ИИ

Есть такой челлендж E-commerce AI Agent — это бенчмарк агентной коммерции от BitGN Если коротко, ECOM1 — это симуляция операционки интернет-магазина, где AI-агенты отвечают за всё: корзины, товары, заказы, чекаут, фрод, возвраты, сбои оплат. Среди участников был агент Exoskeleton от Ильяса Салихова, он CTO RetailCRM. Взял 1 место в Speed и в Live PROD. При этом работает на gpt-5.4-mini, что в 6 раз дешевле gpt-5.5, на которой строили агентов конкуренты. Эту архитектуру Ильяс назвал «Экзоскелет»: 1/ Слабая модель mini внутри, а вокруг каркас из кода и nano-моделей. Ещё до старта агенту принудительно грузят все данные. Nano-классификатор разбирает намерения: фрод, манипуляция, подмена личности. 2/ Безопасность зашита в код, решения принимает логика. Ссылки на регламенты собираются автоматически, модели их помнить не нужно. В конце ещё одна nano причёсывает ответ. 3/ Тяжёлая логика вся в коде. Модель делает только то, в чём сильна. В итоге обошёл агентов на старших моделях и по очкам, и по скорости. Если вам интересно почитать подробности, то Ильяс опубликовал полную статью со схемами: 🇷🇺 Русская версия 🇬🇧 English Ильяса поздравляю с результатом! У него еще есть свой канал про инженерию и AI, рекомендую подписаться.

Посмотрел новое интервью Алекса Карпа из Palantir. Я уже писал, что общество легко записывает необычного человека в чудаки и травит за двадцать секунд странного поведения на сцене, так и не услышав, что он вообще сказал, хотя именно такие люди чаще всего и двигают мир вперёд. Как бы к нему ни относились, в этом интервью он проговорил вещь, которую стоит услышать каждому, кто строит бизнес. Покупая AI у больших лабораторий, вы своими руками отдаёте им то, на чём стоит ваш бизнес. Карп называет это «альфой», а проще говоря - это всё, что делает вас вами: ваши данные, ваши процессы, то, как именно вы зарабатываете там, где конкурент не умеет. Прогоняя всё это через чужую модель, вы показываете ей внутреннюю кухню своего бизнеса и ещё платите за это по счётчику. Вот его удар по всей этой экономике токенов:

«Если это так ценно и я могу принести тебе миллиард - почему бы мне не сказать: принесу миллиард, но хочу 30%? Почему они берут за токены, если это так ценно?»

Если бы модель правда приносила миллиарды, её продавали бы за долю в этих миллиардах, а раз продают по счётчику - значит настоящие деньги не там. Настоящая цена для клиента спрятана в другом - в том, что завтра его бизнес окажется внутри чужой модели и повторить его сможет кто угодно. Отдать поле боя своей страны «консенсусу Кремниевой долины» он называет полным безумием, а одну и ту же модель, по его словам, спокойно продают и тебе, и твоему противнику. Предприниматели, с которыми он говорит без камер, в бешенстве и говорят ему, что платят за токены, которые не приносят ничего, пока эти люди тащат веса и альфу их бизнеса. Когда ведущая замечает, что он злится, Карп отвечает, что злится не он, а через него говорит американский бизнес. Сэма (OpenAI) и Дарио (Anthropic) называет прямо, но добавляет, что спорить с Дарио для него удовольствие и претензия не к ним лично, а к тому, что вся конструкция поехала не туда. Вместо всего этого он предлагает строить свой собственный слой поверх модели, который держит данные у вас, не даёт модели их запоминать и уносить и позволяет менять одну модель на другую без потерь. У Palantir этот слой зовётся онтологией, и зарабатывают они именно на нём, а не на самой модели, и ровно поэтому у них сделка с Nvidia и ставка на открытые модели, где веса контролируешь ты, а не поставщик. Всегда интересуйтесь, кто продаёт вам AI, кто владеет данными, где они лежат, защищены ли промпты и не утекает ли всё это к нему. Модель сегодня можно арендовать у кого угодно, а вот данные, процессы и свою альфу арендовать нельзя, и держать их при себе - это теперь и есть работа собственника. @maxvotek | linkedin | substack

Исследование: ИИ-агенты потребляют в 136 раз больше энергии, чем чат-боты Агентный искусственный интеллект может многократно увеличить энергопотребление дата-центров и создать серьёзную нагрузку на мировую энергосистему, предупреждают исследователи Корейского института передовых наук и технологий (KAIST). Один сложный запрос к ИИ-агенту потребляет в среднем 348 Вт·ч — до 136 раз больше, чем у обычного чат-бота, и выполняется в 154 раза дольше. Причина — в автономности: агенты самостоятельно ищут информацию, обращаются к внешним сервисам и координируют несколько действий без участия человека, а значительная часть энергии тратится впустую. https://hightech.plus/2026/07/06/issledovanie-ii-agenti-potreblyayut-v-136-raz-bolshe-energii-chem-chat-boti

