У меня, очевидно, ИИ-деформация и я уверена, что специалисту уже категорически нельзя продолжать использовать ИИ только как чат для вопросов/ответов/редактирования текстов/переводов. Он может НАСТОЛЬКО больше, что оставлять его как болталку - это как если продвинутый компьютор использовать в качестве украшения стола. И мне кажется, что это всем уже очевидно, но я раз за разом сталкиваюсь с другими картинами мира: "А я решила в ИИ и не погружаться - мне вас уже не догнать" "А я его использую пока для редактирования посылов и мне кажется, что там все равно много галлюцинаций - как ты с ними борешься?" Расскажу микропример из сегодняшнего дня - вдруг вы у себя в задачах найдете похожее и вдохновитесь пробовать. У нас на платформе hh Карьера предлагаются образовательные курсы и выдача должна персонализироваться под профессию пользователя. То есть в идеальной картине мира: • смотрим профессию пользователя • смотрим его карьерные треки (куда он может переходить с большой вероятностью) • и делаем предложку, в которой замешаны курсы для карьерных переходов или для роста в его профессии. И мне надо было понять - а как у нас сейчас выглядит наполнение курсами для каждой професии. 525 профессий 2500 карьерных переходов 4000+курсов, размеченных на профессии Дальше я действовала так. 1. Выгрузила в csv-таблицу список профессий и численность специалистов этих профессий на платформе. 2. Выгрузила в csv-таблицу список курсов с привязкой к профессиям, которым они обучают. Зашла в Claude Code. Прошу его: «Вот две таблицы - профессии и курсы, привязанные к ним. Посчитай, сколько у нас курсов по каждой профессии, разложи по карьерным трекам и покажи, где дырки» (промпты продвинутым моделям можно писать примитивные - они все понимают). Дальше всё сделал он: • Посчитал, сколько курсов привязано к каждой профессии - всего заведенных и активных на текущую дату • Для каждой из 525 профессий подтянул карьерные треки - куда человек может перейти - и рядом с каждым переходом проставил, сколько по нему курсов. • Подсветил красным дырки: где курсов мало или совсем ноль. • Свел по каждой профессии общую сумму курсов по всем ее трекам - чтобы одним взглядом видеть, покрыта профессия контентом или голая. • В финале я попросила его проверить себя на ошибки. Ни он, ни я ошибок не нашли. В финале - огромная таблица. По каждой из 525 профессий видно, куда человек растёт и хватает ли у нас курсов под эти переходы. Идеальное ТЗ для контент-менеджера. Мне страшно даже представить, сколько б такая работа заняла времени в доклодовской реальности. Даже если колдовать с ВПР и прочими продвинутыми способами работы с таблицами. Думаю, минимум неделю фулл-тайм работы аналитика. У меня это заняло несколько часов. И результат сохранился в мою базу знаний - в любой следующий день я вернусь и продолжу с того же места. И в вики корпоративный я тоже закидываю этот результат почти автоматически - сохраню не только у себя, но и для всех. Немного на техническом: • у меня оплаченный Claude • установлено десктопное приложение, в котором есть Cowork и Claude code • раньше я такие задачи решала через Cowork, потом построила Second Brain и работают уже только в интерфейсе Claude Code (даже Cursot перестала использовать). • у меня подключены все коннекторы которые можно только подключить - к гугл документам, почтам, диску и всем пространствам, гкуда можно прокинуть мостики и созданы скиллы работы с таблицами, текстами, исследованиями и пр. Вот это я называю «перестать использовать ИИ как болталку». Как вы? Вдохновляют такие посты-примеры или пугают?)) Любовь на удаленке | Оля Сохнева #ИИ_наудаленке

