Из чего состоит «сделать» Представьте, что на работе вас попросили добавить поддержку нового способа оплаты через Яндекс.Сплит. Если вы взялись это сделать, вот, что от вас ждут: Сначала вы очень хорошо подумаете и разберетесь в задаче. Куда добавить? Какие ограничения? Как это выглядело бы для клиентов? Затем вы очень хорошо подумаете о решении. Как это будет работать под капотом? Какие есть еще варианты? Что есть из готового, а что нужно и стоит писать самим? Какие требования и ограничения? Потом вы очень хорошо подумаете о краевых случаях. Какие они? Что с ними делать? На что можно забить? Какие не дадут запуститься? Тут вы еще и об ошибках подумаете. Скажем, что делать, если вебхук от Сплита пришел, когда мы лежали? А что делать, если Сплит вовремя не ответил, когда пытались создать заказ? Ретрай? Сколько раз, с какой паузой? Затем подумаете о данных. Что нам надо хранить, в каком виде? Это будет jsonb или нам вообще не нужен список товаров? А если решим расширить существующую модель заказов, как ее смигрировать? Что мы пока не знаем о данных и их хранении? Потом прикинете, как это все проверять. Какие тесты и для чего нужны? Что проверим автоматом, а что вручную? Есть ли у Сплита песочница, как в ней потыкаться? Потом придумаете, как запускать. Сразу всем? Втихаря на 10%? А за чем следить? Потом придумаете «анонс». Как и кому мы об этом рассказываем? Какие слова и термины используем, на что напираем? Что нашим клиентам от того, что у нас появился Сплит? Наконец начнете все это программировать. Возможно, сами, возможно, ллмкой. Проверите то, что получается. Что-то проверите автоматическими тестами, что-то руками, что-то агентом. Главное сейчас — убедиться, что оно готово к пуску. Затем ревью и пара-тройка раундов исправлений. Наконец смержите все в мастер и выкатите в прод. Еще раз убедитесь, что все работает. Не протыкал — не сделал. Если пуск затрагивает коллег, расскажете им об этом. Убедитесь, что не осталось хвостов. Если что-то нужно перепроверить через месяц-два, добавите задачку в календарь или агента. Поздравляю, теперь вы официально сделали задачу. P. S. Конечно, этот список меняется от компании к компании и от разработчика к разработчику. Если вы соло-предприниматель, все на вас. Если вы в бигтехе, анонсы писать не будете, но придется помудохаться с безопасниками. Если вы джун, от вас мало что ждут, но надеются, что вы со временем сможете закрывать весь список. Если вы сеньор, вы и сами все это знаете и регулярно делаете.

Ключевое за 3 дня ⚡ Главное • OpenAI запустила ChatGPT Work — Агент для действий на ПК и телефоне на базе GPT-5.6. • Grok 4.5 от SpaceXAI — Opus-уровень по цене $2/$6 за миллион токенов — Модель после IPO и покупки Cursor, дешевле Claude Opus 4.8 и OpenAI Sol. 📈 Рост и Оптимизация • Samsung: рост прибыли в 19 раз за счёт чипов памяти для ИИ — 19-кратный рост прибыли благодаря спросу на AI-чипы. • Как Atlan превратил 52 страницы в 35% доли AI-цитирований — 52 страницы ответов на вопросы дали 35% AI-цитирований. • Accenture: управление маркетингом с 14 AI-агентами — Сокращение ручных шагов на 55%. • Deloitte: AI-автоматизация ITSM и HR для 250 000 сотрудников — Рост продуктивности до 60%. • KPMG US: платформа WRITER для исследований и контента — Экономия 60-80% времени. • EY: автоматическая сверка платежей в SAP — Доля автоматизации выросла с 30% до 80%. • Модели с открытым весом достигли 29% использования AI Gateway — 29% объёма токенов, но менее 4% расходов в июне. 🤖 Промпты и Практика • От инженерии промптов к инженерии намерений — Описывайте желаемый результат, а не способ выполнения. 🛠 Инструменты • Dreamina — AI-платформа для создания изображений и видео. • Claude Code на десктопе получил встроенный браузер — Может читать, кликать и взаимодействовать с сайтами. • Waze получает новые AI-функции — Персонализированные маршруты, поиск Gemini, голосовые отчёты. • Вышла публичная бета iOS 27 с Siri AI — Публичная бета iOS 27 с Siri AI, требуется iPhone 15 Pro+. • ByteDance запускает Seedream 5.0 Pro — Улучшенный рендеринг текста, макета, многоязычность, редактирование. • Anthropic запускает reflect — Wrapped-дашборд для Claude — Дашборд показывает, как вы используете Claude, и предлагает подсказки. • Домашние роботы уже ходят. Новые руки 1X — Руки робота 1X имеют 25 обратимых суставов и сенсорную кожу.

