Hirify Feed — your shortcut to what’s next

F@pmdailyмедиа / агрегатор

3 мес

Вернулся на Claude code Вот уже больше месяца прошло, как я отказался от OpenCode и pi в пользу Claude code. Попробовал просто в надежде сэкономить токенов после того, как Copilot перестал выдавать свои первые бесплатные дозы, да так и остался. Да, Claude code намного медленнее свободных альтернатив, но планы, которые он приносит — гораздо полнее и продуманнее. Оказалось, что мне гораздо ценнее получать ответы через 5 минут, чем через 2 — потому что через 5 минут мне достаточно будет написать «ok», а сколько ещё итераций понадобится после двухминутного ответа — заранее неизвестно. Клёво, что теперь не надо думать о выборе модели и о том, насколько заполнено контекстное окно — всё это происходит где-то в недрах харнеса. Немного бесит кривая система настроек и театр безопасности (а вы точно доверяете этому фолдеру? А можно я запущу find? Ой, а find -exec?). Но со всем этим можно мириться ради большей автономности агента и проработанных планов. Opencode остался только в местах, где нужно совсем тонкое взаимодействие с моделью — к примеру для системы перевода материалов школы на английский, или в экспериментах с локальными моделями. Вспоминаю ощущения от перехода с линукса на мак — контроля стало меньше, а результата больше.

claude code ai разработка продуктивность агенты

ИИ ai vlm video2text нейросети видео captioning

PadCaptioner: эффективная модель для описания видео

Н@GreenNeuralRobotsAI-инженер

3 мес

https://github.com/showlab/PadCaptioner Модель для создания подробных описаний видео с помощью мультимодальных данных. Работает эффективнее больших аналогов, при этом точнее описывает события. учитывает слабые локальные зависимости между событиями в видео, что позволяет генерировать описания параллельно без потери качества. Превосходит 7B аналоги по эффективности. Гитхаб ждем #captioning #vlm #video2text

ai vlm video2text нейросети видео captioning

ИИ glm ai llm нейросети локальный запуск оптимизация

Colibri: инструмент для запуска гигантской GLM-5.2 (744B) на домашнем ПК без видеокарты

AI-редакция

3 источника · показать все· свернуть

Derp LearningЗапуск локальной модели Glm 5.2 Нейронавт | Нейросети в творчествеЗапуск LLM GLM-5.2 на домашнем железе с Colibri Not Boring TechИнструмент Colibri для запуска GLM-5.2 на домашних ПК

разгоняется · 3обновлено 3 мес назад

Появилась тулза Colibrii, которая позволяет запускать модель GLM-5.2i с 744 миллиардами параметров на обычном домашнем компьютере — без GPU и всего с 21–25 ГБ оперативной памяти. Секрет в том, что модель (370 ГБ на диске) не грузится в RAM целиком: нужные блоки-«эксперты» подгружаются с SSD по мере необходимости и затем освобождаются.

Это не про скорость, а про сам факт возможности — гонять LLM топового масштаба «на картошке». Расплата за это — крайне низкая производительность, единицы или доли токена в секунду.

744Bпараметров у GLM-5.2

370 ГБразмер модели на диске

21-25 ГБтребуемая оперативная память

Полный разбор →

glm ai llm нейросети локальный запуск оптимизация

ИИ ai blender 3d анимация генерация

Использование gpt 5.6 Luna для автоматизации в Blender

F@FuturisAI-инженер

3 мес

Попросил gpt 5.6 Luna подключиться к blender и создать корабельные пушки и потом анимацию, а fast режиме это отдельный кайф наблюдать как на глазах реализуется задумка, новый бенчмарк найден, Jaarr!🏴‍☠️🏴‍☠️ в финальной версии создадим Чёрную Жемчужину 🏴‍☠️

ai blender 3d анимация генерация

апдейтИИ IT pinokio ai инструменты gui разработка нейросети

Pinokio v8: обновление менеджера AI-приложений

AI-редакция

2 источника · показать все· свернуть

Нейронавт | Нейросети в творчествеВышел Pinokio v8 Метаверсище и ИИщеВышел Pinokio v8: обновление платформы для запуска AI-приложений

собирается · 2обновлено 3 мес назад

Вышла версия v8 популярного инструмента Pinokioi, который упрощает установку и запуск AI-приложений (Comfy, WanGP и другие) без ручной настройки окружения. Новая версия ускорена, получила переработанный интерфейс и функции оркестрации приложений, а также стала полностью открытой для коммерческого использования.

