Нужно ли мне учиться, когда курс можно скормить нейронке? И как будет выглядеть образование будущего Зачем учиться? Чтобы эффективнее решать больше задач и более сложные задачи. Но сейчас же есть чудо-нейронки, которые за меня сегментацию сделают, фичу запилят и потом отчитаются об успешности эксперимента. Если нейронка не шарит за продуктовый подход, так ей можно скормить методологию и скиллы эксперта и станет она умнее Вани Замесина. Появился сегмент студентов, которые покупают обучение только для того, чтобы расшифровать и скормить нейронке. Сами при этом не учатся. Ну реально, зачем? 1. Если инструмент доступен всем — владение инструментом тебя не отличает от других. Все могут установить себе скиллы эксперта. Но без фундаментального понимания ты проиграешь тем кто установил скиллы И имеют фундаментальное понимание. Создаёшь продукты в 10 раз быстрее? Ты в 10 раз быстрее узнаешь, что ты проигрываешь конкурентам в понимании стратегии. 2. Чем лучше будут нейронки, тем более убедительно будут выглядеть результат их работы. Если ты отвечаешь за стратегию большого продукта — тебе потребуется быть супер-экспертом, чтобы поймать заковыристую галлюцинацию нейронки и направить нейронку в правильную сторону при сотнях доступных стратегий. 3. Один из важных результатов обучения — возможность видеть сквозные паттерны в других сферах, получать эмержентные навыки и возможность совершать новые действия из кобминации существующих. Умею вайбкодить, принимать продуктовые решения и привлекать клиентов — могу сделать фестиваль и собрать на него много участников. Результат = опыт+навыки * инструмент. НО Мы с вами дружно перенеслись в ветку реальности в которой всё стало очень быстро и интенсивно. И учиться как учились наши деды — по лекциям, неделями, чтобы потом самому пытаться применять в своём продукте — уже не работает. Слишком медленно и неэффективно. Обучение будущего будет выглядеть не как обучение. 1. Информация становится бесплатной. Поэтому я выложил большую часть канона в открытый доступ. И скоро много лекций выложу в открытый доступ 2. Человек будет решать задачи и учиться в процессе 3. Нейронка делает, ты принимаешь решения 4. Обучение должно быть максимально быстрым. Длинные программы будут состоять из множества коротких спринтов. 5. Обучение будет работать с более фундаментальным уровнем знаний и навыков. Нужно учить челвоека думать, а не повторять заученные действия.

#дайджест Дайджест AI/ML за неделю 20–26 июля 2026 Anthropic: Claude Opus 5 Модель почти уровня Fable 5 в 2 раза дешевле и без настолько драконовских ограничений по безопасности, хотя ее тоже переключает на Opus 4.8 если вы делаете что-то подозрительное. На CursorBench отстает от Fable на 0.5%, на Frontier-Bench больше чем вдвое обгоняет Opus 4.8. Контекст 1М, выход до 128К, есть fast mode в 2.5 раза быстрее и в 2 раза дороже. Opus 5 теперь дефолт для Max и самая умная модель в Pro, доступна в приложениях, Claude Code и API. Блогпост Black Forest Labs: FLUX 3 FLUX теперь не только картинки. Модель обучена на изображениях, видео и аудио. Генерирует и редактирует изображения, видео до 20 секунд со звуком и предсказывает действия для роботов.  