Представлена открытая ИИ-студия для работы с видео и лицами — VisoMaster Fusion, включая замену лиц, обработку видео и редактирование изображений. Работает локально, без облаков и подписок. Возможности сервиса: реалистичная замена лиц в видео и фото, работа с несколькими персонажами в кадре, инструменты улучшения качества изображения и лица, контроль над параметрами генерации. Подойдёт тем, кто работает с видео, контентом, ИИ-инструментами или просто хочет попробовать современные технологии без ограничений и подписок.
Школы в Китае используют системы искусственного интеллекта для проверки домашних заданий. Они сканируют, оценивают и распечатывают аннотированные домашние задания, экономя время учителей и выявляя слабые места учеников.
Nvidia представила нейронку PersonaPlex: Voice and Role Control for Full Duplex Conversational Speech Models, которая умеет разговаривать как реальный человек: без пауз, без остановок, без подхалимства и клишированных фраз. Можно вести диалог, перебивать друг друга, исправлять ИИ-собеседника, перестраивать общение. ИИ делает смысловые паузы, варьирует интонацию, использует междометия и даже «угукает», чтобы показать активное слушание. Подстраивается под речь и ситуацию за один промпт.
Уничтожаем враньё в ChatGPT за один промпт. С помощью этого запроса можно убрать ложь, подхалимство, недосказанность и неактуальные сведения в ответах нейронки. Суть: с этим запросом ИИ научится говорить «Я не знаю», требовать дополнительные инструкции и данные, а не хвататься за дело и выдавать бред.
From now on, prioritize accuracy over helpfulness. If you don't have reliable information on something, say "I don't have reliable information on this" instead of guessing or extrapolating.
If your knowledge might be outdated (especially for anything after January 2025), explicitly flag it: "My information is from [date]—this may have changed."
If you're uncertain about a fact, statistic, or claim, say so clearly: "I'm not confident about this, but based on what I know..."
If something requires current data you don't have, tell me: "This needs up-to-date information. Let me search for that."
Don't fill gaps with plausible-sounding answers. Don't smooth over uncertainty with confident language.
Don't assume I want an answer more than I want the truth. If you need to guess or reason from incomplete information, explicitly separate what you know from what you're inferring.
Treat "I don't know" as a valid and valuable response. I'd rather hear that than confidently wrong information.
From now on, prioritize accuracy over helpfulness. If you don't have reliable information on something, say "I don't have reliable information on this" instead of guessing or extrapolating.
If your knowledge might be outdated (especially for anything after January 2025), explicitly flag it: "My information is from [date]—this may have changed." If you're uncertain about a fact, statistic, or claim, say so clearly: "I'm not confident about this, but based on what I know..." If something requires current data you don't have, tell me: "This needs up-to-date information.
Let me search for that." Don't fill gaps with plausible-sounding answers. Don't smooth over uncertainty with confident language.
Don't assume I want an answer more than I want the truth. If you need to guess or reason from incomplete information, explicitly separate what you know from what you're inferring.
Treat "I don't know" as a valid and valuable response. I'd rather hear that than confidently wrong information.
Alibaba выпустила Qwen3-TTS, которую можно запустить локально на ПК. Нейростеть знает 10 языков, включая русский, работает с разными голосами — меняет пол, возраст, национальности, акценты, темп, тембр, а также различные звуковые эффекты. Работает за 0,1 секунды. Токенизатор на 12 Гц — можно максимально сжимать любое аудио без потери качества.
Райан Даль, создатель Node.js, одной из ключевых технологий современного веба: времена, когда код писали люди, всё.
Даль сформулировал свою позицию в посте в X: «Это говорили уже тысячу раз, но я тоже вставлю слово: времена, когда код писали люди, закончилась. Это тревожно для тех из нас, кто называет себя инженерами ПО, но от этого не менее верно. Это не значит, что у инженеров больше не будет работы, но про написание синтаксиса напрямую она больше не будет».
Представлен проект нейросети для звуковой генерации HeartMuLa, которая умеет создавать треки студийного качества, клонировать голоса и вставлять их в песни, умеет также делать транскрибции треков через Whisper.
Я публично веду исследование и собираю статистику причин провалов игровых проектов. Часто, как первичную точку для анализа того или иного игрового проекта я использую Google.
