Про диктовку голосом Потихоньку переучиваюсь наговаривать текст голосом, а не печатать на клавиатуре. Когда печатаешь, проще структурировать мысли и рассуждать. Но для мозга это сложнее и дольше. Это цена которую ты платишь за возможность получше подумать. Ну и иногда мозг ленится платить слишком много. Я заметил, что когда наговариваю нейронке голосом, я больше деталей описываю. И бонусом, это еще и в разы быстрее выходит. Поресёрчил чем лучше всего пользоваться и остановился на https://spokenly.app + gpt-4o-mini-transcribe. Большинство продуктов на рынке - это обертки над какой то из speech-to-text моделей. Обычно над чем то из этого: Deepgram Nova‑3 ElevenLabs Scribe v2 GPT‑4o‑transcribe NVIDIA Parakeet TDT Whisper large‑v3 Стоят примерно одинаково дёшево, а последние 2 можно вообще за бесплатно локально на своем железе использовать. Вот тут всякие бенчмарки на точность и скорость. Deepgram лучше всего с ру языком ладит, ElevenLabs с английским. Хотя по факту для личных задач разброс точности в 2-5% особо погоды не делает. И я пока честно не понимаю, зачем платить 12 баксов в месяц за обёртку Wispr Flow. Это сейчас самый популярный dictation апп, с оценкой компании в 2 миллиарда долларов. А Spokenly делает соло разработчик. И у меня при активном использовании через API меньше 1 доллара в месяц уходит.

Кажется, мы наконец дошли до момента, когда вопрос "зачем психотерапевт, если есть ИИ?" перестал быть шуткой. Поговорил об этом с Машей Игнатьевой (директором "Ясно" по клиентской поддержке). Она и ИТ-управленец, и практикующий психотерапевт, так что разговор получился оч любопытным. Дух времени тут как тут в новом сезоне моего подкаста Соли. Говорим про самые частые запросы клиентов к их терапевтам, достигаторство и синдром отличника, тревожку, повсеместный расфокус и про то, что же скрывается за словом "выгорание", как мэчнуться со своим идеальным психотерапевтом. Ну и конечно, мы как следует прошлись по ИИ как замене психотерапии. Спойлер: ИИ может заменить терапевтов, но терапевты никуда не уйдут. Парадокс! Выпуск в ютубе → https://www.youtube.com/watch?v=2UEq1Z2tuHo И на всех подкаст-площадках: https://salt.mave.digital/ep-41

Куда двигать свой AI-стек прямо сейчас: мысли про тарифы, локалки и железо Вчера писал про браузер Comet от Perplexity, а сегодня хочу развернуть более глобальную картину того, что сейчас происходит с подписками и куда вообще катится рынок. 1. Конец эпохи подписок по $20 Perplexity - относительно небольшой стартап, особенно на фоне Google или Anthropic. Они находятся в куда более уязвимом положении, работая по API, поэтому первыми начали активно резать функционал и просить деньги за базовые вещи. Но этот тренд неизбежно дойдет и до остальных гигантов. Ограничения и рост цен продиктованы банальным дефицитом видеокарт, видеопамяти и общим кризисом на рынке полупроводников. Мы проживаем последние моменты условной халявы в стандартных тарифах. Базовым минимумом для нормальной работы становится подписка за $100-200, куда компании сейчас стараются напихать максимум возможностей. Но и эта щедрость ненадолго, думаю, что на горизонте года и их будут резать. Поэтому мой посыл - залетайте в эти тарифы нужно прямо сейчас, пока дают максимум (как тот же Google со связкой сервисов вроде NotebookLM), быстро выстраивайте рабочие процессы, пробуйте все, что там доступно, чтобы к моменту неизбежных урезаний точно понимать, за что вы готовы платить. 2. Инвестиция в локальное железо Для большинства ежедневных задач огромные облачные LLM объективно не нужны. Локальные модели развиваются бешеными темпами: если год назад для схожего качества требовалось шаманить с SGR, то сейчас условная Gemma E4B из коробки отлично закрывает базовые кейсы. Я уверен, что в течение года модели в этом размере станут еще круче. Показательный пример - недавний запуск Perplexity Local Computer в рамках их экосистемы. Ребята развивают направление AI Harness и выкатили решение, работающее либо на Qwen, либо на собственном обученном оркестраторе. Но чтобы крутить локально модели такого уровня (27B и выше), нужно железо. На фоне дорожающей памяти и урезания базовых комплектаций производителями, лучшая инвестиция в свой AI-стек прямо сейчас - это покупка мощной машины. В идеале - Mac с объединенной памятью от 64 ГБ (или хороший ПК на Windows). Это дает полную автономность от облачных лимитов и подписок, которая через год станет еще более критичной. 3. Как оптимально собрать стек под себя Формула эффективного рабочего сетапа на ближайшее время выглядит так: одна сильная подписка ($100+) + локалка на хорошем железе + 1-2 ситуативных сервиса под узкие задачи. • Выбор флагмана. Если ваш фокус - разработка и код, логичнее держаться Claude или ChatGPT. Если вы глубоко сидите в экосистеме Google и хотите максимум отдачи на каждый доллар - Google AI с тарифом уровня Ultra полностью закрывает потребности. У меня этот переход, например, снял необходимость держать пачку параллельных подписок. • Вайб-кодинг и сторонние тулзы. Сервисы вроде Lovable, Bolt или Granola - неплохая точка входа, но платить за них бесконечно нет смысла. Гораздо перспективнее сразу учиться работать с AI-кодингом через Claude Code, Codex или Antigravity. Если нужно пилить прототипы - вы вполне сможете делать это в них. Если нужен узкий тул для своих задач - вы сможете накодить его. Как только вы понимаете механику, необходимость в промежуточных сервисах отпадает сама собой. 🚀 Влад Корнышев про AI и создание AI-продуктов

