Борис Черный Главная мысль его выступления: продукты на базе AI теперь строятся не как обычный софт, а почти как экспериментальная наука. Каждое новое поколение моделей ведёт себя иначе. Поэтому нельзя заранее придумать огромный system prompt и сложную архитектуру, а потом годами их улучшать. Сначала нужно убрать почти всё, дать модели сложную реальную задачу и посмотреть, где она действительно ломается. Инструкцию стоит добавлять только тогда, когда одна и та же ошибка повторяется. Именно так команда Claude Code удалила около 80% system prompt для новой модели: большая часть старых правил компенсировала ограничения, которых у неё уже не было. Иногда модель без этих инструкций работала даже лучше. Борис назвал главную возможность для стартапов «product overhang»: современные модели уже умеют гораздо больше, чем позволяют существующие продукты. Мы часто сами ограничиваем AI — дробим работу на слишком маленькие шаги, подробно диктуем способ решения и не даём достаточно инструментов и свободы. Правильный подход — поставить задачу немного сложнее, чем кажется возможным, задать ограничения и критерий завершения, дать инструменты для самопроверки и позволить модели самой найти путь. Ключевой элемент здесь — не промпт, а верификация. Claude смог 11 дней переписывать runtime Bun с Zig на Rust, потому что у проекта был сильный набор тестов. Другой агент уже больше двух недель переписывает Electron-приложение на Swift, постоянно запускает результат и сравнивает интерфейс по скриншотам. Долгая автономная работа становится возможной, когда система сама понимает, приблизилась ли она к правильному результату. Ещё один сдвиг — тысячи агентов становятся новой формой вычисления. Они могут параллельно исследовать варианты, писать код, проверять друг друга и собирать итог. А постоянные routines уже ежедневно поддерживают кодовую базу Anthropic: удаляют мёртвый код, закрывают эксперименты, улучшают тесты и объединяют дублирующиеся абстракции. Мой главный вывод: в эпоху агентов выигрывает не тот, кто написал самый сложный промпт. Выигрывает тот, кто умеет дать модели настоящую работу, достаточную свободу и объективный способ доказать, что работа действительно выполнена. Коротко: ставьте более сложные задачи, меньше диктуйте способ решения и инвестируйте в проверяемость результата.

Дженсен Хуанг. Главная мысль его выступления — великие компании строятся не вокруг одной технологии, а вокруг правильного взгляда на будущее. Первая технология NVIDIA была ошибочной. Компания выбрала неправильный алгоритм 3D-графики и оказалась на грани закрытия. Более того, команда даже не знала, как сделать правильно: Дженсен купил несколько учебников по OpenGL, инженеры выучили новый подход и перестроили продукт. Но фундаментальная гипотеза была верной: обычные CPU нужно дополнять ускорителями, чтобы решать целые классы сложных задач. Поэтому NVIDIA стала не просто производителем чипов, а компанией, которая последовательно ускоряет новые алгоритмические области — от графики до deep learning и робототехники. Когда появился AlexNet, Дженсен увидел не просто прорыв в распознавании изображений. Он увидел универсальный способ создавать софт: нейросеть может учить функции, которые невозможно точно запрограммировать вручную. Дальше он задал главный стратегический вопрос: если это будет становиться лучше, что изменится во всём технологическом стеке? Отсюда его взгляд на следующую эпоху. Агенты — это не чат-боты и не просто инференс. Им нужны память, инструменты, песочницы, взаимодействие друг с другом и постоянно работающие асинхронные процессы. OpenClaw он назвал «Linux-моментом»: теперь каждая компания сможет собрать собственный AI. При этом главный нерешённый вопрос — управляемость. Агент уже может улучшать память и учиться со временем, но человек должен уметь изменить одно слово или один элемент плана и получить именно нужное локальное изменение. Тогда AI не обязан быть идеальным: даже 80% качества достаточно, если оставшиеся 20% можно точно и безопасно довести вместе с человеком. И, пожалуй, лучший совет Дженсена основателям: не нужно заранее знать всё. Нужно уметь быстро признать, что текущая реализация не работает, сохранить глубокую гипотезу, научиться недостающему и продолжать. Его формула проста: «Это важно — значит, я этому научусь. Насколько сложно это может быть?» На практике оказывается намного сложнее. Но преодолевать нужно не весь путь сразу — достаточно сегодняшний день.

