Наткнулся на особенность /model в Claude Code, про которую я если честно не знал и не замечал. Если менять модель через обычный /model, это влияет сразу на все новые параллельные сессии. Что и написано при выборе модели, меня не обманывают: saved as your default for new sessions. Если нужно задать модель только для текущей сессии, при выборе модели в /model подтверждать нужно не клавишей Enter, а буквой [ s ], тогда другие сессии Claude Code это не затронет. Про выбор моделей при запуске через опцию --model, я знаю, но я не пользуюсь этим. В Codex иначе. Его /model меняет модель только глобально, в описании команды прямо написано: for this and future Codex CLI sessions. Никакой клавиши, чтобы применить только к текущей сессии, там нет. Так что в Codex единственный способ изолировать новую сессию с другой моделью — задать её при старте. @tips_ai

Океан как рудник: почему это до сих пор не работает В морской воде растворено почти всё, что нужно промышленности: магний, литий, никель, металлы платиновой группы, редкоземельные металлы. Всего 0,1% мирового океана, по оценкам учёных, содержит достаточно критических элементов, чтобы закрыть потребности человечества на 50 000 лет. И вот проблема, из-за которой этот «жидкий рудник» стоит нетронутым: концентрации ничтожны. Возьмите олимпийский бассейн — 2,27 миллиона литров. Лития там наберётся 0,42 кг. Никеля — 0,00095 кг, легче канцелярской скрепки. Качать миллионы литров ради такого экономически бессмысленно. Исключение — магний: в том же бассейне его 2980 кг, примерно как пикап Ford F-250. Но и он достаётся громоздким процессом Дау: известь осаждает гидроксид магния, затем соляная кислота, затем электролиз. Долго, многостадийно и заточено под один-единственный элемент. В Тихоокеанской северо-западной национальной лаборатории (PNNL), кажется, нашли решение. Даже сразу 3. Первая — со-поточный реактор. Морская вода течёт рядом со струёй щёлочи, и на узкой границе потоков ионы магния встречают гидроксид-ионы. Выпадает твёрдый гидроксид магния — и сам же образует тонкий барьер, который мешает дальнейшему смешиванию и не пускает в осадок кальций. На выходе высокая чистота без отдельной стадии его отделения. Минус как минимум четыре шага классической схемы. Вторая технология решает другую проблему — рассол после опреснения, который обычно просто некуда девать. Его расщепляют биполярным мембранным электродиализом на щелочной и кислотный потоки. Щёлочь возвращается в море, а кислота идёт выщелачивать металлы из руды. На оливине с содержанием никеля всего 0,27% она вытянула на 37% больше металла при комнатной температуре, чем коммерческая соляная кислота той же силы. Третья — водоросли: некоторые критические элементы они накапливают в миллион раз плотнее окружающей воды. Ключевая идея — не качать воду специально, а навесить модульные реакторы на прибрежные опреснительные заводы. @vselennayaplus

Ведущие ИИ-модели придерживаются левых взглядов — но есть одно исключение Исследование небольшой ИИ-лаборатории Unslop.run показало, что большинство популярных моделей ИИ при прохождении теста «Политический компас» оказываются в леволибертарианском квадранте — то есть демонстрируют сочетание экономически левых и социально либертарианских взглядов. Из 16 протестированных моделей 15 во всех сериях тестов оставались в этой части шкалы. Единственным заметным исключением стал Grok. В одних случаях он оказывался левее центра, а в других — правее. https://hightech.plus/2026/07/29/vedushie-ii-modeli-priderzhivayutsya-levih-vzglyadov--no-est-odno-isklyuchenie

Почему AI-стартапы теперь скупают реальный бизнес Стартап Dwelly прям очень рьяно собирает инвестиции в этом году. А еще совсем недавно я вам рассказывал про стартап Fura, который работает по похожей модели на другом рынке. Но суть одна: купить компании и оптимизировать их работу при помощи AI. Такая модель называется roll-up. И она не новая. Но теперь ее стали использовать в связки с AI. И ряд крупных венчурных фондов уже заявили об интересе к таким компаниям. Ниже ссылка на текст на Substack (в пост он не поместился) о том, как работает эта модель, на каких рынках ее можно применять, в чем преимущество AI, где уже были факапы. В общем, попытка разобраться в этом всем. Приятного чтения! 📕 ТЕКСТ ПРО AI И ROLL-UP И еще момент! Это гостевой текст от Александра Глухова. Сейчас он Strategy and Ops manager в Revolut, где занимается стратегией и бизнес-операциями. А до этого был старшим аналитиком в венчурном фонде Leta Capital. Мне текст показался интересным и достойным вашего внимания. P.S. с вас лайки в поддержку автора! @TheEdinorogBlog — тот самый канал про стартапы🦄

