Harmonic Security привлек 50 миллионов долларов на защиту от утечек через AI Стартап помогает компаниям контролировать, что сотрудники отправляют нейросетям. Его небольшие модели анализируют запросы и отличают обычную рабочую задачу от передачи чувствительных данных, например, паролей. Кроме защиты, Harmonic показывает руководителям, для каких задач сотрудники используют AI. Есть интеграция с Claude, чтобы службы безопасности видели журналы активности и, в случае с Claude Enterprise, содержимое разговоров. В Harmonic говорят, что у них уже больше 100 клиентов, у которых в сумме миллионы сотрудников. https://finance.yahoo.com/technology/ai/articles/harmonic-security-raises-50-million-120000341.html

#Сеня_и_Даня_Здесь_Были Вчера интернетик, конечно, приподвзорвался мемами про утечку из OpenAI. Просто приведу три удачных. В Твиттере такого трэша просто суточная норма. Ну и утренние новости с полей Сени и Дани. Anthropic обновила Claude Code Desktop для работы с несколькими задачами одновременно В приложении появился обновлённый экран запуска сессий, а боковая панель показывает, какие задачи выполняются, какие завершены и где требуется ответ пользователя. Что ещё изменилось: Вложенные сессии для параллельных задач. Если попросить Claude выполнить несколько задач параллельно, он создаёт отдельную сессию для каждой. Результаты возвращаются в основной разговор. Предложения следующих действий. Во время работы Claude предлагает дополнительные задачи. Их можно запустить отдельной сессией одним нажатием. Боковые вопросы через /btw. Они открываются в отдельной вкладке, пока основная сессия продолжает работу. Сохранённые окружения. Можно сохранить набор папок, SSH-подключение или облачное окружение и повторно запускать там сессии. Для каждой папки предусмотрена возможность отдельного Git worktree. Наглядный прогресс. Внутри сессии обновляется список задач по плану Claude. Когда требуется участие пользователя, появляется карточка с кратким итогом. Отдельная панель показывает окружение запуска, контекст и изменения. @cgevent

Что происходит с AI UGC в 2026? 😐 Официально платформы не занижают просмотры AI-контенту, но за последний год они сделали три вещи, которые режут его де-факто. Давайте посмотрим, что делают самые крупные игроки 📱 В тиктоке уже почти год можно выбрать в настройках "меньше AI" в ленте, а сама платформа начала отслеживать AI через вшитые метки и вешать плашку, что контент сгенерирован. Я, кстати, эту настройку только недавно нашла Ютуб в январе снес 16 крупных слоп-каналов на 35 миллионов подписчиков, с июля убрал из монетизации generic и повторяющийся контент, а с 1 октября урезает дистрибуцию перезалитым шортсам без добавленной ценности. Напрямую про AI тут ничего нет, но AI-ролики чаще всего попадают именно в эти категории из-за массовости. Я сейчас тестирую, ок ли заливать видео с разными хуками, но одним боди, пока похоже что ок 🙂 Инстаграм пошел третьим путем - Моссери (сео инсты) в июле написал у себя, что фильтровать AI не будут, но будут лейблить, а дальше, по его мнению, люди сами пойдут к живым людям. Это кстати подтверждается отчасти тем, что у реальных людей больше эмоциональных комментариев в среднем, а у сгенерированного контента они в основном нейтральные Клод нашел мне кучу исследований, которые я не вижу смысла цитировать с цифрами, но вижу сама и тренд хорошо вырисовывается - люди устали от низкокачественного AI-контента, который косит под реальных людей и доверие к брендам, которые им злоупотребляют, падает В первой половине 2026-го наши AI-ролики в пейде были топ-перформерами, а в органике такие же набирали от силы пару тысяч просмотров. Причем в рекламе Meta сама скорее подталкивает использовать разные эйай-примочки для вариативности при запуске кампаний. Поэтому стартапы, которые помогают с маркетингом через сгенерированный контент, сейчас растут как на дрожжах, но в основном за счет спроса на платный маркетинг. Впрочем, и тут есть ограничения, так как метку ставят и в пейде, если в ролике фотореалистичный AI-человек, а в Европе с 2 августа по AI Act синтетический инфлюенсер продающий что-либо требует явного раскрытия при первом показе. Для нас это чувствительно - в рейде Европа была самым дешевым tier-1 рынком по CPA Я думаю, массовый AI-контент (про красивые сложные AI-фильмы я не говорю) будет концентрироваться в двух местах. Первое - пейд: там решают дешевизна и скорость итераций. Второе - дешевое и быстрое тестирование форматов и хуков, чтобы посмотреть, что цепляет, и только победителя переснять с живым человеком 😎 Ну и конечно, все это про видео. Сгенерированные карусели вполне себе живее всех живых в органике, у том числе и у нас. Про это скоро напишу пост 🤝

