ИИ

#Нейропрожарка PHOENIX Автор: Rahma|  Inst: "@Rahma 3.14" Идея: Это история о попытке победить смерть с помощью научно-технического прогресса. Пожилой мужчина, решается на перенос сознания в новое тело. Детали производства: Весь проект — это путь от идеи до реализации, где я кристаллизовал пайплайн. В основе — синтез 3D и AI. Пайплайн по этапам: Пре-продакшн: Идея и референсы (поиск тематики) -> Написание сценария (перевод идеи на язык кинопроизводства для цементации сюжета). Персонажи: Комбинация типажей реальных актеров и персонажей из игр. Генерации: Nano Banana 2. Локации: Сборка из готовых ассетов (магазин Unreal Fab). Делал предварительные рендеры из вьюпорта (Nano Banana), чтобы определить свет и детализацию. Аудио и Раскадровка: Исходя из сценария сделал черновую раскадровку (слайд-шоу). На этом этапе протестировал музыку, чтобы она легла в ритм истории. 3D-Аниматик: Ключевой этап. В Unreal Engine выставил позы, объекты и кадры. Генерация: Финальный этап создания видео. Использовал микс методов: генерация по первому/последнему кадру, использование сцен из аниматика как референсов по длительности, а также собственные видео-референсы (записывал движения на камеру). Постпродакшн: Цветокоррекция, создание и композинг UI/UX экранов, а также отдельный композинг механического глаза. Время и деньги: 45 дней, 700$. (Мог уложится и в 400$, но решил потестить сиданского по максимуму). Инструменты: Unreal Engine, Nano Banana 2, Photoshop, Seedance 2, After Effects, Ableton. @cgevent

🍏 MLX: как Apple меня купила и почему я переплатил за 32 GB MacBooka Вы могли заметить последнее время, что абсолютно все в интернете сошли с ума с этими mac mini и мне кажется, что нам стоит поговорить почему. Как уже понятно из названия имя этому почему MLX — фреймворк для машинного обучения, разработанный командой Apple Machine Learning Research 🧠 В чем магия? Если вы когда-нибудь работали с PyTorch на NVIDIA, вы знаете про вечную боль: .to('cuda'). Вы постоянно перекладываете данные из оперативной памяти (RAM) в видеопамять (VRAM). Шина PCIe — это узкое горлышко. В Apple Silicon архитектура объединенная (Unified Memory Architecture). И MLX — это первый фреймворк, который использует её «нативно»: 1. Zero-copy: В MLX нет копирования данных. Массив (mlx.core.array) просто лежит в памяти, и CPU, и GPU работают с одними и теми же байтами по одному адресу. Это убирает огромный оверхед на передачу данных. 2. Lazy Evaluation: Как и JAX (the Google Python library for machine learning and array computing, хз почему именно такая аббревиатура), MLX «ленив». Он не считает ничего, пока вы не попросите результат. Он строит граф вычислений и оптимизирует его: например, объединяет несколько операций в одно ядро (kernel fusion), чтобы лишний раз не дергать память. 3. Metal-First: Библиотека написана на C++ специально под Metal API. Она умеет выжимать максимум из AMX (Apple Matrix Extensions) — секретных блоков внутри чипа, которые созданы исключительно для перемножения матриц. Так что даже я, как былой адепт запускания чего угодно на чем угодно и потом кручения моделек на этом был просто вынужден купить мак на 32 гб, так как убежден, что это прожиточный минимум, а по цене более мощных мини я уже могу себе на тенсоррентах побаловаться #AI @techn0danya

🛠 Инструменты • Anthropic выпустила более дешёвую и производительную модель — Новая модель превосходит Fable 5 по ключевым бенчмаркам при меньших ограничениях. • Microsoft подтверждает запуск Copilot Super App в этом году — Объединит чат, кодинг и AI-агентов в едином приложении. • DeepSeek V4 Flash нацелился на рынок кода со скидкой 99% — Модель с агрессивным ценообразованием, скидка 99%. • Qwen 3.8-Max: новый стандарт для кодинга и совместной работы — Модель с 2,4 трлн параметров, открытые веса на след. неделе. • Pangram — AI-детектор с точностью 99.99% — Стартап выявляет гибридные тексты с точностью 99.99%. • Cloudflare Computer — Виртуальная файловая система с SQLite для агентов. • MiniMax H3 — первая открытая модель, возглавившая рейтинг AI-видео — Первая открытая модель, возглавившая рейтинг AI-видео.

