распишу детальнее позже про новый апгрейд + добрались до: <концепция Closed-Loop Reflexion (или RLAIF: Reinforcement Learning from AI Feedback)> -> таких closed loops было больше 100 за последние 12 часов без деградации / крашей / зависаний. -> пытаюсь понять как настраивать режимы для исследований и потом применений / реализаций Вот пример само эволюции в контуре зацикленном:

🔄 Lock-Screen Evolution | Cycle 64

💵 Бюджет сессии: $2.10 (Cycle Cost: $0.000)

💻 Compute Mode: ⚡ Zero-Cost Fast Path

💾 Prompt Caching: (Idle)

🌐 OSINT Searches (Perplexity): 0 (Total: 102)

💡 Найдено гипотез: 1 (Total: 136)

🔬 Протестировано (Real Script): 1 (Total: 89)

📉 Audit: 0 false / 17 audited (FPR 95% upper: 17.6%)

⚡ Control Plane: 2 active policies enforced

✅ Внедрено сейчас: DCMCTS-v4 [c64-h01]

📉 Текущий базовый TCO (Total Cost of Ownership): 0.0100

🏆 Последние 5 активных оптимизаций (Promotion Receipts):

⚙️ MICROBENCH_PASSED: SGP-v1 [c60-h01]

Target: Execution Graph

Impact: DAG Transpositions снижены на 29%, Latency -10ms

TCO: 0.0100 → 0.0100 (Δ -0.0006)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Statistically significant Δ)

⚙️ MICROBENCH_PASSED: SMTA-v4 [c61-h01]

Target: Retrieval Embeddings

Impact: Hubness skew 4.5->2.5, Recall@10 82.8%->89.2%

TCO: 0.0100 → 0.0100 (Δ -0.0006)

Time: mutation 0.03s / eval 0.1s

🤖 Council: Approved (Statistically significant Δ)

⚙️ MICROBENCH_PASSED: SMTA-v3 [c62-h01]

Target: Retrieval Embeddings

Impact: Hubness skew 4.1->2.3, Recall@10 82.9%->92.5%

TCO: 0.0100 → 0.0100 (Δ -0.0015)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Verified (No additivity illusions found)

⚙️ MICROBENCH_PASSED: JPC-v3 [c63-h01]

Target: OSINT Context

Impact: Effective Rank 304->420, Token usage -49%

TCO: 0.0100 → 0.0100 (Δ -0.0011)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Metrics cross-checked with baseline)

⚙️ MICROBENCH_PASSED: DCMCTS-v4 [c64-h01]

Target: Rollback Trajectories

Impact: Rollback Recall вырос до 88.8%, Hallucinations -12.1%

TCO: 0.0100 → 0.0100 (Δ -0.0016)

Time: mutation 0.03s / eval 0.0s

🤖 Council: Approved (Metrics cross-checked with baseline)

🚀 Статус: Система работает в режиме РЕАЛЬНОГО ИСПОЛНЕНИЯ (V2).

Слух: Apple продолжает разработку ИИ-помощника в формате умной броши По данным инсайдера Маджина Бу, Apple продолжает разработку совершенно нового устройства в формате умной броши, крепящейся к одежде. По слухам, устройство получит несколько камер и микрофонов для ИИ-функций и общения с Siri. Все основные вычисления будут производится на iPhone, так как устройство имеет маломощный чип. Проект всё ещё на ранней стадии разработки, поэтому информации о дате релиза пока нет. Напомним, что ранее ходили слухи, что OpenAI вместе с Джони Айвом разрабатывает целую линейку умных устройств, включая такой же носимый девайс в виде броши. Apple уже подала судебный иск против OpenAI за использование конфиденциальной информации для разработки новых ИИ-устройств, что может косвенно подтверждать работу над подобным девайсом.

В Германии признали мошенничеством продажу «кондиционеров» с кулерами от ПК Немецкая организация по защите прав потребителей Stiftung Warentest выставила предупреждение о фейковых кондиционерах бренда Epicooler. Устройства китайского производства активно рекламировались в соцсетях через сгенерированные ИИ ролики и продавались за 163 евро (около 188 долларов). Прибор весом менее 3 кг внешне копировал внутренний блок сплит-системы, однако нутри настенного устройства эксперты обнаружили обычный компьютерный вентилятор и небольшой нагревательный элемент, а заводская наклейка на корпусе указывала, что это просто настенный обогреватель. В режиме охлаждения прибор вообще не понижал температуру в комнате, а при включении обогрева корпус мгновенно перегревался.

