Трюки - новые, привычки - старые (ч. 2) Экс-юрист Will Chen за две недели собрал Mike OSS - открытый клон Harvey и Legora: агент над документами, табличный разбор договоров, редлайны в Word. 3,5 тысячи звёзд за три недели. Но мне больше понравился LQ.AI - уже с векторным поиском, аудит-логом и плейбуками под 17 юрисдикций. Для проприетарных стартапов это смена разговора: вопрос на продлении контракта звучит уже не «это магия?», а «за что конкретно мы платим enterprise-прайс?». Плюс клиенты приходят со своими ключами к моделям - и маржа на перепродаже токенов сдувается. Но если открыть код Mike - до полновесного энтерпрайз решения там как до сингулярности раком. Начиная от строго корпоративных штук типа прав доступа и аудит-трейла нет, заканчивая качественной онтологией, которая позволяет устранить галлюцинации и поддакивания. Даже на мой любительский взгляд харнесс агентов там слабоват. Конкуренты тем временем продают не подписку на чат. Пакеты идут с услугами forward-deployed legal engineers (юристы, которые могут включить MCP), которые переводят реальные процессы фирмы в агентные воркфлоу. Консалтинг, вшитый в SaaS-контракт репозиторий не выложишь. Есть варианты совсем не для слабых. Kirkland&Ellis настолько вдохновились вайб-кодингом, что решили потратить полярда на собственный wrapper. Схема может сработать, если эта фирма сможет договориться с провайдерами данных об использовании контента для дотренировки моделей. А если и не сможет, то будет это делать нерегулярно и потихому. Открытым остается вопрос: далеко ли убежит Ахиллес в лице коммерческих врапперов от черепахи в лице foundation-моделей обернутых в открытые фреймворки. Условный консорциум из 10-20 крупных юрфирм может без проблем сделать продукт типа MikeOSS близким по качеству, а индийские вендоры будут раскатывать его за три копейки. Чего я нам всем и желаю. _______ @mooreslaws

Йован Курбалийя — директор-основатель DiploFoundation и эксперт, чья одноименная книга «Управление Интернетом» служит главным базовым руководством для специалистов и дипломатов по вопросам пересечения технологий, политики и прав человека на глобальной арене. Ключевые аспекты его работы и книги: — Что такое управление интернетом: Это совокупность общих принципов, норм и правил, помогающих правительствам, бизнесу и гражданскому обществу договариваться между собой по использованию и развитию сети. — Многогранность темы: В своих трудах Курбалийя рассматривает технические, правовые, экономические и социокультурные аспекты глобальной сети. — Актуальность: восьмое издание книги, представленное на Форуме по управлению интернетом (IGF), охватывает вызовы эры бурного развития искусственного интеллекта.

Книги, которые я рекомендую для прочтения тем, кто не имеет (и не планирует) специального образования в области ИТ. Андрей Робачевский, "Интернет изнутри". Книга рассказывает об архитектуре и технологиях Интернета, фокусируясь на его основных компонентах: глобальной адресации и протоколе IP, системе доменных имен и глобальной межсетевой маршрутизации. Рассматриваются аспекты и принципы работы Всемирной сети, вопросы стандартизации, развития и безопасности основных систем Интернета. Обсуждается архитектурная эволюция Интернета в целом, а также связанные с ней вопросы внедрения новых протоколов и технологий. Особое внимание уделено экосистеме Интернета, ее истории, а также основным организациям, включенным в систему принятия решений в Интернете. Книга рассчитана на техническую аудиторию: сетевых операторов (администраторов), разработчиков программного обеспечения. Она также будет полезна тем, кто интересуется архитектурными аспектами Сети, вопросами «управления» Интернетом, и всем желающим расширить свой кругозор в области интернет-технологий.

Программирование меняется быстро, и это норма Три года назад ИИ в разработке был обычным автодополнением. Подсказывал следующую строчку в редакторе, и это казалось пределом. Год назад появились заголовки "ИИ заменит программистов", сокращения. Тот же инструмент вдруг стал угрозой, которая заберёт работу. 🔄 Сейчас снова все изменилось Агенты пишут не то, контекста мало. И каждый такой запрос стоит денег. В какой-то момент это выходит дороже, чем просто отдать задачу человеку.

