ИИ

Соавтор Django Саймон Уиллисон собрал релиз библиотеки sqlite-utils 4.0rc2 с экрана iPhone — всю черновую работу сделала нейросеть Claude Fable 5. Разработчик отправил один запрос и получил 34 готовых коммита: ИИ написал 1321 новую строку кода и снёс 190 старых. Автономный агент перелопатил 30 файлов всего за 37 промптов. Модель нашла 5 критических багов уровня блокера. Самый гнусный дефект скрывался в методе delete_where(), который бросал соединение открытым. Из-за этой ошибки база молча откатывала все новые транзакции. Уиллисон никогда не видел этот баг лично и едва не отгрузил код со 100% потерей данных. Финальный код автор отдал на растерзание прямому конкуренту через Codex — GPT-5.5. Нейросеть от OpenAI нашла ещё две проблемы в свежем репозитории. Fable 5 в новой сессии экспериментально подтвердил эти уязвимости и залатал дыры. Утилита AgentsView оценила стоимость работы в 149,25 доллара по API-тарифам. Разработчик обошёл систему и расширил подписку до 200 долларов в месяц ради безлимитных сессий. Сейчас Уиллисон целенаправленно выжигает доступные мощности перед 7 июля. Завтра Anthropic устроит «фаблпокалипсис» и начнёт продавать токены Fable 5 поштучно.

Армин Ронахер (мне как-то уже поправляли транскрипцию именно его имени, но вроде так правильно?) обнаружил, что новейшие модели Anthropic — Opus 4.8 и Sonnet 5 — систематически ломают в Pi вызовы инструмента редактирования файлов, добавляя в аргументы выдуманные поля вроде requireUnique или oldText2, которых нет в схеме. Предыдущие версии моделей семейства такой ошибки не показывают, то есть флагманы регрессировали именно в следовании чужой схеме инструмента. Сами правки при этом корректны побайтово: модель решает задачу, но не может точно воспроизвести формат. В агентных сессиях с длинной историей сбой возникал примерно в 20% случаев, а строгий режим валидации его полностью устранял. Армин попробовал разобрать код Claude Code и вроде бы нашел причину. Собственный клиент Anthropic молча чинит испорченные вызовы — принимает алиасы параметров, исправляет битый Unicode и отфильтровывает неизвестные ключи. Если обучение с подкреплением идёт в таком всепрощающем окружении, слегка кривой вызов всё равно завершает задачу и получает награду. В итоге модель жёстко привязывается к плоской схеме инструментов Claude Code, а любая альтернативная форма оказывается вне обучающего распределения. Самый простой вывод — используйте родной харнесс моделей, тем более, что Claude Code очень хорош в этом смысле. А еще, кажется, он заметно экономит лимиты — я несколько дней на прошлой неделе пытался потратить лимиты на Fable (дошел до 43%, одновременно делая пару проектов), а за сегодня в стороннем клиенте на одном достаточно косметическом баге потратил 15%. https://lucumr.pocoo.org/2026/7/4/better-models-worse-tools/

Смотрите, какую штуку нашёл: Пока Claude Code выполняет запрос, он крутит вот эту оранжевую звёздочку/снежинку/кляксу (спиннер, в общем), пишет что-то типа "Thinking", "Computing", "Processing" и т.д, и ещё может выводить более подробный статус. В общем, всячески показывает, что он в процессе. И сегодня львиная доля внимания многих клодеров-кодеров уходит на медитацию на всю эту красоту 👍 Так вот, стартап Kickback ai допёр, что туда можно отлично вкорячить РЕКЛАМУ. Механика простая до безобразия. Пока Клод пыхтит, Kickbacks заменяет крутилку на логотип компании, а надпись - на рекламный слоган. И всё. При этом, половину рекламного дохода платят юзеру через Stripe Connect. Какие у стартапа метрики, сколько рекламного бюджета они уже прокрутили и сколько денег реально выплатили пользователям - пока неведомо. Техно-СМИ пишут, что некоторые юзеры в первый день получали по 4-5 баксов, но уже через несколько дней выплаты упали до пол доллара. Что всё равно норм, потому что... ну а почему бы нет, делать ничего не надо. Выплаты делают через Stripe Connect. Главный вопрос: "Что сам Anthropic про это думает?" И вот тут интересно. С одной стороны, у обычного Claude Code (CLI, в терминале) есть официальные настройки, где можно подменить спиннер и строку статуса, это вполне легально. Но версия для VS Code (это которая в Cursor, или где Claude стоит как окошко поверх) работает иначе. Там Kickback приходится вскрывать файл официального расширения Anthropic, находить внутри кода нужный кусок и дописывать туда рекламу. А чтобы эта реклама вообще могла отчитаться о показе - стартапу приходится ослабить встроенную защиту Content Security Policy. То есть, в обычном Клоде они порядочный "квартиросъёмщик", а в VS Code - бесстыжий оккупас. Тем не менее, придумано круто. Люблю такое. Рекламу смотреть не люблю, но если она подключается по желанию и с шерингом бабла - то чуть-чуть даже люблю. P.S. В этом посте я лишь описываю классный хитрецкий стартапчик. Сам я эту штуку не пробовал, и понятия не имею, насколько это надёжно и безопасно. Дизраптор

