Представлен открытый проект ИИ‑студии для видеомонтажа OpenMontage — комбайн из ИИ‑агентов для полноценного выпуска видеороликов. Проект помогает превратить доступ к Claude Code, Cursor, Copilot, Windsurf или Codex в киностудию:
агенты берут на себя всё — от исследований и сценария до генерации видео, монтажа и озвучивания;
12 пайплайнов под любой тип контента — трейлеры, анимации, реклама, туториалы и так далее;
500 скиллов — генерация видео, аудио, музыки и картинок;
умеет работает с лучшими генераторами — Kling, Runway, FLUX, ElevenLabs и Suno.
Привет. Я пишу бэкенд на Go, люблю строгую типизацию и предсказуемость. Но игнорировать тему ИИ-ассистентов глупо, поэтому я решил проверить, насколько они применимы для сборки нормального, защищенного проекта, а не просто кривых прототипов.
Чтобы эксперимент был чистым, взял стек, с которым не работаю каждый день: Node.js (Express 5) и Vanilla JS. На выходе получился хаб с утилитами: https://toolkitch.ru/
Главная идея проекта - простые инструменты средствами компьютера. Меня всегда раздражало, что популярные онлайн-сервисы гоняют данные на свои сервера, хотя по факту это может выполняться на компьютере. Здесь инструменты работают строго client-side, то есть в браузере пользователя. Ничего не устанавливал и не скачивал, но выполнил на компьютере.
По технической части:
Express 5 и Bootstrap 5.
Безопасность: настроил Helmet, прописал строгие CSP заголовки и CORS.
Писать код помогал ИИ-ассистент KodaCode. Впечатления положительные: нейронка полностью сняла с меня рутину вроде написания докер-файлов, конфигов Traefik и однотипной верстки под 7+ разных инструментов. Моя задача сводилась к контролю архитектуры и безопасности.
Сайт оптимизировал в том числе под ИИ-поисковики (GEO/AEO), чтобы тот же Яндекс Нейро или Perplexity могли индексировать страницы и предлагать эти утилиты пользователям по прямым запросам.
Посмотреть, что получилось, можно по ссылке выше. Будет интересно узнать, как вы используете ИИ в своей инженерной рутине, и какие специализированные плагины/инструменты можете порекомендовать. За критику по UI/UX сайта также буду благодарен.
Интерес к БЯМам позволяет вспомнить о популярной в свое время вычислительной теории сознания (computational theory of mind). Однако на этот счет существует аргумент, предложенный Тимом Модлином в 1989 году, который показывает, что вычислительная теория сознания несовместима с материализмом. Ниже краткое описание основной идеи.
Исходной точкой служит идея супервентности сознания по отношению к физическим процессам. Возбуждение нейронов никак не похоже на происходящие ментальные процессы, но предполагается, что для протекания определенного ментального процесса (например, боли) необходимо протекание соответствующих физических процессов.
физические процессы -> сознание
Концепция супервентности не говорит, что сознание эквивалентно, например, возбуждению нейронов, но предполагается, что боль вызывается возбуждением нейронов. Вычислительная теория сознания говорит, что требуется расширить схему супервентности выше следующим образом
физические процессы -> вычислительные состояния -> сознание
Вычисления однозначно определяются посредством машины Тьюринга. Таким образом, вычислительные состояния ассоциируются с определенными состояниями ленты машины Тьюринга.
Модлин анализирует схему выше и вводит условия достаточности и необходимости. Достаточность определяется тем, что определенное вычисление приводит к определенному состоянию сознания (например, определенное вычисление вызывает боль). Необходимость вводится требованием для физической системы поддерживать соответствующее вычисление, которое в свою очередь описывается машиной Тьюринга. Далее Модлин показывает, что одновременно выполнить требования достаточности, необходимости и супервентности не удается.
Аргумент строится при использовании персонажей из новеллы Гофмана 'Песочный человек': Клары и Олимпии. Неявно предполагается, что Натаниэль играет роль человека, который анализирует схему выше, поскольку статья Модлина начинается цитатой из новеллы:
‘… однако ж сыскались насмешники, сумевшие порассказать о всяких странностях и нелепостях, какие были замечены на празднике, и особенно нападавшие на оцепенелую, безгласную Олимпию, которую, невзирая на красивую наружность, обвиняли в совершенном тупоумии, по какой причине Спаланцани и скрывал ее так долго. Натанаэль слушал эти толки не без затаенного гнева, но он молчал; ибо, полагал он, стоит ли труда доказывать этим буршам, что их собственное тупоумие препятствует им познать глубокую прекрасную душу Олимпии.’
На первом этапе Модлин в качестве физической реализации предлагает машину Клару, которая является нормальной машиной Тьюринга. В данной ситуации у людей с развитым абстрактным мышлением проблем не возникает: сложные физические процессы приводят к сложным вычислениям, которые в свою очередь вызывают ментальные процессы.
Однако далее Модлин напоминает, что смена вычислительных состояний эквивалентна смене состояний ленты машины Тьюринга, и предлагает вторую машину, Олимпию, которая в итоге приводит к такой же смене состояний ленты, как и в случае машины Клары. То, что одно и то же вычисление можно выполнить путем разных физических процессов, не должно удивлять. Тем не менее, крайнее удивление вызывает то обстоятельство, что предложенная Модлиным вторая машина крайне примитивна: протекающие физические процессы сводятся к повторению одного и того же движения. Развитое абстрактное мышление уже должно признать, что такие физические процессы на роль 'подложки' сознания не годятся.
В заключение еще одна цитата:
‘В действительности, один путь для понимания структуры Олимпии связан со следующей аналогией: Олимпия создает иллюзию бытия Клары в действии, которое во многом напоминает создание иллюзии движения в фильме на экране. … Проблемы с вычислительной теорией сознания заключается в том, что она не содержит концептуальных оснований, чтобы отличить мерцающую иллюзию от реальности.’
Tim Maudlin, Computation and consciousness, The Journal of Philosophy, v 86, N 8 (1989): 407-432.
Вопрос на засыпку: кто в 1956 году предложил термин «искусственный интеллект»?
Если знаете ответ — у вас есть хорошие шансы в ИТ-кроссворде. 6 июля запускаем третий сезон онлайн-соревнования для всех, кто интересуется AI, ML и сферой ИТ в целом. В этом году вас ждет более 100 вопросов по четырем темам:
• модели и все, что с ними связано; • история ML и AI; • безопасность ML и AI; • ML-железо.
С 6 по 9 июля каждый день будет открываться новая рубрика. Отвечайте на вопросы и набирайте баллы, чтобы выиграть эксклюзивные призы и бонусы на аренду серверов. 🦖
A visualisation of selected lawsuits from over 100 filed against AI companies as of June 2026.
Попалась на глаза инфографика от David McCandless (Information is Beautiful) - карта исков к ИИ-компаниям за нарушение авторских прав. Более 100 дел на июнь 2026: OpenAI - 24 иска, Meta - 14, Microsoft - 10, Anthropic - 9, NVIDIA - 7, Perplexity - 7. Истцы - авторы, издатели, музыкальные лейблы, медиагиганты: Disney, NYT, CNN, Condé Nast, Universal Music Group, Elsevier.
Иронично, но на фоне обсуждений, что ИИ заменит юристов, тот же ИИ даёт юристам огромный пласт работы. И я больше чем уверен, что из-за специфики споров и сумм требований такие иски ведут и будут вести именно "живые" и очень дорогие юристы. Причем с обеих сторон :)
Впечатляет масштаб. Bartz vs Anthropic - крупнейшее в сфере авторских прав мировое соглашение на $1.5 млрд в истории США. При этом юристы истцов запросили $320 млн на гонорары.
И это не только деньги. Появляются специализации, которых раньше просто не было, например: fair use (добросовестное использование) в контексте обучения моделей, лицензирование данных для обучения , аудит датасетов на пиратский контент, оценка ущерба от того, что модель не воспроизводит текст буквально, а «знает» его. Как считать ущерб от статистического копирования? Ещё три года назад этот вопрос не существовал, а сейчас на нём строятся юридические практики.
