Claude Opus 5 создала браузерный шутер «как Call of Duty» по короткому промпту Спустя два дня после выхода модели Claude Opus 5 инвестор в сфере ИИ и бывший генеральный директор HyperWrite Мэтт Шумер опубликовал полностью играбельный браузерный шутер от первого лица, который, по его словам, модель разработала самостоятельно. Для создания игры использовалось текстовое задание, состоящее всего из трех коротких абзацев, без указания конкретного движка, игровых механик или готовых ресурсов. Шумер просто попросил ИИ сделать игру максимально похожей на Call of Duty. Claude справился с задачей, создав «стрелялку», в которой всего 55 тыс. строк кода. https://hightech.plus/2026/07/30/claude-opus-5-sozdala-brauzernii-shuter-kak-call-of-duty-po-korotkomu-promptu

📑 В опенсорс вышла тулза OfficeCLI, которая подключает ИИ-агентов к Word, Excel и PowerPoint — без установки официального офисного пакета и прямо из терминала. • После подключения одного скилла агент сможет читать, редактировать и генерить офисные документы. • Генерирует любые доки, отчёты и договоры в формате Word. • Обрабатывает и сортирует много таблиц Excel через скрипты. • Создаёт слайды и выдаёт презентации в PPTX. • Делает кастомные автоматизации без ручного открытия файлов. • Рендерит файлы Office в HTML или PNG, проверяет результат и доводит его до идеала через loop. Ставится за одну строчку:

curl -fsSL https://officecli.ai/SKILL.md

Забирайте — тут. @notboring_tech

Цифра ~50% почему-то часто не пугает людей, когда речь про AI-ассистентов. Каждый второй запрос в стену? Ну ок, бывает, докрутим. Это странно, ибо если переложить те же 50% на более классический продукт, который мы все умеем оценивать, отношение будет другим. К примеру, интернет-магазин, который не создаёт каждый второй заказ, никто «докручивать» не будет — его чинят в ночь, в дождь, вопреки, потому что всем очевидно, что он сломан. Но представим магазин хитрее: заказ создаётся, а дальше то не доставят, то привезут не то или не туда, то спишут другую сумму. При этом снаружи всё может выглядеть как успех с непоколебимым покерфейсом: корзина, чекаут, «спасибо за покупку». Ассистенты чаще ломаются именно так. Там, где классический софт падает с ошибкой, LLMки отвечают: «подписку отменил», а по факту ничего не отменил, «операция корректна», а она снесла прод-базу. Ровно тот самый идеальный покерфейс, и у пользователя обычно не хватает компетенций отличить правильный ответ от уверенного вранья. Отсюда и разница в обратной связи. Косячащий магазин закидают жалобами и единицами в отзывах за день: чтобы понять, что привезли не то, экспертиза не нужна. А к ассистенту человек приходит ровно потому, что сам не знает ответа. Отличить хороший результат от плохого ему часто нечем, так что уверенный бред спокойно собирает свои пятёрки, либо собирает негатив с большой задержкой, либо вовсе выглядит как падающий ретеншн. Откуда тогда спокойствие команд? Моя гипотеза: дело в лёгкости лицезрения. Метрики магазина дешёвые: доля созданных заказов, SLA доставки, возвраты. Собираются за день и орут с дашборда красными огнями. Если даже никто дашборд не построил, то быстро прибежит СЕО и заставит сделать сэппуку. Метрика качества ассистента дорогая, это тот самый бенчмарк и нудные месяцы работы. А пока бенчмарка нет — нет и дашборда, на котором могло бы загореться красное. А когда мы измеряем что-то, то часто это улучшаем. Если не измеряется, то «вроде работает» будет достаточно. Дешёвая метрика тычет тебя носом в провал, а дорогая разрешает жить в неведении и называть это оптимизмом. Так что если у команды ассистента нет бенчмарка и эвалов, это не значит, что у неё нет 50% фейлов. Это значит, что она узнает о них последней.

