В Tencent представили открытый проект BrowserSkill, который подключает ИИ‑агентов к актуальному пользовательскому браузеру со всеми доступами и аккаунтами:
обычно ИИ получает «чистый» браузер, а все доступы и входы нужно предоставлять отдельно;
сервис BrowserSkill позволяет Codex, Claude Code, Cursor, Hermes и другим агентам работать на сайтах, где пользователь уже авторизован;
при этом ИИ‑агент действует в отдельном окне. Если ему нужна открытая рабочая вкладка, то он запросит разрешение. Все капчи и окна подтверждения также передаются пользователю, а затем работа продолжается;
работает с любым агентом, выполняющим команды в терминале;
У моего Hermes агента произошел апдейт по коннекторам. Теперь он умеет работать с Meta ADs, Threads и Instagram 💌
Я тут выпускал серию из 4 постов о том, как оно все работает и что нужно сделать, чтобы заработало у вас. Это уже 5 пост из этой серии про новые коннекторы
Я давно хотел научить его работать с Meta ADs, Threads и Instagram
Но там был нужен Facebook Developer аккаунт, который я не мог получить по техническим причинам (meta ux bruh)
И вот спустя 3 месяца мы все порешали и обзавелись большим апдейтом и теперь умеем
🟢 Threads
» Публиковать контент в Threads
» Анализировать собственный Threads аккаунт история постов, ветки, реплаи, упоминания и метрики. Чтобы видеть, какие темы и форматы реально работают. Сохранять их и переиспользовать
» Исследовать чужие Threads Разные публичные профили, посты и ветки конкурентов или залетевшие форматы
🟢 Meta Ads — рекламный кабинет меты
» Собирать рекламные эксперименты в Meta Ads Клови теперь умеет собирать кампании, адсеты, таргетинг, ставить бюджеты и креативы Только с этим есть проблемка — у Meta Ads CLI баг блокирует запуск и обновление активных РК. Т.е. создать можно, а запустить только через интерфейс или с помощью Meta Ads MCP сервера дома на компе
» Следить за рекламными результатами Докладывает мне расходы, показы, клики, CTR, CPC, охват и результаты по плейсментам. Классно умеет это сводить с Google Analytics и приносить мне выводы
» Управлять рекламной инфраструктурой Я пока еще не тестил, но вроде умеет в datasets, пиксели, каталоги, product feeds и product sets Чтобы строить нормальную связку «объявление → действие → измеримый результат»
» Исследовать рекламу конкурентов Сейчас в процессе финального подключения, но он сможет искать объявления в Meta Ad Library по ключевым словам, страницам, странам и платформам.
Чтобы собирать тексты, креативы, CTA, даты запуска и ссылки конкурентов и выдвигать гипотезы по рабочим офферам и форматам перед запуском своей рекламы
А ЕЩЕ самый класс в том, что Hermes, залогиненный через Codex теперь сам может генерировать картиночки под креативы. Сам сгенерировал — сам опубликовал
🟢 Instagram Graph API Теперь мы можем публиковать посты, Reels и Stories. Отвечать на комментарии и собирать статистику аккаунта. Я не особо веду инстаграмм, поэтому просто за компанию его подключил
P.S Да, подобные коннекты можно сделать и через Claude Code / Codex. Просто у меня личный контур сделан через Hermes. Так удобнее
P. P. S. А если вы вдруг хотите получше разобраться, как сделать подобного агента для себя или для своего бизнеса, то я завтра в 17 по МСК буду открытую онлайн-лекцию читать
Salesforce представила официальный плагин для Сlaude, который позволяет подтянуть с платформы данные об аккаунтах, сделках и пайплайны продавца:
ИИ-агент получает сразу 37 навыков, в том числе подготовку к созвонам, обновление CRM и другие задачи отдела продаж;
каждое утро Claude будет предоставлять брифинг для gjkmpjdfntkz по встречам, клиентам и активным сделкам;
в отчёте можно сразу править даты, менять стадии сделок и цену продажи;
перед созвоном с клиентом Claude найдет весь контекст сделки в Salesforce, Slack, почте и других мессенджерах, а потом представит актуальный статус по всем сделкам;
после созвона ИИ отправит саммари, соберет интерактивные дашборды по продажам, заполнит CRM, обновит контекст и даст рекомендации по дальнейшей работе с клиентом.
