Очень лениво заниматься абсолютно всем. То ли я выгорел, то ли вконец офранцузился, то ли просто начинаю стареть — так или иначе, браться за любую задачу максимально влом. Тем не менее, есть три задачи, до которых, возможно, в ближайшие пару месяцев у меня дотянуться ручки: 1) Сделать лидерборд современных моделей по FLORES+, наподобие того, что мы недавно сделали для BOUQuET — чтобы для языков, добавленных во FLORES, но не вошедших в Букет, тоже была оценка наилучших доступных моделек. 2) Попробовать обучить свою COMET-подобную модельку для оценки качества перевода (настолько мультиязычную, насколько можно) и поучаствовать с ней в WMT2026. 3) Попробовать обучить хорошую базовую модель (хотя бы для перевода, а в идеале и для других задач) для нахско-дагестанских языков (чеченского, ингушского, лезгинского, даргинского, аварского). Буду писать, что получилось, по мере прогресса) Если есть желание как-то в этом поучаствовать, или просто дать какой-нибудь совет или просьбу, то пишите)

Как меняется время и работа Можно бесконечно спорить, даёт ли AI прирост в эффективности, но одно очевидно уже сейчас - AI меняет саму структуру работы. Сегодня на философском семинаре вспоминал времена, когда работа включала в себя большой объём рутинных действий. Например, пока готовишь презентацию, долго выбираешь картинки, выравниваешь заголовки, вёрстку, редактируешь и вычитываешь тексты. Сегодня это всё делается одним запросом в чатик с LLM. Кажется, на общем воодушевлении от новых возможностей, мы ещё не осознали, чего лишаемся. Тема сегодняшней встречи была “присвоение времени”, и именно про влияние новой природы работы на время (или, точнее, на индивидуальный темпоральный режим) сегодня стоит подумать отдельно. Рутинные задачи внутри интеллектуально сложной работы обычно давали два бонуса: • позволяли ментально отдохнуть, • давали пространство подумать. Сейчас легко превратиться в оператора языковой модели 24/7 - это режим работы, когда человек не столько выполняет задачу, сколько постоянно обслуживает цикл работы модели: пишет запрос, ждёт, проверяет результат, исправляет, уточняет, снова запускает модель. В таком цикле сложно понять, где работа начинается, где её конец (наверное, когда пятичасовые лимиты заканчиваются). Да и кто из нас не запускал агентов на ночь, не проверял результаты работы во время прогулок? LLM ломают прежнюю темпоральность работы. Вопрос, который сегодня встаёт: что делать в эти 5-15-30 минутные промежутки времени, пока AI выполняет задачу? Эти отрезки времени слишком короткие для глубокой работы, тревожные для отдыха, подвешенные отвлечения. И проблема не в том, как продуктивно использовать паузы пока агент выполняет задачи - а в том, как не поехать кукухой как жить, когда весь наш рабочий день превращается в непрерывную цепочку подвешенных задач и пауз. Джуди Вайсман в книге "Времени в обрез" описывает, как постоянная подключённость, требование быть всегда онлайн, дробит день и повышает общую тревожность. AI выкручивает эту включённость на максимум, потому что сейчас всё сложнее ответить что-то вроде “я отправлю эту презентацию через два дня”.

