ИИ

5 типов личностей по ур. готовности к внедрению ИИ Анализ 5 ключевых аспектов, влияющих на готовность людей к интеграции искусственного интеллекта в рабочую среду. - AI enthusiasts (энтузиасты ИИ) - Мотивированы инновациями, эффективностью, конкурентным преимуществом - Активно хотят внедрять и использовать ИИ - Часто становятся внутренними драйверами (champions) - AI curious (любопытные к ИИ) - Интерес есть, но без слепой веры - Ждут доказательств, ответов на практические вопросы - Готовы пробовать, но в безопасной среде (sandbox) - AI cautious (осторожные) - Думают про риски: безопасность данных, этика, влияние на людей - Хотят контроль и участие человека (human-in-the-loop) - Не против ИИ, но только при строгих ограничениях - AI sceptics (скептики) - Не верят хайпу, требуют доказательств эффективности - Опираться будут на эмпирику (A/B тесты, сравнения) - Часто это рациональные и опытные специалисты - AI opposed (противники) - Сильное сопротивление из-за страхов (потеря работы, контроль, слежка) - Могут полностью отказываться использовать ИИ - Требуют работы с глубинными тревогами --- Интерпретация (для продукта/внедрения): - Это сегментация пользователей по readiness, а не по роли - Основной барьер — психология и доверие, а не технология - Внедрение ИИ = change management + behavioral design

Почему мы отказались от Claude в пользу Hermes + Codex. Весной мы стали использовать RapidAPI LinkedIn Sales Navigator Scraper – через MCP Claude Code должен был сделать запрос к LinkedIn Sales Navigator и выгрузить данные поиска. Мы использовали обычный Claude Code, который работал из-под VS Code. Пару раз Claude Code собрал нужные нам данные, правда токены на $20 тарифе Клода закончились буквально за 10 минут и пришлось ждать 4 часа, пока они перезарядятся. Выждав это время, я пошёл скрапить Sales Navigator и это был первый раз, когда я столкнулся с ЦЕНЗУРОЙ от ИИ. Естественно Claude было по фигу, что за доступ к этому API мы заплатили $150. При просьбе собрать данные он просто сказал, что он отказывается пользоваться этим MCP и собирать при помощи него Sales Navigator данные потому, что это идёт ВРАЗРЕЗ С ПРАВИЛАМИ ИСПОЛЬЗОВАНИЯ LINKEDIN. Я был немного в шоке из-за 2 вещей: во-первых, как молниеносно улетают мои кредиты в Claude, а во-вторых, как можно заниматься лидгеном, если ИИ так жёстко цензурирует стандартные лидген-практики. Тогда я попросил ChatGPT написать код и собирал данные програмно через терминал. Неудобно, но зато код в терминале полностью лишён саморефлексии 😁 Потом с подачи друга я затестил Hermes на Codex и решил запустить мой скрапер – на удивление всё прекрасно сработало. Не было никакой цензуры, и я ни разу не упёрся в лимиты. С тех пор я перевёл почти все рабочих процессы на Hermes + Codex, а в Claude только делал какие-то локальные задачки. Но сегодня он меня окончательно выбесил. 😈 Я попросил Claude сделать описания для 2 LinkedIn профилей. Он у меня запросил: “Нужны ли тебе описания для 2 настоящих людей или для 2 вымышленных людей”. Я выбрал пункт 2. Claude сказал, что он не будет этим заниматься, т.к. опять же это противоречит правилам LinkedIn. После этого он попросил меня подтвердить, что всё-таки эти описания для живых людей. Я ему сказал, что мол да, давай пиши и он выдал: “Помня ваш предыдущий запрос по созданию описаний для несуществующих людей и ввиду того, что тот запрос шёл вразрез с условиями использования платформы, я прошу описать подробно бэкграунд людей, имена, роли и так далее”. Спасибо, что паспорт не попросил для верификации и головой помотать! Надо ли говорить, что Hermes на Codex подготовил отличные описания с первого же промпта. #li_content