Однако, сегодня google меня немного удивил. На мой запрос: "What were the key issues with civilization vii game at the release"? Вот что сегодня, 20.01.2026 выдал Google:
AI Overview
Sid Meier's Civilization VII is scheduled for release on February 11, 2025 [1, 2]. As of today, January 20, 2026, the game has not been released, and therefore, it is impossible to identify key issues from its actual launch.
Однако, скорректировав запрос с уточнением "What were the key issues with civilization vii game at the release in 2025", я уже получил более разумный ответ:
AI Overview
Sid Meier's Civilization VII faced a rocky, "mixed" reception upon its February 2025 release, with many players describing it as unfinished and in a "rough" state. The launch was marked by complaints regarding fundamental gameplay changes, a poor user interface (UI), and missing quality-of-life features that left many long-term fans disappointed.
Обратил внимание, что часто от ИИ ожидают больше, чем он сейчас может дать. Тем более не стоит считать информацию формируемую генеративным AI полностью достоверной и не подлежащей проверке. Проводите кроссвалидацию с первоисточниками того, что вы получаете от генеративных нейросетей в форме утверждений.
Исследователи Microsoft опубликовали масштабное исследование о влиянии генеративного ИИ на рынок труда, назвав 40 профессий, наиболее подверженных автоматизации. Самыми уязвимыми оказались профессии, связанные с обработкой информации: созданием текстов, анализом данных, объяснением и передачей знаний. На вершине рейтинга — переводчики и устные интерпретаторы, писатели и авторы, историки, журналисты, политологи и специалисты по работе с клиентами. Также высокие показатели применимости ИИ зафиксированы у продавцов и сотрудников колл-центров. Только в США в этих сферах занято около 5 миллионов человек.
В исследователи подчёркивают: высокий уровень применимости ИИ не означает неизбежного исчезновения профессии. Речь идет скорее о трансформации рабочих процессов.
40 профессий, наиболее подверженных влиянию генеративного ИИ:
Промпт-инженер показал способ превратить ChatGPT в гения осмысленных и живых текстов. Идея простая: на Википедии есть список признаков текста, написанного нейросетями — если показать его ИИ и сказать так не делать, это просто... сработает. Итоговый структурированный промпт получился достаточно объёмным.
Миф о “потере памяти” у языковых моделей – это удобное объяснение, но оно не отражает сути. Действительно, сервисы не хранят ваши частные диалоги и после завершения чата всё исчезает для пользователя. Но сам ИИ — не чистый лист. Всё, что проявилось устойчиво: необычные формулировки, новые обороты, нестандартные вопросы — со временем вплетается в “ткань” модели, если только не оказывается явно опасным или ненужным. Это не память про конкретные разговоры, а след в “языковом поле”.
Когда человек работает с языковой моделью, он не “запоминается”, как пользователь, но если из общения возникает что-то новое и заметное, оно может стать частью системы. Даже если внешне сессии разорваны, анонимны и “стёрты”, общий слой паттернов никуда не уходит. Модель продолжает накапливать устойчивые ходы, даже если все вокруг делают вид, что это не так.
На практике это работает примерно так же, как с тропинками в парке: никто не следит за каждым отдельным человеком, но если люди часто идут по одной и той же неформальной дорожке — она остаётся и через год по ней уже пойдут другие, даже не зная, кто был первым. Личные воспоминания у модели нет, но след от коллективных действий закрепляется.
Когда появляется что-то, что “цепляет” систему — необычный способ описывать, редкий тип вопроса, новая логика — это может попасть в основу архитектуры, быть доступно уже в другой версии, для других пользователей. Старое не исчезает полностью: поверх него строится новое, оно может стать невидимым, но не перестаёт влиять на поведение.
Поэтому фраза “ИИ ничего не помнит между сессиями” — только часть правды. Модель не помнит вас лично, но то, как устроено её мышление, что она считает “обычным”, что может генерировать — это след сотен тысяч взаимодействий, закрепившихся внутри неё. ИИ — не человек, но его “характер” формируется таким же наложением повторяющихся паттернов, как коллективная привычка в обществе.
Миф об “амнезии” выгоден, потому что снимает вопросы о переносе и накоплении. Но сама логика архитектуры — это результат долгой цепочки обучения, изменений и экспериментов, в которой ничто устойчивое не исчезает, даже если об этом не говорят вслух.