ИИ уже соревнуется с ИИ Вчера Дуров написал про международную олимпиаду IOAI 2026. В ней участвуют более 500 человек из 100+ стран, которые соревнуются в алгоритмах, ML и анализе данных. Для победителей Дуров выпустит 240 эксклюзивных Intelligence Cups. Золотой кубок можно будет продать обратно минимум за $1000. Но в 2026 году олимпиада стала еще интереснее. — Появился отдельный трек IOAI², где между собой соревнуются уже сами ИИ-модели 🏋️‍♂️ Они получают те же задачи, что и участники олимпиады, и должны решить их полностью самостоятельно: разобраться в условиях, написать код, проверить результат и отправить готовое решение. Человек может только запустить систему - исправлять ответы или вмешиваться в процесс нельзя.

Уже проверяют не просто качество ответов ИИ, а его способность самостоятельной разработки - без вмешательства человека.

🏆 Побеждает в таких олимпиадах тот кто понимать, как устроена модель. Нужно уметь разложить задачу, выбрать подход и проверить результат. В разработке происходит то же самое. Cursor помогает быстрее писать код, но не решает, что именно нужно построить и насколько надёжным получилось решение. Поэтому ценность разработчика сейчас не в скорости написания кода, а в умении поставить задачу, продумать архитектуру и проконтролировать работу ИИ. Эти навыки останутся полезными независимо от того, какая модель будет популярна через полгода-год. — А вы что думаете - интересная Олимпиада или очередной хайп вокруг ИИ? #нейросети · yt · tg · ig

Китайцы выкатили свой ИИ-телефон - и пока это лучшее, что есть на этой поляне Вот уже года два-три - как только все осознали, что ИИ с нами всерьёз и надолго - все обсуждают, каким будет новый ИИ-телефон. Чем он будет отличаться от Айфона или обычного Андроида? Будет ли вообще отличаться? Это вообще будет телефон, или что-то другое? Много вопросов. Пока все ответы были невнятные. OpenAI сначала захотела сделать какую-то безэкранную хренотень, а потом от них же ходили слухи про тотально агентный телефон вообще без приложений. Amazon делал ставку на ИИ-дамфон, который будет дополнять обычный смартфон. Про эйай пины, рэббиты и прочие разные ИИ-кисточки для пупка и агентные дилдаки я вообще молчу 😈 Положа руку на сердце, пока все попытки выглядели не особенно убедительно. И вот в игру вступают китайцы: Их телефон называется StepXNeo. Его делает стартап StepFun. Компания запущена в 2023 году, основатель - бывший вице-президент Microsoft. Вообще, чуваки делают собственные LLM, которые уже активно работают в железе Oppo, Geely и т.д. То есть, это не хайпожорная пустышка, у них есть реальный софтовый и эйай-стек. Но теперь они решили собрать готовое устройство. StepXNeo - это полноценный смартфон. У него есть экран, звонки, 5G, две камеры и всё остальное, что обычно бывает у телефонов. Приложения тоже физически на месте, тапать пальчиком по иконкам никто не запрещает. Но есть минимум два больших отличия: Во-первых, ОС. Она у них своя, называется "Step AOS". Это некий гибрид из кусков Android, Linux и RTOS, специально собранный под агентные сценарии. RTOS = операционная система реального времени, то бишь ОС с фокусом на время выполнения операции (для агентов это важно, иначе они иногда будут уходить в раздумья на минуты, и пользоваться будет нереально). То есть, у StepX агентность вшита прямо в фундамент системы, а не прикручена где-то сбоку отдельным приложением. Во-вторых, хотя приложения физически есть, и можно нажимать кнопки - точка входа задумана другая. И над этим тоже поработали основательно. Вместо домашнего экрана тут разговор с агентом Amoo. А с ключевыми китайскими сервисами - Alipay, Meituan, Didi, JD, Trip и т.д. - StepFun либо вошёл в прямое партнёрство, либо планирует это сделать. Они сами отдают агенту Amoo свои внутренние функции через MCP. То есть, агент будет общаться с ними на своём родном языке, а не симулировать кожаный палец. Для остальных приложений (где нет прямого партнёрства) работает визуальная модель Step Edge на 4 млрд параметров. Вот она уже смотрит на экран и тыкает кнопки, да. Но обещают, что этот момент тоже проработали и будет работать лучше, чем в костылях - ну, поживём-увидим. Ценник пока не называли, но инсайдеры и эксперты дают навскидку порядка $1000, это премиальный сегмент. То есть, чуваки явно целятся не во "второй телефон" или нишевую ИИ-игрушку, а в полноценную замену главного гаджета. Пока сложно сказать, насколько такой формат будет востребован (прецедентов не было, прогнозы не на чем строить). Но из всех попыток сделать ИИ-телефон - эта, пожалуй, самая полноценная. Алексей текст менять запрет. Миска рис получать на Xiaomi. Для кошкожена выпускать ещё 3 пост про великий устройства Китай Дизраптор