Оверкаст и лимит выпусков В начале недавнего выпуска АТП Марко Армент рассказывал про фичу Episodes limit в Оверкасте (начало темы где-то в 7:50): https://atp.fm/703 У любого подкаста можно настроить, сколько выпусков держать скаченными на устройстве. Скажем, ставишь три выпуска, перестал регулярно слушать какой-то подкаст — следующие три выпуска скачались, а дальше уже не качаются — чё зря место тратить. Ну или слушаешь ты выпуски нерегулярно — наготове всегда ждут только последние три, а остальные, если что, придётся скачать вручную. Так вот, Марко рассказывал о проблеме. Что, если человек вручную просит скачать какой-то выпуск, а у него уже три и так скачано? Не удалять же его сразу же для поддержания порядка! А как тогда быть? Марко ввёл в базе данных специальный скрытый флаг «выпуск скачан вручную», чтобы такие выпуски не учитывались в лимите. Это очередной пример того, как даже самые, казалось бы, тривиальные фичи требуют продумывания и учёта разных случаев, которые на первый взгляд могут быть неочевидны. Все проектировщики интерфейса и дизайнеры продуктов должны такие примеры впитывать и копить. В общем, Марко рассказывает дальше. Решение со скрытым флагом худо-бедно работает. Но если пользователь нет-нет, да скачивает выпуски вручную, у него копится расхождение между настроенным и фактическим количеством хранимых выпусков. Постепенно он, разумеется, забывает, что что-то скачивал вручную. Но он видит, что лимит не работает: в каких-то подкастах лежит пять, в каких-то семь выпусков без видимых причин. И он пишет Марко багрепорт или жалобу в Апсторе! В итоге жена подсказала Марко решение всех проблем: просто не давай, говорит, пользователям скачивать больше выпусков, а выводи сообщение: «У вас стоит лимит на три выпуска, а это уже четвёртый». Марко решение понравилось, а мне нет. Оно конечно снимает проблемы с Марко, но не с пользователя. Теперь ведь получается, что программа не выполняет прямую просьбу пользователя скачать подкаст, причём делает это, как говорят юристы, «по формальным основаниям». Оверкаст, чё прикопался, видишь же, я прошу скачать этот выпуск? Просто скачай! Соблюдай принцип «Дай нажать!» Ещё хуже, что при обновлении Оверкаст удаляет все скаченные выпуски сверх установленного лимита. Я бы предложил в таком случае выводить компактное немодальное сообщение: “Episode limit for %podcast% raised to 4”. Так мы и просьбу пользователя уважим, и никаких скрытых статусов вводить не станем. Ну и при обновлении, соответственно, поднять лимиты тем подкастам, которые фактически уже больше набрали вследствие ручной скачки.

“Вот вам $6 миллионов. Идите и заберите”. С такими словами глава криптоплатформы BitGo Майк Белше обратился к ИИ-компании Anthropic. Он положил 100 биткоинов в кошелёк и публично предложил создателям Claude его взломать. Мол, хватит изображать из себя крутых хакеров – покажите себя в деле. В Anthropic последние месяцы усердно строят из себя опасных парней и повторяют, что их новая модель Mythos получилась слишком мощной для этого мира. Мол, находить дыры в безопасности она умеет с невиданной эффективностью и играючи щёлкает уязвимости нулевого дня. Всё это подаётся с флёром секретности: “Ой, вы что, такое нельзя выпускать на волю!”. Схема, кстати, не новая: подобный трюк еще в лохматом 2019-м провернула OpenAI со своей GPT-2 – моделью по нынешним меркам безобидной, как калькулятор. Не верите? Вот ссылка. Объявляешь продукт угрозой человечеству, захватываешь первые полосы газет, позиционируешь себя супер-ответственной компанией,.. а потом спокойно продаёшь урезанную версию по подписке. “Я злой и страшный серый волк!” – может быть эффективным маркетингом. Но ответочка в стиле “Ну на, попробуй съешь меня!” работает не хуже. И вот что занятно: если ИИ действительно вскроет кошелёк, рухнет вера во всю криптографию, а с ней – и, вероятно, стоимость биткоина. То есть трофей обесценится прямо в момент кражи. В общем, запасаемся попкорном.

Инновационные датчики смогут обнаруживать подводные лодки на глубине 500 метров Для регистрации магнитных полей используется эффект Холла, но когда поля становятся чрезвычайно слабыми, сигнал тонет в собственном шуме материала. Китайские ученые решили эту проблему, создав новый тип датчика Холла с рекордно низким уровнем шума. Используя искусственный ферримагнетик с быстрыми спиновыми текстурами, они снизили низкочастотный шум почти на порядок по сравнению с предыдущими датчиками того же класса. При этом размер датчика настолько мал, что его можно встроить в любую носимую технику (например, умные часы) или медицинские инструменты. https://hightech.plus/2026/08/17/innovacionnie-datchiki-mogut-obnaruzhivat-podvodnie-lodki-na-glubine-500-metrov