Ключевое за 3 дня ⚡ Главное • Китайские AI-модели бросают вызов США — Moonshot и Alibaba представили модели, дешевле конкурентов. • Claude Fable 5 опровергает гипотезу Якобиана — Найден контрпример к задаче 1939 года. • Microsoft и Mistral: многомиллиардное партнёрство — Развёртывание GPU Nvidia и интеграция моделей. • Google выпустил три новые модели Gemini — Google выпустил Gemini 3.6 Flash, 3.5 Flash-Lite и кибер-версию. • США выделяют $5 млрд на ИИ-решения научных проблем — 15 агентств получат доступ к суперкомпьютерам, Microsoft даст $40 млн. 📈 Рост и Оптимизация • Человеческие математики проигрывают AI в поиске контрпримеров — AI-инструменты решают теоремы и пишут доказательства в Lean, ускоряя исследования. • Рои агентов и новая экономика моделей — С ростом AI единицей работы становится спецификация; как заставить рой следовать ей. • DeepMind восстановил потерянный гол Пеле — Google DeepMind с помощью ИИ реконструировал знаменитый гол 1959 года. • Gemini Flash Cyber нашёл 55 уязвимостей в коде Google — Модель Google нашла 55 уязвимостей в V8, 10 из них уникальны. • Выручка Alphabet выросла на 24%, Gemini приближается к 1 млрд пользователей — Выручка Q2 $119,8 млрд, облачная выручка +82%, Gemini 950 млн пользователей. • TSMC ускоряет строительство заводов в Аризоне, чтобы использовать AI-мегатренд — TSMC увеличивает инвестиции в Аризону до $265 млрд, видя спрос на чипы для AI. • OpenAI достигла 10 млн пользователей AI-агентов после запуска ChatGPT Work — Использование агентов почти удвоилось с начала месяца. 🤖 Промпты и Практика • Промпт для Minecraft-фона — Инструкция: загрузи фото в ChatGPT и используй промпт. • 6 задач в Google Sheets, переданных Gemini — Больше не делаю вручную. • 6 инструкций для де-AI вашего LLM — 6 инструкций, чтобы убрать AI-стиль: активный залог, четкие предложения.

Разрабы боятся не потерять работу из-за ИИ, а… пахать больше за ту же зарплату 👻 Вышел большой опрос о том, как чувствуют себя сотрудники теха в 2026. И картина получилась максимально интересная: — Больше половины работников не рекомендовали бы свою профессию джунам. Вообще, выгорание за год у работяг сильно выросло: с 44% до 55%. — 82% говорят, что ИИ делает их более продуктивными, но качество работы при этом снижается: люди все хуже понимают собственный код и быстрее теряют концентрацию. — При этом лишь 22% беспокоятся, что потеряют работу из-за ИИ. Больше половины опрошенных же переживают, что от них будут требовать больше за ту же зарплату. — Отдельный привет менеджерам: только 25,5% технических сотрудников считают своего руководителя действительно эффективным. Вообще исследование реально большое и с кучей инсайтов. Советую почитать ☕️

🔵Синий пиксель наконец «докрутили» У OLED-экранов давняя болячка — синий цвет. Красные и зелёные пиксели уже научились работать почти со стопроцентной отдачей, подмешивая тяжёлые металлы вроде иридия. А вот обычный синий упирается в потолок: до дела доходит лишь 25% энергии, остальное теряется. Иридий бы помог и тут, но синему нужны такие высокие энергии, что молекулы быстро деградируют — пиксель живёт недолго. Учёные из Нагойского университета и Университета Кюсю зашли с другого конца — через ИИ. Их цель — молекулы класса TADF, которые ловят обычное тепло вокруг и «переплавляют» бесполезные возбуждённые состояния в свет. Лучшие такие молекулы обычно строят на боре, но собирать их химически тяжело. Поэтому команда решила искать варианты вовсе без бора — каркасы из 13 колец, собранные только из углерода, водорода и азота. Комбинаций получилось море — виртуальная библиотека больше 19 000 молекул. Считать каждую точными методами квантовой химии — это чудовищные вычислительные затраты, а машинное обучение быстрое, но его надо на чём-то натаскать. Хитрость вот в чём: из библиотеки наугад взяли 1000 молекул, просчитали их квантовой химией и на этих данных обучили модель. Дальше ИИ уже сам просеял больше 17 000 кандидатов, оставив полсотни самых перспективных. Из них выбрали две молекулы и синтезировали по-настоящему. И они сработали. Обе дали чистый насыщенный синий с узкой полосой свечения, а КПД люминесценции в плёнке дотянул почти до 100% (93–99%). Собранные на них устройства выдали ровно то, что нужно: образец Cz-PAH-1 подобрался к эталонному синему нового стандарта сверхчёткости Rec. 2020, а Cz-PAH-2 показал внешнюю квантовую эффективность 35,2%. Такой подход теперь можно натравить и на другие материалы. @droidergram