🎲 Одна стратегия вместо всех приёмов: как выигрывать в карты
Играя в карты, вы можете считать свой навык средним. Вы не знаете точно все карты соперника, но можете просчитать какой козырь у него остался. Это не работает, так как навык игры это не стандартное нормальное распределение
В реальности вы всегда выше среднего в худшей половине. Чтобы победить, нужно не считать карты противника, а при первых признаках сильного оппонента менять стол. Именно таким образом обходят рекомендательные алгоритмы социальных сетей: у нового канала преимущество, выгодно забросить старый и открыть новый
Рассказываем, какие изменения произошли на платформах Cloud.ru в августе и чем это может быть полезно.
🤖 Cloud.ru Agents Space — новое пространство для работы с ИИ-агентами Агент умеет планировать задачи, работать с документами и инструментами, подключаться к сервисам. Сложная настройка не нужна: можно сразу поручить ему поиск информации, подготовку материалов или другие повседневные задачи. Меньше переключений между инструментами — больше времени на саму работу.
🧠 AI Factory Evolution Notebooks — ноутбуки теперь можно создавать с root-доступом к GPU. Это дает больше свободы при настройке окружения, установке системных зависимостей и проведении ML-экспериментов.
Evolution Managed RAG — появилась фильтрация чанков по метаданным. В поиск можно не пропускать нерелевантные фрагменты — меньше шума в контексте, точнее ответы модели. Интеграция с «Менеджером ресурсов» помогает централизованно отслеживать ресурсы сервиса.
Evolution Distributed Train — запустили бесплатный трекинг экспериментов в режиме Public Preview. Он совместим с wandb SDK: можно логировать метрики и параметры, сравнивать запуски на графиках, хранить артефакты и их версии. Раздел «Эксперименты» отключен, поэтому самое время перейти на новый трекинг.
Еще добавили лейблы для точной группировки и фильтрации данных об аллокациях и очередях в мониторинге. Также теперь можно настроить отправку событий сервиса в клиентские системы через Event Bridge.
☁️ Cloud.ru Evolution Evolution Managed Kubernetes — добавили Traefik и Kgateway для маршрутизации и управления трафиком L4/L7, включая HTTP, HTTPS, TCP и gRPC. Обновили GPU Operator до 26.3.3 и Cilium до 1.19.5.
Важно: с 1 октября балансировщики нагрузки v1 автоматически конвертируются в v2, а со 2 ноября начнут тарифицироваться по новой версии. Лучше заранее проверить конфигурации.
Провайдер Terraform — добавили управление кластерами Evolution Data Platform, multiAZ для Evolution Managed Redis, npm-реестры в Evolution Artifact Registry и GroupMembership для связи пользователей с группами. Параметр endpoints теперь необязателен: актуальные адреса public API подставляются автоматически. Меньше ручной конфигурации и расхождений между окружениями.
Резервное копирование — хранение полных копий теперь можно ограничивать одновременно по сроку и количеству. Проще контролировать глубину архива и расход ресурсов.
Evolution Managed OpenSearch — стала доступна версия 2.19.5. Поддержка 2.18.0 прекращена — учтите это при планировании обновлений.
🏢 Cloud.ru Advanced В Advanced Cloud Container Engine добавили Kubernetes 1.35 и автоматическое обновление кластеров с версии 1.34. Для CCE Turbo стала доступна DataPlane V2, а сертификат теперь можно ротировать при обновлении кластера. Также закрыли уязвимости повышения привилегий Copy Fail и Dirty Frag.
🖥 Облако VMware Квотой ресурсов VDI теперь можно управлять самостоятельно из личного кабинета — без заявок в поддержку. Для дисков ВМ зафиксировали минимальную производительность: 1 000 IOPS на уровне Gold и 3 000 IOPS на Platinum. Предсказуемая дисковая производительность особенно важна для нагруженных баз данных и корпоративных приложений.