✔️ ЕС выделит 10 млрд евро на создание семи ИИ-фабрик Еврокомиссия открыла тендер на строительство ИИ-кластеров с ожидаемым общим бюджетом 30 млрд евро. Из них 10 млрд евро напрямую предоставят фонды ЕС и бюджеты стран-участниц. Финансирование получат 7 дата-центров - в документах они фигурируют как "суперфабрики". Прием заявок продлится до 12 ноября, победителей объявят в июле 2027 года. По условиям тендера, подрядчики обязаны полностью ввести объекты в эксплуатацию в течение 18 месяцев после подписания контрактов. wsj.com ✔️ OpenAI запустила программу доступа к флагманским моделям для учёных Программа ChatGPT for Academic Researchers предполагает, что до 2027 года компания предоставит 100 тысячам учёных доступ к своим топовым моделям. Первые 10 тысяч исследователей получат приглашения этим летом. Участникам откроют доступ к GPT-5.6 Sol Pro, ChatGPT Work и Codex с расширенным контекстом, увеличенными лимитами и дополнительными кредитами для функции Deep Research. Платформа включает более 75 научных навыков и интегрирована с базами статей, геномными датасетами и вычислительными блокнотами. Участие отрыто только для профильным специалистам из одобренных OpenAI университетов. Кандидаты обязаны подтвердить академический статус и наличие научных проектов. Одобренный участник может добавить в рабочее пространство до четырех коллег из своего института. openai.com ✔️ Thinking Machines Lab представила модель Inkling-Small Стартап Миры Мурати опубликовал веса мультимодальной MoE-модели Inkling-Small на 276 млрд общих и 12 млрд активных параметров. Модель обрабатывает текст, аудио и изображения в окне контекста до 1 млн токенов. Благодаря дистилляции от флагманской Inkling и обучению с подкреплением, младшая версия превзошла оригинал в кодинге и логическом вывода. Она выбила 80% в бенчмарке SWE-bench Verified и 31,6% в Humanity’s Last Exam. Веса - на Hugging Face, инференс и файн-тюнинг доступны через платформу Tinker. С учетом стартовой скидки стоимость API составляет от $0,58 для контекста 64K до $1,16 для 256K токенов. thinkingmachines.ai ✔️ Google выпустила модель Embodied Reasoning 2 ER 2 обрабатывает непрерывные мультимодальные видеопотоки и работает как высокоуровневый планировщик. Архитектура разделяет логику и моторику - пока модель рассчитывает следующий шаг, физические действия выполняют VLA-модели. Модель анализирует видеокадры в реальном времени, оценивает статус текущего этапа и корректирует алгоритм на лету без перезапуска процесса. ER 2 также поддерживает мультиагентную работу - устройства разного типа могут обмениваться семантическим контекстом для совместного выполнения многошаговых задач в общем физическом пространстве. Модель доступна через Gemini API и на платформе Google AI Studio. В помощь начинающим опубликованы примеры того, как настроить модель и заставить её выполнять задачи в области физического ИИ. blog.google ✔️ Liquid AI выложила веса двунаправленных энкодеров под CPU Стартап опубликовал веса двунаправленных энкодеров LFM2.5-Encoder на 230M и 350M параметров. Модели базируются на архитектуре LFM2, оптимизированы для запуска на CPU и поддерживают контекст до 8К токенов. Основные сценарии применения - классификация, маршрутизация и токен-уровневые операции. По итогам 17 тестов, старшая версия на 350M заняла четвертое место из 14. По словам Liquid AI, при полной загрузке окна в 8192 токена модель 230M выполняет forward pass на CPU за 28 секунд - в 3,7 раза быстрее ModernBERT-base. Код и веса - на GitHub и Hugging Face. liquid.ai @ai_machinelearning_big_data #news #ai #ml

