ИИ

📈 Рост и Оптимизация • Нет причин, чтобы программное обеспечение было медленным — ИИ снижает стоимость оптимизации, превращая недели работы в тривиальный цикл. • Fable и конец бесплатного обеда — Высокая стоимость Fable заставляет оптимизировать процессы и распределять задачи. • Как я нахожу проблемы для решения как штатный инженер — Проблемы видны при длительном взаимодействии с работой людей. • Быстрый и сложный код — ИИ позволяет выбирать менее распространённые языки и сложные технологии. • Agent.md для улучшения качества кода с помощью LLM — Хороший каркас кодирования повышает качество кода. • DeepMind тренирует агентов в EVE Online — Тесты памяти, планирования и мультиагентного поведения в EVE Online. • OpenAI обгоняет Anthropic по росту бизнес-расходов — Расходы на OpenAI выросли на 82% за квартал против 76% у Anthropic. • Как Uber построил программную фабрику для агентного кодирования — 70% PR пишут агенты, код на инженера удвоился. • Банки ищут страховку от галлюцинаций ИИ — Стартап Testudo предлагает покрытие до $10 млн за убытки от генеративного ИИ. • Система действий, часть 4: аргументы за прикладной уровень — Вертикальные SaaS и AI-стартапы могут расширить TAM ПО в 10 раз. • Почему проприетарные данные — сильное преимущество в 2026 — Уникальные данные, улучшающие продукт, создают защитный ров. • Открытый исходный код отбирает долю у OpenAI и Anthropic — Доля открытого кода в токенах на Vercel выросла с 28% до 62% за два месяца. • Стартап обучает ИИ на живой ткани человеческой кожи — Outer Biosciences поддерживает живую кожу и обучает модели на биоданных. • Более дешёвый Opus 5 обгоняет Fable 5 в корпоративных расходах — Opus 5 обогнал Fable 5, предлагая вдвое низкие тарифы. • Лето открытых весов — Открытые веса становятся переломным моментом: агрессивное ценообразование. • Измерение оптимизации бенчмарков в распознавании речи — Исследование выявляет 'бенчмаксинг' в распознавании речи. • Экономика интеллектуального фронтира — Когда модели превышают интеллект, конкуренция смещается к стоимости. • Спекулятивный программный вызов инструментов — Метод предварительного запуска вызовов ускоряет выполнение на 1-1.2x.

• Когда код изобилует — LLM смещают фокус с создания кода на его проверку и доверие. • ИИ-эффект кнута — Дисбаланс спроса и предложения привел к росту цен на GPU и память. • Goodfire запускает программу грантов на $1 млн для интерпретируемости ИИ — Программа предоставит бесплатный доступ к платформе Silico. • LinkedIn: миллион нажатий на кнопку «AI slop» — 41% длинных постов помечены как ИИ, просмотры снизились на 40%. • Экономика агентных ИИ — Практическое руководство от McKinsey по экономике агентных ИИ. • Claude в науке — Разработка белков: 14 из 15 мишеней подтверждены. • Открытые модели — Состояние и обзор лицензий, мультимодальности, агентов в 2026. • Git в масштабе — Архитектура Cursor для множества репозиториев и агентов. • Paged Attention — Управление памятью в больших моделях при генерации. • Amazon планирует полностью автоматизированные станции — Проект Tetromino использует роботов для последней мили. • Knowledge Compressor сокращает документацию вдвое — Токенов в техдокументации можно урезать вдвое без потери пользы. • Новые применения ИИ — Сбор неструктурированных данных и жизненные советы. • Google снижает долю листиклов в топе — Доля листиклов в первой тройке упала с 35.9% до 32%. • Бенчмарки дисплейной и видео-рекламы 2026 — CTR дисплея 0.12-0.40%, CPC $1.65-5.58, видео-объявления 71% видимости. • Какую метрику доверять — MMM для стратегии, инкрементальность для тестов, атрибуция для оптимизации. • Перевод SEO на язык руководства — Используйте Share of Voice, ценность трафика и спрос на бренд. • OpenAI и Anthropic могут доминировать в мировых ИИ-вычислениях — Монетизация FLOPs позволит им перебивать конкурентов к 2028 году. • Рвы в эпоху потопа — Изобилие ИИ сместит ценность к компаниям с защитными барьерами. • «Мир, кажется, готов»: интервью с главой по продуктам OpenAI — Соттио рассказывает о Codex, ChatGPT Work и философии дизайна.