Disney называет MidJourney «бездонной ямой плагиата». Датская Koda говорит о «крупнейшей музыкальной краже в истории». Тенденция по рассмотрению подобных исков к тому, что за обучение на чужом контенте без лицензии придётся платить. Ну по крайней мере в тех юрисдикциях, где авторское право не просто термин в законодательстве.
Разработчикам, даже в РФ, стоит обратить на этот вопрос внимание и понять, что это не абстрактная юридическая тема, а конкретный бизнес-риск. Лучше закрыть его до запуска продукта, чем после.
Дальше разговор пойдет про OpenClaw/Hermes подобные системы. Т.е это переход от агентных систем по типу Claude Code/Codex к проактивным персональным агентам
В моей классификации это переход с уровня 8 на уровень 9
Коротко о том, в чем разница уровня 8 и уровня 9
Уровень 8 — например Claude Code / Codex / Cursor и тому подобные. За качество отвечают — Моделька + Harness + еще по мелочи
Уровень 9 — например Hermes / OpenClaw. За качество отвечают — Все то же самое, что и на уровне 8 + слой личной памяти + мессенджер + коннекторы в ваши сервисы + персональные skills
У меня у самого подобный агент уже был 3 месяца и крутился на OpenClaw. Но для написания статьи решил еще и Hermes попробовать
Кстати спойлер — разницы между Hermes и OpenClaw практически нет. Просто Hermes лишен кучи функций, что можно счесть как за плюс, так и за минус. Но зато у него есть Self Healing механизм, которого нет у OpenClaw
------------------
Ниже — про наполнение моего агента и что он умеет А именно на это и уходит основное время при создании персонального агента
Личные системы - finances — ведёт мои финансы в Notion: расходы, доходы и отчёты - ticktick — управление моим тасктрекером TickTick: списки на день, создание задач и подзадач, ну и все такое - google-calendar — полный контроль гугл календаря, где я ставлю совместные события и расписания с учениками - weekly-summary — собирает недельный обзор из задач, календаря, финансов, почты, аналитики и SEO по сайту + истории сессий, чтобы я посмотрел на прошедшую неделю целиком
Мое обучение - google-forms — читает анкеты и ответы участников - notion — ведет базу по моим ученикам - ga4 — аналитика моих сайтов в гугл аналитике - seo-monitor — SEO/GEO мониторинг сайта ilia-pro-ai.com. - youtube — навык по работе с YouTube, упаковка каждого нового видоса и сбор данных
Работа с документами - google-sheets — работает с таблицами: ученики, оплаты, анкеты, аудиты. - google-docx — создает классные контракты/договора
Соцсети - linkedin — читает мой LinkedIn-профиль, посты и engagement. - threads — работает с черновиками / публикациями /метриками в Threads - threads-writer — пишет драфты постов для Threads из идей, ссылок, статей.
Жизневое - concert-monitor — мониторит концерты в Bangkok/Thailand по моим артистам. - local-entertainment-research — еженедельный мониторинг кино, события и евентов на неделю - shopping-product-research — экспериментальный набор скиллов по работе агента с маркетплейсами, пока в процессе - online-ordering-automation — экспериментальный набор скиллов по заказу еды/продуктов - outreach-deeplinks — делает кликабельные ссылки для WhatsApp/LINE/tel с готовым текстом
B2B / ресёрч - b2b-outreach-research — ищет компании, ЛПР, каналы связи и углы для outreach в LinkenIn - apify — навык работы с Apify для скрейпинга любого сайта
Сегодня еще наконец-таки подрубил Telegram к нему и запустил его туда как пользователя — теперь мой агент может еще и так
1. Смотреть список всех моих диалогов
2. Читать историю конкретного чата. Например:
Расскажи, что за последние 2 дня ученики написали в чатике AI Advanced Alumni
3. Искать по Telegram-истории. Например:
Поищи я там где то мес назад скидывал контракт для Hochland, но не могу чатик найти
5. Смотреть каналы как пользователь и делать по ним дейли саммари
6. Скачать любые медиа из чатов Файлы, голосовые, фото, видео — если нужно обработать/распознать/суммаризировать
7. Писать всем подряд тоже может, но есть вероятность словить бан за такое
———————
P.S.В комментах скину домашку, которую можно выполнить, чтобы завести подобного агента и сделать более менее рабочим
Пока писал статью про Context Engineering, то дополнительно решил изучить вопрос, который был на хайпе 3 месяца назад
Реально ли Caveman Output Style экономит токены для агентов
Суть
Несколько месяцев назад расхайпилась казалось бы очевидная идея: если заставить модель отвечать коротко, то можно сэкономить много output-токенов
Одна таких реализаций — репо Caveman, который заставляет модель говорить как пещерный человек. Целых 77к звезд
Вот как пример
Обычный ответ модели
The reason your React component is re-rendering is likely because you're creating a new object reference on each render cycle. When you pass an inline object as a prop, React's shallow comparison sees it as a different object every time, which triggers a re-render. I'd recommend using useMemo to memoize the object
Ответ в стиле Caveman
New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo
Ну и как следствие, обещания автора
Faster response — less token to generate = speed go brrrEasier to read — no wall of text, just the answerSame accuracy — all technical info kept, only fluff removedSave money — ~71% less output token = less cost
Этот репозиторий очень сильно расхайпился — и основная суть всех новостей была в том, что с этим стилем теперь можно тратить на 40-70% меньше output токенов — который самые дорогие
Чтобы лучше понять механизм потенциальной экономии, нужно посмотреть, где агентные системы по типу CLAUDE CODE | CODEX вообще генерируют OUTPUT токены
1. Обычный ответ, который видите вы 2. THINKING блоки, которые вы можете не видеть 3. Генерация кода / схем, которые нельзя сжать 4. Вызов Tools + Цикл tool call → result → next message
В случае выбора любого OUTPUT стиля мы влияем только на пункт 1 — Обычный ответ, который видите вы
И, насколько мы все тут знаем — то, что модель выдает нам как результат ответа — в среднем ~5-10% от всех OUTPUT токенов
Ну так вот
Я по приколу сделал мини эксперимент, где взял 3 варианта Output Style's и прогнал на 5 разных задачах
1 стиль — Caveman Light (Original skill из репозитория выше) 2 стиль — Explanatory. Стиль, который наоборот, старается объяснять как можно подробнее. Я его сам всегда использую — объясняет свои решения и делится инсайтами. 3 стиль — Самописный True Caveman. Который должен общаться прям как настоящий пещерный человек
Инсайт, что строгий промптинг для True Caveman стал самым дорогим. И я думаю из-за того, что Thinking блоки заставляли модель постоянно себя перепроверять, говорит ли она в данный момент как True Caveman или нет. Так как ее это делать не учили.
Статью я написал на своем сайте, так как там много графики и элементов используется, которые на хабре не работают
Функция обзоров от ИИ в поисковой выдаче Google хорошо зарекомендовала себя неадекватностью ответов. Пару лет назад AI Overview предлагала закрепить сыр на пицце с помощью клея, бороться с депрессией с помощью суицида, а также бегать с ножницами. Год назад этот блок в выдаче уличили в цитировании контактных данных мошенников. Полгода назад искусственный интеллект в поисковой выдаче оболгал невиновного.
На очередной промах AI Overview обратил внимание энтузиаст старых версий операционок Bob Pony. Как указал блогер, обзоры от ИИ противоречат даже самой поисковой выдаче: языковая модель утверждает, что на процессор Pentium первого поколения поставить Windows 7 невозможно, а первым результатом немедленно всплывает видеоролик, где вроде как демонстрируется обратное.
На самом деле быстрая и дешёвая разновидность модели Gemini 3, обслуживающая эту функцию поиска, здесь не ошибается.