🧠 BERT жив. UltraBERT показал, что рецепт обучения может быть важнее дополнительных триллионов токенов. Вышли открытые энкодеры на 152 млн и 380 млн параметров с контекстом 32K. Для классификации текста, распознавания сущностей, поиска ответов, оценки качества и retrieval. Главная фишка обучения: • В одних примерах скрывают 5% токенов: это помогает классификации. • В других скрывают 50%: это помогает поиску. • Для каждого режима используют отдельную выходную голову. • Знания модели-учителя на 1,3 млрд параметров передают только примерам с 5% маскирования. Почему выборочно? В экспериментах дистилляция улучшала классификацию, но ухудшала поиск при высоком маскировании. Универсального «учитель всегда делает ученика лучше» не получилось. Ещё один показательный вывод: после 1–2 трлн токенов качество на прикладных задачах выходило на плато, хотя loss продолжал снижаться. По сравнению авторов, версия 380M лидирует на GLUE и BEIR среди сопоставимых энкодеров. Младшая модель достигает уровня RoBERTa-large в классификации при 2,3 раза меньшем числе параметров. Веса, код и лицензия Apache 2.0: https://huggingface.co/collections/dmis-lab/ultrabert Статья: https://arxiv.org/abs/2610.15028

Модель на 120 млрд параметров запустили на распределенном кластере из шести потребительских устройств Реддитор объединил Galaxy S24+, ПК с RTX 3060 (12 ГБ), бюджетный Windows-ноутбук и три разных MacBook/Mac mini в единый вычислительный кластер. Система смогла загрузить 4-битную квантованную версию LLM-модели gpt-oss-120b, требующую минимум 47 ГБ памяти. Технически запуск реализован через пайплайн-параллелизм (pipeline parallelism). Вместо полной загрузки весов на одно устройство слои нейросети были последовательно нарезаны и распределены между шестью узлами по локальной сети. Основную нагрузку взял на себя рабочий ПК, предоставивший 28.7 ГБ ОЗУ и ресурсы RTX 3060. Из-за задержек межпроцессного взаимодействия и разнородного железа скорость генерации составила всего 1.1 токена в секунду, что делает проект скорее доказательством концепции, чем практическим инструментом.

#Нейропрожарка «ГУСЬ» короткометражка для Astana AI Film Festival Авторы: Даниил Драненко, Елизавета Кишкимбаева, Татьяна Арыжакова, Светлана Литвиновская, Анастасия Федосова, Наталья Маршалкина 💡 Идея: Светлана Литвиновская 📝 Сценарий: Татьяна Арыжакова, Светлана Литвиновская 👤 Персонажи: Наталья Маршалкина 🎬 Монтаж: Даниил Драненко 🛠 Задача: создать короткометражку для конкурса Astana AI Film Festival (AAIFF) на тему «Будущее, в котором хочется жить». 💭 Как всё началось: Когда увидели первые работы на эту тему (космос, далёкое будущее, технологии, киберпанк), наша команда единогласно решила, что мы это делать не хотим, нам ближе что-то более реальное. Решили удариться в психологию. Потому что будущее это не только через 100 лет, но и через секунду, минуту, час, день. Будущее, в котором стоит жить, это не технологии и летающие машины, а связь между людьми. 🎞 Сюжет: Человек в шаге от того, чтобы спрыгнуть с моста, оказывается втянут в бешеную городскую погоню эксцентричным незнакомцем. И посреди этого хаоса случайно находит то, ради чего стоит жить. ⏱️ Срок: примерно 2 месяца мы работали в спокойном для нас темпе 🚧 Что было непросто: • Время суток. Каждая сцена сгенерированна в разное время суток, но важно чтобы это было сгенерировано гармонично, поэтому мы тщательно подбирали цветкор для каждой сцены свой. Главная сложность была в длинной сцена с диалогом в подворотне, Seedance упорно добавлял артефакты, лезла грязь в кадр и наш цветкор сбивался. Приходилось переделывать и корректировать на монтаже. • Эмоции. Нам очень хотелось, чтобы персонажи были живыми, а не наигранными, так как нейроне постоянно делают перебор. • Французский язык. Да, фильм на французском, а ни один из нас его не знает 😅 Каждую сгенеированную фразу приходилось проверять, потому что очень переживали, что герой будет говорить что-то не то. • Гусь это тоже главный герой. И это было непросто. Гусь не должен был просто стоять и быть. Он полноправный участник каждой сцены. В каждом кадре это продумывали отдельно. • 🚀 Seedance 2.0 vs 2.5: Почти весь фильм мы делали в Seedance 2.0, который объективно слабее 2.5. Подставой было то, что когда фильм был почти готов, вышла новая версия 2.5. Мы хотели отчаяться и перегенировать все, но вовремя сдержали себя 😅Несколько сцен нам удалось переделать уже на ней, но большую часть оставили как есть. Ну и нам кажется, что мы неплохо поработали в 2.0. 📝 Технические детали: • Генерации: Kling 3.0, Seedance 2.0 / 2.5 • Soul Cinema для локаций • Recraft для создания персонажей • Nano Banana pro для корректировок • Монтаж и цветкор: After Effects @cgevent

