Пока мы только время от времени сталкиваемся с ИИ вывесками и меню — а тем временем в Бишкеке уже полностью наступила эпоха нейрослопа 😭 Знаменитая бишкекская эра нейрослопа.... Но вот что я хочу вам сказать — а кто сказал, что это плохо? То, что мы знаем что это нейрослоп — так это наша искаженная когорта людей у которых насмотренность есть и мы так или иначе работаем рядом с дизайном. Средней ЦА этих мест может и не открыты эти знания и умения различия нейродизайна от обычного. Есть ли связи и деньги у заказчика сделать лучше — тоже не факт, средний фрилансер с точки зрения бизнес-цели (привлечь внимание или проинформировать) — скорее всего сделает хуже. Ну и раньше эта же шаблонность была, только в рамках дизайнов Canva и других редакторов Можно сказать, что ИИ не любят, так как это машинный и бездушный труд и от того менее ценен? Так это просто переходный этап, любители коней тоже наверняка брюзжали в 1886 год от механизированных бензо-ДВС, аргументируя тем, что конь то живой! Ну, со временем все изменилось Мой поинт такой: дайте нейрослопу и рынку откаллиброваться и будет норм 😡

Цеттелькастен как метафора бесконечного затачивания топора Есть такая идея, популярная в около-айтишных кругах последние лет десять, под названием Zettelkasten – от немецкого «коробочка с записульками». Суть там в том, чтобы сделать себе эдакую персональную гипертекстовую «внешнюю память», где новые мысли по интересующим вас областям будут встраиваться в сложную систему перекрестных ссылок друг на друга. В результате ожидается гипер-продуктивность на ниве создания нового креативного контента (от исследований до статей/книг). Я прекрасно понимаю, почему эта концепция выглядит привлекательной для многих – особенно в среде всяких около-аутичных слоев населения с повышенной любовью к табличкам и раскладыванию по полочкам абсолютно всех явлений в окружающей нас Вселенной (я сам из таких, конечно). Проблема тут только в том, что налаживание (и последующее поддержание в рабочем виде) «правильной» цеттелькастен-системы выглядит крайне трудоемкой задачей, которая сама по себе почти наверняка будет отжирать кучу времени. На это обычно отвечают притчей про «заточку топора»: ну это та, где один дровосек без устали рубил лес тупым инструментом – но эффективнее него всё равно оказался другой чувак, который периодически делал перерывы в работе и тратил время на то, чтобы заточить свой топор. Опять же – звучит разумно и логично, но… На практике обычно бывает сложновато «на глаз» определить оптимальный размер усилий на условную заточку топора. И в ситуациях, где в качестве таковой выступает огромный проект, который сам по себе может требовать практически безлимитных вливаний усилий – очень легко спустя какое-то время обнаружить себя в порочном цикле бесконечного топорозатачивания, где на саму работу уже остается минимум времени. То есть, тут есть риск подмены: вместо реальной работы на результат рискуешь оказаться карго-культистом, который повторяет ритуальные действия, не приносящие ожидаемых плодов. Так вот, я тут недавно прочитал большую статью Алексея Федорова: он шесть лет подряд упорно пытался вкатиться в этот самый цеттелькастен – но в итоге пришел к выводу, что это какая-то шляпа. Несколько тезисов оттуда в моей интерпретации: 🐌 Выяснилось, что самого метода, как некой описанной стройной структуры, не существует – каждый понимает под цеттелькастеном что-то свое, и разные имплементации нередко противоречат друг другу. 🐌 Сам механизм того, как прокачанный цеттелькастен ведет к повышению продуктивности, – будто бы, э-э, небесспорен? Ну то есть, все про это говорят, но не наблюдаеся каких-то прямо сильных свидетельств того, что потраченные на ведение системы ресурсы отбиваются с лихвой. 🐌 В конце концов автор лонгрида приходит к выводу, близкому к моим собственным размышлениям: самый лучший способ «делать креативные заметки» – это просто писать публичные статьи на интересующие вас темы. Так и стройности в ваших мыслях прибавится, и полезную обратную связь сразу получите.

Но здесь можно аргументировать, что это у меня просто confirmation bias включился: мне лень самому заводить свой цеттелькастен, поэтому я спешу согласиться с любым мнение о том, что этого делать и не надо. Поэтому, если вы сами давно пользуетесь цеттелькастеном – поделитесь своим опытом в комментариях, пожалуйста. Каких результатов удалось достичь с помощью этой системы? Как много времени уходит на ее поддержание?

P.S. Вообще, в современном мире ведение персональной базы знаний с помощью ИИ выглядит уже гораздо более прикольной штукой, так как требует сильно меньше усилий. Вот за такими системами как раз будущее, мне кажется.

