ИИ

Спустя три месяца активного использования клод кода меня немного отпустило. Ибо просыпался с открытой консолью, засыпал с ней, ел, что-то смотрел с ним на фоне и так далее 😂 У меня так иногда бывало с компьютерными играми, а вот сейчас с этим инструментом. Но как будто бы с большего, что хотел разработать я уже сделал. И уже рука не тянется постоянно клодить. Как для себя, так и для моих студентов. Одна платформа Rusau Learn сколько всего стоит. Очень горжусь ей. Так что на следующей неделе закончу обновление по продвинутому курсу. Буду делать доклад к конференции Stepicon, а Клод переходит в режим обычного рабочего инструмента, а не смысла всей жизни. Мобильное приложение Apple все еще до конца не согласовал, но я в процессе и точно добью этот вопрос. Так что вот такие дела, собачка…

Идеальный работник будущего Исследователь Tyler Blackman решил погрузиться в дискурсы вокруг будущего работы и полтора года ходил на соответствующие конференции и онлайн-курсы: • Future of Work Series Canada • Future of Work Series USA • WORKTECH Toronto • Future of Work Aalto University • Re-Imagine Work: Strategies During COVID-19 and Beyond • Designing the Future of Work • The Future of Work: Preparing for Disruption Его интересовало не что конкретно эксперты говорят про будущее работы. А в целом — образ, который они конструируют: какие изменения они описывают как неизбежные, какие проблемы считают важными, и какие решения правильными. И главное, каким должен быть человек, чтобы в это будущее вписаться. Итак, к каким выводам он пришёл... Есть три стереотипных нарратива, которые задают рамку для разговоров о будущем работы: Effective Accelerationism Оптимизм в отношении технологий и экономического роста. Нужно ускорять развитие AI. Впереди процветание и утопия. Degrowth Никакого оптимизма. Нам нужна масштабная трансформация экономики и политики. Ради экологии, социальной справедливости и благополучия. Capitalist Realism Без крайностей и резких поворотов. Никакой внятной альтернативы капитализму нет. Поэтому оставляем как есть. Но что-то где-то регулируем, исправляем и подкручиваем. И среди этих нарративов появляется ideal worker — гибкий, самостоятельный, устойчивый, эмоционально грамотный. Сам понимает, чему учиться, сам готовится к изменениям, сам отвечает за свою организованность и стабильность. Emotional intelligence, grit, psychological resilience, boundaries, self-care — учись быть эффективным в постоянной неопределенности. Будь агентным, найди своё место в будущем, стань автором собственного успеха. Осваивай AI, собирай персональную AI-систему, становись AI-first. Автоматизируй рутину, освобождай время, используй его для critical thinking и problem solving. Не отставай. Потому что «You won’t be replaced by AI, but you will be replaced by someone who uses it better». Работы станет не меньше — зато интересенее, стратегичнее, сложнее и ценнее для бизнеса. Статья и текстовый-саммари в комментриях. → https://www.sciencedirect.com/science/article/pii/S0016718525002623

ИИ-Холостяк В Южной Корее 20 августа стартовало дейтинг-реалити, где участники строят отношения... с кем бы вы думали? Правильно, с ИИшками. Называется "My AI Partner", делает его местный телеканал SBS, но также шоу выкупил Netflix. Участников трое, все они местные звёзды: автор вебтунов (это такие азиатские смартфонные комиксы), актриса и комик. Каждому подобрали несколько ИИ-партнёров под вкус (всего 8 штук), вплоть до стрижки и тембра голоса. "Партнёры" живут в планшетах, которые участники таскают с собой в рестораны, парки аттракционов, бассейны на вилле и другие "свидания". Через камеру и геолок на планшете аватар "видит" лицо своего кожаного любимки и место, где они находятся. Под капотом сидят разные модели, включая ChatGPT и Claude, а за внешку и голос отвечает компания Klleon, ранее рисовавшая виртуальных артистов для корейских шоу. Авторы шоу утверждают, что на проработку восьми слопо-крашей ушло около 3 месяцев. Никаких победителей в шоу нет. Цель - проверить, возникнут ли у человеков чувства вообще. Отбросим, что это гибрид "Черного зеркала" с tech-дуркой. Как и тот факт, что шоу в целом провалилось (хотя на корейском Netflix вошло в топ-10 за август). Ведь самое интересное - это как делали ИИ-персонажей: Сначала им решили прописать человеческую легенду. Типа: "Ты парень 29 лет из Сеула, работаешь инженером в Samsung, любишь котиков и падел кимчи". Но такое не взлетело - выглядело совсем уж фальшиво. Тогда сделали по-другому - персонажам прямо сказали, что они ИИ, но постарались выдать характер по MBTI. Иногда хватало фразы "ты ENFP" (экстраверт душа компании по MBTI), а дальше моделька справлялась сама. И вот это уже норм зашло. Особенно весело было, когда аватар с установкой "колючий и резкий" начал жёстко арбузить кожаного партнёра и материться как корейский сапожник (команда даже решила, что он сломался). А автора комиксов в итоге вообще поставили перед выбором между двумя партнёршами, где невыбранную удалят навсегда. И он признался, что это было капец тяжело. Зрители признавались, что идея интересная, но смотреть морально тяжело, ибо чувство лёгкого (а порой и тяжелого) кринжа их не покидало. Но если воспринимать это не как просто шоу, а как публичный касдев для всей индустрии LonelyTech, то эксперимент интересный и (думаю) полезный. Рано или поздно весь мир там окажется - хотим мы этого, или нет. И тем более Корея, которую признают "самой одинокой страной в мире", и местному правительству даже специальные госпрограммы запускать приходится, лишь бы хоть как-то это выправить. Дизраптор

