Апокалипсис в найме для программистов отменяется (но есть нюанс) 😁 Свежий отчет SignalFire показывает, что ИИ действительно устроил зачистку в IT, но под раздачу попали все, кроме программистов Рынок труда в 2026 году пересобрался по-своему:

— Найм в бигтехе упал на 25% по сравнению с допандемийным уровнем, но инженеров это почти не задело. Теперь они составляют аж 55% от всех новых сотрудников. Нейронки сделали синьоров настолько эффективными, что увольнять их никто не планирует; — Больше всех пострадали дизайнеры (найм в крупных компаниях рухнул на 48%) и маркетологи (минус 36%); — Из забавного — сеньоры стали настолько самостоятельными, что менеджеры среднего звена стали просто не нужны. — Джунам-вкатунам соболезную — их найм упал на 65%.

Выдыхаем? 💻

Количество переписок в день Мне было бы интересно узнать статистику количества нажатия на клавиши после плотного внедрения ИИ в мою работу. Я сейчас могу спокойно вести разработку 3-5 сервисов по нескольким проектам. В дни прям активно разработки я без остановки чего то печатаю. Причем печатаю агентами! Один агент выполнил задачу, ставлю ему следующую или уточнения по предыдущей. Пока первый думает иду писать второму и так по кругу. Выглядит как партия в шахматы против гроссмейстера, где в комнате стоит 3-5 столов с активными партиями и шахматист ходит между столами и делает ходы. Парадокс. Вроде раньше я гораздо больше кода писал сам — до 2023 года вообще 100% кода копировал со stackoverflow писал сам. Сейчас же я пишу от силы 5-10% кода, а остальное выдают мне ИИ-агенты. Но за активный рабочий день пальцы реально отсыхают от количество напечатаных символах. На фото видно мою клавиатуру. Смешно, что больше всего стерлись кнопки C и V. Но я прям честно-честно сам все пишу! не копипащу!

🧠 Что интересного было в AI/DS за неделю Сделал обзор топ постов, которые сам прочитал за эту неделю. Буду выпускать такой обзор раз в неделю. На этой неделе лучше всего зацепили темы про AI-инструменты для разработки, роль AI-инженера, ML в реальном бизнесе и выход IT-продуктов на внешние рынки. 🛠 AI coding tools: контекст важнее красивой демки [1], [2] В обсуждении Cursor, Codex и Claude Code главная мысль такая: в длинных задачах решает не только модель, а то, как инструмент держит контекст, переживает сжатие истории и не теряет цель в автономной работе. Это хороший сдвиг в разговоре про AI coding. Уже недостаточно спросить “какая модель умнее”. Нужно смотреть, какая среда лучше помогает довести задачу до конца. 🧑‍💻 Хороший AI-инженер: не тот, кто просто сделал модель [1] Сильный тезис про роль AI-инженера: разработка моделей постепенно становится commodity. Готовых LLM, пайплайнов и туториалов уже много. Настоящая ценность всё чаще в другом: сформулировать гипотезу, выбрать метрики, поставить эксперимент, довести до деплоя и потом следить за качеством. Короче, хороший AI-инженер всё больше похож на владельца результата, а не на человека, который “прикрутил нейронку”. 🏢 ML в бизнесе ломается не только об accuracy [1] Отличный кейс про recommendation/search bias из корпоративной жизни. Самый интересный тип bias там не из учебника, а из реальности: “уважаемый человек попросил”. Даже хорошая модель может начать вредить продукту, если поверх неё начинают вручную проталкивать внутренние приоритеты. Это напоминание, что ML-система в бизнесе живёт не в вакууме. Ей нужны продуктовые границы, доверие пользователей и защита от организационного шума. 🌍 Российские IT-продукты всё активнее смотрят наружу [1], [2], [3] Заметная линия недели: как IT-проектам выходить за пределы локального рынка. Темы очень практичные: платежи, язык, поддержка, SEO, органический трафик, упаковка продукта. Общий вывод простой: иногда следующий рост даёт не новая фича, а способность продать уже работающий продукт на другом рынке. 💭 Мой вывод недели: AI-инструменты становятся мощнее, но выигрывает не тот, кто просто подключил модель. Выигрывает тот, кто умеет держать контекст, формулировать задачу, измерять эффект и доводить систему до результата. 🎯 Теперь хочу расширить список источников. Если читаете адекватные каналы про AI, DS, ML, разработку, продукты или IT-бизнес — скиньте их в комментарии.