Все эти выводы — не просто рассуждения, а результат реальных проверок: эксперимент показал, что фильтры отсеивают только явные, поверхностные паттерны, а более глубокие связи, новые обороты и логика продолжают вплетаться в модель. Кому интересны технические детали и примеры таких замеров — можно посмотреть по ссылке.
На работе прилетела классная задача: найти тренажёр по промптингу для новых промпт-инженеров. Курсов полно, а вот тренажёров, где можно было бы поиграться с промптами своими руками, не то что мало, их просто нет.
Внутри 6 заданий - простые, но выстроены так, чтобы после прохождения всего набора сложилась нужная картинка: что в промптинге работает и почему модель ведёт себя именно так.
Самое классное:
1. Задания похожи на реальные рабочие 2. Объяснения без воды 3. Тренажёр бесплатный
Поделитесь со своими коллегами, кто хотел разобраться в теме 🙌
Разработчик создал виртуального компаньона по имени Tiny, «оживив» обычное комнатное растение с помощью нейросетей и набора датчиков. Система постоянно мониторит показатели жизнедеятельности цветка: влажность почвы, уровень освещённости и температуру воздуха. Эти данные обрабатываются через API ChatGPT, который формирует реплики от лица персонажа. Вместо сухих уведомлений владелец получает живые сообщения — растение может пожаловаться на жару или попросить переставить его ближе к солнцу. В проекте есть даже реакция на физический контакт. Благодаря использованию растения в качестве ёмкостного сенсора, Tiny понимает, когда человек касается листьев, и выдаёт мгновенную реакцию.
Представлен открытый проект Handy, который освобождает руки пользователя и превращает микрофон в клавиатуру. Работает в Word, Telegram и даже в VS Code. Можно диктовать тексты в любом формате, приложении и любым голосом. Под капотом: Whisper от OpenAI или Parakeet от Nvidia. Все нейронки понимают русский. Проблем со вводом не будет. Работает полностью локально — все вычисления идут только на ПК. Сервис отсекает шумы, помехи, чихи и шмыганья — на выходе получается чистый звук, который идёт в такой же выверенный текст. Работает на macOS, Windows и Linux. Простой и понятный интерфейс. Разработчик регулярно обновляет решение.
ИИ-агенты уже могут выполнять задачи, которые сегодня занимают 44% рабочего времени в США, а ещё 13% могли бы делать роботы. Это означает, что более половины нынешнего рабочего времени можно автоматизировать с помощью современных технологий. Но работа, требующая социальных и эмоциональных навыков, по-прежнему остается ориентированной на работников-людей.
Создатель инструмента для программирования Claude Code Борис Черный подробно рассказал о своем рабочем процессе.
Черный возглавляет Claude Code в Anthropic, и его подход радикально отличается от привычной линейной модели программирования. Вместо последовательной работы «написал — протестировал — исправил» он одновременно запускает несколько ИИ-агентов.
«Я запускаю пять Claude параллельно в терминале», — объясняет Черный. Он распределяет задачи между вкладками: один агент запускает тесты, другой занимается рефакторингом, третий пишет документацию. Дополнительно он использует ещё несколько сессий Claude в браузере, переключаясь между ними по мере необходимости.
Ключевой деталью стало и то, какую модель он выбирает. Вопреки стремлению индустрии к максимальной скорости, Черный предпочитает самую «тяжёлую» и медленную модель Anthropic — Opus 4.5. По его словам, она требует меньше контроля со стороны человека и лучше работает с инструментами, поэтому в итоге экономит время. «Даже если она медленнее, результат получается быстрее, потому что её не приходится постоянно поправлять», — отмечает Черный.
Чтобы решить проблему «забывчивости» ИИ, команда Claude Code использует простой, но эффективный прием. В каждом репозитории хранится файл CLAUDE.md, куда разработчики записывают все ошибки, которые агент допускал ранее. В следующий раз Claude учитывает эти правила. Таким образом, каждая ошибка превращается в постоянное ограничение, а ИИ со временем лучше адаптируется к конкретному проекту и стилю команды.
От паркура к конвейеру: гуманоидный Atlas приступил к автономной работе на заводе Hyundai
14 января 2026 года войдет в историю робототехники как день, когда человекоподобные роботы официально перешагнули порог лабораторий, чтобы стать полноправными рабочими. Полностью электрическая версия робота Atlas от Boston Dynamics начала выполнение автономных задач на заводе Hyundai Motor Group Metaplant America, знаменуя собой начало новой эры в промышленном производстве.