На что бы потратить корпоративные токены? Может, на игру 14го века в кости? Впервые пользоваться нейронкой было по-настоящему весело. Мы играли в игру Зонк (кто проходил Kingdom Come Deliverance - тот в курсе, что это такое 😎) Там очень запарно считать очки после каждого хода. Поэтому мы сказали клоду считать очки за нас и строить дашборд, а чтоб было веселее - делать это из роли средневекового шута. Он немедленно дал нам клички и начал угарно комментировать каждый ход. Пробовали разные промты, смешнее всего оказалась роль ведущего из передачи "самое слабое звено". Активнейше рекомендую. Опус 4.8 справился так хорошо, что аж хотелось налить ему вискаря и похлопать по спине.

Что делать в век ИИ? Деньги зарабатываются на дефиците и уникальном предложении, а с ИИ он меняется каждые ~2 года. В этом после рассуждаем о том как это происходило и будет происходить в будущем. Buildout. В 2023-2024 самое ценное было построить продукты, которые позволяют людям использовать ИИ типа Lagnchain, Cursor, датацентры, неолабы. Rollout. В 2025 и 2026 это внедрение ИИ в существующие организации и рынки, такие как AI роллапы, FDE консалтинг и ИИ-трансформация, агентские системы которые переизобретают процессы на разных рынках Ни первые, ни вторые компании не перестанут существовать завтра, но новые возможности появляются в новых местах, и чем они более сложные, уникальные и необходимые миру, тем больше там денег. После 2027, все, что можно произвести за токены (софт, контент) претерпит очень сильную дефляцию, маржа схлопнется, а цена упадёт. Дефицит и спрос уйдет туда, что нельзя купить за токены. Наука на ИИ. В отличии от внедрений, тут нет дефляционной спирали (ты делаешь процесс дешевле, и каждая итерация экономит все меньше, следовательно рынок сужается). Наоборот, каждая сгенерированная гипотеза и каждый эксперимент расширяет область применения, а конкуренция с лабами вполне возможна, потому что у OAI/ANT нету возможности проводить эксперименты, собирать данные и строить быструю обратную связь в биологии, физике, химии и т.д. Институты на ИИ. Если пересобрать все в мире отделы продаж или маркетинга на основе ИИ сэкономит условно $1T, то пересборка социальных институтов сэкономит $30T в год. Это файнал босс человечества и последний оплот аналоговой, неэффективной, ручной и подверженной всем известным bias'ам на свете бюрократии. Институт — это доверие, но оно узурпированно брендом, репутацией и теплым местечком, а не экспертизой конкретного человека. Суды это про репутацию, медицина про картель врачей, парламент про умение проводить кампании и рейзить на них деньги. Уже сегодня можно построить институт аналогичный FDA, арбитражу или образованию, который с помощью ИИ даст 2х эффективности за 1/10 или 1/100 от цены, но институты нельзя просто прийти и сломать (если вы не большевики). Стратегия тут строить параллельные и более эффективные и дать возможность мигрировать. Бизнесу будет удобнее проводить арбитражные разбирательства в суде, который 100х дешевле и прозрачнее. Это самые большие рынки на планете: например, здравоохранение это 17% ВВП США, а госуправление это треть мирового ВВП, и их моат не технология а историческая легитимность (которая, конечно, никогда не вечна).