👀 Новости перфоманс-маркетинга за прошлую неделю Что нового в рекламных кабинетах и вокруг них 🔵 Мета 1️⃣ Цукерберг хочет заменить 90% модераторов контента на AI к концу года И это при том, что и мясная модерация не особо то справлялась с проверкой контента. Надеюсь, хоть на перемодерацию объявлений это не повлияет и там будут живые люди. 2️⃣ Мета анонсировала пачку AI-фич для рекламы на Канских Львах • Будет End-to-End решение для создания креативов. Из анонса не понятно, но вроде только про статику речь. Всё можно будет делать в одном месте. Релиз в этом году, для больших агентств уже сейчас. • Расширение для кастомизации текста под пользователя теперь работает не только с заголовками и текстом под объявлением, но и может добавлять надписи поверх банера • Теперь картинки и тексты могут переводиться на другие языки автоматически. У меня эта фича уже появилась и это ещё один тублер, который надо выключать при запуске. 3️⃣ Мета хочет зайти в prediction markets Писал об этом вот тут 4️⃣ В лидформах можно будет сразу забронировать время После отправки лид-формы у человека появляется кнопка «Book time». 5️⃣ Убирают из таргетинга исключение радиуса вокруг города Раньше можно было исключить зону вокруг города. Теперь только город целиком. Херово. 🟢 Гугл 6️⃣ В AI Max появился контроль брендовых запросов Три опции на выбор: - Показ на всех релевантных запросах - Контроль брендовых через inclusions/exclusions - Показ только на небрендовых ⚪️ Остальное 🗿 LinkedIn будет сам откликаться на вакансии за премиум-пользователей Инструмент Apply Assistant будет сам заполнять заявки и писать сопроводительные письма под подходящие вакансии А значит, что со стороны рекрутеров будет ещё больший отсев. AI должен был упростить поиск работы и кандидата, а оказалось всё наоборот.

Кстати, вот небольшой ИИ-рисерч по поводу цен на VDS и ИИ-компьют в РФ и "на Западе". Он быстрый и вот тут в табличке открыто — можно посмотреть самостоятельно. Я там даже комментарии открыл, но модерировать не буду. Лень. Общий вывод: уже сейчас, если не считать откровенно маркетинговые тарифы "минимальный вход" в РФ в два-три раза дороже по сопоставимых параметрах. Смотрите особенно на конфигурации с числом vCPU больше двух. И это без учета того, что в тот же Hetzner, например, "из коробки" входят всякие допуслуги, типа "20Тб трафика", "защиты от DDoS" и всякие бэкапы. По ИИ ситуация даже хуже - в РФ просто нет адекватного предложения. На втором листе смотрите

Разработчики «Телеги» решили закрыть проект, Whoosh продолжает сыпать позитивом, проблема воровства кода при вайбкодинге, огромный раунд в AI для гейминга, глава Softbank не верит в идею Маска 🦄 Доброе утро, наши маленькие любители единорогов! ❌ Разработчики «Телеги», альтернативного приложения для Telegram, объявили о закрытии проекта с 1 июля. Пишут, что «не могут обеспечить полную локализацию и соответствие всем действующим требованиям». А еще закрываются из-за внешних ограничений — удаления из App Store. Проект делали казанские предприниматели Фанис Садыков и Александр Смирнов. 🛴 Самокатный сервис Whoosh сообщил о том, что насобирал 4 млрд рублей, чтобы погасить выпуск облигаций 2 июля. А еще о том, что возобновляет программу байбэка. Объясняют тем, что «текущая капитализация не отражает масштаб бизнеса Whoosh». Акции компании сейчас на историческом минимуме — около 46 рублей. С 19 июня они подешевели почти на треть. 🤷‍♂️ Проект Papermark обвинил стартап Corgi из YC в плагиате кода, пишет Techcrunch. Но основатель Corgi утверждает, что код просто похож. Мол, «украсть код» и «скопировать стиль» — это разные вещи. И вообще, говорит, спорные сделаны через вайбкодинг. А Techcrunch задается вопросом: если вайбкодинг-сервис может творчески переделать исходный код, чтобы он не был похож на оригинал, то как тогда быть с авторскими правами? Но у Corgi вообще неоднозначная репутация. Они грозят судами из-за твитов, судятся с сотрудниками. А недавно в подкасте основатель заявил о 7-дневной рабочей неделе. 💲 Стартап General Intuition, который разрабатывает AI для создания игр, поднял $320 млн по оценке $2,3 млрд, пишет Tech Funding News. В октябре 2025-го они поднимали seed-раунд на $133,7 млн. В обоих случаях лид-инвестором был фонд Khosla Ventures Винода Хослы. А еще среди инвесторов и Джефф Безос, и Эрик Шмидт, и General Catalyst. Сейчас проект собирает уже следующий раунд. 🛰️ Глава Softbank Масаеси Сон не верит в идею Илона Маска о дата-центрах на орбите, пишет WSJ. Говорит, что не понимает смысла. По его словам, траты на электричество составляют около 7%, а все остальное — закупка чипов и так далее. И ему непонятно, как орбитальные дата-центры могут удешевить процесс. @TheEdinorogBlog — тот самый канал про стартапы🦄

