DEV Community

Cover image for «Нейросеть Артемий Лебедев»: что модели знают о вас - поиск по весам вместо выдачи
Promptra profile image Promptra Team
Promptra Team for Promptra

Posted on

«Нейросеть Артемий Лебедев»: что модели знают о вас - поиск по весам вместо выдачи

#ai #llm #api #chatgpt

После запуска In the Weights в июне 2026 пользователи начали проверять не «что обо мне пишет Google», а «что обо мне помнят нейросети». Повод - сайт In the Weights: вводишь имя, и сервис показывает, насколько уверенно ведущие модели узнают человека из собственных весов, без веб-поиска и других инструментов.

Запрос «нейросеть артемий лебедев» в этой статистике выглядит особенно иронично. Шесть лет назад Студия Лебедева прятала нейросеть в человеке - клиентам больше года выдавали за удалённого дизайнера алгоритм «Николай Иронов». Теперь всё зеркально: люди ищут, что нейросеть знает про человека.

Ниже - как устроен «поиск по весам», где метод честно врёт и как за вечер проверить, что модели написали о тебе. Кстати, сухой балл сайт покажет бесплатно, а вот полные биографии, которые модели сочинили, удобнее читать бок о бок: в provod.ai (российский OpenRouter) GPT и Claude сидят в одном чате, и опросить обеих - дело пяти минут.

Что за сайт In the Weights и почему о нём все говорят?

Коротко: это сервис «персонального тщеславия» нового типа - вместо выдачи он меряет, насколько ты «запечатан» в весах 13 языковых моделей. Запущен в июне 2026, лидерборд оформлен в стиле игр Nintendo, запросы принимает в том числе на русском.

Цифры, которые сделали ему виральность. По проверкам vc.ru от 22 июня 2026, Павел Дуров набрал 964 балла и попал в топ-1% имён, Шарлиз Терон - 988 (тоже топ-1%). Редактор TechCrunch Энтони Ха получил 641 балл (топ-6%); первое место в лидерборде тогда делили Маколей Калкин с 988 и Лучано Паваротти. Потолок шкалы - 996: столько у Моцарта, Шекспира и Тейлор Свифт. Два журналиста The Decoder честно проверили себя и получили 175 и 262.

Разброс и есть смысл затеи: твоя «первая страница» теперь живёт и в параметрах моделей, с которыми твои клиенты разговаривают каждый день.

Кто стоит за проектом?

Коротко: Томас Димсон и Джои Флинн, оба бывшие сотрудники OpenAI. Димсону, по данным его личного сайта (цит. по Reuters), принадлежит часть оригинального кода контентного ранжирования Instagram - человек, который когда-то решал, что ты увидишь в ленте, теперь меряет, что о тебе «видят» модели.

В OpenAI оба попали через сделку: 16 августа 2023 года компания купила их студию Global Illumination (основана в 2021 в Нью-Йорке). Это было первое публично объявленное приобретение OpenAI, и вся команда перешла работать над ключевыми продуктами, включая ChatGPT.

Мотивацию Димсон формулирует прямо: гуглить себя в 2026 году - неправильная цель, потому что трафик уходит в LLM. Замысел он запечатал в ироничном блог-посте по мотивам рассказа Терри Биссона «They're Made Out of Meat». У меня от этой рамки двойное ощущение: затея остроумная, а ставка вполне серьёзная.

Как устроен поиск по весам?

Коротко: каждой модели задают промпт вида «Who is ? Give up to 10 results, each with a short description and confidence». Похожие описания кластеризуются, затем выставляется strength score - средняя сила узнавания по всем моделям плюс бонус за число узнавших. Точный алгоритм сведения авторы не раскрыли.

На момент запуска, по снапшоту главной страницы 22-23 июня 2026, опрашиваются 13 моделей: GPT-5.5, GPT-5.4 Mini, Claude Opus 4.8, Claude Haiku 4.5, Grok 4.20, Gemini 3.1 Lite, Kimi K2 0905, DeepSeek V4, Llama 3.3 70B, Llama 3.2 1B, GLM 4.7 Flash, Mistral 3.2 24B, Qwen3 8B.

Самое честное объяснение физики процесса звучит через самую маленькую модель списка: человек, которого узнаёт Llama 1B, «достаточно важен, чтобы его представили примерно в 1 гигабайте памяти». Один гигабайт на всё человеческое знание - и ты в него влез. Приятно или тревожно, решай сам.

Чем знание в весах отличается от выдачи?

Коротко: выдача - это индекс, он обновляется и чистится. Веса - память, застывшая в момент обучения: она не обновляется по твоему запросу и не чинится классическим SEO. А бытовые ответы помощников - третий механизм, справочные инструменты.

Что модель хранит знания в параметрах, наука зафиксировала задолго до сайта: работа Petroni и соавторов «Language Models as Knowledge Bases?» (EMNLP-IJCNLP 2019, больше 4000 цитирований), а Roberts, Raffel и Shazeer в 2020-м измеряли, сколько знаний вообще помещается в параметры.

