Hirify Feed — your shortcut to what’s next

2 нед

nanoMuse Открытый аналог метовского Muse — персональный агент на каждом твоем устройстве. Один агент, одни руки на экране телефона и компьютера, память в файлах, модель на твой выбор. Определяет персонального агента через пять вопросов и три горизонта • Действует на экране телефона и компьютера • Общий диалог между устройствами через релей, который можно поднять самому • Память — обычные Markdown-файлы, которые человек может читать и править • Модель выбираешь любую • Знает твои аккаунты и устройства, помнит контекст неделями • Sentinel проверяет каждое действие • GPL-3.0 • Полная аналогия Muse: один разговор на все устройства • Память с провенансом, оценка «рук», открытая модель для них — в роадмапе github.com/nano-muse/nanoMuse #agent #computeruse MAX

ai агенты opensource автоматизация nanomuse

ИИ ai видеогенерация claude нейросети

Генерация видео с помощью Claude

М@cgeventAI-инженер

2 нед

#Сеня_и_Даня_Здесь_Были Я так понимаю, мы все скоро будем генерить видео кодом. Ну или клодом. Потому что последний делает прям какие-то невероятные шаги в этом направлении. И об этом следующий пост. Я, кстати, погенерил такие видео, принимая MP3 на входе. Ну, в общем-то, кодекс и 6.1 вообще не справляется с такой задачей. @cgevent

ai видеогенерация claude нейросети

ИИ Продукт IT ai claude codex продуктивность автоматизация отчетность

Автоматизация еженедельных отчетов через Claude и Codex

T@tips_aiAI-инженер

2 нед

Взял себе за привычку делать каждую пятницу рекап прошедшей недели в Claude/Codex 👌 Просто к концу недели уже начинаешь забывать какие проекты вел в понедельник, а так сразу понятно куда ушло время и если есть какие-то брошенные задачи Так что запряг на это дело клода: он собирает логи своих сессий и кодекса, и по ним строит календарь Юзал такой промт:

Настрой субагента, который будет только собирать недельные календари. 1. Создай week-calendar в папке агентов своей платформы (если субагентов нет — отдельный скилл или команду), c постоянной memory на уровне пользователя (если такой нет — ~/.calendar/memory.md). Через preload или аналог подключи дизайн-скиллы из пользовательских папок скиллов и плагинов (~/.claude/skills, ~/.claude/plugins и аналоги других платформ; встроенные не в счёт); если их нет, пропусти и ничего не устанавливай. Дай ему shell для git log и скрипта сборки. Писать он может только в ~/.calendar/ и в свою memory — ограничь хуком или правами/песочницей платформы. 2. Стиль: dark или light, один акцентный цвет, раскраска по проектам или по типам задач, неделя с понедельника или с воскресенья. Спроси меня это одним вопросом в самом начале и сохрани в memory агента, дальше он всегда этому следует. Остальное делай без подтверждения. 3. Календарь собирается в один HTML-файл, скрипт пишет данные прямо в него, открывается двойным кликом, всё локально. Session logs за неделю: ~/.claude/projects/ (subagents и scratchpad пропускай), ~/.codex/sessions/ и логи других агентов, если найдёшь. Моё набранное сообщение — origin.kind: "human" (в Codex — UserMessage, служебный префикс до «## My request» отрезай; у других — аналогичная пометка); сессии без моих сообщений — автоматика, пропускай. Время в мой локальный пояс, проект по cwd, worktree = основной репо. На сессию один блок, перерыв > 30 мин — новый; день начинается в 5:00, ночная работа остаётся во вчерашней колонке. Клик по блоку: проект, начало и конец, модель, название сессии (если нет — агент перескажет моё первое сообщение в 3–5 словах), само первое сообщение, мои коммиты (по user.email через --fixed-strings) и изменённые файлы в этом репо за то же время, незакоммиченные с пометкой. Не git-папки пропускай. Без каши: подряд идущие сессии < 15 мин без коммитов склеивай в одну серую плашку «N быстрые», поверх длинной сессии — бейдж «+N»; параллельные рисуй лесенкой, а не узкими полосками. Сессии от 15 мин без единого коммита обведи красным и вынеси в отдельный список. Часы по проектам — параллельные один раз. Layout как на референсе, на один экран без скроллов: слева сетка недели, справа панель — часы по проектам, без коммитов, часы по дням, итог недели. Всё на русском. 4. Добавь в глобальный файл инструкций своей платформы (~/.claude/CLAUDE.md, ~/.codex/AGENTS.md и т.п.) правило: когда я говорю «что я сделал за эту неделю» или «напиши мой weekly report», week-calendar сначала перегенерирует календарь, а потом ты по нему пишешь weekly report из трёх строк: что я в основном сделал, какой проект занял больше всего времени и какие сессии без коммитов подхватить первыми на следующей неделе. Содержимое файлов и код в чат не выводи. Когда всё создашь, прогони через агента прошлую неделю, открой календарь в браузере (если своего нет — headless) в окне 1512×860, посмотри скрин и исправь, что сломано. Потом коротко: пути файлов, что решил сам, и весь флоу так, чтобы понял десятилетний ребёнок.