Крайне рекомендую попробовать Opus 5 в режиме fast хотя бы на 20-30 долларов extra usage Я уверен, что будущее за моделями, которые дают достаточно высокий уровень качества при одновременно высокой скорости работы Я сегодня готовился к рассказу про институт и за час до начала придумал как сделать турбо-кастдев во время вебинара, чтобы за время вебинара узнать сегменты, джобы, страхи и барьеры от всех участников. Обычный Opus работает медленно. В режиме fast он работает в несколько раз быстрее, и это позволяет создавать почти со скоростью мысли. Да, мне это стоило $50, но за эти $50 я купил результат исследования, который мне так бы стоил несколько сот тысяч рублей и я проверил гипотезу за час. Возвращаться на медленный Opus не хочется. Очень рекомендую так делать ресёрчи, только не забывайте использовать православные методологии.

У Сбера есть интересный whitepaper где он описывает технологию разработки продукта с помощью агентных циклов. Можно сколько угодно не любить корпоратов, но игнорировать тренд, который формируется у нас на глазах - это просто глупо. Хотим мы этого или нет, но основой работы для инженеров становится архитектура агентных циклов, умение выстраивать процессы, делать оценку качества, вносить и контролировать метрики качества. Это работает потому что бизнесу интересно выпускать фичи в 2-3 раза быстрее, даже за счет дополнительных издержек на производство этих фич. Некоторое время еще можно подождать, чтобы убедиться, что тренд устойчив, но, ИМХО, цикл ранних последователей уже скоро закончится.

Большой недельный пост 🎉 Что-то меня на этой неделе прям торкнула история про Михаила Лялина и его соляной стартап. Круто, что люди могут так заходить в совершенно новую для себя сферу. И я все думал, смог бы и я так или нет? Но в большом недельном посте тоже есть классные истории. А вот, кстати, и он! 1️⃣ Большой текст VC про селлеров на Wildberries. Издание поговорило с ними, узнало про убытки, как все это переживают, что с компенсациями — ссылка 2️⃣ Подборка задач с собеседований в крупные AI-компании. И подборка рассказов тех, кто эти собеседования прошел. И материалов для подготовки. В общем, все в одном — ссылка 3️⃣ Статья New York Times про Билла Джонса. Он написал с помощью AI уже больше 450 книг и продает их на Amazon. Вообще он спец по кибербезопасности, но сейчас ему 70, он на пенсии и вот увлекся — ссылка 4️⃣ Мини-гайд от Итана Моллика про то, какие AI использовать для каких задач — ссылка 5️⃣ Чувак рассказывает, как стал делать приложение для отслеживания привычек с помощью AI и это заняло у него год — ссылка 6️⃣ Есть ресурс The Numbers, на котором собирается очень качественная аналитика по киноиндустрии. Он появился еще в конце 1990-х. А в марте этого года вдруг перестал работать на неделю без объяснения причин, а потом появился в сильно урезанном виде. И вот попытка разобраться, что случилось, и рассказать историю сервиса — ссылка 7️⃣ Как в Китае еще в школе пытаются найти AI-таланты — ссылка @TheEdinorogBlog — тот самый канал про стартапы🦄

LLM Benchmark Opus 5 на агентских задачах в бизнесе Я померил два варианта Anthropic Opus 5 - обычный и Fast. Последний работает раза в два быстрее, но стоит раза в два дороже. Уровень ответов при этом идентичный. Очень высокий уровень AI Code (tool generation/use), всего по два "прокола" безопасности. Модели заняли 4 и 5 места по точности, если смотреть без учета скорости и цены. А если же быть реалистичными и смотреть на них, то Fast модель оказалась на парето-фронтире по скорости, а Opus 5 - в целом близок по параметрам к GPT-5.5 (med), который является хорошей рабочей лошадкой на дорогих задачах. Кстати, в отличие от Fable, тут нет постоянных отказов отвечать. В общем, радует, что Anthropic, наконец, начали прокачивать свои топовые модели в сторону агентских задач. Будем ждать появления Sonnet версий снова на фронтире! Ваш, @llm_under_hood 🤗

Попробовал я эту вашу разработку с субагентами, скилами, хуками и прочим. Объектвино, более бесполезной и тупой вещи я в жизни не видел. Для соло разработки худшее что вы можете сделать - это настроить агентский цикл с разбором задачи, исполнением, тестированием, ревью и прочей шелухой. Скорость разработки падает в разы. Простая задача по интергрированию 2 ручек в проект и созданием одной таблицы начинает занимать час, а то и более. Я буквально сам сделал бы это быстрее. Количество токенов растет так же в каких-то гигантских масштабах. Столько лимитов, сколько жрет 1 проект у меня не жрало 3 проекта параллельно. В итоге главные преимущества работы с нейронкой сводятся на нет. Да, скорее всего я ее неверно настроил, и надо будеь попробовать нормально. Как то ранжировать задачи, что бы мелкие не прогонять по всему пайплайну, а крупные наоборот гонять по всему пайпу

