KDnuggets выбрал 10 X-аккаунтов, за которыми стоит следить ради новостей о LLM

AI-лента в X давно превратилась в смесь полезных релизов, paper threads и бесконечного шума. KDnuggets предлагает короткий, но практичный список из десяти аккаунтов, которые помогают следить за LLM без необходимости читать сотни однотипных постов.

Почему X всё ещё

Пока традиционные медиа и академические журналы публикуют разборы с задержкой, X остаётся местом, где исследователи, инженеры и создатели инструментов обсуждают модели почти в реальном времени. Именно там раньше всего всплывают новые papers, demo, open-source релизы и первые впечатления от продуктов. Проблема очевидна: алгоритмическая лента легко смешивает сильные технические разборы с поверхностным хайпом, и отделять одно от другого становится отдельной работой.

В этом и смысл подборки KDnuggets: не искать «всех главных людей AI», а собрать источники, которые регулярно дают сигнал, а не шум. Автор сознательно уходит от самых банальных имён и делает ставку на аккаунты, где можно найти либо практическую пользу, либо хорошую фильтрацию новостей. Такой подход важен для тех, кому нужны не вирусные треды, а понятные ориентиры: что читать утром, чтобы за десять минут понять, что реально произошло в мире LLM.

«Если нужен сигнал, а не шум, это надёжные аккаунты для подписки».

Кого добавить в ленту

Список получился не про одну роль, а сразу про несколько способов следить за рынком. Одни аккаунты полезны для papers и research threads, другие — для практики и разборов архитектур, третьи — для быстрых апдейтов о релизах, инструментах и локальном запуске моделей. За счёт этого лента не замыкается только на «новостях ради новостей», а покрывает весь цикл: от идеи и статьи до реального применения.

DAIR.AI и alphaXiv — для papers, кратких объяснений и отслеживания того, что обсуждают вокруг arXiv. Andrej Karpathy — для интуитивных объяснений, фундаментального взгляда и понимания, куда движутся LLM.

Sebastian Raschka и Simon Willison — для тех, кто хочет не читать об AI, а реально что-то собирать и тестировать. The Rundown AI, AK и Matt Wolfe — для потока релизов, новых open-source инструментов и быстрых продуктовых апдейтов. * Ahmad Osman и Ethan Mollick — для тем вокруг локального inference, GPU-инфраструктуры, работы и влияния AI на организации.

Полезно и то, что у списка есть внутренняя логика. Если нужен только research — достаточно пары аккаунтов. Если важнее practical building, можно собрать ядро из Raschka, Willison и Karpathy.

Если хочется видеть рынок целиком, новостные аккаунты дополняют техническую часть и помогают не пропускать важные запуски моделей, сервисов и инструментов. В результате лента остаётся компактной, но всё равно покрывает и теорию, и hands-on практику, и продуктовые сигналы.

Чем они отличаются

Упор в статье сделан не на громкость имени, а на тип ценности, которую даёт каждая лента. Например, Simon Willison полезен честными заметками о том, что у LLM работает на практике, а что ломается в реальных сценариях. Ahmad Osman закрывает другой слой — инфраструктуру, локальные модели, inference и GPU.

Ethan Mollick, наоборот, меньше говорит о внутренностях моделей и больше — о том, как AI меняет образование, работу и процессы внутри компаний. Такой микс особенно полезен сейчас, когда рынок LLM раздваивается. С одной стороны, все обсуждают новые релизы, reasoning и агентные возможности.

С другой — командам всё чаще нужны не общие впечатления, а ответы на прикладные вопросы: что стоит попробовать, что можно развернуть локально, какие инструменты реально экономят время, и какие papers могут быстро превратиться в продуктовые фичи. Хорошая лента в X должна закрывать обе задачи, а не только разгонять FOMO. Ещё один вывод из материала простой: нет смысла подписываться на сотни AI-аккаунтов.

Куда важнее собрать небольшую, но устойчивую подборку, где источники не дублируют друг друга. Один аккаунт нужен для research, другой — для разработки, третий — для инфраструктуры, четвёртый — для business impact. Такой подход снижает шум и делает X рабочим инструментом, а не бесконечной лентой отвлечений.

По сути, речь идёт о персональном редакторе новостей, который ты собираешь себе сам.

Что это значит

Информации про LLM становится слишком много, поэтому ценность смещается от скорости к качественной фильтрации. Подборка KDnuggets полезна тем, что предлагает не очередной список «главных инфлюенсеров», а компактный набор ролей: исследователь, практик, новостная лента, инфраструктурщик и наблюдатель за влиянием AI на работу. Для разработчиков, продактов и founders это хороший способ держать руку на пульсе без ежедневного перегруза и не тратить часы на разбор хаотичной ленты.