Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чём молчат руководители ИИ-лабораторий: TLDR: Даже те, кто создает ИИ-модели, не до конца понимают, что именно они создали😌 – Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.Сергей Брин недавно он принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чем предпочитают молчать многие руководители исследовательских лабораторий: TLDR: Даже те, кто создает эти модели, не до конца понимают, что именно они создали 👍 – Возможности из разных областей начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени. – Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».

[Upscale консоли] Наше консольное направление перевыполнило планы и по выручки, и по количеству релизов. За 6 месяцев уже обогнали результаты целого 2025 год и по выручке, и по чистой прибыли. За квартал: — Выручка $95,077 — Прибыль: $38,886 — Проданных копий: 36,374 Но без ложки дегтя не обошлось: 1. В иксбокс перестройка, и они начали реджектить все наши проекты. Пишем в поддержку, пытаемся понять причину. Вылизываем проекты, улучшаем качество. Короче, делаем все, чтобы исправить и понять проблему. Второе — Плейстейшен немного офигела от количества релизов и попросила нас притормозить 😅 А мы хотим делать еще больше! Выход: сделали компанию в США. Ну и одно из главных достижений квартала: переделали СДК. Сразу из коробки: — Настраивается управление. — Вибрации. — Ачивки. — Система сохранений. — Ui и иконки. Супер ускорение работы. Но пока только на Юнити. UE проекты пока не берем, но в 3 квартале берем первого прогера и начинаем формировать отдел портирования на Unreal. Думаю, в 4 квартале начнем брать проекты и на анриле. Люблю консоли, ничего не могу с собой поделать)) Радуюсь каждому релизу.

✔️ Белый дом разработал регламент оценки новых моделей Власти США отчитались о создании добровольного регламента тестирования новых моделей. Документ дает правительству и доверенным партнерам 30-дневный доступ к системам до их публичного релиза. Содержание регламента, сроки внедрения и список допущенных к аудиту лиц не опубликованы. Эксперты рассчитывали, что администрация представит прозрачную структуру взаимодействия разработчиков с государством, включая требования к кибербезопасности, защите интеллектуальной собственности и конфиденциальности на время проверок. По данным источников, на ближайшей закрытой встрече Белый дом обсудит новые стандарты с представителями ИИ-компаний. axios.com ✔️ Apple ввела 30-дневный кулдаун на баг-репорты из-за ИИ-спама Компания ограничила прием баг-репортов из-за спама, сгенерированного языковыми моделями. С июня компания лимитировала количество одновременных отчетов и ввела месячную паузу для ИБ-исследователей. Ограничения затронули легитимных специалистов. Итальянский стартап Bynario заявил, что за 3 недели нашел более 50 уязвимостей в macOS с помощью ChatGPT, включая цепочку повышения привилегий до полного контроля над устройством. Из-за ограничений команда не смогла передать все данные. Сама Apple активно использует LLM для аудита безопасности. В последних патчах компания закрыла в 5 раз больше уязвимостей по сравнению с предыдущими релизами. ft.com ✔️ Google отменила релиз мобильного приложения AI Studio Компания отказалась от планов по выпуску отдельного клиента для iOS и Android, несмотря на 800 тысяч предварительных регистраций. В Google пришли к выводу, что заставлять аудиторию скачивать еще одно приложение нецелесообразно. Вместо этого кодинг-инструменты Studio интегрируют в базовую версию Gemini. Пользователи смогут описать нужный функционал в формате обычного диалога, после чего чат-бот самостоятельно напишет приложение. Ожидается, что эта опция станет доступна как на мобильных устройствах, так и на десктопах, хотя точные сроки запуска пока не раскрываются. Веб-версия Google AI Studio продолжит работу и развитие. Google AI Studio в сети Х ✔️ Microsoft выпустит единый суперапп для всех сервисов Copilot CEO компании Сатья Наделла подтвердил разработку универсального приложения, релиз которого запланирован в этом году. Новая платформа соберет под одной крышей диалоговые интерфейсы, кодинг-ассистентов и автономных агентов. Ожидается, что решение покроет задачи как обычных пользователей, так и корпоративного сектора. По словам Наделлы, концепция Copilot стремительно эволюционирует из обычного чат-бота в цифрового коллегу и уже близка к формату полноценного автопилота. Интеграция всех этих сценариев в единый продукт должна начаться уже в текущем квартале. Этот анонс официально подтверждает недавний инсайд, в котором сообщалось, что Microsoft готовит масштабный хаб, связывающий базовый чат-бот, GitHub Copilot, Copilot Cowork и Autopilot. theverge.com ✔️ Sakana AI представила модель для японского рынка Модель под названием Namazu на базе Kimi K2.6 дообучена на закрытых данных под локальные бизнес-задачи с фокусом на японский контекст. В бенчмарке FairPoliticsQA файнтюн поднял результат с 34,10% (Kimi) до 56,30% (Namazu) при сохранении показателей родительской модели в логике и кодинге. Стоимость токенов составляет $0,95 за 1 млн на входе и $4 на выходе. Внешние инструменты тарифицируются отдельно: вызов веб-поиска обойдется в $7 за 1000 обращений, среда выполнения кода - в $0,12 за час. API Namazu полностью совместим со стандартом OpenAI. Из-за необходимости соблюдать GDPR модель недоступна в ЕС, Великобритании и Швейцарии. sakana.ai @ai_machinelearning_big_data #news #ai #ml