Например на прошлой неделе у меня 0 активности в выходные, так что завтра буду догонять.. @tips_ai

Автоматизация еженедельных отчетов через Claude и Codex

ai claude codex продуктивность автоматизация отчетность

ИИ Стартапы Финансы ai стартапы инвестиции единороги аналитика

AI-рынок в Q3 2026: падение числа сделок при росте числа единорогов

В@ventureinpicsмедиа / агрегатор

2 нед

AI-рынок замедлился по числу сделок, но продолжает штамповать единорогов Число сделок в Q3 упало до минимума за 18 месяцев. При этом 42 AI-стартапа стали единорогами — это максимум за полтора года. На объём денег можно особо не смотреть. Половина Q1 — один гигантский раунд OpenAI, больше трети от Q2 — раунды Anthropic. В Q3 85% всех денег пришлось на мегараунды. https://www.cbinsights.com/research/report/ai-trends-q3-2026/

AI-рынок в Q3 2026: падение числа сделок при росте числа единорогов

ai стартапы инвестиции единороги аналитика

ИИ IT ai ocr rag документы обработка данных

LightOn представила семейство моделей LightOnOCR-3 для обработки документов

M@machinelearning_interviewAI-инженер

2 нед

Извлечь текст из PDF мало. LightOnOCR-3 достаёт ещё и данные из графиков 📄 LightOn выпустила семейство открытых моделей для обработки документов. За один проход они: • распознают печатный и рукописный текст; • сохраняют структуру страницы и координаты блоков; • описывают изображения; • превращают данные с графиков в таблицы. Доступны три размера: 0,8B, 1B и 4B. Лицензия Apache 2.0 позволяет адаптировать модели и разворачивать их на своей инфраструктуре. По тестам разработчиков, версия 4B набирает 86,3 на olmOCR-Bench, опережая Chandra 2, Mistral OCR 4.1 и dots.mocr. На ParseBench версии 4B и 0,8B занимают первые два места среди моделей в опубликованном сравнении. Полезный инструмент для подготовки отчётов, сканов и технической документации к поиску, аналитике и RAG. https://huggingface.co/blog/lightonai/lightonocr-3

ai ocr rag документы обработка данных

исследованиеИИ Наука IT ии биология виртуальные клетки наука сша ai

США и техногиганты запускают проект «виртуальных клеток» за $1,8 млрд

AI-редакция

2 источника · показать все· свернуть

Хайтек+США запускают проект по созданию «виртуальных клеток» с бюджетом $1,8 млрд MachinelearningMeta, DeepMind и Isomorphic Labs присоединились к проекту симуляции живых клеток

собирается · 2обновлено 2 нед назад

Некоммерческая исследовательская организация Biohubi, принадлежащая семейному фонду Цукербергов, расширила программу Virtual Biology Initiativei — проект по симуляции живых клеток in silico. К нему присоединились правительство США, Google DeepMind, Meta* и Isomorphic Labsi Демиса Хассабиса, а общий бюджет консорциума достиг $1,8 млрд.

Цель — создать фундаментальные модели ИИ («виртуальные клетки»), способные предсказывать реакцию клеток на лекарства ещё до клинических испытаний. Это может дать более глубокое понимание природы заболеваний и открыть новые пути их лечения.

ВыводДля обучения моделей потребуются датасеты объёмом в триллионы записей

$1,8 млрдобщий бюджет консорциума

$300 млнвзнос техногигантов

$500 млнвзнос Минэнерго США на вычисления

Полный разбор →

ии биология виртуальные клетки наука сша ai

ИИ Маркетинг Продукт ai mcp email-маркетинг автоматизация агенты

Как AI-агенты на базе MCP меняют работу email-маркетолога

Х@habr_comмедиа / агрегатор

2 нед

Как AI-помощник постепенно забрал работу email-маркетолога 12 проектов, рассылки почти каждый день и один человек, который должен собрать письмо, выбрать базу, проверить ссылки и UTM, отправить, а потом вернуться за статистикой. AI уже помогал с темами, текстами и анализом, но была одна странность: прежде чем модель могла что-то полезное сказать, половину работы всё равно приходилось делать руками. С появлением MCP ситуация начала меняться. Агент получил доступ к реальным инструментам, а вместе с ним — к данным, кампаниям и истории проектов. Сначала ему отдали статистику, потом аналитику, проверки и настройку рассылок. Постепенно он научился помнить контекст 12 проектов, сверять кампании с прошлыми результатами и брать на себя ту рутину, из-за которой раньше приходилось постоянно жить в email-сервисе. В какой-то момент стало ясно, что это уже не просто AI-помощник. Но полностью отдавать ему работу не стали — у автоматизации осталась граница, за которой цена ошибки становится слишком высокой.

