Искусственный интеллект

Доброго всем!

Я не музыкант, не композитор и не продюсер. Просто люблю музыку :)

С развитием генеративных моделей появилась бездна синтетических треков. На первый взгляд и слух многие из них неотличимы от человеческих, а местами даже лучше одноразовых коммерческих поделок. Но лично у меня от массового нейросетевого звука уже выработалось устойчивое слуховое утомление — слишком стерильно и предсказуемо.

Чтобы отсеять синтетический шум, появилось множество сервисов по распознаванию ИИ-музыки. Насколько я понимаю (возможно, в корне неверно), вся эта детекция основана на поиске в спектрограмме устойчивых паттернов: отпечатков периодических структур, артефактов нейросетевых вокодеров (типа EnCodec) и следов агрессивного сжатия.

Ради прикола я прогнал через довольно строгий детектор (aimusicdetector.online) несколько заведомо «живых» коммерческих треков. Ожидал увидеть чистый результат, но ИИ-артефакты детектировались везде — 15%, 18%, 20%. Ладно, списал на мастеринг.

Но вот попались две жемчужины, которые полностью сломали мне картину мира:

Трек 1: THER_DARK_MOTIVATION — Confessions_in_the_Smoke

Weak / inconclusive evidence Confidence: Medium · Linear model probability: 45%

Трек 2: THER_DARK_MOTIVATION — The_Man_Who_Walked_With_Shadows

Strong codec evidence Confidence: High · Linear model probability: 86% Strong codec evidence detected in the residual spectrum. The fingerprint aligns with the current linear model for AI-music artifacts.

То есть детектор с высокой уверенностью называет живую стоковую музыку нейросетевой генерацией, ссылаясь на «совпадение с линейной моделью артефактов ИИ».

Уважаемое сообщество, хочу спросить:

1. Как это можно объяснить с точки зрения DSP и аудио-форензики? Это баг конкретной модели, или современные детекторы действительно путают артефакты brickwall-лимитеров / MP3-кодирования с нейросетевыми вокодерами?

2. Можно ли хоть в какой-то степени верить таким сервисам в 2026 году, или они уже сейчас дают слишком много ложноположительных срабатываний на профессионально сведённой музыке?

3. Есть ли среди читателей те, кто сталкивался с подобным в работе (A&R, саунд-дизайн, модерация контента)? Как вы верифицируете происхождение треков, когда автоматика врёт?

Буду благодарен за любые мысли, ссылки на исследования или личный опыт. Заранее спасибо! 🙏

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.

• Деплой: GitHub Actions -> Docker Hub -> docker-compose -> Traefik с авто-SSL.

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.

Тим Модлин: Вычисления и сознание

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. 🦖

Регистрируйтесь, чтобы не пропустить старт →

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.

Про персональных агентов и что он умеет у меня

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

Ссылка на статью на сайте, там подробно про этот эксперимент и реально ли это что-то экономит

Я несколько дней на это потратил 🥺

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.

Фильтры Google убивают интернет быстрее ИИ

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.

Представлен бесплатный аналог Claude Design — проект OpenPencil, который сделает любой дизайн:

• работает с файлами формата .fig;

• локальное решение;

• внутри ИИ‑агенты, которые делают всевозможные дизайны, прототипы и поставят визуал на мокапы;

• легко интегрируется в Claude Code и Cursor.

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.

Запуск:

uvx --from albumentationsx-mcp albumentationsx-mcp

Репозиторий: albu-mcp

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.

Смотри на YouTube или ВК Видео, а также сохраняй папку с 10 последовательными промптами.  

Нейросети против фрилансеров: тест 11 сайтов за 321 рубль

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.

Язык, с которым у ИИ плохо

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?

В интересное время живем.

Perplexity заходит в юридический сегмент.

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

• when done fix every logistical error or ux error

• test every user behaviour again post fix

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;

• генеративка: Midjourney, Ideogram, Leonardo, Flux, Runway, Kling, Suno, Udio;

• рабочее окружение: Figma, Miro, Notion-смежные Coda и Gamma, Slack, HubSpot, Make.

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.