Органоид, робот и проверка переноса. Две свежие работы удобно читать вместе: The Physical Basis of Prediction про нейроорганоиды в виртуальных средах и Accelerated co-design of robots through morphological pretraining про общий контроллер для множества тел роботов. Обе проверяют один вопрос: способность рождается в «мозге», теле, среде или в способе измерения успеха. В первой работе агентом становится человеческий нейроорганоид на матрице микроэлектродов. Проще: маленький живой нервный узел подключают к виртуальной игре. Одни электроды «говорят» ему, что происходит в среде; другие читают ответ по вспышкам активности нейронов. Экран видит компьютер, а органоид получает не картинку, а электрический рельеф. Обучение завязано не на очки, а на предсказуемость. Когда действие удачное, стимуляция становится стабильной и «читаемой». Когда действие ошибочное, сигнал становится шумным. Мозговой фрагмент учится не за «конфету», а потому, что после правильного хода мир перестаёт трещать как радио между станциями. Задачи идут ступенями. В conditional avoidance есть линия из 8 позиций: 1–5 безопасны, 6–8 неприятны, и чем глубже заход, тем сильнее наказание. В predator-prey органоид ведёт хищника к добыче. В Pong положение мяча кодируется сложнее: горизонталь через разные электроды, вертикаль через частоту сигнала; успешный удар подтверждает ожидание траектории, промах маркирует сбой прогноза. Самое интересное здесь — слой проверки. Авторы предлагают смотреть на физический след обучения: fEPSP как признак усиления/ослабления связей, кальциевую съёмку ансамблей, MEA-записи всей сети и молекулярные маркеры AMPA/NMDA, Synapsin-1, PSD-95, MAP2, GFAP, c-Fos. То есть вопрос становится почти судебным: не «сыграло лучше?», а «какие связи и клетки реально перестроились после опыта?» LLM в этой схеме не играет за органоид. Он проектирует следующие протоколы: получает цель, ограничения и историю запусков, затем предлагает новый блок экспериментов. Это необычно: автоматизируется не сам биологический агент, а конвейер миров, в которых он учится. Поэтому нужны проверка параметров, журнал протоколов и раздельная оценка поведения, физиологии и ошибок генерации. Во второй работе та же логика переносится на роботов. Strgar и Kriegman берут мягкие 3D-тела как набор масс и пружин в сетке 6×6×4: до 245 масс и 1648 пружин, сенсоры света на массах, пружины как мышцы. Вместо отдельной «нервной системы» под каждое тело они тренируют один общий контроллер: 250 входов сенсоров, 5 ритмических сигналов и выходы на пружины; лишние входы и выходы зануляются. Хорошая бытовая аналогия: это водитель, который должен без переучивания садиться то в велосипед, то в паука из Lego, то в мягкого червя с фонариком. Тело само ограничивает, какие рычаги у водителя вообще подключены. После тренировки контроллер «замораживают», меняют форму робота и сразу проверяют, стало лучше или хуже. Авторы называют это zero-shot evolution. Технически трюк держится на дифференцируемой симуляции: градиенты усредняются по телам, мирам и целям. За 1400 шагов, около 56 минут на 8 H100, контроллер проходит через более чем 10 млн морфологий; в среднем роботы закрывают около 70% пути к свету. Поломка важна не меньше успеха. Когда общий контроллер и популяцию тел оптимизируют одновременно, возникает diversity collapse: тела становятся похожими, потому что одному контроллеру проще вести однотипные формы. Как если бы автошкола не учила водителя разным машинам, а постепенно переделывала все машины под привычки одного инструктора. Лучший режим: на каждом поколении контроллер возвращают к предобученным весам и дают 60 шагов донастройки. Так разнообразие форм сохраняется и даже растёт. Общий вывод: поведение само по себе легко обманывает. Органоид мог «научиться» только из-за удобной кодировки сигналов; робот мог стать успешным потому, что тела подстроились под слабости общего контроллера. Поэтому проверять надо всю цепочку: среду, сенсорный код, тело, интерфейс, контроллер, перенос и след обучения.