🌍 Как правильно промптить LLM для планирования путешествий: что говорит наука Пока путешествую по Мадагаскару, задался вопросом: а как вообще правильно просить LLM спланировать поездку и составить маршрут? TL;DR: пишите как удобно, вставляйте местные названия, прямо просите искать на языке страны и требуйте ссылки на источники — особенно для дат, цен и расписаний ✈️ 1️⃣ Язык промпта — гибрид Инструкции модель лучше выполняет на английском, но факты о стране точнее «вспоминает» на её языке — перевод смывает культурный контекст (в бенчмарке CulturALL нативные промпты дали +8% точности). Промптинг на языке культуры также снижает галлюцинации о ней. 👉 Рецепт: запрос — на удобном языке, а топонимы, районы и блюда — на языке страны. 2️⃣ Явно просите искать на местном языке У LLM есть скрытый bias: на каком языке спросили — на таком и ищет, а без локальных источников тянется к высокоресурсным языкам (Faux Polyglot). Запрос на английском = «туристический интернет», а не то, куда ходят местные. 👉 Пишите прямо: «ищи и на малагасийском, и на французском, и на английском, для ресторанов и транспорта приоритет — локальные сайты». 3️⃣ Зависит ли от страны? Да, и тут парадокс 🤯 ▫️ Франция/Япония: многое дублируется на английском, локальный поиск даёт бонус в «длинном хвосте» — события, нетуристические места. ▫️ Низкоресурсные языки (тот же малагасийский): самое ценное есть только локально, но модель хуже понимает язык. Оптимум — двуязычный поиск + синтез (paper). ▫️ Важна ещё и «оцифрованность» страны: про регионы с бедным интернетом модель знает мало на любом языке. ⚠️ Нюансы, о которых забывают: 🔸 Когда источники на одном языке, а ответ на другом, модель хуже рассуждает и путает язык ответа (бенчмарк XRAG, EMNLP 2025). Фиксируйте: «отвечай по-русски, укажи источник каждого факта». 🔸 Разные модели ≠ одинаковое поведение: одной лучше английский, другой — нативный язык. Универсального правила нет. 🔸 Неанглийский текст «дороже» по токенам — чисто инженерный аргумент 💸 🔸 Цены, визы, расписания — только через поиск, по памяти модель уверенно выдаст устаревшее. 📊 Оценка завышена (XBCP и X-WebAgentBench) для travel-planning нет хорошего ground truth так как текущие исследования агентных систем в основном англо-центричны. @mashkka_ds За вдохновение спасибо @travel4_you & @runoutofthetown #llm #Claude #agent

Аномалии Opus 5 и оптимальный reasoning effort Если вы используете агентов так активно, что даже 200$ лимитов вам не хватает, ну или просто хотите получать адекватный результат за приемлемое время, то надо озаботиться выбором оптимального уровня размышления модели. Так вот, из официального анонса это неочевидно, а вот из системной карточки вполне. И там видно, что в ряде задач Opus 5 medium effort оказывается даже эффективнее, чем Fable high. При цене почти в 3 раза меньше. Видимо, теперь medium будет дефолтным выбором для пятого опуса. А во Frontier Code Opus 5 medium и вовсе показывает результаты существенно лучше, чем xhigh версия (что, конечно, подозрительно, но ОК). Еще, в системной карточки появились мультиагентные бенчи, и один из них ProgramBench - так вот, там команда из 5-ти агентов достигает того же результат в 2.2 раза быстрее, чем одиночный агент. Привет всем любителям мультиагентных систем. Похоже, что секцию 8.11 Multi-Agent в принципе есть смысл прочитать вдумчиво. И любопытный факт - новенький FrontierBench v0.1 (уже третий "фронтир" све бенчмарк) они прогоняли не в родном харнессе, а в mini-SWE-agent. Результатов прогона medium effort нам почему-то в отчете не дают, только xhigh и high. @ai_driven

#Нейропрожаока The Translators "Грипп" Автор: Ai Механика @mechanicsfilms_ai Мы хотели написать нормальное описание, но потом еще раз посмотрели клип, и мозг сказал: "Не надо". Смотрите так 🫶😁 Пайплайн Claude - промпты. Nano Banana Pro — генерация ключевых визуальных элементов GPT-2 Image - дополнительная генерация изображений в нужном стиле Kling AI Seedance 2.0 - генерация видео Photoshop - постобработка, чистка, цветокоррекция, дорисовка деталей, композиция, исправление артефактов DaVinci Resolve - монтаж, цветокоррекция всего проекта, работа со звуком, эффекты, переходы, тайминг и полировка до готового вида. Общее время ≈ 2,5 недели Музыка: The Translators (акк в инсте @thetranslatorslive) Агентство и продакшн: Ai Механика Идея: Алексей Карпов Концепт креатива: Алексей Карпов/ Марина Краснопольская Ai артист: Марина Краснопольская Графика: Павел Аушев Ai Механика @cgevent