#Нейропрожарка Здесь могла быть ваша реклама Автор: Режиссер Эльшан Алескеров 1) Задача: создать скетч-рекламный ролик 2) Срок: примерно неделя. 3) Как всё началось: Портфолийная работа, чтобы понять, могу ли я делать рекламные ролики 4) Я режиссер рекламы. Хотел попробовать создать ИИ-ролик по всем заветам обычной рекламной кампании 5) Что я пробовал: Думал делать через раскадровки. Посмотрел несколько модных роликов, как ИИ делает раскадровку. Потом закидываешь раскадровку и получаешь готовый ролик, но ничего не получилось Процесс работы: 1. Написание сценария и раскадровка. Это вручную. Я так и не научился делать сценарий и раскадровку через ИИ-инструменты. Всё по-старинке. Пишу и рисую от руки 2. Создание промтов. В этот раз я решил попробовать через агрегатор делать ролик. Там же в агрегаторе во внутренней штуке (через клод) просил переделывать мои промты. То есть я пишу промт (стараюсь сразу на английском) и потом прошу ии исправить его. Получается такой диалог начальника и джуна (Сафонов, оплати) 3. Генерил картинки там же. Опробовал воркфлоу у gptunnel. Это удобно, когда все идет криво-косо, а переписывать лень. Понял прелесть воркфлоу, особенно когда не с первого раза получается результат. Создал сначала "характер щит" или как он там называется, и уже использовал его в дальнейших генерациях. Промты по картинкам строил по следующей схеме: описание героя, его действие, ракурс, объектив, цвет (атмосфера кадра). До этого я несколько роликов делал через чатгпт2 (оч нравится), но он ругается часто. И для себя решил, что мне удобнее, когда можно один и тот же промт применить сразу в несколько генераторов. Так сразу можно сравнить (это раз) и хоть какой-то да сделать (это два). То есть когда не выходит именно так как я хочу, я беру хоть какой-то 4. Далее покадрово анимировал через доступные видеогенерации. Конкретно в этом ролике были 2 типа анимации: липсинк и классическая анимация. Для липсинка брал клин.Аватар и хейген4. Клинг.Аватар крут, что оживляет фон (то есть ты сначала делаешь анимацию и потом накидываешь текст), хейгнен тем, что лучше в губы попадает. Возникло много трудностей. Эпизод с кетчупом и с аварией никто не хотел генерить. Клинг, Вео, Сидэнс - все ругались. Ни в какую. Сделали только Ван и Гром.тв (местный от джипитанел) Выбрал вановский. Я вообще изрядно разочаровался в сидэнском. Оч много запретов у него: то не хочу, то не буду. И стоит дороже всех. Короче говоря, что-то сложнее милоты черт знает, как генерить. Последний эпизод с зеркалом там была другая картинка, но и хейген и клинг отказались анимировать, пришлось выбрать для финального эпизода другую, более лайтовую картинку. 6. Озвучки брал из доступной библиотеки в самом агрегаторе. Саунд-дизайн делал сам. Я терпеть не могу какие звуrи делают генераторы в режиме нэтив аудио, абсолютная шляпа (мб я не прав). В общем, библиотека звуков и вручную. Домантаживал в премьере Мини-вывод: оч много ограничений в плане "опасно, нарушает наши правила". Теперь буду исследовать, как всё это обходить P.s. Если вдруг кто хочет посмотретm на картинку, которую так и не сгенерил хейген (скину в личку), и покаңу своё воркфлоу, если тоже любопытно Потрачено примерно 75 долларов (без учета подписки на опенай) Итог - получился ролик Ролик в более высоком качестве @cgevent

Маленький трюк, чтобы усилить договоренности Когда люди делают что-то своими руками, они больше это ценят. Вот два классных примера, которые иллюстрируют этот эффект. 1️⃣ Эффект IKEA:

В исследовании IKEA люди собирали мебель, оригами или фигурки из Lego. После этого они оценивали созданные своими руками объекты существенно выше, чем аналогичные объекты, созданные другими людьми. Когда человек сделал что-то своими руками, вложил силы и время, у него появилась микро-связь с этим чем-то. Благодаря связи, ценность растет в разы (часто непропорционально сильно).