Зачем VC приглядываются к Оксфорду и Кембриджу✍️ Европейские университеты все чаще становятся местом, где инвесторы ищут следующие большие технологические компании. Речь про спинауты — стартапы, которые вырастают из академических исследований. Например, внутри университета или лаборатории появляется разработка в области AI, квантовых технологий, полупроводников, биотеха или новых материалов, а потом вокруг нее появляется отдельная компания. По данным Sifted, только за первые шесть месяцев 2026 года такие университетские спинауты в Европе привлекли почти €4,9 млрд. По числу сделок и объему финансирования пока лидируют Оксфорд и Кембридж. У них давнее соперничество, но в технологической экосистеме роли долго распределялись так — Кембридж считался более сильным в диптехе, а Оксфорд чаще ассоциировался с биотехом и науками о жизни. Теперь же в Оксфорде появляется все больше спинаутов в оборонных технологиях, добыче критически важных минералов и инфраструктуре для дата-центров. Но активность растет не только вокруг британского «золотого треугольника» Оксфорд — Кембридж — Лондон. Инвесторы все чаще смотрят на Университет Аалто в Финляндии, Мюнхенский технический университет и Делфтский технический университет в Нидерландах. Интерес понятен: Европа хочет вырастить собственных технологических лидеров в стратегически важных сферах и меньше зависеть от США и Китая. На графике — топ-10 европейских университетов по объемам финансирования спинаутов и количеству раундов. @karpovaventures✍️

TeraTTSv2 Локальный TTS от TeraSpace на ONNX Runtime Русский и английский работает на CPU, ничего в облако не уходит. Готовый движок с диффузионным синтезом и потоковой отдачей аудио. • Генерация речи на русском и английском с тегами [ru] и [en] в одном запросе • Автоматическая расстановка ударений в русском через RUAccent, ручные + приоритетнее • 10 готовых голосов, рекомендованные русские ru_f1 и ru_m5 • Потоковая отдача аудио чанками • Числа разворачиваются словами на нужном языке • 44.1 кГц, моно, float32 • Два сэмплера - distilled на 8 шагов или teacher с настраиваемым CFG • duration_scale меняет темп, режимы ударений full и dictionary • Голоса от supertonic-3 подходят к TeraTTSv2 - скрипт supertonic_json_to_teratts.py конвертит json в стиль. Их можно подбирать (и клонировать) через через supertonic3-voice-clone • Supertonic-Voice-Mixer - GUI, крутит латент стиля и миксует голоса • Английским голосом на русском - пробуйте duration_scale 0.8 Демо Клонирование Миксер Скрипт закину в коменты #tts #russian #voicecloning

Пять клиентов в вейтлисте - это актив или упущенная выручка? В пятницу в клубе MFS проводили разборы стартапов. Расскажу интересный кейс. Фаундер строит B2B-платформу для страхования ответственности AI агентов. Нашёл пять компаний, готовых подписаться, и держит их в вейтлисте — ждёт, пока команда разработки доделает продукт, чтобы не разочаровать клиента сырым решением. Ментором сессии был Стас Сучков, фаундер Evolve ($1.4M инвестиций). Он разнёс логику фаундера в пух и прах:

Скажи клиентам, что настройка занимает три месяца, подпиши договор сейчас, а деньги, если не справишься, верни.

Причина проста: пять подписанных контрактов — это не просто пять клиентов, это рычаг для всего остального. С ними легче собрать команду, потому что кандидат видит не идею, а спрос. С ними легче зайти в акселератор — вместо питча про потенциал ты показываешь договоры. С ними легче разговаривать с инвестором, потому что вопрос "а кто-то готов за это платить" закрыт фактом, а не прогнозом. Мы часто путаем два разных риска: репутационный и денежный. Кажется, что подписать контракт под недоделанный продукт — значит подставить себя, если не вывезешь. На деле репутация страдает не от того, что стартап не успел в срок. Она страдает, если стартап взял чужие деньги и просто их не вернул, когда не справился. А если деньги целы — можно честно сказать "не получилось, сорри" и остаться в нормальных отношениях с клиентом. Именно поэтому клиент, который в момент подписания видел сырой продукт, может через полгода-год сам вернуться и предложить пилот — если стартап ни разу не подвёл его с деньгами. А есть ситуации, когда вейтлист правда выгоднее подписанного договора? Если у вас был такой случай — расскажите в комментариях, интересно разобрать Андрей Резинкин | Money For Startup