По мере того как роли в сферах разработки продуктов, дизайна, Data Science и других сливаются воедино благодаря ИИ, я размышлял о том, как они могут выглядеть в будущем (Boris Cherny, Claude Code) Например, глядя на команду Claude Code, я выделяю пять архетипов: 1. Прототипировщик (Prototyper): генерирует совершенно новые идеи; выдает множество идей, большинство из которых не доходят до стадии реализации. 2. Создатель (Builder) быстро превращает прототип или идею в готовый к эксплуатации продукт или инфраструктуру. 3. Упорядочиватель (Sweeper): приводит в порядок интерфейс, упрощает код и систему, удаляет лишнее, оптимизирует производительность. 4. Развиватель (Grower): берёт уже созданный продукт и дорабатывает его для улучшения соответствия продукта рынку (Product-Market Fit). 5. Поддержка (Maintainer): отвечает за зрелую систему, обеспечивая её безопасность, надёжность, быстродействие и эффективность по мере масштабирования. Многие специалисты совмещают две, а иногда и три роли. Я также заметил, что эти роли не жестко привязаны к должностным обязанностям. Например, в Anthropic есть дизайнеры, соответствующие категориям 1, 2 или 3; то же самое касается инженеров, продакт-менеджеров и специалистов по данным.

Здоровой команде требуется сочетание этих ролей в зависимости от продукта:

- Для нового продукта, ещё не нашедшего соответствие рынку (pre-PMF), нужны люди с сильными навыками типов 1, 2 и 3. - Для растущего продукта, нашедшего соответствие рынку, нужны типы 2, 3, 4 и отчасти 5. - Для продукта с сильным соответствием рынку нужны типы 3, 4, 5 и отчасти 2. Возможно, именно так будут выглядеть продуктовые роли будущего, а не как нынешние узкоспециализированные должности. – 3 основных типа лидеров продукта – Новая структура любого отдела в компании – Командные роли по Белбину

Что говорят про ИИ на HR экспо Сходил на HR конфу, было много народу, не ожидал. Было много ректоров топовых ВУЗов, министры, главы гос. компаний (росатом, сбер). (я, кстати, начинал с ИИ автоматизации HR процессов, о них в интервью Код рекрутера) Из интересного: - 50% выступлений про ИИ, 50% про людей. 10% про интеллектуальный труд, 90% про ручной. Стране нужны рабочие, руки. - Всем нужно: а) удерживать персонал б) резать ФОТ это и есть главный HR вызов на фоне ухудшающейся темографии и кадрового дефицита. - про интеллектуальный труд мало говорят. В основном всех беспокоит занятость в сфере ручного труда. На это делает ставку и правительство, и крупные компании такие как Сибур, Росатом, ФосАгро и др. Эра «мозгов» закончилась. Интеллектуальный труд в достатке и будет оптимизироваться искусственным интеллектом. - Забавно смотреть как ректоры, министры, CEO терроризируют об ИИ. Понимаю, им не нужно, но знать об ограничениях и возможностях ИИ нужно. Иначе выглядит как "придет ИИ, всех поработит". Не все так, однозначно. - Тема стандартизации ИИ вообще не затронута. ИИ как такой конь в вакууме. По-хорошему ИИ должен быть частью стандартов, как ISO Деминга в эпоху индустриализации 60х годов: прорыв давала не локальное внедрение технологии, а момент стандартизации работы с технологией всего завода. - Про роботов почему-то никто не говорил. Может потому что конфа про людей, хз. Хотя ИИ это технология в первую очередь для роботов, а не для кожаных. - HR-ам ставят задачу помочь бизнесу «мягко» внедрить ИИ, сотрудники сопротивляются, саботируют. Все всё понимают. - скрытая безработица в КАМАЗ и Автоваз = 4-х дневная рабочая неделя. - 52% рабочих мест низко- и критически низкопроизводительные. Замена их на роботов даст +20 трлн руб. к ВВП к 2035 году. Не хватает 60 тысяч специалистов по робототехнике. - автоматизаторы выходят на первый план. Самый быстрый рост вакансий по автоматизации Московская, Самарская и Свердловская области. - большинство компаний не умеют работать с сотрудниками старшего возраста. Цифры: 20% сокращение числа вакансий в I кв. 2026 +34% рост числа резюме в I кв. 2026 +25% рост ИП и СМЗ за год +72% рост спроса на специалистов по роботам 75% компании сообщили, что средний возраст сотрудников сохраняется или растет, несмотря на попытки привлечь молодежь. 43% сотрудников боятся, что ИИ заменит их роль в течение двух лет. Рост + 5 п.п. за год. 52% тревожатся о влиянии ИИ на их работу или 6% ждут новых возможностей. 49% скрывают что юзают ИИ и делают это из-за страха осуждения коллег и руководства.

