Слон-то реально полезный и нужный. Просто недальновидные сео послушав эффектных консультантов сократят 30% штата(думая что они как google или ms, хотя они эффект от экономии в свой инференс вкладывают). Условно две компании-конкурента с 1000 разрабов(1000 фич), одна сократила до 700 и с Ии получила эффект 30% и условно 910 фич, а вторая увеличила штат на 30% и получила с ии те же 30% эффекта, но уже 1690 фич…
Попросите вашего тимлида провести Вам гембу по разработке с ИИ и затем по развитию и сопровождению этого продукта(с учетом его компетенций, которые явно должны быть выше средних в команде). Розовые очки быстро спадут. Я активно с ИИ с июня 2024(sonnet 3.5) разрабатываю один несколько своих стартапов, основные ограничения когнитивные, после определенного количества задач(если в них погружаться, а не просто сделай и зашипь мне фичу) никакой рой агентов уже не помогает. В российских корпорациях ситуация не такая привлекательная как в США за счет меньших зарплат, если смотрели кейсы того же uber, то на токены на норм моделях легко уходит 1500$ на одного разраба в месяц, и команду тоже нельзя уменьшать меньше определенного предела т.к когнитивный лимит команды то не увеличивается, а наоборот быстрее истощается от большей интенсивности работы. Это не говоря о том, что в корпорациях нужно локальные llm разворачивать, при 100-200 разрабах стоимость инференса Вас не порадует даже для каких-нибудь 200+b моделей, которые на реальных проектах могут работать. Экономика как-то сходится пока есть инвесторские деньги и на зарплатах условно 300к $ у разрабов. Посмотрите на стоимость api последних двух поколений фронтир моделей, она только растет. Даже банальный кейс замены операторов call-центра на агентов становится не таким радужным на горизонте пары лет(наблюдаю в живую), стоимость поддержки и развития(rag, оркестрацмия, тюнинг скорости) агентов значительная, а csi до операторов все равно не дотягивает. Безусловно ИИ дает те возможности, которые до него были невозможны(кроссэкспертиза, быстрые mvp и т.д). Ну и самая боль в корпорациях это сопротивление команд разработки, чтобы было эффективно нужно по сути коучить команды, а ребят реально разбирающихся (для этого нужно пользоваться инструментами, пробовать новые т.к за год уже несколько подходов сменилось, условно от promt-инженеров до harness builder) и готовых учить других сейчас крайне мало, иначе сплошной tokenmaxxing без реального выхлопа в t2m фичей.
Ну и 30% это 0.3 раза, а не 3(300%), возможно просто опечатались…
лень было заморачиваться с созданием api, заставил его qwen code для поиска запускать и сохранять в файл, в cli инструментах норм поиск и безлимитный условно
Странный выбор модели, берете Qwen3-Coder-30B-A3B, если на пк норм памяти(32 или 64 гб), запускаете на ночь промт и качество для такой простой задачи может дать неплохое, или GPT-OSS-20B(побыстрее будет)
А что за стек? На моих тестах из бесплатных сейчас лидер по reasoning Kimi k2 thinking, в кодинге glm 4.6, r1 и qwen coder заметно хуже. Пока не было glm и kimi из бесплатных связку Gemini 2.5 pro(планирование, архитектура) +qwen(кодирование) юзал, неплохо вполне
R1-0528 очень медленная и плохо с tools работает, лучшее, что сейчас есть для кодинга, это glm 4.6. Если нужен reasoning, то Kimi k2-thinking, были большие надежды на MiniMax m2, но в кодинге не очень себя показывает.
Слон-то реально полезный и нужный. Просто недальновидные сео послушав эффектных консультантов сократят 30% штата(думая что они как google или ms, хотя они эффект от экономии в свой инференс вкладывают). Условно две компании-конкурента с 1000 разрабов(1000 фич), одна сократила до 700 и с Ии получила эффект 30% и условно 910 фич, а вторая увеличила штат на 30% и получила с ии те же 30% эффекта, но уже 1690 фич…
Попросите вашего тимлида провести Вам гембу по разработке с ИИ и затем по развитию и сопровождению этого продукта(с учетом его компетенций, которые явно должны быть выше средних в команде). Розовые очки быстро спадут. Я активно с ИИ с июня 2024(sonnet 3.5) разрабатываю один несколько своих стартапов, основные ограничения когнитивные, после определенного количества задач(если в них погружаться, а не просто сделай и зашипь мне фичу) никакой рой агентов уже не помогает. В российских корпорациях ситуация не такая привлекательная как в США за счет меньших зарплат, если смотрели кейсы того же uber, то на токены на норм моделях легко уходит 1500$ на одного разраба в месяц, и команду тоже нельзя уменьшать меньше определенного предела т.к когнитивный лимит команды то не увеличивается, а наоборот быстрее истощается от большей интенсивности работы. Это не говоря о том, что в корпорациях нужно локальные llm разворачивать, при 100-200 разрабах стоимость инференса Вас не порадует даже для каких-нибудь 200+b моделей, которые на реальных проектах могут работать. Экономика как-то сходится пока есть инвесторские деньги и на зарплатах условно 300к $ у разрабов. Посмотрите на стоимость api последних двух поколений фронтир моделей, она только растет. Даже банальный кейс замены операторов call-центра на агентов становится не таким радужным на горизонте пары лет(наблюдаю в живую), стоимость поддержки и развития(rag, оркестрацмия, тюнинг скорости) агентов значительная, а csi до операторов все равно не дотягивает. Безусловно ИИ дает те возможности, которые до него были невозможны(кроссэкспертиза, быстрые mvp и т.д). Ну и самая боль в корпорациях это сопротивление команд разработки, чтобы было эффективно нужно по сути коучить команды, а ребят реально разбирающихся (для этого нужно пользоваться инструментами, пробовать новые т.к за год уже несколько подходов сменилось, условно от promt-инженеров до harness builder) и готовых учить других сейчас крайне мало, иначе сплошной tokenmaxxing без реального выхлопа в t2m фичей.
Ну и 30% это 0.3 раза, а не 3(300%), возможно просто опечатались…
Очень много, gemini 3 flash за пару первых дней больше 300м токенов потратил
лень было заморачиваться с созданием api, заставил его qwen code для поиска запускать и сохранять в файл, в cli инструментах норм поиск и безлимитный условно
Странный выбор модели, берете Qwen3-Coder-30B-A3B, если на пк норм памяти(32 или 64 гб), запускаете на ночь промт и качество для такой простой задачи может дать неплохое, или GPT-OSS-20B(побыстрее будет)
А что за стек? На моих тестах из бесплатных сейчас лидер по reasoning Kimi k2 thinking, в кодинге glm 4.6, r1 и qwen coder заметно хуже. Пока не было glm и kimi из бесплатных связку Gemini 2.5 pro(планирование, архитектура) +qwen(кодирование) юзал, неплохо вполне
R1-0528 очень медленная и плохо с tools работает, лучшее, что сейчас есть для кодинга, это glm 4.6. Если нужен reasoning, то Kimi k2-thinking, были большие надежды на MiniMax m2, но в кодинге не очень себя показывает.
На cloud.ru есть glm-4.6, MiniMax M2