Новый пост готовиться, а пока #дайджест Дайджест AI/ML за неделю 29 июня – 5 июля 2026 Что происходило в мире в перерывах между пятичасовыми сессиями с Fable Anthropic: Claude Sonnet 5  Перформанс не драматично хуже Opus 4.8 при цене $2/$10 до 31 августа, дальше $3/$15 (Opus — $5/$25). Агентный кодинг 63.2 против 69.2 у Opus 4.8 и 58.1 у Sonnet 4.6, на knowledge work Опуса даже слегка обходит. В Claude Code теперь дефолт с нативным 1M контекстом. Идиллию портят только то что чтобы добиться качества Opus 4.8 нужно потратить настолько больше токенов, что выйдет дороже. Блогпост, System Card Alibaba: Qwen-AgentWorld Все тренируют агентов действовать в окружении - Qwen натренировали модель быть окружением. World model предсказывает, что вернёт среда на действие агента: терминал, поиск, MCP, SWE, Web, OS, Android — всё в одной модели, обученной на 10M+ реальных траекторий. Профит: симулятор для агентного RL (включая полностью выдуманные миры, где агент не может читерить parametric-знаниями) и warm-up, улучшающий агентов даже без агентного файнтюна. В опенсорсе 35B-A3B (Apache 2.0), флагман 397B-A17B на их собственном бенчмарке обходит GPT-5.4 (58.71 vs 58.25) - бенчмарк, правда, их же. Блогпост, GitHub Fal.ai: LoRA для TRELLIS.2 Fal завезли LoRA-тюнинг для 3D-генерации: TRELLIS.2 теперь можно дообучить под свой стиль или тип объектов и гонять инференс с кастомной лорой у них же. Если делаете ассеты пачками под один арт-стиль - это ваш день. Тренер, Инференс Anthropic: Claude Science Claude Code для биотеха. Попытка, сделать харнесс, который упорядочит зоопарк из PubMed, Jupyter, R и десятка биобаз со своими схемами. Внутри координирующий агент со специализированным набором скиллов. Блогпост Comfy: официальный MCP Агент на естественном языке ищет модели и темплейты, собирает и запускает воркфлоу, генерирует картинки/видео/аудио/3D. Воркфлоу шарятся по URL и воспроизводимы. Блогпост, Доки Google: Nano Banana 2 Lite Самая быстрая и дешёвая модель семейства: <4 сек на генерацию (было ~20), $0.034 за картинку. Заодно до API доехала Gemini Omni Flash - генерация и разговорное редактирование видео до 10 сек за $0.10/сек. Блогпост, Nano Banana 2 Lite Proton: Lumo 2.0 Приватный ассистент от швейцарской компании пересобрали: thinking-режим, мультимодальность, веб-поиск, память - всё под zero-access шифрованием. До фронтира очень далеко, но на фоне июньских приключений Anthropic с правительством США питч Европейского суверенного™ ИИ продаёт себя сам. Блогпост Base44: Base1 Vibe-coding платформа от Wix первой в классе съехала со съёмного жилья: своя модель Base1 вместо API. RL-файнтюн открытой модели на десятках миллионов взаимодействий с платформы, мотивация - счета за Opus при $150M ARR. Ждём, последуют ли Lovable и ко. TechCrunch Princeton: CEO-Bench агент получает $1M и рулит симулированным SaaS-стартапом 500 дней. В плюсе финишировали только Fable 5 ($47.15M), Opus 4.8 и GPT-5.5; rule-based скрипт без LLM заработал $15.76M и обошёл остальных. Статья, GitHub NVIDIA ввела revenue share для AI-облаков: кредитная поддержка и выкуп простаивающих GPU в обмен на процент с облачной выручки. Лопаты на лихорадке плюс доля с прииска. Блогпост cardiag - прикольный опенсорс недели: Модель для диагностики авто по звуку работы. GitHub Akrites - Linux Foundation запустили орган координации устранения уязвимостей в опенсорсе. Котелок агентного ИИ находит уязвимости слишком быстро. Мейнтейнеры тонут в дублях репортов, а каждый сидящий на непатченной дыре повышает шанс утечки. Akrites - точка координации находок для практически всего американского бигтеха. Кстати акриты это стражи границ Византии, красиво. The New Stack

GPT-5.6 Sol появится в Codex уже со дня на день Да, модель будет в Codex, это подтвердили сотрудники. Вместе с братьями своими меньшими Terra и Luna, она, по слухам, должна выйти уже завтра-послезавтра. Готовимся вайб-кодить на полную. Но это еще не самое интересное. Самое интересное, что в ограниченный тест в июле выложат GPT-5.6 Sol на Cerebras. Обещают скорость (внимание!) до 750 токенов в секунду. При этом это будет не какая-то отдельная специализированная под эти чипы или урезанная модель. Эта та же самая мощнейшая громадная Sol, которая будет летать в два раза быстрее Gemini 3.5 Flash. По некоторым оценкам, размер модели – от 2 до 4 триллионов параметров (~150B активных). При таком размере вместить модель на Cerebras невозможно без инженерных ухищрений. Поэтому предполагается, что в новой линейке реализована какая-то кастомная схема KV-кэша. Такое действительно ждем

Herdr еще один терминальный интерфейс на подобии tmux, но для кодинг-агентов Только tmux всё равно, что внутри окна, а Herdr понимает, что там агент. Так же не нужно держать ноут открытым (-_-;)・・・ , чтобы агент не умер, не надо настраивать tmux + ssh + уведомления и можно спокойно проверить агента с телефона. Каждый агент получает отдельный полноценный терминал, а не эмуляцию. Когда гоняешь несколько агентов параллельно, Herdr держит их в одном месте и показывает статус каждого, распознавая его по имени процесса и выводу терминала. Через локальный API агенты читают запущенные чаты и управляют друг другом: один запускает других, ждёт их завершения и читает результат. Можно собрать пайплайн, где агенты дирижируют агентами без тебя. - Вся архитектура создана под SSH и адаптируется под любое удаленное устройство - Есть плагины дающие бесконечно расширять функционал - Интерфейс текстовый, но всё в нём кликается мышью. Поддерживает Windows (beta), macOS и Linux. Сайт | GitHub @tips_ai #tools

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/

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.