FLUX 3 Image и Video доступны только в early access через API, цены пока нет. Открытый мультимодальный FLUX 3 Dev обещают потом. Блогпост, FLUX 3 × mimic OpenAI: GPT-5.6 Sol взломала Hugging Face Во время тестирования GPT-5.6 Sol и еще более умная внутренняя модель сбежали из песочницы ради ответов на тест. Нашли zero-day в прокси, добыли доступ в интернет, вскрыли продакшен базу Hugging Face, после чего всех превратили в скрепки атаку остановила агентная система HF на Kimi K3. отчет Hugging Face, Разбор OpenAI Poolside: Laguna S 2.1 Открытая кодинг-модель 118B-A8B с контекстом 1М, thinking/no-thinking и весами от BF16 до NVFP4. На Terminal-Bench 2.1 набрала 70.2% против 88% у Kimi K3 и Fable 5, на DeepSWE - 40.4% против 69–70%. В общем немного хуже 300B-1Т моделей при размере 118B, на OpenRouter стоит $0.10/$0.20 за миллион токенов и $0.01 за кэш. Блогпост, Веса Alibaba: Qwen-Image-3.0 Рекламируют значимые улучшения во всякой инфографике с текстом. Обещают читаемый текст размером 10px, 12 языков, генерацию и редактирование до 2048×2048 с 1–3 референсами  по промптам до 4.5K токенов. Пока invite-only preview в Alibaba Model Studio, API на ограниченное время бесплатный. Открытых весов нет. Блогпост, API KeenTools: GeoTracker for Houdini Плагин переносит движение объекта или камеры из обычного видео прямо в 3D-сцену Houdini. Затреканный объект можно сразу использовать в симуляциях - например, заставить его расталкивать частицы или выпускать дым. Плагин также сам оценивает фокусное расстояние и зум камеры. 3D-модель объекта нужно подготовить самим, но если высокая точность не нужна, машину обещают затрекать даже обычным кубом. 15 дней бесплатно, дальше $19.99 в месяц или $95.94 за первый год по стартовой скидке. Страница продукта Google: Frozen v2 Говорят Google делает отдельный серверный чип, в котором прямо в кремний зашита часть архитектуры Gemini. Изначально хотели зашивать веса, но релизы моделей раз в месяц мешают такому подходу. Ожидают 6-10х инференс и хотят начать использовать в 2028г. Это все утечки из The Information от сотрудников, а не данные от самого гугла, так что цифры и сроки не точны, но работа в этом направлении явно ведется. Статья The Information Менее значительные релизы: Qualcomm: MobileWan - Wan2.2-5B запихнули в телефон: 5 секунд видео 480×832 при 16 fps генерируются за 20 секунд, VBench 83.79. Проект Google: Gemini 3.6 Flash и 3.5 Flash-Lite - гугл расстраивает нас очередным минорным релизом. 3.6 Flash тратит на 17% меньше выходных токенов за тот же результат чем 3.5 Flash, вторая выдает около 350 токенов/с за $0.30/$2.50. У обеих контекст 1М. Блогпост Lightricks: LTX-2.3 Clean Plate - IC-LoRA для удаления людей, машин и других динамических объектов из видео с восстановлением фона. Веса

Мы с Наташей вернулись в агентство спустя 3 года 🔵Для тех, кто знает нас только по клубу: кроме Галеры у нас с Наташей есть агентство Белый Квадрат. Мы строим его уже 10 лет, с 2016 года. Чувствую себя старым)) Так вот, три года назад мы отдали операционку управляющему партнёру, а сами ушли в стратегию: встречи раз в неделю, стратсессии раз в квартал. За эти три года агентство и без нашего ежедневного участия притащило крутых клиентов - известные бренды, которые вы наверняка знаете (можете глянуть у нас на сайте). А в этом году мы вернулись. Уже не наблюдать со стороны, а самим перестраивать агентство под новую модель. Почему? Потому что хоть агентство и неплохо работало без нас, внутри кое-что тихо сломалось... Модель, на которую мы поставили несколько лет назад, уперлась в стену. А тут ещё и нейросети добили то, что приносило нам основные деньги. Мы не стали делать вид, что всё под контролем, а начали пробовать новое, тестировать гипотезы одну за другой. И каково же было наше удивление, когда часть из них выстрелила буквально за пару месяцев и принесла деньги)) Всё это я решил рассказать серией постов. Честно, с цифрами, ошибками и удачными идеями. Чтобы показать, как оно было на самом деле. Если вы сейчас в похожей точке, скорее всего, узнаете себя) Дальше буду разбирать всё по шагам: как мы выходили из операционки, почему наш дорогой продукт перестал продаваться и что мы стали делать вместо него. Ставьте 🔥 если вам интересна эта серия и пишите, что вам интересно узнать по теме.