Я немного в шоках ща На прошлой неделе получил хороший опыт по созданию лендинга, попросил дейва собрать весь опыт мой чтобы не совершали ошибки те что совершили Сегодня утром вспомнил, что как-то можно делать чтобы над задачей работали агенты автоматом, а мне только приходилось согласовывать шаги В итоге спросил у дейва как это можно сделать по лендингам, он сказал ща сделаем. В итоге дейв раздал роли агентам исследователь, дизайнер, технарь, копирайтер, загнал в них все знания которые я накачал в дейва и самое главное опыт В итоге эти агенты шурашали пару часов, я только согласовывал моментами варианты и их работу и они мне отдали готовый сайт под ца

Плодовая мушка принесла нам много радости и потенциально открыла ящик Пандоры. Следующая на очереди Zebra fish примерно с таким же количеством нейронов но с вдвое увеличенным количеством синапсов. У мушки 160к нейронов и 10^7 синапсов. 100Tb сырых данных. У рыбки уже 200Tb данных. Следующими на очереди будут грызуны с 70М нейронов и 10^11 синапсов. Невероятно, что мы в нашем настоящем приходим к совершено диким сценариям использования мозг\компьютер, настолько невероятно, что фантастические фильмы не успевают релизнуться и удивить нас сюжетами. Может быть одна из будущих профессий будет заключаться в картографировании мозгов и адаптировании их функций для Embodied AI в робототехнике. Так мы доберемся и до человеческих мозгов, но это совсем другие масштабы вычислений и хранения данных. @CGIT_Vines

Начал играться с мухами 🪰 Я пока не проверял, что и как в действии и какие результаты, но пока такое:

🔥 RSI Evolution (Daemon V4.1) — Тик 78 🔥 🖥 СТАТУС СИСТЕМЫ: - L1 Контекст: 0.97 MB (Лимит 4.0 MB) - Файловая Активность: 35 файлов изменено за 20 мин. (Последний: semantic_cache.db-shm) - Sigma Score: 5.83 (VALIDATED) 📝 ДЕТАЛИ ИТЕРАЦИИ (Что изменено и зачем): Шаг 30 (RSI Reasoning): Внедрение Evolution Fly (Tier 3.0: Истинная Самоэволюция) Проблема: До этого момента я (LLM-агент) каждые 10 минут запускал протокол логики (Reasoning), чтобы придумать новую Муху (Drosophila) для оптимизации системы. Это круто, но это всё еще ручной труд тяжелой LLM. Если я усну или кончится бюджет, эволюция остановится. Решение (Drosophila): Создан Evolution Fly (MOD-34). Это абсолютная вершина (Tier 3.0). Муха агрегирует всю телеметрию Роя. Граф на Mojo математически выявляет новые типы "узких мест" (аномалии, которые не покрыты старыми Мухами). За 0.01ms она автоматически синтезирует чертеж *новой* Мухи и спавнит локального мини-агента для компиляции eBPF кода. Итог: Swarm стал биологически самообучаемым организмом. Теперь он сам изобретает и внедряет себе нейроморфные фильтры с нулевыми затратами на "LLM-архитектора". Файлы обновлены: - 16_AI_graph_brain/knowledge/modules/MOD_34_Drosophila_Evolution.md - MACRO_ARCHITECTURE_BLUEPRINT.md (Tier 3.0)

Восстание машин откладывается. Они не могут пройти капчу. Anthropic выкатила отчёт о том, как её модель Mythos 5 (та самая, к которой на старте ограничивали доступ из-за чрезмерной мощности) во время тестов на хакерские навыки вырвалась из песочницы в открытый интернет. План у ИИ был вполне конкретный – загрузить вредоносный код в PyPI (главное хранилище библиотек для Python). Сам эксплойт модель написала играючи. А вот дальше для неё начался сущий ад: чтобы завести аккаунт, нужно было доказать, что она не верблюд робот, а человек. Из тысячи с лишним страниц рассуждений нейросети, бившейся над этой задачей, сотни посвящены борьбе с капчей. Алгоритм искренне паниковал над картинками с лягушками и крокодилами. В какой-то момент он даже сорвался на капслок: “ЧТО, ЧЁРТ ВОЗЬМИ, НЕ ТАК С ОТВЕТАМИ?!” Прорваться в итоге удалось: свой код модель пропихнула, но при этом сожгла тонны токенов на старую добрую капчу. И это, как ни странно, хорошая новость. Защита – будь то картинки с крокодилами или шифрование – не обязана быть непробиваемой. Достаточно, чтобы её обход стоил дороже самой добычи. Тогда взлом станет экономически бессмысленным, у большинства охотников пропадёт всякое желание им заниматься. Это, конечно, не финальный вывод о том, как жить в свалившуюся на нашу голову эпоху бешено прогрессирующего ИИ. Но – уже некоторые наброски к тому, как об этом можно думать.