Как AI-агенты на базе MCP меняют работу email-маркетолога

ai mcp email-маркетинг автоматизация агенты

ИИ Продукт ai языковые модели мультиязычность mmlu технологии

Проблема мультиязычности в современных AI-моделях

А@airamongushAI-инженер

2 нед

Самая тупая ситуация в фронтиер AI сегодня заключается в том, насколько хреново он работает на других языках, кроме английского. AI-лаборатории уже даже не утруждают себя публикацией обновлений по MMLU (я уж молчу про бенчмарки качества перевода). Например, буквально сегодня я увидела очередной пост фаундера, который потратил время на оценку качества рассуждений новейших AI-моделей с помощью jev и обнаружил, что в мультиязычном мышлении от них практически никакого толка. Вы вообще представляете, что 6 миллиардов человек, говорящих на 7700 языках, не получают даже близко того же уровня возможностей AI, который доступен англоговорящим пользователям? И насколько же эти рынки недообслужены?

ai языковые модели мультиязычность mmlu технологии

релизИИ Технологии ai нейросети liquid ai d1 машинное обучение liquidai

Liquid AI выпустила открытые мультимодальные decision-модели d1-3B и d1-omni-600M

AI-редакция

2 источника · показать все· свернуть

Machine learning InterviewLiquid AI представила модели d1 для принятия решений без генерации текста Dealer.AILiquidAI представила мультимодальные модели LFM d1-3B и 0.6b-omni

собирается · 2обновлено 2 нед назад

Liquid AI открыла веса двух моделей нового типа — d1-3B и d1-omni-600M, которые не генерируют текст, а за один прямой проход выдают готовое решение: выбор варианта, оценку или вероятность «да/нет». Это избавляет от необходимости генерировать ответ и парсить JSON при маршрутизации запросов, модерации контента, классификации и проверке действий AI-агентов.

Обе модели мультимодальны: d1-3B работает с текстом и изображениями, d1-omni-600M — с текстом в сочетании с изображениями или аудио и пока считается экспериментальной. Главное преимущество — экстремально низкая задержка ответа за счёт отсутствия генерации токенов.

8 мсзадержка d1-3B на RTX 4090

50 мсзадержка d1-3B на Jetson Orin Nano

$10 млнпорог выручки для свободной лицензии

Полный разбор →

ai нейросети liquid ai d1 машинное обучение liquidai

ИИ Наука ai астрономия nasa tess экзопланеты наука

Энтузиаст обнаружил потенциальную экзопланету с помощью Claude Code и Codex

F@FuturisAI-инженер

2 нед

🟢Парень с Claude Code и Codex нашёл возможную планету в данных NASA, где её годами никто не замечал. Павел Рабцевич заметил, что звезда TIC 4206066 немного тускнеет каждые 3,18 дня, и нашёл тот же сигнал в наблюдениях за 2018, 2020 и 2025 годы. Это может быть планета, проходящая перед звездой. По словам автора, он проверил каталоги и результаты автоматического поиска: ранее этот кандидат нигде не фигурировал. То есть телескоп записал сигнал, но предполагаемую планету в нём ещё не распознали. Тред. И история уже дошла до настоящих наблюдений: команда TESS одобрила его заявку на дополнительные измерения, что подтверждается официальным списком программы. В ноябре проверят, повторятся ли затмения в заранее предсказанное время🌚 Молодец, Павел 👍 P.S. Где-то астрологи уже выясняют, почему именно эта планета мешала нам жить все эти годы😡

ai астрономия nasa tess экзопланеты наука

ИИ Дизайн ai дизайн креатив проекты anthropic

Подборка визуальных AI-проектов от Ryan Sael

C@CGIT_Vinesгеймдев

2 нед

Когда у вас бесконечные кредиты, можно штамповать по проекту в неделю и получить такой сайт с проектами как у Ryan Sael / Я что-то подзалип и решил поделиться. Наиболее запоминающиеся, хоть и все со стилизованной графикой, это Нолановский Париж / AI Race - где можно посмотреть какая модель в чем сейчас лучше, код, агенты, дизайн (почти везде антропик) / Prism Room / River Bend в общем сами гляньте, найдете для себя что-то залипательное. @CGIT_Vines