🤖 Технодайджест недели Алиса AI получила большое обновление.

Теперь на Android её можно назначить ассистентом по умолчанию и вызывать поверх любого приложения жестом или удержанием кнопки питания — например, чтобы объяснить незнакомый термин в статье или перевести меню через камеру. Ещё в чате появились ИИ-агенты Такси и Лавки, которые помогут с вызовом машины или сбором корзины. Также добавили голосовой режим «Поговорить» с двумя голосами на выбор и живым синтезом речи, который можно перебивать на полуслове без слова «Алиса».

Sony прекратит выпуск дисков для PlayStation.

С января 2028 года новые игры будут выходить только в цифре — в PlayStation Store и у ритейлеров. Компания объясняет это тем, что покупатели давно перешли на цифровые копии: в прошлом финансовом году на них пришлось 78% продаж. Многие игроки недовольны, потому цифровая копия — это лицензия, а не собственность, и доступ к ней теоретически можно потерять.

Стартап Weave Robotics показал домашнего робота Isaac 1.

Он ездит по дому, складывает бельё, застилает кровати и раскладывает по местам разбросанные вещи. На корпус робота ставятся тканевые чехлы, которые можно менять под интерьер. Робот работает автономно, но при необходимости к управлению подключается удалённый оператор. Стоит Isaac 8000 долларов или около 630 тысяч рублей, а также доступен по подписке. Первые поставки покупателям начнутся осенью в Калифорнии.

Anthropic выпустила Claude Sonnet 5 и вернула Fable 5.

Новый Sonnet стал более агентным: он лучше работает с инструментами, браузером и терминалом. Формально модель дешевле Opus, но тесты показали, что из-за большого расхода токенов в реальности решение одинаковых задач обходится дороже через Sonnet. Помимо него компания снова открыла доступ к самой мощной нейросети на текущий момент — Fable 5. До 7 июля она будет доступна в подписке, а затем — только за отдельную плату.

Google представила лёгкие модели для генерации медиа.

Nano Banana 2 Lite заточена под черновики и потоковую генерацию. Она создаёт изображения за четыре секунды и позволяет сгенерировать около 30 картинок за один доллар. Вместе с ней для разработчиков открыли Gemini Omni Flash для генерации и редактирования видео голосовыми командами. Обе модели можно объединять в цепочку: сгенерировать картинку в Nano Banana, а затем превратить её в видео через Omni Flash.

Подписывайтесь 👉 @techno_yandex

🦟 ПВО от комаров – стартап, который собрал $2,8 млн на запуск. Кейс Photon Matrix Сегодня в рубрике #ИдеиБизнеса рассказываю про стартап, который разработал решение одной из главных проблем человечества. Вы не поверите, но они запилили первую в мире систему ПВО от комаров. 💡 Как пришла идея? Основатель китайского технологического стартапа Photon Matrix мечтал избавить человечество (а заодно и себя) от кровососущих гадов. Он задумался: а что если объединить возможности систем обнаружения с ИИ, чтобы аппарат сам лупил по негодным паразитам? Спустя несколько лет команда представила портативную систему обороны против комаров. В ее основу включили технологию LiDAR, миллиметровый радар, лазерное наведение и компьютерное зрение - все это объединили в единую интеллектуальную систему управления. 👀 Как работает на практике? Гаджет непрерывно мониторит сектор, находит вредителя, фокусирует на нем луч и дает короткий лазерный импульс на расстояние до 6 метров. Производители обещают, что аппарат безопасен для людей, животных и птиц. Благодаря четким протоколам, пушка срабатывает только на объекты размером 2-20 мм, которые двигаются со скоростью до 1 м/с. Если в зоне появится кто-то крупнее или быстрее, система просто не включится. Плюс это экологично: не нужно включать фумигаторы и брызгаться репеллентами, которые загрязняют воздух и воняют, как химзавод. Есть две версии устройства. Аппарат с синим лазером пуляет по комарам видимым лучом - прямо как в “Звездных войнах”. Штука занятная, но больше подойдет для улицы или гостиной: ночью вспышки будут мешать. Модель с инфракрасным лазером в темноте не видно. С готовыми образцами ребята вышли на краудфандинговую платформу Indiegogo - хотели собрать $20 тысяч на запуск. Параллельно тестировали устройство в полях, записывали это на видео и выкладывали на своих каналах в YouTube и TikTok. 💰 Результат? Идея так зажгла аудиторию, что в проект вложились больше 4 тысяч человек, а сумма выросла до $2,8 млн. И, говорят, первые поставки обещают уже в этом году. По раннему предзаказу устройство можно было купить за $400–500, а вот на сайте оно стоит уже около $900–1000. Ну что, держим кулачки, чтобы у стартапа все получилось и продукт пошел в массы? А вы купили бы? Заходите в комментарии - обсудим. 👉🏼 Подписывайтесь на «Телеграмму...» в Максе: max.ru/yumaks #ИДЕИБИЗНЕСА #СТАРТАП #ИИ