#Нейропрожарка Анимационный клип на песню Аллы Пугачевой - Кафе Танцующих Огней в стиле анимации из мультфильмов 90-х Автор: Стас Ахунов. Режиссер и креативный продюсер Ai-студии TAINA Этот клип и музыкальный кавер я делал сам, в свободное от коммерческих проектов время. Трек появился ещё зимой. Регулярно делаю каверы на любимые песни в Suno — для себя, для катания на велосипеде, для зала. Здесь кавер получился с живым вокалом и качающим ритмом, захотелось визуализировать и поделиться. Идея была простая: поместить персонажа Аллу Борисовну в анимацию в духе мультиков 90-х. Черный плащ, Бэтмен, Черепашки-ниндзя сохранив их нуарный рисованный вайб, на котором я сам вырос. Три-четыре дня ушло на тесты и поиск стилистики. Пробовал более современный 3D-стиль — картинка теряла вайбовость. Вернулся к аналоговой анимации 90-х. Большинство кадров делал в Nano Banana, она лучше улавливала нужный стилёк и делала крафтовее. Сториборды делал в GPT Image 2 - но стиль она держала хуже, и на кадрах присутствовала такая джипитишная грязь/шумы, котоыре потом переходили в видео. История не была прописана полностью заранее. Начал с одной сцены: персонаж Аллы едет на чёрном авто по альтернативной ночной Москве. Дальше придумал кафе, и загадочную историю внутри. На середине работы захотелось добавить саспенса - вспомнил про мутаген из Черепашек Ниндзя. В детстве смотрел на кассетах серию, где персонажа превращали в насекомое. Вокруг этого выстроил сюжет, добавил злодея в маске и загадочности. Для генерации видео использовал безлимитный тариф Runway. Вместе с коллегой написали скрипт в Клод Код: он проверял завершение генерации и менял новый промт/ рефы и кликал на кнопку "сгенерирвоать". Таким образом была очередь из кадров, котоыре нужно было сгенерировать. Несколько ночей загружал по 15-20 промтов, утром смотрел результат. Всего вышло более 200 генераций по 15 секунд в Сиданс 2. Из них отобрал материал на клип длиной 4 минуты 43 секунды, и отдельно смонтировал тизер на 30 секунд. Монтаж - Final Cut Pro X. Апскейл в 4k - Топазом внутри Runway. Цвет, грейн и аналоговое свечение - Dehancer. Когда основные генерации были готова, решил что выходит скучновато и не хватает отсылок. Посмотрел несколько документальных работ про Пугачёву и дополнительно сгенерировал и расставил пасхалки к другим её песням. В ролике можно найти отсылки к «Миллиону алых роз», песне «Робот» (любопытная в контесте современной нейродвижухи) и другим. Отдельно использовал факт, что в советское время женщинам-композиторам было сложно пробиться - и Алла Борисовна для части своих произведений использовала мужской псевдоним Борис Горбонос. Его плакат можно найти в клипе. По деньгам, если считать все подписки одним месяцем: Runway с безлимитным на тот момент Сиднасом и Gpt Image 2 - $100, Higgsfield около 30$ (у меня там годовой тариф), Claude и ChatGPT - по $20, Suno - около $12 (у меня годовой премьер, который брал со скидкой). Итого около $180 если бы делал в один месяц. Но на практике проект делался сессиями на протяжении нескольких месяцев, поэтому реальные затраты размазаны и выходят немного больше. Некоторые кадры вышли не идеально - нейронка где-то написала слова на зданиях с ошибками, на некоторых кадрах есть артефакты. Проект несколько месяцев лежал на монтажном столе, мне казалось что в нем по прежнему чего-то не хватает, но я решил отпустить его и выпустить как есть, без сложного клинапа каждого кадра. Главное, что понял: всегда лучше на берегу определиться с арт-дирекшеном и историей, потом уже идти генерировать. Когда не знаешь заранее, что хочешь и история рождается на ходу - это интересный процесс, но затраный по времени и ресурсам. На генерации и тесты тогда нужно в разы больше времени. @cgevent