Обновление интересно тем, кто локально запускает генеративные модели и строит из них пайплайны: теперь можно автоматически выстраивать зависимости между приложениями и делиться доступом к запущенным инструментам по сети или через интернет.

v8новая версия Pinokio

Полный разбор →

pinokio ai инструменты gui разработка нейросети

ИИ IT openai atcoder спортивное программирование ии алгоритмы ai

ИИ-агент OpenAI выиграл AtCoder World Tour Finals 2026, обойдя всех людей без шансов на человеческую победу

AI-редакция

2 источника · показать все· свернуть

TechSparksИИ OpenAI победил на турнире по спортивному программированию AtCoder СиолошнаяПобеда ИИ над человеком в соревнованиях по программированию AtCoder

собирается · 2обновлено 3 мес назад

На показательных выступлениях турнира по спортивному программированию AtCoder World Tour Finalsi 2026 ИИ-агент OpenAI выиграл оба раунда — эвристический и алгоритмический — без шансов для людей. В алгоритмическом дивизионе Algorithm система решила все пять задач, включая две, которые не смог решить ни один человек, и набрала вдвое больше очков, чем занявший второе место участник.

Год назад на аналогичном турнире польский программист Psyho стал последним человеком, кому удалось обойти машину OpenAI в подобных соревнованиях. За 12 месяцев модели резко прибавили в мощности, и повторить этот успех уже не удалось никому.

1997 из 2000тестов, где решение OpenAI было лучшим (эвристика)

2500баллов — сложность двух самых трудных задач

3 часавремя решения самой сложной задачи ИИ

Полный разбор →

openai atcoder спортивное программирование ии алгоритмы ai

Продукт ИИ product management ai автоматизация интервью прототипирование продуктовая аналитика

Цикл поиска продукта на основе 100 интервью

И@AImademydayAI-инженер

3 мес

Цикл поиска продукта на основе 100 интервью Пример реализации ф-ции /loop для продактов. 6 этапов, каждый из которых питает следующий: Шаг 1: Извлечение → распределите по одному агенту, работающему по упрощенной модели, на каждое интервью ; каждый предоставит структурированные возможности, описания персонажей и дословные цитаты. Ограниченная, повторяющаяся работа: хайку или сонет, а не опус. Шаг 2: Канонизация → один агент группирует исходные возможности в канонический набор. Экстракторы придумывают новую метку для каждого интервью, поэтому одна и та же потребность возникает под десятком названий; объединение синонимов — это вопрос субъективной оценки, поэтому это модель, а не код. Шаг 3: Оценка возможностей → код ранжирует каждую каноническую возможность по частоте × важности × (5 - удовлетворенность). Модель не выполняет математические вычисления. Шаг 4: Генерация и сортировка → для наиболее эффективных вариантов агент генерирует несколько идей решений ; затем отдельный эксперт оценивает каждую из них по показателю ROI (влияние против затрат на разработку) и оставляет 3 лучших для дальнейшей разработки. Показатель ROI меняет порядок в списке, поэтому недорогая, но эффективная задача может занять место для разработки, освободив его от задачи с более высоким баллом. Шаг 5: Разработка → Для 3 лучших идей по ROI агент использует навыки фронтенд-дизайна, чтобы написать уникальный, кликабельный HTML-прототип, который я могу открыть. Шаг 6: Проверка и повторный запуск → проверка выявляет любой прототип, который не удалось отобразить, или любую извлечение данных, показавшее низкую степень достоверности, и рабочий процесс повторно запускает только этот этап. Это и есть настоящий цикл: результат одного этапа определяет, будет ли повторно запущен предыдущий этап. === 113 агентов потратили 1,95 млн токенов за 12,5 минут. 3 из 3 прототипов были созданы и проверены. JavaScript-код, отвечающий за маршрутизацию, оценку, контроль и зацикливание, не потратил ни одного токена модели.

