#Нейропрожарка Не откладывай жизнь на потом Автор: Анастасия Абрамова 🔗 ТГ: https://t.me/shetalks_ai | YouTube: @SheTalks_AI | Instagram: @she_talks_ai ⏱️ Хронометраж: 3:28, формат - музыкальный клип 💡 Как всё началось: обычно я делаю короткие мультики в стиле Pixar, и мне захотелось проверить себя на дистанции подлиннее. Чистый личный эксперимент: смогу ли я удержать одну идею на три с половиной минуты, а не на пятнадцать секунд. 🎬 Главная ошибка, которую я допустила: сначала придумала видео и начала его делать, а песня родилась уже потом. Так, разумеется, никто не делает. В итоге пришлось жёстко подгонять готовое видео под слова песни - переставлять, дотягивать, резать. Если бы делала заново, начинала бы со звука. 🛠 Инструменты и этапы: Видео: Runway, модель Seedance 2.0 - весь ролик целиком Картинки: ChatGPT - предметы, локации, карточки персонажей Текстовая работа: Claude - промпты для видео и картинок, слова песни и промпт для музыки Музыка: Suno (бесплатный тариф, дневных генераций хватает) Монтаж: CapCut - всё там же Апскейл: не делала Голос и липсинк: нет, это клип, только музыка ⚙️ Как строила генерации: работала только через веб. Загружала фото-референсы персонажей, локаций, предметов и прописывала их прямо в промпте (IMG_1 — книга и т.д.). Video-to-video не использовала, только фото-референсы. Дальше расписывала происходящее по таймингу: 0–3 сек персонаж делает то-то, 3–6 — то-то. Расположение камеры, свет и атмосферу задавала в том же промпте. 📊 Цифры: 33 генерации на весь ролик, каждая по 15 секунд ~15 генераций песни в Suno, пока не получила устраивающий вариант 3 дня работы, с утра до позднего вечера Деньги: посчитать честно не могу - у меня Unlimited-подписка Runway, плюс подписки на остальные сервисы (кроме Suno). Отдельного бюджета на ролик не было. 🚧 Что бесило: - Очень долгое ожидание генераций - После коротких мультиков делать большую форму оказалось тяжело физически и по концентрации - Хвост из первого пункта: монтаж под уже готовое видео (сама тупанула) 📌 Итог: идея была, и я её додержала до конца - этим довольна. Процесс понравился, но повторять пока не тянет. И честный момент: на YouTube ролик набрал заметно меньше просмотров, чем мои короткие мультики. Длинная форма в этой нише пока окупается хуже, чем пятнадцатисекундный Pixar. @cgevent

🌟 ReactBench: инструмент оценки агентов при работе с кодом на React Команда Million, известная инструментами React Doctor, React Scan и Million.js, представила тест для агентов, пишущих код на React. Актуальность ReactBench зеркальна реальному положению дел - около 70% сайтов на JavaScript используют React, а мелкие ошибки в сгенерированном коде тиражируются в огромных масштабах.

Например, сбой Cloudflare в сентябре 2025 года - панель управления и API компании легли из-за одной неверной зависимости в useEffect, которую не поймали ни ревью, ни тесты.

Философия проекта в том, что общие кодинг-бенчмарки проверяют лишь поведение по принципу "тесты прошли - задача засчитана". В ReactBench каждое решение должно ещё и пройти проверку React Doctor, анализатора с более чем 400 правилами, который ищет в коде лишние перерисовки, сломанные эффекты, проблемы с доступностью и сопровождаемостью. 🟡Набор состоит из задач двух типов Write React - реализовать настоящую функцию. Задания этого типа собраны из принятых PR в открытых репозиториях. Агент получает кодовую базу и описание задачи, а скрытые тесты и эталонное решение видит только проверяющая система. Fix React - найти и исправить все баги в существующем компоненте, обнаруженные React Doctor, не создавая при этом новых проблем. Причём агента еще и лишают доступа к линтерам. 🟡Результаты прогонов Само собой, созданием бенча не ограничились и запустили его на топовых моделях. Тут важен небольшой дисклеймер: Бенчмарк сравнивает не модели в чистом виде, а связки модель+агентская оболочка (Codex CLI, Claude Code и другие), и оболочка влияет на итог. По итогам лидируют с минимальным отрывом GPT-5.6 Sol (43,1%) и Fable 5 (41,2%), но важнее разница в цене - прогон Fable 5 обходится в среднем в 5,8 раза дороже, чем Sol. Оптимальным по соотношению стоимость-качество авторы называют GPT-5.6 Terra на средних настройках. Замыкают таблицу GLM 5.2, Sonnet 5, GPT-5.6 Luna и Kimi K2.7 Code. Набор полностью открыт на Github. @ai_machinelearning_big_data #AI #ML #Agents #Benchmark #ReactBench #Million