Американский AgeTech-стартап с российскими корнями Callie Care привлек $500 тысяч от фонда InterSystems Ventures. Полученные средства планируется направить на разработку следующей версии продукта, масштабирование, совершенствования инфраструктуры когнитивного мониторинга, расширения корпоративных продаж и т.д. Callie Care в 2025 году запустили Игорь Гурович [ex-Refocus], бывший вице-президент по инновациям InDrive Юрий Палевич, бывший СТО InDrive Михаил Андросов и Мария Николаенко. Компания Компания разрабатывает голосового ИИ-помощника для пожилых людей. Ассистент звонит им по обычному телефону, проводит регулярные проверки самочувствия, помогает с повседневными задачами и передает данные семьям либо людям, осуществляющим уход. В частности, ИИ-помощник помогает заказать такси, доставку продуктов и лекарств, а также записаться на прием к врачу. @rusven

Сколько денег потеряли на мемкоине Трампа, FTC наказывает сервисы деньгами за недобросовестность, 2 млрд рублей на игру «Война миров: Сибирь», лунная гонка между Китаем и США 🦄 Доброе утро, наши маленькие любители единорогов! 😭 Около 1 млн человек суммарно потеряли на мемкоине TRUMP около $3,8 млрд, пишет New York Times со ссылкой на отчет Nansen. На пике мемкоин стоил $75,35, а сейчас подешевел на 97% до $1,76. Подсчитать решили после того, как на прошлой неделе Дональд Трамп отчитался, что получил от этого мемкоина $636 млн. Еще 500 000 человек в плюсе суммарно на $4 млрд. Но Nansen отмечает, что в их число входит «небольшое число ранних покупателей, получивших огромную прибыль, в то время как подавляющее большинство розничных инвесторов понесли убытки». 🧑‍⚖️ Тревел-сервис Hopper согласился заплатить $35 млн после иска Федеральной торговой комиссии США (FTC). Сервис обвиняли в введении пользователей в заблуждение путем скрытых комиссий и искажения общей стоимости услуг. Как пишет Techcrunch аналогичные соглашения подписали сервисы Match, StubHub, Dave, Fortnite и другие. В общем, урожай у FTC большой. Недавно стало известно об аналогичном иске к украинскому венчур-билдеру Genesis Tech и сразу нескольким его приложениям. 💲 Игра «Война миров: Сибирь» выиграла грант от 800 млн до 1 млрд рублей от Института развития интернета, пишет «Коммерсант» со ссылкой на источники. Эту игру в 2023-м заявляла «дочка» 1С — 1C GameStudios. И вроде как в разработку уже было вложено около 767 млн рублей. Еще около 400–500 млн рублей собирался инвестировать продюсерский центр «Яндекса». Итого уже минимум почти 2 млрд рублей. На сайте проекта сказано, что релиз запланирован на 2027 год. 📝 Минцифры станет главным регулятором искусственного интеллекта в России, пишет РБК со ссылкой на постановление правительства. В документе сказано, что под регулирование подпадают почти 28 000 компаний. Минцифры получит право формировать госполитику в сфере AI, готовить законы, определять меры поддержки разработчиков, регулировать доступ к госданным для обучения моделей и так далее. 🌝 Глава NASA Джаред Айзекман не исключает, что Китай может высадиться на Луну раньше возвращения туда США. Об этом он заявил в интервью CBS. По словам Айзекмана, китайцы движутся с невероятной скоростью. Их полет на Луну запланирован на 2030 год, но могут полететь и в 2029-м. У США полет запланирован на 2028-й. Но эксперты сомневаются в реалистичности этого срока. Ну, а нам остается с попкорном следить за лунной гонкой. @TheEdinorogBlog — тот самый канал про стартапы🦄

