«Как я HDMI-порт в PlayStation 4 Fat менял. Странная история со счастливым концом» Знакомое чувство. Ты всё сделал по уму, деталь встала как влитая, крепёжные лапы попали в отверстия, все 19 выводов легли точно на площадки, кабель входит без проблем. Включаешь, а сигнала нет. И вот ты час перепроверяешь пайку под микроскопом, прозваниваешь каждую линию, убеждаешься, что контакт есть везде, а результата всё равно нет. Явных дефектов не найти, и ты уже начинаешь сомневаться в собственных руках. Причём за плечами десятки перечиненных ноутбуков, реболл процессоров Switch и замена чипов на iPhone. А тут обычный HDMI-порт в PlayStation 4, и он не поддаётся. Всё сходится механически, кабель стандартный, любой штекер подходит одинаково, но приставка упорно сообщает об отсутствии сигнала. Разгадка обнаружится там, куда стоило посмотреть ещё до того, как браться за паяльник.

Hyperion 2.5: Довольно огненная модель от Топазянского. TLDR: это немного больше, чем просто «Topaz научился сохранять в 10-bit». Topaz выпустил Hyperion 2.5 - модель SDR→HDR, специально заточенную в том числе под 8-битное AI-видео. Она принимает обычный SDR/GenAI ролик и не просто перекладывает его в 10-битный контейнер, а пытается реконструировать дополнительный диапазон яркости и цвета, после чего может вывести результат в(!): ProRes 10-bit, H.265 10-bit или 16-bit half-float EXR. Все эти ваши\наши видеогенераторы отдают сильно пережатый 8-bit материал. Если потом начать агрессивно красить его, например, в Resolve, вытягивать свет, делать маски, композ или HDR-master, быстро вылезают бендинг и ступеньки в градиентах и разваливающиеся цвета. Hyperion пытается восстановить недостающую информацию *до* грейда, чтобы материал вел себя ближе к нормальному high-bit-depth-исходнику. Topaz уже показывает production-кейс студии Primordial Soup Даррена Аронофски: они прогоняли GenAI через Hyperion 2.5 в 10-bit ProRes именно перед тяжелым цветокором, а в другом шоте использовали его для подавления заметного бендинга. Но важная оговорка: Hyperion не может физически вернуть цвета, которые генератор никогда не в жизни не видел. Это AI-реконструкция/предсказание дополнительной информации. То есть это скорее «умный HDR remaster», чем магическое превращение 8-bit в настоящий camera RAW. Галлюцинация в более пригодный для поста dynamic range. Из любопытного: с новым 16-bit EXR пока есть вопросы к color management. Юзеры уже обнаружили несоответствие между заявленным ACES2065-1 и метаданными Linear Rec.2020, плюс жалуются на пересвеченный результат во Fusion. Но процесс адаптации убогого генератива для лухари-поста уже пошел, это очень круто. Ждем нативные 4К во всех генераторах и ну композить. Hyperion 2.5 доступен в актуальном Topaz Video, не в старом прекращенном Topaz Video AI. Работать можно локально или через облачный рендер. Сейчас отдельный план Topaz Video указан как $19/месяц по акции вместо $39, в него входит 400 cloud credits, дополнительные кредиты стоят $0.10 за штуку. Есть и Topaz Studio за $34/месяц при оплате $399 за год, куда также входит Video и ежемесячные кредиты. https://developer.topazlabs.com/video-models/video-utilities/hyperion-2.5-sdr-to-hdr-new https://www.topazlabs.com/news/primordial-soup-uses-topaz-hyperion-2-5-to-bring-8-bit-genai-into-10-bit-pro-video-finishing-workflows Видос полезный, кстати, там Сиденский, Астра и прочие инструменты. @cgevent

Скрытые и явные расходы бизнеса Скрытые (внутренние) расходы — это потери, которые не видны сразу. Например, вы тратите часы на упаковку заказов, хотя могли бы использовать это время для привлечения клиентов. Деньги из кармана не уходят, но прибыль утекает. Очевидные (внешние) расходы — это всё, что требует прямых выплат: аренда, зарплата, реклама, закупки и другие обязательные платежи. Почему важно различать: Скрытые расходы = потенциальная, но нереализованная прибыль Очевидные расходы = реальные траты, отражённые в учёте Пример: если нанять помощника за 50 000 ₽, а освободившееся время потратить на увеличение продаж до 150 000 ₽ — разница в 100 000 ₽ и есть упущенная выгода. 💡 Вывод: понимание скрытых и явных расходов помогает видеть реальный потенциал бизнеса и принимать более стратегические решения. Фаундер | Бизнес и Стартапы