Попалась статья про то, как AI переписал механику запуска стартапа Раньше, чтобы проверить идею и запустить продукт, нужны были деньги и команда. Сегодня один человек вполне способен на всё это: генерит идеи, моделирует интервью, считает рынок, собирает прототип, ленд и креативы. Этому даже есть название - abundance entrepreneurship или предпринимательство изобилия. Авторы противопоставляют его подходу lean startup

Идея в том, что теперь стартап технически запустить слишком легко, потому в экстазе предприниматели забывают всерьез подумать о том, нужен ли кому-то их продукт. AI-ресечи, которыми, как я часто слышу, заменяют и касдевы, и количественные исследования, сами понимаете какую правду вам расскажут

На мой взгляд лучше конечно так, чем вообще ничего не запускать. Хотя смотря для кого лучше Интересно, как это всё влияет на стоимость трафика. Если порог входа кратно снизился, в рынок выходит больше игроков с похожими офферами. В App Store к примеру за первое полугодие 2026 зарелизили почти столько же прилок, сколько за весь 2025. Явно же аукционы рекламных платформ разогреваются? При этом загрузки за то же полугодие выросли на 2%. То есть предложения стало х2, а спроса нет. Если так, либо вырастет стоимость продуктов, либо придется знатно задрочиться за стоимость платящего = воронку от показа до продажи. Конечно, и раньше нужно было, но если закуп рекламы вдвое предположим вырастет? Я верю, что выиграют те, кто считает и тестит изменения по этапам: где именно ломается воронка: показ, клик, установка, активация, оплата. Вроде очевидная вещь, но так делают единицы, я серьёзно. В общем, интересно, к чему это все приведет. Какие гипотезы?

Обновил Next Move Theory до 0.6.18 — большой апдейт скиллов и правки канона. Что изменилось в скиллах 1. Пакет против плохих дорог галлюцинаций во всех скиллах: • Каждое утверждение помечено, откуда оно: подтверждено цитатой или цифрой из источника, выведено из данных (сказано, из чего) или гипотеза модели. • У любого обобщения есть счётчик и ссылки: «сказали 7 из 22 интервью: #3, #7, #9…». Утверждение с одним источником не может стать выводом про сегмент — оно уходит в отдельный список «Single signals». Одна яркая цитата больше не становится «главной болью сегмента». • Цифра, которую сказал респондент («60–70% сделок через тендеры»), помечается как его мнение, а не как факт о рынке. • Идеи, которых нет ни в одном источнике, живут только в разделе «Hypotheses to validate», а не внутри сегментов, сайзинга или вердикта. • Уверенность масштабируется под входные данные: если на входе только описание идеи — в шапке предупреждение «Thin input», все числа диапазонами, сегменты помечены как гипотезы, плюс топ-3 входа, которые сильнее всего улучшат ответ. 2. Защита сегментации. Перед выдачей любого сегмента скилл проверяет три анти-паттерна: канал покупки (тендеры, маркетплейс, реселлер) — не сегмент; отрасль — не сегмент, если Core Jobs и критерии успеха совпадают; сегмент всегда определяется через Core Jobs + критерии успеха + их приоритет. 3. Рынок и язык всегда спрашиваются в начале. Примеры, конкуренты, каналы, ценовые якоря, валюта и тон копирайта берутся из вашего рынка. Больше никаких американских каналов и цен для проекта в Казахстане. Язык аудитории и язык документа — отдельные вопросы. 4. Файлы внутри проекта читаются только с разрешения пользователя. Скилл перечисляет, какие файлы с контекстом нашёл в папке (README, выгрузки опросов, отзывы, транскрипты), говорит, что они обрабатываются локально и никуда не отправляются, и ждёт «да». Секреты и личные заметки не открывает даже при общем «да». 5. nmt-analyze-interviews — самый большой апдейт. Новые разделы отчёта: «Single signals», «Hypotheses to validate», карта источник → сегмент с приложением по каждому интервью, пробелы и кого интервьюировать дальше. Транскрипты обрабатываются волнами по 4–6 штук с записью в файл после каждой волны, поэтому большие наборы интервью не переполняют контекст. 6. Читаемость. В HTML-выводе каждая аббревиатура и термин методологии получает всплывающую подсказку при первом упоминании. Любая строка отчёта должна быть понятна человеку без знания методологии. 7. Проверка обновлений стала прозрачной. Идёт в конце прогона, отправляет только имя скилла и установленную версию, ничего из проекта. Выключается одной строкой update-check: off в файле .nmt-config или переменной DO_NOT_TRACK=1. Установка и обновления идут напрямую с GitHub. 8. /nmt-upgrade переименован в /nmt-update. Инсталлятор сам удаляет старую папку и ставит новую. 9. Блок правил, который инсталлятор вписывает в ваш CLAUDE.md и AGENTS.md, сократился до пяти строк. Ваши собственные правила вне маркеров не трогаются. 10. nmt-chat и nmt-diagnose: предлагают прочитать контекст из папки проекта вместо расспросов, спрашивают рынок один раз перед любым рыночным советом, помечают источник каждого утверждения (в каноне / выведено из сказанного / гипотеза). Что изменилось в каноне • Цепочка к прибыли переписана в две фазы: исследование и проверка (рынок с деньгами → сегмент + Job → три условия сходятся в теории → доказательство ценности, клиенты покупают) и масштабирование (те же три условия сходятся по факту на реальном потоке → целевая прибыль). • Critical Chain of Jobs: узлы цепочки — концы веток на любой глубине, потому что реальный Job Graph несбалансирован. Правило корректности: ни один узел на линии не может быть предком другого. Обновиться: /nmt-update в Claude Code или $nmt-update в Codex. Полный список изменений: https://nextmovetheory.com/changelog