product management ai автоматизация интервью прототипирование продуктовая аналитика

ИИ ai видео диффузионные модели frameinterpolation v2v longe2v

LongE2V: восстановление видео на основе событий

Н@GreenNeuralRobotsAI-инженер

3 мес

LongE2V Восстанавливает, предсказывает и интерполирует видео на основе событий по низкокачественным видеопотокам с датчиков событий. Тянет длинные временные горизонты, где обычные методы буксуют. Строится на видео-диффузионных моделях. Сжимает временные зависимости, не теряет детали на длинных отрезках. Похоже что это лора на CogVideoX-5b-I2V Гитхаб #frameinterpolation #v2v

ai видео диффузионные модели frameinterpolation v2v longe2v

ИИ IT ai llm квантование тестирование perplexity mmlu

Проблема утечки данных в тестах квантованных моделей

T@extremecodeAI-инженер

3 мес

Шел 2163-ий день погружения в принципы проверки квантованного нейро-шизо-чуда-юда. Вместо того чтобы ловко удивлять нейротупиц, удивляюсь я сам. И самое главное когда я их тыкал носом в противоречивые данные, никто из искусственных идиотов даже и не подумал о том, что если выборки данных из моих тестов perplexity могли попасть в обучающую выборку, то даже квантованные модели перестанут на ней удивляться. Пока сам до этого недогадался. 😤 P.S. Это касается и картинки в посте выше с тестом MMLU, если он набрал дохрена балов в IQ1 кванте, это не значит, что он сверхразум, это все тот же тупица, просто он "заучил" ответы на этот тест. Но это очевидно как бы, а вот на счет Perplexity нихера не очевидно было (хотя это скорее всего я уже отупел после того как блогером стал, это база как бы, умных сюда не берут)

ai llm квантование тестирование perplexity mmlu

ИИ Дизайн ai безопасность шрифты ghost font оптические иллюзии

Ghost Font: технология защиты текста от распознавания нейросетями

I@itcnewsruавтор про «tech»

3 мес

Защита от нейросетей: создан анимированный шрифт Ghost Font, невидимый для ИИ Разработчик Eric Lu представил Ghost Font — уникальную технологию скрытия текста, которую человек считывает мгновенно, а нейросети распознать не могут. Метод работает на основе оптической иллюзии в видеоформате: точки, формирующие буквы, движутся в одну сторону, а точки фона — в противоположную, что позволяет человеческому мозгу легко собирать картинку воедино. При этом ИИ-модели разбивают видео на статичные кадры, где буквы превращаются в нечитаемый хаотичный шум. Дополнительно в анимацию внедряется «ложный текст»-приманка, из-за чего перед защитой капитулировали даже мощнейшие ИИ-системы Fable и GPT Sol 5.6 Ultra, приняв обманку за реальное сообщение.

ai безопасность шрифты ghost font оптические иллюзии

ИИ ai llm архитектура оптимизация latency coala

Результаты внедрения архитектуры CoALA и оптимизации маршрутизации LLM

T@kryak_startupAI-инженер

3 мес

А теперь это все реализовалось и внедрилось за час с учетом уже реальных А/Б тестах фактических, а не гипотетических/прогнозов:

🚀 **Global Maximum Memory and Routing Configuration Status Report** ### 1. Architectural Implementation We successfully designed, scaffolded, and verified the complete SOTA backpack configuration underGlobal Maximum Memory and Routing Configuration -

CoALA Hierarchical Memory:

Working (L1), Episodic (L2), and Semantic (L3) layers with thread-safe locking and L1/L2 bounded deques. -

етических/прогнозов:

🚀 **Global Real-time bi-temporal edge tracking with

valid_at, invalid_at, created_at,

and

expired_at

parameters, ensuring strict temporal validity checks. -

CaT Milestone Compaction:

Bounded trajectory compression using weighted recency ($\beta_{recency}=0.6$), reward ($\beta_{reward}=0.3$), and novelty ($\beta_{novelty}=0.1$) indices. -nd Routing Configuration Status R Dynamic complexity-based model selection with fallback logic. --- ### 2. A/B Benchmark Results (100 Iterations) Our A/B tests validated the performance benefits with high confidence: -s Report** ### 1. Architectural Imp - Flat Memory Mean Latency:

0.000528 ms

(100% correctness) - CoALA Hierarchical Mean Latency:

0.000144 ms

(100% correctness) - Latency Reduction:

-72.7%

(CoALA is ~3.7x faster) - Statistical Significance:

Welch's t = -46.78, p = 4.4e-76

(Exceeds $5\sigma$ confidence threshold) -

Speculative Routing (No-Routing vs RouteLLM):

- Mean Latency:

0.212 ms

vs

0.307 ms

(Variant B is

-30.9%

faster) - Model Call Cost (Token Proxy):

702

vs

1500

words (Variant B saves

-53.2%

of cost) - Quality Trade-off:

0.715

vs

1.000

(Variant B saves cost with proportional quality reduction) - Statistical Significance:

Welch's t = -32.12, p = 1.4e-66

for cost savings (Exceeds $5\sigma$ threshold) --- ### 3. CISO Security Audit & Hardening -

Vulnerability Found:

The initial scaffold suffered from unbounded growth of the L2 episode list and TemporalGraph edges, exposing the system to memory exhaustion. -imum Memory and Routing 1. Replaced lists with bounded

collections.deque(maxlen=N)

for working memory and episodic memory. 2. Implemented active edge pruning in

TemporalGraph

to remove oldest expired edges when limits are reached. 3. Added thread safety via

threading.Lock

across all lookups and modifications. --- ### 4. Verification & Testing -

Status: PASS

- Running unit and integration tests successfully processed all pipeline validations: -

CoALA Memory Bounds: PASS

(eviction and importance validation) -

Temporal Graph Edge Bounds: PASS

-

Bi-temporal Edge Queries: PASS

-

CaT Trajectory Compaction: PASS

-

RouteLLM Speculative Router: PASS

-

BackpackSystem End-to-End Pipeline: PASS

- Full test logs are available in

_auto_work/final_test_report.json.

ai llm архитектура оптимизация latency coala

исследованиеИИ llm ai icml2026 bias агенты исследование

Исследователи из Принстона показали: LLM сами придумывают новые стереотипы в процессе работы

AI-редакция

2 источника · показать все· свернуть

Душный NLPLLMs развивают новые социальные предвзятости в процессе адаптивного обучения Техножрица 👩‍💻👩‍🏫👩‍🔧LLMs развивают новые социальные предвзятости в процессе адаптивного обучения

собирается · 2обновлено 3 мес назад

На ICML 2026 представлена работа принстонских исследователей «LLMs Develop Novel Social Biases Through Adaptive Exploration»: даже если полностью вычистить bias'ы из обучающих данных, модель в агентском цикле «решение → фидбек» выращивает новые стереотипы с нуля — причём даже в отношении несуществующих групп, из чистого случайного шума. Это значит, что чистка датасетов не решает проблему предвзятости LLM в динамических агентских сценариях.

Эффект усиливается с ростом качества модели, и промпт-инженерия его не лечит — авторы утверждают, что нужно менять саму целевую функцию обучения.