🚀 Динамика рынка Индекс Мосбиржи растет на 0,2% с начала торгов 🔥 Общий фон: ожидания по инфляции ниже, но все еще высокие Главное сегодня — инфляционные ожидания населения. По опросу инФОМ для Банка России в августе они снизились до 13,7% с 14,7% в июле. Разворотом это назвать сложно. В июле показатель взлетел к многолетнему максимуму, и август отыграл меньше половины скачка. Ожидания остаются выше июньских 12,4%, то есть выше уровня, который был до топливного кризиса, а на пять лет вперед они и вовсе выросли. Кроме того, вечером выходят данные по недельным ценам, где инвесторы рассчитывают увидеть дефляцию. С утра индекс доходил до 2164,1 пункта — рынок отыгрывал сигналы вокруг экономического курса. Сегодня Путин проводит заседание Совета по стратегическому развитию, а утром вышли материалы о плане реформ с опорой на частный капитал. Утренний рост считаем спекулятивным. Самое резкое движение дня — МКБ, который в моменте терял 6,8%. До этого бумаги банка утроились от минимума года и росли против падающего рынка. 📈 Растут • Астра; • ПИК; • Юнипро; • Фосагро; • Ростелеком. 📉 Падают • МКБ; • РенСтрах; • Совкомфлот; • ВК; • Алроса. 📍 Подписаться на канал | Мы в MAX

Second brain продакта – как может выглядеть, и как он мог бы функционировать, чтобы нас уже наконец-то можно было заменить AI агентами. Напомню постановку проблемы: одна из основных причин, почему продакты не могут становиться кратно эффективнее за счет работы c AI ассистентами – это то, что для выполнения большей части задач нам нужен полный и актуальный контекст по проектам, над которыми мы работаем. А этого контекста сейчас не сущетсвует в цифровом мире. Давайте представим себе как могла бы выглядеть система, которая эту проблему решает. Хранение информации (second brain) - Для начала нам нужно место хранения информации по проектам, с которым агенту будет удобно работать, и куда он сможет бережно складывать все, что он узнал к текущему моменту, а также ссылки на внешние источники, на случай если ему понадобится более полный контекст. Большинство людей используют для этого Obsidian, потому что markdown файлы – это наиболее нативный для агентов формат текста. - Нам нужны инструкции про то, как работать с основными внешними системами хранения информации, которые мы используем: Jira, Confluence, Google docs, аналитика. Скорее всего это будут skills для нашего Claude, которые могут ссылаться на те же .md файлы при необходимости Система обработки входящей информации Агент должен систематически и автономно читать все важные источники входящей информации, заносить их в наш Second Brain и обновлять текущий статус. (1) Встречи - Допустим у вас прошла встреча и у этой встречи даже есть транскрипт - Агент должен взять этот транскрипт, положить в нашу систему, и разметить все сущности к которым это встреча имеет отношение: людей, проекты, компоненты системы - Затем агент должен понять в какие из этих сущностей нужно внести изменения, чтобы актуализировать статус. Например, отразить новые выводы и договоренности по проектам, которые обсуждались, поставив ссылку на транскрипт встречи, где нужно (2) Мессенджеры и почта - Получается, что аналогичным образом агент должен читать все входящие сообщения из мессенджеров и почты - Про каждое сообщение (или диалог) он должен ответить себе на вопрос, нужно ли внести какие-то дополнения в файл проекта, потому что в сообщении есть новая инфомация - Или добавить новый пункт в план одной из следующих встреч - Или поставить задачу, которую должен сделать подопечный белковый продакт - А чаще всего несколько из вышеперечисленных пунктов одновременно Если представить себе, что написали агентов и процедуры для встреч и мессендеров, то нетрудно будет добавить еще одну точку входа в систему обработки входящих, куда мы будем руками вносить то, что в нее не попало, потому что случилось в устной коммуникации или где-то еще вне систем, которые мы мониторим автоматически. И тогда можно будет рассчитывать на то, что у нас будет существовать тот самый полный и актуальный контекст, который позволит агенту решать действительно широкий спектр задач из нашей рутины, и брать на себя какую-то осмысленную часть работы. Что вы считаете? Утопия? Или через два года уже у всех будет так? Или вы по-другому видите дизайн системы AI-продакт? Делитесь в комментариях.