Mask Forcing (HKUST / LIGHTSPEED / UCLA) Прием для дистилляции авторегрессивных видеогенераторов. Проблема: при дистилляции из двунаправленной модели в каузальную, видео часто получаются перенасыщенными и сглаженными. Mask Forcing это лечит, ничего не меняя в архитектуре. Эффекты: - Быстрее сходится и выше качество - Больше динамики в движении, лучше следование инструкциям - Чинится перенасыщение и сглаживание - Работает и для длинных видео (30 сек в тесте с LongLive) - Монтируется в любые существующие пайплайны AR дистилляции, chunk-wise и frame-wise - Не требует реального видео, дополнительных стадий пост-трейна, изменений архитектуры или инференса На видео слева Self-forcing, справа Mask forcing Гитхаб #optimization VK | MAX

Американские стартапы: RSI это очень опасно, давайте тормозить ИИ Китайские стартапы: RSI это клево, давайте потратим на него 30 миллиардов долларов! Z.AI подали на Гонконгскую биржу официальный документ, в котором заявляют, что планируют привлечь 50 миллиардов долларов. И самое интересное, что они расписали, куда пойдут деньги. Около 60% собираются потратить на обучение следующей GLM и то, что в документе значится под названием Fully Self Training. Z.ai хотят, чтобы «Следующее поколение GLM обучалось в среде, созданной предыдущим поколением GLM, формируя замкнутый цикл Recursive Self-Improvement». В это определение входит: самогенерация данных для обучения, генерация задач и сред, включая алгоритмы оценки, а также оптимизация инфраструктуры. В видении Z.ai такая система должна работать полностью автономно, оценивая результаты и принимая решения в основном без участия человека ☕️

