Как менять Rust-код без перезапуска приложения Поменяли пару строк — и снова запускайте приложение, подключайтесь к БД, открывайте тестовые файлы, восстанавливайте состояние. Hotreload позволяет этого не делать: код обновляется прямо во время работы программы, а текущее состояние сохраняется. В Rust один из способов построить такой механизм — динамические библиотеки. На словах всё просто: пересобрали код, заменили библиотеку и продолжили работу. На практике быстро всплывают вопросы безопасности, синхронизации и производительности, а ручная обвязка начинает разрастаться. Автор разбирает эти проблемы одну за другой и в итоге сводит использование hotreload к #[hotreload] перед функцией — без необходимости переписывать места её вызова.

✔️ Alibaba представила генератор музыки HappyShrimp 1.0 Спустя 2 месяца после старта открытой беты состоялся релиз HappyShrimp 1.0 - генеративной модели, создающей законченные музыкальные композиции по тексту. HappyShrimp использует сквозную архитектуру, в которой трек создается как единое целое, позволяя избежать механического звучания голоса, рассинхронизацию текста с ритмом и нецелостную структуру трека. Модель умеет работать с абстрактными запросами, самостоятельно определяя жанр и инструменты под заданное настроение или контекст. Для управления предусмотрены расширенные параметры: указание темпа, тональности, состав инструментовки, пол и манера вокалиста, а также кривая эмоционального развития композиции. Вместе с моделью Alibaba объявила о партнерстве с лейблом Taihe Music Group, а в ближайшее время планирует выпустить отдельное мобильное приложение.

Все тексты, музыка, аранжировка и вокал для демо-ролика были созданы в HappyShrimp 1.0.

#news #ai #ml

Как статья 2014 года стала кнопкой на всех маркетплейсах На днях Elsevier (это крупнейшей научное издательство в мире, им принадлежат The Lancet, Cell, платформа ScienceDirect и т.д.) опубликовало список самых цитируемых учёных мира за 2025 год, и в топ-1% по ИИ и обработке изображений попали исследователи из Yandex Research - например, Людмила Прохоренкова (автор статьи про CatBoost) и Артём Бабенко. Новость важная, но чтобы она стала менее абстрактной и более "фичевой" - давайте на конкретном примере покажу, как научная цитируемость превращается в конкретную кнопку, которую мы жмём каждую неделю или около того. Год назад я разбирал, как все российские маркетплейсы разом - от Маркета до Озона и т.д. - одновременно внедрили примерно одинаковый поиск по фото. С тех пор он стал весьма востребованной фичей, кстати. Так вот, у него есть конкретная дата рождения: 2014 год, из статьи того самого Артёма Бабенко и его коллег про "нейрокоды". Идея там была довольно-таки хулиганская. Они взяли нейронку, обученную совсем другому - например, отличать питбулей от картошки (это кстати не так просто, если вы понимаете о чём я). Но вместо финального ответа вытащили из неё числа с внутренних слоёв. И оказалось, что эти числа представляют собой отличное описание картинки: если у двух фоток они близки, значит, на них похожие штуки. То есть, нейронку никто специально не учил искать похожие фотки, но она сама это делала. Плюс, бонусом выяснилось, что такое описание можно ужать до короткого вектора почти без потери точности - а значит, хранить и перебирать миллиард товаров можно экономически рентабельно. С тех пор любой поиск по фото примерно так и устроен. Ваша фотка кроссовка превращается в вектор, кроссовки в каталоге - тоже, и ближайшие векторы выдаются вам как результат. Это объясняет, почему фича у всех появилась одновременно и выглядит примерно одинаково. Потому что рецепт один, и он существовал уже давно. И как только обвязка под него достигла сносного уровня - его тут же все запилили. А конкуренция идёт уже не в самой фиче, а в том, насколько чисто размечен каталог и насколько годно сеть дообучили именно на своих товарах (в той статье 2014 года про пользу такого дообучения тоже написано, кстати). Так что, если вдруг маркетплейс по фото вашей кружки найдёт унитаз - не ругайте учёных. Нейронка всё делает правильно, просто кто-то поленился её дообучить. Фичизм