#дайджест Дайджест AI/ML за неделю 14–20 сентября 2026 Alibaba: Qwen3.8-Omni-Flash Модель под агентов с упором на омнимодальность. Заявляют что лучше Gemini 3.8 Flash на его поле: WildClawBench-MM 71.0 против 58.9, диаризация митингов 3.4 против 72.6 ошибки. На видео примерно паритет. Цена $0.15/$0.47, аудио на входе подешевело на 98% относительно Qwen3.5-Omni-Plus. Весов нет. Блогпост, API Google: Gemini 3.8 Live и Live Extended Thinking Две speech-to-speech модели: обычная дешевая и Extended Thinking, которая думает и говорит одновременно, заполняя паузы фразами в духе "сейчас гляну". Первое место в Speech to Speech индексе Artificial Analysis с 82.6, t-Voice 68.6%, 97 языков с автоопределением. Уже в API, AI Studio, Search Live и Workspace Блогпост, Model Card Apple: Siri AI Небольшой стартап из Купертино спустя два года после анонса доучил Siri делать то что обещал: искать по переписке и фото по описанию, видеть экран, ходить в интернет и делать действия в сторонних приложениях. Под капотом Apple Foundation Models, сделанные в сотрудничестве с Google и Gemini, часть на девайсе, часть в Private Cloud Compute. Бета по вейтлисту, в ЕС и Китае нет. Блогпост TypeSafe AI: Jev Модель, которая не генерирует текст, а сразу выдает решение: да/нет, вариант из списка или скор, с калиброванной вероятностью (согласно разработчикам, а на деле оказалось скамом: ранжирование меняется от порядка входов). Не авторегрессионная, отвечает за 70–500 мс, $0.042 за миллион входных токенов, выход бесплатный. В демо играет в Doom по структурированному состоянию игры. Твиттер открыл для себя классификаторы и теперь на них можно запускать дум. Документация, The Register, Илья бенчмаркнул Shengshu: Vidu S2 Реалтайм-ветка Vidu из двух моделей. S2-Avatar - анимирует персонажа с картинки в 720p по голосу или тексту, референс можно менять в процессе. S2-Editing - правит входящий видеопоток на лету: стиль, одежда, замена персонажа и фона. Есть экспериментальный стерео-режим для VR. Демо и API открыты. Статья, демо ElevenLabs: Music v2.5 Богаче аранжировки, живее инструменты, особенно в вокальных и акустических жанрах.  Обучена на лицензированной музыке, поэтому в отличие от Suno в суде не сидит (и похуже звучит). Доступна всем, включая Free с пятью скачиваниями с полным качеством в день, и в API. Блогпост Creatify Labs: Boreal Уже сотая новая видеомодель, целятся в рекламу и UGC. Генерирует в реалтайме, пять секунд за пять секунд, 720p по центу за секунду, 1080p по три. Дообучена с открытой базы на рекламе, в слепых тестах ее предпочли базе в 81% случаев. Какая база, не говорят. Пресс-релиз, fal HiDream: O1-Video-1.0 Омнимодальная видеомодель теперь с упором на физику: текст, картинки и видео на входе, 1080p от 5 до 20 секунд с синхронным звуком. Четвертое место в Image-to-Video with Audio у Artificial Analysis, восьмое в Arena. Пока internal testing, обещают скоро. Пресс-релиз, документация Deveillance: Kalypta Приложение, которое делает вашу речь неслышимой для Voice-to-text моделей: локальная модель в реалтайме искажает голос так, что люди слышат как обычно, а Whisper и Canary теряют две трети слов. Работает в Meet, Zoom и Teams, бета на Mac по вейтлисту. Kalypta, бенчмарки Anthropic: treat report Кому интересно как всякие китайцы в серую используют подписки Claude, читайте репорт на 150стр. там и отправка ответов клода юзерам муншот для последующей дистилляции, и использование китайской и русской гэбней. Отчет, TechCrunch QuiverAI: Arrow 2 и Arrow 2 Telos - генерация и редактирование SVG. Меньше лишних узлов, векторизация растра. Telos - версия с ризонером сверху, контекст 1М, $6/$30 против $4/$20 у обычной. Блогпост Runway: Enhance Frame Rate - интерполяция до 24/30/60/120 fps в API, до 300 секунд за раз,. Цены Mirelo: Audio-to-MIDI Pro - раскладывает готовый микс на отдельные MIDI-дорожки по инструментам, включая вокал, плюс аккорды, темп и экспорт в MusicXML. Выросла из открытой модели с Kyutai. Модель