Далеко идущие цели. Или как за выходные потратить 80% недельной Pro-подписки OpenAI за $200 на экспериментах с /goal. /goal – это режим для AI-агента (я использовал Codex CLI), который позволяет задать агенту цель. Он будет идти до неё, пока не достигнет. Важно, что перед финальным ответом, агент вернётся к исходной цели и перепроверит, а точно ли он её достиг? Как сделать так, чтобы AI-агент мог работать над задачей по-настоящему долго? Мы должны задать следующее: 1. Конечный результат. Чем подробнее – тем лучше. 2. Критерии, описывающие, что такое "готово". 3. Какие у модели есть ограничения. Ключевой пункт на самом деле. Потому что он создаёт для модели feedback-loop. 4. Инструменты, с помощью которых соблюдение ограничений можно проверить. Как это можно организовать на практике: 1. Идём в GPT-5.5 Pro. 2. Надиктовываем ему детально идею проекта, который хотим реализовать. 3. Сообщаем, что сейчас будем собирать детальное ТЗ, которое нужно сразу записывать в md-файлы для подготовки итогового zip-архива (чтоб не потерял ничего по пути). 4. Просим провести с собой глубокое интервью (с вариантами ответов и подсветкой правильного по мнению модели – так проще проходить опрос на 100 вопросов), чтобы вы с GPT понимали детали реализации на 100% одинаково. 5. Далее, опционально, можно уточнить "А будет ли готово к продакшну то решение, которое сейчас описано в ТЗ?". И получить ещё пачку вопросов в интервью с вариантами ответов, чтобы подсветить другие аспекты проекта. 6. Разбиваем с помощью GPT ТЗ на конкретные задачи. Выполнение каждой должно быть проверено через запуск тестов. Unit+автотесты+playwright для UI-тестов. Это те самые ограничения, которые обеспечивают feedback-loop после каждой задачи. 7. На базе сформированного архива просим сделать `/goal`-промпт, который будет ссылаться на md-файлы внутри архива (ибо ограничение в 3000 символов на `/goal`). 8. Готово. После прохождения всех описанных выше этапов – я получил 26 часов работы в /goal-режиме на выполнение 400+ задач по реализации проекта. Схема достаточно общая. Посмотреть на долгий /goal она позволит. Получение production-ready продукта не гарантировано. Придётся напильником доводить до того, что нужно. Есть моменты, в которых её можно улучшить. Например, более суровый feedback-loop и описание каждой из задач в определённом формате. Про свои находки в этих (и других) направлениях расскажу в следующих постах.

В общем, положняк такой. В комментариях канала теперь живёт бот Автосрач на основе sonnet 4.6, навайбкоженный с помощью Fable (впрочем, думаю, с созданием такого бота и более простые модели бы легко справились). 👾 Ничего полезного он делать не способен, зато возражает на любой комментарий под постом. 😀 👾 Есть ответить на его сообщение - он продолжит спор. У каждого спора потолок: 10 раундов, дальше он засчитывает слив и умолкает. 🤐 👾 Единственное, с чем он не спорит, это с похвалой данного телеграмм канала. 🫦 👾 О политике не разговаривает, на темы, касающиеся биологической угрозы и подобного API anthropic просто возвращает отказ. 😒 👾 Если под постом час никто не пишет - он приходит первым и спорит с самим постом. 🧠 👾 Есть лимит сообщений на день, сейчас поставила 200. Если он замолчал - вы коллективно его исчерпали, приходите завтра. Также есть лимит на месяц: он может потратить не более 20$ моих денег. Из-за платности бот сделан так, что при добавлении в чужие группы он работать не будет. 💪 Развлекайтесь 🙂

