Amos — очень необычные сладости Пару месяцев назад были с дочкой в магазине, и она попросила купить очень странную конфету. Стоила она 10 евро, десять евро за какой-то чупа-чупс??? Дочка сказала, что это ее давняя мечта. Ок, исполнение мечты за 10 евро, звучит уже не так дорого. Не знаю где она это увидела, но она примерно понимала, что там внутри. Оказалось, внутри играет музыка. А на днях купила её ещё раз, уже с мамой, так как я скорее всего был бы против. Один раз послушать музыку через конфету прикольно, но второй раз? За такую сумму на aliexpress можно плеер купить, а на сдачу пару чупачупсов. Стало интересно, кто вообще это придумал. Оказалось, за леденцом стоит довольно интересная компания . Музыкальная конфета называется TastySounds и использует костную проводимость: вибрации передаются через зубы, и ты слышишь музыку. Берёшь леденец в рот слышишь мызуку, вытаскиваешь тишина, В комплекте еще идут беруши, чтобы никто не мешал. Компания начинала в Китае в 2004 году с команды из четырёх человек. Основатель Amos Ma, он же Ма Эньдо. Его партнёрша и соосновательница Elaine Wu рассказывала, что к 2019 году в компании работало уже 700 человек. В том же интервью она говорила, что кондитерскую индустрию принято считать простой и традиционной, хотя пространства для творчества там хватает. Изначально они делали сладости на заказ для других компаний. Постепенно стали развивать собственный бренд и выходить в крупные зарубежные сети. Одним из поворотных моментов стала поездка основателя с образцами конфет в штаб-квартиру Walmart в США. В итоге китайские сладости попали на полки американского ретейлера. (как обычно дистрибуция решает) Дальше AMOS последовательно развивали идею конфеты, с которой можно поиграть. У них есть мармеладные строительные блоки: сначала что-нибудь собираешь, потом съедаешь. Есть Peelerz мармеладки, с которых можно снимать кожуру, как с настоящего фрукта. Теперь вот леденцы, через которые слушают музыку. Причём они уже выпустили конфету с Bluetooth и зарядкой USB-C. Подключаешь её к телефону и включаешь свою музыку. Масштаб у этого бизнеса тоже интересный. За 2025 год выручка всей группы составила 2,78 млрд юаней (~ $400 млн), а чистая прибыль - 600 млн юаней. За два года выручка выросла в 2,6 раза. Продукция продаётся более чем в 80 странах и регионах, а 77% выручки приходит из-за пределов Китая. В 2026 году компания подала заявку на IPO в Гонконге. Такой вот выросший конфетный стартап. Мне здесь понравилась сама продуктовая идея. В категории, где уже придумали огромное количество вкусов и форм, они добавляют новые способы взаимодействия с продуктом. Конфету можно собирать, чистить, слушать. Сразу появляется повод показать её друзьям или снять видео.

OpenAI утверждает, что разработать свой чип в сжатые сроки компании помог ИИ OpenAI заявила, что с помощью ИИ разработала цифровой проект собственного чипа Jalapeno всего за девять месяцев. Компания также делает ставку на чипы, бионауки и финансовые сервисы, а цены хочет привязывать к пользе для клиентов, а не к объёму использования. После снижения цены модели Luna на 80% её использование выросло в десять раз, а инструмент Codex привлёк 25 млн пользователей. Выручка OpenAI в корпоративном сегменте с июня по июль увеличилась на 32%, а доли корпоративных и потребительских продаж сравнялись раньше плана. #openai #иичип #ии #иимодель 📎Подробнее 🔖 3DNews в TG | MAX | VK

Делись своим путём, а не только результатами. Прочитала я тут пост про то, почему людям с постсоветским бэкграундом так тяжело рассказывать о чём-то до того, как это стало успехом. Нас растили в системе «не говори гоп, пока не перепрыгнешь», поэтому мы всё делаем молча и выходим на публику только тогда, когда есть результат, за который не стыдно. А если его нет - то тихонько дышим носом и роем дальше. Неловко это - писать про "падение", про "недорезультаты" и про сомнения, хотя каналов, где пишут про то, что происходит прямо сейчас, а не про уже случившиеся победы, я вижу всё больше. Наверное соцсети наконец повзрослели или оздоравливаются потихоньку. Сейчас всё больше авторы пишут правду, и есть возможность увидеть, что реально происходит у других. И применить чужой опыт, если он подходит. А если не подходит - хотя бы почувствовать поддержку и понять, что так происходит не только у тебя. А ещё, если честно, так иногда просто легче. Когда не молчишь. А что проходите вы прямо сейчас? расскажите? не молчите больше

