ИИ

Артефакты в Claude 🚀 Лично для меня открытие этого года артефакты в Claude, если со скиллами было понятно с самого начала, что и как делать, то когда я смотрел примеры артефактов в Claude от самого Claude, то не понимал, зачем их вообще создали. Ну может быть карточки для создания тестов. Сейчас же один из самых удобных вариантов, обсудить и быстро собрать прототип почти любой фичи. А учитывая, что у Claude Code еще доступ к коду есть, то достаточно близко и к дизайну текущему получается, плюс он сразу смотрит на существующую логику в коде. Вот, например, делаем мы новую фичу в Mini Apps Builder в категории приложений "Events", можно описывать как раньше задачу, но иногда лучше ее сразу собрать в такой прототип. 😀 Mini Apps Builder 💩 Говно в продуктах #claude #artifact #база

На Nokia 2007 года выпуска с объемом памяти всего 8 МБ теперь работает Claude Разработчик Эмир Каршиякалы создал клиент на Java ME, который позволяет этому почти 20-летнему телефону взаимодействовать с Claude через небольшой сервер и API компании Anthropic. Сервер обрабатывает те части, с которыми Nokia не справляется, в том числе устаревшее соединение по протоколу TLS 1.0, а затем отправляет ответы Claude обратно на телефон. Таким образом, сам Claude не работает локально на 8 МБ оперативной памяти. Nokia выступает в роли интерфейса, а модель работает в облаке. Эмир рассказал, что последние несколько дней он также занимался реверс-инжинирингом прошивки телефона с целью обойти Java-уровень и получить прямой доступ к системе. #интересное

Статистика по задачам. Как повлиял ии? Заметил интересный эффект. По мере внедрения агентов, мы стали очень сильно ускорятся в скорости закрытия тасок, в какой-то момент мне почудилось что еще чуть-чуть то текучка пропадет и мы займемся, новыми большими фичами почти без отвлечения. Но как я был не прав :) Задач было столько не потому что их было столько, а потому что где-то мы не все видели и ИИ подсветил, где-то просто перестали добавлять даже в беклог, понимая что за эти задачи мы в ближайшее десятилетие не возьмемся. Когда задачки стали закрываться, а у продактов и других ребят появились коннекторы ко всем системам, мы получили такой рост количества тикетов, что уже пришлось просить притормозить. У нас бывают дни когда за раз открывается новых несколько десятков и закрывается несколько десятков. То что раньше делалось недели, проскакивает за часы. В итоге прямо сейчас задач висит столько, сколько не висело никогда. А между тем 5 агентов (только у меня) херачат сутками. У меня кстати накопилось уже материала по изменениям, буду про это писать скоро. И переписывания на го и снижение цены лида и улучшение аналитики. Ух сколько всего. Цифры Посчитал все тикеты разработки, фидбека и контента в Трекере с октября 2025 по сентябрь 2026. За год создано 1340 тикетов, закрыто 1032. Точка отсчёта — 14 мая: в этот день в репозитории появился первый коммит, написанный вместе с Claude. Сколько создаём и закрываем в месяц • Октябрь–апрель: создавали около 70, закрывали около 50. • Июнь–август: создаём около 105, закрываем около 105. • Сентябрь: создали 422, закрыли 222. Как быстро закрываем • До мая тикет жил до закрытия в среднем от 3 недель до 2 месяцев. Начиная с мая — 5–6 дней. • Доля тикетов, закрытых за неделю, выросла примерно с 20% до 35–48%. Исключения — июнь и сентябрь. Коммиты • До мая было около 400 в месяц, в сентябре — 713. У 87% сентябрьских коммитов соавтор — Claude. Выводы 1. Тикеты закрываются примерно в 6–10 раз быстрее, чем до мая. 2. Летом мы впервые закрывали не меньше, чем создавали. До этого очередь только росла. Аппетиты растут во время еды :)

😩 OpenAI только что кинули меня на 15 баксов. Оказывается, когда вы пополняете баланс API, вы не просто кладёте деньги на счёт, а покупаете кредиты. И действуют они всего год. 🤦‍♂️ То есть моя гениальная тактика «один раз закинуть дофига денег и потом несколько лет понемногу их тратить» здесь тупо не работает. 🤬 Сегодня у меня внезапно посыпались ошибки в моих продуктах: запросы не проходят, баланс API нулевой. Пошёл проверять — действительно нулевой. Начал разбираться. Оказалось, что оставшиеся у меня там 17 с копейками баксов просто сгорели, потому что с момента пополнения прошёл год. 😡 Всё. Были деньги — нет денег. Я даже не знаю, как к этому относиться. 🤷‍♂️ Но у меня очень горит жопа. С хера ли я не могу пользоваться деньгами, которые уже закинул? Не попадайтесь на эту удочку: не закидывайте деньги на API сильно впрок. Видимо, нормальная тактика — настроить автопополнение и докидывать понемногу по мере расхода. 🫠 Свята место | 10МДК | YHub