2️⃣ Кейс про конверсию в длинной форме vs короткой

Интуитивно кажется, что чем больше в форме полей, тем больше “трение” и ниже конверсия. Но вот одни ребята

протестировали

несколько вариантов формы на сайте и обнаружили неожиданное: длинная форма с понятными вопросами сработала так же хорошо, как короткая — обе дали ~100% прирост лидов по сравнению с оригиналом. Ключевым оказалось не количество полей, а то, объясняет ли форма пользователю, зачем она задаёт каждый вопрос. Когда человек формулировал свои задачи и цели прямо в форме, он психологически вкладывался в процесс и с большей вероятностью доходил до конца. Усилие, потраченное на заполнение осмысленных полей, сработала не как трение, а как инвестиция в собственное решение.

Как это использовать в управлении проектами? Просите стейкхолдеров подтвердить ваши договоренности. Их собественными руками. Например, обновить дату поставки фичи в трекере. Или, поставить чекбокс в плане проекта напротив “я отдам бекендера на 1 неделю на ваш проект”. Мелочь, а работает. Когда человек сам пишет такой комментарий, это уже гораздо больше его решение, его слова, чем когда написал кто-то другой. Так договоренности прочнее.

У меня очень долго были плохие отношения с отпусками: брал редко, между поездками мог пройти год, а отдых был не vacation, а workation сводившийся к смене локации с ответами в рабочие чаты. Сейчас стало лучше: чаще хожу, на работу не отвлекаюсь. Решил разобраться, что об этом говорит наука. Для многих это банальные вещи, но мне мозги прочистило хорошо. Вот основное: 1. Восстановление — это пирамида восстановления, а не редкие события в жизни. Отпуск не чинит плохой режим и work/life balance. Вечера без работы → нормальные выходные → отпуск. Эффект отпуска выветривается за ~3 недели, а будни с нами остаются весь год. 2. Несколько коротких поездок лучше одной длинной. Память не вознаграждает за длительность, а длинный отпуск даёт больший пик, но падает быстрее. При этом годовой объём резать нельзя 1 2. Японцы, к примеру, при 12 днях отпуска реже всех чувствуют нехватку отдыха (опрос Expedia) — предположительно за счёт частых коротких поездок. 3. Планировать отпуск лучше заранее. Предвкушение работает, как отдельный источник счастья. Работает именно конкретика (даты, билеты, жильё), а «летом куда-нибудь». В идеале даже закончить один отпуск и иметь сразу следующий забуканый. 4. Полное отключение от работы — самый важный фактор, второй — физическая активность. «Только гляну почту» не даёт частичный отдых, а подтачивает механизм целиком — работа из отпуска ухудшает самочувствие после него. А вот популярное «смена деятельности = отдых» не работает: освоение новых навыков в отпуске значимого эффекта на восстановление не даёт. Трудоголикам тяжелее отключиться — им нужен отпуск длиннее и связь с работой, недоступная физически. 5. Отпуск не нужно превращать в проект с жестким расписанием досуга. Это делает его похожим на работу. Работает скелет: жильё, переезды, 1–2 якоря на день (локация, рестики, музеи и тд). Остальное оставлять пустотой, которую не надо оптимизировать. 6. Память о поездке определяется отсутствием провалов, а не яркими пиками. Часто людям кажется, что, воспоминание держится на ярком финале, но на многодневных событиях правило не работает: оценку определяет среднее по всем дням, а провалы весят больше пиков. К концу поездки настроение естественно снижается — тем важнее не ставить в конец какой-нибудь логистический ад, ибо испортит воспоминание сильнее, чем компенсирует любой вау эффект. 7. Нужен буфер с обеих концов отпуска. Перед вылетом — день свободы между работой и поездкой. Предотпускная неделя — пик стресса, иначе первые дни уйдут на разгрузку того, что привез с собой в поездку. При смене часовых поясов первые 1–2 дня — не для требовательных планов. После отпуска же требуется протекция первой недели, ибо эффект сгорает не от того, как прошёл отдых, а от того, во что человек возвращается. Оптимально: прилёт за день до выхода, первые 2–3 дня без встреч (ставить блокеры в календарь еще до отъезда), без дедлайнов на первую неделю. 8. Поездку стоит переработать в память. Возвращение к позитивному опыту — работающая интервенция. У меня, к примеру, это обработка фотографий с отпуска в лайтруме, к которой я периодически возращаюсь после поездки.