Microsoft объяснила, почему «Панель управления» и «Редактор реестра» в Windows 11 всё ещё выглядят как привет из прошлого Вице-президент по дизайну Microsoft Маркус Эш в интервью Windows Central рассказал, почему компания не торопится перерабатывать устаревшие утилиты вроде «Панели управления», «Проводника» и «Редактора реестра». По его словам, главное препятствие — это сохранение обратной совместимости. Разработчики не могут просто переписать интерфейс, не рискуя сломать работу старых драйверов или специализированного софта, завязанного на прежние системные вызовы. Перенос функций в современное приложение «Параметры» происходит только после глубокого анализа телеметрии и пользовательских сценариев. В компании заверяют, что работы по модернизации идут непрерывно, но приоритетом остается стабильность системы.

Можно ли быть плохим программистом и хорошо зарабатывать? 🤔 Порассуждаем на эту тему? Многие до сих пор уверены, что высокий доход напрямую связан с уровнем технических знаний. С одной стороны логично, но реальность несколько сложнее. Я встречала разработчиков, которые действительно очень глубоко разбирались в своей области, могли решить практически любую техническую задачу и пользовались огромным уважением внутри команды, однако их доход оказывался заметно ниже, чем у коллег с гораздо меньшим опытом. При этом встречаются и противоположные ситуации, когда человек производит впечатление сильного специалиста, отлично презентует себя, уверенно проходит интервью и получает высокую зарплату, хотя в повседневной работе его знания оказываются значительно скромнее ожидаемых. Подобная история редко длится бесконечно, поскольку реальные задачи постепенно показывают уровень подготовки, однако на определённом этапе умение общаться действительно способно открыть двери, которые одних только технических навыков иногда не открывают. Что по итогу? Успешная карьера складывается из: профессиональных знаний, умения взаимодействовать с людьми, способность брать на себя ответственность и готовность говорить о собственной ценности. А как считаете вы, что сильнее влияет на уровень дохода разработчика: реальные технические навыки или умение грамотно себя представить?

Помните делал пост про то как чатботы решают какой сайт упомянуть в ответе? Так вот кроме уже очевидных способов по типу llms.txt, подглядел у одного стартапа еще одну неплохую идею как сделать сайт более читаемым для ИИ: У них достаточно запутанное ценообразование, и агенты не могли разобраться со слайдером на основе JS. Как они решили эту проблему: вынесли все тарифы, цены, и что входит в отдельный markdown файл, и в llms.txt указали на него ссылку То есть если агент попадает на сайт, и по какой-то причине не может найти прайс, он читает llms.txt и делает один запрос к .../pricing.md, тем самым получая всю нужную инфу. Эту фишку можно дополнить:

> Точно так же как и прайс дублировать в markdown все ключевые страницы например: blog md, changelog md, legal md, security md > Главное добавьте в llms.txt навигацию на ваши .md страницы > Если используете таблицы, обязательно структурируйте и размечайте их, чтобы агент понимал значение каждой ячейки > Всегда держите версию для ИИ в согласовании с версией для людей, как один источник истины