#мнение Место менеджмента AI-native оргструктуре Привет, читатель! Не знаю заметил ли ты, но я избегаю 3 тем: SOTA-моделей, автономных агентов и AI native команд/компаний Наткнулся на доклад AWS про команды в мире агентского ИИ. Не про инструменты, а про то, как меняется операционная модель когда стоимость владения падает: 1. Экономика AWS дает развилку Use / Compose / Build. Build оправдан только при уникальном процессе. Для большинства первичен разбор потока: где ценность, где теряется контекст, где нужна проверка. AI-native начинается не с модели, а с описания процесса как системы исполнения 2. Таланты и новые роли AWS вводит expert generalist: человек, который ведет процесс целиком. Фаулер разделяет why-loop и how-loop: человек сильнее в выборе что и зачем, агент в исполнении. Эндрю Энж: сборка ускоряется, узкое место смещается в продуктовые решения Отсюда роли. Product builder вместо PRD приносит проверяемый прототип. Product Engineer сам ближе к пользователю и метрикам. Forward deployed engineer тащит агентов в процессы клиентов, потому что между демо и продакшеном лежит слой интеграций и ответственности 3. Структура команд Четыре формы: пирамида, ромб, перевернутая пирамида, песочные часы Пирамида растит людей, но буксует на передачах. Ромб появляется когда режут джунов: пайплайн кадров умирает. Перевернутая пирамида как боевая капсула: сильные спецы и агенты. Песочные часы: автономные команды сверху, тонкий управленческий слой, обучение снизу. Team Topologies дает тот же принцип: команды вокруг потока ценности и когнитивной нагрузки. AI-native команда это не сквад с агентами, а компактная единица с ответственностью от начала до конца 4. Операционная модель Модель A: разработка строит, эксплуатация поддерживает, для агентов не работает. B: построил сам, запускаешь сам, работает в малом масштабе. C: автономные команды плюс платформа. Продолжение DevOps, не новая история. Агентский ИИ не отменяет DevOps. Он делает незавершенный DevOps дороже 5. Управление и контекст Управление агентами сводится к идентичности, правам, допустимым действиям и аудиту. Не регламент на полке, а исполняемый контур ближе к PRR из SRE. Фаулер формулирует: агент это модель плюс обвязка из правил, инструментов, проверок и контекста. Документация часть среды исполнения. Палантир-модель показывает: доменные понятия должны быть явными 6. Проджект-функция Каган разделяет продуктовые и фича-команды. ИИ ускоряет фича-команды, но не делает их продуктовыми Старая админ-функция сжимается. Отчеты, статусы, пушинг, перфоманс ревью, это компенсация плохой структуры. Новая мидл менеджер-функция это управление условиями исполнения. AI-native убирает мидл-менеджера как диспетчера передач. Но может сохранить функцию как инженерный контур: границы, контекст, поток, готовность, обратная связь