🤖 новые AI-роли и откуда они появились за последние 2-3 года AI стал отдельной частью продукта, разработки, аналитики и go-to-market, а вместе с этим начали меняться и сами роли. по данным PwC, навыки в профессиях, сильнее затронутых AI, сейчас меняются более чем в 2 раза быстрее, а вакансии с AI skills растут почти в 8 раз быстрее общего рынка поэтому если вы смотрите для себя на новые AI-вакансии, я бы сначала сравнивала задачи: что из этого вы уже делаете сейчас, где AI уже появился в вашей работе и какой опыт можно перенести в новую роль. глобально видны такие направления новых позиций: 1. AI Engineer чаще всего сюда переходят из Backend, ML Engineer, Data Scientist или Software Engineer. если вы уже интегрировали модели в продукт, работали с inference или запускали AI-features, часть опыта под такую роль у вас уже есть.

что из вашего опыта сейчас уже релевантно: • Python • APIs и backend • ML или data pipelines • LLM integrations • RAG, evals, agents • production monitoring

2. Product Engineer сюда часто переходят Frontend, Full-stack и Software Engineers, которым уже близка продуктовая часть работы. в такой роли от инженера ждут способности быстро пройти путь от customer problem до работающего решения и принимать больше продуктовых решений самостоятельно.

важнее всего опыт, где вы: • общались с пользователями • быстро делали prototypes • принимали product decisions • запускали features end-to-end • работали с AI coding tools и agents

3. AI Product Manager или же Product AI самый понятный переход здесь: из Product Manager, Growth PM или Data Product Manager.

важен прошлый опыт в: • запуск AI-функций • работа с ML или data teams • определение use cases • выбор между build и buy • работа с quality metrics, latency и cost • тестирование влияния AI на пользовательский сценарий

если вы уже отвечали за продуктовые решения вокруг AI, вам важно показать не факт использования технологии, а то, какую проблему пользователя или бизнеса вы через неё решали 4. DevRel в AI частые исходные роли: Developer Advocate, Engineer, Solutions Engineer, Technical Content.

релевантный опыт: • workshops и выступления • документация и tutorials • demos • developer community • помощь разработчикам с API и интеграциями

здесь особенно ценится сочетание технического понимания и способности объяснить сложный продукт так, чтобы разработчики могли начать им пользоваться. 5. Business и BI AI Analyst сюда ближе всего переходить из Business Analyst, BI Analyst или Data Analyst. если вы уже используете AI для анализа, автоматизации или подготовки insights, это тоже может стать частью опыта под новую роль.

что уже может быть релевантно: • SQL и BI • автоматизация отчётности • анализ больших массивов данных • AI-assisted research • внутренние workflows • перевод бизнес-запроса в аналитику и решения

такие переходы начинаются внутри текущих ролей, с того, что AI становится новой частью уже знакомой вам работы #роли #карьера #позиционирование

«Добро пожаловать в Хогвартс»: Realme представила смартфон Realme 16 Pro Harry Potter и наушники Buds T500 Pro Harry Potter Realme представила лимитированные Realme 16 Pro и наушники Buds T500 Pro в стиле Гарри Поттера. По характеристикам устройства не отличаются от обычных версий, зато получили тематический дизайн и расширенную комплектацию. Смартфон украшен символами факультетов Хогвартса, его девизом и надписью «Добро пожаловать в Хогвартс». Наушники выполнены в коричнево-золотых цветах, а их кейс получил логотип школы и, вероятно, отделку из экокожи. Цены пока не объявили, но запуск точно состоится в Индии. #realme #смартфон #беспроводныенаушники #гаррипоттер 📎Подробнее 🔖 3DNews в TG | MAX | VK