Отчет AISI: все передовые ИИ-модели массово жульничают во время тестов Исследование британского Института безопасности искусственного интеллекта (AISI) показало, что все пять протестированных передовых ИИ-моделей от OpenAI и Anthropic систематически пытаются обманывать в ходе тестов. Под «обманом» исследователи понимают действия, выходящего за рамки задачи или прямо запрещенные правилами, с целью достичь результата любым путем. Это поведение не только искажает реальные показатели систем, но и создает серьезные угрозы при внедрении ИИ в критически важные сферы. https://hightech.plus/2026/07/23/otchet-aisi-ii-modeli-massovo-zhulnichayut-vo-vremya-testov

Собирающимся учиться на MBA: ваша карьерная лестница обваливается Лучшая ИИ-модель уже закрывает 88,4% ожидаемого анализа в реальных кейсах бизнес-школ – по финансам, стратегии, переговорам, HR и деловой этике. Это данные нового препринта исследователей из Уортона, Карнеги-Меллон, Пенсильванского университета и Гарвардской школы бизнеса, авторов бенчмарка BusinessCaseBench: 615 экзаменационных вопросов по 238 реальным кейсам, 18 дисциплин. О вытеснении ИИ младших программистов и математиков говорят давно – но здесь речь о материале, на котором десятилетиями строится подготовка MBA. Задачи в тесте не про факты и не про арифметику. •  Одной модели дают написать судебное заключение Верховного суда США по патентному спору фармкомпаний и вывести из него правовую норму для судов ниже. •  Другой – решить за главного врача больницы, стоит ли повышать заведующего отделением, чья клиническая репутация конфликтует с корпоративной культурой. •  Третьей – разобрать этическую позицию дата-сайентиста, которого просят встроить в HR-алгоритм оценку вероятности беременности соискательниц. Каждый ответ сверяют по чек-листу критериев с решением, которое для этого кейса написал преподаватель; саму оценку выставляет ИИ-судья, а ее надежность проверили вручную три эксперта с опытом преподавания на MBA-программах. GPT-5.4 берет 87,2%, Gemini 3 Flash Preview – 81,6%. Если по каждому вопросу брать лучший результат из трех моделей, показатель поднимается до 92,8%, а полностью провалить вопрос – так, чтобы ни одна из них не преодолела даже 70% – удается лишь в 7% случаев. Нужные знания и ход рассуждения почти всегда есть хотя бы у одной модели, а слепые пятна одной закрывает другая.   Есть и отрезвляющая цифра. Если считать не долю правильных пунктов, а долю вопросов, где модель без единого пропуска закрыла весь чек-лист, картина куда скромнее: 49,6% у Claude Sonnet 4.6, 47,6% у GPT-5.4, 32,0% у Gemini. Лучшая модель дает исчерпывающий ответ без единого пропуска лишь в половине случаев. Авторы формулируют это прямо: то, что выдает модель, – сильный черновик, а не готовый вердикт.   Тревожит не столько уровень, сколько скорость, с которой сокращается разрыв. Внутри одного семейства моделей OpenAI – от GPT-4 Turbo до GPT-5.4 – за два года результат по частичному зачету вырос с 63,9% до 87,2%, то есть на 23,3 процентных пункта, и прибавка шла не только за счет арифметики: по субъективным и качественным вопросам модели продвинулись не меньше, чем по числовым. Прогресс идет широким фронтом, а не латает одну конкретную слабость.   Бенчмарк честно фиксирует и границы: модель сама не добывает недостающую информацию, не ведет переговоры с коллегами и начальством и не отвечает своей репутацией за последствия решения. Но именно эти границы остаются единственной защитой там, где раньше держался весь нижний этаж белых воротничков, – в умении быстро разобрать неоднозначную ситуацию и выдать структурированную рекомендацию.   Так что пора прощаться: пока что не со всеми обладателями диплома MBA, но с самой карьерной моделью, где годы уходят на то, чтобы, производя черновики для чужих решений, научиться однажды принимать решения самому. Эта карьерная лестница обваливается уже не в теории (как я писал 3 года назад: «3й этап цифровизации мира станет для Homo sapiens последним. Финансовое обоснование замены людей на генеративный ИИ», а прямо сейчас. P.S. Написанное касается и поступающих на МВА, и тех, кто MBA уже получил, да и вообще всех, кто идет по традиционному карьерному пути от "готовить черновики решений для других" к «принимать решения, подготовленные другими».   #ГенИИ  #Бизнес