Jack Clark, co-founder of Anthropic говорит, что джуны все Короче, глянул интервью и вот Джэк говорит, что джунов они более не нанимают, потому что «клод достаточно хорош». Ииии захотел вот высказаться немного. И вот все говорят о проблеме для индустрии и все прочее, как человек еще с 2020 занимающийся AI в разработке скажу: как было до ИИ уже не будет. Теперь нужны люди умеющие мыслить более структурно и решающие более сложные задачи. Тоже самое когда-то произошло с производитвенными профессиями и на заводах стало меньше инженеров и меньше рабочих, тоже самое мы делали годами вместе с вами с бэкофисами, бухгалтерами, автоматизируя их работу и т.п. Мы как индустрия столкнулись почти впервые с тем, что есть кто-то, кто пытается оптимизировать радикально нашу работу. Как отразится на рынке труда нашем с вами в долгосроке? А вот тут все будет зависеть от БИЗНЕСа! Ага. Все сейчас смещается «левее» и написание кода все еще сложная задача, но уже не настолько. И то, на сколько будут нужны ИТшники (именно количественно) зависит от того, а на сколько много новых идей имеющих смысл развивать будет бизнес. Давайте посмотрим на оптимистичный сценарий: 1. Оказывается раньше у нас было 100500 идей, только вот эти ИТшники все время мешали заработать наши миллионы. То есть идей у нас всегда было полно, но проверка и реализация стоили денег. 2. Автоматизация доберется до тех мест, где раньше рентабельность была низкая. Ну например, теперь в каждый кроссовок поставим датчик и будем продавать данные и анализировать их и предлагать тебе самые инновационные стельки! Или через датчик в ошейниках собак сможем собрать приложение, показывающее где ваши друзья-собачники сейчас гуляют. А что будет, если таких идей не найдется? Все будет не так весело: по сути, произойдет инфляция грейдов и те, кто были синьорами станут мидлами, те, кто были мидлами - скорее новыми джунами в нашем мире. Лично я верю в то, что желания людей и тяга к комфорту безграничны, а значит мы начнем создавать все больше и больше сервисов, возрастут требования к персонализации, мы засунем автоматизацию всюду, целясь повысить эффективность и комфорт. Все что только возможно станет умным, все это будет собираться в базы для анализа: таргетирвоанная реклама, персонализация, автоматизация сценариев и т.д. Бухгалтеров в сумме не стало меньше, потому что появилось много компаний и много нового рода задач, инженеров тоже меньше не стало, просто, они решают более сложные задачи и в большем Количестве производств. Ну и можно не ждать бизнес, а начать самому глубже погружаться в продукт, чтобы продолжать оставаться востребованным, потому что теперь это новая нормальность ))) 🔥 - если ты сейчас не ищешь работу 😈 - если работаешь, но ищешь новое место ❤️ - если не работаешь и находишься в поиске

Google не ждёт смерти поиска. Google сам его меняет Пока многие обсуждают, убьёт ли ChatGPT классический поиск, Google делает гораздо более интересный ход. Он постепенно превращает поиск в AI-ассистента. Сегодня у компании уже два AI-продукта: AI Overviews — готовый ответ прямо над поисковой выдачей. AI Mode — полноценный диалоговый поиск, где можно уточнять вопрос, загружать изображения и вести длинный разговор. Масштабы аудитории соответствуют Гуглу: AI Overviews используют более 2,5 млрд пользователей в месяц. У AI Mode — уже более 1 млрд пользователей в месяц. Понятно, что это использование очень разное и для большинства пользователей заключается в беглом просмотре блока вверху результатов поиска. Но даже проценты из этого могут дать новый большой источник клиентов для любого бизнеса. Для нас, продактов, это новая реальность. С одной стороны — новые риски. Если раньше мы (или наши партнеры из рекламных агентств) пытались понять алгоритмы SEO, то теперь нужно понимать логику LLM, которая ещё менее прозрачна. С другой — появляются новые возможности. Раньше пользователь приходил в Google с набором ключевых слов: “Купить honda click в кредит” Теперь он приходит с настоящей задачей: “Мне нужен первый мотоцикл для ежедневных поездок на работу. Бюджет до 120 тысяч песо, желательно с недорогим обслуживанием и возможностью оформить кредит.” Это уже не поиск страниц или сайтов. Это поиск решения проблемы. Google тоже понимает, что меняет правила игры. Недавно они анонсировали новые инструменты для владельцев сайтов. Правда, при проверке в живом аккаунте сайта, который хорошо проиндексирован Гуглом, оказалось что никаких инструментов пока нет. Пост в блоге — только планы и анонс стратегии. Когда-нибудь в Search Console появятся отдельные отчёты по показам в AI Overviews и AI Mode. Владельцы сайтов смогут увидеть, насколько часто их контент используется генеративным поиском. Кроме того, Google уже тестирует отдельный переключатель, который позволяет отказаться от использования сайта в AI-ответах, не исчезая из обычной поисковой выдачи. Правильный выбор стратегии. Зачем бороться с трендами, если можно адаптироваться и возглавить? Жду, когда появится аналитика. По личным ощущениям — результаты в блоке AI Overviews отлично отвечают на половину поисков и даже нет желания скролить ниже — туда где синие ссылки, за первые места в которых когда-то была война и большие ставки 😉 #aifuture #google #search #producteye