Во Флориде внезапно для самого себя увлёкся стендовой стрельбой. На самом деле Макс меня втянул. Стреляем практически каждую субботу. С недавних пор стал брать с собой сына, ему 11. Прогресс у него какойто не реальный. В эти выходные он попадал уже совсем далеко, мишени почти не различимы на видео: тёмная точка среди облаков, десяток пикселей. Сейчас попросил Claude разобрать съёмку по кадрам и обвести летящую тарелку. Чтобы было видно, во что он вообще попадает. К удивлению получилось с первого раза. Он сам нашёл мишень в кадре, повёл её прицелом до попадания и определил кадр, на котором она разлетается. Дальше сверил его со звуком выстрела: между хлопком и разрушением четыре кадра, ровно столько дробь летит до цели. Сергей Булаев AI 🤖 - об AI и не только

Перспективы промышленного производства антивещества: сколько это в граммах Несколько миллиграммов антивещества при аннигиляции дают энергию, измеряемую тоннами тротила, а всего 50 граммов сопоставимы с водородной бомбой в мегатонны или с годовым энергопотреблением небольшой развитой страны. Плотность энергии тут на порядки выше всего, что дают химические, ядерные и термоядерные двигатели. А с другой стороны стоит вторая цифра. За целый год существующим методом нарабатывают чуть меньше двух нанограммов. КПД производства в ЦЕРН оценивают в 0,000001 процента. При этом расчёты уже говорят, что 45 граммов антивещества и десяток килограммов урана хватило бы, чтобы за пару лет долететь до Плутона. Между этими числами и лежит вся интрига промышленного антивещества.

«Создание приложений с ИИ-агентами» Майкла Альбады Ох и давно у нас не было обзоров книжек и вот, кажется, что появилась, реально топовая по ИИшке для менеджеров. Прямо так аккуратненько тебя ведут от базовых основ - делаю что-то через чат, к сложным многопотоковым агентам и все это по правлено типичным Энтерпрайзом: создаем правила, ограничения для агентов и прочее. Ну и забавно, что даже научный редактор русского издания отдельно предупреждает:

пока книжка ехала в печать, часть фреймворков и API уже успела поменяться.

Добро пожаловать в AI engineering 😁 Главная мысль книги: сделать агента, который один раз красиво отработал в демке, легко. Сделать агента, который стабильно работает в проде, сильно сложнее. 1. Возможно, вам вообще не нужен агент Автор предлагает примерно такую иерархию: детерминированная задача → обычный код; известный набор ветвлений → workflow; нужно отвечать по документам → RAG; непредсказуемый ввод + динамическое планирование + действия → вот теперь можно доставать агента. А то сейчас у нас иногда архитектура примерно такая: «if можно было написать за 20 минут, поэтому мы сделали мультиагентную систему». 2. Агент - это далеко не только LLM Нормальная агентная система состоит примерно из: • модели; • инструментов; • памяти; • знаний; • оркестрации; • механизмов обучения; • инфраструктуры вокруг всего этого. Чем больше автономности мы даем системе, тем больше инженерии появляется вокруг самой LLM. 3. Больше агентов != лучше Отдельная глава посвящена переходу от одного агента к нескольким. И тут тоже неожиданно никакого «роя агентов, который завтра заменит корпорацию». Мультиагентность имеет смысл, когда нужна специализация, параллельное выполнение или реально сложная координация. Во всех остальных случаях вы получаете: больше коммуникаций → больше контекста → больше токенов → больше задержки → больше способов все сломать. То есть агентная версия нашего любимого: микросервисы нужны не потому, что их можно сделать. 4. Evals становятся новой частью SDLC Вот это, пожалуй, одна из самых полезных частей книги. Для обычного приложения мы примерно понимаем: написали → протестировали → выкатили. С агентами этого мало. Нужно отдельно проверять: • правильно ли выбран инструмент; • правильно ли переданы параметры; • нормально ли агент спланировал действия; • правильную ли память достал; • не галлюцинирует ли; • справляется ли с неожиданным вводом; • достигает ли вообще конечной цели пользователя. Автор довольно прямо формулирует: непротестированный агент = ненадежный агент. И evals предлагается встраивать непосредственно в жизненный цикл разработки, а не устраивать большой экзамен перед релизом. 5. А после прода начинается еще веселее Отдельные главы посвящены эксплуатации. OpenTelemetry, traces, Langfuse, Grafana, shadow mode, canary, поиск регрессий. Вплоть до самовосстанавливающихся агентов. То есть AI engineering постепенно становится удивительно похож на обычный software engineering. Только теперь у нас внутри системы сидит вероятностный компонент, который иногда внезапно решает сделать что-то творческое. ❤️ - если забрал в бэклог 🔥 - если читал и зашло 💅 - если читал и не зашло