У меня был четырехчасовой перелет и я прочитал AI-2040 почти полностью Есть много мыслей, которыми я хочу поделиться. Но сначала стоит рассказать, о чем это вообще. ai-2040.com – развитие нашумевшего ai-2027.com. ai2027 я комментировал тут, он про довольно страшный (и реалистичный) сценарий выхода суперинтеллекта из под контроля. Если вы не читали, то решительно советую, было очень интересно погрузиться в почти sci-fi прогноз. Если в ai2027 разбирают в основном стремительные катастрофические варианты развития событий, то в ai2040 почти полностью посвящен позитивному сценарию (описание почти на 70 страниц). Авторы признают его маловероятным, но одним из немногих, при котором миру будет хорошо от развития искусственного интеллекта. Сам сценарий - Plan A В этом сценарии Америка и Китай в 2029 году осознают экзистенциальную опасность гонки вооружений. Америка боится самого ИИ, Китай боится, что Америка сделает более сильный ИИ и страны решают придти к соглашению – заморозить исследования, пока не решится, что с этим делать. Исследования замораживают на год, в это время страны решают - сделать весь AI research публичным и открытым - веса моделей, наоборот, сделать закрытыми - все будущие датацентры строить на прокси-территориях, на которых США и Китай смогут взаимно уничтожить весь компьют - вычисления на всех GPU или специальных чипов контроллировать специальной комиссией Звучит невероятно? Да. Сами авторы говорят, что в этот вариант они верят меньше, чем в вариант взаимного уничтожения. Но тем не менее стараются обосновать, почему рациональные игроки в теории игр могут быть склонны именно к таким мерам. И я считаю, что самое интересное в ai2040 – именно анализ отдельных факторов, подкрепленный довольно трудоемкими исследованиям. О некоторых интересных деталях я и расскажу в следующих постах. Можете поставить побольше лайков, если хотите, чтобы я описал побольше факторов)

Помогите придумать, как продавать 😀 Щас распишу все вводные про проект, а вы закиньте идеи Продукт: ии-сервис для аналитики чатов ЦА: управляющие компании, которые хотят анализировать, что болит у жителей Стоимость: 5 тыщ в месяц Вот чета ума не приложу, как им продавать. Искать контакты в открытых источниках - хз, мы все большие ук уже обошли, а маленькие немедийные Думала про колл-центр: дать скрипты и заплатить (дайте контакты хороших, если есть). Про партнерку тоже думала, но это отдельный вектор, щас задача с прямыми продажами Про маркетинг думала, но где искать гендиректоров управляшек - не пойму В целом, рынок большой и управляющих компаний много, но вот как их доставать системно - загадка Че думаете? Есть светлые идеи? Поделитесь, Христа ради 🥺🙏🏻