Может помните у Opus 5 в свое время была такая проблема что он оставляет в коде коменты на несколько страниц У меня они до сих пор лежат и путают новых агентов Да и у новых агентов тоже есть привычка оставлять коменты по типу "временный костыль, потом уберём". А потом каждый следующий агент воспринимает это как разрешенный прием, и повторяет Так вот у Cursor под это есть специальный скилл /no-comments:

1/ Запускается отдельный субагент в роли маньяка который ненавидит комменты (я не шучу 😈) 2/ Удаляет всё, кроме нескольких исключений: лицензии, доки публичного API, ссылки на issue и странности чужих библиотек, которые нельзя поменять кодом 3/ Затем основной агент проверяет за ним работу и чинит причины костылей

Если есть что-то, что нужно оставить, скилл предложит заменить его тестом или lint-правилом в CI Так как скилл изначально создавали под Cursor, нужно попросить своего агента адаптировать его под себя: - сам скилл - субагент маньяк И есть еще для Grok Bot: x.ai/bot/plugin/9717366 Я конечно не смотрю в код, а для агентов это лишний шум и трата токенов ☕ @tips_ai #tools

Как встраивать ИИ в продукт Полезно продактам, CPO и тем, кто сейчас автоматизирует команды и процессы. 1. ИИ может ухудшить ваш продукт. Он может быть медленным и ненадежным, или же решать проблему, которой ни у кого нет. Тот факт, что это ИИ, еще не означает, что его стоит разрабатывать. 2. Подумайте, нужно ли вам вообще разрабатывать ИИ. Зачастую лучше сначала создать что-то для ИИ, например, сервер MCP. Их проще создавать и поддерживать. 3. Ищите jobs to be done, а не демо. Лучшие возможности для ИИ — это задачи, выполнение которых занимает более 30 секунд, использующие код или интерфейсы, которые пользователи не знают (например, SQL), или задачи, которые пользователи повторяют более 20 раз 4. Онбординг — отличная первая цель. Визард установки с ИИ выполняет работу, занимающую два часа, за 8 минут. 5. Не спрашивайте: «Как добавить ИИ в это?» Спрашивайте: «Как выглядит agent-first-версия этого?» Такой вопрос заставляет переосмыслить jobs to be done для agent-first-будущего и помогает не быть разрушенным ИИ-native конкурентом. 6. Создание продуктов «формата 2030 года» может потребовать начать с нуля и отказаться от накопленных за годы UI-решений и допущений, которые больше не актуальны. 7. Следите за клиентами, которые пересобирают ваш продукт с помощью ИИ. Это показывает, какие функции им действительно нужны. Когда клиенты создают собственный прототип вашего продукта с помощью MCP и Claude Code, — нужно добавить в продукт больше настраиваемых «canvas»-артефактов. 8. Валидируйте ИИ-концепты также, как новые продукты. Запишите, по каким критериям будет оцениваться результат и какой runway у инициативы. Спросите, насколько команда будет разочарована, если её потеряет (PMF-опрос). 9. Опишите, как ваш продукт проигрывает ИИ-native угрозе, а затем профинансируйте собственную версию этого «атакующего». Даже лучший продукт поддержки проиграет продукту, где ИИ отвечает на все тикеты, — вероятно, поэтому Intercom так сильно развернулась в сторону Fin. 10. Ответьте на вопрос: чем это лучше Claude? Именно к нему люди обращаются по умолчанию. Ваш moat — это контекст: функциональность продукта, данные пользователей, а также инструменты и skills, которые вы построили. 