ai дизайн креатив проекты anthropic

ИИ Продукт Карьера ai менеджмент бизнес агенты трансформация

Обзор книги AI native от Kai-Fu Lee

V@Victor_OsykaAI-инженер

2 нед

У Kai-Fu Lee вышла книга AI native: mandate to transform your company (+ я постил интервью про это): Успешные CEO всяких бизнесов пробовали AI и ROI пока не видят, и спрашивают меня: чё делать? Ответ: строить AI native фирмы. AI революция будет и мощнее, и быстрее промышленных революций. GenAI дает миллионы опций, но выбирать - не умеет Гл.1 Щас всё иначе? Прошлые революции коммодитизировали энергию (за 100 лет с 1760г паровые машины выросли в 400 раз), compute, info. А щас время intelligence (но определения не дает). И диффузия идет быстрее, в тч тк цена падает экспоненциально 2 Мыслящие машины Сейчас нужно кормить нейронки данными - это дает агентам self-learning. А качество данных - это топливо современности (а вот алгоритмы все стали схожие, вот метрики моделей и конвергируются). И юзайте мультимодальность 3 Лестница агентов - От чатботов к точно указанным таскам, далее к co-pilots, и уровень 4 - полностью автономный агент кто фигачит complex goals (генеря самим себе feedback loops где они зафейлили) - Организациям нужна firm-wide memory (а не терять её внутри фирм как щас), нужны tools для коннекта агентов с внешним миром, и нужно contextual knowledge. А многоагентность поможет с галлюцинациями 4 Intelligence хочет свободы Корпорации почему-то пока все видят в AI оптимизацию костов, а не создание new value 5 Почему фэйлятся AI трансформации? а) Не увязка всех AI-пилотов в единую систему б) Отдать все CIO, а не прочим business leaders в) слишком полагаться на bottom-up инновации (а это всё слишком фрагментирует). Ну и earnings tests не юзают, а надо прямо сразу, а не пилоты ради пилотов 6 Чисто интеллекта мало - Фирмы не юзают свои dormant data. Условно, нужно не (причесанные) отчеты о встрече, а прямо её транскрипт. И так ваще во всём. Нужен enterprise AI decision layer: А) это и AI мозг Б) и онтология всех data в фирме / семантический граф / буквально карта фирмы от клиента до конца производства (для правильного decision making'а) В) и live GPS-данные Г) и поверх всего этого "операционная система": процедуры что и как тестится и как подсоединяется в корп.системы - Palantir создали большой бизнес, строя такой layer другим фирмам 7 AI-босс: сила управления с dormant data - И данные копятся слоями и к ним не возвращаются, и для CEO всё фильтруют отчетами, он слеп.. Ему боятся возражать. Поэтому у CEO должна быть своя personal agentic AI system но на всех data компании. А CTO трекает весь код. А CFO - каждый $ в фирме. Итд. Цель этих систем - выявлять не realistic / inflated / wrong things 8 Взлет DRI / directly responsible individuals - У СЕО будут кучи прямых подчиненных, каждый с тонной агентов вместо слоев менеджеров. Ищите внутри intrapreneurs и делайте из них DRI - проактивных микро-СЕО, отвечающих за end results. Такие люди и раньше были, но щас их роль взлетит - DRI - это атомы AI native бизнесов. 2 типа DRI: а) опытные про бизнес/отрасль, и б) кто умеет в агенты. Но уплощать структуру сложно - мир полон неудач - Поиск DRI идет через пробу на real tasks, и не имеет отношения к seniority людей. Давая ресурсы DRI, CEO приумножает их силу. И кстати механизмы компенсации изменятся, ведь DRI это же не просто сотрудники.. 9 Какая работа уцелеет? Автоматизация съест формальные функции, где и люди-то не нужны. Роли где people-to-people - останутся. Роли human-machine collaboration - тоже. Менеджеры - зависит от их адаптации: кто найдет коучей про AI - те успешно заюзают свою отраслевую экспертизу, смыкая её с AI. Растите свою cognitive openess 10 Мнения, вкус, смелость - После коммодитизации execution, analysis, coding, coordination лидеру остается знать: а ради чего это всё? Лидерство - это judgement про то, где нет данных: - У Chanel вкус: оценить красоту до того, как у неё появится название - У Джобса foresight: видеть большее, чем плавные изменения - У Безоса conviction: идти туда куда не идут / антиконсенсус - У Musk смелость Революцию НЕ зааутсорсить: сами лично юзайте AI, двигайте AI'ем важные именно вам метрики без оглядки на моды. И назначьте ваших первых DRI.. ** Кратко, клёво, спокойно

ai менеджмент бизнес агенты трансформация

исследованиеИИ IT ai бенчмарк jev frida llm аналитика

Бенчмарк Jev-style decision-моделей: Perplexity Decider 27B обошёл конкурентов в тесте на 5000 примеров

AI-редакция

2 источника · показать все· свернуть

Сергей Марков: машинное обучение, искусство и шитпостингСравнительный бенчмарк Jev-style моделей для принятия решений Сергей Марков: машинное обучение, искусство и шитпостингАнализ производительности Decision Models в задачах принятия решений

собирается · 2обновлено 2 нед назад

Дима Антипов, автор канала @anti_notes, провёл собственное исследование новой волны «decision models» (Jev-style моделейi) и опубликовал результаты в статье на Хабре. Эти модели предназначены не для генерации текста, а для быстрого принятия небольших «решений» внутри AI-пайплайнов, и если они смогут работать с качеством, близким к 100%, за доли секунды и за копейки — это может изменить архитектуру и процессы разработки значительной части софта.