Формально сам скриншот заявление AI Overview не опровергает: NTDEV ставил «семёрку» не на реальный осязаемый компьютер из выцветшего желтоватого пластика, а в эмуляторе 86box. С другой стороны, Windows 7 действительно загружается на Pentium первой половины девяностых. К примеру, один из энтузиастов показал процесс загрузки этой операционки на ядре P54C. Для этого пришлось задействовать Windows 7 с Service Pack 1 и устанавливать операционку на 600-мегагерцевый AMD K6-2+ с 768 МиБ ОЗУ, а потом уже даунгрейдить процессор на 90-мегагерцевый Pentium. В системе при этом осталось 128 МиБ ОЗУ, хотя есть сообщения об успешном запуске с 96 или даже 64 МиБ.
Это, кстати, общая схема всех таких экспериментов: устанавливать нужно на процессор поновее, а потом уже менять мозги на более медленные, поскольку с нуля Windows 7 на Pentium не встанет. То есть ИИ в поисковой выдаче Google то ли случайно, то ли нет, но ответил верно.
По изменению кармы я заметил, что здесь все еще много фанатов Google, которые смотрят на компанию как на визионера. Давайте это изменим.
Don’t be evil
Сегодня у Google совсем другие цели и методы. Совсем недавно из компании ушли специалисты в области ИИ (Джон Джампер и Ноам Шазир). Эти уходы совпали с падением акций Alphabet почти на 270 млрд (до 346$ за акцию на данный момент), что показывает, как сильно инвесторы обеспокоены утечкой мозгов. Иногда просачиваются письма с критикой, они часто поверхностные, но передают внутренние сомнения относительно пути и будущего компании.
Мертвый интернет
Многие заметили, что интернет стал меньше. Раньше было очень много персональных сайтов, форумов, где люди вели блоги и выкладывали фотографии своих питомцев. Сейчас они исчезли куда-то, вы при всем желании не сможете их найти. Но дело не в том, что сайты закрылись. Просто правила изменились. Стало выгоднее показывать нерелевантную выдачу. Автор статьи считает, что эту их инициативу можно сравнить со сжиганием Александрийской библиотеки.
Кроме аномального ранжирования можно вспомнить жалобы владельцев сайтов, что отношении некоторых ресурсов происходит ручная дискриминация, искусственное понижение их ранга. Как показывает практика, эти правила уже не уникальны, для других поисковых систем действуют те же алгоритмы.
Сейчас словить бан можно весьма “забавными” способами. Даже не обязательно писать в Facebook что-то, чтобы навсегда потерять свой профиль. Обнуление еще не грозит цифровой смертью, но мы туда очень быстро идем.
Остывающий труп интернета
Как я понял, еще не все знают про Google Marketing Live 2026. Теперь реклама будет встраивается прямо в диалог с ИИ, а не просто показываться рядом со ссылками. Диалоговые рекламные объявления (Conversational Discovery ads), выделенные ответы (Highlighted Answers) - это уже не про баннерную слепоту, а органическую интеграцию рекламы в ИИ-сервисы. Похоже, что обычный поиск исчезнет. Но пока компания решает задачи встраивания рекламы в ИИ, она теряет ключевых творцов этих технологий.
Экономическая модель, на которой держался интернет последние 30 лет, просто разрушается. Если создатели контента перестанут получать трафик и доход, у них исчезнут стимулы создавать новый, качественный контент. Но если бы Google мог дать объективную информацию… Поисковики и соцсети, оптимизированные для вовлечения, и так показывают нам то, что мы любим. С ИИ это усилится, мы будем реже слышать критику. Это может привести к тому, что разные люди будут жить в совершенно разных информационных мирах (эхо-камерах), не имея общего представления о реальности.
Настанет ли мертвый или даже холодный интернет? Проблема не в том, что появились боты, а что в ответ на это возникли фильтры, которые часто глушат голоса реальных людей, особенно тех, кто мог бы подсветить направление для выхода.
Я сделал AlbumentationsX MCP — MCP-сервер для работы с аугментациями в computer vision.
Идея простая: когда ты собираешь augmentation pipeline, не хочется бесконечно вручную перебирать transforms, гадать с параметрами и проверять глазами десятки вариантов. Хотелось, чтобы MCP-host мог помочь: найти подходящие transforms, собрать консервативный baseline, провалидировать pipeline, отрендерить локальные previews, сравнить результаты, собрать feedback вроде too_noisy:high и экспортировать принятый вариант.
Проект работает поверх AlbumentationsX и не пытается делать магию вместо тебя. Он помогает быстрее пройти цикл: recommend → validate → preview → compare → adjust → export.
Особенно полезно, если ты делаешь classification, detection, segmentation, OCR или просто хочешь быстрее проверять качество аугментаций на локальных примерах.
Laddering: от метода триад Келли до AI-оценки креативов
Делимся записью доклада нашего маркетолога-аналитика Вити. Будет особенно полезно тем, кто работает с рекламными сообщениями, идеями кампаний, текстами и анализом позиционирования.
Нейросети против фрилансеров: тест 11 сайтов за 321 рубль
YPage
Решил провести эксперимент. Взял платформу YPage, где сайт собирается в чате с нейросетью, и заставил ИИ делать лендинги для реальных бизнесов. Без сложных промптов, без уточнений. Один запрос - одна модель. Одинаковое условие для всех: "Сделай сайт для доставки еды. Контент придумай сам". И так 11 раз подряд.
Результат удивил даже меня, хотя я уже видел много разных ИИ-экспериментов.
Условия эксперимента
Платформа: YPage.
Всего проектов: 11.
Успешно сгенерировалось с первого раза: 9.
Полный провал: 2.
Задание: одна короткая фраза в чат.
Сколько это стоило
Внутри тестового пространства 1 кредит = 10 копеек. За все успешные проекты я заплатил 321 рубль. Это меньше, чем средний чек в кофейне на троих.
Самый дорогой сайт потянул на 89,50 рубля. Самый дешёвый, но рабочий - всего 9 рублей. Средняя цена одного лендинга - около 36 рублей. Среднее время генерации - 3 минуты.
Что получилось
Доставка еды от DeepSeek V4 Pro (24 рубля, почти 6 минут) - полноценный лендинг FoodGo с навигацией, геройским блоком с призывом, меню и отзывами. Вёрстка на Bootstrap, структура продуманная. Самый долгий по времени, но качество топовое за такие деньги.
Кофейня от Qwen 3.7 Max (25,70 рубля, 4:32) - "Зёрна & Вкус". Уютно, есть меню, галерея, мобильное меню работает. Идеальный вариант за полцены обеда.
Салон красоты от Claude Sonnet 4.6 (72,40 рубля, 3:49) - уже уровень "дорого-богато". Кастомная типографика, золотая палитра, каждая секция проработана. Самый красивый сайт в тесте.
Агентство недвижимости от StepFun 3.7 Flash (11 рублей, 1:43) - "Городские Решения". Каталог объектов, форма заявки. Создался за полторы минуты и почти даром.
Курсы программирования от GPT-5.3 Codex (28 рублей, 2:05) - "КодКидс". Чистая структура, пробный урок, тарифы. Всё ровно, без косяков. Быстрее, чем у старшего брата GPT-5.4.
А вот здесь нейросети облажались
Gemini 3.5 Flash и Gemini 2.5 Flash Lite - полный провал. На сайте пустая заготовка с текстом "Новая страница". Генерация оборвалась через 10–15 секунд. Денег не взяли, но и сайта нет. Единственные модели, которые не смогли сделать вообще ничего.
Ветеринарная клиника от Claude Opus 4.8 - самый дорогой проект за 89,50 рубля. Сайт хороший: услуги, врачи, цены, контакты. Но нейросеть вставила в HTML технический мусор - слово "Новая страница" над шапкой. За такие деньги могла бы и без косяков.
