Channel
@iconicompany
On this record: Growth · Engagement · Posts · Cite this entry
66subscribers
-1 since we began measuring on 7 August 2026
Risers and fallers across the register · movement among entries of Under 1,000.
| Telegram ID | -1001414289774 |
|---|---|
| Type | Channel |
| Username | @iconicompany |
| Created | Between 1 April 2019 and 31 October 2021— estimated from Telegram’s id allocation, not measured. How this range is calculated. |
| First recorded | 10 August 2026 |
| Last confirmed live | 25 August 2026 |
| Measurements held | 3 |
| Confirmed unchanged | 1 time, most recently 25 August 2026 |
| On Telegram | t.me/iconicompany |
| Measured (UTC) | Subscribers | Change |
|---|---|---|
| 25 Aug 2026, 00:07 | 66 | -1 |
| 10 Aug 2026, 01:32 | 67 | no change |
| 7 Aug 2026, 21:23 | 67 | first reading |
20 posts held, back to 28 June 2026 — the reader has not yet reached the start of this channel’s public history, so older posts may sit further back, unread. Read across 1 pageof Telegram’s post history, 20 posts per page.
ERR is average views per post over the last 30 days divided by subscribers, the definition TGStat uses, so this figure is comparable with the one you will see elsewhere. It falls structurally as a channel grows: a high ERR on a small channel and a low one on a large channel describe reach mathematics, not quality. We publish the figure and the sample it came from and pass no verdict on it.
ER is defined industry-wide as (forwards + reactions + comments) ÷ views— note the denominator is views, not subscribers. Telegram’s public web preview carries views and reactions but not forward or comment counts, so the reaction rate above is the reactions term only and is therefore a floor: the true ER for this channel is higher by an amount we have not measured and will not estimate.
| Window | Rolling 30 days · latest post in window 6 August 2026 |
|---|---|
| Posts held | 20 (28 June 2026 – 6 August 2026) |
| Views total | 19 |
| Reactions total | — |
| Forwards / comments | not exposed by the public surface — not measured, not estimated |
| Readings taken | 10 Aug 2026, 01:32 UTC |
Views are a single reading per post, taken at the time above. A post published in the last day or two is still accumulating views, which pulls the 30-day average down slightly. That is a property of the standard definition rather than a fault in it, so we keep the definition rather than “correcting” the number into something nobody can reproduce.
Precision. Telegram publishes view counts on its public widget in short form — 8.12K, 3.7M — so any reading at or above 1,000 reaches us rounded to three significant figures, and only counts below 1,000 are exact. Averages and rates derived from them are shown to the same precision rather than to the unit: a figure like 3,701,250 would assert digits nobody measured.
Reaction counts are published per emoji and rounded the same way, so a total below 1,000 is exact and a larger one is a sum that may carry a rounded component from each emoji above 1,000. Because it is a sum, it does not look rounded — read a large reaction total as three significant figures per contributing emoji rather than as the figure it prints.
Спрашиваю у ChatGPT: есть купе Москва - Владивосток на четверых? "Есть, четыре места". Формально правда. Фактически - четыре места в четырёх разных купе и двух вагонах. Семья едет шесть суток по разным дверям. Модель не соврала. Ей просто никто не объяснил разницу между "четыре свободных места" и "четыре места за одной дверью". В ответе API РЖД такого поля нет, разницу надо вычислять: календарь → поезда → вагоны → …
Signed Iconicompany
ИИ забрал у вас рутину - и теперь вы вайбкодите по 16 часов в день. Промпт на каждую задачу, глаз да глаз. Это не автоматизация - вы стали диспетчером у модели. Если так, вы уже опоздали: пока вы правите за агентом каждую строчку, узкое место давно не код. Сегодня я собрал цепочку, где человек кода не пишет. На входе - требования, BRD/FR. Дальше сами собой: use cases с проверяемыми критериями, глоссарий, модель дан…
Signed Iconicompany
Арендовал 3090, чтобы отсеивать плохих кандидатов до дорогого LLM-этапа. Проиграл скрипту, который считает на процессоре за копейки. Проблема была видна в цифрах: косинусный поиск нагоняет по 391 кандидату на вакансию, и почти половина того, что доходит до LLM, - мусор. Тысячи холостых прогонов самого дорогого этапа в конвейере. Логично было взять сильный реранкер и резать мусор им. Я прогнал bge-reranker-v2-m3 и m…
Signed Iconicompany
