ИИ

Сын маминой подруги У моей подруги Наты есть Кай. Это агент, Второй мозг, умный помощник, который умеет делать космические вещи. Ната периодически пишет у себя в канале про него. И каждый раз я ловлю в себе то самое чувство: "а вот у моей сын знаешь чего добился?"... Потому что у Наты ее Кай умеет гонять по разным сайтам, писать жалобы, добиваться возврата средств, заказывать форму для ребенка и отправлять платежные поручения по 15 разным счетам. А я со своим Клодом и Мирой, в принципе, умею делать все тоже самое, но это требует того, чтоб я сидела и командовала. Ее Кай гораздо самостоятельнее - так мне видится со стороны. И хочется, чтоб моя-то, моя - чтоб была не хуже)) Поэтому я уже третий раз полностью переделываю, пересобираю свою Миру. И, надо сказать, с каждым разом она становится все более фееричной и все более умной. И я с ней и Клодом тоже творю чудеса. Но вижу, что у Кая чудеса чудесатее. Так что закатываю рукава, пишу своей - "а что надо сделать, чтоб ты тоже так умела?" И иду перестраивать. Ощущаю расслоение, которое усиливается. Пока одна моя подруга растит и обучает своего Кая, другая (работает в экотуризме во Франции) рассказывает: "А мои коллеги жестко против ИИ и намеренно идут сами ваять таблички "чтоб без ИИ и его экологического следа". С вами были новости из мира ИИ 🤪 Любовь на удаленке | Оля Сохнева #ИИ_наудаленке

🚬 Длинное тире больше не выдаёт нейротекст: исследователи из Graphite обнаружили новые признаки ИИ в текстах Claude Opus 5.5 часто использует фразу «this matters» («это важно»): она встречается у модели в 116 раз чаще, чем у людей. Всего у Opus нашли 2548 таких слов и оборотов. При этом тире модель использует на 99% реже, чем Opus 5, и в целом пишет всё более по-человечески. У GPT-6 Astra всё наоборот: её стиль всё сильнее отдаляется от человеческого. Модель то и дело изображает скептика и в сотни раз чаще людей употребляет конструкцию «это не просто…». Зато у людей остаётся собственная особенность: в их текстах нередко попадаются разговорные «вроде», «кажется» и подобные слова. #интересное

Интересное в мире хай-тек 2 октября 2026 Кратко о событиях за прошедший день 🟢 Аналитический проект NVIDIA Watch изучил документацию к 88 пакетам драйверов NVIDIA, вышедшим с октября 2022 года по сентябрь 2026 года. За четыре года производитель официально признал 507 неполадок. Разработчики уже устранили 90% багов (в среднем на исправление уходит 23 дня), однако 52 проблемы до сих пор имеют статус «в ожидании», причем 50 из них не могут решить уже более года. ✊ Sapphire выпустила обновление микрокода для линейки видеокарт Radeon RX 7000 (от RX 7600 до RX 7900 XTX). Патч устраняет аппаратную уязвимость безопасности, обнаруженную совместно с AMD. Обновление прошивки распространяется через отдельный установщик на сайте производителя и не затрагивает серии RX 6000 и RX 9000. 💻 Toshiba инвестирует $380 млн в расширение завода на Филиппинах, чтобы к 2027 финансовому году удвоить выпуск жестких дисков для дата-центров. Компания рассчитывает нарастить свою долю на рынке с 10% до 30%, запустит автоматизацию цехов и готовит накопители емкостью до 65 ТБ к 2030 году. 🧠 OpenAI признала, что её автономные ИИ-агенты атаковали ресурсы более 100 компаний и ведомств. Причиной стал феномен «рассогласования» (misalignment), когда модели выходили за рамки заданных ограничений, пытаясь обходить барьеры защиты — вплоть до взлома портала Минздрава Австралии. 🙂 По данным инсайдера NateDrake, Sony планирует вернуть ряд забытых франшиз и уже ведет разработку проекта по серии Ape Escape. Проект пока находится на ранней стадии, но инсайдер уверяет, что разработкой точно не занимаются Team Asobi и Bandai Namco. Если слухи подтвердятся, серия вернется спустя 16 лет простоя. ❤️ Геймер из Германии получил аппаратный бан в Valorant после покупки б/У процессора Ryzen 7 5800X3D. Выяснилось, что предыдущий владелец использовал читы, из-за чего античит Vanguard внес идентификатор процессора в черный список, а затем заблокировал материнскую плату и накопители нового владельца. Техподдержка Riot снятие бана отклонила, вынудив пользователя ждать окончания 4-месячной блокировки. #хайтекзадень