Сергей Марков, автор канала «Сергей Марков: машинное обучение, искусство и шитпостинг», назвал идею decision-моделей «настолько простой и элегантной», что удивился, как долго индустрия к ней шла, и подтвердил результаты бенчмарка собственным прогоном моделей той же ночью.

ВыводБенчмарк включал 12 моделей, протестированных на 5000 русскоязычных примерах в пяти категориях; формат — вопрос-ответ без глубокой доменной специфики, с золотой разметкой, сделанной людьми

98,14%точность Perplexity Decider 27B

109 мсскорость OpenAI Decisions

$0,009цена 1000 решений у Liquid d1

Полный разбор →

ai бенчмарк jev frida llm аналитика

ИИ IT ai rag эмбеддинги ml разработка поиск

Запуск канала «Артифишл» от техлида ML R&D

С@oulenspiegel_channelAI-инженер

2 нед

Привет, это «Артифишл» Я Артём, техлид ML R&D. Шесть лет учу машины находить нужное в текстах на русском. Если вы собирали RAG или поиск по документам, возможно, вы уже пользовались нашей работой. С командой мы сделали эмбеддер FRIDA и бенчмарк ruMTEB, на котором сравнивают русскоязычные эмбеддеры. Сейчас делаем поискового агента SMITH и FRIDA-Decisions, модель, которая принимает решения по тексту без генерации. Все лежит в открытом доступе с лицензией MIT. Что здесь будет: — как устроены эмбеддинги, поиск и агенты, с честными минусами; — мои эксперименты с цифрами, включая неудачные; — тренды и обзоры новых технологий по моей теме; — кухня R&D: как делаются модели, которыми вы пользуетесь; — обсуждения с вами в комментариях: как вы применяете AI и чего вам не хватает. Последнее для меня самое важное. Напишите в комментариях, чем занимаетесь и что у вас сейчас не работает. Буду строить посты на ваших ответах.

ai rag эмбеддинги ml разработка поиск

ИИ Технологии ai видеогенерация оптимизация dit wan2.1 нейросети

GRACE: метод сжатия латентов для ускорения генерации видео

Н@GreenNeuralRobotsAI-инженер

2 нед

GRACE Метод сжатия латентов от KAIST AI и Kakao Corp: сжимает видео-автоэнкодер так, что DiT работает на 8× меньшем числе токенов. Ускорение 11.1× при том же качестве по VBench. • Сжимает предобученный автоэнкодер #Wan21 без потери совместимости с DiT • Генерация видео с 8× меньшим числом латент-токенов • Качество на уровне полного пайплайна по VBench • Без переобучения DiT с нуля — легкая адаптация LoRA • Wan2.1-I2V-14B: 32.8k → 4.3k токенов • Ускорение 11.1× при 480×832, 15.5× при 736×1280 • Инференс 78 с против 863 с на A100 80GB • Асимметричный денойзинг: база чистится раньше остатка github.com/cvlab-kaist/GRACE huggingface.co/chimaharicox/GRACE #optimiozation #t2v #i2v MAX

ai видеогенерация оптимизация dit wan2.1 нейросети

ИИ Продукт ai видеогенерация vidu нейросети vfx генерациявидео

Vidu представили Q4 Preview: генерация видео в 4K с 10-битным цветом

М@cgeventAI-инженер

2 нед

Будете смеяться, но у нас новый видеогенератор. Vidu бахнули Q4 Preview - генерация видео в 4K и с 10-битным цветом Главный акцент - качество картинки, управление персонажами, сложные сцены и пригодность материала для дальнейшего монтажа. Про качество у меня сразу много вопросов, ибо мне всё это напоминает позапрошлогодний клинг. По крайней мере в тех видео, где претензия на фотореал, лица и вот это вот всё. А вот для аниме-шманиме и анимации выглядит любопытно. Что умеет:

Генерирует видео до 4K продолжительностью до 16 секунд. Поддерживает Image-to-Video и Reference-to-Video. Принимает до 15 изображений-референсов для сохранения персонажей, одежды, объектов и окружения. Использует до 3 аудиореференсов для воспроизведения голосов персонажей. Генерирует диалоги и звуковые эффекты с синхронизацией изображения и звука. Поддерживает несколько планов и переключение камеры внутри одного ролика. Улучшена работа с мимикой, эмоциями, движением, освещением, взрывами, дымом и другими VFX.