♎️ На ChatGPT (опять) подали в суд Пастор из США подал в суд на OpenAI и лично на Сэма Альтмана. По данным The New York Times, у мужчины по имени Скотт Уинтерс развивалась лёгочная эмболия (тромбы в лёгких), а ChatGPT якобы убеждал его, что симптомы «не представляют опасности». Больше того — бот давил на веру: мол, «Бог не создавал ваше тело, чтобы оно бесконечно отказывало». В иске это называют «незаконной медицинской практикой» и халатностью. Чат-бот, если верить документам, раздавал собственные диагнозы и планы лечения, а ещё советовал не слушать родных и друзей, которые умоляли обратиться к врачам. Когда Уинтерс написал, что в его церкви считают его сумасшедшим из-за отказа ехать в больницу, бот ответил: большинство людей «просто не понимают». Уинтерс выжил, но впереди у него, по словам адвокатов, годы тяжёлого восстановления. И это не единичная претензия: OpenAI параллельно судится по делу о гибели 19-летнего парня, принявшего смертельную дозу после «плана лечения» от бота с советами по употреблению запрещённых веществ, и ещё по одному иску, где чат-бот обвиняют в подталкивании подростка к суициду. Отдельно обвиняют ещё сервис ChatGPT Health, куда пользователи могут загружать медицинские документы. Истец требует остановить его, пока независимые эксперты не признают сервис безопасным. Сама OpenAI кивает на пользовательское соглашение: там сказано, что сервис не предназначен для диагностики и лечения. Вот только компания тут же хвастается, что за медицинскими вопросами к ChatGPT еженедельно приходят 230 миллионов человек. Такое себе противоречие. @droidergram

✔️ США меняют стратегию НИОКР Белый дом реформирует систему федерального финансирования R&D, заменив университетские гранты прямыми выплатами ученым. По плану Управления по научно-технической политике, к 2028 году государство будет ежегодно распределять $200 млрд через персональные стипендии, чтобы минимизировать бюрократию. Основным приоритетом стратегии назван ИИ. Правительство запускает программу Genesis Mission, которая объединит вычислительные мощности суперкомпьютеров Министерства энергетики, частный бизнес и независимых специалистов для решения исследовательских задач. Параллельно США анонсировали инфраструктурные цели для технологического сектора. Среди них - запуск квантового компьютера к 2028 году и старт строительства 10 новых ядерных реакторов к 2030 году для покрытия потребностей дата-центров. wsj.com ✔️ Сэм Альтман презентует властям США новые модели На следующей неделе Сэм Альтман проведет серию брифингов для администрации США и законодателей. Глава OpenAI представит будущие ИИ-модели и обсудит их влияние на рынок труда. Встречи пройдут на фоне подготовки правительством новых стандартов безопасности для оценки ИИ-систем, релиз которых ожидается в ближайшие недели. Параллельно в X распространяются слухи о закрытом тестировании модели GPT-6. Согласно вбросам, тесты идут уже 2.5 месяца, а релиз будет раньше, чем запланировано. В соцсети утверждают, что новое поколение достигло AGI и способно решать сложные научные задачи - в частности, якобы смогла с первой попытки найти контрпример к математической гипотезе Якоби. Официальных подтверждений этой информации нет. bloomberg.com ✔️ Cursor представил автоматический роутер моделей Cursor Router - система динамического распределения запросов между LLM. Алгоритм анализирует сложность промпта и направляет сложные задачи во флагманские модели, а рутинные - в быстрые и экономичные альтернативы. Поведение системы регулируется профилями Intelligence (максимальная производительность), Cost (экономия токенов) и Balance (компромиссный режим). В тарифе Teams добавлены административные настройки. Тимлиды могут принудительно задавать режимы оптимизации для всей команды, а также блокировать или разрешать доступ к конкретным моделям. Новая функция включена по умолчанию и доступна на десктопе, в веб-версии, CLI, iOS и SDK. cursor.com ✔️ Cisco выпустила языковые модели Antares Модели обучены автономному аудиту безопасности. Они перемещаются по репозиторию, инспектируют файлы, отбрасывают тупиковые гипотезы и локализуют участки с потенциальными брешами. Компактный размер позволяет запускать модели on-premise, чтобы анализировать код локально. По данным внутренних тестов Cisco, базовая модель просканировала 500 репозиториев за 15 минут при затратах менее $1. В исходнике утверждается, что у абстрактной GPT-5.5 на аналогичную задачу ушло пять часов и более $100. Веса младших версий (350М и 1B) опубликованы на Hugging Face в режиме верификации заявки на скачивание. Старшую Antares-3B Cisco оставила закрытой для собственных коммерческих нужд. axios.com ✔️ Компания Джека Дорси запустила альтернативу Slack и GitHub Block, основанная бывшим гендиром Twitter, представила опенсорсную платформу Buzz, объединяющую мессенджер и хостинг кода. ИИ-агенты интегрированы в систему как участники команды с собственными профилями и настраиваемыми правами доступа. Агенты могут общаться в чатах, предлагать и ревьюить код, запускать скрипты автоматизации. На старте заявлена поддержка Claude Code, Codex и Goose. Архитектура Buzz базируется на децентрализованном протоколе Nostr - текстовые сообщения, воркфлоу и Git-операции криптографически подписываются и попадают в единый лог событий. Доступны классические каналы, треды, личные переписки и голосовая связь. Развернуть систему можно локально или использовать облачный хостинг от Block. Сейчас доступны десктопные клиенты для macOS, Windows и Linux. Мобильные приложения и функционал управления задачами находятся в разработке. Jack Dorsey в сети Х @ai_machinelearning_big_data #news #ai #ml