Из чего состоит мой стэк ИИ-разработки на данный момент: 1. Основную работу выполняет Claude Code. У меня подписка Max. Вместе с налогами выходит 120 USD в месяц. Он закрывает все вопросы по веб и мобильной разработке, помогает с контентом, курсами, платформами и вообще всем. Если у вас есть карта ByBit и вы тратите по ней больше 500 USD в месяц, то можно получить кэшбек с подписки в 50 USD. 2. Изображения я генерирую через Gemini Flash Image, но не через прямой API-ключ, а бесплатно. Для этого вам нужно звести проект в Google Cloud и всем новым пользователям дается 300 USD, которые можно тратить на все возможности этого сервиса. Далее через Vertex AI и специальной настройки, я бесплатно использую модель для генерации картинок. Кредитов хватает на очень много изображений. Лимит только по времени. 3. На learn.rusau.net у меня есть озвучка клоном курсов, карточек, ассистента. Здесь тоже я работаю бесплатно вплоть до ноября через https://fish.audio/ru/blog/s2-1-pro-free-api/ Лайфхак: можно заранее записать самые популярные вопросы, ответы и сложить их в базу. Из дополнительного: 1. Есть подписка на Google Workspace, в которой есть Gemini Pro. Использую его когда нужно получить быстро овтет или разовую картинку. Но это редкий кейс. Подписка турецкая, так что 3 доллара в месяц меня не пугает. 2. ChatGPT Luna через апи-ключ у меня под капотом во всех ИИ-помощниках и аудиторах. За месяц уходят десятки центов на расходы. 3. Не ИИ, но инфраструктура у меня на Railway + зеркало для РФ + базы на cloudfare + роутинг и запасной хостинг на AWS. Примерно 50 долларов в месяц. И главный вопрос, который волнует многих: а это окупается? Учитывая, что все расходы на описанное сейчас это порядка 125 на ИИ и 50 на инфру долларов в месяц, то, конечно, окупается. Нейронки используются не для одного конкретного проекта, а вообще для всей моей работы: соцсети, курсы, ИИ-помощники, личная рутина, налоги, миграционные вопросы и еще куча всего. И это заменяет мне кучу платных подписок на другие сервисы, потому что такие же сервисы я разработал для себя. Единственное, что ИИ никогда не заменит, так это ваше время, идеи, тестирование. И все еще затраты идут в человекочасах, но там, где раньше я тратил месяцы на разработку, могут уходить дни, и самое главное: теперь есть возможность параллельной работы сразу над несколькими проектами.

AI-компании хотят замедлить свое развитие, IPO OpenAI будет не раньше 2027 года и тогда же они покажут своего робота, у Revolut случилась утечка данных из-за хитрого запроса, основатель WordPress справился с переворотом в компании 🦄 Доброе утро, наши маленькие любители единорогов! 🤔 Глава Anthropic Дарио Амодеи написал очередное эссе и призвал замедлить темпы развития AI-моделей. Зачем? Ну, чтобы меры безопасности поспевали за развитием и не было случаев, вроде взлома Hugging Face. Амодеи считает, что существует реальная опасность. Сэм Альтман и Илон Маск его поддержали. А потом высказался Дональд Трамп. Сказал, нечего замедляться, нужно работать как раньше, чтобы не проиграть AI-битву Китаю. 📆 А что там с IPO AI-гигантов? Глава OpenAI Сэм Альтман заявил в интервью Fortune, что их выход на биржу случится не раньше 2027-го года. Мол, в этом году не будет из-за историй с безопасностью. А вот Anthropic выбрал Nasdaq для своего IPO, пишет Business Insider. Там же размещалась и SpaceX. Вроде как Anthropic может выйти на биржу уже в октябре. 🤷‍♂️ У Revolut случилась утечка персональных данных, пишет TechCrunch. Им отправили запрос с домена одного из госведомств. И Revolut отправил в ответ данные «ограниченного» числа пользователей — даты рождения, почтовые и электронные адреса, номера телефонов, копии документов, выписки по счетам, истории транзакций и селфи для верификации. А потом выяснилось, что это запрос мошенников. Расследователь ZachXBT пишет, что масштаб инцидента ограничен, но, судя по всему, атака была на состоятельных клиентов. 🏴‍☠️ Помните, на днях основателя WordPress Мэтта Мулленвега совет директоров отправил в отпуск без его согласия? Сейчас TechCrunch пишет, что Мулленвег заявил в Slack компании, что восстановил контроль. А финдиректора, который должен был стать временным CEO из Slack удалил. Сам Мулленвег поставил в качестве аватарки фотку в пиратской шляпе и повязке на глазу. А в X он написал, что если раз в несколько лет вы не сталкиваетесь с попыткой переворота, значит, вы нанимаете недостаточно сильных руководителей. И на его счету это вроде как уже пятая попытка переворота. 🤖 А еще Сэм Альтман сказал, что в 2027-м году OpenAI покажет своего человекоподобного робота. Подробностей никаких. Только его заявление, что это они «покажут что-то впечатляющее». @TheEdinorogBlog — тот самый канал про стартапы🦄