Самое интересное - 10-битный цвет. Но. Точные параметры экспорта, кодек, цветовое пространство и наличие HDR не раскрыты. Само по себе 10-bit не означает HDR или более широкий цветовой охват. Берут ценами - сейчас этап сладкого превью. Стартовая акция от $0.014/с и скидка 30% на Image-to-Video и Reference-to-Video до 30 ноября. Типа шестнадцатисекундный ролик за, внимание, 22 цента! Позиционирование - очень дешёвые итерации. Где попробовать прямо сейчас: Vidu Q4 Preview уже доступна на официальном сайте. Если залогинитесь Google, то вам дадут сгенерировать три ролика, причем 10 секунд. Один в 1080, второй в 720 и третий поменьше. То есть у вас есть три попытки. Для разработчиков работает API с идентификатором viduq4-preview. Попробовать Vidu Q4: https://www.vidu.com/vidu-q4 API: https://platform.vidu.com/ Документация: https://platform.vidu.com/docs/api-reference/video-models/vidu-q4-preview/image-to-video @cgevent

ai видеогенерация vidu нейросети vfx генерациявидео

Стартапы Продукт ИИ ai стартапы бизнес-модель монетизация saas

Бизнес-модели в эпоху AI: оплата за потребление

M@startup_ventureавтор про «startups»

2 нед

Бизнес-модели в эпоху AI. Часть 2: оплата за потребление Клиенты сами попросили стартап брать деньги за место, а не за объём, потому что боятся, что счёт вырастет. Об этом написал Александр в комментариях под первой частью. Кажется, это главный вопрос всей темы: кто несёт риск непредсказуемого счёта? При оплате за места этот риск на нас: клиент пользуется больше, а маржа тает, как в истории Harvey. При оплате за потребление риск переходит к клиенту, и он, как видим, не всегда этому рад. В облаках оплата за потребление давно норма, так почему в AI с ней сложнее? Ответ в комментариях подсказал Дмитрий, который делает сервис Noteall: главный конкурент — не другие сервисы, а сами вендоры. Клиенты говорят:

Мы пользуемся Claude или ChatGPT за $20 в месяц, и нам норм

Любой наш счёт сравнивают с этой подпиской, а не с конкурентами. На этом фоне счёт, который непонятно сколько составит в конце месяца, проигрывает заранее. Поэтому многие ищут середину. В Noteall пришли к двухставочной схеме: фикс за собранный «пазл» из сервисов плюс собственные кредиты на потребление. Фикс считают как текущий средний чек плюс 20–30%, кредиты продают с такой же наценкой к себестоимости. Кредиты свои, а не токены вендора, потому что модели под разные задачи разные и меняются на лету. Василий в комментариях спрашивал, как такое показывать в счёте: построчно по моделям и токенам или в своих кредитах. Я за свои кредиты. Строчки вида «модель X, 300 тысяч токенов» клиенту ничего не говорят: что такое токен, почему у разных моделей разная цена, почему в этом месяце дороже, чем в прошлом? Свои кредиты, привязанные к понятному действию — обработанной встрече, готовому документу, — вызывают куда меньше вопросов. А если вендор поменяет цены, это останется нашей внутренней кухней, а не сюрпризом в счёте клиента. А что я вижу здесь как инвестор? Оплата за потребление мне нравится по той же причине, что и любая модель, где можно анализировать когорты, только здесь сигнал гораздо чувствительнее: места клиент покупает раз в год, а потребление меняется каждый месяц. Смотришь на клиентов, пришедших в одном месяце, и видишь, что происходит с их потреблением дальше. Если в когортах оно растёт или хотя бы не падает, стартап движется в правильном направлении: клиенты встраивают продукт в работу. А если потребление скачет — в одном месяце плюс 10%, в следующем минус 30%, — это настораживает, и хочется разобраться почему. Это может быть сезонность, а может быть, клиенты пробуют продукт и уходят, те самые «туристы» из первой части. Получается, у оплаты за потребление две стороны. Для инвестора это самая прозрачная модель: когорты не врут. Для клиента — самая страшная: счёт непредсказуем. Задача, похоже, в том, чтобы сохранить первое и снять второе: лимитами, пакетами кредитов, фиксированной частью. Этот пост, по сути, написали вы: половина мыслей в нём — из комментариев к части 1. Спасибо всем, кто подключился к дискуссии 🙏 Мне такой формат очень нравится, так что давайте продолжать. Если вы уже пробовали брать деньги за потребление или, наоборот, отказались от этой идеи — поделитесь в комментариях, это попадёт в разбор. Андрей Резинкин | Money For Startup