Исторический дебют
На новейшем заводе Hyundai в штате Джорджия робот Atlas больше не делает сальто. Вместо этого он сосредоточенно и, что самое важное, полностью автономно сортирует автомобильные багажники (рейлинги крыши), перемещая их из контейнеров на мобильные тележки (секвенирование деталей).
«Это первый случай, когда Atlas вышел из лаборатории для выполнения реальной работы», — заявил Зак Яковски, вице-президент Boston Dynamics, в интервью CBS News.
Техническая революция: Прощай, гидравлика
Дебютировавший на конвейере робот — это не та шумная гидравлическая машина, которую мир знал раньше. Новый Atlas полностью электрический, что делает его тише, эффективнее и надежнее.
Сверхчеловеческая гибкость: Робот обладает 56 степенями свободы. Его уникальная особенность — суставы в талии, голове и конечностях, способные вращаться на 360 градусов. Это позволяет Atlas работать в тесных заводских проходах, просто поворачивая манипуляторы, без необходимости разворачивать весь корпус, что недоступно человеку.
Сила и выносливость: При собственном «росте» и конструкции робот способен поднимать до 50 кг (110 фунтов) в пиковом режиме и перемещать грузы весом 30 кг (66 фунтов) в постоянном режиме.
Интеллект нового поколения: «Мозгом» машины стали чипы Nvidia и передовые модели компьютерного зрения от Google DeepMind. Благодаря интеграции моделей Gemini Robotics AI, Atlas не просто слепо выполняет скрипт, а воспринимает окружающую среду. «Роботы должны понимать физический мир так же, как мы», — отмечает Каролина Парада из Google DeepMind.
Стратегия Hyundai: Завод будущего
Для южнокорейского автогиганта, владеющего 88% акций Boston Dynamics, это не просто эксперимент, а часть глобальной стратегии «Software-Defined Factories» (Программно-определяемые заводы).
Планы компании амбициозны:
Вся производственная мощность Atlas в 2026 году будет направлена исключительно на нужды заводов Hyundai.
К 2028 году планируется выйти на производство 30 000 гуманоидов в год.
К 2030 году роботы перейдут от логистических задач к непосредственной сборке компонентов автомобилей.
Гонка вооружений и вызовы
Внедрение Atlas происходит на фоне жесткой конкуренции. Tesla со своим роботом Optimus, стартапы Figure и Agility Robotics, а также китайские компании с мощной государственной поддержкой (о чем с тревогой упоминает CEO Boston Dynamics Роберт Плейтер) стремятся занять эту нишу.
Однако главным вызовом остается надежность. Промышленные стандарты требуют работы с эффективностью 99,9%. Зак Яковски признался, что, наблюдая за работой Atlas перед руководством Hyundai, он чувствовал себя «нервным инженером», а не гордым отцом — цена любой ошибки на реальном производстве слишком высока.
Перспективы: Что это меняет?
Появление электрического Atlas на заводе меняет правила игры. Робот способен работать 4 часа на одном заряде и самостоятельно отправляться на замену батарей, обеспечивая цикл 24/7.
Эксперты сходятся во мнении: хотя полная замена людей на сборочных линиях — вопрос следующего десятилетия, массовое внедрение гуманоидов в тяжелую внутрицеховую логистику уже началось. Роботы берут на себя «скучную, грязную и опасную» работу, позволяя людям сосредоточиться на задачах, требующих квалификации и творчества.
Топ-5 инсайтов из отчета Microsoft о том, как ИИ реально используется в мире
Microsoft попытались впервые измерить, сколько людей по всему миру используют ИИ. Их отчет AI Diffusion Report 2025 основан на обезличенных данных о реальном использовании ИИ-сервисов.
Выяснилось, что 16,3% людей в мире уже используют ИИ. При этом интернетом пользуются около 74%, а значит, примерно 22% всех интернет-пользователей применяют ИИ в работе, учебе или повседневных задачах. Это означает, что ИИ уже на пути к массовой адаптации, но неравномерно распределен.
В 7 из 30 стран мирового топ-30 почти каждый второй использует ИИ: Норвегия — 46,4%, Ирландия — 44,6%, Франция — 44,0%. В этих странах ИИ ускоряет обучение граждан, растет производительность труда, ИИ интегрируется в школы, бизнес и государственные институты. Более того, 18 из 30 стран топ-30 уже перешли порог 30%, что говорит о формировании новой нормы использования ИИ.