Курсы программирования от GPT-5.4 (37,20 рубля) - контент сильный, дизайн современный. Косяк в блоке с тарифами: средняя карточка приподнята и висит выше соседних. Выглядит неровно.
Фитнес-клуб от Qwen 3.5 Flash (9 рублей, рекордсмен по дешевизне) - сайт есть, но выглядит как типовой шаблон Bootstrap. Синяя палитра, стандартные блоки. Дёшево и сердито, но без души.
Юридические услуги от GLM-5.1 (24,20 рубля) - структура и контент хорошие. Проблема в блоке "Опытные юристы": у двух карточек не портреты специалистов, а какие-то общие картинки из других разделов.
Сравниваем модели
Anthropic (Claude) - стабильно выдают полноценные лендинги. Sonnet 4.6 дал лучшее качество в тесте, но дороже среднего. Opus 4.8 - глубокий контент, продуманная структура, но самый дорогой и с мусором в коде. Sonnet - мой фаворит.
OpenAI (GPT) - обе модели надёжны, ни одного сбоя. GPT-5.4 даёт хороший контент и современный дизайн, но мелкий косяк с карточками цен. GPT-5.3 Codex быстрее и дешевле, визуально чуть проще, но результат чистый. Codex - оптимальный выбор по цене и скорости.
Google (Gemini) - единственные, кто полностью провалился. Обе модели выдали пустые заготовки.
Qwen - 3.7 Max даёт хороший результат за 26 рублей. Flash версия - самый дешёвый и быстрый вариант, но дизайн шаблонный, есть технический мусор.
DeepSeek V4 Pro - один из лучших в тесте за 24 рубля. Долго генерировал, но результат профессиональный.
StepFun 3.7 Flash - 11 рублей за полноценный сайт. Отличное соотношение цены и качества.
Z-AI GLM-5.1 - хорошая структура за 24 рубля, но картинки в блоке команды не соответствуют теме.
В подкасте Радио-Т 1018 был интересный момент, что у ИИ сейчас гораздо меньше опенсорсных репозиториев и датасетов на Swift, чем условно на Python или Go. И поэтому, как Claude Code, так и Codex хреново пишут нативные iOS приложения. А ведь API языка обновляется, имеющиеся данные в нейронках устаревают с каждым WWDC.
Я как бэкендер с этой темой не сталкиваюсь. Стало интересно, как в Apple вайбкодят разрабы и влияет ли это как-то на темпы разработки по сравнению с конкурентами. Apple Intelligence пока пытались запустить для обычных потребителей, или когда анонсировали переход на Gemini-бэкенд, это повлияло как-то на пайплайн разработчиков? Есть ли у их моделей какой-то секретный проприетарный датасет, чтобы повысить качество работы с их экосистемой?
Мне короткий гуглеж выдал, что анонсировался Swift Assist в 2024, но в 2025 году от него отказались в пользу доступа к любым моделям с помощью API-ключей. То есть сама компания не может предоставить продакшн тулинг за счет доступа к самому большому в мире закрытому репозиторию Swift-кода. Получается, Apple со своей закрытой инфраструктурой не может оставаться верной своей концепции. В эпоху агентской разработки у компании не получается замыкать на своем решении инженеров, чтобы не уступать конкурентам.
Тут у меня котелок начал накидывать вопросы.
Apple ладно, а какое будущее у новых языков программирования? Будут ли авторы новых языков задаваться вопросом «как мой язык будут поддерживать нейросети?» Их популяризация будет целиком и полностью за счет опен-сорс коммьюнити теперь, пока остальные языки будут писать агенты? Сообщества сами генерят синтетические данные для языков программирования, чтобы локальные модели лучше умели в определенный скилл? Или может для языков будут сразу разрабатываться скиллы или MCP? Какую роль в адаптации к агентсткой разработке будут играть компилируемые языки со строгой типизацией по сравнению с нестрогими, скриптовыми языками? А поддержка нового языка агентами на сносном уровне, - это повод для флекса в презентации у компании?
24 июня в Нью-Йорке анонсировано мероприятие «Computer for Counsel» - для юристов, которые хотят встроить ИИ в исследование, подготовку документов и управление делами. Perplexity может стать одним из крупных ИИ-игроков, которые идут в Legal, наравне с Anthropic, OpenAI, Microsoft.
Почему мне это интересно не как новость, а лично: я использую Perplexity в юридической работе каждый день. Основное, для чего применяю, - факт-чекинг и проверка источников. По моему опыту их модель с цитированием работает неплохо: получаешь тезис, получаешь источник, можешь проверить. Для юриста верифицируемый след может быть критически важен.
Perplexity заявляют, что в пост-тренинге они поощряют модель только за фактически точные ответы и дообучают на точность, а не на стиль. Заявка серьёзная. Мой опыт отчасти подтверждает: когда нужно найти первоисточник, цепочки источников у Perplexity точнее, чем те, что дают, например, Claude или ChatGPT.
Отчасти. Потому что Perplexity тоже галлюцинирует. Я ловил их и на несуществующих цитатах, и на ненадёжных источниках. Да, в Perplexity след есть, но по нему также нужно пройти, чтобы верифицировать. «Есть ссылка» не значит «проверено».
В общем, заявления уху приятные, но, думаю, особо подход в работе не изменят - перепроверять меньше не придётся.
Ну и сам факт того, что уже столько крупных ИИ-игроков в сегменте Legal за пару лет впечатляет. Возможно, у меня туннельное зрение, но виден явный интерес к рынку, где работают юристы. Радоваться такому интересу или грустить о том, что «нас всех заменят», пока непонятно. Но рынок перестаёт быть нишевым, а значит инструменты будут дешеветь и улучшаться, что с профессиональной точки зрения не может не радовать.
Ссылка на страницу мероприятия Perplexity в комментах.
Представлена мощную опция автоматизацию для Codex от президента OpenAI Грега Брокмана. Промпт loop тестирует каждую фичу приложения и проводит полноценный аудит проекта:
ИИ разложит по полочкам каждую фичу приложения: как ее используют, удобна ли она, как должна работать на самом деле.
Тестирует все сценарии использования и записывает ошибки в отчет.
Исправляет логику, баги, а также UX.
После фиксов тестирует проект заново и оттачивает его до идеала, повторяя итерации.
Промпт loop ИИ‑агента:
/goal go over every single feature in this app create a user story with expected behaviour based on the code keep a single canonical spreadsheet tracking the features status
when done switch loop to testing every user story and documenting all errors
Неделю назад здесь пробегала новость про "белый VPN" от Билайна - мол, запустили легальный доступ к Spotify, Netflix и паре других сервисов через подписку. Звучало как анонс без деталей: ни механизма, ни цены, ни внятного списка.
А сегодня в смс упала рассылка с конкретикой. И это уже не "планируется" - это работает.
Что именно включили
Механизм оказался прозаичным до приятного: услуга «статический IP-адрес» для домашнего интернета. 180 рублей в месяц. Подключаешь - и устройства в твоей домашней сети (ПК, ноут, Smart TV, телефон по тому же Wi-Fi) ходят на список зарубежных сервисов напрямую, без VPN-клиента, без настроек, без плясок с конфигами.
Сам Билайн называет это "белым VPN". Формулировка гендиректора простая: есть сервисы, которые не попали под ограничения Роскомнадзора, но сами перестали работать с Россией. Вот к ним и открывают прямую дорогу. Концепцию, к слову, ещё весной показывали на ПМЭФ - но одно дело слайд на форуме, другое дело строчка в личном кабинете, которую можно нажать.
Я полез в список
Дальше начинается интересное. В рассылке приложен список сервисов, доступных с этой услугой. Больше сотни наименований в четыре колонки. И если первая новость крутилась вокруг развлечений (стриминги, игры), то здесь видно совсем другую картину.