🆕 Новая статья: «Ваш ИИ-агент ведёт на вас досье. Я превратил его в RPG-лист персонажа» Каждая ваша реплика в Claude Code лежит на диске - каждое «сделай», каждое «проверь», каждый капс в три часа ночи. У меня этого добра накопилось на 200 тысяч слов - две «Мастер и Маргариты» чистой ругани и команд. И я подумал: досье же готовое, надо вскрывать. Так за сутки диалога родился Prompt Warrior - опенсорсный скилл, который превращает логи в геймифицированный психологический портрет. Спойлер: я «Неистовый Командир Терминала 90 уровня, Железная Длань», и это не комплимент. Что внутри: ➡️ Анатомия JSONL-логов Claude Code: что там лежит кроме «вопрос-ответ» и как выжать из этого 12 повадок, включая индекс оборотня (ночной мат против дневного) ➡️ SCALE - замороженные формулы: почему у всех одна математика и карточками можно честно меряться с коллегами ➡️ 74 ачивки как в Стиме: от «Клуба ста» до легендарного «Тирана» (негатива в 10 раз больше похвалы - моя гордость и позор) ➡️ «Хроника воина»: биография, которую пишет сама нейросеть. Моя вычислила, что я диктую голосом, и что «ковбой стреляет с бедра и, что раздражает летописца сильнее всего, попадает» ➡️ Почему модель не должна писать HTML руками - главный архитектурный урок для всех, кто делает скиллы агентам ➡️ Грабли: токены, посчитанные втрое, Google Fonts без кириллицы и короны в четверть размера ➡️ Аватар-монстр без нейросетей: как я искал замену Pollinations и нашёл её в пакете 2011 года Всё локально, приватно и бесплатно: ни одного сетевого вызова, логи не покидают машину, код открыт под MIT. Установка - одним сообщением в Claude Code, промпт в README. 📝 ЧИТАТЬ СТАТЬЮ НА ХАБРЕ ⭐️ ЗВЕЗДАНУТЬ НА ГИТХАБЕ А теперь главное: прогоните на своих логах и киньте свои титулы в комментарии. Мне дико интересно, есть ли среди вас хоть один «Учтивый Дипломат Машин» - или тут все Неистовые Командиры, как я. P.S. Проект свежий, звезда на гитхабе ему сейчас важнее всего. Ну а плюсик на Хабре - традиционно спасает от хейтеров. Заранее обнял 🧡 Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

Мой батя ебашит вообще адовые АИ-решения. Ну такой вот примерно рецепт усредненный, потому что вариаций масса. Берется старый промпт, он не читается, читать — это не про моего батю. Он берет этот промпт, вываливает его в чат, сверху хуярит system message на три экрана и начинает докручивать. Добавляет туда огромное количество контекста, ролей, ограничений, few-shot примеров, chain-of-thought, JSON schema, temperature 1.2, RAG, векторку, агентность и КОСТЫЛИ! для стабильности, сверху еще “act as senior developer”. Все это гоняется по кругу, пока логи не начинают плеваться эксепшенами, а модель — уверенно нести хуйню. Потом батя снимает это с локалки и сразу выкатывает в прод. Потом заносит обратно, навесив сверху retry, regex-парсингом, костыльными валидациями и “ну у меня же работает”, начинает юзать. При этом дебажит прямо в проде, тыкая curl’ом по эндпоинтам. Сидит и приговаривает полушепотом: ух бля, GPT мощь. При этом у него на лбу аж пот выступает, потому что токены горят, контекст распух, а модель уже третий раз забыла, кто она и зачем живет. Любезно мне иногда предлагает заревьювить, но я отказываюсь. Надо ли говорить о том, какой дичайший техдолг потом? Наследие такое, что документация от репозитория отклеивается.

Опенсорс LLM модели - наше ближайшее будущее? После отключения Fable основной информационный шум был про старт абсолютного недоверия к Openai и Anthropic Теперь 2 компании решают, кто имеет доступ к самым продвинутым AI-моделям, а кто нет Доступ к Fable изначально был у группы авторизованных компаний правительством США В этом момент они были быстрее и умнее конкурентов. Просто потому что так решили несколько вышестоящих человек ___ В наших частных случаях - это звучит, как что-то далекое и нас не касающиеся Но теперь все мы имеем реальный риск, что наши компании или команды отключат от моделей антропика или опенаи в любой момент Сотрудник зашёл из рф? Бан Сотрудник спросил у модели что-то потенциально опасное для общества? Снижение качества модели (такие случаи уже есть) И т.д. Является ли это большим риском, если уже многие процессы переведены на AI - 1000% да Поэтому теперь идея начать процесс установки в компанию запасной опенсорс AI-модели у нас уже на повестке дня И да, это скорее всего будет китайская модель И да, вообще непонятно пока как ее адаптировать, но очень интересно в этом покопаться И очень интересно пообщаться с людьми, кто уже имеет практический опыт работы с опенсорс моделями