old money vs new money, но про мобильные приложения 🤑 Размышляла о том, что старые и новые приложения сейчас очень сильно различаются и придумала такую метафору. Старые деньги - условные FaceApp, Flo и Duolingo, они накопили базу и годами живут на продлениях. Новые - AI-аппы и недельные подписки. Зарабатывают быстро, но и пользователей теряют быстро. Чем они отличаются и почему на мой взгляд бессмысленно сравнивать свой ретеншен с old money категорией? кто такие old money 🎩 аппы, запущенные до 2020. В пейде их почти не видно, но они держат 69% всего подписочного ревеню (для сравнения аппы 2025 года вместе - 3%): деньги делаются на продлениях базы, набранной еще по старым ценам трафика. У Flo например больше половины базы и выручки дают юзеры старше года кто такие new money 💅 AI продукты недельные подписки. Здесь платящий юзер приносит на 41% больше, чем в обычном аппе, weekly-планы уже дают 56% ревеню рынка. Но есть и обратная сторона - отток платящих на 30% выше, ретеншен недельных через год всего 3-5%. Например Lensa заработала ~$30 млн за месяц, а потом юзеры сделали аватарки и ушли, или у видеогенератора Sora было 12 млн загрузок и D30 меньше 8%. 53% подписчиков AI-тулов честно говорят, что подписываются под задачу и отменяют, когда она решена - получается, этакий серийный отток который становится нормой, и формировать привычки все сложнее ну и конечно есть еще no money 🤣 так что по дефолту не стоит себя относить к первой или второй группе 🎧 old money считают ренювалы, в то время как new money считают инсталлы и первичные покупки. В среднем платят вообще ~2% установивших, и вся экономика решается тем, сколько раз эти 2% продлятся - даже у недельных подписок ~86% годового LTV это продления, а не первый платеж. Поэтому сравнивать свой ретеншен например с Flo бессмысленно - их цифры сделаны когортами времен дешевого трафика и оттестированы годами что с этим делать (рекомендации из индустрии, у вас может быть иначе, тестировать в любом случае, то, что мы сейчас делаем у себя): • переводить с недельных на годовые • чинить ошибки биллинга, предлагать грейс период и паузу на какой-то срок с реактивацией вместо отмены • поднимать цену. Конверсия просядет меньше, чем вырастет чек (по рынку лайфстайл апок +25% к цене ≈ -10% конверсии), а LTV платящего у дорогих значительно выше • и то, о чем я часто пишу - искать велью-момент тех, кто остается, и подводить к нему остальных можно ли сейчас собрать old money апп с нуля? Я думаю что да, но через привычку и годовые планы, а не через закупку и таких примеров мало. Впрочем, хорошая новость, что все old money когда-то были new. Но с каждым годом растить ретеншен все сложнее, а закупка становится дороже @neural_prosecco

Великолепная пятерка — Отток через месяц 95%, — пожаловался фаундер ИИ-продукта — Прекрасно. Осталось узнать, кто оставшиеся пять За последний год я выпотрошил внутренности десятков AI-проектов. Везде такая фигня: шумный запуск -> куча регистраций -> 5-7% «выживших» на 30-й день. И это не про неудачников — а буквально про всех. Есть единицы, которые даже при таком удержании растут как ненормальные. Думаете, они починили возвращаемость? Ни-фи-га. Посмотрели на оставшихся и сделали одну из двух вещей: 1. Пошли продавать их компаниям. Наш выпускник создал сервис, превращающий звонки в заметки. На старте 1200 регистраций, через месяц — 70 регулярных пользователей, большая часть из которых — юристы. Предложил, чтобы за них заплатили фирмы — и теперь считает не пользователей, а юр.отделы. 2. Выделили тех, кто жжет миллионы токенов на своих поделках, и повысили им цену. Разработчик сервиса генерации лендингов парился с удержанием — делал обучающие туры, страницы помощи, упрощал интерфейс, а люди все отваливались. А 80% вычислительных ресурсов сжигали 7 арбитражников. Им нафиг не нужно было даже удобство — хотели больше убогих лендосов и побыстрее. Снял им ограничания, повысил цену и пошел к таким же. Вывод прост: не парьтесь про 95%-й отток — это нормально в ИИшных продуктах. Парьтесь с оставшимися пятью: либо берите с них больше либо продавайте их компаниям. Пока это единственный путь выйти в плюс.