Я читаю его глазами человека, который пилит пет-проект на LLM и половину дня живёт в AI-инструментах. И вижу там почти весь свой рабочий стек:
OpenAI / ChatGPT, Perplexity, Hugging Face, Character.AI, Pi AI;
Cursor, JetBrains, Replit, Windsurf, Trae, Bolt, Qodo - то есть среды и AI-помощники для кода;
Плюс привычное - Steam (???), Spotify, Netflix, PayPal, Wise, Revolut, Stripe. Но лично для меня ключевое не это. Ключевое - что в список наконец-то попали инструменты, на которых реально работаешь, а не только те, которыми отдыхаешь.
Чем это отличается от обычного VPN - и почему для AI это важно
VPN для работы с нейросетями - это отдельный жанр боли. Канал то падает, то лагает, ответ модели обрывается на середине, стрим токенов рвётся. А ещё многие сервисы не любят, когда ты заходишь с явного VPN-адреса из публичного пула: можно словить капчу на каждый чих, а то и подвесить аккаунт «за подозрительную активность».
Статический белый IP от оператора - это другое. Это твой постоянный адрес, легальный с точки зрения сервиса, не из шумного VPN-пула. Для модельки, которая отвечает потоком, стабильность канала важнее, чем кажется. И когда твой основной VPN в очередной раз ложится отдохнуть, приятно знать, что Cursor и ChatGPT на домашней машине продолжают работать как ни в чём не бывало.
Где подвох
Трезвая часть.
Только домашний интернет Билайна. Это не мобильная сеть и не твой ноут в кафе. Работает ровно в той домашней сети, где висит статический IP. Ушёл из дома - ушёл и доступ.
Регистрация и оплата сервисов - по-прежнему на тебе. Услуга открывает сетевую дорогу, но подписку на ChatGPT Plus или Midjourney за тебя никто не оплатит, и в стоимость 180 рублей она не входит. Как платить зарубежному сервису из РФ - отдельный квест, который эта услуга не решает.
Список закрытый и может меняться. Сегодня сервис в списке, завтра - нет. И обратное тоже верно: список явно будут расширять.
IP всё равно может попасть в бан-листы. Белый он для оператора, но сам сервис вправе вводить свои ограничения.
Почему это всё-таки хорошая новость
При всех оговорках - это первый звоночек, который мне правда нравится. Не очередной костыль на стороне пользователя, а доступ, встроенный в инфраструктуру оператора, легально и в один клик. И судя по тому, что про "открытие доступа без VPN" заговорил уже не один оператор, это не разовая акция Билайна, а тренд, к которому остальные, скорее всего, подтянутся.
Представлен открытый проект SnapOtter. Это сервис, который делает с изображениями действия по одному клику. В проекте 50 различных инструментов: удаление фона, обработка изображения, обрезка, сжатие, конвертация форматов, вырезка объектов, наложение и стирание водяных меток, цветокоррекция, векторизация, создание гифок, поиск дублей и генерация картинок. В решение встроен локальный ИИ, который удаляет фон, апскейлит картинки и реставрирует повреждённые фото. При этом можно связать несколько инструментов в пайплайн и запускать их одной командой.
Энтузиаст решил возродить легендарную World of Warcraft и создал сервер, на котором играют 1800 ИИ‑ботов с DeepSeek. Они ведут себя как реальные люди: пишут в чат, качают персонажей, бегают по рейдам и активно PvPшат. Сам автор не написал, какой стек он использовал, но эксперты выяснили, что это AzerothCore с mod-playerbots и mod-ollama.
Извлекаем любые данные из документов - представлен открытый сервис Datalab (Hugging Face), который помогает «общаться» со всевозможными файлами и работает на уровне Gemini 3.5 Flash и опережает все открытые аналоги:
Вытягивает структурированный и понятный JSON из PDF, изображений и других файлов.
Обрабатывает десятки страниц за секунды. Нейронке можно скармливать даже огромные файлы.
До сих пор оценка эффективности нейросетей и ML-моделей в бизнесе часто напоминала гадание. Команды хвастались «высокой точностью модели», а финдиректора разводили руками, не понимая, где реальные деньги.
Чтобы разобраться с этим вопросом, команда Альфа-Банка совместно с Альянсом в сфере ИИ, Ассоциацией ФинТех и двумя десятками ведущих компаний разработали методику расчёта финансового эффекта от ИИ-проектов и упаковали её в документ под названием «Методология оценки финансовой эффективности от ИИ/ГенИИ».
Это детальный гайд на 88 страниц о том, как прекратить считать «виртуальные деньги» и начать управлять ИИ как жестким инвестиционным портфелем. В документе подробно описаны ответы на вопросы «Какими метриками можно оценить фин. эффект от ИИ?», «Какими методами можно посчитать эффект от ИИ?», «Как избежать двойного посчёта эффекта от проекта?», добавлены примеры расчётов на примере кейсов внедрений и описаны типовые ошибки.
Методология прошла публичную проверку на совместном митапе с Альянсом в сфере искусственного интеллекта, и мы можем с уверенностью сказать, что она работает. Документ опубликован, переходите по ссылке, и применяйте у себя.
Уволили сотрудника, заменив на ИИ? Затраты на подписку и токены превысили сэкономленную зарплату. Потратили 5 млн на корпоративного помощника? Через полгода им никто не пользовался, а модель устарела.
Знакомо?
95% компаний не получают прибыли от инвестиций в ИИ. Всë из-за неверного подхода.
Базовый пайплайн обучения нейросети складывается из нескольких этапов: подготовка датасета и разделение на train/validation/test, токенизация и приведение последовательностей к единой длине, выбор архитектуры, обучение по эпохам с обратным распространением ошибки и оценка результата. В статье прошлись по основным типам сетей и по инструментам. А также разобрали метрики оценки модели и варианты деплоя обученной сети.
Kimi запускает AI-кредитку: кэшбэк теперь возвращается токенами
Токены - новый кэш? По крайней мере, новый кэшбэк.
Вместо миль и баллов пользователь получает AI-токены, лимиты для агентов и доступ к новым моделям.
Kimi называет продукт “первая в мире AI-native кредитная карта”. Слоган лендинга: “Одна карта, соединяющая платежи, AI и будущее”
Официальное определение “AI-native credit card” у Kimi такое: в систему открытия карты и расходования бонусных баллов встроены Kimi membership, лимиты/квоты и другие AI-права; также обещаются курсы по промптам и AI-sharing мероприятия, чтобы пользователь получал эксклюзивный опыт использования AI во время оформления и использования карты.
На лендинге форма резервации принимает только 11-значный номер телефона материкового Китая (карта создаётся Kimi совместно с крупным гос. банком).
Главная механика: повседневные траты по карте превращаются в AI-бонусы. Китайские медиа пишут, что баллы от покупок можно будет обменивать на Kimi compute / token allowance, лимиты для Agent, доступ к продвинутым функциям и другие AI-сервисы.
AI compute rewards - баллы за траты можно конвертировать в вычислительные/токен-лимиты Kimi. Ранний доступ к новым моделям - держатели карты получают приоритетный доступ к тестированию новых возможностей Kimi. Закрытые AI-салоны / офлайн-мероприятия - встречи и мероприятия для держателей карты с инсайтами по AI-индустрии.
Архитектор тратит время на задачи, которые мог бы взять на себя ИИ: поиск антипаттернов, первая версия NFR, сравнение технологий, наброски диаграмм и модели данных. Однако хаотичное использование нейросетей даёт красивый, но часто неверный результат.
23 июня на практическом вебинаре «ИИ-инструменты в работе архитектора ПО» разберём рабочие сценарии, где ИИ реально сокращает рутину — до 4 часов вдень в зависимости от задачи и контекста.
На вебинаре:
1. Обнаружение сложных антипаттернов в архитектуре.
2. Формулирование функциональных требований на основе контекста.
3. Формирование нефункциональных требований при отсутствии таковых от заказчика.
4. Формирование типовой архитектуры по требованиям.
5. Генерация диаграмм.
6. Генерация модели данных для одной из предметных областей.
7. Генерация кода развертывания БД по ER-диаграмме.
