные harness, а не возникающее рассуждение. Это не делает LLM бесполезными: это делает их применимыми, при условии, что вы знаете, что подключаете.

Под капотом

Аргумент состоит из трёх пунктов: (1) LLM превосходно справляются с сжимаемыми задачами (код, резюме, перевод), где шаблон есть в обучающем наборе; (2) они терпят неудачу за пределами обучающего набора (долгосрочное планирование, строгая формальная согласованность, точные вычисления); (3) наблюдаемый «прогресс в рассуждении» обусловлен harness (вычисления во время тестирования, RAG, инструменты), а не самой моделью.

Что делать

Практик: лучшая окупаемость остаётся в сжимаемых задачах + инструменты. Лицо, принимающее решения: всегда спрашивайте, какая часть улучшения исходит от модели, а какая — от harness. Это разделение определяет, подвержены ли вы риску следующих изменений модели.

На что обратить внимание

Бенчмарки, которые изолируют модель и harness. Следующий пост Ламберта или Карпати в ответ.