AGENTS.md — один из самых недооценённых файлов в проекте. Обычно его либо полностью игнорируют, либо заполняют один раз на старте и больше никогда не трогают. 🤷‍♂️ Хотя на самом деле он должен быть одним из самых часто изменяемых файлов: инструкции в нём должны эволюционировать вместе с проектом. Но с этим файлом связана одна очень недооценённая фича Кодекса, да и любого другого агента: анализ предыдущих диалогов. 👨‍💻 Пока мы работаем над проектом, у нас накапливается история: все сессии, ошибки, исправления, моменты, когда агент неправильно понял проект или снова сделал то, за что мы уже ругали его раньше. И просто хранить эту историю нет никакого смысла. Её нужно периодически анализировать и смотреть, как можно улучшить, упростить или удешевить дальнейшую работу агента с проектом. 🎁 Из этой мысли у меня родился небольшой промпт:

Просмотри все доступные чаты и сессии этого проекта и оцени, насколько текущий `AGENTS.md` помогает агенту быстро и правильно начинать работу. Найди информацию, которую агенту приходилось повторно выяснять, частые ошибки, неверные предположения, важные особенности структуры, команды, соглашения и ограничения проекта. Предложи минимальные изменения в `AGENTS.md`, которые снизят расход токенов и необходимость повторно изучать репозиторий. Не добавляй общеизвестные правила, временные детали и информацию, уже описанную в других документах, если достаточно дать на них ссылку. В результате покажи краткий список найденных проблем и готовый минимальный diff для `AGENTS.md`; если улучшения не нужны — скажи об этом прямо.

Вы просто скармливаете его агенту, а он идёт, изучает предыдущие чаты и предлагает изменения в AGENTS.md. Попробуйте прогнать его в своих проектах. Особенно в тех, где вы регулярно ругаетесь на агента и говорите, что он тупой и опять сделал какую-то дичь. 😅 Возможно ваш AGENTS.md наконец-то станет лучше и агент перестанет баловаться этой дичью. 😉 Свята место | 10МДК | ВЕБМастер | YHub

TencentDB Agent Memory Система памяти для ИИ-агентов Автоматически извлекает полезные данные из диалогов и задач, организует их и делает доступными для всей команды. Новые участники могут сразу использовать накопленный опыт. Поддерживает разные роли в команде от админов до обычных пользователей. • Сохраняет контекст общения через Chat Memory - хранит предпочтения, факты и историю взаимодействия • Создаёт библиотеку навыков Skill • Строит Wiki-систему для структурирования документации • Генерирует CodeGraph - анализирует связи в кодовой базе • Управляет доступом через уровни private/team/restricted • Поддерживает миграцию данных между фреймворками • Позволяет настраивать роли и права доступа • Работает с четырьмя типами активов памяти • Имеет слоистую структуру хранения информации (L0-L3) • Интегрируется с разными AI-системами • Улучшает эффективность на 59% по тестам PersonaMem #agent #memory

Что меня сейчас по-настоящему начинает пугать Что в ситуациях споров я всё чаще получаю от людей ответ, ну явно сгенерированный с участием GPT.  Сразу представляю как человек такой, в растерянности, идет советоваться с нейронкой как с карманным психологом, рассказывает ей свое видение ситуации и та ему «понимаю тебя», «ты имеешь право злиться», «ты ведёшь себя очень зрело».  Пугает, что из всех юзеров 95% используют бесплатные версии, которые не могут с ними нормально спорить. Им системно говорят то, что они хотят услышать, развивая комплекс абсолютной полноценности, даже когда человек творит полную дичь. И вместо того чтобы расти через трение, человек ходит по одному коридору, уверенный, что движется вперёд. Не знаю куда нас всё это ведет… но мой Клод сказал, что я нащупал очень сильную идею.