AI-агент Tolan, которым пользуются в основном женщины, поднял $30 млн Сегодня новостью про AI-агента сложно удивить. Их какое-то бесконечное количество. Но я сегодня прям погрузился в историю от Upstarts Media про стартап Tolan, которые делает одноименного агента и поднял $30 млн. Он специально уходят от вайба Кремниевой долины и делают агента для самых простых задач. А 70% аудитории у них женщины. Основатели Tolan — Квинтен Фармер (CEO), Аджай Мехта и Эван Голдшмидт. Фармер до этого делал необанк Even, который продал Walmart в 2022-м. А потом с партнерами стал экспериментировать с AI. Изначально их проект назывался Portola. И он был чуть про другое. Они экспериментировали с AI-агентом, куда можно наговорить идей, он бы их проанализировал и выдал варианты развития. При этом агент был с долгой памятью. Он мог запоминать, о чем с ним разговаривал пользователь в течение нескольких месяцев, и поддерживать беседу на базе этих знаний. А потом это трансформировалось в AI-агента для простых задач и для обычных людей. Основатели говорят, что они специально пытаются отойти от вайба Кремниевой долины, не позиционируют своего AI-агента на разработчиков или венчурных инвесторов. 70% аудитории у них женщины, 40% — родители. Пользователь создает себе мультяшного персонажа, придумывает ему имя и начинает общаться. Во-первых, фишка в общении с ботом, которому доверяешь и который помнит много подробностей. Во-вторых, он помогает с обычными делами — составить список покупок, не забыть про собрание в школе, про домашних животных проконсультироваться и так далее. Не сказать, чтобы у Talon было прям много пользователей, не миллионы. Им пользуются 250 000 человек. Средний возраст — от 30 до 45 лет. Но инвесторов, похоже, устраивает. Суммарно Talon уже привлек $60 млн, а в предыдущем раунде оценка была $120 млн. В этот раз не стали раскрывать. Но есть одна проблема. В среднем пользователи тратят от $10 до $200 в месяц в зависимости от объема использования. Но когда стартап пытается повышать цену, то это вызывает волну критики. Основатели говорят, что простые люди не готовы платить за AI-агента столько же, сколько те же разработчики за своих AI-агентов. Сейчас Talon убыточный. И инвестиции частично пойдут на то, чтобы сгладить ценовую политику. Расчет на масштаб. Мол, когда сервисом начнут пользоваться много людей, то все это выйдет в прибыль. В общем, AI-агенты можно делать и для самых обычных людей с самыми обычными запросами, которые не находятся на острие технологий. Максимально простые. И на такие AI-агенты даже есть спрос и интерес у инвесторов. @TheEdinorogBlog — тот самый канал про стартапы🦄

Что важнее маркетинг или продажи? В 19 лет я работал торговым агентом в Red Bull. Каждое утро загружал в свой «каблучок» по 100 коробок и ехал продавать в палатки с шаурмой, киоски с сигаретами и тд. А там, где уже продал, следил за выкладкой, чтобы покупатель видел, что Red Bull здесь есть. Самым сложным во всем этом был продавец шаурмы, который всегда хотел подешевле. У всех точек был один аргумент: — Ну не будет у меня Red Bull, так купят другой энергетик. Я спорил, рассказывал про бренд, что люди хотят именно Red Bull. Но убеждать получалось не всегда. Помню, нас позвал на квартальную встречу сам генеральный директор Грант Уинтертон. — Вы делаете самую важную работу! Компания вложила миллиарды, чтобы все знали продукт. Ваша задача сделать его доступным и видимым! Я сидел и думал «Мотивационная блевота. Ты пойди сам возражение в точке преодолей» Однажды стою у киоска, уговариваю продавца взять Red Bull. Подходит парень: — Red Bull есть? — Нет. — Адреналин Раш дайте тогда. Потом уже директором, я видел это много раз на разных рынках. Если поставить ноунейм-энергетик во все точки страны, а Red Bull только в часть, то (при всей маркетинговой поддержке), ноунейма будет продаваться больше. Человек, которому нужен энергетик не вспоминает рекламу, он открывает холодильник и берет то, что есть в наличии. А что окажется в этом холодильнике, решает не реклама, а торговый агент, который уговорил продавца шаурмы. Грант Уинтертон говорил, что самая важная работа у нас - селлзов. Продавец шаурмы говорил то же самое, просто другими словами.

Нейросеть без сервера и интернета — прямо во вкладке браузера. Насколько она умная? Мы проверили сами: 11 моделей, Mac на Apple M5, одни и те же 20 простых заданий — «столица Франции», «2 + 2», «повтори код ORANGE-42». Малыши на 26–360 млн параметров решили от 3 до 14 заданий. Самая крупная из них на «2 + 2» ответила: «as an AI, I'm unable to provide numerical answers» — «как ИИ, я не могу давать числовые ответы». Самая быстрая выдаёт 581 токен в секунду — и уверенно пишет «2 + 3 = 5». А Qwen2.5 на 1,5 млрд параметров уже решила 19 из 20: 44 токена в секунду, бесплатно и офлайн. Порог «здравого смысла» — где-то между 360 млн и 1,5 млрд. В «Фактосборке» мы сами запускаем AI-инструменты и показываем, где они ломаются, — без пересказов пресс-релизов. Подписаться → https://t.me/+pBwq7VP-4tAyMWQy #промо

Вы единственный продакт в стартапе. К вам приходят с вопросами — а к кому идти с вопросами вам?