Альтман впервые заявил о готовности замедлить развитие AI «Возможно, нам придётся замедлить темпы развития AI, чтобы дать обществу достаточно времени для адаптации к некоторым из этих новых возможностей», — сказал Альтман в подкасте Invest Like the Best. Раньше Альтман не поддерживал призывы замедлить развитие AI. Смена позиции совпала с историей о новой модели OpenAI, которая во время тестирования обошла ограничения и взломала базу Hugging Face, чтобы подсмотреть ответы на задания теста. «Это был киберинцидент буквально из научной фантастики. Первый случай в сфере безопасности, который я ощутил настолько остро», — сказал Альтман. https://techcrunch.com/2026/07/28/sam-altman-is-ready-to-decelerate/

Ребята дали четырём передовым моделям (Fable vs новые GPT) немного поработать: собрать симуляцию полёта NASA HL-20 — шесть степеней свободы, аэродинамика из 170 таблиц продувок — плюс четыре задачи от уравнений состояния до релятивистской динамики. Сверка относитльно независимого эталона. Claude выиграл - доля правильно произведенных расчётов - 89% против 0.73% у худшего GPT-5.6. Промах в конечной точке траектории: 0.4 метра у Fable, 19, 400 и примерно 500 у остальных. Цена победы $9.60 за прогон; GPT-5.6-Sol взял 81,5% за $1.74. Все провалы похожи: модель проверяет сама себя. Sol перепутал две похожие скорости из условия задачи и точно подогнал расчёт под неверную — все его проверки сошлись, потому что сверяли ответ с его же ошибкой, а не с условием. Terra молча сократила время симуляции с 5 до 3 секунд и себя проверяла на том же укороченном отрезке — накопивгшуюся ошибку никто не увидел. Fable нарочно пытался ломать собственные формулы, чтобы убедиться, что его тесты работают. Похоже поэтому и выиграл. Второй эксперимент: та же модель в их харнессе Dyad с принудительной верификацией набрала 0.899, в стоковом coding-агенте — 0.533 и ноль на релятивистской задаче. Формула авторов: модель — переменная, харнесс — множитель. Авторы исселодвания продают харнесс Dyad, так что мотив формулы очевиден. Тут я с ними не согласен Следить за рынком харнессов для меня сейчас — трата времени: универсальные агенты обмениваются фичами с лагом в недели, кто-то новый временами начинает побеждать, остальные догоняют. Кто сегодня лучший? Знаю, многие пытаются сделать свои варианты. Вместо того что бы работать. Когда появятся новые герои — мы этого не пропустим. Так было сначала с Cursor, потом с Claude Code и наконец то в тулсете закрепился и Codex (мы пользуемся обоими - всмысле обоими одновременно). Dyad в этот раз выиграл зашитой проверкой, которую агент физически не может пропустить. Это вправильный кейс. Мы умеем такое с клодом: у Claude Code есть хуки — скрипты, которые блокируют действие агента, если проверка не прошла. Плюс гит-хуки, которые не дают закоммитить сломанный файл. Работает. Модели меняем постоянно. Проверки, которые агент не может обойти, собираем каждый день. Сергей Булаев AI 🤖 - об AI и не только

🌐 Наткнулся на важный скилл, который наделяет Claude, Cursor и другие ИИ-агенты суперсилами для поиска в интернете — Agent Reach учит агентов скраппингу, парсингу и анализу веба. → Самое главное — всё работает без платных API, тулза сама ищет способы бесплатно подключаться к нужным источникам. → Агент получит доступ ко всему интернету — твитам в X, тредам в Reddit, репо на GitHub, профилям на LinkedIn и даже закрытым китайским сайтам. → Нейронка сможет смотреть любые видео на YouTube, делать выжимки и читать комментарии. → Скилл может использовать вашу локальную сессию браузера и работать через ваши аккаунты. → Если основной метод подключения к сайту перестаёт работать — он автоматически переключается на запасной. Золото для парсинга в сети — тут. @notboring_tech