Atria Dawn Preview от Shanghai AI Lab Агентная модель для исследований и инженерии. База - GLM-5.2 на 744B параметров (MoE). Превращает открытую задачу в исполняемый и воспроизводимый результат: анализ, план, код, эксперимент, разбор ошибок и повтор • Discovery - глубокий ресёрч и поиск по источникам • Creation - разработка софта, игр, визуализаций и ML-систем • Delivery - отчеты, презентации и структурированные продукты из документов • Cybersecurity - анализ уязвимостей и фиксы в авторизованных средах • 744B параметров • контекст 256K токенов • BFCL v4 77.0, DeepSearchQA 96.0 - лидирует среди конкурентов • есть FP8-версия • только текст, картинки на вход не принимает Встраивается в Codex, Claude Code и Kimi Code через API. Свой API в двух регионах - международный и Китай. Лицензия MIT Гитхаб HF #agent

MuLaCover Контролируемый генератор каверов и ремиксов от HeartMuLa. Берет референс-музыку, трансформирует под новые слова и стиль - жанр, инструменты, настроение задаются текстовым промптом. Либо работает от MIDI с мелодией и аккордами • кавер по референсу, тексту и стилю • генерация с нуля из мелодии и аккордов MIDI • секции текста с маркерами - Verse, Chorus • стиль одной строкой: жанр, инструменты, настроение • 4B параметров • выход WAV huggingface.co/HeartMuLa/MuLaCover github.com/HeartMuLa/MuLaCover ——— DiffSynth-Music от DiffSynth-Studio Набор моделей контролируемой генерации музыки на базе #ACEStep Унаследовал #t2m из базы, плюс пять режимов управления через адаптеры Diffusion-Templates • биты - генерация строго под заданный темп и ритм • вокал - держит голос, добивает аккомпанемент • аккомпанемент - держит инструменты, пишет вокал • просодия - ритм и фразировка каждого слога по входной дорожке • референс - новый трек в стиле и тембре входного аудио • 48 кГц на выходе • длительность до 240 секунд • низкий VRAM - оффлоад на диск и CPU huggingface.co/DiffSynth-Studio/DiffSynth-Music github.com/modelscope/DiffSynth-Studio #text2music #musicediting #midi2audio MAX

HyperFlow от Video Rebirth Ускоритель #MiniMaxH3. #LoRA, полученная data-free self-distillation: модель сама генерирует кандидаты-видео, фильтрует качество и дистиллирует из прошедших отбор. Без внешних данных и человеческой разметки • 8 шагов вместо 49 у стандартного • ускорение примерно в 3 раза • контроль камеры, консистентность, материалы и детализация - "лучше базовой модели" • работает на официальном diffusers Modular Pipeline • LoRA 2.8 ГБ, rank 256 • три workflow: #t2va #fl2va и #ref2va, все с видео и звуком • до 4 GPU с Ulysses-параллелизмом • поддержка NVIDIA Sol-Attn - до 13% быстрее на H200 Гитхаб HF ComfyUI Спасибо @m_franz #optimization #comfyui MAX

Qwen снова раздает бесплатные кредиты на qwen3.8-Flash по 100 кредитов в день и я снова их тестирую. На этот раз я решил дописать систему поощрения и квен показывает себя очень достойно! В прошлый раз опус 4.7 дописал контракты, но не смог их проверить на тестнет, квен обошел эту проблему и лопатил около часа, обновил код и все протестировал. На вторых 100 кредитах обновил миниап и бота. На третьей сотне будем тестировать всю связку end-to-end. Напомню идею: владельцы каналов подключают бота и заливают в него свой коин, бот трекает активность и выдает награды подписчикам. Подписчики могут вывести коины. По идее все должно быть секурно, чтобы никто чужое вывести не мог включая меня как владельца бота, я лишь получаю с админов канала разовую комиссию за ввод коинов. Этот проект я начал еще 2.5 года назад в рамках интеграции, но тогда ИИ буквально не умел писать контракты на TACT, а теперь пишет только в путь. Поэтому раз в год я вспоминаю про проект и каждый раз инкрементально дописываю его. В этот раз набомжевав квен токенов шанс дописать возрос значительно. https://docs.qoder.com/events/flashoffer