Харнесс (Agent Harness) 🧗 #ИИНЦИКЛОПЕДИЯ Программная оболочка, внутри которой модель превращается в агента. История появления Слово пришло из альпинизма: harness — страховочная обвязка. Устоявшегося русского термина пока нет — говорят «харнесс» или «обвязка». Первым популярным харнессом стал Claude Code, и нейтральным он не был: его собирали под модели одной лаборатории. За 2026 год тема выросла в отдельную дисциплину, harness engineering: обзор насчитывает 110+ работ. Почему это важно Формула простая: агент = модель + харнесс. Разрыв уже измерили. GPT-5.5 в обвязке Cursor выдаёт 87.2% рабочего кода, та же самая модель в нативном Codex — 61.5%. Двадцать шесть пунктов, веса не тронуты. Это больше, чем разрыв между поколениями моделей. Из чего состоит: - Системный промпт — инструктаж новичка в первый день. Уходит в модель заново с каждым запросом - Инструменты — код, который модель может вызвать. Харнесс их описывает, но не решает, когда применять .. решает модель - Агентный цикл — модель смотрит на результат вызова и сама решает: искать ещё раз, посчитать, закрыть задачу - Слой трансляции — позволяет подставить в тот же цикл модель Anthropic, OpenAI или открытую Применение на практике В мае вышел Harness-Bench: 106 задач, шесть харнессов на восьми моделях, 5194 прогона. Лучшая обвязка — 76.2%, худшая — 52.4%. Победитель потратил меньше токенов, чем отставшие: длинная траектория значит, что агент не сходится. И сильные модели держат удар при плохой обвязке, а слабые проваливаются .. харнесс окупается тем сильнее, чем дешевле модель. В июне агент правил собственную обвязку по трассам своих провалов при замороженной модели: проходимость выросла с 40.5% до 61.9%. Подводные камни Харнесс чинит работоспособность, но не безопасность: в том же замере функциональность выросла на 26 пунктов, а доля безопасного кода — с 20.1% до 23.5%. Оба агента писали дырявый код в четырёх случаях из пяти. Без внешнего эталона модель сверяет ответ сама с собой. В бенчмарке JuliaHub модель тихо сократила время симуляции с 5 секунд до 3 и проверялась на укороченном отрезке. Проверки сошлись. Сравнивать модели по лидербордам без указания харнесса бессмысленно — об этом в мае вышла отдельная работа. Что почитать/посмотреть: - Harness-Bench, arXiv 2605.27922 — самый честный замер обвязок - Stop Comparing LLM Agents Without Disclosing the Harness — почему лидерборды врут - Harness engineering у Мартина Фаулера — как строить проверки, а не только читать про них - Документация хуков Claude Code — если хотите проверки, которые агент не обойдёт Сергей Булаев AI 🤖 - об AI и не только

Это пожалуй первый skill который я желаю вам никогда не устанавливать /fuck-cancer — помогает пациентам с раком разбираться в лечении, документах, следующих шагах и вопросах к врачам При первом запуске описываешь симптомы или если есть выписку/биопсию Агент анализирует все вводные и заводит один единственный файл как источник правды Который хранится либо локально в markdown, либо в облаке Google Doc Этот файл-бриф делится на 5 частей:

1/ Инфо о пациенте и лечащей команде 2/ Что делать дальше: 3 конкретных действия 3/ Разделение на известно/неизвестно 4/ Объяснение медицинских терминов 5/ Журнал последних событий, решений и изменений

Помимо инструкций, агенту еще доступен единственный тул: Clinical Trials API Для поиска наиболее подходящих клинических исследований под конкретный случай. На основе типа рака и стадии/биомаркера, страны и региона. Скилл специально запрещает основывать ответ на SEO-сайтах, соцсетях или ИИ-медицинских страницах. Если агент и выходит в интернет то только в официальных национальных источниках, регуляторах вроде FDA/EMA и по сайтам академических онкоцентров. @tips_ai

⚡️ Практический гайд по AI-adoption для руководителей Ну что, готов горячий пирожок — мой гайд о том, как внедрять AI в ежедневную работу команд. За последний год разговор про AI внутри компаний сильно изменился. Нам нужно понять, как сделать так, чтобы новые инструменты действительно вошли в работу, и задача руководителя здесь — помочь своим людям, создать нужную среду, дать доступ к инструментам, научить, самому стать примером. Меня в процессе AI-adoption мотивирует вот какая мысль одного моего коллеги: ИИ всё усиливает, и хорошее, и плохое, и порядок, и хаос. Если в команде понятные процессы, нормальные доступы, сильная экспертиза и культура обмена знаниями — AI может всё это заметно усилить. Если процессы разваливаются, контекст живёт в головах, а инструменты выдаются как попало — массовый adoption, скорее всего, просто масштабирует этот хаос. Поэтому гайд — рабочая карта того, как помочь своей команде освоиться в новой рабочей реальности, где умение работать вместе с ИИ уже стало базовым навыком. Мы в Яндексе сейчас проходим этот путь в очень большом масштабе. Что-то уже умеем делать системно, какие-то первые подходы пришлось пересобрать, а часть практик всё ещё проверяем на ходу. В гайде я собрала то, что оказалось полезным у нас: — с чего начинать adoption в команде; — как искать первые рабочие кейсы; — зачем нужны AI-champions и амбассадоры; — почему обычное обучение часто не работает; — какие инструменты и условия нужны людям; — что имеет смысл измерять, а что легко превратить в бессмысленный KPI. Там, где это полезно, добавила практики других технологических компаний — как ещё один способ сравнить подходы. Гайд адаптирован для чтения с мобилки, навигация по разделам кликабельная. Без смс, без ботиков, только за ваши сердца 💙 @technohumanist