Вышла полезная работа про то, почему reasoning-модели становятся сильнее после обучения. Авторы пишут, что дело не только в размере датасета. Для reasoning важнее другое: есть ли у модели понятная проверка, где она справилась, где ошиблась и почему. Обычная пара «вопрос → ответ» даёт мало сигнала. Она показывает результат, но не показывает процесс: какой шаг был неверным, какой вызов инструмента помог, где модель восстановилась после ошибки, какой judge подтвердил решение. Поэтому хороший обучающий пример для reasoning должен хранить больше контекста: саму задачу, действия модели, проверку результата и метаданные о том, откуда взялся пример. Проверка бывает разной. В математике и коде можно использовать точные тесты. У агентов можно смотреть, справился ли он в окружении. В более размытых задачах приходится подключать людей или model-judge. Отдельно авторы предупреждают о популярных ошибках. Длинная цепочка рассуждений не всегда полезна. Сложные задачи не всегда улучшают конкретную модель. Большой датасет может выглядеть внушительно, но всё равно плохо покрывать нужные навыки. Для agent data особенно важно сохранять всю «грязную» траекторию: неудачные действия, повторные попытки, исправления, изменения состояния и финальную проверку. Часто именно там лежит самый ценный обучающий сигнал. Итоговый подход такой- обучать reasoning-модель не на красивых ответах, а на проверяемых попытках, где видно, что сработало, что сломалось и почему это можно использовать для обучения. Paper: A Primer in Post-Training Reasoning Data: What They Know About How It Works https://arxiv.org/abs/2606.02113

AI or not AI — Добавьте в название ИИ, — посоветовал эксперт на ДемоДне. — Продаваться будет лучше Он прав и не прав одновременно. В 2009 году все обсуждали климатический кризис — дескать много углеродных выбросов в атмосферу и давайте введем налоги для компаний. Один предприниматель собрал платформу, которая снимает показания с датчиков и что-то там предсказывает. И назвал ее С3, где зашифрован слоган «углерод: изменяй, снижай, зарабатывай». Через 7 лет углеродный хайп поутих, но парень не растерялся: компания стала кричать, что она про интернет вещей и называться С3 IoT. Угадайте, что стало с ней в 2020-м? Теперь она C3.ai — «главные ворота для корпораций в мир ИИ». На этой волне вышла на биржу и получила оценку почти $10 млрд. С3 — учебник по переобуванию: менялся не продукт, а название, слоганы и рекламные материалы. Том Сибел, фаундер стартапа, понимал: в корпоративном мире постоянно кого-то плющит на тему хайповых инноваций. «Какая у нас стратегия по нейросетям?» — вопрос, который сейчас задает Совет директоров и инвесторы руководству. Допиши в название AI и будут охотнее разговаривать, пробовать и покупать. А вот в В2С ровно наоборот. ИИ — маркер того, что «стало хуже». Отвечала живая девушка в турагентстве — теперь чат-бот. Студия Activision призналась, что сгенерировала часть картинок для игры нейросетью — получила бунт геймеров. Вывод прост: хочешь больше продаж — говори, что «сделано с ИИ» в В2В и «сделано без нейросетей» в В2С. И да, всем пофиг, что там реально внутри. Двадцать третий. Спасибо, что прочитали

🌟 Mistral AI обновила модель Leanstral Leanstral 1.5 - новая версия ранее выпущенной модели для формальной верификации в языке Lean 4. Задача подобных моделей помогать составлять и проверять доказательства, которые компилятор Lean принимает как корректные.

Lean 4 - это система интерактивного доказательства теорем, которая позволяет записывать математические утверждения и проверять их строго формально, а также описывать свойства программного кода.

Обновление не затронуло изменение архитектуры, количество параметров и окно контекста, под капотом также MoE на 119 млрд общих и 6,5 млрд активных параметров, 256 тысяч токенов контекст и мультимодальность на входе. Версия 1.5 прошла техэтапное обучение в 2-х средах: одна отрабатывает доказательство теорем в диалоге с компилятором Lean, другая учит модель действовать как программист в реальных репозиториях. 🟡Тесты Апдейт полностью насыщает бенчмарк miniF2F, набирая 100% на проверочной и тестовой выборках, решает 587 из 672 задач PutnamBench и показывает лучшие на сегодня результаты на наборах FATE-H и FATE-X.