ai стартапы бизнес-модель монетизация saas

ИИ IT krea2 comfyui ai генерация нейросети flux

Обзор инструментов и моделей для Krea 2

Н@GreenNeuralRobotsAI-инженер

2 нед

#krea2 Инструменты github.com/capitan01R/ComfyUI-Krea2T-Enhancer - Krea2T Enhancer: нода улучшения следования промпту. Текстовый энхансер — младшая версия. Прирост качества и точности промпта Есть для #klein github.com/capitan01R/ComfyUI-Flux2Klein-Enhancer civitai.com/articles/35976/comfyui-tutorial-qwen-image-2-1-vs-flux-2-krea-turbo-which-makes-better-character-sheets - сравнение #charactersheet: Qwen 2.1 против FLUX.2 Krea Turbo. Схожая консистентность, но Qwen в ~3 раза быстрее. Оба подхода в одном воркфлоу huggingface.co/lvladikov/Krea2-Turbo-Distill-2step-LoRA - 2-шаговая дистилляция, детали на уровне учителя, до 2048×2048. Мелкие объекты — слабое место pastebin.com/raw/S6ziW7yZ - вариативность Krea 2 без лор: текстовый энкодер как LLM для разворачивания промпта. Два рычага: seed промпта (сильно) и seed сэмплера (тонко). Qwen 2.1 PE-системный промпт работает, обычный Qwen3VL цензуре почти не мешает. +4 сек на генерацию lumenastrum.github.io/clio-style-preview/gallery/ - галерея стилей Clio с превью civitai.red/models/2961766/moonmaster-krea2-turbo-model-suite - Narrative Drift: чекпоинт Krea 2 Turbo под иллюстрацию и диджитал-арт. Насыщенные цвета, графические тени, арт-дирекшн. Без триггера, Euler · Simple · 8 шагов · CFG 1. BF16/FP8/INT8

krea2 comfyui ai генерация нейросети flux

ИИ Стартапы Технологии ии рейтинг стартапы chatgpt венчур яндекс

Рейтинг a16z Top-100 AI apps: ChatGPT лидирует, Яндекс с Алисой — единственный российский сервис

AI-редакция

6 источников · показать все· свернуть

Код.руРейтинг 100 главных потребительских ИИ-сервисов от a16z РестартЯндекс с Алисой вошли в топ-15 ИИ-приложений по версии a16z ДизрапторАнализ рейтинга ИИ-приложений от a16z: победа встроенных функций над отдельными сервисами Data SecretsРейтинг потребительских ИИ-продуктов от a16z Венчур в картинкахA16Z: незанятые ниши для потребительских AI-продуктов Анна Блок | FrontendBlokАлиса AI обошла DeepSeek и Grok в рейтинге мобильных приложений

хайп · 6обновлено 2 нед назад

Венчурный фонд Andreessen Horowitz (a16z) опубликовал обновлённый рейтинг 100 главных потребительских ИИ-сервисов мира, включающий топ-50 мобильных приложений по MAU, веб-топ и рейтинг по выручке. ChatGPT безоговорочно лидирует по аудитории и доходам во всех категориях, а приложения Яндекса с Алисой AI стали единственным российским сервисом в списке, войдя в мобильный топ-15 и обогнав DeepSeek, Grok и Perplexity.

Рейтинг интересен не как снимок рынка «здесь и сейчас», а как индикатор того, куда движется consumer AI: в список теперь попадают не только AI-native чат-боты, но и привычные сервисы (видеоредакторы, браузеры), где генеративный ИИ встроен как основа пользовательского опыта. Это говорит о том, что рынок ИИ-стартапов «с нуля» достиг потолка, а дальше ИИ будет проникать во все существующие категории продуктов.

ии рейтинг стартапы chatgpt венчур яндекс

исследованиеИИ Наука ai nlp исследования отчет бенчмарки агенты

State of AI Report 2026: в разделе Research отмечены работы AIRS-Bench и HyperAgents

AI-редакция

2 источника · показать все· свернуть

Kali NovskayaВышел State of AI Report 2026 Mashkka про Data ScienceВышел State of AI Report 2026

собирается · 2обновлено 2 нед назад

Опубликован ежегодный State of AI Report 2026 — объёмный обзор индустрии, исследований, безопасности и политики в сфере ИИ. В категорию Research попали сразу две работы авторов, о которых идёт речь в постах: бенчмарк AIRS-Benchi и проект HyperAgentsi.

Отчёт продолжает расти в объёме из года в год и остаётся одним из ключевых ориентиров для тех, кто следит за состоянием отрасли ИИ.

ВыводОбъём отчёта State of AI Report 2026 составил 244 страницы

244 страницыобъём State of AI Report 2026

слайд 36упоминание AIRS-Bench

слайд 14упоминание HyperAgents

Полный разбор →

ai nlp исследования отчет бенчмарки агенты

ИИ IT ai ml inference baseten обучение инфраструктура

Baseten выпустила бесплатный учебник по инженерии инференса

M@ai_machinelearning_big_dataAI-инженер

2 нед

📌Baseten выпустила бесплатный учебник по инженерии инференса Платформа, которая хостит модели Cursor, Notion и Harvey, выложила в открытый доступ книгу Inference Engineering за авторством Филипа Кайли. который четыре года работает в Baseten и написал её по интервью с инженерами компании и собственным докладам.

Среди рецензентов - автор FlashAttention Три Дао.