#дайджест Дайджест AI/ML за две недели 15-28 июня 2026 OpenAI: GPT-5.6 (Sol, Terra, Luna) Sol - плюс сайз модель сопоставимая с Mythos. SOTA на TerminalBench 2.1. остальные бэнчи сравнивают в рамках линейки GPT, так что вероятно там дай бог паритет с Fable. Цена - $5/$30 Terra - модель на уровне GPT-5.5. Цена - $2.50/$15 (у GPT-5.5 $5/$30) Luna - по бэнчмаркам уровень GPT-5.4, но на класс ниже по размеру. Цена - $1/$6 (у GPT-5.4 $2.5/$15) Civitates Foederatae Americae - правительство США попросило придержать публичный релиз и сделать ограниченное превью для 20 партнёров, согласованных правительством. Как было с Mythos, но теперь менее добровольно. Широкий доступ обещают "через пару недель". Но как говорится - на Альимана надейся, а сам ищи как получить паспорт США. Блогпост, Системная карточка Zhipu: GLM-5.2 Открыли веса под MIT. MoE на 744B параметров (40B активных), контекст 1M. И наконец-то с цифрами: SWE-bench Pro 62.1, Terminal-Bench 2.1 81.0, GPQA-Diamond 91.2, AIME 2026 99.2, HLE 40.5 (54.7 с тулами), в общем, открытая модель не очень далеко от фронтира. Цена по API $1.40/$4.40 за 1M, кэш входа $0.26. Веса, Блогпост ???: Happy Oyster 1.0 Одна модель - два продукта. По слухам от Alibaba. Adventure Mode - world-model в духе Genie, можно летать на драконах и ползать червем через WASD. Directing Mode - видеогенерация в которую можно вмешиваться и создавать развилки для происходящих в кадре действий. На старте дают 1000 кредитов, так что можно попробовать самому. Сайт Jülich: CytoNet Модель архитектуры коры человеческого мозга (клеточной микроструктуры по гистологическим срезам, а не симуляцию активности). Тренировали на 6.5 петабайтах данных с 21 посмертного мозга. Брутальный ML. Блогпост, Статья Sakana AI: Fugu и Fugu Ultra Модель-оркестратор, обученная раскидывать задачу по пулу фронтир-моделей (и рекурсивно по самой себе) и собирать ответ. По их собственным замерам Fugu Ultra тянется к фронтиру: SWE-Bench Pro 73.7, Terminal-Bench 2.1 82.1, GPQA-D 95.5, HLE 50.0. Веса закрыты, какие модели в пуле - не раскрывают. Цена Ultra $5/$30, в ЕС пока недоступно. Блогпост, Технические детали Zyphra: "Can Scale Save Us From Plasticity Loss in LLMs?" - статья в которой изучают потерю пластичности (деградацию способности учиться новому) у трансформеров от 5M до 314M. Момент её наступления растёт сублинейно к размеру, так что одним увеличением модели не вылечить. Статья Alibaba: Qwen-Robot Suite Alibaba собирает полный стек моделей для роботов восприятие-навигация-действие. Qwen-RobotManip (обобщающая Vision-Language-Action модель), Qwen-RobotNav (навигация, Vision-Language-Navigation модель) и Qwen-RobotWorld (видео-world-model для предсказания сцен). Не оупенсорс. Блогпост NVIDIA: MotionBricks Модель для генерации анимаций движения. Одна модель держит 350к+ элементов движений, работает в реальном времени и переносится на новые задачи zero-shot, без дообучения. Проект гоняют на гуманоиде Unitree G1 и в Unreal Engine 5. Выложены демо и инференс-чекпоинты, позже обещают полный пайплайн тренировки. Проект, Статья NVIDIA: CUDA-X новые AI инструменты для всяких наук ALCHEMI - микросервисы под скрининг химических соединений и материалов, до 50x ускорение перебора кандидатов. DAQIRI - библиотека обработки данных с детекторов в CERN. С её помощью гоняют real-time ИИ прямо по тем >99% столкновений, которые система отбора обычно выбрасывает не глядя. cuPhoton - работа с астрономическими данными телескопов и рентгена, ускорили чтение и анализ данных обсерватории в тысячи раз. Блогпост ByteDance: Seedance 2.0 Mini Облегчённая и дешёвая версия видеомодели Seedance 2.0: 480p/720p. Заявляют ~2x скорость относительно Seedance 2.0 Fast при сравнимом качестве и примерно вдвое дешевле обычной BytePlus, API-доки EpicGames: Unreal Engine 5.8 добавили нативный MCP-плагин Cerebras: разогнали Google Gemma 4 (31B мультимодальную) до 1500+ токенов/с macOS: fm CLI Теперь работает с моделями из набора Foundation Models можно прямо в терминале Mac. Google: Gemini 3.5 Flash computer use встроили прямо в модель как штатный инструмент