11. Сосредоточьтесь на общей ИИ-инфраструктуре. Сделайте примитивы — промпты, стриминг, согласия, evals, задачи и аналитику, — которые продуктовые команды смогут расширять и встраивать в свои продукты. Выберите единый UX-паттерн, чтобы избежать «смерти от тысячи виджетов», а затем не мешайте командам. Продуктовые команды лучше знают своих пользователей, а не ИИ-команда. 12. Позвольте агентам запускать код. Исполнение кода даёт агентам возможности beyond predefined tools. 13. Позвольте агентам делать всё, что могут делать пользователи. Если есть инструмент создания эксперимента, но нет инструмента его запуска, агент сделает всё остальное и остановится, чтобы попросить вас кликнуть по UI. Это ограничивает возможности агентов. 14. Тестируйте продукт headlessly, чтобы развить «эмпатию к агентам». Проверяйте агентные фичи через CLI, чтобы сталкиваться с теми же точками трения, что и они. 15. ИИ не убивает ваш UI — он меняет его назначение. Меньше экранов для выполнения действий, больше — для одобрения, проверки и отмены действий агентов. Стройте UI, когда текста недостаточно. 16. Управляйте агентами на их уровне абстракции. Агенты работают лучше, если позволить им гибко писать и рассуждать. Перестаньте заставлять агентов использовать предустановленные query-инструменты и разрешили им писать собственный SQL. 17. Настройте ИИ-observability с первого дня: - Трейсите LLM-вызовы: входы, выходы, latency и стоимость. Это выявляет ошибки и проблемы, исправление которых даёт быстрый рост качества. - Отслеживайте использование агентами так же, как использование людьми. Агенты не генерируют pageviews или rageclicks, но можно отслеживать вызовы MCP-инструментов, запросы страниц и другое. - Используйте evals, но начинайте с малого. Вручную читайте трейсы, чтобы найти места, где ИИ ошибается. Создайте eval для проверки этой проблемы и улучшайте продукт, чтобы улучшить результат eval. Даже небольшие golden- или синтетические датасеты давали огромный прирост качества по сравнению с обычным циклом разработки. 18. Изучите unit-экономику ИИ-продукта. Наш визард стоит $6,67 за запуск, но улучшенная активация и retention стоят дороже. Переход трейс-саммари со стандартного gpt-4.1-nano на flex-уровень gpt-5-nano вдвое снизил затраты. 19. Многие сбои агентов — на самом деле сбои контекста. Добавление агенту значительно большего объёма контекста улучшило эффективность визарда сильнее, чем улучшенное reasoning, многошаговое планирование, субагенты, pruning и compaction. И Сделайте так, чтобы люди могли легко создавать контекст, которого агент не знает. 20. Прозрачная компания полезна для агентов. Ваши Агенты и агенты клиентов могут смотреть в кодовую базу, handbook и документацию, чтобы лучше понимать, как работает ваш продукт.

FreeVideo запускает MiniMax H3 на домашней видеокарте Заявленный минимум для генерации видео составляет 8 GB VRAM и 16 GB оперативки. FreeVideo работает плагином для ComfyUI, поддерживает LoRA, первый и последний кадры, а также референсы. Для Windows есть установщик, который сам подтягивает окружение и модели. В основе 8-шаговая VDN-H3 с гибридным attention. Движок распределяет веса между видеопамятью, оперативкой и диском, подгружая нужные части по ходу генерации. Для 8 GiB VRAM и 16 GiB RAM авторы приводят 13,8 секунды на шаг генерации, но это серверная H200 с искусственным лимитом памяти. Замера полного ролика на домашней 8 GB карте в документации нет. На Windows RTX 5060 Ti с 16 GB VRAM и 32 GB RAM генерирует 10 секунд видео в 768p за 486 секунд. Код и установка VDN Замеры @ai_newz