Постепенно ИИ из врага превратился в инструмент, которого будто уже не хватает.

🧰 Технологии в IT меняются быстро - И это норма. Разработку меняет не только ИИ, так было всегда. Языки, фреймворки, подходы приходят и уходят. Но во всех этих сценариях разработчик оставался нужен. Просто он писал другой код, на другом стеке Когда инструменты меняются каждый год, ценность не в том, чтобы держать в голове конкретный синтаксис. Её легко потерять. Ценность в архитектурном мышлении и в умении именно программировать, а не писать код. К чему это я К этой скорости стоит привыкать сразу, а не ждать стабильности. В IT ее не будет. У кого за плечами несколько лет, тот пару таких смен уже прошёл, и в этом и заключается настоящий опыт. Навыки адаптации и обучаемости — качества, которые отличают сильного разработчика от слабого. — Пишите в комментарии как изменилась ваша карьера и подход к работе с приходом нейросетей. Думаю у многих есть, что сказать на этот счет. #карьера · yt · tg · ig

🏳️ Как вы так быстро собрали реакции? А теперь про соревы: кто-то вскрыл наш внутренний улей данных и растащил артефакты по сети — и пока все паникуют и пытаются найти баг, за дело берётся медоед (это не только один из наших маскотов, но ещё и главный персонаж, от лица которого вы будете проходить соревы) 🐝

Будьте готовы к веб-таскам, нахождению уязвимостей инфраструктуры, анализу кода, расследованиям, криптографическим трюкам и другим нестандартным заданиям с инженерной спецификой! И даже если это ваш первый опыт и вы совсем не спец по кибербезу, вы точно найдёте свою лигу!

📍 Не сказали главное — 18–19 июля, онлайн, призовой фонд до 300 000 рублей на команду (и мега крутой мерч, конечно же)! ➡️ Регистрация тут ⬅️ #infosec #sre #qa #backend #frontend