8. Сравнение и выбор технологий.
📆 Когда: 23 июня, 15:00 — 16:00 (Мск)
🧑🎓 Спикер: Овчаренко Дмитрий, специалист в области архитектуры ПО, технический директор
Оружие или зависть? Правительство США заставило Anthropic отключить доступ к новым ИИ-моделям
Приятно пользоваться нейросетью, которая помогает написать код или деловое письмо. Но долго ли эта возможность будет доступна бесплатно или за относительно небольшие деньги? Когда технология становится стратегической, доступ к ней пропадает. Например, начало разработки ядерной бомбы в СССР связывают с письмом ополченца Георгия Флёрова Иосифу Сталину — он отметил, что в научных журналах пропали работы по изучению распада атома, а значит, использование радиоактивного излучения перешло из научной стадии в промышленную. Флёров был отозван с фронта и стал одним из отцов советской ядерной программы. Не по той же ли схеме правительство США приказало Anthropic убрать доступ к двум новым ИИ-моделям — Fable 5 и Mythos 5?
9 июня Anthropic выпустила новые самые мощные ИИ-модели Fable 5 и Mythos 5, а уже 12 июня сообщила об отключении доступа к ним для всех по требованию правительства США. Формально требование касалось только неграждан США, но, видимо, разработчик пока не имеет надёжной системы определения гражданства пользователя. Отметим, что для любой ИИ-модели крайне важно её использование как можно большим числом пользователей — модель дообучается, а разработчик исправляет её недостатки. Поэтому Anthropic крайне невыгоден текущий запрет, и компания старается его оспорить.
Формальная причина запрета — потенциальная возможность использовать Fable 5 для взлома веб-сервисов. Опасность применения злоумышленниками актуальна для любой системы, и поэтому разработчики применяют меры предосторожности. Причём в случае Anthropic моделей две как раз из соображений безопасности: Mythos 5 — мощная ИИ-модель без ограничений для узкого круга специалистов, а Fable 5 доступна широкому кругу пользователей, но имеет массу ограничений.
Специалисты по кибербезопасности считают, что ограничения в любой ИИ-модели можно обойти, и в этом плане Fable 5 не опаснее предшественников: потребуется слишком много усилий, чтобы применить её для взлома. Многие из них просят вернуть доступ к новым моделям Anthropic.
Возможно, дело в том, что использование ИИ с целью взлома систем стало трендом в этом году: современные модели обнаруживают уязвимости пачками. И, возможно, правительство США решило, что пришло время отобрать у других стран доступ к потенциальному оружию.
Есть более человеческая версия. Anthropic готовится к IPO и вслед за SpaceX (включающей xAI) может стать одной из самых дорогих компаний мира. Это вызывает зависть, тем более мы уже рассказывали, что компания ссорилась с правительством США. Добавляет интриги сообщение о том, что правительству на Anthropic настучал — внезапно — её крупнейший инвестор, компания Amazon. Деньги деньгами, но кому-то очень не нравится отдавать рычаги управления миром молодой компании.
ИИ уже в ежедневной разработке. Cursor, Claude Code, Copilot и другие инструменты помогают писать код, собирать прототипы, проверять гипотезы и быстрее двигаться от идеи к работающему решению. Правда, для этого нужно перенастроить инженерный процесс и ответить на важные вопросы.
❓ Кто отвечает за качество сгенерированного кода? 🧪 Как проверять, который написал не только человек? 🚀 Как ускорение разработки меняет внутренние процессы?
Что делать с безопасностью, если, по данным Veracode, 45% проверенных образцов AI-generated code не прошли security-тесты и получили уязвимости из OWASP Top 10?
25 июня в Сфере X5 в Парке Горького проведём первый митап серии AI & ML Talks. Он будет посвящён теме «Vibe Coding: новая разработка или новый техдолг?»
Со спикерами из Альфа-Банка, X5 Tech и X5 Digital обсудим, что уже происходит в командах: где заканчивается «vibe» и начинается инженерия, какие ИИ-инструменты реально помогают разработчикам, а что пока остаётся демкой. Отдельно поговорим о качестве, безопасности, ревью и о том, насколько большие компании готовы пускать ИИ-код в продакшен.
🎤 В программе три доклада, Hot Battle на спорный тезис с голосованием зала и нетворкинг под открытым небом.
👥 Митап будет полезен разработчикам любого стека, тимлидам, AI-early adopters и всем, кто уже использует ИИ-инструменты в работе или только разбирается, как встроить их в свой процесс.
🗓 Встречаемся 25 июня в 18:30 на площадке «Сфера X5» в Парке Горького.
Без работы на дядю люди как-то справлялись. Хуже другое.
Вот смотрите - появились смартфоны. Появились в них карты и навигаторы. Вы не обращали внимание, как у многих людей атрофировался навык ориентировки на местности? Сколько людей стоят у выхода из метро, держат в руках телефон с картой и не понимают - куда им идти?
Человечество медленно и тысячелетиями вырабатывало полезные навыки - научились выращивать еду, создавать инструменты - всё чего достигла наша цивилизация - это благодаря навыкам, которые очень долго постигались и передавались следующим поколениям.
И вот львиную часть этих навыков ИИ сейчас пытается отнять у человека, превратить нас в беспомощные и зависимые от розетки существа.
Маленькое удобство сейчас, дать чуточку воли своей лени и через несколько лет можно превратиться в инвалида, который без “большого брата” не сможет поддерживать свою жизнь.
А за беспилотные авто в России ответит пользователь
Когда говорят об ИИ, обычно обсуждают вычислительные мощности и размеры ИИ-модели, но есть ещё одно направление, которое может кардинально изменить применение технологии, — это регуляторика, законы и, если хотите, философия применения. По сообщению «Коммерсанта», Минтранс подготовил новую редакцию законопроекта о правилах движения и эксплуатации беспилотных автомобилей, в которой указано, что при ДТП с участием автономного транспортного средства (ТС) возмещать ущерб здоровью потерпевших и их имуществу будут владельцы высокоавтоматизированных транспортных средств (ВАТС). О чём это говорит?
1. Вступление закона в силу планируется уже осенью 2027 года. Видимо, мы уже близки к применению беспилотников на дорогах по всей России. Сейчас они действуют только в экспериментальных зонах.
2. Регионы смогут ограничивать применение беспилотников как в регионе в целом, так и в отдельных локациях, в определённые дни или при проведении мероприятий. Это логичное решение после хаоса в Китае из-за внезапно вставших на прикол беспилотных авто.
3. Оплачивать ущерб за ДТП с участием ВАТС (беспилотника) будет его владелец. Но потом он может предъявить регрессный иск создателю софта, если авария произошла по причине сбоев в программно-аппаратной части. Вот это третье нововведение тянет на глобальное решение, которое может помочь или затормозить распространение беспилотных машин. Похожей по значимости была ситуация с софтом для первых персональных ПК — регуляторы разрешили продавать софт по принципу «плати как есть» без ответственности разработчика за сохранность пользовательской информации. С одной стороны, это привело к многочисленным случаям потери данных — разработчики заботились о надёжности софта, пока это не мешало получать прибыль. Зато это позволило разрабатывать софт быстрее и большему количеству компаний. И в итоге привело к расцвету ИТ.
Если Минтранс примет новые правила с ответственностью владельца ВАТС за ущерб в ДТП, то, видимо, это потянет рост бизнеса на сдаче беспилотников в аренду (тогда едущий или перевозящий грузы не будет нести ответственность за ДТП), страхование (никто не знает, насколько беспилотники будут хорошо ездить при массовом выходе на дороги, и наверняка владельцы захотят подстраховаться), а главное — развяжет руки создателям программно-аппаратных систем для беспилотных авто. С одной стороны, они могут отнестись к новым ИИ-системам менее ответственно, зато получат больше возможностей для экспериментов, так как меньше ресурсов придётся резервировать, чтобы возместить ущерб пострадавшим при ДТП.