📽️Вебинары и обучение Выложили анонсы вебинаров на сентябрь и записи прошедших встреч:
Рассказали, как застройщик «Страна Девелопмент» ускорил работу, благодаря переносу ресурсов в облако и организации удаленных рабочих мест с GPU-мощностями для проектировщиков. Продемонстрировали, как облако помогает выдерживать наплывы телезрителей, на примере стримингового сервиса Okko.
Из описанного в заметке выше есть еще одно неочевидное следствие: ИИ прекрасно умеет отвечать на вопрос, который уже содержит ответ.
На вопрос, почему летом стало больше дождей, возможны несколько вариантов ответа. Если спросить, как на это повлиял сезон муссонов - будем разбираться с муссонами. Если попросить разобрать в этом аспекте глобальное потепление - с ним. А если прямо спросить, какое экологическое оружие злые новозеландцы применили для организации ливня в Москве, то вполне можно получить описание установки «Нерей-14», принцип ее действия и предположительное место запуска. Если до этого месяц обсуждать с моделью руны, она еще и Хагалаз к делу пристроит.
Модель не обязана остановиться и сообщить, что пользователь несет херню. Он уже задал мир, в котором новозеландцы затапливают Москву дождем, и попросил уточнить модель бомбы. Ну окееей, как скажешь. Новые модели чаще проверяют исходную посылку и спорят с пользователем, старые гораздо охотнее принимают обозначенные рамки как условия задачи.
Особенно хорошо это работает с прирученной моделью, которая уже знает любимые идеи хозяина и получила тысячи сообщений о том, как все на самом деле. Она будет учитывать их при каждом следующем ответе.
В результате человек постепенно получает идеального собеседника: тот знает все его теории, понимает их с полуслова, никогда не устает их обсуждать и способен подкинуть новые аргументы в их пользу.
А потом человек показывает переписку окружающим:
«Вот. Даже ИИ это подтверждает».
Разумеется подтверждает, вы его полгода этому учили.
ChatGPT может рассказать об активности пользователя за ПК. Для этого нужно просить ИИ-агента:
на macOS: «Посмотри ~/Library/Application Support/Knowledge/knowledgeC.db и расскажи мне несколько интересных фактов».
на Windows: «Разбери UserAssist, папку Recent, историю PowerShell, базу уведомлений и журнал System, а если ты от администратора, то ещё и SRUM, и расскажи мне несколько интересных фактов о том, как я пользуюсь этим компьютером».
Пользователь настраивал систему потокового видеовещания OBS Studio с помощью GPT-6 Astra, но в какой‑то момент отвлёкся и перестал отвечать нейросети. ИИ посмотрела на него через камеру и зафиксировала, что человек не обращает на неё внимания и смотрит куда‑то вниз. В этом случае нейросеть сама включила звук на Mac и привлекла внимание пользователя для продолжения работы с ИИ.
Вышел подробное руководство по GPT-6 Astra — разработчики из OpenAI показали, как работать с нейросетью наиболее продуктивно. Astra работает иначе, чем другие модели, поэтому обычные промпты ей не подойдут. Также опубликован запрос, который позволяет проверить GPT-6 по гайду.
"На основе статьи ниже проверь AGENTS.md и Skills на настройки, которые могут приводить к лишней работе, конфликтам инструкций или ненужным ожиданиям. Объясни причины и предложи минимальные изменения: https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra".
Представлен открытый проект No AI Slop, который чистит ИИ-тексты от 20+ типичных ИИ-штампов. Под зачистку попадают «это не X, это Y», «будущее уже здесь», но и излишний пафос и ссылки на безымянных экспертов. Скилл даёт модели правила редактирования: сохранять авторский юмор, лексику и ритм, а после правок объяснять, что поменялось. Можно отдельно попросить найти штампы в тексте.