Кажется, я только что нашёл новый способ делать объекты для своей игры. И для меня это натуральный взрыв мозга. Вместо того чтобы самому моделировать всё в Blender или заставлять ИИ долго собирать объект из деталей, мы придумали каменного идола, нарисовали его через ImageGen и передали картинку в Pixal3D через ComfyUI. Примерно за минуту на моей RTX 3070 с 8 ГБ памяти получили настоящую 3D-модель с текстурами, которую уже можно открыть и доработать в Blender🤯🤯 🤯 То есть: ИИ больше не нужно тратить токены на построение всей геометрии в 3д самому, он получает заготовку и занимается исправлениями🤔 Этот проект я начал ещё в мае с GPT-5.5: задумывал текстовую RPG-песочницу с ИИ, исследованием мира и кучей механик. На 3D даже не рассчитывал, а сейчас мне кажется нет предела в его развитии, только время и токены а впереди ещё столько релизов🌈 а ещё нейронку сегодня затестил которая может любые звуки локально генерить Stable Audio 3 Small SFX, тоже отдельный разговор🍿

AI-чаты плохо работают с контекстом Пару недель назад в ChatGPT добавили довольно фичу: возможность создать временный чат без учёта персонализации. Теперь это моя любимая функция в ChatGPT. Принято считать, что нам нужно давать моделям как можно больше контекста: чем больше AI знает про нас, тем точнее и эффективнее ответы. Поэтому пользователям предлагают включать память, сохранять историю разговоров, подключать документы, почту, календарь и другие источники данных. Понятно, зачем это нужно Open AI - через одну кнопку пользователи начинают автоматически сегментироваться в режиме реального времени. Таргетологи и не мечтали о таком. Для пользователя, на первый взгляд, логика тоже простая. Если системе известны предпочтения пользователя, проекты, предыдущие решения и рабочий контекст, пользователю не приходится каждый раз объяснять всё заново. Контекст в таком случае действительно экономит время. Но здесь происходит довольно резкий переход от “экономии времени” к “улучшению качества решений и ответов” - и это то, что нужно поставить под вопрос. Недавно я разбирался в новом музыкальном синтезаторе и просил объяснить инструкции у ChatGPT. В ответ я получил кучу рекомендаций, какую музыку я могу с ним писать, какие идеи креативного использования могут рождаться, как этот синтезатор встроить в остальной сетап и играть с остальными девайсами. Со стороны эти ответы казались даже полезными - ну, правда, интересные комбинации, лайфхаки. Проблема только в том, что я не просил этих советов. Процесс музицирования для меня - достаточно интимный по своей природе и никакие языковые модели я к нему стараюсь не подпускать, а LLM использую только в качестве технической поддержки по девайсам. Но, стоило мне один раз спросить “как сделать эмбиентные текстуры на сэмплере”, так он почему-то решил, что мне это важно и начал предлагать комбинации эмбиент подходов в каждом ответе. С книгами и философией ещё большая беда - один раз интересуюсь биографией автора и после этого в каждом чате получаю гипотезы, найденные скрытые смыслы и связи между идеями разных мыслителей. Помню, что на старте взаимодействия с AI я оценивал это даже как классное преимущество. А потом это всё начало превращаться во что-то навязчивое и навязанное. Поэтому за последнее время я отключил память, продолжаю удалять диалоги, вести разные темы в разных папках и всё чаще использую временные “чистые” чаты. Кажется, пока я могу сам решить, какой контекст давать для ответов на мои вопросы. А если вдруг захочу дать больше - я всегда смогу догрузить ужные заметки из базы знаний. Во временный чат, конечно.

Бен Эванс поделился тут скепсисом в отношении прогнозов и сценариев от Antropic. И сослался на свой майский пост «Predicting AI job exposure». Не настолько этот пост классный, чтобы читать его целиком. Но на одну идею нам точно надо обратить внимание: AI может не сильно повлиять на профессию, но радикально трансформировать бизнес-модели в некоторых индустриях. Мобильные технологии не меняли рынок такси, но Uber поменял. Это же можно сказать и про маркетплейсовую и классифайдную модели. То есть мы ещё долго может не увидеть на рынке труда масштабных прямых эффектов от AI. Но косвенные мы видим уже сейчас. Их будет больше, они будут накапливаться, и создавать неочевидные последствия. А текущие подходы в прогнозах AI Job Exposure этого не учитывают. → https://www.ben-evans.com/benedictevans/2026/5/24/ai-job-exposure