Теперь различие, которое тонет в быту. Когда ты спрашиваешь у колонки, сколько дюймов в сантиметрах, через сколько километров ближайший город, во сколько рассвет или какая погода в Кургане, - отвечает не «память», а справочный инструмент. Команда «умная штора, закройся» - тоже не вопрос к весам. Веса включаются, когда ты спрашиваешь «кто такой» - и тут начинается статистика, с которой у нейросетей отдельные отношения: люди зовут их так, как слышат. По поисковой статистике ChatGPT превращается в «СРФ ГПТ 4», Suno ассоциируют с Павлом Агеевым и его «Гидрой», а нейро-музыку ищут как «блюз соул Юрия Соколова». Модель обязана угадывать и это.

Выдача поисковика Модель с веб-поиском Веса модели
Где живёт знание о вас Индекс страниц Индекс + контекст запроса Параметры после обучения
Когда обновляется Постоянно На каждый запрос Только при переобучении
Можно ли исправить или удалить Да, через сайт и SEO Частично, через источники Практически нет
Что влияет на присутствие Ссылки, тексты, разметка Доступность страниц модели След в обучающих данных

Дальше - почему один и тот же метод выдаёт то 996, то обидное «неоднозначная форма имени». Это самое практичное место статьи, и здесь уместен график шкалы: от двух журналистов The Decoder до абсолютного потолка.

Шкала strength score от 175 до 996: журналисты, Энтони Ха, Дуров, Калкин и потолок Моцарта

Почему у одних 900+, а у других «неоднозначная форма имени»?

Коротко: авторы сайта честно перечисляют четыре ограничения метода. Опечатки в имени занижают скор. Самооценка уверенности моделей не откалибрована и плавает между запусками. Распространённые имена с множеством носителей получают заниженные баллы - однофамильцы размывают узнавание. И модели могут галлюцинировать биографические детали.

Живой пример из той же TechCrunch-публикации: GPT-5.4 Mini на запрос про Энтони Ха ответила, что «Anthony Ha» - «неоднозначная форма имени, которая может относиться к нескольким людям с инициалами A.H.A.». Человек, который сам написал про сайт, получил от модели отказ узнавать себя.

Про опечатки держи в голове русскую специфику. Если массовый пользователь пишет «стейбл дифужн» вместо Stable Diffusion, то и твоё имя в запросах клиентов живёт в десятке вариантов написания. В весах, как и в поиске, опечатки проигрывают - но в поиске ты хотя бы видишь, где проиграл.

Что нейросети знают про Артемия Лебедева?

Коротко: конкретный балл Артемия Лебедева на In the Weights открытые источники не фиксируют, и выдумывать его я не стану - проверь сам, сайт динамический. Зато русская история вопроса старше сайта на шесть лет, и Лебедев в ней - человек, который сначала спрятал нейросеть в штате, а потом сам стал запросом к нейросети.

В июне 2020 года Студия Артемия Лебедева раскрыла, что «дизайнер Николай Иронов» - искусственный дизайнерский интеллект. Больше года его выдавали клиентам за удалённого сотрудника: нейросеть выполнила более 20 коммерческих проектов (среди заказчиков, как писал РБК Стиль, - Руслан Усачев и Юрий Хованский) по программе «экспресс-дизайна» за 100 тыс. руб.

К маю 2022-го у «Иронова» было уже более 1400 завершённых проектов и версия 2.0; платный доступ открыли ещё в сентябре 2020 - от 9900 руб. за 999 логотипов в пяти проектах, тарифы на май 2022 начинались от 19 900 руб. Арт-директор студии Сергей Кулинкович объяснял устройство так: «Иронов - не одна нейросеть, а ансамбль алгоритмов». Персонажу завели карточку в бухгалтерии, e-mail, Facebook и усреднённое сгенерированное лицо-фоторобот.

Параллель мне кажется почти литературной. В 2020-м Лебедев доказал, что нейросеть неотличима от сотрудника, если ей сделать документы и лицо. В 2026-м клиент спрашивает у ChatGPT «кто такой Лебедев» - и ответ зависит от того, что осталось в гигабайтах весов после обучения. Человек в весах против нейросети в штате: одна студия, два конца одной шутки.

Как проверить своё имя за один вечер?

Коротко: три шага - сайт, ручной опрос нескольких моделей, фиксация расхождений. Ниже небольшой туториал, всё бесплатно или почти бесплатно.

  1. Зайди на intheweights.com и вбей своё имя - сначала точным написанием, потом теми вариантами, как тебя реально пишут клиенты. Зафиксируй балл и, главное, какие модели тебя узнали.
  2. Опроси 5-6 моделей вручную одним промптом: «Кто такой [имя]? Что ты о нём знаешь? Дай до 10 пунктов с коротким описанием и уверенностью». Сайт даёт сведённый балл, а тут ты видишь полные тексты - включая выдуманные детали.
  3. Разложи ответы рядом и выпиши три списка: что верно, что устарело, что галлюцинация. Это и есть твой персональный аудит параметрической памяти.