💵 Куда инвестирует основатель «Еаптеки» Антон Буздалин Сегодня попалась новость про то, что британский стартап Tyred поднял 2,5 млн фунтов стерлингов на то, чтобы скрестить AI и ремонт велосипедов. Но еще интересно, что среди его инвесторов, как пишет TNF, оказался основатель «Еаптеки» Антон Буздалин. И у него есть еще инвестиции в британские стартапы. 🔵 Tyred в 2022-м году замутили Ланселот Хоар, Никита Баранов и Даниэль Бурштынский. Судя по их сайту, они начинали с обслуживания велосипедов по подписке — и обычных, и курьерских электробайков. Если что-то ломается, то механик выезжает и все чинит. И дела у них идут неплохо — за прошлый год было 100 000 велосипедов, включая 50 000 великов сервиса Lime. Но теперь Tyred идет в AI. Они хотят загрузить данные о ремонте в AI-модель, туда же добавить данные с датчиков на велосипеде. И тогда, как они рассчитывают, получится предсказывать поломки. И, как пишет Никита Баранов, хотят сделать страховую для велосипедов. 🔵 Еще TNF пишет, что основатель «Еаптеки» Антон Буздалин был лид-инвестором в pre-seed раунде стартапа Dwelly. Раньше я не видел упоминаний Буздалина среди инвесторов Dwelly. Но у него в LinkedIn действительно указано, что он там инвестор. Я залез в британский реестр проверить. И формально совладельцем в Dwelly является Роман Буздалин. Это, похоже, его отец, с которым они делали сначала сеть аптек А5, а потом основали «Еаптеку». Чем занимается Dwelly? Этот проект в 2023-м основали Дмитрий Хануков, Илья Дроздов и Дан Лифшиц. Они хотят с помощью AI изменить рынок аренды недвижимости в Британии. Dwelly скупает агентства недвижимости и старается максимально автоматизировать их работу с помощью AI. В феврале они анонсировали раунд на $93 млн (часть в виде займа), а лид-инвестором тогда стал General Catalyst. В конце мая Bloomberg писал, что они ведут переговоры о раунде на $200 млн. Я стараюсь следить за Dwelly, но, честно говоря, уже сбился со счета, сколько всего агентств они купили. Буквально вчера Илья Дроздов писал, что они сделали уже восьмое приобретение в этом году, а всего под управлением у них 14 000 объектов недвижимости. 🔵 Наверное, не очень правильно делать вывод по двум инвестициям. Но выглядит так, что Антон Буздалин инвестирует в применение AI в реальном секторе — недвижимость, ремонт велосипедов. Но так-то Буздалин и сам занимается AI-стартапом Zinit — это AI-платформа для B2B-закупок. Его сооснователи в этом проекте Андрей Черногоров и Стэн Московцев. В ноябре прошлого года Zinit привлек $8 млн по оценке $48 млн. Среди инвесторов были AltaIR Игоря Рябенького, DVC Марины и Николая Давыдовых. @TheEdinorogBlog — тот самый канал про стартапы🦄

GPT-5.6 Sol очень даже хорош!

Он собрал мне софт для того, чтобы автоматически нарезать и подготавливать видео к монтажу, меньше чем за час.