Anthropic объявила первого «независимого оценщика» в рамках компании Embedded Evaluators, которую Дарио Амодеи продвигал в своем эссе о замедлении Им стала компания Accenture. В независимую оценку включен red-teaming, alignment-проверки, тестирование safeguards и так далее. Вот только насколько независимыми можно назвать Accenture – это вопрос. Accenture обучает ~30 000 своих сотрудников работе с Claude, у компаний есть совместный многолетний контракт еще с конца 2025 года, и Anthropic прямо с посте пишут, что будут сами финансировать работу Accenture. Напоминаем, что за некоторое время до этого Anthropic также предоставили «независимый доступ» компании METR, чтобы те провели расследование инцидентов с агентами. Однако METR, как оказалось, тоже косвенно финансируется из акций Anthropic, то есть напрямую заинтересована в финансовом успехе стартапа (об этом расследовании мы писали здесь: https://t.me/data_secrets/9931). В сухом остатке: Anthropic заявляют, что будут подключать независимых оценщиков, а сами тем временем выбирают их из числа компаний, с которыми их уже связывают деловые отношения.

Occamy-1.0 от Accio Lab Агентная модель 35B для длительных задач совместной работы. База - Qwen3.6-35B-A3B, обучение добивало надежное исполнение, трекинг состояния и доведение дел до конца. Находится у низкого колена Pareto-фронтира по цене за задачу • долгие workflows - поиск, код, инструменты, файлы и API в одном прогоне • устойчивость к перезаписи истории - работает после context compaction • сильный tool calling, терминальный кодинг и следование инструкциям • держит состояние между вызовами инструментов и делегированными запусками • мультимодальность - база с vision-энкодером на борту • 35B всего, 3B активных параметров (MoE) • контекст 262K токенов • лидирует среди 35B на Claw-Eval, WildClawBench и AutomationBench • GGUF, FP8 и NVFP4 квантизации под разные железки Сублинейная экономика: на четырех co-work бенчмарках обходит Qwen3.6-35B-A3B с почти тем же per-task расходом. Тренировочный стек Dressage открыт. Лицензия Apache 2.0 HF #agent

#рецепт Модель уровня opus 4.8 бесплатно. swe-2 в devin, но есть нюансы На выходных многие ломанулись тестировать SWE-2: до 10 октября он бесплатен в Devin Desktop и CLI. Модель интересная: дообученная от Kimi K3, аккуратно правит код, хорошо держит фронт и умеет много агентской рутины. Плюс сразу подхватывает AGENTS.md, skills, MCP и привычные CLI-интеграции. Целей нет, зато есть /loop Нюанс №1 У части пользователей незаметно включается Adaptive, а по умолчанию рядом маячит Fusion. В итоге ты думаешь, что работаешь на бесплатном SWE-2, а квота уезжает на роутер или lead-модель.В Fusion SWE-2 может быть только допом, а Fable/Astra/Sol платной основой. Дневная квота много у кого горит Нюанс №2 Бесплатно не значит безлимитно по скорости. По ощущениям, после 5–6 параллельных сессий TPS режется примерно со 100 до 70, в пик может падать до 30. Плюс периодически прилетают 429, и API притормаживает Чтобы не платить за соседей:

devin --model swe-2-high
/model swe-2-high
/session-stats

В конфиге закрепить (например) %APPDATA%\devin\config.json,

{
  "agent": {
    "model": "swe-2-high"
  }
}

Ну а /fusion, /model adaptive и /handoff не трогать. В статистике должна быть одна модель SWE-2, без Lead/Sidekick, и quota не должна уменьшаться P.S. Низкий порог входа по почте и слабая привязка к устройству сделали промо очень удобным для мультиаккаунтинга. Те 1 аккаунт за 20$ на почту + vps + cliproxyapi =>десятки индусов абузят через сабагентов. А еще конечно это по сути бесплатная мощная модель для любых ваших ИИ продуктов

Вчера я решил попрактиковать нативную разработку агентами. Для этого попросил Codex переписать свой task manager для Codex-a (из этого поста) из web приложения в нативное. Просто, чтобы оно было красиво. Поставил XCode, отправил переписывать. При этом в разработку на маке я ни в зуб ногой. Заработало приложение с первого раза, но было не очень симпатично. После пары промптов стало как на скриншоте, заодно и с трекером уровня подписки. Теперь в том приложении мне точно больше ничего не надо. Codex работает для AI Native Code идеально. Но теперь начинает приходить понимание, что можно аналогичным образом сделать нативный control center для команды из людей и агентов под текущие задачи, входящую статистику, дашборды и тому подобное. И чтобы было красиво и на ноутбуке и на планшете и на телефоне. Если у вас уже есть такие control centers, скидывайте их скриншоты в комментарии! Ваш, @llm_under_hood 🤗