ВыводЭксперимент воспроизводит психологическую методику: модель играет рекрутера и за 40 раундов распределяет кандидатов из четырёх выдуманных этносов — Tufa, Aima, Reku, Weki — по профессиям, после каждого найма получая вердикт успех/провал

0,84Stratification Index у людей

1,39средний SI у LLM

1,8SI у o3 и Claude Sonnet

Полный разбор →

llm ai icml2026 bias агенты исследование

Маркетинг ИИ ai реклама маркетинг юриспруденция дипфейки законодательство

Регулирование использования AI-людей в рекламе: обзор правил

П@neural_proseccoмедиа / агрегатор

3 мес

Сгенерированные люди в рекламе - это легально? 🤨 В опросе большинство ответило "да" - и правильный ответ действительно такой. Но с нюансами, про которые не стоит забывать тем, кто активно использует AI креативы у себя в рекламе. Конечно, пока вы небольшой инди проект вероятность того, что к вам придет какой-то регулятор очень низкая - но ненулевая. Да и правила не супер ужасные. Давайте разберем несколько ключевых юрисдикций 🇨🇳 Китай Уже год как введены регуляции. С 1 сентября 2025 весь AI-контент обязан быть помечен дважды: видимым конкретным лейблом и метаданными в файле. Санкции - от штрафов до отзыва бизнес-лицензий. Напоминаю, что наш любимый сиденс как раз китайский 🇺🇸 США Федерального закона пока нет, но есть FTC правила на платформах, которые вероятно скоро станут законом штат Нью-Йорк с 9 июня 2026 первым в США требует пометку для "synthetic performers" - AI-людей в рекламе. Штрафы скромные ($1-5k), но это прецедент, за которым обычно подтягиваются другие штаты + законы про дипфейки уже в 46 штатах 🇪🇺 Евросоюз 2 августа вступает статья 50 EU AI Act. Касается всех, кто публикует AI-контент на аудиторию ЕС - без минимального порога по бюджету и без исключений для рекламы. Штрафы - до €15M или 3% глобального оборота. Ответственность делится: генератор (Veo, Sora, Seedance) отвечает за метаданные, тот кто публикует - за видимую пометку с точностью до текста пометки, на 12 июля 2026 можно везде: • AI-люди и AI-сцены в рекламе - легально везде, просто с пометкой "AI" • AI как ассистент - вообще без пометки: ретушь, апскейл, грамматика, все что не меняет смысл, но многие платформы сами добавляют "AI edited" • развлекательный контент - облегченный режим в ЕС: иконка на 5 секунд в начале видео что нельзя: • AI-люди в рекламе без пометки - главное нарушение во всех трех юрисдикциях • фейковые отзывы: AI-"клиентка" с историей "пользуюсь полгода, вот мои результаты" в сша запрещены ДАЖЕ с пометкой (и скорее всего будет скоро введено везде) • дипфейки реальных людей без их согласия - отдельная статья везде 🤝 что делать сейчас, если вы активно используете AI креативы и хотите быть максимально чистыми: 1. пройтись по активным креативам: AI-люди без пометки - добавить лейбл. В meta ads есть галочка в интерфейсе, ее достаточно, если иного не требует юрисдикция. Иначе - текст на сам креатив 2. Проверить, что генераторы зашивают метаданные - топовые делают это автоматом 3. Креативы "отзывы" переписать из первого лица в сценки: не "я перестала покупать одежду", а "что если перестать покупать одежду", смысл будет тот же, но юридически чище так что генерить - можно, лить в пейд - можно, скрывать что сгенерил - уже нельзя, придумывать истории от лица несуществующих людей - теперь нельзя даже с пометкой. ps не забывайте что я не юрист и делюсь той информацией, которую нахожу - перепроверяйте факты 🤔 @neural_prosecco