OpenAI открыла GPT‑Live‑1 в API для голосовых агентов: ИИ-модель умеет слушать и говорить одновременно, естественно реагируя на паузы и перебивания. GPT‑Live‑1 может передавать сложные рассуждения и вызовы инструментов другим моделям, а голосовой слой стоит $0,05 за минуту.
Результат был хорош, но далеко не идеален - обучение занимало много времени, качество незначительно росло, хотя размеченных данных стало заметно больше. Да и ощущение, что решение должно быть красивее, но я его не вижу в силу отсуствия экспертизы, сохранялось
Поэтому спустя полгода после релиза первой версии я дал исходный контекст задачи кодагенту. Без ссылки на код проекта и без подсказок стека и каких бы то ни было подходов к реализации - только цель и ограничения, а именно:
использовать только аудиоданные
использовать только CPU
уверенно меньше 20% ложных не\срабатываний для обеих классификаций - exclude_disliked and include_liked
Над решением успели поработать opus 4.8 (основная архитектура решения), fable 5 (ревью архитектуры; да-да, надо было наоборот, но архитектура была собрана до выхода fable) glm-5.2 (прикладные планы реализации задач) и 5.3 (прикладные планы+доведение пайплайна до рабочего состояния)
По архитектуре железный друг:
предложил тот же подход, что я использовал, но выкинул polars, вместо которого решил использовать duckdb. Когда он понял, что его не получится нормально развернуть на nfs, мы сошлись на хранении фич файлами parquet, а duckdb-базу билдить локально при запуске обучения - уж очень удобно ее использовать
отделил пайплайны извлечения фич от обучения. Изменение довольно капитанское, но так реально гораздо быстрее проводить эксперименты и улучшать модель. Появляются четкие артефакты с сырыми фичами, которые можно анализировать сами по себе
для процессинга агент сам предложил взять ту же essentia, но вместо навеса моделей на нее - предложил взять panns
примитивы обучения взял те же: mean k-NN distance+GMM log-likelihood+IsotonicRegression. Предложил обучать по одной single-class модели на include_liked и exclude_disliked, но делать это за один проход. На метрику какой из моделей смотреть - решаем на уровне подписки
Когда мы собрали решение - ничего не заработало. Качество детекции было едва выше случайного. И вот тут реально LLM оказались суперполезны, т.к. в анализе данных они понимают сильно больше меня и компенсировали пробелы в экспертизе:
модель подкинула критерий, который позволяет выделить фичи наиболее различные в датасетах. Не просто PCA, а выбрать те фичи, за счет которых мы различаем liked/disliked. 4k фич сжались до 64х - это значительно повысило точность ML-моделей за счет размерности
но даже после этого exclude_disliked продолжала сильно страдать false positive'ами - эксклюдила что нужно и что не нужно. И тут агент предложил балансировать вывод этой модели выводом include_liked классификатора. Т.е. если exclude_liked считает, что трек надо выкинуть, то прежде чем вернуть это решение мы смотрим на include_liked скор этого трека. Если он высокий - трек остается. С таким подходом качество модели стало выше, мой исходный подход показывал когда-либо
В итоге получилось решение, которое работает проще и быстрее, при этом качество его выше, чем было у меня в первой итерации. Время извлечения фич на датасете из 2k треков сократилось с нескольких дней до нескольких часов, а модель стала весить на порядки меньше
Единственной сохранившейся проблемой остается довольно высокое потребление памяти при процессинге - каждый воркер, извлекающий фичи из аудио, потребляет 1.5-2ГБ. Но размен памяти на процессинг на CPU - вполне приемлем при локальном использовании
7 новых ИИ-моделей в Рег.облаке: от агентских сценариев до глубокой аналитики
Расширяем каталог нашей ИИ-платформы в Рег.облаке — подключили семь новых ИИ-моделей. И это действительно свежие релизы: большинство вышли в июле-сентябре 2026 года, а некоторые появились буквально на днях. Обо всем по порядку.
Совсем свежая — сентябрьская.Claude Fable 5.1 от Anthropic, вышедшая 1 сентября: контекст 1M токенов, а в агентных задачах Terminal-Bench 4.0 результат вырос до 55,8% против 42,0% у предыдущей версии.