Правда даже так вероятность того что агент найдет нужную страницу зависит от его search/fetch-инструмента и задачи Но добавить это ничего не стоит, эти .md страницы не попадают в поисковую выдачу и хуже не сделают, зато в каких-то случаях помогут агенту разобраться ☕️ @tips_ai #news

#мнение Сейчас Codex лучше Claude Code Здравствуй, неподгоревший читатель. Этот пост про то что сейчас рабочая лошадка из фронтир моделей Если нужен один дефолт -> GPT-5.6 Terra в Codex Pro с medium usege без Fast mode. Мое глубокое субъективное имхо на 3 августа 2026. По кредитной шкале при одинаковом токенном профиле Sol : Terra : Luna = 25 : 10 : 1: Terra жжет в 2,5 раза меньше Sol. При этом на SWE-Bench Pro (если он для вас аргумент) у нее 63,4% против 64,6% -> отдали 1,2 п.п. качества, получили 2,5x емкости лимита Ближайший аналог у Claude -> Sonnet 5, но его стоит доставать под мутный скоуп и широкий рефакторинг. А также по личным расчетам через ccusage стоимость задачи $0.50–1.5+ (с ретраями) и порядка 2% лимита на тарифе в $100 против $1–3 у Sonnet 5 Арифметика дальше проверок была на отдельном аккаунте с $20 подписками: - На Plus фикс в 400 строк через Sol Medium на 5000 строковом проекте на расте съел 15% пятичасового лимита; - Luna Extra High за 25 минут написала 2500 строк с тестами за 5% недели, следующие этапы жрали по 2–6%, а ревью Sol и исправление найденного добра -> еще 4% + 5% - Сопоставимый блок на Opus 5 High съел 35% пятичасового и 4–5% недельного лимита. В интернете примерно тоже самое говорят. Там таже Terra Medium уничтожила всю неделю Plus за шесть часов, пока пользователь Pro гонял Sol Extra High по 6–8 часов в день больше недели без упора в кап. Главный множитель -> тариф, контекст и число переделок. Luna дешевая, пока после нее не приходится звать взрослую модель с веником и как тут жалуются Еще сильнее модели влияет агентная оболочка. Некий Composio прогнал один Kimi K3 через три оболочки на 28 одинаковых задачах: успехи почти равны — 22/28 у Kimi Code, 21/28 у Hermes, 20/28 у Claude Code; медиана расхода -> 61k, 67k и 340k токенов, время -> 297, 179 и 348 секунд. Claude Code сжег в 5,6 раза больше токенов ради почти того же результата. В следующем тесте Codex против Claude Code на 26 задачах Claude взял 19/26, Codex 17/26, но тратил 347 против 236 секунд -> примерно 7,6 против 10 успешных задач в час. Claude точнее на 7,7 п.п., Codex производительнее на 32%. Серия твитов отсюда При этом Claude Max способен быть безумно выгодным: один жосткий пользователь прогнал через Claude Code 21,5 млрд токенов, заплатив около $1000 за подписки https://x.com/wecko_ai/status/2083783073800585326. Но миллиарды токенов не равны миллиардам пользы: длинная история, повторные чтения, кеш и сабагенты прекрасно превращают Max в тыкву за одну жирную сессию И лайфхак: обычный чат с Sol Extra High и Codex расходуют разные пулы, поэтому подключаем GitHub, включая разрешенный приватный репозиторий, делаем ресерч, архитектуру и прототип в чате, а готовый план отправляем Terra в Codex. P.S. Sol Extra High под пиво -> Terra в шахту, Fable 5/gpt 5.6 Sol бесполезные релизы

Я наконец, запустил свой Codex на Linux сервере, с прямым контролем из-под мобильного ChatGPT приложения (через `remote-control`). Это дает возможность запускать разные задачи нативно без привязки к маку. NB: До этого пробовал разные харнесы со своими telegram интеграциями, но все это не то. Хотелось именно нативного. Для этого:

# ставим `codex` CLI одной из последних верси
npm install -g @openai/codex@latest

# запускаем демона с включенным remote control 
codex remote-control start

# Получаем коротко-живущий код, который вводим в "pair new device" в мобильном приложении
codex remote-control pair

# Остановить демона, когда он не нужен, или когда начинают идти ошибки подключения
codex remote-control stop

Работает пока не очень стабильно (т.к. фича экспериментальная), но это именно тот workflow, который разрабатывает OpenAI. Ваш, @llm_under_hood 🤗

n8n VS code Во 2 полугодии 2026 до сих пор обсуждают насколько нужен n8n , если уже есть готовые и продвинутые AI агенты, которые могут собирать готовые решения. Кто-то говорит что n8n не нужен. В этом 🎞 интервью подробно разобрана практическая сторона этого вопроса, потому что обсуждать можно бесконечно, а есть реальные задачи, под которые на практике подбираются свои инструменты. Ведь код тоже бывает разный. Шпаргалка когда что выбирать: Выбирай Код если: - у вас есть сервер чтобы его развернуть - вам базово неплохо бы понимать код - вам надо где-то хранить ключи (в gitHub не вариант) - не безопасно (нужны доп. библиотеки) - авторизацию и ролевую модель нужно отдельно делать - вероятность багов выше → нужно отлаживать (80% вашего времени и токенов) - возня с БД (и понимать какая для чего нужна) между кодом и n8n есть PaaS платформы типа Railway (у меня там 2 проекта крутится), в целом хорошее решение для чего-то более гибкого Выбирай n8n если: - нужно чтобы все было наглядно - все детерминировано - процесс последовательный (если есть откат — тебе нужен LangGraph / CrewAI) - решение можно воспроизвести 1:1 - можно быстро перенести/поделиться рабочим процессом - есть версионирование - встроенные простые evals в корпоративном секторе важна наблюдаемость (observability), безопасность, воспредводимость, масштабиримость.

Мини-гайд по оркестрации агентов У нас недавно в EDU появилось приложение, которое монтирует записи моих лекций и вебинаров для YouTube: находит и вырезает раскачку в начале, паузы, тишину, оговорки, замазывает то, что не должно попасть в кадр. Первую версию завайбкодил стажёр, а потом я ее переписал с командой агентов за выходные. Собственно, Никита попросил рассказать, как именно я это делал, потому что хочет научиться нормально работать с агентами. Я попросил дружбана разобрать логи всех сессий, чтобы вытащить оттуда метод. Если коротко, то вышло вот что: 1) Сначала карта, потом изменения. Первая команда всей переписки была не "почини", а "разбери код, собери CLAUDE.md и нарисуй схему в артефакте, чтобы я быстрее разобрался". А дальше допрос: зачем тут вот это, насколько оно критично, что сломается, если выкинуть 2) Свою догадку - в карантин. У меня было ощущение, что архитектура переусложнена, но просил я не согласиться со мной, а взвесить оба варианта, причем на другой модели. Больше всего мне самому понравился прием, который мы придумали с AI Natives в ходе какого-то зумбара: "сделай архитектурное ревью, НО это твое последнее слово, после него ты умрешь" 3) Не одним куском, а фазами, и между каждой - критик на другой модели, которому запрещено хвалить. В гите так и осталось: Phase 1 —> Phase 1 review fixes (Fable) —> Phase 2 —> и так далее; 4) Тест = запустить, а не посмотреть глазами на код. Приложение само предлагает, что вырезать, и оценивает, насколько оно в этом уверено; все, что выше 0.82, принималось автоматом. Прогнали на реальном двухчасовом вебинаре - а моделька, оказывается, ставит всем подряд одно и то же: 137 кусков из 141 ровно 0.85. То есть принималось вообще все, включая вступление и живой Q&A. По коду такое не увидишь 5) Мерить там, где оно крутится, а не на ноуте. В случае работы с видео это особенно важно 6) Каждый косяк - сразу в CLAUDE.md, это память команды на будущее. И коммит только после того, как проверили, а не после того, как собралось 7) В конце - взгляд сверху: что сделали, что не решено, где узкие места и что осталось до прода. Агент сам назвал главный оставшийся риск, и это стало следующей задачей Все это собрал в небольшой гайд —> вдруг, вам тоже будет полезно, хотя по мне там не какой-то rocket science напишите, если вам какой-то поинт из гайда пришелся в тему