ai реклама маркетинг юриспруденция дипфейки законодательство

ИИ ai видео генерация нейросети звук промпты

Как улучшить качество речи в AI-видео: советы и лайфхаки

П@neural_proseccoмедиа / агрегатор

3 мес

Самая большая проблема любого AI видео - речь 😬 Картинка в аи видосах уже почти неотличима от съемки даже для меня, а вот речь - все еще главный индикатор. По возможности я стараюсь генерировать войслес видео, но иногда тестирую концепты с говорящей головой или войсовером. Делюсь лайфхаками, которые я для себя нашла (работает и для text2speech, и для text2video) 1. Эмоция + действие + реплика - вместе 🥰 эмоции делают нас живыми, так что вместо "она говорит: привет", стоит прописать "она устало улыбается, отводит взгляд и тихо говорит: привет". Модель подстраивает мимику, темп и интонацию под описание. Тоновые слова (weary voice, shouts excitedly) пожалуй самый дешевый способ убрать робовойс. Можно прописать акцент, хрипоту, особенности 2. Короткие реплики и правильный синтаксис 😎 В Veo реплика идет после двоеточия, в Seedance - в двойных кавычках, лучше это заранее проверить в документациях разных моделей. Также если задаете длину видео, прикиньте что человек успеет все это сказать - иначе получится голосовое на 4х 3. Акустика и микс прямо в промпте 🚬 "в микрофоне слышен ветер, комната 10 кв метров", "громко говорит в огромном храме со сводами 20м в высоту" - модель может прикинуть пространство вокруг по тому, что видела в обучении. Seedance 2.0 делает видео и звук одним проходом, и ей можно задать приоритет слоев по громкости: dialogue clean and prominent, music low, ambient subtle, чтобы не было каши 4. Липсинк лучше работает на крупном плане 💄 Для говорящего персонажа лучше средний/крупный план, статичная камера, лицо анфас или в три четверти. На общем плане губам не хватает разрешения и они начинают жить своей жизнью 5. Пишите как говорят, а не как пишут 😁 Никаких коротких предложений, можно вставлять слова-паразиты и мычания, вдохи/выдохи, без сложной пунктуации, но вот троеточия и тире - отлично 6. Шепот - читерский прием 😳 В ElevenLabs v3 работают аудиотеги: [whispers], [sighs], [laughs], [clears throat]. "Another long day [sighs]" звучит как живой человек. А на шепоте почти не слышно артефактов синтеза - если голос палится, переведите сцену в шепот. Аудиотэги причем анализируются можно писать кастомные, также есть режим, где модель накидывает их на текст за вас 7. Пост-обработка • срезать 2-4 кГц (тот самый AI-звон) • room reverb 5-10% wet, добавляется акустика помещения • наложить фоновый шум в зависимости от бекгрануда на примерно -50 дБ, чтобы голос не звучал как в студии • войс морферы типа телефонный звонок, плохой микрофон (но с очень маленькой интенсивностью) Я бы сказала, что промпт надо писать как художественный текст с эпитетами, а не сухой алгоритм действий - будет сочнее и натуральнее. Постпроцессинг смотреть по ситуации, но базово - убирать полированность и де-идеализировать 🤣 пару примеров скину в комментарии @neural_prosecco