Как сейчас устроен рынок AI-приложений Подборка a16z от 9 марта 2026 года хорошо показывает, что рынок AI-приложений расслоился: рядом с AI-native продуктами вроде ChatGPT, Midjourney или Perplexity теперь стоят обычные потребительские приложения, где AI встроен в привычное действие — смонтировать видео в CapCut, собрать презентацию в Canva, обработать заметки в Notion. Если разложить рынок по категориям, получается несколько крупных слоёв: Первый слой — универсальные AI-ассистенты. ChatGPT, Claude, Perplexity и похожие продукты. Это входная точка в AI для массового пользователя. Второй слой — AI-компаньоны и ролевые боты. Character.AI, Replika и похожие сервисы. Они обеспечивают общение, эмоции, ролевые сценарии, персональную привязанность и глубокую персонификацию. Третий слой — креативные инструменты. Генерация изображений, видео, музыки, голоса, аватаров, эффектов, дизайна. Сюда попадают Midjourney, Suno, ElevenLabs, Heygen, Runway, Kling, CapCut, Canva. Здесь рынок особенно быстро меняется: отдельные генераторы начинают конкурировать не только между собой, но и с большими редакторами, которые встраивают AI прямо в привычный рабочий процесс. Раньше генерация изображений была отдельной большой категорией. Теперь часть этого спроса уходит внутрь ChatGPT, Gemini и крупных редакторов. Midjourney, например, по данным a16z, с первых мест опустился до 43-го. Похожая история происходит в кодинге. Сначала рынок рос вокруг отдельных AI-инструментов для разработчиков, но теперь долю рынка забирают продукты, встроенные в большие модели и экосистемы: Claude Code у Anthropic или Codex у OpenAI. Зато там, где нужна специализация, отдельные продукты сохраняют преимущество. Suno остаётся заметным музыкальным продуктом. ElevenLabs закрепился в голосе, дубляже и аудиопроизводстве. Если продукт даёт не просто «сгенерировать что-нибудь», а закрывает конкретный рабочий сценарий с качеством выше встроенной функции, у него есть шанс. Четвёртый слой — письмо, грамматика, знания и офисная работа. Grammarly, Notion, Gamma, разные AI-ноутбук-сервисы, инструменты для презентаций, документов, заметок и встреч. В этом сегменте AI ценен, потому что сокращает рутинный цикл. Пятый слой — разработка и код. Cursor, Replit, Lovable, Claude Code, Codex и другие инструменты. Это один из самых плотных рынков по деньгам, потому что в кодинге AI встраивается прямо в производственный цикл и значительно ускоряет его: от идеи и прототипа до исправления ошибок, тестов и доработки уже существующего продукта. Шестой слой — AI-агенты: OpenClaw, Manus, Hermes, Scout. Сделай за меня цепочку действий. Найди, сравни, собери, оформи, отправь, создай проект, пройди по нескольким сервисам. Пока этот рынок менее зрелый, но по нему видно направление: AI постепенно двигается от генерации контента к выполнению задач. Седьмой слой — встроенный AI внутри крупных платформ. Google Workspace, Microsoft Office — браузеры, почта, таблицы, редакторы, мессенджеры. Этот слой сложнее измерять рейтингами, потому что пользователь может каждый день работать с AI, но не заходить на отдельный AI-сайт/приложение. a16z прямо пишет, что по мере превращения AI из отдельного направления в функцию текущие рейтинги начинают недосчитывать реальное использование, которое растёт геометрически, так как пользователи получают AI внутри привычной среды. Например, не так давно для всех пользователей мессенджера Telegram внутри во всей среде появились AI функции. Самостоятельным продуктам становится сложнее жить там, где крупная платформа может просто добавить функцию в интерфейс. Если приложение просто «использует AI», этого уже мало. Нужно понимать, в какой слой рынка оно попадает, с кем на самом деле конкурирует и какое регулярное действие пользователя забирает на себя. Следующий этап рынка AI-приложений будет определяться частотностью конкретного сценария. Выиграют те продукты, которые станут частью ежедневного поведения пользователя и будут делать это с исключительным качеством. ↗ Алексей Королюк #подмечено

# Зачем сравнивать Claude Fable 5 с Claude Sonnet 4.6 (который выше обзвали Sonnet 3.5) в агентных цепочках? 🤔 В комментариях к предыдущему посту спросили, зачем проводить сравнение Fable 5 с "устаревающей" Sonnet 3.5, если в продакшене все равно должна крутиться самая умная модель. Ответ лежит в плоскости экономического арбитража и математики ROI: 1. Claude Sonnet 4.6 (выпущенный в феврале 2026 года) — наш главный локомотив. Это сбалансированная флагманская модель от Anthropic, которая радикально превосходит старую серию Sonnet 3.5. Она приближается к уровню интеллекта Opus, имеет контекстное окно в 1 млн токенов и значительно улучшает исполнение кода, качество UI и агентное использование компьютера (Computer Use) на реальных десктопных и браузерных задачах. На основе логов нашей телеметрии за последнюю неделю 93% всех задач кодинга (26 вызовов из 28) были успешно решены именно на Claude Sonnet 4.6. Она быстрая и стоит всего $3 / $15 за миллион токенов (ввод/вывод). 2. Claude Fable 5 — тяжелая артиллерия. Да, она выдает невероятные 95.0% на SWE-bench Verified. Но её вызов стоит в 3.3 раза дороже (**$10 / $50** за миллион токенов). 3. Спекулятивный роутинг (Speculative Routing). Мы используем Gemini 3.5 Flash как легковесный классификатор на входе. Если задача простая — ее решает Claude Sonnet 4.6. Если классификатор видит пограничную сложность, запрос отправляется к Claude Fable 5. Итог за неделю: Вместо $10.65 USD (если бы мы все слали напрямую в Fable 5), наш фактический счет составил всего $2.13 USD. Это 80.0% чистой экономии бюджета при сохранении точности пайплайна на уровне 92%+. Слайды с архитектурой нашего Model Council и раскладкой по тирам прикрепляем к посту! 👇 (Попозже пришлю, протестирую nano banana 🍌 2)