🔹 smixs/agent-second-brain ⭐ 295 звёзд · Python Голосовые заметки из Telegram превращаются в типизированные карточки Obsidian с автосвязями. Стек: Python 3.12+, aiogram, Deepgram для транскрипции и Claude Code в долгоживущей tmux-сессии — за счёт этого хватает VPS за $5 и подписки Claude Pro за $20 без доплат за токены. Внутри — алгоритм забывания Эббингауза с силой карточки 1 + ln(access_count) и пятью уровнями хранения от core до archive. Ночью в 21:00 запускается классификация, пересборка графа и дневной отчёт; watchdog поднимает зависшие сессии, doctor рисует 🟢/🔴. Хранилище остаётся на сервере: наружу уходит текст в Anthropic и голос в Deepgram, CI-гард запрещает headless-вызовы claude -p. 220+ тестов, один Python-процесс. репозиторий Полезная Репа 🧠

ИИ, хотение и Джон Голт Ещё в продолжение мысли о том, что важно чего-то хотеть — вспомнил про Джона Голта, у которого государство в конце начинает спрашивать, что же теперь делать, а он отказывается отвечать. Вот есть всемогущее государство, которое может заставить любого человека, в том числе Джона Голта, делать что угодно. Но государство дозаставлялось до того, что всё развалилось. От Голта оно уже не хочет подчинения; государство хочет, чтобы он сам начал командовать. И Голт отказывается. Это точно такая же ситуация, как у нас будет с ИИ. Все, кто сам ничего не хочет делать, будут в той же беспомощной роли, в которой оказалось государство: у тебя вообще все ресурсы, но от них никакой пользы. Польза есть только от свободных людей, которые знают, что хотят.

✔️ Китайский бум роботов-гуманоидов уперся в аппаратные ограничения и нехватку тренировочных данных Несмотря на миллиардные государственные инвестиции и появление более 140 локальных производителей, китайский рынок антропоморфных роботов пока далек от реального промышленного применения. Сейчас машины активно сдаются в аренду для выставок и шоу, однако на практике они остаются лишь дорогими игрушками, не способными к самостоятельной работе. Развертывание гуманоидов на реальных производствах или в быту минимально - даже у лидеров отрасли, таких как Unitree, доля промышленных внедрений не превышает 10%, а основные продажи приходятся на исследовательские центры. Основными барьерами для индустрии стали дефицит данных и инженерные пределы. Для обучения автономным действиям нейросетям критически не хватает массивов информации о физическом взаимодействии с миром, из-за чего операторам приходится буквально вручную тренировать роботов на специализированных полигонах. В аппаратной части самой болевой точкой оказались роботизированные кисти - попытки уместить множество приводов и датчиков в габаритах человеческой руки приводят к серьезным проблемам с теплоотводом, высокой себестоимости и быстрому износу деталей. До решения этих проблем массовая замена человеческого труда на сборочных линиях останется перспективой следующих десятилетий. @ai_machinelearning_big_data #news #ai #ml

Nvidia будет дарить стартапам компьют в обмен на долю с выручки То есть вместо обычной покупки они теперь предлагают модель revenue-sharing: партнеры получают кредиты или доступ к инфраструктуре на базе Nvidia, а потом делятся процентом с будущей выручки. Направлена программа в основном на строительство датацентров. Многим небольшим AI-облакам не хватает денег, но при этом спрос на вычисления есть. Зачем это Nvidia? С одной стороны, кажется, что это риски. Но с другой – это новая модель долгосрочного повторяющегося заработка, в которой Nvidia будет меньше зависеть от гиперскейлеров типа Google, Amazon и Microsoft, которые активно разрабатывают собственные чипы.