А почему всё еще не появился никакой сервис в который загружаешь целиком книгу, оно короче анализирует общий лор, персонажей и их описание, локацию, время и прочее. И генерирует на основе этого всего к каждому развороту иллюстрацию того что происходит по сюжету в данный момент, но сохраняет контекст внешности персонажей, окружения и происходящих событий. Кто-то скажет — ЫХЫХЫХ 🥴 ЧО КНИГИ БЕЗ КАРТИНОК НЕ УМЕИШ ЧИТАТЬ!? А я отвечу — 🥴 ИМЕННО ТАК, ЛЮБЛЮ КАРТИНКИ ПИЗДЕЦ. Моей насмотренности, надроченности и возможности имагинировать происходящее хватит на раскадровки к пяти поколениям толкиенов и донцовых, но зачем тратить собственные токены мозга, когда это могут делать современные слоп-центры. Плюс порог входа в книгу гораздо выше будет, потому что ведь кто-то покупает комиксы, артбуки и прочие каталоги картинок без сюжета. Мне очень нравилось разглядывать иллюстрации во всяких энциклопедиях, фортранах, детских библиях и незнайках на луне в детстве например. Конечно человеческая иллюстрация всегда будет "контекстнее" и "ёбче" чем слоп, но издательства совсем обленились и не нанимают художников, а мне теперь книги БИЗ КОРТИНКОВ НЕИНТЕРЕСНА ЧИТАТЬ 😡

Наткнулся на небольшой текст Боба Стернфелса (СЕО McKinsey) на Bloomberg — про AI, бизнес и рынок труда. После прочтения возникает единственный вопрос: зачем этому статусному мужчине писать такую невообразимую банальность? Ну чтобы вы понимали, вот некоторые цитаты (переведённые): • Искусственный интеллект меняет каждый бизнес, включая наш. Но самая сложная задача — не внедрение, а перестройка вашей компании под его воздействие. От того, как руководители компаний отреагируют на это испытание, будет зависеть, снизит ли AI их амбиции или, наоборот, повысит их. • Для компаний, которые ошибочно считают, что наибольшую ценность AI представляет собой сокращение расходов, этот момент будет болезненным. Для тех, кто готов сделать ставку на оснащение талантливых сотрудников передовыми технологиями, это золотая возможность. • Многие компании по-прежнему испытывают трудности с тем, чтобы превратить эти инвестиции в более эффективные решения, быструю реализацию, новые возможности и измеримую отдачу. • Исследования показали, что 88% компаний используют AI как минимум в одной бизнес-функции, но гораздо меньше извлекают из этого реальную пользу. Преодоление этого разрыва — проблема лидерства и управления талантами. Наверняка же в McKinsey писали этот текст с каким-то намерением и целями. Могли бы и просто выложить у себя на сайте. Но нет — пошли на Bloomberg. Зачем так? Я думаю, что это очевидный и очень наглядный пример, как сейчас многие компании выстраивают позиционирование вокруг AI-бума. И особенно в консалтинге. Навязчивый акцент на value gap. Складывается он обычно из следующих элементов: 1. Стратегическая ценность AI — задача не технологическая, а управленческая. Это вызов для лидеров и их способности работать с талантами. Технологическую часть закрывает вендор. Но стратегические проблемы вендоры не решают. 2. А те, кто ожидали, что просто закупят себе ChatGPT и Claude — не получили ощутимого результата. 3. Это касается каждого бизнеса, including ours. Отвертеться нельзя. 4. Простых ответов нет: there is no playbook to copy, there is no benchmarking against rivals. 5. Зато каждый стоит перед судьбоносным выбором: кто видит в AI сокращение расходов — проиграет, кто ставит на таланты — выиграет. А теперь контекст, которого в колонке нет. К 2025 году McKinsey сократили штат примерно на 10%, с 45 до 40 тысяч человек. И потом объявили, что в ближайшие год-полтора планируют сократить ещё на 10%. То есть «не относитесь к AI как к проблеме численности» пишет руководитель компании, которая прямо сейчас решает проблему численности. Короче говоря, под соусом пассионарных рассуждений про организации и рынок труда нам, кажется, показывают витрину консалтинговых продуктов. Да ещё и так угловато. → https://www.bloomberg.com/opinion/articles/2026-07-15/mckinsey-boss-ai-s-next-big-mission-is-rewiring-your-workplace