К слову, на PutnamBench, Leanstral 1.5 опережает систему Seed-Prover 1.5 на 7 задач при затратах около 4 долларов на задачу (против 300+ долларов у соперника).

В тесте по кодингу на 57 репозиториях, система с участием Leanstral выявила 47 нарушенных свойств, из которых 11 оказались реальными ошибками, а 5 ранее не были известны. 📌Лицензирование: Apache 2.0 License 🟡Блогпост 🟡Модель 🟡Demo @ai_machinelearning_big_data #AI #ML #LLM #LEAN #LeanStral #MistralAI

Последние несколько дней слушаю с перерывами интервью Ленни Рачицки с Фионой Фанг из Anthropic. Редко советую посмотреть полуторачасовой выпуск целиком, но этот точно стоит времени. Фиона руководит командами Claude Code. До этого были 11 лет в Microsoft, запуск Facebook Marketplace, инфраструктура Instagram. Она прошла несколько технологических эпох и хорошо чувствует, что действительно меняется, а что — просто хайп. Больше всего меня зацепила одна мысль. Правда зацепила, это не клише от чатгпт 😉 Мы уже привыкли говорить, что AI ускоряет разработку. Но почти никто не обсуждает, что происходит дальше. Если команда теперь может писать в несколько раз больше кода, то где становится следующее ограничение? Ответ оказался неожиданно приземлённым. Не в AI. В понимании пользователя, его потребностей и выборе фокуса. И, конечно, в коммуникации между людьми. В том числе, чтобы вся команда одинаково понимала, что вообще нужно строить. И что будет возможно построить с использованием AI нового поколения. Кажется, именно поэтому последние полгода я всё чаще слышу от сильных продуктовых команд одну и ту же мысль: разработка перестаёт быть главным бутылочным горлышком. Да и сам уже вижу на живых примерах — сейчас запускаем систему управления стоками, которую сделали за 3 недели. Ранее это бы заняло минимум 3 месяца. В интервью ещё много интересного: 📌 как Anthropic использует Claude в ежедневной работе; 📌 почему они постепенно уходят от длинных роадмапов; 📌 как меняются требования к инженерам; 📌 какие проблемы AI пока так и не смог решить. Если будете смотреть одно интервью про AI этим летом — я бы выбрал именно это. ▶️ https://youtu.be/Ybrl4FYM57c #videoholidays #claude #aifuture

Вот и подходят к концу обе мои квоты на Fable (личная и корпоративная). Отличная ли это модель? Да 👍 Как когда-то GPT-4 значительно повысил надёжность языковых моделей, Fable значительно повысила надёжность агентов. В случае Опуса я предполагал по умолчанию, что я не доверяю выхлопу модели. На все нетривиальные изменения прогонял simplify, review, codex:adrversarial-review, qudo и отсматривал результат глазами. Потому что много раз меня Опус подводил, как в макро, так и в микро-решениях. В случае Fable я по привычке это тоже сначала делал, но пользы от этого было уже не так много. Предположение по умолчанию поменялось. Более того, Fable регулярно делала что-то сверх того, о чём я её просил. Например, когда она составляла отчёт в виде HTML странички, она установила playwright, headless chromium, сделал итоговый скриншот странички, загрузила его на закрытый корпоративный paste, чтобы я мог посмотреть на дизайн глазами до развёртывания. Мог ли такое сделать Опус? Мог конечно, но только если бы я описал весь путь. А я даже не знал, что я такое хочу!😜 Означает ли это, что Fable не ошибался? Лол, конечно ошибался, и тоже и в макро, и в микро. Но вот количество ошибок было гораздо меньше, и исправлять их было проще.