WhatsApp* добавила новые функции для групповых звонков WhatsApp анонсировала ряд улучшений для групповых звонков, включая возможность совершать аудио- и видеовызовы прямо из браузера через WhatsApp Web. Новая функция Call Transfer позволяет переводить активный групповой звонок между устройствами, не прерывая разговор. Также стала доступна комната ожидания для звонков по ссылке — она даёт возможность организаторам вручную одобрять доступ участников. Список нововведений пополнили технология QuickHD для мгновенного доступа к видео высокого качества и система подавления фонового шума для чёткости речи. В компании уточнили, что обновления внедряются постепенно и скоро станут доступны всем. *WhatsApp — продукт компании Meta, признанной экстремистской организацией в России.

«Мой опыт с партизанской антенной» Грозы не было, шёл тихий и нудный дождик, а трансивер вдруг показывал шум 9+30 на всех диапазонах. Радиолюбитель открутил антенный кабель, чтобы посмотреть спектр помехи, коробочка прибора пискнула и погасла, а разъём начал пощёлкивать искровыми разрядами раз в несколько секунд. Оказалось, безобидный на вид дождь нёс на каплях колоссальную статику. Как только антенна потеряла контакт с заземлённым основанием, потенциал на ней и на теле человека начал расти, поднимая шерсть дыбом. Дальше не выдержал ламинат на полу, и в большой палец ноги вонзился разряд, из-за которого антенну чуть не упустило за борт. А под ногами 25 этажей. Проблема в том, что точку питания этой антенны заземлять нельзя, иначе она попросту перестаёт работать, так что обычная грозозащита тут не годится. Обсудим, как защититься от такой статики, когда заземлить антенну напрямую нельзя.

AI убирает одну работу и тут же создаёт другую Сегодня обсуждали с коллегами любопытный парадокс. AI резко снизил порог входа во множество задач. Люди начали делать то, за что раньше даже не брались: разбирать финансы, копаться в своём здоровье, собирать мобильные приложения, автоматизировать процессы, работать с данными и документами. Раньше для этого надо было долго учиться, читать инструкции и набивать руку, а теперь можно быстро получить объяснение, пример, прототип и даже какое-то рабочее решение. Вот только доступность задачи ничего не говорит о глубине её решения. Современный AI часто напоминает университетского профессора, который прекрасно знает теорию, убедительно объясняет материал и щёлкает учебные примеры. Как только знания надо применить в реальной среде: с ограничениями, архитектурой, производительностью, исключениями и контекстом - начинаются проблемы. Модель легко напишет огромный объём текста, обработает массив данных самым неэффективным способом и предложит архитектуру, которая выглядит убедительно, но плохо живёт на практике. Скажем, большой набор данных разумнее один раз превратить в реляционную базу и дальше получать ответы короткими запросами на SQL или Python. Вместо этого ИИ раз за разом прогоняет через контекст тысячи строк, сжигая время и токены. Забавно, что длинные рассуждения и многократная обработка данных - ровно то, на чём зарабатывают поставщики LLM. Но интереснее другое следствие. AI породил огромный объём прототипов, полуготовых решений и новых инициатив, и люди начали встраивать их в бизнес-процессы, не всегда понимая архитектуру, программирование, безопасность и экономику продукта. Всё это теперь нужно проверять, исправлять, интегрировать, защищать и доводить до промышленного уровня. Дальше начинается цепная реакция. Юристы с помощью AI находят в договорах больше несоответствий, и другая сторона получает документ ещё сложнее, на проверку которого уходит ещё больше времени. Предприниматели быстрее собирают прототипы, но потом им нужны разработчики, архитекторы и консультанты, чтобы превратить это в надёжную систему. Компании видят новые возможности и тут же упираются в новые вопросы: где будет реальная экономия, как изменятся процессы, какие появятся риски и кто на самом деле получит прирост производительности. Пока что я вижу, что новой работы ИИ создаёт не меньше, чем убирает и её будет много. @maxvotek | linkedin | substack