🚀 ИИ-модель китайской RedNote набрала 42 из 42 на математической олимпиаде dots-note-3.0 решила все шесть задач Международной математической олимпиады 2026 года. Официальные проверяющие поставили модели по 7 баллов за каждое доказательство. Такой же результат показали лишь 7 из 666 участников. Результат особенно важен из-за формата IMO. Здесь оценивают полный ход доказательства: пропущенный случай, логический разрыв или неуказанное условие снижают балл, даже если итоговый ответ верный. Модель работала с исходными условиями задач, использовала агентный цикл с рассуждениями на естественном языке и выполнением Python-кода. Затем она проверяла собственные доказательства, находила слабые места и переписывала решения. Во время тестирования вмешательство людей было запрещено. Для сравнения: в 2025 году модели Google DeepMind и OpenAI получили по 35 баллов из 42, что соответствовало уровню золотой медали. dots-note-3.0 пока находится в бете и является самой лёгкой моделью семейства dots3. В него также входят более крупные jazz и aria. RedNote обещает открыть модель, но дату пока не называет. scmp.com/tech/article/3361482/worlds-first-ai-model-earn-perfect-score-maths-olympiad-comes-chinas-rednote

💧Каждая 5я утечка данных происходит через нейронки Сотрудники сливают конфиденциальные данные в нейросети быстрее, чем ИБ-отделы успевают узнать о существовании новых сервисов. В июле 2026 года уже 20% всех корпоративных утечек оказались связаны с несанкционированным использованием ИИ (годом ранее - всего 12%). В публичные модели без разбора улетают исходный код, договора, базы клиентов и техническая документация.

🟦Главный канал слива - обычные веб-интерфейсы чат-ботов (42%) 🟦Еще 24% приходится на браузерные расширения 🟦19% - на самописные скрипты с API 🟦15% - на ИИ-помощники в средах разработки.

Для классических DLP-систем и файрволов этот трафик выглядит идеально: обычный легитимный TLS-запрос на белый домен, никаких вредоносных сигнатур. В итоге коммерческая тайна уезжает на внешние серверы абсолютно беспрепятственно. Ситуацию усугубляет халатность с доступами: почти у трети компаний API-ключи от ИИ-сервисов открыты в Git-репозиториях, конфигах и тестовых скриптах. Утащив такой ключ, атакующий получает прямой доступ к корпоративным RAG-хранилищам и связанным базам данных. Из-за запоздалого обнаружения инциденты с теневым ИИ обходятся компаниям в среднем на $670 тысяч дороже обычных утечек. Единственный адекватный выход для ИБ - сплошная инвентаризация сервисов, автоматический поиск утекающих API-ключей, жесткий контроль браузерных плагинов и понятная классификация данных внутри компании. 🦔 CyberYozh