🔝 Кто в топе токенмаксинга – и на чем они сидят? Ну что, запрыгиваем в последний вагон? Про токенмаксинг говорить уже в какой-то степени моветон, умные головы уже теперь не так измеряют работу с AI, но чтобы закрыть эту тему посмотрим на один leaderboard. Тема токенмаксинга, как вы знаете, родилась из внутреннего лидерборда Meta (признана в РФ экстремистской организацией и запрещена), который слили в прессу и очень скоро снесли. Потом тему подхватили другие компании и стали измерять, сколько же токенов жгут программисты. Чем больше прожигаешь, тем ты круче. Так вот, один фаундер взял и сделал аналогичную публичную версию лидерборда для HN-тусовки. Это был Sam Odio (2х фаундер: Divvyshot → Facebook, Freshplum → TellApart/Twitter, потом Fivestars и Dropbox AI incubator, сейчас в South Park Commons). Как туда попасть? Нужно просто подключить свой GitHub аккаунт. Чего там интересного есть? 1/ Топ-5 девелоперов прямо сейчас (7 дней): ▪️wesm (создатель pandas, Wes McKinney) – 18.4B токенов, команда kenn.io. ▪️drew (arittr) – 9.3B, команда prime-radiant. ▪️jesse (obrajesse) – 7.7B, тоже prime-radiant. ▪️naveen (naveenspark, YC-фаундер и ангел в 50+ компаниях) – 7.5B, команда skywillow. ▪️aashig (aashig1) – 7.1B, без команды. 🔹Эта часть по классике показывает, кто сколько токенов тратит. Но портал дает другие, более интересные разрезы. 2/ Портал позволяет понять не только то, насколько много токенов тратится, но и на что. Портал позволяет понять не только то, насколько много токенов тратится, но и на что. Короче, какой стек используется. Посмотрим на наших топ-5 девелоперов: ▪️Superpowers (скилл-сет для Claude Code) стоит у 4 из 5 – wesm, drew, jesse, aashig. Кстати, jesse – это, похоже, и есть автор Superpowers. ▪️drew и jesse вообще сидят в одной команде prime-radiant – не просто случайное совпадение инструментов, а буквально одна команда. ▪️naveen – единственный, кто не в этой тусовке, у него свой инструмент "the-matrix". 🔹Забавный момент: у всех пятерых в model breakdown уже светится Fable 5 – модель, которую Anthropic выпустила и на пару недель приостанавливала меньше месяца назад. Топ-девелоперы ее и в хвост и в гриву юзают, пока доступна. 🔹Еще более забавный момент: wesm не только на первом месте, но и сам автор agentsview – локального вьюера сессий, на котором построен весь клиент этого лидерборда. Удобно, когда меряешь линейкой, которую сам и сделал. 3/ Сам сайт также дает понять, кто впереди в паре Claude Code vs Codex: ответ – никто, но есть нюансы. ▪️В сумме топ-5 – 52% Claude vs 48% Codex, почти пополам. ▪️Но wesm явно codex-heavy (доминируют gpt-5.5 и gpt-5.6-sol), а drew, jesse, naveen и aashig смещены в сторону Claude (примерно 55/45). ▪️Итого топ-5 прожигают токенов на ~$2.2M в год – это не опечатка. 🔹Кстати, если прощелкать bottom-5 из этого рейтинга, то у 3 из 5 вообще нет Codex, только Claude Code. Еще у одного Claude Code занимает 90%+. Можно предположить, что у более средней массы есть реактивность – на Codex перключаются топчики типа wesm (у него до 9 июля вообще не было Codex, а потом он переключился, и Codex стал доминировать). 2/ А какой топ-5 проектов на всей площадке? ▪️Superpowers – 13 юзеров, TDD/planning/debugging-скиллы для Claude Code. ▪️claude-code – 11 юзеров, родной CLI от Anthropic. ▪️codex – 4 юзера, CLI от OpenAI. ▪️agentsview – 2 юзера, тот самый вьюер сессий от wesm. ▪️arsenal – 2 юзера, расширенный skill-набор для Claude Code. Любопытно, что весь топ по сути крутится вокруг одной библиотеки скиллов (Superpowers) и пары знакомых команд. Токенмаксинг – это, конечно, спорная метрика продуктивности, как и этот лидерборд, но как карта "кто с кем и на чем" выглядит прикольно и любопытно. 👉 Ссылка на лидерборд: https://tkmx.odio.dev @proVenture #ai #benchmarks #howtovc