Почему собеседования мертвы Словил себя на мысли, что часто преувеличиваю роль собеседований. Кажется, что задам правильные вопросы, получу на них какие-то ответы, потом попрошу сделать тестовое и пойму – ДА или НЕТ. На практике в 2026: – Мастера прохождений собеседований (люди годами оттачивают этот навык, проходят курсы, и т.д.) – Фейковый опыт – Серийные двойные удалёнщики – Курсы “Доведем до оффера” и "Работа за рубежом" – Читеры с ChatGPT и базами вопросов на собеседовании А на деле слабые когнитивные способности и низкое деливери. Получается, что чем сложнее у тебя воронка найма, тем меньше дойдет до реальной практики и испытательного, который снова становится главным фильтром, как в старые добрые. (Когда-то я собесил разрабов только через Live coding и работало збс) Короче, собеседование превратилось в театр. Все эти многочасовые интервью с пятью раундами и тестовыми заданиями на неделю – это просто трата времени обеих сторон. Все отрепетировано, все заучено, все идеально. Поэтому не надо стрелять себе в ноги, просто садимся и работаем вместе. Все будет понятно за месяц.

Нейросеть, обученная на подлинниках Рафаэля, вынесла вердикт по «Мадонне делла Роза» из мадридского Прадо, заключив, что лицо святого Иосифа писал, скорее всего, не сам мастер. Алгоритм разработал профессор Хасан Угайл из Брэдфордского университета, и на заведомо подлинных работах он давал 98% точности. Систему натаскали через трансферное обучение, когда уже обученную на смежной задаче модель адаптируют под новую цель, плюс подключили обнаружение границ для разбора техники мазка. Картину написали около 1517 года, и авторство Иосифа искусствоведы «грызли» ещё с середины 1800-х. Тогда Иоганн Давид Пассавант первым усомнился, что тут работал один Рафаэль, а не его мастерская. Целое полотно машина не осилила и единого вывода не выдала. Команда из университетов Ноттингема, Брэдфорда и Стэнфорда разрезала картину на фрагменты и прогнала их по отдельности, и только тогда Иосиф выпал из стиля мастера. Знатоки и раньше отмечали, что Иосиф написан слабее остальных фигур, будто добавлен в мастерской второпланово. Кандидатом на авторство лица называют Джулио Романо, ученика Рафаэля, — того же, на кого думали эксперты задолго до ИИ. Сами исследователи при этом осекли энтузиазм и напомнили, что нейросеть тут лишь один инструмент рядом со спектроскопией и историей владения картиной. Результаты вышли в журнале Heritage Science в декабре 2023 года.

Айтишникам не нужно сидеть в универе четыре года. Двух вполне достаточно, считает Сэм Альтман. На встрече с тех-стажёрами глава OpenAI вспомнил, что сам проучился в Стэнфорде всего два года, и назвал этот срок почти оптимальным. По его мнению, после этого отдача от классического университетского образования начинает заметно снижаться. Альтман также отметил, что знает много людей, которые вообще не окончили колледж, но при этом построили очень успешную карьеру. Звучит красиво, хотя здесь сложно не вспомнить про ошибку выжившего: истории тех, кто бросил университет и стал миллиардером, мы знаем отлично. Истории тех, кому такой сценарий не помог, обычно никто не цитирует. Интереснее другое: сколько инженеров в самой OpenAI действительно работают без законченного высшего образования.

Хорошо подмечено! Закину свои пару копеек. В любых линейных играх во главе угла стоит пейсинг. Если по-русски, то я бы его переводил и разбивал на "темп" и "разнообразие". Для поддержания таких вещей в дизайне существует множество инструментов планирования, в частности график интенсивности, который я даже даю в Нарраторике отдельной темой. Так вот. Боевые столкновения не могут запомниться, если игра состоит только из них. От паззлов не получится получить эврику, если игра постоянно ими душит. А любое перемещение надоест, если мы только и делаем, что ездим из одной точки в другую (я смотрю на вас, диалоги во время поездок в GTA). Поэтому стори-биты, где игрок полностью фокусируется на чём-то одном и/или тратит разное количество усилий просто необходимы. Красивая пробежка со взрывами в упомянутой миссии из Росомахи хорошо работает не в вакууме, а контексте боёв, которые идут до и после неё. Если говорить про сегмент с преследованием красного ниндзи и визуализацией пути, то тут пока менее понятно, но есть целых две версии, которые легко делают показанный геймплей когерентным. Версия №1: это не сюжетный фрагмент из испытаний, которые Росомаха получает в кошмарах. Кошмары подтверждены как отдельная активность, в которой игрок может проходить боевые и траверс-испытания. Версия №2: это запах третьего персонажа. Ниндзя бежит за ним по наводке, а Росомаха ориентируется по запаху. И не важно какая версия окажется правильной. Суть в том, что любое действие в игре можно сделать когерентным или выбивающим из погружения в зависимости от того, как его подали в рамках сеттинга. А с этим в Insomniac всё в порядке.