И оно работает ровно так как мне и надо 🤯 Я уже пытался раньше создать что-то подобное с прошлыми моделями. Они нормально справлялись именно с написанием логики (определить тишину в дорожке и создать массив с фрагментами которые нужно вырезать) но когда я просил собрать интерфейс, начинался ад, и мне было быстрее руками нарезать видосы, чем пытаться все же доделать приложение. 🤔 И тут, после записи нового ролика, я вспомнил об этой идеи и решил дать шанс нашему Солнышку. Результат вы можете видеть на скринах. Конечно немалую роль играет то, что я дал агенту четкую задачу с четкими границами и понятными ожиданиями, но в любом случае это отвал башки. Пару лет назад я чуть не купил такой софт за 300 баксов 😅  Но вообще весь этот пост это такой тонкий намек что я снял новый ролик и совсем скоро он появится на канале 😉 Делайте ставки — про что будет ролик? Свята место | 10МДК | ВЕБМастер | YHub

Лицензия на тайну Данные – как известно, новая нефть. Но торговать ей напрямую государство запрещает, больница не имеет право взять и продать медкарты своих пациентов OpenAI или Anthropic, их сначала надо обезличить. Просто убрать имя и фамилию – недостаточно. Людей все равно можно найти по косвенным признакам. Убрать все подряд – так ничего и не останется. Правильная граница в американском законодательстве обозначается через специальный механизм – Expert Determination: квалифицированный статистик подписывается, что повторно опознать человека почти невозможно, и массив официально считается обезличенным. Идея #стартапдня Integral – обеспечить поточную выдачу таких подписей. Сотрудники стартапа разбираются в данных клиента и максимально быстро доводят их до правильного состояния. Дальше они же ставят штамп “можно” и обучающая выборка уезжает в AI сервис, а Integral получает свой гонорар. Стартап работает с 2022 года. Начинал, видимо, в практически полностью ручном режиме, сейчас значительную часть работы софт делает, но совсем от человека отказываться нельзя. В недавнем раунде Integral привлек 18 миллионов долларов инвестиций. https://www.useintegral.com/ #ai #сша #юристы #rounda

Тренды из мира бенчмарков на ICML 2026 [1/2] Работ о бенчмарках на ICML традиционно много. По сравнению с прошлым годом, в 2026 стало заметно больше бенчей для агентов. А ещё начали чаще встречаться работы из академии. Объяснение простое. Корпорации вкладывают много сил во внутренние бенчи: делают сами, покупают их у data-labeling-компаний (например, Surge, Mercor, Handshake AI, Toloka) — и, как следствие, такие бенчи редко опенсорсят. Остальные бенчмарки часто делаются ощутимо меньшими ресурсами. И, как следствие, страдают от типичных проблем: • мало человеческой верификации данных, • качество judge'ей-верификаторов редко полноценно исследуется, • плохо оценивается качество пар запрос + ground-truth-ответ, сгенерированных LLM, • редко проверяется контаминация, хотя бенчи собираются из открытых источников. Авторы постеров, вошедших в подборку, отметили, что подготовка одного бенча занимает в среднем 3–4 месяца фултайм-работы. τ²-Bench: Evaluating Conversational Agents in a Dual-Control Environment Команда τ-бенча продолжает свою работу. В этот раз получили spotlight. Предыдущие версии были single-control: то есть, тулы были доступны только агенту, а пользователь пассивно выдавал текстовый фидбек. В реальном мире пользователь, конечно, взаимодействует со средой. Новый бенчмарк сделали на примере телекома: у агента и у симулированного юзера свои БД и инструменты в общем мире. Валидация — не LLM-судьями, а ассертами на состояние мира. Получившийся бенч заметно сложнее предыдущих версий: Сlaude-3.7 выбивает только 49%. Авторы используют абляцию, когда всё управление переходит агенту или если агенту дают подробный план, как надо поступать. Один из тейков: для агента важен скилл координации с пользователем, который обычные специализированные бенчи не измеряют вообще. QEDBench: Quantifying the Alignment Gap in Automated Evaluation of University-Level Math Proofs Этот бенч фокусируется в первую очередь на оценке надёжности самих судей: насколько LLM judge вообще способен оценивать математические доказательства примерно институтской сложности. Авторы попросили экспертов переписать экзаменационные задачи из 10 математических дисциплин так, чтобы избежать контаминации. Также дополнили бенчмарк примерами из экзаменационных задач своего университета. Ответы фронтир-моделей оценивали: • кандидаты математических наук по заданной шкале, • LLM-судьи по рубрикам, заранее описанным людьми. Всего авторы собрали 1300+ доказательств и 1000 часов разметки. Ожидаемо, судьи пропускают заметно больше неправильных решений: 38% показал самый лучший judge на GPT-5.2 Pro. The Decrypto Benchmark for Multi-Agent Reasoning and Theory of Mind Бенчмарк на Theory of Mind, собранный на основе настолки Decrypto. Alice даёт словесные подсказки к четырём секретным словам так, чтобы код угадал её партнёр Bob, но не угадал перехватчик Eve. Сложность в том, чтобы подсказка была достаточно прозрачной для своего и непонятной для чужого — то есть, требует явно моделировать так, чтобы понял один и не распознал другой. Pass — исход игры. Преимущество по сравнению со старыми статическими ТоМ-бенчами в том, что можно менять ключевые слова и собирать их в миллиарды комбинаций, избегая переобучения. Авторы проделали довольно подробную работу: предлагают промпты-правила и методики валидации, а также провели валидационные игры между людьми и моделями. С игрой плохо справляются даже фронтир-модели: дают примитивные ассоциации (fire → flame, hat → cap), которые легко перехватить. С помощью отдельных тестов из области детской психологии, замерили representational change — понимает ли агент, что его собственное представление изменилось, когда пришла новая информация и изучили false belief — умение приписать ложное убеждение участнику дискуссии. Оба показателя составили менее 10%. Ризонинг не помогает: Llama 3.1-70B обходит и Claude 3.7, и o1. Исследовала для вас бенчмарки ❣ Ирина Барская #YaICML2026 Душный NLP