Как экономить контекст в coding agent (claude, codex etc.) Задача переписать легаси на сотни тысяч строк кода, которая разрабатывалась (криво и косо) на протяжении 5 лет, за 3 месяца. Сюда входит погрузиться: в продукт, инфру, архитектуру, нагрузку, тестирование и проч. Чтобы успеть, нужно смерживать десятки PR/день. Когда нибудь напишу, как мы построили процесс, а пока простые мысли, как экономить контекст, ибо что в лимиты упираешься постоянно. 1) Субагенты строго через младшую модель. Пример: Opus 5 оркестратор, Sonnet 5 субагенты. Идеальный сценарий когда младшая никогда модель не принимает никаких решений. 2) `/compact` каждые ~150k токенов: сейчас, когда у моделей по 1м контекстного окна, мозгу кажется что 250k это всего лишь 1/4, то есть мало, а по факту 250k это 250k, и с каждым след.запросом стоимость возрастает. Какое бы не было контекстное окно, я держусь в минимальных пределах. 3) По одной задаче на чат: допускал ошибку, когда давайл скоуп задач в стиле "/goal работай пока не закроешь все". Работает херово. Не потому даже что модель путается, а просто потому что вам так сложнее понять статус и прогресс. Понимание происходящего ценно, держитесь за него. Еще помогают четко описанные задачи, но это уже не просто об оптимизации токенов, а в целом о качестве. Пример секций: что делаем, зачем, что входит в задачу а что нет, как проверить задача успешно выполнена.

Я (возможно) победил тайм-менеджмент🔄 Продолжаю нахваливать GPT Work. Перетащил туда кучу проектов из Claude Code — теперь и тайм-менеджмент. С ним всё ужасно (было). Всегда устаю обслуживать систему раньше, чем она начинает работать, поэтому сделал свою. И здесь важная деталь — запланированные задания в Work. Система, как палка, простая: 1. Сливаю все задачи в Todoist голосом (у них есть такая фича). Без меток, приоритетов и прочего — просто выгруз задачек из головы. 2. GPT Work в шесть утра просыпается, смотрит на эту свалку, разбирает инбокс и просроченное. Плюс проверяет почту и саммари созвонов из Fireflies — всё подключается плагинами прямо внутри чата. 3. Из этого завала Work собирает реалистичный день большими фокусными блоками. У меня это операционка (документы, ответить в чатах, что-то купить), работа и блог/творчество. Внутри каждого блока уже прописано, что именно нужно сделать. Лично у меня пока работает шоколадно, но посмотрим на дистанции. Делюсь — возможно, вам тоже пригодится. Как легко собрать:

1. Подключите к GPT Work Todoist (или что там у вас для задачек), Google Calendar, почту и Fireflies — если хотите учитывать созвоны. 2. Создайте запланированное задание на каждый день, например на 6:00. 3. Промпт: > Каждое утро проверяй мой Todoist: инбокс, просроченные задачи и задачи на ближайшие дни. Проверь почту и последние саммари созвонов — найди всё, что требует действия. Посмотри занятое время в Google Calendar и собери реалистичный план на сегодня большими рабочими блоками. Распредели задачи по контексту, учитывай встречи и не пытайся уместить в день больше, чем туда помещается. Готовые блоки добавь в календарь. 4. Напишите GPT, какие блоки вам нужны, сколько они обычно занимают, что важнее, что можно переносить и в какое время вы вообще способны изображать работающего человека. 5. Всё. Дальше надиктовываете задачи в Todoist, а утром получаете уже собранный день.

🧱 Sakana AI и NYU научили Transformer генерировать Minecraft-миры по отдельным блокам В Dream-Cubed каждый блок - камень, вода, песок или дерево - обрабатывается как отдельный токен. Для обучения собрали более 30 млрд блоков: свыше 1,8 млн процедурных чанков размером 32×32×32 и более 200 тысяч фрагментов авторских карт. Исследоватли собрали датасет из десятков миллиардов блоков: процедурно созданных ландшафтов и качественных пользовательских карт, полученных с разрешения авторов. На этих данных обучили семейство Transformer-моделей для генерации интерактивных 3D-миров с точностью до отдельного блока. Модели умеют: - достраивать мир вокруг заданной структуры; - заменять отдельные участки и биомы; - генерировать по расставленным пользователем блокам; - расширять карту через outpainting; - создавать миры практически неограниченного размера. Авторы протестировали дискретную и непрерывную диффузию. Сгенерированные миры сразу остаются редактируемыми и пригодными для игры. Опубликованы датасет, код обучения, инференс и готовые модели. Блог: https://pub.sakana.ai/dream-cubed Статья: https://arxiv.org/abs/2604.22847 Код: https://github.com/SakanaAI/DreamCubed #AI #Minecraft #GenerativeAI #Diffusion #3D #OpenSource @ai_machinelearning_big_data

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

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🦄