AI-агент берёт задачу и уходит на 52 шага и 36 тысяч токенов. Часто уже в начале видно, что не решится - но узнаёте вы об этом в конце, когда бюджет сожжён. Свежая работа (Silva, Tu, Monperrus) показывает: сама модель понимает это раньше. Простой классификатор поверх её скрытых состояний угадывает, заработает ли код (AUC до 0,83), ещё до того, как код дописан. И частично предсказывает будущее - направление на ~25 ша…
Signed Iconicompany
На бумаге AI-native инженер и тот, кто просто выучил слово "ai-native", выглядят одинаково. Оба пишут Cursor, "MVP за 2 недели" и пять лет нужного стека. Разница не в резюме, а в артефактах. Резюме - это заявленное, код - сделанное. "5 лет SQL" при нуле схем и миграций за эти годы - не эксперт, а правки строк в готовых запросах. Поэтому мы не верим полям резюме. Вытаскиваем реальные концепты прямо из репозитория - …
Signed Iconicompany
Разработчик получает на руки 250 000 ₽. Заказчик платит за него 400. Разницу в 150 тысяч в месяц принято списывать на "маржу рынка" и не смотреть, из чего она. А там слоёный пирог: наценки посредников (10-30%, у агентств до 60%), налоги, страховка от неоплат. И слой, который вслух не называют, - стоимость денег. Бигтех платит с отсрочкой до полугода. Всё это время подрядчик платит разработчику из своего кармана, а …
Signed Iconicompany
Li Auto (да, автопроизводитель) показал, как посттрейном дотянуть малую модель до уровня гигантов. Mach-Mind - MoE на 35B, 3B активных, поверх Qwen3.5. Идея: не учить одну модель RL сразу на смеси наград (математика, код, агенты) - начинаются качели, подтянул одно, просело другое. Вместо этого обучили десяток RL-экспертов по доменам порознь, у каждого свои данные и награды. Потом слили обратно мультиучительской дис…
Signed Iconicompany
Заставили несколько LoRA-экспертов спорить не текстом, а скрытыми состояниями - и научились читать эти "мысли" обратно в текст. Оценку senior-инженера выносит не один судья, а совет ролей: технарь, лидер, аудитор достоверности. Они обмениваются hidden state через обучаемую проекцию и пересматривают вердикты по ходу собеседования. Что проверили честно, с контролями: - латент технаря и лидера декодируется на 89-95% п…
Signed Iconicompany
LinkedIn у меня перестал быть доской вакансий. Не знаю точно, что они поменяли в рекомендациях, но лента вдруг начала приносить не "10 способов пройти собеседование", а свежие препринты - и людей, которые их читали. Оттуда пришла статья Kong et al. о том, почему связка SFT → RL даёт сильное рассуждение: SFT выдаёт модули, а RL учится их склеивать - выучивает routing. Мы за день до этого уперлись ровно в routing: наш…
Signed Iconicompany
Пять экспертов. Трое систематически строгие, двое точные. Голосование просто считает голоса - трое побеждают. Совет выдал 0.875: хуже, чем любой из них поодиночке. Дело оказалось не в экспертах, а в том, как склеиваются их мнения. Дали им пересмотреть вердикт, увидев остальных, - 1.000. Через день наткнулся на свежую статью (Kong et al.): SFT даёт модули, а RL должен выучить routing - то, как модули склеиваются. Ро…
Signed Iconicompany
Вчера я написал, что совет из трёх LoRA-экспертов чинит слабого. Сегодня увеличил датасет в пять раз, и мой собственный результат развалился. На одиннадцати примерах совет давал единицу. Красиво. На пятидесяти девяти - 0.875, а одиночный эксперт 0.915 ± 0.036. Совет ниже нижней границы доверительного интервала. Это не шум, это провал. Причина скучная и важная. Эксперты учились на одних данных и ошибаются одинаково …
Signed Iconicompany
Один LoRA-эксперт - это лотерея. Обучили трёх на одних и тех же данных, отличались только сиды. Первый и второй согласились с живым сеньором идеально. Третий пропустил двух блефёров из трёх. Тот же рецепт. Тот же датасет. Разброс - как повезёт. Совет из этих же трёх, простым голосованием, сработал на уровне лучшего и починил слабого: блефёров пропущено ноль. Вот зачем нужен совет. Не чтобы выжать лишние проценты …
Signed Iconicompany
Showing the 12 most recent of 20 posts we hold for @iconicompany. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.
A live page changes as we take new readings, so a citation should name the measurement it is based on, not just the URL. The line below cites the subscriber count as measured 25 August 2026 — this entry's latest reading, not the date you are reading this.
“Iconicompany.com AI-HUB” (@iconicompany), 66 subscribers as measured 25 August 2026. Telegram Register, tgregister.com/channel/iconicompany.
Full measurement history, CC BY 4.0. Every reading this register holds for this entry, not just the latest one, as a dated, downloadable record: CSV · JSON. Free to use with attribution to tgregister.com. Each file carries its own generation timestamp, which is the figure to cite for exactly when the data was retrieved.