Книга собирает в одном месте путь от выбора модели и GPU до мониторинга работающего сервиса.

Baseten основана в 2019 году тремя выходцами из Gumroad, четвёртым сооснователем стал Панкадж Гупта из Uber. Компания продаёт выделенные развёртывания открытых и собственных моделей клиентов, готовые Model APIs и инфраструктуру для дообучения, а также развивает открытый фреймворк упаковки моделей Truss.

Восемь глав объясняют, как сформулировать требования к продукту, как устроены модели и где они тормозят, прежде всего в механизме внимания, разбирают GPU NVIDIA поколений Hopper и Blackwell и программный уровень, от CUDA и PyTorch до движков vLLM, SGLang, TensorRT-LLM и Dynamo. Отдельные главы посвящены методам ускорения, моделям для речи, изображений и видео, а также эксплуатации - от автомасштабирования и батчинга до постепенной выкатки новых версий. Новичку книга даёт карту области и порядок действий - как определить задачу, бюджет задержки, стоимости и подобрать модель, а в последующем заняться оптимизацией. Базовые понятия вроде предзаполнения, декодирования и KV-кэша объяснены с нуля, а незнакомые термины можно найти в глоссарии. Опытным инженерам будут интересны пороги и практические правила. Для каждой техники ускорения автор объясняет, как она устроена, при каком трафике и размере модели окупается и чем рискует качество ответов. Отдельно сравниваются движки инференса и разобраны задачи эксплуатации, которые обычно приходится решать методом проб и ошибок. Последний раздел посвящён продуктам компании, а оборудование рассматривается почти целиком на примере NVIDIA, другим ускорителям отведено около двух страниц. 🔜 Запросить книгу бесплатно в форматах PDF, EPUB или аудиоверсию @ai_machinelearning_big_data #AI #ML #Inference #Book #Baseten

Baseten выпустила бесплатный учебник по инженерии инференса

ai ml inference baseten обучение инфраструктура

ИИ IT Продукт claude code ai github разработка автоматизация ci/cd

Облачные сессии Claude Code: руководство по запуску и сценарии использования

С@sergiobulaevAI-инженер

2 нед

Облачные сессии Claude Code: как запустить и что туда отдавать В блоге Claude Code вышел полевой гайд по облачным сессиям. Каждая задача получает свежую виртуалку с клоном репозитория в отдельной ветке. Можно запустить несколько сразу, и они работают дальше, когда вы закрыли ноутбук. За машину отдельно не платят, сессии тратят обычные лимиты Pro, Max, Team или Enterprise. Из терминала одна команда на задачу: claude --cloud "Найди флакающий тест, почини причину в коде и прогони тесты 30 раз подряд" Виртуалка клонирует ветку с GitHub, так что сначала пушим. Ещё сессию можно стартовать из claude.ai/code, приложения на телефоне, Desktop и Slack. Семь сценариев из гайда: разгрести бэклог параллельно, дать Claude доказать фикс сотнями прогонов тестов, спланировать локально и собрать в облаке (готовое забирается в терминал через claude --teleport), проверять сессии с телефона, отдать Claude упавший CI и комментарии ревью, запускать работу по расписанию или событию GitHub, гонять код, которому вы не доверяете. Если первая сессия не заводится, чаще всего виноват GitHub: доступов там два. Вход через GitHub открывает только публичные репозитории. Для приватных нужно поставить Claude GitHub App на аккаунт или организацию, где лежит репо. Если пользуетесь gh, внутри Claude Code хватит команды /web-setup. Auto-fix PR и триггеры GitHub всё равно работают только через App. Ваш ~/.claude в облако не едет, поэтому команды для тестов пропишите в CLAUDE.md репозитория. Сергей Булаев AI 🤖 - об AI и не только

claude code ai github разработка автоматизация ci/cd

ИИ flux 3 flux 3 video нейросети генерация видео ии flux

Flux 3: веса модели для генерации изображений и видео так и не опубликованы

AI-редакция

2 источника · показать все· свернуть

Метаверсище и ИИщеЗадержка релиза весов Flux 3 Метаверсище и ИИщеОтсутствие весов модели Flux 3 Image

собирается · 2обновлено 2 нед назад

Автор канала «Метаверсище и ИИще» второй месяц ждёт публикации весов модели Flux 3i — сначала версии для изображений, затем анонсированной версии для видео. Ожидание тянется с начала августа, релиза до сих пор нет, что вызывает недовольство в сообществе, следящем за генеративными моделями.

Если релиз весов так и не состоится или затянется ещё дальше, это ударит по репутации разработчиков Flux и по тем, кто планировал использовать модель в своих проектах — сейчас строить что-то на базе Flux 3 просто нельзя, так как публичного доступа к весаiм нет.

Полный разбор →

flux 3 flux 3 video нейросети генерация видео ии flux

Ещё ↓