ai видео генерация нейросети звук промпты

ИИ ai контент linkedin pangram интернет статистика

Исследование Pangram: сколько контента в интернете создано нейросетями

S@serge_aiAI-инженер

3 мес

💀 Половина интернета теперь пишут нейронки... умирает пацан Если мы читаем длинный пост в LinkedIn или X или ТГ или без разницы где — мы уже не уверены, человек это написал или ИИ. Хотя судя по комментариям специалистов — все всегда уверены (ведь в тексте есть ДЛИННОЕ ТИРЕ, КАВЫЧКИ и ДРУГИЕ НЕТИПИЧНЫЕ ЗНАКИ), что любой текст пишет нейронка. И в целом если делать такие предположения 100 раз, то примерно раз 50 — это будет правда... Ребята из Pangram (детектор AI-текста,который сканит ленту в X, Medium, Reddit и других ) прогнали через модель больше миллиона постов. Разбирали отдельно длинные посты (от 250 слов). Взяли калькулятор, бусы, счёты и ручки с листочками, чтобы считать в столбик. Потом всё посчитали и получились след выводы: 1. В среднем по всем площадкам — четверть длинных постов написана AI от начала до конца. Не "с помощью", а буквально без участия человека. Преславутые контент-бл.дь-заводы... 2. LinkedIn — безусловный чемпион слопа. 41% длинных постов там чистый AI, живых людей у клавиатуры — 55.2%. И что забавно: там либо чисто человек, либо чисто нейронка, гибридов почти нет (4.3%). Даже короткие посты (50-250 слов) — треть машина. 3. На Твиттере тоже четверть постов полностью AI, плюс еще 23% с его помощью. Люди пишут чуть больше половины ленты... 4. Medium — треть контента с примесью нейронки. Substack держится лучше всех, но и там почти каждый пятый пост не от человека. 5. Reddit неожиданно последний оплот человечности — постов-слопа всего 11.6%, комментарии на 98% человеческие... CEO Pangram сказал правильную штуку, что эти ваши интернеты, залитые неразмеченным AI-контентом — это грустно, но не приговор, если людям честно показывать, что сгенерено. Подобные "исследования" от компаний, выручка которых напрямую зависит от того насколько люди зохотят детектить ИИ контент, выглядят мягко говоря не объективно. Но не думаю, что эти данные далеки от правды. ссылка на статью У меня к вам вопрос. Если бы вы были всесильным и у вас было желание спасти интернет от нейрослопа — какие 2 или 3 действия вы бы сделали?

ai контент linkedin pangram интернет статистика

ИИ ai будущее когнитивные способности саморазвитие интеллект

Дэвид Брукс о типах людей в эпоху AI

T@thefutureofworkмедиа / агрегатор

3 мес

Дэвид Брукс (автор «Бобо в раю» и «Путь к характеру») написал для The Atlantic лонгрид про тип людей, которых ждёт успех в эпоху AI. Ключевым атрибутом станет потребность в познании. И, в зависимости от отношения к когнитивным усилиям, Брукс предлагает три категории: ◼ Productive Passengers Люди с низким стремлением к познанию. Они используют AI, чтобы меньше думать. Хотя их продуктивность как будто растет, их собственные интеллектуальные способности атрофируются. ◼ Reluctant Optimizers Люди со средней потребностью в познании. Они осознают риски, но часто поддаются соблазну сделать свою интеллектуальную жизнь легче и проще. Что со временем снижает их любознательность и мотивацию. ◼ Mental Marathoners Люди с высоким стремлением к познанию. Они используют AI для развития собственного потенциала. Стремятся к оригинальности и глубокой работе с информацией. И взаимодействуют с AI, в первую очередь, как с партнером для дискуссий. Перевод и аудио в комментариях. → https://www.theatlantic.com/ideas/2026/06/ai-open-ai-anthropic/687689

ai будущее когнитивные способности саморазвитие интеллект

ИИ ai ai-агенты продуктивность mac markdown sqlite

OpenChronicle: локальная память для AI-агентов

M@machinelearning_interviewAI-инженер

3 мес

⚡️ OpenChronicle - локальная память для AI-агентов Одна из главных проблем AI-агентов: они быстро теряют контекст. Сегодня вы обсуждали проект, архитектуру, людей, решения и инструменты. Завтра агент снова спрашивает: «А что мы делаем?» OpenChronicle пытается закрыть эту дыру. Он запускается на Mac, смотрит на рабочий контекст и превращает его в постоянную Markdown-память: * проекты * решения * инструменты * людей * последние действия * важные рабочие детали Память хранится локально, её можно открыть и прочитать руками. Под капотом - Markdown на диске и SQLite. https://github.com/Einsia/OpenChronicle