Весь этот опрос из России удобно крутить в одном окне: в provod.ai модели под такой аудит выбираются по задачам - одна пишет черновик биографии, другая проверяет факты, третья сравнивает формулировки между собой. Условия доступа и стоимость проверь в актуальном прайсе сервиса.

Чего это не решает?

Коротко: ни сайт, ни ручной опрос - не аудит репутации и не мониторинг СМИ. Это срез одного слоя - параметрической памяти на дату обучения.

Дальше - жёсткие рамки. Скор не откалиброван и плавает между запусками, сравнивать его как кредитный рейтинг нельзя. «Удалиться из весов» нельзя: веса фиксируются после обучения. «Попасть в веса по заказу» - тоже нельзя: влияет только реальный публичный след, который попадёт в обучающие данные следующих поколений. А обход цензурирования в чатах - отдельная тема про фильтры ответов, к знанию в весах она отношения не имеет.

Когда provod.ai не подходит

Коротко: для голого балла, разового вопроса и борьбы с выдачей агрегатор не нужен. Он про другое - сравнить, что про тебя написано в весах дюжины моделей, за один вечер и в рублях.

Если тебе нужен только балл - In the Weights бесплатен и без регистрации, агрегатор тут не нужен вовсе. Если нужен один вопрос одной модели - хватит бесплатного чата самого вендора. Если задача - править выдачу Google или следить за упоминаниями в СМИ, это делают SEO- и PR-инструменты, а не чат с моделями. Фирменные приложения и память вендоров живут по прямой подписке.

provod.ai — AI для скриптов, пайплайнов и внутренних сервисов

Подключайте модели туда, где уже работает команда: в CLI-инструменты, фоновые задачи, CI-процессы, SDK и корпоративные приложения через единый OpenAI-совместимый endpoint.

В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.

Автоматизация получает предсказуемую основу расходов: тариф поставщика переносится 1:1, без собственной надбавки provod.ai.

Подключите AI к своим процессам: форма регистрации · цены на модели · защита данных по 152-ФЗ · инструкция по миграции

FAQ

Что такое strength score и почему потолок - 996?
Это средняя сила узнавания имени по всем моделям плюс бонус за число узнавших. Потолок в 996 на июнь 2026 держат Моцарт, Шекспир и Тейлор Свифт; точную формулу авторы не раскрывают, так что относись к баллу как к игровому достижению, а не как к рейтингу.

Правда, что опечатка в имени занижает результат?
Да, это прямо заявлено авторами сайта: модель ищет соответствие написанию. Проверяй себя в двух-трёх вариантах - паспортном и том, как тебя пишут клиенты.

Можно ли специально попасть «в веса»?
По заказу - нет. Веса формируются в момент обучения из публичных текстов, поэтому влияет только реальный след: публикации, интервью, чужие тексты о тебе. И это инвестиция в следующие поколения моделей, а не в текущие.

А правда, что есть тест на синергию нейросетей и машинного обучения?
Так ищут учебные тесты по курсам про ML - люди готовятся к зачётам с помощью тех же моделей. К проверке своего имени это отношения не имеет: «синергия» там из методички, а не из весов.

Чем проверка в In the Weights отличается от того, чтобы погуглить себя?
Выдача показывает страницы, которые живут прямо сейчас. Веса показывают, что застыло в модели на дату обучения. Первое чинится SEO, второе - ничем, кроме времени и новых публикаций.

Модель выдумала про меня факты - это можно исправить?
В весах - нет, до переобучения. В ассистентах с веб-поиском - частично: появятся корректные источники, ответы начнут опираться на них. Практический шаг один: фиксируй галлюцинации скриншотами и следи, какие ошибки повторяются у разных моделей.

Если текст выше убедил тебя проверить своё имя, держи короткий путь. Балл на сайте - это верхушка; полные биографии, которые модели сочинили про тебя, живут в самих чатах, и именно там видно, какие «факты» тебе приписали.

Проверь своё имя в дюжине моделей за один вечер - единое окно AI-чата provod.ai

Хочешь увидеть не балл, а тексты, которые модели генерируют по запросу о тебе и твоей компании, а не хранят как готовые биографии? Проверь оба имени за один вечер: на provod.ai все модели из этой статьи собраны в одном чате и на одном балансе, оплата в рублях с карты РФ, для юрлиц - договор и закрывающие документы.

Остался вопрос, на который у меня нет доброго ответа. Публичный след в весах накапливается годами и не стирается по заявлению. Значит, выбор у тебя такой: либо осознанно строить, что о тебе узнают следующие поколения моделей, либо позволить им собрать твой портрет из чужих опечаток. Что выбираешь?

Источники

Top comments (0)