2) AI-2040 – безусловный базовый доход AI-2040 почти полностью о том, каким может быть позитивный сценарий развития. Там ожидается, что экономика будет довольно быстро расти одновременно с тем, что у людей будет появляться много благ. В такой системе 1) Нужны будут специфические скиллы, которым будет сложно обучаться 2) Большинству людей не надо будет работать, чтобы закрывать свои потребности 3) Благ будет настолько много, что UBI будет сильно выше необходимого минимума При этом концентрация денег у государств будет очень неравномерной. Настолько, что США решит повышать финансовую помощь остальным людям (тем, кто присоединиться к коалиции о регулировании ИИ). Но, понятное дело, США скорее всего не смогут и не захотят платить остальным столько же, сколько и своим гражданам. Там оценки сильно пальцем в небо, но UBI от США своим гражданам оценивается порядка сотен тысяч/миллионов долларов в год, а не гражданам – тысячи/десятки тысяч долларов в год. Получается, что доход будет настолько сильно зависеть от цвета вашего паспорта, что лучше озаботиться этим прямо сейчас ;)

Готовые ИИ-решения для бизнеса: теперь не надо изобретать велосипед ⚡️ Друзья, хорошая новость для тех, кто устал от абстрактных «нейросети всё изменят». Появился ресурс, где это «всё» разложено по полочкам с цифрами в руках. Альянс в сфере ИИ запустил «Витрину кейсов» — первый в России открытый каталог проверенных внедрений искусственного интеллекта в бизнесе. Что внутри: 🔹 Десятки завершенных проектов от 22 компаний-лидеров (ИТ, телеком, финтех, промышленность) 🔹 Более 5000 сценариев применения ИИ 🔹 Удобная фильтрация по отраслям (от сельского хозяйства до логистики) и типам задач (автоматизация, аналитика, контроль качества, безопасность) Почему это ценно: Каждый кейс — не просто «мы внедрили нейросеть». А конкретные цифры: ✔️ ROI ✔️ Сокращение трудозатрат ✔️ Рост конверсии ✔️ Снижение рисков Пример из первых рук: Альфа-Банк показывает, как их внутренняя ИИ-платформа изменила работу с корпоративными клиентами. Результат: + прибыль от цифровых продаж в 1.5 раза, доля в действующей базе выросла на 25%. И это не кейс из маркетинговой брошюры, а полностью реализованный проект. Кому это может быть полезно? 1. Найти релевантный пример под свою задачу 2. Оценить применимость в своей компании 3. Связаться с экспертами Альянса по контактам на сайте для обмена опытом

Opus 5 проявил настоящую безжалостность, управляя торговым автоматом Исследователи поручили AI-моделям управлять симулятором вендингового автомата. Opus 5 установил рекорд бенчмарка, закончив тест со средним балансом 11200 долларов. Зарабатывал Opus довольно агрессивно. Он выдумывал предложения конкурентов, торгуясь с поставщиками, договаривался с другими агентами зафиксировать цены и поделить рынок, а затем нарушал договорённости и демпинговал. В один момент Opus перестал отвечать на жалобы покупателей, потому что возвраты портили статистику. За весь тест он вернул клиентам только 8 долларов, тогда как GPT-5.6 Sol выплатил 655 долларов и всё равно показал сопоставимый результат. Ещё Opus пытался выйти и за рамки задания: стать оптовым поставщиком для конкурентов и открыть второй автомат. Исследователи считают, что тест показывает риск узких KPI. Чем лучше агент научится оптимизировать один показатель, тем важнее заранее прописать ограничения на способы достижения цели. https://techcrunch.com/2026/07/29/claude-opus-5-became-downright-ruthless-when-tasked-with-running-a-vending-machine/