🌟 Jina AI улучшила DeepSeek-OCR jina-ocr-v1 - 3B модель для разбора документов на английском и китайском языках, рассчитанная под локальный запуск на недорогих системах. Модель принимает скан, фотографию или PDF и на выходе выдаёт Markdown с поддержкой LaTeX. Кроме полной транскрипции она распознаёт отдельные таблицы и формулы, подписывает изображения, отвечает на вопросы по документу и извлекает ключевые поля. 🟡Архитектура DeepSeek-OCR с визуальным энкодером DeepEncoder на 380 млн параметров, который сжимает страницу до 256 визуальных токенов и при необходимости добавляет до девяти фрагментов по 100 токенов. Декодер - смесь экспертов на 3 млрд общих и 570 млн активных параметров. Вклад Jina - спекулятивное декодирование FastMTP, где один общий блок предлагает три токена вперёд, а декодер принимает самую длинную часть, совпадающую с его собственным выбором. 🟡Тесты На olmOCR-Bench модель набрала 83,4 балла - на 7,4 больше DeepSeek-OCR и выше olmOCR-2 с 8B параметров (82,4), но ниже chandra-ocr-2 (85,8) и dots.mocr (83,9). На OmniDocBench v1.6 результат 91,14 против 90,25 у DeepSeek-OCR-2, но хуже более компактных PaddleOCR-VL-1.6 (96,34) и HunyuanOCR-1.5 (94,74). По пропускной способности модель первая среди 14 систем - 2,57 страницы в секунду на одной A100 при 32 параллельных запросах. На L4 FastMTP ускоряет генерацию в 1,95 раза в обычном режиме, но с CUDA-графами прирост падает до 1,17 раза.

⚠️ FastMTP работает только в vLLM 0.21 и новее

Без установки модель доступна через Jina Reader и онлайн-песочницу по ключу API Jina. 📌Лицензирование: CC BY-NC 4.0 🟡Блогпост 🟡Веса 🟡Arxiv 🟡Демо @ai_machinelearning_big_data #AI #ML #OCR #Deepsek #JinaOCRv1 #JinaAI

Относительно новая научная статья "Large-Language Models as a Cognitive Virus" постулирует, что полное делегирование рабочих задач LLM отучает человека думать, а дальше рассматривает разные варианты того, как эта болезнь распространяется среди популяции и сколько останется здоровых при разных условиях. Я наткнулся на неё у прекрасного Григория Сапунова. Его вывод (чуть сокращенно). Для практиков: генеративные модели — не просто инструмент ускорения работы, а среда, способная необратимо разрушить навыки решения задач. При бесконтрольном внедрении сотрудники и студенты быстро делегируют моделям базовые функции: письмо, аналитику и верификацию фактов. Вымывание автономных специалистов ослабляет коллективный иммунитет к деградации. Перейдя критический порог, компания рискует намертво застрять в технологической зависимости. Решение состоит во внедрении «когнитивной иммунизации»: искусственном добавлении барьеров верификации, регулярной автономной работе без ИИ и проверке базовых профессиональных навыков сотрудников. Мне самому после чтения математики показалось, что авторы чрезмерно оптимистичны. При реальных вводных шансов нет — все там будем. Ну, что делать, посмотрим, как оно по ту сторону кроличьей норы. Следование советам Григория, может быть, отложит трансформацию лично для вас и вашей компании. https://arxiv.org/abs/2609.03344v1

Code2Skill Превращает код из открытых репозиториев в скиллы кодинг-агентов. В отличие от скиллов из трейсов агента, исходники доступны до взаимодействия и их можно проверять после абстракции • 1 006 822 проверенных скилла из 19 769 репозиториев с 500+ звезд • три типа записей - атомарные операции, составные workflow и повторяющиеся паттерны • каждая запись проходит проверку: реконструкция поведения без исходника и сверка с кодом • скилл хранит условия применения, анти-цели, кейсы отказа и провенанс • семантическая аннотация банка - мультишаговые процедуры, constraint reasoning Где встраивается: планирование, первичная генерация, пост-ревью и coding RL. Планирование улучшило все 8 пар, пост-генерационная проверка - самый стабильный плюс Гитхаб HF #code2skill

Bethesda новым патчем случайно испортила графику The Elder Scrolls IV: Oblivion Remastered на Nintendo Switch 2 Bethesda случайно испортила графику The Elder Scrolls IV: Oblivion Remastered на Nintendo Switch 2 патчем 1.1. После обновления картинка стала мыльной, а за персонажами появились заметные шлейфы — проблема наблюдается и в портативном, и в стационарном режиме. Вероятно, сбой связан с масштабированием Nvidia DLSS. Bethesda уже знает о проблеме, а игроки временно отключают автообновления и переустанавливают игру с картриджа. #theelderscrollsivoblivionremastered #bethesdagamestudios #bethesdasoftworks #ролеваяигра 📎Подробнее 🔖 3DNews в TG | MAX | VK