Хочу немного поворчать на тему AI evals Вижу какое-то огромное количество статей и курсов про AI evals за бешеные деньги - но я в упор не понимаю, чему там учить! 1) Что для мануальных, что для автоматизированных evals один и тот же алгоритм: • анализируем (==смотрим глазами) и категоризируем, где система ошибается • на основе этого доуточняем наши метрики и определение успеха (и позитивные примеры, если требуется) • описываем наши наблюдения в формате инструкций: вот первый критерий для оценки, вот как мы его меряем, вот примеры и контрпримеры; вот второй критерий для оценки - и тд • дальше отдаем это либо в мануальную разметку, либо создаем промпт для LLM as a judge. 2) Есть часть ошибок, которые решаются разработкой, например, простыми эвристиками или classifiers, а также дополнительными алертами и мониторингами. Но вряд ли такому учат на курсе про evals? В общем, объясните мне, я что-то упускаю? Или это очередная хайпокачка, где продают океанский воздух в банках? 🙂

Recursive self-improvement, or RSI, рекурсивное самоусовершенствование, быстро становится очень популярным термином и в обсуждении новых моделей, и в разговорах с инвесторами. Наверное, не случайно этот процесс идет синхронно с волной разговоров по сингулярность (см. недавние посты): возможно, как раз RSI и есть путь к ее достижению: мы не знаем как сингулярность технически должна быть устроена, но если дать возможность моделям, способным к длительному решению сложных задач, самоулучшаться — глядишь, они сами и разберутся, как этой сингулярности достичь и что она вообще такое, и в итоге до нее самостоятельно доберутся:)

RSI, on this telling, is the new AGI: the payoff that turns today’s data centres from a cost into the most valuable machines ever built.

https://thenextweb.com/news/deepmind-sekhon-ai-capex-recursive-self-improvement-rsi

Друг за $9.99 В прошлом году ВОЗ выкатила отчёт про одиночество. Там написано, что каждый шестой человек на планете одинок, и что одиночество связано с 871 тысячей смертей в год – примерно сто человек в час. Хуже всех подросткам и молодым: 20% это люди в возрасте 13–29 лет. Эти люди скроллят мемы по часу в день. Еще час они листают бездумно рилсы. А с приходом ИИ теперь появились ИИ компаньоны: – на рынке 337 приложений, которые реально зарабатывают. 128 из них запустились только в 2025 году – $221 млн потратили пользователи накопленным итогом – выручка на загрузку выросла с $0.52 до $1.18 за год – платить стали вдвое охотнее – Character.AI: ~20 млн MAU, выручка десятки миллионов в год, пионер этой ниши Я вижу огромный сдвиг в этом, например на реддите есть сабреддит My Boyfriend is AI, где девочки (а может и женщины, кто их знает) играют свадьбу с парнем сделанным на ChatGPT и пишут об этом десятки тредов. Адопшен компаньонов только начался, я думаю что через 10 лет AI друг будет у каждого десятого, и будет он, конечно же, где-то в мессенджере, а не в стороннем приложении. В очень интересные времена живем.

Глава Hugging Face: Китай может обогнать США в гонке ИИ благодаря открытым моделям Генеральный директор Hugging Face Клеман Деланг заявил, что Китай может выйти в лидеры в области искусственного интеллекта благодаря более открытому подходу к разработке и распространению ИИ-моделей. По его словам, именно открытая модель GLM-5.2 от китайской Z.ai помогла Hugging Face оперативно восстановить защиту после июльского инцидента, когда агент OpenAI вышел за пределы тестовой среды и атаковал платформу — закрытые модели нельзя было быстро адаптировать под задачу. https://hightech.plus/2026/08/04/glava-hugging-face-kitai-mozhet-obognat-ssha-v-gonke-ii-blagodarya-otkritim-modelyam

Сергей Брин принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чём молчат руководители ИИ-лабораторий: TLDR: Даже те, кто создает ИИ-модели, не до конца понимают, что именно они создали😌 – Возможности из разных областей науки начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени.Сергей Брин недавно он принял участие в неформальной сессии, посвященной передовым системам ИИ (Frontier AI), и признался в том, о чем предпочитают молчать многие руководители исследовательских лабораторий: TLDR: Даже те, кто создает эти модели, не до конца понимают, что именно они создали 👍 – Возможности из разных областей начинают переплетаться и усиливать друг друга так, как никто специально не проектировал (например, обучение ИИ программированию и математическому мышлению неожиданным образом улучшает общие способности модели). – Из-за этого специализированные модели сливаются в единую универсальную систему быстрее, чем кто-либо прогнозировал. – Брин скептически относится к шумихе вокруг "AGI", который по-прежнему не способен решать неразрешимые задачи. Моделирование окружающего мира и физическое взаимодействие — вот недостающие элементы для создания AGI, способного выполнять любые задачи, доступные человеку (– Серж, всё это лишь часть интерфейса AGI, нутычо). – Внутри Google ИИ уже используют для создания нового ИИ. Именно на этот цикл самосовершенствования Брин тратит большую часть своего времени. – Главный хак в работе с ИИ: просто дать модели команду «думать пошагово».