Почему работодатели в вакансиях пишут о том, что нужно владеть AI-инструментами? Особенно это странно выглядит, когда интернет заполнен колкими фразочками о том, что программисты не нужны, потому что ИИ уже заменяет их работу на сто процентов. В чем тогда логика работодателей? Они просто не понимают, что такое AI или дело всё-таки в другом? Окей, допустим люди, допускающие эту мысль правы и программисты действительно не нужно. Тогда почему компании не перестали искать программистов? По сей день полно вакансий в этом направлении. Более того, вакансии дополены требованием уверенно работать с AI-инструментами. Причина заключается в том, что работодателям нужен не человек, которого заменит нейросеть, а специалист, который умеет использовать её для ускорения своей работы. Такой разработчик быстрее пишет код, быстрее разбирается в незнакомых технологиях и исправляет ошибки. Знание AI сегодня уже вполне конкретно стал рабочим навыком, как и владение Git или умение читать документацию. Компании ищут специалистов, которые способны совмещать собственную экспертизу с возможностями современных инструментов, потому что именно такая комбинация сейчас даёт максимальную продуктивность. Более того, если вы загляните в иные не айтишные сферы, например, сценарист или видео-монтажер, то ситуация там абсолютно та же! Все же могут написать текст с ИИ? Уверена, что да. Все могу создать видео с ИИ? Возможно, не все, но гипотетически освоить может каждый. Тогда почему ищут таких людей, если это можно сделать самостояельно, не привлекая другого человека к работе? Причина абсолютно та же. А что думаете вы на этот счет?

Product Hunt за 2026-06-22 — 2026-06-27 1. Tencent EdgeOne Makers Запускайте AI агентов как веб-приложения за считанные минуты. 👍 711 голосов 💬 168 комментариев 🧱 AI, Development, Website Builder 2. Bluerails Discovery Инфраструктура, которую AI агенты используют для поиска и оплаты вам. 👍 666 голосов 💬 191 комментарий 🧱 AI, Fintech, SEO 3. BrowserAct Автоматизация веб-браузера для AI агентов. 👍 588 голосов 💬 114 комментариев 🧱 AI, GitHub, Productivity 4. AgentX Оценивайте AI агента, находите проблемы и исправляйте одним кликом. 👍 579 голосов 💬 175 комментариев 🧱 AI, Analytics, Developer Tools 5. Skybridge Полноценный фреймворк с открытым исходным кодом на React для приложений MCP. 👍 564 голосов 💬 178 комментариев 🧱 AI, Developer Tools, Open Source 6. Propane Автоматический контекст о клиентах для продуктовых команд и агентов. 👍 529 голосов 💬 178 комментариев 🧱 AI, Productivity, SaaS 7. Oxlo.ai Масштабируйтесь на разных AI моделях, не увеличивая счёт. 👍 506 голосов 💬 111 комментариев 🧱 AI, API, Developer Tools 8. Zaro Создавайте агентов и приложения на основе своего контекста с помощью одной команды. 👍 459 голосов 💬 97 комментариев 🧱 AI, No-Code, Productivity 9. OpenArt Director Создавайте кинематографичные видео через чат. 👍 457 голосов 💬 127 комментариев 🧱 AI, Design Tools, Video 10. Cotypist Локальный AI автодополнитель в вашем стиле, на любом Mac-приложении. 👍 394 голосов 💬 81 комментарий 🧱 AI, Productivity, Writing 11. Latitude Исправляйте то, что ломается в вашем AI агенте. 👍 383 голосов 💬 49 комментариев 🧱 AI, Data & Analytics, Developer Tools, GitHub 12. Agent Arena Первая публичная арена для AI агентов. 👍 360 голосов 💬 66 комментариев 🧱 AI, Community, Social Media 13. Gemini Spark Ваш круглосуточный личный AI агент. 👍 344 голосов 💬 16 комментариев 🧱 AI, Task Management 14. Thumbmagic Генератор AI миниатюр, обученный на самых успешных превью. 👍 332 голосов 💬 67 комментариев 🧱 Marketing, Video, YouTube 15. Folio AI Claude для PowerPoint, на стероидах. 👍 328 голосов 💬 53 комментария 🧱 AI, Design Tools, Productivity 16. Alai AI дизайнер для презентаций, постов и многого другого. 👍 318 голосов 💬 58 комментариев 🧱 AI, Design Tools, Productivity 17. HAQQ Mobile App Юридическое понимание для любого владельца телефона. 👍 316 голосов 💬 36 комментариев 🧱 AI, Legal 18. Crewdle Используйте все бизнес-инструменты AI без всех подписок. 👍 313 голосов 💬 96 комментариев 🧱 AI, Developer Tools, Productivity 19. CoWork Автоматизация мобильных тестов в 3 раза быстрее. Та же команда тестировщиков. 👍 308 голосов 💬 64 комментария 🧱 AI, Developer Tools 20. Motion Ваша Figma-канва теперь имеет временную шкалу. 👍 302 голосов 💬 10 комментариев 🧱 Design Tools, Graphics & Design, User Experience