ИИ-агенты понимают, получится ли у них код, ещё до того, как его напишут Вышла интересная работа: исследователи заглянули во внутренние состояния coding-агентов и попробовали понять, что модель уже «знает» про код, над которым работает. Масштаб нормальный: – две открытые модели: Qwen3.6-35B-A3B и Laguna-XS.2 – 1231 задача из SWE-Bench Verified и Pro – 22 714 запусков агента – почти 80 тысяч изменений кода – медианная попытка – 52 шага и 36 тысяч токенов К внутренним состояниям модели подключили простую логистическую регрессию, то есть простой классификатор. И он смог определять: – полностью ли работает код – AUC до 0,83 – стало ли упавших тестов меньше – до 0,84 – компилируется ли код – до 0,78 – не сломал ли агент уже работавшие тесты Здесь 0,5 – случайное угадывание, так что сигнал довольно сильный. Причём лучше всего он читался не из последнего слоя модели, а примерно из середины. Но самое интересное – можно было частично предсказывать не только текущее состояние кода, но и будущее! По тому, что происходило внутри модели сейчас, исследователи угадывали, будет ли код рабочим примерно через 25 шагов. К этому моменту AUC падал до ~0,55 на SWE-Bench Verified и ~0,65 на более сложном SWE-Bench Pro, но всё ещё оставался выше случайности. Слабый сигнал сохранялся даже через 50 шагов – около 0,52 и 0,60 соответственно. Авторы назвали это latent programming horizon. Важная оговорка: шаг – это не обязательно новая правка. Агент может читать файлы, искать по проекту и запускать тесты. В медианной траектории было всего два реальных изменения кода. Поэтому речь не о том, что модель заранее держит в голове готовый патч. Скорее, она довольно рано понимает общее направление: задача реально чинится или агент уже куда-то не туда поехал. Практический смысл хороший: можно раньше останавливать провальные попытки, запускать параллельную ветку, повышать effort или подключать более сильную модель – до того, как агент сожжёт десятки тысяч токенов. Короче, код ещё не написан, а модель уже немного понимает, получится он или нет. Следующий шаг – научиться не просто читать этот сигнал, а использовать его, чтобы рулить агентом. Вот это будет прикольно. https://arxiv.org/abs/2607.05188v1

⌛️ Бизнес в эпоху перемен Современный бизнес постоянно испытывает давление: экономические потрясения, изменения в законодательстве, новые вызовы рынка. В таких условиях выигрывают те предприниматели, кто умеет быстро адаптироваться. Сегодня важно не только идти в ногу со временем, но и уметь предугадывать тренды, чтобы быть на шаг впереди. Планы должны быть гибкими, а решения — быстрыми и продуманными. Компании, которые эффективно используют свои ресурсы, внедряют инновации и внимательно следят за потребностями клиентов, получают реальное преимущество. Технологии цифровизации и автоматизации становятся незаменимыми инструментами для поддержания конкурентоспособности. Умение оперативно меняться, улучшать процессы и видеть возможности в кризисных ситуациях — главный секрет успеха в мире нестабильности. Помните: перемены — это не только риск, но и шанс подняться на новую высоту. Фаундер | Бизнес и Стартапы

Кто-то только что переписал 40 лет PostgreSQL с нуля на Rust. И он уже проходит 100% официальных тестов Postgres. Проект называется pgrust. Это не форк, а полная реализация с нуля, которая уже проходит все 46 066 запросов из официального тестового набора PostgreSQL 18.3. Postgres разрабатывается уже 40 лет, и некоторые архитектурные решения из 80-х до сих пор приводят к сбоям: - один поток на соединение, фактически отдельный OS-процесс на пользователя - 350+ параметров настройки, которыми нужно управлять вручную - один только VACUUM стал причиной тысяч инцидентов pgrust выбрасывает всё это и начинает заново. Что уже работает: - проходит 96% regression suite PostgreSQL - psql подключается из коробки, есть совместимость с wire protocol - query planner, buffer cache, storage engine, B-tree индексы - JSON/JSONB, window functions, foreign keys, EXPLAIN ANALYZE, regex - тот же движок компилируется в WebAssembly и запускается прямо в браузере на pgrust.com 100% open source. https://github.com/malisper/pgrust

✔️ Samsung разрабатывает ИИ-ускоритель для ПК Подразделение Samsung LSI готовит к выпуску 4-нм сопроцессор под кодовым названием GAIA. В отличие от решений Intel, AMD и Qualcomm, где NPU является лишь частью базового процессора, корейская компания создает полностью независимый ИИ-акселератор. Особенность GAIA заключается в тесной привязке вычислительных блоков к массивам памяти. Samsung планирует задействовать собственную разработку PIM (Processing-in-Memory), технологию, которая переносит вычисления непосредственно внутрь модулей DRAM, что идеально подходит для работы LLM-моделей, генерации изображений и синхронного перевода. По данным отраслевых источников, ранние прототипы чипа уже переданы для тестирования в HP и Lenovo. Если тесты пройдут успешно, массовое производство чипа начнется в 2027 году. Для Samsung этот релиз станет возвращением на рынок кремния для ПК после закрытия экспериментов с хромбуками в 2012 году. @ai_machinelearning_big_data #news #ai #ml