Давайте немного проясним момент с 152-ФЗ и недавним введением штрафов за использование зарубежных сервисов для авторизации пользователей. Поправки к 149-ФЗ ограничили использование иностранных информационных систем для авторизации российских пользователей. В lovarus.ru, при входе по одноразовой ссылке токен создаётся и проверяется внутри системы, а почтовый сервис лишь доставляет сообщение на адрес, указанный пользователем, и не принимает решение об авторизации. Поэтому я считаю, что получение такой ссылки в том числе на Gmail или другой зарубежный почтовый ящик не превращает иностранную почту в провайдера авторизации. Теперь про хранение персональных данных и трансграничную передачу, наш любимый 152-ФЗ. В комментах писали, какое же соблюдение 152-ФЗ, если lovarus.ru использует китайские модели. Во-первых, 152-ФЗ не устанавливает абсолютного запрета на трансграничную передачу персональных данных. Передача возможна при соблюдении требований. Во-вторых, важно разделять данные аккаунта пользователя и содержимое его запроса к AI-модели. Lovarus.ru хранит регистрационные данные пользователей в базах данных, расположенных на территории России. Lovarus.ru не добавляет персональные данные пользователя в запросы, направляемые LLM-провайдерам. При этом текст запроса формирует сам пользователь. Поэтому я рекомендую не включать в запросы персональные данные третьих лиц, платёжную информацию, документы и другие конфиденциальные сведения. Надеюсь с этим разобрались.

AI забирает у вас карьеру или всё-таки нет? Вышел PwC 2026 Global AI Jobs Barometer, и я бы очень хотела, чтобы его прочитали все, кто сейчас тревожится из-за AI и думает: «А мой опыт вообще ещё будет кому-то нужен через пару лет?» PwC проанализировали больше 1 млрд вакансий на 6 континентах, и главный вывод очень интересный: AI создаёт двухскоростной рынок труда. Одни роли становятся более «демократизированными»: AI забирает на себя часть сложных задач, снижает барьер входа и делает работу доступнее для большего количества людей. Другие роли, наоборот, становятся более «профессионализированными»: AI забирает рутину, а человеку остаются более сложные решения, экспертиза, judgment, работа с качеством, контекстом, людьми и неоднозначностью. По данным отчёта, сейчас примерно: — 52% вакансий относятся к ролям, где AI снижает требования к экспертизе (например, разработчики, финансовые менеджеры, медицинские секретари) — 22% вакансий относятся к ролям, где AI повышает требования к экспертизе (например, фармацевты, инженеры-экологи) — ещё 26% пока имеют низкое влияние AI (например, электрики, механики, строители) Роли, где AI повышает требования к экспертизе, растут быстрее и дают более сильную зарплатную динамику. PwC пишет, что такие роли растут примерно в 2 раза быстрее, а рост зарплат там на 42% выше, чем в ролях, где AI снижает требования к экспертизе. PwC отдельно показывает, что навыки в самых AI-exposed ролях меняются более чем в 2 раза быстрее, чем в ролях с низким влиянием AI. Новые задачи в таких ролях в 2,5 раза чаще требуют человеческих навыков: эмпатии, креативности, лидерства, умения работать с хаосом и принимать решения. Ещё одна важная цифра: работники с AI-навыками получают в среднем 62% wage premium по сравнению с похожими ролями без AI-навыков, то есть рынок платит за понятную прикладную ценность. Например: «автоматизировал отчётность и сократил ручную работу команды на X часов в неделю» «внедрил AI-assisted workflow и ускорил обработку входящих запросов на X%». Отдельно отчёт очень хорошо объясняет, почему сейчас так сложно junior-кандидатам. PwC пишет, что 49% CEO ожидают, что AI снизит junior hiring в ближайшие 3 года, при этом для senior hiring такой показатель только 12%. То есть entry-level роли в AI-exposed сферах начинают требовать навыков, которые раньше ждали от более опытных специалистов. По сути рынок «сеньоризирует» даже начальные роли. Это неприятно, я понимаю. Если вам сейчас тревожно, что рынок меняется слишком быстро, я бы предложила не паниковать, а сделать нормальный карьерный реалити чек. Посмотреть: - какие части вашей роли AI уже меняет - какие задачи в вашей профессии становятся дешевле и проще - где, наоборот, растёт ценность вашей экспертизы - какие AI-навыки нужно добрать - какие человеческие навыки стоит сильнее показать в CV и LinkedIn AI правда меняет рынок, и это значит, что ваш опыт нужно пересобрать и объяснить рынку на новом языке. Источник: PwC, 2026 Global AI Jobs Barometer