«Я пришла в стартап менеджером продукта и сначала обрадовалась: мои задачи будут глобальными и будут влиять на весь продукт, я смогу сделать очень многое. Скорее всего, я не буду перекрашивать кнопку или отвечать за рост метрики на десятые доли процента, это будет что-то более сложное и ответственное. А потом вместе с ответственностью приходит вот что: разбираться нужно сразу во всем, а посоветоваться не с кем. Ты и есть тот человек, к которому приходят с вопросами. А куда с вопросами идти тебе?» — Настя, менеджер продукта в стартапе

Кажется, что главная трудность роли единственного менеджера продуктов в компании — не у кого учиться. На самом деле с источниками знаний проблем нет: профессиональные сообщества, конференции, менторские программы и просто общение с друзьями — все это помогает находить информацию. Не хватает другого — обратной связи конкретно на вашу работу. Статья объяснит, как устроена приоритизация, но никто не скажет, что ваш бэклог на квартал собран вокруг одного клиента, который громче всех доказывает важность фичи именно для него. В большой команде это заметит лид на ревью. В стартапе — только вы сами и возможно остальные недовольные клиенты, но это уже совсем другая история. Ментор может помочь, но и у него есть пределы. А часть особенностей этой роли вообще не про обучение — их полезно знать заранее. Ментор не заменит CTO По техническим вопросам никто не поможет вам так, как собственный технический директор: он знает архитектуру продукта и ограничения команды. Чем лучше вы понимаете друг друга, тем быстрее растете вы оба и ваш продукт. Свой рынок вы будете знать лучше ментора Ментор поможет проверить логику решения, но не скажет, чего хотят ваши клиенты. Здесь главный учитель — пользователи. В стартапе вы к ним ближе всего, и этим стоит пользоваться. Систему придется строить самим На ранних стадиях процессы в стартапах часто еще не выстроены или выстроены на скорую руку, «чтобы просто работало». Выстраивать их будете вы, и ошибок будет много. Где-то рост пойдет медленнее, чем в большой компании, зато опыт в этом деле вы получите колоссальный. Начните с одного процесса — как вы приоритизируете задачи, — и формализуйте его. Дальше действуйте в рамках правил, которые вы согласовали. Договориться о границах с основателем стоит на берегу В стартапе продуктовые решения часто принимает основатель. Обсудите на старте, какие решения приносите вы, а какие готовы брать с его стороны. Иначе вы будете отвечать за результат, которым не управляете. Как создать себе обратную связь: — Найдите одного-двух менеджеров продуктов из других компаний и раз в месяц разбирайте решения друг друга. — Записывайте ключевые решения и ожидаемый результат, чтобы потом было с чем сверяться (о таком журнале принятия решений мы уже рассказывали ранее). — Если оценить ваш уровень пока некому, сверяйтесь с картой компетенций. ИИ тоже может помочь, если просить его найти слабые места и аргументы за/против решения, а не оценить, хорошее ли оно. Так к кому идти с вопросами? Не к одному человеку, а к нескольким: с техническими — к CTO, с вопросами о рынке — к пользователям, с решениями — к коллегам-продактам, а с границами и системой — накапливать опыт, который будете получать на реальных задачах. Лида, который видит все и сразу, в стартапе часто нет. Поэтому такой круг обратной связи вам придется собрать самостоятельно. Но это точно окупится и даст кратный рост в профессии. @productmindset

Когда сотрудничество между командами начинает мешать работе В New Relic межкомандное сотрудничество поощряли настолько, что подобные достижения даже учитывали при повышении сотрудников. «Можете винить в этом меня!» — признаётся один из участников этой практики. Через несколько лет в инженерном подразделении стало невозможно реализовывать крупные проекты. Их поручали в том числе одному из «лучших менеджеров проектов», но они регулярно срывались. Все героически старались справиться, однако ничего не получалось. Обычно при проблемах между подразделениями руководители призывают «ломать организационные барьеры». Но в New Relic сотрудничество уже было частью корпоративной культуры. И призыв к ещё более тесной работе в такой ситуации выглядит как минимум спорным.