Накопление ошибок Ошибки — они как тараканы: при свете — разбегаются.  Одна ошибка редко приводит к коллапсу всей системы. С маленькими ошибками справляется большинство систем. Хотя бывают случаи когда маленькая ошибка приводит к значительным последствиям. Например, один неверный поворот руля и мировая торговля замерла на 6 дней, когда контейнеровоз Эвер Гивен блокировал Суэцкий канал. (Хотя и там не все так просто: наложился сильный ветер, плюс в прессе упоминали технические неполадки).  В большинстве случаев ошибки и неполадки должны накопиться до определенного предела, чтобы произошла авария. Это видно из расследований, что авариям предшествует множество ошибок и маленьких неполадок, ошибок в коммуникации и т.д.  Если сразу обнаруживать и корректировать ошибки, то вероятность серьезных происшествий снизится.  В каких-то случаях это понятно интуитивно. Новые сотрудники будут ошибаться, и это естественно. Смысл обучения и подготовки сотрудников как раз в том, чтобы исправлять и корректировать эти ошибки. Если закрепиться неправильный способ выполнения, то откорректировать его будет гораздо сложнее.  В сложных системах, где влияет множество факторов и ситуация постоянно меняется — там могут ошибаться даже опытные сотрудники, поэтому необходимо быстро и четко понимать, что случилось не так.  Это как медсестры обнаружили, что ввели слишком большую дозу лекарства пациенту. Благодаря тому, что это быстро заметили, то негативных последствий удалось избежать.   Система обнаружения и исправления ошибок — это своего рода иммунная система. Как только мы поняли что за ошибка и научились с ней работать — ошибки подобного рода нам не страшны. Это как ослабленный вирус: обработали, научились справляться.  Если же мы замели ошибку «под ковер», то мы ничему не научились, мы не поняли как справляться с подобной ошибкой.  Чтобы обнаружить и исправить ошибки, нам нужно выполнять 2 параметра:  1) обнаруживать ошибки максимально быстро;  2) обнаруживать ошибки максимально полно.    #чф #ошибки

Средиземноморская диета была… хлебной Современная средиземноморская диета — это оливковое масло, овощи и рыба на гриле. Реальный рацион античного Средиземноморья держался на хлебе. Император Юлиан, живший в IV веке, считал его самой питательной едой из всего, что было на столе. Зерновые давали основную массу калорий, к ним добавлялись бобовые, масло, вино и то, что уродилось в сезон. Самый подробный источник питания в то время, это врач Гален, II–III век. Разбор пищи он начинает именно с зерна и бобовых, ставя пшеницу на первое место. Хлеб у него не гарнир, а собственно еда. Белый тонкого помола — самый питательный, отрубной — на последнем месте. Оговорена и технология: хорошо вымешанное тесто и умеренный жар печи — перегретая даёт корку как черепок и сырую середину. Важность обработки Гален выяснил на себе. В деревне бедная женщина накормила его компанию варёным цельным зерном — хлеба в доме не осталось. Следующий день врач описал подробно: аппетита нет, вздутие, головная боль, мутное зрение. То же зерно становилось едой только после помола, просеивания, брожения и выпечки. Овощи и фрукты ели, но не как основу здоровья. Салат, капуста, лук, инжир, виноград, гранаты проходят у Галена скорее по разряду лекарств: послабляют, гонят мочу — а питают слабо. Овёс он и вовсе считал кормом для скота. А вот бобовые были куда важнее, чем принято думать: чечевица, нут, люпин. Гален вспоминает александрийского врача, четыре года прожившего почти на одних бобовых. Звучит как современный веган-блог — пока не выясняется, что приправлял он всё это рыбным соусом. Рыба была конечно не повседневной пищей. У Афинея, писавшего около 200 года, сохранился рецепт сицилийского повара Митека: рыбу-ремень почистить, нарезать и залить сыром с маслом. Оливковое масло на месте, лёгкости никакой. Вывод: единой античной диеты не существовало, по-крайней мере в том виде, в котором средиземноморскую преподносят диетологи. Их было много — для сытных регионов, для бедняков и для тех, кто мог платить за деликатесы. Современная версия это аккуратная реконструкция, из которой вынесли горы хлеба и сыра. @vselennayaplus

Всплыл Intel Core Ultra 9 4950K для десктопов — возможно, это Nova Lake-S В базе SiSoftware появилась запись по инженернику чипа Core Ultra 9 4950K Nova Lake-S. Согласно утечкам, Nova Lake получит новые ядра Coyote Cove (P-cores) и Arctic Wolf (E-cores), до 52 ядер (16+32+4 LPE) и поддержку DDR5-8000. Топовая модель 4950K, по слухам, будет с TDP 150 Ватт, а в турбо в пике до 253 Ватт. Для апгрейда потребуется новая материнская плата на сокете LGA1954. Выход Nova Lake-S ожидают в 2027 году. Наименование соотносится со слухами о переходе Intel на четырехзначные обозначения чипов. В однопотоке около 1000 баллов, в многопотоке около 20 000. Это много! Для сравнения, у 14900KS 948 и 16141. А у EPYC 4585PX 17708