Про бокс, пояса и 190 тысяч боёв в одной базе Люблю бокс. Когда смотришь хороший бой, хочется понять регалии соперников: кто чемпион и чего именно. С любителями просто: одна федерация, олимпийский цикл, медали. В профи четыре организации: WBA, WBC, IBF, WBO. У каждой свои пояса, «суперчемпионы», временные и регулярные титулы, свои рейтинги. В одном весе может быть пять-шесть чемпионов одновременно. Простого способа понять, кто из них сильнее, нет. Вся индустрия при этом живёт на одном сайте. Ему лет двадцать. Данные не всегда точные, на запросы лимиты, спросить что-то простым языком нельзя. Это проблема не только болельщика. Мой тренер Тимур Ибрагимов (писал о нём здесь) часто ищет бои для своих боксёров. Нужен соперник в том же весе, с сопоставимым и не дутым рекордом, свободный в нужную дату. Без нормальной базы это звонки, переписки и всё тот же старый сайт, на котором нельзя сделать много запросов. Подобрать бой реально сложно. Недавно писал о найме Databricks-инженеров, и на собеседованиях в который раз восхитился тем, как искусно люди строят дата-пайплайны. Захотелось проверить себя и новые Fable и Astra: сколько из этого соберут агенты. Взял только открытые источники, без закрытых каталогов и копирования чужих баз. Сначала за выходные, потом в фоновых сессиях Claude и Codex написали десятки парсеров. Они читают Википедию на нескольких языках, протоколы атлетических комиссий Невады, Техаса и Калифорнии, результаты WBA, IBF и Британского совета по боксу, японские карты боёв. Код агенты писали сами, но под присмотром. Сергей Булаев, с подачи которого я когда-то пересел на Claude Code, помогал техническими советами: SEO, видимость в AI-поиске, базовая оптимизация сайта. Что из собранного важно людям из бокса, а что нет, объяснял Тимур. После каждого разговора с ним список того, что надо собирать, менялся. Так получился boxerbook.com: • около 190 тысяч боёв с 1880-х, у каждого видно, откуда данные и насколько они подтверждены • больше 13 тысяч боёв подтверждены официальными протоколами комиссий • собственный рейтинг, где у каждой цифры есть объяснение: почему боксёр стоит здесь, а не выше • титулы и пояса всех организаций в одном месте • календарь и результаты боёв - обновляются сами каждое утро • любительские карьеры и медали • больше 5 тысяч боксёрских залов Скоро добавлю агентов для болельщиков и промоутеров: можно будет спросить кто сильнее, когда следующий бой, почему у него такой рейтинг и получить ответ со ссылками на источники. Аналитики пишут, что главная защита приложения от конкурентов - данные, которые сложно собрать и поддерживать в актуальном состоянии. Так ли это сложно, когда есть современные инструменты? В каждой нише есть сайт или приложение двадцатилетней давности, на котором держится вся индустрия. Его терпят, потому что альтернативы нет. Чтобы повторить такую базу, нужно было годами собирать данные руками. Если исходники лежат в открытых протоколах и архивах, эту работу можно отдать агентам в фоновых сессиях. Сложнее всего было понять, какие вопросы вообще важны. Некоторые из них не задали бы ни Claude, ни Codex, ни я. Их принёс человек, у которого за плечами больше двухсот боёв. Посмотрите и напишите, чего не хватает: boxerbook.com @maxvotek | linkedin | substack

Возможные косяки при работе с агентами: • Ставите reasoning effort выше, чем нужно • Скилы размером с диссертацию • Начинаете работу, не обсудив с агентом цель и план • Или согласовываете каждый чих по полчаса • Автопроверки пропускают слишком много косяков • Самописные тулы жрут токены впустую • Мало авто- self- ревью • Не разбираете с агентом прошлые сессии • Слишком много ревьюите руками • Мало вайбкодите прототипов (show, don’t tell) • Агент не может сам проверить свою работу • Нянчитесь с ним на каждом шаге • Запихнули всю жизнь в глобальные AGENTS.md / CLAUDE.md • В кодовой базе сложно найти нужное • Не договорились с агентом, что как называется • Архитектура позволяет писать бесполезные тесты • Мало думаете стратегически • Да и вообще мало думаете