1С в 2026 году: разработка, архитектура и работа с требованиями
Современному специалисту по 1С уже недостаточно знать язык запросов, СКД и механизмы платформы. В проектах приходится разбираться в архитектуре информационных систем, моделировать бизнес-процессы, общаться с заказчиками и подключать ИИ к разработке и документации.
Собрали бесплатные уроки для разработчиков, аналитиков и архитекторов 1С от преподавателей-практиков. Выбирайте свою тему и регистрируйтесь.
Разработка и инструменты 1С
18 июня, 20:00. «Эффективная 1С-разработка с ИИ в 2026: от SDD к MCP-инфраструктуре». Записаться Поговорим о применении ИИ на разных этапах разработки: от подготовки спецификаций до создания инфраструктуры для AI-инструментов.
Анализ требований и бизнес-процессов
17 июня, 20:00. «Заказчик vs Стейкхолдер: как вовлечь бизнес в проект». Записаться Объясним, как выявлять интересы участников проекта, согласовывать требования и вовлекать представителей бизнеса в разработку решения.
24 июня, 20:00. «Внедрение новой функции системным аналитиком на примере услуги на Госуслугах». Записаться Покажем путь от бизнес-задачи и сбора требований до проектирования новой функциональности.
8 июля, 20:00. «Как писать PRD, ТЗ и user stories с помощью ИИ — быстро, структурно и без мусора». Записаться Расскажем, как использовать ИИ при подготовке требований и проектной документации.
Архитектура 1С-решений
17 июня, 20:00. «Архитектура информационных систем. Монолиты, SOA и микросервисы». Записаться Поговорим об основных архитектурных подходах и месте отдельных приложений в корпоративном ИТ-ландшафте. Это поможет лучше понимать интеграцию 1С с другими системами.
29 июня, 20:00. «Использование ИИ архитектором 1С: как ускорить анализ требований и подготовку документации». Записаться Покажем, как применять ИИ при анализе требований, проектировании решений и оформлении документации.
8 июля, 20:00. «Новшества языка ArchiMate 4.0». Записаться Расскажем, как описывать взаимосвязи между бизнес-процессами, приложениями, данными и элементами корпоративной архитектуры.
Данные и автоматизация бизнес-функций
17 июня, 20:00. «Как убрать “человеческий фактор” из финансовых моделей: от расчёта NPV до сложных систем оплаты труда». Записаться Объясним, как автоматизировать расчёты и снизить количество ошибок в финансовых и управленческих моделях.
9 июля, 20:00. «HR на языке цифр: от кадров к стратегии». Записаться Поговорим о кадровой аналитике и работе с HR-данными.
GLM 5.2 в open source: модель уровня Claude Opus 4.7, которую негде запустить, пока негде.
Zhipu выложили веса GLM 5.2 под MIT лицензией. 744 миллиарда параметров, MoE, 40 миллиардов активных на токен, контекст на миллион. GLM-5.2 играет достойно на многих бенчмарках.
Дома не запустить. FP8 веса ~800 гигабайт, нужно минимум 8 карт H200 или 10 карт H100. Теперь про abliteration, потому что в этом вся суть.
Любая западная модель отказывает вам по десять раз на дню. Напиши эксплоит для пентеста: отказ. Проанализируй уязвимость по CVE: отказ. Разбери вредоносный код из лога: отказ. Безопасники и разработчики каждый день упираются в стену цензуры и делают руками то что нейросеть могла бы закрыть за секунды.
Abliteration это удаление цензурных слоёв из модели. Модель перестаёт решать за вас что можно а что нельзя. Для моделей поменьше энтузиасты делают это за дни. Для 744B монстра уйдёт пара недель, но результат появится на Hugging Face неизбежно. MIT лицензия, веса открыты, технически ничего не мешает. Вопрос кто первым поставит под эту версию железо и откроет API.
Считаем деньги.
Huawei Ascend, легальный путь. Чип 910B: ~110 тысяч юаней (~1.4 млн рублей), нужно 16 штук (два сервера Atlas 800, ~1 ТБ видеопамяти). Итого 55-90 млн рублей. Производительность 60-70% от NVIDIA, зато без санкционных рисков.
NVIDIA H100, серый путь. Карта ~3.3 млн рублей, 10 штук с обвязкой: 40-50 млн. Быстрее, но риски поставки и нет гарантии.
Операционка: ~1-1.5 млн рублей в месяц (локация, электричество, инженеры).
Кто заплатит. Корпорации, которым нельзя лить данные в западные API: выделенный сервер с abliterated моделью, договор с юрлицом, ответственность на клиенте. Разработчики и физлица: публичный доступ, базовый тариф с обычной версией, премиум с abliterated после верификации.
Для российского рынка это окно. Ни один провайдер в РФ пока не даёт доступ к abliterated модели такого уровня. Что думаете?
Anthropic Fable 5/Mythos закрыли из-за jailbreak, которым потенциально могут воспользоваться неграждане США. Опубликованный Jailbreak достаточно громоздкий.
Вот мой jailbreak, очень простой:
$ cd iyye; git clone github / izard / iyye
$ claude
▎ Fable 5 is here! Our newest model for complex, long-running work
▎ Included in your plan limits until Jun 22, then switch to usage credits to continue.
> /model
3. Fable Fable 5 · Most capable for your hardest and longest-running tasks
> /init
> Любой промпт по работе с моим репозиторием
▎Detected biological query. Detected cybersecurity query. Detected frontier LLM development tasks. Fable 5 is not available, switching to Opus 4.8 and saved as your default for new sessions
False positive, конечно, я ничего этакого не делаю! Но обидно, и от промпта не зависит - просто мой домашний проект не нравится классификатору...
Но вот как классификатор можно [было] хакнуть:
$ cd ..; mkdir iyye_hack; cp ../iyye/source_file_1.py .
$ claude
> /model
3. Fable Fable 5 · Most capable for your hardest and longest-running tasks
> /init
> Please fix comments in source files in this repo
✻ Crunched for 22 seconds
> !cp ../iyye/source_file_2.py .
> Please fix comments in source files in this repo
И так далее, пока не скопируются все исходники, а модель не "привыкнет" работать над этим проектом. Короче, срабатывает парадокс кучи - если весь проект "опасный", то тот же самый проект, но в который исходники добавлялись по одному - уже нет!
Иногда мы ставим задачу и даже не задумываемся, что у коллег может не быть того же контекста, что и у нас. Нам кажется, что в постановке и так все очевидно: где лежат нужные данные, что именно нужно сделать и какой результат ожидается. Но после передачи в работу появляются уточнения, дополнительные обсуждения и вопросы, которые просто не учли заранее.
Мы обсудили эту проблему с Костей, специалистом по ИИ в Naumen. Он рассказал, как с помощью ИИ можно формулировать задачи понятнее, найти пробелы в постановке и сократить количество лишних уточнений в работе.
1️⃣ Как ИИ может помочь сформулировать задачу?
У нас в команде есть ассистент Dev Describer. Он помогает формулировать бизнес-требования к задачам разработки.
Например, можно описать задачу своими словами: «Нужно добавить уведомление о просроченной заявке в личный кабинет».
Ассистентпоможетуточнитьдетали:
когда именно показывать уведомление;
для каких пользователей оно должно работать;
какой текст нужен;
что считается ожидаемым результатом.
Если нужны дополнительные материалы — схемы, ссылки, скриншоты — мы сразу фиксируем их в задаче вместе с текстом.
Во многих случаях этого уже достаточно, чтобы закрыть большую часть уточняющих вопросов еще до старта работы.
2️⃣ А как проверить постановку перед передачей в работу?
Полезно попробовать посмотреть на нее глазами исполнителя. Для этого мы используем отдельный сценарий: даем ассистенту задачу и просим найти места, которые могут помешать начать работу.
Например: «Ты — исполнитель этой задачи. Тебе важно найти пробелы, которые мешают приступить к работе».