Пока я откисаю в Корее от очередного сезона исхода дорогих коллег [1, 2, 3, и др.] перед ICML, наша с читателями любимая Лилиан Вэн – авторка топ-1 блога по диплёрнингу – написала первый за почти два года пост про историю и развитие науки об оценке правил масштабирования (scaling laws) языковых моделей. Почему "правил", а не "законов" – чтобы не создавать ощущения универсальности самих законов: всех необходимых факторов для по-настоящему точных предсказательных правил для конкретных архитектур, моделей, данных, оптимизаторов и других факторов, на них влияющих. Особого почтения заслуживает упоминание статьи Lovelace et al., где в первый раз в академическом мире разбираются, как влияют повторения данных на scaling laws. Так что у кого знания остановились на шиншилле – бежим освежать знания, чтобы фронтир толкался предсказуемо и безопасно.

В NASA не уверены, что Boeing Starliner получит разрешение на пилотируемые полёты Новый отчет Управления генерального инспектора (OIG) NASA показал, что агентство не может назвать сроки, когда корабль Boeing Starliner сможет снова доставлять астронавтов на Международную космическую станцию. Как отмечается в документе, основные технические проблемы — утечки гелия, отказы двигательной установки и аномалии парашютной системы — не решены до сих пор. По данным на март 2026 года, NASA не может даже предположить, когда завершатся испытания и когда Starliner получит необходимый сертификат. Все выплаты компании Boeing от агентства по этому проекту заморожены. https://hightech.plus/2026/07/02/v-nasa-ne-uvereni-chto-boeing-starliner-poluchit-razreshenie-na-pilotiruemie-poleti

Как Cursor построили свой ChatGTM для отдела продаж George Hou, глава корп. продаж в Cursor был так любезен, что рассказал как устроен весь их AI-GTM workflow. Они держат его в собственной тулзе ChatGTM, которую использует 400 менеджеров по продажам. Это по сути набор агентов, в которых интегрированы: • знания о Cursor и как компания продает; • Salesforce, Gong, Slack, LinkedIn и другие системы; • статусы сделок; • какие новые детали появились сегодня утром по конкретным ICP. ChatGTM получает все сигналы в реальном времени через API. Как выглядит рабочий день SDR Утром продавец закуривает, выпивает редбулл, открывает Slack и получает дайджест по встречам, новости, список сигналов, новые регистрации с крупными корп. доменами. Последний пункт кстати важен: однажды на прошлой работе мы нашли в битриксе Goldman and Sachs (?!), а мои знакомые увидели что в их продукт втихую зарегался Perplexity. Таких клиентов легко потерять без автоматизации скоринга в крупных SaaS. Но вернемся к Cursor. Их агент готовит: • 25 персонализированных outbound-писем; • индивидуальные лендинги под каждого клиента с учетом его техстека и роли. Перед встречей ChatGTM сам изучает компанию и может, например, предупредить: «CEO недавно писал в Х, что ненавидит агрессивные продажи» Во время звонка можно задать вопрос AI, если клиент спросил про миграцию с легаси-инфраструктуры или сложную техническую тему. Отдельно пишутся письма для спящих клиентов. Еще ChatGTM самостоятельно анализирует сделки и готовит еженедельный отчет менеджеру. Тулза работает поверх Salesforce, Gong и остальных GTM-инструментов, а не вместо них, так что никто никого по сути не заменял. Все по API. ChatGTM строили всего три инженера, но сегодня продукт развивается уже силами самих продавцов. Они создали более 500 собственных Skills и 1000+ автоматизаций, просто описывая новые сценарии работы на обычном человеческом языке.