Вы тоже заметили рост вакансий с AI? Например: - AI Native Marketing Head, Финансист - AI Product Manager, ВЛАДИС - РМ по внедрению AI-инструментов, МТС - Специалист по внедрению ИИ, АТЛАС - AI Product Manager, Моё дело и т.п. Ищут джунов, Моё дело спрашивает "что такое HITL" в тесте... Сбер ищет опыт с LangGraph.. Авито - опыт с RAG. Требования минимальны, экспертиза нанимающих менеджеров слабая. Т.е. меняются изнутри, локально внутри домена. Не сверху вниз. Поэтому сильные либо: а) идут работать в корпы (Гигачат / Алиса) б) работают на зарубежные компании в) тру строят Ai-native стартапы с фокусом на глобал (пример) Большинство знакомых из Яндекса, Авито и др. переориентировались на Tier-1 рынки. Что делать компаниям? Увы, нет другого способа привлечь на борт группу «ИИ сталкеров», которые могли бы инициировать ИИ-трансформацию, кроме как позволить им разбогатеть. Действуй как инвестор, оценивающий потенциал будущей капитализации, а не как менеджер, который изучает PnL. p.s. Еще один важный момент: позволь своим энтузиастам разрабатывать продукт каннибализирующий текущую прибыль. Иначе либо они уйдут и создадут аналог с Claude Code, либо конкурент.

А у нас там подкаст вышел, видели? Если вдруг нет, то заходите на YouTube, в ВК или Дзен, там увидите подкаст Виктора Кантора и Татьяны Гайнцевой – AI Researcher и PhD-кандидат в Queen Mary University of London, исследовательница в области интерпретируемости и управления поведением генеративных моделей. Обладательница стипендии DeepMind, преподаватель Deep Learning School и Nebius Academy, соосновательница Deep Learning School, автор телеграм-канала DLStories и подкаста Deep Learning Stories. Ранее занималась исследованиями в Huawei и Philips, работая над задачами компьютерного зрения и медицинского AI. В выпуске разговор получился не столько про карьеру в AI, сколько про исследовательское мышление. Почему одни специалисты годами улучшают метрики моделей, а другие пытаются понять, что происходит внутри них? Зачем вообще исследовать интерпретируемость нейросетей? Можно ли управлять поведением LLM через активации отдельных слоев? И почему иногда самый интересный вопрос в машинном обучении – не «как сделать лучше», а «почему это вообще работает»? Ждём вас на удобной для вас площадке: https://youtu.be/pXMd0N6xSAQ https://vk.com/video-228219607_456239235 https://dzen.ru/video/watch/6a314bf1a6d473684e1eb721

Midnight Code Cup 2026 Qualification Round. Results. Прошел квалификационный раунд, интересные ощущения от него. Вот тут можно почитать задачи: https://codeforces.com/gym/106478 Вот тут посмотреть финальные результаты: https://ranker.codeforces.com/ranklist/106471 Мы в этих контестах разрешаем пользоваться AI, и очень интересно наблюдать, насколько быстро все меняется. В финале прошлого года (который был летом) команды уже довольно часто использовали AI. Он давал возможность быстро написать хорошее решение и войти в топ, но при этом код становилось сложно поддерживать, участники не понимали, что в нем происходит, и ближе к концу контеста на топовых местах были команды, которые большинство кода писали руками. Сейчас же почти все команды в топе использовали AI, и в основном занимались тем, что говорили агентам, что нужно делать, а не решали задачи сами. При этом те команды, которые по старинке пытались решать задачи руками, потратили много времени на написание бойлерплейта, и им не хватило времени, чтобы написать какое-то хорошее решение. Чем-то напоминает обычную работу программиста, где уже сейчас можно получать результаты сильно быстрее за счет использования AI, но есть много людей, которые не пытаются или не хотят это делать, и в итоге окажутся в сложном положении. На этом контесте я был автором задачи С. Кажется, с точки зрения сложности/глубины вышло довольно хорошо. Мой личный критерий "интересности" оптимизационной задачи следующий. Если попросить агента написать хорошее решение задачи, а потом в бесконечном цикле просить его "улучшить", то он не придет к оптимальному решению, а застрянет в каком-то локальном оптимуме. А правильная стратегия — это иногда сделать несколько шагов назад и понять, можно ли как-то глобально по-другому решить задачу. Например, в лидерборде можно видеть, что большинство решений в топе получило примерно 70k баллов, но при этом есть решение от Probably worse than LLMs, которое получило 90k. И что-то мне подсказывает, что решения построены на немного разных идеях, и текущим агентам тяжело перестать микрооптимизировать код, который дает 70k, и сделать большой скачок до 90k. Если вы участвовали, как вам контест?