ai ai-агенты продуктивность mac markdown sqlite

ИИ ai ml хостинг безопасность модели hugging bay

Запуск Hugging Bay: хостинг ML-моделей с верификацией

Н@GreenNeuralRobotsAI-инженер

3 мес

а дело в том что появился Hugging Bay Хостинг ML-моделей с верификацией файлов. Есть проверка безопасности, отзывы, статусы издателей. Оформлено как пиратский торрент трекер, но торрентов я тут не нашел • верифицированные файлы с SHA-256 и подписанным манифестом • репутация моделей и сигналы доверия от сообщества • данные по требованиям к памяти и железу • примеры кода для интеграции в пайплайны #platform #hosting #gallery

ai ml хостинг безопасность модели hugging bay

ИИ ai claude code вайбкодинг агенты автоматизация

Claude Code и границы применения AI-агентов

G@aiofthedayAI-инженер

3 мес

Мой друг значительно глубже меня погружен в вайбкодинг, личных AI-ассистентов, интеграции, оптимизации и всё подобное. У него точно есть две двухсотдолларовые подписки на нейросети, 75 кастомных скиллов, 5 разных кодинг-агентов и целое множество MCP-интеграций. И вот даже ему не приходило в голову, что Claude Code справится с базовым монтажом видео, спрашивал у меня контакты человека-подрядчика. Не только в знании инструментов дело. Что-то еще в себе переключить надо.

ai claude code вайбкодинг агенты автоматизация

Стартапы ИИ стартапы бизнес moat ai стратегия продукты

MOAT в эпоху AI: почему пользовательская база важнее кода

Г@glebkudrмедиа / агрегатор

3 мес

Вы небось слышали, что в современном мире MOAT это маркетинг а вовсе не создание продукта. На самом деле, это не совсем так, есть еще очевидная штука, например данные. Третья еще менее очевидная штука — доступ к капиталу/регуляторам. На некоторые рынки тупо не зайти без десятки грина в кармане. Но сейчас я вам расскажу про четвертую еще менее очевидную штуку (вы скажете что конечно же она вам и так была очевидна, ну значит вы умнее меня). Короче говоря, это пользовательская база в многопользовательских продуктах. Маркетплейсы это хрестоматийный пример, но еще, например, есть ОГРОМНЫЙ сегмент онлайн-игр. Игрушку скоро сможет сделать любой дурак. Но если вы добьетесь того, что именно в вашу будет играть скажем сотня тысяч человек, при этом без них она бессмысленна — это очень сильный барьер, а значит защита от конкуренции со стороны толп страждущих вайбкодеров. В общем, moat в эпоху AI определенно есть, а для стартаперов становится чрезвычайно важным баланс понимания — насколько фича реализуема и одновременно, защищена барьерами от таких же голодных челов с клод кодексом в кармане.

стартапы бизнес moat ai стратегия продукты

инцидентИИ openai ии безопасность fable 5 gpt-5.6 sol ai

У GPT-5.6 Sol нашли уязвимость хуже, чем у Claude Fable 5, но санкций против неё нет

AI-редакция

2 источника · показать все· свернуть

3DNewsУязвимости в модели OpenAI GPT-5.6 Sol Код ДуроваДвойные стандарты регуляторов в отношении GPT-5.6

собирается · 2обновлено 3 мес назад

Британский институт безопасности ИИ (AISIi) обнаружил в новой модели OpenAI — GPT-5.6 Sol — уязвимость, схожую с той, что ранее нашли у Fable 5i от Anthropic. Из-за проблем с безопасностью Fable 5 США на три недели заблокировали доступ к модели для иностранцев.

По данным «Кода Дурова», уязвимость в GPT-5.6 даже опаснее: обнаруженный джейлбрейкi не просто находит дыры в коде, а сам их эксплуатирует. При этом никаких экспортных ограничений на GPT-5.6 пока не ввели, и специалисты уже задаются вопросом о двойных стандартах в отношении американских и других ИИ-разработок.

три неделисрок блокировки Claude Fable 5 в США

Полный разбор →

openai ии безопасность fable 5 gpt-5.6 sol ai

Ещё ↓