😍 AI SEO / GEO принципы дают результат Алгоритмы и принципы зашитые в систему (и это всё ИИ), На выходных ещё попался очень интересный эксперимент с loop engineering применительно к SEO (🎞 видео), где ты ставишь ИИ агенту цель → он ищет точки роста как вырасти в SEО → сам анализирует результаты в Google, Яндекс → сам пишет стратегию поднятия в топ. В общем крутая идея. Также (о чем я знал, но забыл применить) - - LLM.txt на домен и LLM.txt на статью в Markdown. ChatGPT, Claude, Perplexity и др. нейронки поощряют домены из которых можно БЫСТРО извлечь контент. Поэтому ГЛУПО закрывать страницы от краулеров/парсеров, ибо этим парсером может быть chatGPT, который мог бы выдвать вашему потенциальному клиенту ссылку на ваш сайт. Плюс в 2026 рулит авторство (тот самый EEAT), поисковики не брендовый контент контент который не имеет личного бренда или бренда компании

Lucy 2.5 - реалтаймовый композ и редактирование видео Про видеогенератор Lucy я уже писал (полезно перечитать, чтобы разобраться с Миражами) Идея вроде не нова, мы уже это видели в разных Лайфпортретах, Инфинитоках и, конечно у Клинга в Motion Control. Загружаете картинку персонажа (любая неведомая тварь тоже сгодицца), берете видео, где вы или более талантливый актер(персонаж) кривляется на камеру, и вот уже ваша картинка кривляется нужным образом. В 3Д это зовут ретаргетом. Но! Здесь вот это вот всё в РЕАЛЬНОМ ВРЕМЕНИ! То есть берете картинку, вебку и погнали стримить 24-30FPS и минимальной задержкой (пишут near-zero latency, но в реале с учетом интернета будет 1-2 сек я думаю). Очень смешно, что в первых версиях не было цензуры - обязательно посмотрите этот пост, где Леха Борзых довел меня до истерики - ну и показал, что такое Lucy. Сейчас вышла версия 2.5: - Изменение стиля, замена фона, а также добавление, замена или удаление объектов в режиме реального времени на веб-камере или в трансляции во время воспроизведения - Замена персонажей, изменение цвета и текстуры, а также добавление визуальных эффектов, таких как огненные шары, взрывы и дым - Замена персонажей по эталонному изображению и виртуальная примерка с интерактивной задержкой - Более точная изоляция редактируемых объектов и точное соблюдение указаний при работе с мелкими, смещенными относительно центра и нечеловеческими объектами В общем реалтаймовый композ. Но вы же понимаете, что это реалтайм - поэтому не ждите продакшен качества. Пробуем тут: https://lucy.decart.ai/ И тут: https://fal.ai/models/decart/lucy-2-5/realtime @cgevent