Проверять идею нового продукта иишкой вместо живых людей соблазнительно: дёшево и за вечер. Обманываться и находиться в иллюзии в целом тоже приятно, да ведь?🤭 Продакты, которые сравнивали AI-респондентов с живыми людьми, жалуются на одно и то же: ai-клиент ожидаемо хвалит всё подряд. Nielsen Norman Group проверили это на трёх своих исследованиях. Реальные пользователи признавались, что курсы часто бросают, а синтетические уверяли, что прошли всё. В одной из компаний, где я работала, у нас был сегмент ЦА, который мы звали big boys toys. На словах клиенты покупали робота ради автоматизации, а по факту покупали статусную игрушку. AI вряд ли бы такое выдал: в интернете, где ai берет инфу, про роботов пишут про окупаемость

Ребята, AI-респондент это модель, прогноз, а не исследование. Гипотезы и вопросы интервью с ним готовить можно, а вот вкладываться в продукт я бы стала только после разговоров с ЦА.

Живые касдевы с настоящими инсайтами точно дадут вам преимущество перед тыщами вайбкодеров. Которые дрочат на проводят иишные исследования и радуются, когда иишка «все правильно разложила» А вы что думаете?

✔️ AI Welding Agent: ИИ-система для сварочных роботов Японский производитель промышленной робототехники FANUC в партнерстве с Google анонсировал решение AI Welding Agent на базе Gemini Enterprise. Система реализует концепцию сварки без предварительного обучения манипулятора. Алгоритм анализирует инженерный чертеж детали, распознает свойства материалов и геометрию конструкции, после чего автоматически формирует как физические параметры дуги (силу тока и напряжение), так и готовую пространственную программу перемещений. Оператору остается лишь запустить процесс или внести точечные корректировки. Комплекс аппаратно независим и работает с любыми поддерживаемыми источниками сварочного тока, для сканирования документации не требуется дополнительное оптическое оборудование - снимок делается встроенной камерой стандартного планшетного пульта обучения устройства линейки FANUC CRX. AI Welding Agent будет показан на Международной сварочной выставке, которая пройдет в Токио с 16 сентября, а коммерческие поставки запланированы на конец декабря 2026 года. @ai_machinelearning_big_data #news #ai #ml

Приколы автоматизации 😀 Я тут вам тизерила, что пытаюсь собрать инструмент для частичной автоматизации аутрича для отдела До финальной версии еще далеко, но первая часть уже работает и, честно, довольно сильно упростила жизнь))) Что сделала: ✖️Написала агента в Codex Внутри уже прописаны наши ICP, правила поиска лидов, логика написания цепочек и подключены все нужные API ✖️Поиск контактов почти полностью автоматический Мне остается придумать гипотезу, немного пообщаться с GPT и собрать список компаний. Дальше агент сам ищет нужных людей, LinkedIn, рабочие имейлы и телефоны (это не Lusha или Apollo 😅) ✖️Команде вообще не нужно лезть внутрь всей этой конструкции Я презентовала им инструмент, но сам агент и вся админка остаются у меня. Для ребят интерфейс – обычная таблица, в которой они и раньше работали ✖️Подготовка аутрича тоже делается сама Контакты раскладываются в нужном формате, генерируются цепочки писем (по шаблонам, либо можно сделать самому), готовятся инвайты, лайки и касания в линке ✖️Статусы по лидам тоже подтягиваются автоматически Не нужно руками отмечать каждое действие и постоянно следить, кому уже написали, а кому еще нет В общем, пока я не дошла до прекрасного мира, где нажимаешь одну кнопку и тебе на календарь сами падают созвоны))) Но уже удалось убрать довольно большую стремную часть работы, на которую сейлз вообще не должен тратить время: искать контакты, перекладывать данные между таблицами, форматировать списки и вручную обновлять статусы К слову, перед тем, как хотя бы посмотреть в сторону автоматизации, я весь этот путь делала руками 😉 Хочу еще добавить почту и телеграм, но пока надо отладить хотя бы то, что есть! Теперь самое интересное – посмотреть, приживется ли это у команды и даст ли в итоге что-то кроме красивой автоматизации)))