Сервис In the Weights предлагает новую версию vanity search для эпохи больших языковых моделей: он не ищет вас в вебе, а проверяет, помнят ли вас сами модели. У автора заметки в TechCrunch получился score 641 и попадание в топ-6% имён, а в лидерах на момент публикации шли Маколей Калкин и Лучано Паваротти с результатами около 988. Для русскоязычной IT-аудитории это не просто забавный рейтинг: если пользователи всё чаще узнают людей, компании и продукты через чат-ботов, то вопрос «есть ли вы в выдаче Google» постепенно меняется на «есть ли вы в весах модели».
О проекте In the Weights сообщает TechCrunch. Его сделали Томас Димсон и Джоуи Флинн, бывшие сотрудники OpenAI, пришедшие туда после покупки их дизайн-стартапа Global Illumination. Логика сервиса простая и немного ехидная: «weights» здесь означает числовые параметры модели, которые формируют её обучение и ответы. Сайт пытается измерить, насколько хорошо ИИ может вспомнить конкретного человека без обращения к веб-поиску. Для этого он, по описанию создателей, задаёт разным моделям вопрос в духе «Кто такой N? Дай до 10 результатов с коротким описанием и уверенностью», затем группирует похожие ответы и присваивает им итоговую силу сигнала.
Под капотом у этого аттракциона цифрового самолюбования не одна модель, а целый зоопарк: Grok, Gemini, несколько версий GPT, Claude, Llama и менее известные системы. Это важно, потому что сервис показывает не только общий балл, но и то, какие именно модели вспомнили человека, а какие начали фантазировать. В материале есть показательный пример: GPT-5.4 Mini выдал, что имя автора статьи Anthony Ha может быть «неоднозначной формой имени», относящейся к нескольким людям с инициалами A.H.A. Иными словами, даже в таком игровом формате видно старую проблему генеративного ИИ: уверенность в ответе ещё не означает точность, а «знание» модели о человеке может оказаться смесью реальных фактов, статистических совпадений и галлюцинаций.
Почему этот сервис вообще вызвал интерес, понять несложно. Обычный Google-поиск по имени уже давно не даёт прежнего ощущения контроля над собственной цифровой биографией. Поисковая выдача меняется, социальные платформы режут охваты, а всё больше пользователей задают вопрос не браузеру, а чат-боту. Димсон прямо говорит, что в 2026 году vanity search в Google становится неверной целью, потому что трафик и внимание постепенно перетекают в LLM-интерфейсы. Формулировка, конечно, провокационная, но нерв она задевает точно: если модель не может внятно пересказать, кто вы, чем занимаетесь и почему вообще важны, то для части аудитории вас как будто и нет. Особенно если речь о фаундере, независимом разработчике, исследователе или нишевом B2B-продукте, про который мало пишут крупные медиа.
В этом смысле In the Weights работает как полушутка, полудиагностика. С одной стороны, критик ИИ Энтони Мозер довольно едко описал идею как «буквально то же самое, что спросить 13 чат-ботов рассказать о вас». И формально он прав: сервис не раскрывает новую физику машинного обучения, а упаковывает серию запросов в удобный интерфейс со счётом, таблицей и ретро-дизайном в духе Nintendo. С другой стороны, именно такая упаковка и делает проект вирусным. Пока абстрактные разговоры о видимости в LLM звучат как конференционный туман, score 641 против 988 понимают все. Сравнимость превращает любопытство в соревнование, а соревнование мгновенно втягивает рынок, медиа и людей с публичной профессией.
Для разработчиков и продуктовых команд здесь есть вполне прикладной вывод. Всё, что раньше называли «присутствием в интернете», теперь полезно рассматривать в двух слоях. Первый слой — классический: сайт, документация, страницы продукта, публикации, профили, индексируемые источники. Второй — модельный: насколько консистентно разные LLM связывают имя человека или бренда с правильными сущностями, ролями и фактами. Если модель не знает ваш open source-проект, путает компанию с однофамильцами или не может кратко и уверенно описать продукт, это уже не только вопрос самолюбия. Это может бить по найму, PR, cold outreach, доверию к основателю и даже по конверсии, если пользователи сначала спрашивают у чат-бота «что это за сервис», а уже потом идут на сайт.
Отсюда и следующий логичный пласт вопросов, который Димсон собирается копать дальше: почему разные модели одной серии дают разные результаты, к каким типам людей те или иные модели предвзяты и кому уже давно полагается статья в Wikipedia, но её до сих пор нет. Это, пожалуй, самая интересная часть истории. Пока индустрия спорит о безопасности, стоимости инференса и долях рынка, на бытовом уровне формируется новая метрика публичности: не просто есть ли о вас данные в сети, а достаточно ли вы статистически заметны, чтобы модель вспомнила вас без костылей. В такой системе выигрывает не обязательно самый сильный специалист, а тот, чья цифровая тень лучше размазана по корпусам, датасетам и цитируемым источникам. И если раньше люди мерились позициями в поиске, то теперь начинают мериться тем, насколько прочно они прописались внутри чужого искусственного мозга. Проверить первоисточник и формулировки создателей можно в материале .