Заметил, как в ленты снова вернулся ярлык AGI Каждый раз перед крупными релизами маркетологи начинают прогревать аудиторию историями про сверхразум. Примерно год назад, во время релиза GPT-4.5, все это уже проходили: ожиданий было море, а апдейт оказался вполне рядовым. После этого тему замяли, и разговоры про AGI стали восприниматься скорее как далекий маркетинговый буллшит. Сейчас выходят новые модели у Anthropic, что-то выкатывают OpenAI, и блогеры со СМИ снова наперебой кричат: "Ну вот, теперь это точно AGI". Спойлер: нет, не он. Давайте начистоту: модели стали умнее, ризонинг прокачался, автономность выросла. Были заметные кейсы в кибербезопасности, пара научных подвижек у тех же Anthropic и Google. Но это не скачок к AGI. Во-первых, это узко заточенные сценарии. Во-вторых, и это главное, эти модели использовали топовые профи. Модель не пошла сама в интернет, не обнаружила уязвимость с нуля и не закрыла баг по собственной инициативе. Она была просто эффективным инструментом в руках эксперта. Определение AGI простое: модель должна быть наравне или лучше человека во всех профессиональных задачах. Я в таких спорах задаю себе практичный вопрос: что модель может сделать для меня сегодня такого, чего не могла год назад? Могу ли я отдать ей задачу под ключ, не проверяя, и сразу отправить результат дальше? Банальный пример - сделать сайт. Раньше нужно было вести модель за руку буквально по каждому шагу. Сейчас ей можно скормить вводные, она автономно пойдет генерировать и выдаст результат. Но на выходе это все еще классический AI-слоп. Структура, смысловые акценты, визуал - все мимо тех требований к качеству, которые нужны в реальности. Автономии добавилось, но финальный результат все равно руками пересобирает человек. Отсюда вопрос: а есть ли вообще смысл обычному спецу гоняться за топовыми тирами и переплачивать за них? Моя основная рабочая среда - экосистема Google. При этом Gemini Pro не обновлялась с февраля, весь фокус шел на Flash. И знаете что? Я вообще от этого не страдаю. Закрываю на быстрых моделях практически весь пул повседневных рабочих задач. По моим субъективным ощущениям, умная модель мне вообще не нужна нигде, кроме написания кода. И тут важная деталь: в коде я как раз не являюсь профильным специалистом. Вот там на контрасте иногда действительно хочется условный Opus или Fable, чтобы закрыть пробелы в моей экспертизе. Но нужен ли он мне каждый день? Нет. Раз в 3-4 месяца, когда надо - покупаю подписку. Но платить за это лишние 100 баксов на постоянке нет никакого смысла. А в тех сферах, где я профи, мне за глаза хватает того, что у меня сейчас есть. Парадокс в том, что в логике human-in-the-loop избыточная "умность" и автономность флагманских моделей часто играет в минус 1. Модель уходит в долгие размышления, долго что-то собирает, а результат все равно надо переделывать. На быстрой модели через короткие итерации до нужного качества доходишь в разы быстрее. 2. Постоянно упираешься в лимиты запросов. Времени уходит больше, выхлопа - ноль. Вся эта гонка путает два разных понятия: эрудицию и профессионализм. Свежие LLM невероятно эрудированны. Но поиск Google тоже знает больше любого человека в мире, однако профессионалом от этого не становится. Представьте сильного спеца в своей области. А рядом посадите условного Анатолия Вассермана. Вассерман знает факты обо всем на свете, отлично ориентируется и складно говорит. Но если дать ему прикладную рабочую задачу - профи сделает ее в разы лучше. Вассерману просто не хватит практической насмотренности, контекста и профессиональной интуиции. Сегодняшние топовые LLM - это именно такой цифровой Вассерман. Крутой эрудит, которому все еще нужен реальный специалист рядом, чтобы работа не превращалась в красивый, но бесполезный слоп.

Вайбкодить сайты легко. А вы попробуйте вайбкодить обложки для видео 😄 Я вот пробую. Пока херня получается. Мне надо пересобрать обложки для видео на моем ютуб-канале и идея такая: Claude собирает мне конструктор этих обложек в HTML, чтобы каждый раз не генерировать целые картинки. А на самих обложках будет вставлять меня в разных позах. И вот щас он нагенерировал меня, но вырезал из фона меня супер херово. Щас перебираю варианты, как это лучше сделать. Должно получиться так: 1. Заголовки текстом через HTML 2. Меня в разных позах сгенерирует один раз Chat GPT 3. Всякие 3D объекты для видео тоже сгенерирует Chat GPT 4. Claude будет собирать обложки через HTML, и уже из него будет сохранять картинку всей обложки целиком.

#Нейропрожарка Одиссей. Легенды Школы Сколково Автор: Тимофей Ступин @lamiserest / https://youtube.com/@lamiserest_comm?si=7vkoKku9mthl4skG Ролик (изначально подразумевалась целая серия) для Школы управления СКОЛКОВО. Был сделан ещё зимой (и Нолан тут не причём). Основная идея: спрятать в известной всем легенде эпизод с их обучением на управленца, точно перенести архитектуру кампуса школы Я использовал Nano Banana pro и Kling 3.0. Некоторые элементы типографики были сделаны в GPT image, у него лучше всех получается сохранить шрифт и текстуру референса. Значительная часть кадров генерилась для последующего трекинга и наложения 3D текста поверх(всё в AE). В середине ролика была использована коллажная техника в AE, но все исходники - NB + Kling. Неделя на генерацию, неделя на сборку. Бюджет: может быть, 4.000 р. с учетом большого количества вырезанных сцен (40 секунд хрона). @cgevent