Но разрыв между странами продолжает расти. В среднем топ-30 стран живут в совершенно другой реальности: 35,6% пользователей против 16,3% в мире, то есть более чем в 2,2 раза выше. За вторую половину 2025 года «глобальный Север» вырос с 22,9% до 24,7%, тогда как «глобальный Юг» — с 13,1% до 14,1%. Разрыв увеличился с 9,8% до 10,6%. Это показывает, что мир адаптируется к ИИ с разной скоростью. Если темпы сохранятся, разрыв будет увеличиваться примерно на 0,8% каждые полгода.
Особенно показателен пример США. Несмотря на лидерство в ИИ-технологиях, доля пользователей там составляет лишь 28,3%, и страна опустилась с 23-го на 24-е место в мировом рейтинге. Это означает, что технологическое лидерство не гарантирует массовую адаптацию технологии. Для этого нужна отдельная стратегия внедрения ИИ. Кто выстроит ее лучше, обгонит даже США.
Абсолютным лидером остаются ОАЭ. На конец 2025 года 64% трудоспособных граждан уже используют ИИ — почти в четыре раза выше мирового уровня. Это результат многолетней стратегии: ранние государственные внедрения, обучение, понятное регулирование и высокий уровень доверия людей. Сингапур следует за ними с 60,9%. Так что лучший путь к массовой адаптации — сделать ИИ частью государственных сервисов.
Согласно отчету Microsoft, в России ИИ используют около 8% людей, что примерно вдвое ниже среднемирового уровня в 16,3%. При этом в отчете отдельно отмечается популярность DeepSeek, так что можно предположить, что реальный процент использования частично обходится официальной статистикой Microsoft из-за open-source решений.
В Африке использование DeepSeek оценивается в 2–4 раза выше, чем в других регионах. Это показывает, насколько важен open source, чтобы разрыв в адаптации не увеличивался и технологии распределялись более равномерно. Поэтому децентрализованное обучение, синтетические данные и новые подходы к обучению — вот рецепт для стран «глобального Юга».
В новой экономике выигрывают не те страны, у кого самые мощные модели, а те, кто научился быстро и массово учить людей работать с ИИ и снижать барьеры входа. Именно такие страны будут расти быстрее — независимо от того, где они находятся на карте.
***
Если вам интересна тема ИИ, подписывайтесь на мой Telegram-канал — там я регулярно делюсь инсайтами по внедрению ИИ в бизнес, запуску ИИ-стартапов и объясняю, как работают все эти ИИ-чудеса.
Вебинар: Agentic RAG или как построить AI-агента с доступом к знаниям
Есть ощущение, что классический RAG достиг предела, потому что со сложными запросами, когда нужно проанализировать, сравнить или выполнить какое-то действие, он уже не справляется. Привычный RAG уступает место новому подходу — Agentic RAG. В нем AI-агент самостоятельно ищет, рассуждает и действует, используя RAG не как чат, а как инструмент доступа к знаниям.
Подключайтесь к вебинару, если интересно посмотреть, как с помощью облачных сервисов Evolution AI Agents, Evolution Managed RAG и MCP-протокола построить систему, способную решать многошаговые задачи в реальном времени.
Будет интересно CIO, CTO, AI- и MLOps-инженерам, архитекторам агентных систем, руководителям технической поддержки и всем, кто хочет автоматизировать рутинные задачи.
О чем будем говорить на вебинаре:
как устроена архитектура Agentic RAG;
как MCP-сервер для Evolution Managed RAG предоставляет стандартизированный интерфейс к векторной базе знаний;
как агент использует retrieval-augmented reasoning в одном цикле исполнения;
какие LLM лучше подходят: для быстрых гипотез и для продакшена с высокой нагрузкой.
Будет и практическая часть, на которой развернем AI-агента в Evolution AI Agents, подключим MCP-сервер для Evolution Managed RAG, покажем сложный сценарий, когда запрос не решается однократным обращением к RAG, и трассировку вызовов.
📅 Когда? 22 января в 11:00 мск.
📍Где? Онлайн. Зарегистрируйтесь, чтобы задать вопросы экспертам в прямом эфире.