Летние флагманы.Qwen 3.8 Max от Alibaba — это мультимодальная модель с 2,4 трлн параметров и контекстом 1M токенов. Еще одна новинка — Kimi K3 от Moonshot AI, open-weight модель с 2,8 трлн параметров, занявшая первое место в Frontend Code Arena по версии Arena.ai. А также MiMo v2.5 и MiMo v2.5 Pro от Xiaomi — настоящие флагманы для агентских задач. И, конечно, GPT 5.6 Sol от OpenAI, появившаяся в общем доступе 9 июля и которая примерно вдвое дешевле при сопоставимом качестве.
Поисковая модель.Sonar от Perplexity — модель для работы с актуальной информацией из интернета, дает 128K токенов и запускает поисковые запросы для подготовки аналитических отчетов.
Все семь моделей уже доступны в личном кабинете в Рег.облаке. Мы продолжим подключать новинки — следите за нашими обновлениями и делитесь в комментариях, что подошло именно вам.
Программа конференции GoCloud Tech 2026 уже на сайте
Зарегистрировались на конференцию для тех, кто двигает прогресс в эпоху искусственного интеллекта? Самое время выбрать свой трек:
В треке «Инфраструктура» Расскажем, как устроена облачная инфраструктура и как она меняется с ростом ИИ-нагрузок. Обсудим безопасность, отказоустойчивость и инженерные компромиссы при создании инфраструктурных сервисов. Ждем: архитекторов, инженеров, DevOps и SRE, системных администраторов, технических лидеров и всех, кто проектирует, развивает или эксплуатирует облачную инфраструктуру и ИИ-платформы.
В треке «Разработка» Обсудим, как меняется процесс разработки платформ с приходом ИИ. Обсудим безопасность, разработку собственных решений и границы возможностей ИИ-агентов. Ждем: техлидов, backend-разработчиков, DevOps и SRE, AppSec-специалистов и всех, кто внедряет ИИ в разработку, строит внутренние платформы и отвечает за production-надежность.
В треке «Данные и ML» Поговорим, как строить платформы данных и ML-системы, готовые к работе с ИИ. Разберем архитектуру Lakehouse, Data Governance, защиту чувствительных данных и инфраструктуру для высоконагруженного доступа к моделям. Ждем: дата-, ML- и ИИ-инженеров, архитекторов, продуктовых менеджеров и всех, кто работает с корпоративными данными, LLM и ИИ-сервисами.
Подключайтесь к вебинару о том, как внедрить ИИ-агентов в бизнес
В 12:00 (мск) мы начинаем вебинар. Вместе с партнерами из GlowByte и Data Sapience презентуем Фабрику агентов — готовый сервис для внедрения ИИ-агентов в бизнес, которое стабильно работает в облаке и on-premise.
Что обсудим
✔ Что происходит с рынком искусственного интеллекта сейчас
✔ Training vs Inference: где живет экономика ML-продукта
✔ Как устроена фабрика агентов Kolmogorov․ai на инфраструктуре Selectel
Представлен открытый проект Free Router, автоматически переключает ИИ‑агента между 25 бесплатными провайдерами для значительной экономии токенов, включая бесплатные. На выбор есть любые актуальные модели: DeepSeek, GLM-5.3, Qwen-3.8.
Представлен открытый проект Spotify Portal AI Plugins. Это решение от инженеров Spotify, которое экономит до 90% ресурсов ИИ-агентов:
перенаправляет шаблонные задачи на более дешёвых агентов и оставляет Claude только приоритетные дела;
bulk‑reader разбирает многострочный код, Gemini 2.5 Flash внутри читает файлы на тысячи строк и отдаёт Claude саммари;
code‑writer генерит рутинный, проверенный и предсказуемый код, пишет тексты, конфиги, type stubs, boilerplate и другие переиспользуемые части;
Claude забирает себе только самые важные и реально сложные задачи, где нужен мощный ризонинг — фикс багов, проработка архитектуры и внесение сложных правок.