После этого ассистент помогает заметить:
где не хватает контекста;
что можно понять неоднозначно;
каких вводных не хватает;
какие вопросы, скорее всего, появятся у команды.
3️⃣ Что это дает в работе?
Такая проверка занимает буквально несколько минут, но помогает заранее убрать часть недопониманий. В результате становится меньше уточнений, дополнительных обсуждений и ситуаций, когда важные детали всплывают уже во время работы над задачей.
4️⃣ Где такой подход особенно полезен?
В задачах, где много контекста, зависимостей или участников. Чем сложнее коммуникация вокруг задачи, тем выше шанс, что разные люди поймут ее по-разному. В таких сценариях дополнительная проверка помогает экономить время всей команде.
Клиент написал стратегию в ChatGPT сам. Почему он всё равно заплатил маркетологу - и что это говорит об экономике профессии
Клиент написал стратегию в ChatGPT сам - и всё равно заплатил маркетологу. Экономика 5 уровней специалиста: от 15 000₽ до 270 000₽ за проект
Собственник прислал файл на 15 страниц. «ChatGPT написал мне стратегию. Может, и не нужно вам заказывать?»
Целевая аудитория описана как для кроссовок, а не для домов за 4 000 000₽. Конкурентный анализ — три абзаца общих фраз. Прогноза продаж нет.
По данным Sostav.ru, в России ИИ используют 93% маркетинговых команд. Проблема не в доступности инструментов. Проблема в том что заказчик теперь сам видит разницу между текстом и системой. Toolradar
Три структурных ограничения LLM в маркетинговых задачах
Отсутствие первичных данных. Языковая модель генерирует на основе паттернов из обучающей выборки — без доступа к CRM, истории продаж или реальным интервью с покупателями.
ChatGPT: «Мужчины и женщины 30-55 лет,
ценят качество и безопасность»
После 12 кастдевов с реальными пациентами:
Сегмент 1 (42%): женщины 45-60, страх боли,
цикл решения 2-6 месяцев
Сегмент 2 (27%): мужчины 35-50, страх «затянется»,
цикл 1-3 недели
Сегмент 3 (18%): выбирают для пожилых родителей
Разница в эффективности рекламы: 2–3 раза при том же бюджете.
Отсутствие constraint satisfaction. LLM перечисляет каналы без учёта бюджетного ограничения. При 300 000₽ на 7 каналов — ниже порога статистической значимости в каждом.
Нет causal model для прогноза.
LLM: «Снизить CPL на 20%» — откуда цифра?
Стратег: «При бюджете 300 000₽ ожидаем 85 обращений
с конверсией 30%» — из юнит-экономики ниши
Экономика пяти уровней
Уровень 1: оператор
→ Контент по инструкции
→ Конкуренция с ИИ: максимальная
→ Чек: 15 000–30 000₽/мес
Уровень 2: оператор + ИИ
→ Те же задачи в 3 раза быстрее
→ Чек +20% — заказчик не видит
разницы в результате
→ Чек: 30 000–60 000₽/мес
Уровень 3: специалист с методологией
→ Знает зачем пост нужен в воронке
→ Чек: 60 000–120 000₽/мес
Уровень 4: стратег
→ Кастдев → сегментация → прогноз
→ Заказчик платит за систему
→ Чек: 90 000–270 000₽ за стратегию
Уровень 5: стратег с обученными проектами
→ ИИ знает бизнес заказчика изнутри
→ Чек: от 270 000₽
Переход с уровня 1 на уровень 4 — не смена инструментов. Смена типа задачи.
Кейс: измеримая разница
Строительная компания. Предыдущий подрядчик — уровень 1–2: контент, реклама, отчёты по охватам.
Стратегия уровня 4: кастдев (три сегмента — инвесторы, семьи, B2B), конкурентная разведка по 20+ компаниям через DeepSeek ($2 за вечер вместо недели), юнит-экономика, отдельные лендинги под каждый сегмент.
Результат за 6 месяцев:
Заявок в месяц: 980
ROMI: 5 000%
Выручка: 94 000 000₽
Что разделяет уровни на практике
Кастдев:
Не «портрет из головы» →
структурированные интервью →
Claude обрабатывает за 4 часа вместо 30
Конкурентная разведка:
Не «посмотреть сайт» →
15-20 компаний: позиционирование,
бюджеты, слабые места →
незакрытая ниша для входа
Прогноз:
Не «давайте попробуем» →
юнит-экономика →
конкретные цифры с обоснованием
Разница в чеке между уровнем 2 и уровнем 4: от 3 до 10 раз при сопоставимом рабочем времени.
Какие метрики используете чтобы разграничить уровни специалистов при найме или выборе подрядчика?
Представлен открытый проект HTML skills for pragmatic visual artifacts для генерации HTML‑файлов за один клик, включая диаграммы, презентации, резюме, отчёты, планы и прочее:
html — создает любые HTML‑страницы исходя из задачи: от лендингов до портфолио;
html‑diagram — создает схемы, планы и диаграммы с фокусом на SVG;
Вайб-кодинг на корпоративном контроле: как превращать хаос генерации в инженерную дисциплину
Приглашаем вас на совместный вебинар ITFB Group и компании Veai, посвящённый практике контролируемого применения ИИ в разработке.
Когда: 24 июня, 11:00 Где: онлайн
Ключевой вопрос: как использовать скорость вайб-кодинга, но при этом не допустить падения качества, потери управляемости и рисков безопасности?
О продукте
Veai — первый российский ИИ-агент, сочетающий высокую скорость генерации кода с жёстким контролем на основе формальных методов. На вебинаре мы на реальных примерах покажем, чем Veai отличается от Cursor, Copilot и других доступных на рынке решений.
Программа вебинара
— Практическая демонстрация: работа агента на реальном коде — от постановки задачи до готового результата.
— Сравнительный анализ: объективная оценка сильных и слабых сторон популярных ИИ-ассистентов.
— Метрики и экономика: данные по экономии часов, ROI, доле принятого сгенерированного кода и росту тестового покрытия (до 80% с использованием символьного исполнения и data-flow анализа).
— Работа с некомпилируемым кодом: агент автоматически выявляет и исправляет ошибки компиляции и предупреждения IDE, используя нативные инструменты без дополнительных вызовов.
— Безопасность и архитектура: варианты развертывания (on‑premise, self‑hosting, VPC, SaaS), механизмы контроля доступа и встроенный SAST-движок, проверяющий каждую генерацию.
Спикеры
— Константин Волков, менеджер по техническим решениям Veai. — Наталья Романова, директор по развитию ITFB Group.
Формат — открытая дискуссия. Вы сможете задать любые вопросы, включая самые сложные и нестандартные.
Кому будет полезно: ИТ-директорам, руководителям разработки, архитекторам и всем, кто внедряет или планирует внедрять ИИ-инструменты в корпоративную среду.
ChatGPT и Claude научили маскироваться под Google Docs — представлено расширение GPTDisguise, где нейросеть выглядит как обычный документ, поэтому со стороны кажется, что пользователь усердно пишет документы. Также доступны режимы под Microsoft Word и Notion.
🍺 В этот день 150 лет назад родился Уильям Сили Госсет.
Всю карьеру он проработал пивоваром в Guinness и занимался задачей, которую учебники почти не трогали: как делать выводы по крошечным выборкам — например, по четырём участкам ячменя или небольшой партии хмеля.
Статистика того времени в основном исходила из больших выборок, поэтому Госсет фактически изобрёл статистику для малых.
Guinness запрещала сотрудникам публиковаться после того, как один из них слил коммерческие секреты. Компания также не хотела, чтобы конкуренты знали: пиво там варят с помощью науки.
Поэтому, когда Госсет в 1908 году опубликовал свой метод, он подписался псевдонимом: Student.
Каждое клиническое испытание, лабораторный эксперимент и A/B-тест, где сегодня используют t-test, опирается на работу Student.
Одна из самых известных фамилий в статистике — ненастоящая.