PostgreSQL для бэкендера: 10 фич, которыми мало пользуются, а зря В PostgreSQL уже хранятся пользователи, заказы и платежи, а потом стек начинает расти сам собой, когда рядом появляются Redis для очереди задач, отдельный Python-скрипт для дедупликации событий, Go-цикл, который считает интервалы между статусами заказа, свой поисковик вместо простого поиска по тексту и самодельная таблица locks для координации воркеров. Большая часть этой инфраструктуры дублирует то, что PostgreSQL умеет делать сам, причём атомарно, транзакционно и с индексами, без лишней сетевой болтовни между приложением и базой. Механизм, который снимает необходимость в отдельном брокере задач, живёт в PostgreSQL ещё с версии 9.5, просто про него редко вспоминают. Та же история с оконными функциями, полнотекстовым поиском и блокировками на уровне базы, где задачи, ради которых обычно поднимают отдельный сервис, часто закрываются прямо в таблице. Обсудим, сколько из этой цепочки сервисов держится просто на привычке.

📌 OpenAI собрала бенчмарк на научное суждение в биологии GeneBench-Pro - набор тестов, проверяющий, способны ли модели самостоятельно принимать исследовательские решения при работе с биологическими данными. Он оценивает умение проводить сложный анализ данных в генетике и смежных областях биологии и медицины. Моделям дают неструктурированные, как в реальной лаборатории, данные, краткое описание задачи и целевую величину, которую нужно оценить (но не говорят, как считать). Чтобы прийти к верному ответу, система должна сама пройти цепочку зависимых решений: очистить данные, выявить артефакты, выбрать подходящий статистический метод и пересмотреть план, если промежуточные результаты противоречат исходной гипотезе. Для всех 129 задач условия смоделированы так, чтобы проверять ответ однозначно, по принципу "всё или ничего". Набор охватывает 10 областей и 21 подобласть, а 82 задачи прошли проверку у экспертов-биологов. Сильнейшая из протестированных моделей, GPT-5.6 Sol, верно решает 28,7% задач на максимальном уровне рассуждений и 31,5% в режиме Pro. Лучший результат среди моделей других вендоров у Claude Opus 4.8 (16,0%).

OpenAI называет такой результат заметным для настолько трудного теста.

🟡Практическая ценность По опросу рецензентов, одна задача GeneBench-Pro заняла бы у специалиста порядка 20–40 часов, что при ставке около $200 в час выливается в несколько тысяч долларов. Расчёт той же задачи моделью стоит значительно меньше, но конкретных цифр OpenAI не дает. Для стандартных моделей в техотчёте приведён средний расход токенов как приблизительная оценка вычислительных затрат (около 33 200 токенов для Sol в максимальном режиме). 🟡Дисклеймер

Обозначение Pro в контексте бенчмарка - это режим работы модели, а не отдельная линейка продуктов или новые тарифы ChatGPT.

@ai_machinelearning_big_data #news #ai #ml

Как говорит один мой хороший товарищ, за последние дни много чего "наклодил" и все-таки тариф Max не зря выбрал для своих задач. 1. Меня подвел хостинг VPS и почти два дня не давал студентам нормально учиться на курсе, так как все песочницы, помощники и прочие ништяки были заблокированы. Поэтому было принято решение переехать на Railway, так как уже надоело поддерживать самостоятельно работу VPS. хотя меня это сильно прокачало. На арену вступил Claude и за полдня перенес все, а это скажу вам "хлопотное дельце". И какой же кайф после Gemini, где надо делать 10-20-30 итераций, потом руками все переносить, беситься от ошибок, теперь работать с ИИ-агентами, которые все делают за тебя в рамках нескольких больших сессии. По итогу все перенесено и студенты довольны. 2. Вчера собрал себе тулу для генерации каруселей в LinkedIn и Instagram. С разными темами, типами слайдов, возможностью ИИ-генерации, редактированием, версионированием и другими полезными фишками. Магия какая-то. 3. Сегодня продолжаю работу над созданием инструмента для отложенного постинга с одной страницы, так как я хочу, когда хочу и где хочу. Ибо текущие решения бесят в своей разрозненности и ценовой политике. В общем, игрушка, которая затягивает... А что вы с помощью Claude или других агентов автоматизировали из своей рутины?