ARDY Модель от NVIDIA генерирует движения человека в интерактивном режиме. Плавная, управляемая анимация без жёстких шаблонов • непрерывная генерация движений в рилтайме на протяжении минут • интерактивное управление через текстовые подсказки, клавиши • гибкие констрейны (траектории, ключевые кадры, позиции суставов) • гибридное представление данных (явные глобальные параметры + компактное скрытое представление движений тела) • работа с долгосрочными целями и сложными комбинациями ограничений • адаптация к изменяющимся условиям и целям на лету Можно запромптить анимация и потом влиять на нее на лету Гитхаб HF Демо #humananimation #animation #realtime #interactive

Таблица Agentic LLM Benchmark July 2026 Самые интересные модели для агентных задач в бизнесе - подсвечены в таблице и на Pareto графиках. Но если кратко. Современные AI агенты для бизнес задач - это обычно пайплайны из блоков (router, policy check, tool writer, verifier итп), которые работают в цикле. И поскольку в долгих циклах набегают ошибки и мусор в контексте, то надежность агента обычно упирается в самое слабое звено. И этот бенчмарк смотрит - какие LLM работают лучше всего в моменты, когда лучшие агенты спотыкаются. Для этого мы брали топовые архитектуры BitGN, запускали их на сложных задачах и смотрели места, где у них в agentic loop под нагрузкой замыливается контекст, возникают ошибки и уязвимости. А потом эти моменты вопроизвели под разными моделями и собрали в таблице. В теории этот бенчмарк никогда не должен достигнуть точки saturation, т.к. болячки архитектур на бизнес задачах не кончаются, да и нет таких моделей, чтобы сразу были точными, быстрыми и недорогими. Полный отчет за июль 2026 опубликуем на сайте COLIBRIX ONE. Как выйдет - напишу тут. Ваш, @llm_under_hood 🤗

Ваши SKILLS — новое золото 💸 И я не про мясные скиллы (которые тоже важны). Если вы не поняли, о чём речь, краткая справка. SKILL — это запакованный в текстовый файлик/и опыт, который ЛЛМКА призывает, когда этот опыт потребуется. Написать идеальный промт для Seedance 2, отредактировать текст в определённом tone of voice, создать презентацию по определённому шаблону и т. д. Можно скачать тысячи скиллов под самые разные нужды. НО. Самый важный актив сейчас — это ваш персональный зоопарк из ваших скиллов. Чужие норм для базовых задач, но ценность кратно повышается, когда вы запаковываете конкретно ВАШИ процессы и опыт. ВАЖНО — не консервируете, а прокачиваете их по мере использования. Скилл — это ваш покемон, которого вы растите, и он начинает выигрывать (вам много времени). Ещё два момента, почему, собственно, решил про них написать. 1) Они появились в GPT Work, так что, если вы не Claude-юзер, для вас это будет открытие. А если юзер, можете их легко перенести в GPT. 2) Модели-марафонцы. Скиллы начинают играть по-новому во флагманских моделях, где вы можете простроить целую цепочку из своих скиллов-агентов-покемонов для решения любых задач (на которые хватит токенов). Сам угорел и вам советую. 🔥

Google бахнула свой MetaHuman. Ну почти Google выложила GNM Head — open-source 3D-модель человеческой головы. Если совсем грубо: это как если бы Google сказала “а давайте сделаем свой фундамент для цифровых лиц”, только не в виде красивого редактора с ползунками, а в виде исследовательского Python-пакета для тех, кто не боится слов mesh, identity vector и expression parameters. GNM — это Generative aNthropometric Model. Произносится как “genome”, потому что амбиция примерно такая же скромная: собрать параметрическую модель человека. Первый релиз - голова. Но не просто шар с глазами, а (какбэ) детальная 3D-геометрия лица, кожи, глаз, зубов и языка. GNM работает с настоящей 3D-геометрией. Можно отдельно менять “кто это” - форму лица и головы, отдельно выражение, отдельно поворот головы, глаз и положение в пространстве. Это не готовый конкурент MetaHuman , где можно за пять минут собрать персонажа и кинуть его в Unreal. GNM Head пока больше похож на open-source модуль для тех, кто строит свои аватары, face tracking, синтетические датасеты, 3D-реконструкцию или AI-пайплайны. Хочешь в Blender - экспортируй mesh. Хочешь в Unreal - готовь morph targets, материалы, риг и весь остальной production-обвес. identity обычно фиксируем, expression крутим по кадрам, pose отвечает за голову и глаза. Можно собрать blend shapes, можно выгнать Alembic/cache-анимацию, можно пытаться маппить face capture. Зато лицензия Apache 2.0, поддержка NumPy, JAX, PyTorch и TensorFlow, данные модели в репозитории, плюс semantic sampling: можно сэмплировать выражения вроде happy или surprise и идентичности по атрибутам. Это не гугловый MetaHuman, а исследовательский фреймворк без интерфейса. Сорс: GNM GitHub, GNM Head README. @cgevent