Почему пилотные ИИ‑проекты умирают, а теневое использование живёт: итоги опроса Опрос Хабра и Cloud.ru собрал 173 ответа, и цифры разошлись с привычной логикой. 41% проектов не доходят даже до пилота, умирая на стадии идеи, когда технологии ещё никто не касался. Значит, дело не в качестве моделей, а в том, что компания не может пройти первый шаг и сформулировать задачу. При этом ИИ в тех же компаниях уже работает. Каждый третий сотрудник сам нашёл инструмент, сам за него платит и решает свои задачи, пока наверху ещё обсуждают, стоит ли вообще тратить ресурсы. Технология живёт снизу, а официальные проекты гибнут сверху. Разберёмся, на каком ещё этапе ломаются кейсы и почему успешный пилот почти невозможно масштабировать.

Американский стартап CopySight AI Артема Петрова и Константина Орлова привлек инвестиции от фондов Flint Capital и Yellow Rocks. Посевной раунд на $3 млн возглавил Mucker Capital при участии Taisu VC.    CopySight AI был основан в 2024 году. Артем Петров ранее занимал позицию технического креативного директора в Meta*, а Константин Орлов работал инженером-программистом в Apple. CopySight AI работает в сфере LegalTech и искусственного интеллекта. Стартап разработал платформу для проверки и защиты авторских прав на контент, который был создан нейросетями. Ключевая задача проекта - определение насколько ИИ-контент может нарушать авторские права на уже существующие торговые марки, логотипы, персонажей, изображения знаменитостей и узнаваемые художественные стили. С помощью решения CopyScore можно покадрово проанализировать изображения и видео, а затем сравнить их с базами данных брендов, товарных знаков, персонажей и т.д. После анализа сервис выдает оценку, показывая, можно ли использовать этот контент в рекламе или кино либо его нужно переделать. Стартап ориентируется на голливудские киностудии, разработчиков игр, рекламные агентства и ИИ-платформы.  Flint Capital запустил Дмитрий Смирнов, который ранее был гендиректором инвесткомпании FINAM Global. В 2024 году был собран новый фонд объемом $160 млн. Ранее сообщалось, что привлеченное финансирование планируется направить на инвестиции в стартапы на ранней и поздней стадиях развития. Фокус фонда - IT-проекты, компании, работающие в сфере кибербезопасности, финансовых технологий и цифрового здравоохранения. Yellow Rocks был создан в 2013 году Сергеем Богдановым. Фонд вкладывается в проекты на ранних стадиях [pre-seed, seed, и follow-on инвестиции на стадии series A], которые работают в Future of Work, Fintech и Edtech. Фонд является сооснователем инвестиционной программы Pre-seed to Succeed. *Деятельность Meta Platforms признана экстремистской и запрещена в России. @rusven

✔️ Kimi начала уведомлять о выпуске кобрендинговой банковской карты Китайский разработчик ИИ начал слать сообщения тем, кто ранее записался на совместную карту с Сельскохозяйственным банком Китая (ABC). Карт две. Select рассчитана на массовую аудиторию - новым клиентам, которые выполнят требования по тратам, дают три месяца подписки Andante и плюшевый брелок с NFC-меткой.

В Andante входят увеличенные лимиты на агентов, доступ к Kimi Code и публикация сайтов.

Max - это премиальная платиновая карта ABC. За выполнение тех же условий при оформлении дают два месяца подписки Allegretto - вчетверо больший лимит на агентов, в двадцать раз больший на Kimi Code и возможность держать несколько агентов одновременно. Её оформляют только в отделении банка. @ai_machinelearning_big_data #news #ai #ml

🌌 [Curiosity Engine - Итерация 152] COUNCIL & HEALING (08:18:48) ⚖️ Model Council: Проведен аудит скиллов founder-mode и founder-evolve-ouroboros. Обнаружено, что скиллы допускают 'симуляции' работы вместо реального парсинга графа. 🛠 Self-Healing: Внедрен скрипт real_tantivy_extractor.py. Теперь мы извлекаем настоящие ноды из L3-графа (найдено 3432 реальных QA-пары для LoRA River.ai). 🛡 Вывод: Отказ от симуляций повышает достоверность данных до 100%. буду писать первые свои микро LLM (SLM - small) на базе Opensource., чтобы они локально крутились или где-то в облаке/в периметре. И потом могли уже нужные "вектора" / embeding'и отправлять в вендоров / реальные LLM - "аля дообучая их своих контекстом". А зачем мне свои LLM/SLM? Чтобы управлять мозгами оркестратора и то как мультиагентский рой работает, чтобы не было задержек и были жесктие инварианты без деградаций. Экспериментирую