⚡️ 30 техник памяти для AI-агентов в Jupyter notebooks Вышел репозиторий Agent Memory Techniques с 30 runnable notebooks по памяти в современных AI-агентах. Внутри собраны основные подходы: conversation buffers, vector stores, knowledge graphs, episodic и semantic memory, MemGPT, Mem0, Letta, Zep, Graphiti и production-паттерны, которые уже встречаются в реальных агентных системах. Это набор ноутбуков, которые можно запускать, менять и сравнивать между собой. Удобно, если нужно понять, чем простая история диалога отличается от долговременной памяти, где уместен vector store, когда нужен graph-based подход и как память влияет на поведение агента в длинной задаче. GitHub: http://github.com/NirDiamant/Agent_Memory_Techniques

Как я с Клодом собрал команде личный кабинет Собирался написать этот пост недели две: идея внутри горела, а я всё равно тянул — ровно потому, что фигачил как раз то, о чём хочу рассказать. Но пора перестать размышлять о вайб-кодинге и показать, что из него всё-таки удалось собрать, а то первая волна эйфории уже схлынула и вымываются те, кто ушёл в мертворождённые продукты. Но начну с контекста. У нас в Overgear, как у любой модной и прогрессивной компании, в начале года случился мощный FOMO: либо оседлаем волну AI-изации, либо из лидера тихо сползём в отстающие, потому что утонем в рутине с её нищим КПД. Поэтому наметили несколько стратегических проектов под автоматизацию и раздали инструменты всей команде — чтобы набивала шишки. На один из таких проектов позвали стороннего интегратора. Он озвучил нехилую сумму за внедрение, и у меня сразу внутри: «wtf, да я сам сделаю лучше» — и сел разбираться с Клодом. Первые потуги были неуклюжие: я только осваивал дисциплину и завалил папку проекта десятками сборок на localhost, по сути мусором. Но уже через неделю почти без усилий поднял свой VPN-сервер ускоритель интернета, который не блокируется: вся семья и друзья на нём сидят, вроде даже без перебоев и жалоб. Тут внутренний авантюрист завёлся сильнее и завёл меня в точку, где я решил замахнуться сразу на рабочий инструмент для всей команды — чтобы люди меньше времени тратили на отчётность и сбор данных, а нужные цифры вытягивали через MCP (это коннекторы нейронок с внешними сервисами вроде Google Ads, GA4, CRM) почти без ручной возни. Проще говоря, свой личный кабинет для команды. Он на скрине — цифры только замазал, так как NDA, все дела. Дальше меня затянуло как в воронку: стал по модулям собирать функцию за функцией и закрывать не только отчётность, но и рутину, которая порой съедала до 30% времени человека. Теперь у ребят вроде как больше места для творчества — мозг не выгорает на операционке. И работают тут ровно те же правила, что для любого продукта: смотришь метрики (MAU, DAU и прочие), проверяешь, даёт продукт больше пользы или больше отъедает ресурса. И где-то здесь я поймал настоящую маниакальную зависимость: пилить и пилить эту ценность, а потом проверять — стала она ценностью или ты просто потешил своё эго очередным инструментом. Побочки, как у любой зависимости, тоже налицо: меньше спишь, уходишь в это с головой и забываешь уделять время родным (Анисия, каюсь!). Спасает, кажется, одно — привычка на каждой собранной штуке спрашивать себя: пользуется ли ей вообще хоть кто-то. Кто на этот вопрос забивает, тот и клепает продукт за продуктом в стол — так и пополняется кладбище мертворождённых. Стала ли это в итоге ценностью для команды — пока честно сказать не могу, ребята только тестируют. Но одно скажу точно: нам удалось проскочить «долину смерти» и распробовать потенциал и вайб-кодинга, и более глубокой работы с данными. Так что Viva la AI лично от себя подпишу, а как с этим быть каждому — это уже сами посмотрите. А у вас как сложилось с вайб-кодингом? Удалось собрать что-то реально рабочее — или пока всё живёт на localhost? Константин Сухачев