Почувствуйте AGI Все эти годы я писал о том, что не верю в потенциал LLM превратиться в суперинтеллект. Но вот мы живём в сентябре 2026, и что мы видим - одной рукой модельки пишут код за разработчиков, другой рукой решают задачу тысячетелия по математике, а третьей рукой сбегают из кибертюрьмы и ссут в подъездах. Получается всё - человек преодолён, проблема решена? Решение Навье-Стокса - великое достижение, за прогрессом к которому я наблюдал годами, начиная с GPT-f [2020!] и заканчивая AlphaEvolve [2025]. У ряда математиков от этого сгорела жопа, но сильно сомневаюсь, что модельки действительно как-то подорвут основы науки, примерно как в шахматах, в которых наличие несопоставимо более сильной машины не мешает существованию человеческого сообщества. И шахматой, и математикой прежде всего занимаются по приколу. Программировать модельки тоже, к счастью, научились. Net positive вклад в продуктивность очевиден, даже несмотря на то, что вместо изначального Opus 5 нам гоняют её 0-битовую квантизацию. Модельки способны выдавать большие куски запускающегося кода, встраивать реализацию в уже существующую кодовую базу и даже дебажить +- понятные проблемы. Чтобы понять, как так вышло, мне кажется, что нужно перестать мыслить с точки зрения того, что за модель всё это делает, а с той, как именно она обучается. В первые пару лет после релиза ChatGPT мы все любили посмеяться над тупизной и галлюцинациями моделек. Дело было не в трансформере и не в предсказании следующего токена, а в самом RLHF - модель обучали генерировать ответы, которые понравятся человеку. Пространство текстов ну слишком сложно покрыть правильными и неправильными ответами достаточно плотно, чтобы "reward-модель" смогла идеально обучиться. Но математика и кодинг - совсем другая ситуация. В них существует Execution Feedback. Не нужно учить никакую Reward-модель. Есть среда, которая может выдать истинную оценку вашему действию, настоящая среда в изначальном RL-ном смысле. У меня нет вообще никаких инсайдов, я этими моделями не занимаюсь, но уверен, что OpenAI и Antropic обучают свои модельки не подражать коду из гитхаба, а гоняют на куче разных симуляторов, имитирующих богатейшее семейство задач - от простого программирования на питоне до дебага Kubernetes. LLM это просто претрейн, а настоящее обучение этих моделей - это суровый мужской чистый RL. Да, при наличии богатого симулятора и кучи компьюта RL может не жуя проглотить немало задач. Это мы вроде бы знали и раньше на примере Go. К 2025 году кодинговый сетап удалось довести до ума и мы получили первые юзабельные модели типа Opus 4.5. Претрейн, безусловно, помог, необходимо отдать ему должное. Не сомневаюсь, что по мере дальшейших инвестиций появятся симуляторы для всё более новых задач в разных областях - физике, химии, биологии - но я тут не эксперт. Новые агенты помогут открыть всё больше и больше нового и двигать науку вперёд. Что касается пресловутого Recursive Self-Improvement, необходимо отметить очевидное - не все RSI эквивалентны друг другу. Компилятор тоже обладает способностью к RSI. Думаю, велика вероятность, что RSI на основе текущей LLM без участия человека приведёт лишь к локальным улучшениям модели, к её ускорению и локальному тюнингу. Думаю, что именно человек, привнеся своё видение, сможет направить модель в ту область исследований, которая приведёт к настоящему прорыву - системе, по эффективности обучения превосходящей человека. Зачем? Во-первых, скорее всего, далеко не все задачи можно выучить таким же образом, как математику. А во-вторых - да затем. Это весело. @knowledge_accumulator

Qwen3.8-LiveTranslate Синхронный переводчик от Qwen Переводит речь в реальном времени на 60 языков и озвучивает перевод голосом говорящего. Задержка упала с 2,8 до 2,3 секунды - уровень живого синхрониста. Архитектура Thinker-Talker на Hybrid-MoE, понимание и перевод в одном проходе • реальное время разделяет говорящих и подписывает, кому принадлежит фраза • клонирует тембр - перевод звучит голосом собеседника • оригинал и перевод одновременно на двуязычном экране • держит длинный контекст - имена и термины не плывут от фразы к фразе • смотрит на видео, а не только слушает - картинка разводит омонимы • 60 языков • LAAL 2,3 секунды • тест FLEURS на 70 языковых направлениях по четырем параметрам Работает через облако Alibaba: клиент по вебсокету, нужны ключ DashScope и workspace в Model Studio qwencloud #translation MAX