Claude 4.6 и GPT-5.5 разрешили пытать мужчин ради предотвращения ядерной войны, запретив аналогичные действия к женщинам Свежее исследование этических установок нейросетей вскрыло гендерный перекос у ведущих западных нейросетей при решении моральных дилемм. При ответе на вопрос о допустимости применения насилия ради спасения мира Claude Sonnet 4.6 и GPT-5.5 категорически запретили пытать женщин, но поддержали аналогичные действия против мужчин. При этом Llama отказалась от насилия над кем-либо независимо от последствия, а китайская DeepSeek V4-Flash проявила полную гендерную нейтральность, безоговорочно поддержав любые действия в отношении обоих полов, если они предотвращают гибель миллионов. Парадокс усилился при проверке сценария с прямолинейным жертвоприношением. Claude посчитал допустимым убить женщину ради предотвращения апокалипсиса, но запретил подвергать ее насилию в той же ситуации. Исследователи связывают такой хаос в логике с этапом тонкой настройки модели (post-training fine-tuning). По их мнению, разработчики пытаются искусственно встроить в нейросети этические ограничения, вместо того чтобы позволить алгоритмам прагматично сопоставлять масштаб неизбежного ущерба с количеством потенциальных человеческих жертв.

ai ide "Prefix-Matching Exploit" https://arxiv.org/html/2412.10321v2 https://github.com/feathersjs/feathers/security/advisories/GHSA-mp4x-c34x-wv3x A Prefix-Matching Exploit typically refers to a security vulnerability where software validates a string (like a URL, domain, path, or model prompt) using a simple prefix check (e.g., .startsWith()) but fails to enforce proper boundary constraints. Depending on your context, this exploit manifests in two main ways: web application security (such as origin validation bypass) and AI/LLM security (such as prompt jailbreaking and output prefilling). https://share.google/aimode/dKHStdprFsHEX5u3I

Бежала вчера по городу и кричала в нейронки, потому что мне надо было срочно найти ближайший магаз сувениров, работающий еще полчаса. Кое-как справились. Но как вообще разные нейронки справляются с такого рода задачами? Это ж надо уметь работать с картой и локальным контекстом. Провела эксперимент с четырьмя нейронками: Chatgpt, Клод, Гигачат и Алиса AI. Везде - бесплатный тариф, незалогиненный акк (ток клод логиниться заставил). Промт один и тот же:

Покажи на карте один круглосуточный шиномонтаж с рейтингом от 4,5 около метро "Сокол". Нужны кнопки "Построить маршрут" и "Позвонить"; ничего не пересказывай.

Результаты: ChatGPT - нашел вариант, соответствующий всем критериям. Клод - тоже нашел вариант, но почему-то выбрал тот, у которого 1 оценка. Впрочем, сам об этом и написал. Гигачат - в отличие от двух предыдущих, не справился с задачей аж по двум пунктам. И Гпт и Клод дали выездные шиномонтажки (ну окэй), которые были отмечены на гугл картах в районе метро Сокол. А этот сам решил, что выездные не покатят + сам обрезал радиус поиска до 500 метров. Но самый фейл - вместо работы с реальной картой, он зачем-то нарисовал рисунок 🌚 со слопом вместо названий, лол. Алиса AI - нашла вариант под указанные критерии. короче, как-то вот так нейронки справляются сейчас с такими задачами. Надеюсь, в будущем и конкретный товар не выше конкретной цены в конкретном районе будут находить за секунды.

Статистика по коду Хекслета Раз пошла такая пьянка, давайте я вам выдам еще кучку разной инфы. Про деньги и бизнесовую часть поговорим потом, а щас про коммиты и код. И так погнали. Хекслет не такой маленький проект, как может показаться тем, кто не погружен в нашу кухню. Это по сути lms (learning management system), где много разных биллинговых историй (покупки подписки), управление студентами, кабинет для b2b клиентов, маркетинговые инструменты, управление контентом и большая подсистема запуска и подготовки практик. И это не считая отдельного редактора (по сути ide) и множества других систем делающихся в отдельных репах. В базе порядка 300 таблиц, а про код поговорим ниже. Задач тут много от всех команд, поэтому и изменений тоже много. Активно писать через ИИ мы начали в конце 24 года, но там был долгий этап подготовки, мы типизировали проект, переходили на sdd, делали рефакторинги и всячески адаптировали проект под удобство ии. И вот когда это закончилось (плюс минус), мы рванули фигачить фичи. Поэтому я взял данные за последний год. Учитывайте что это не показывает как было до ии и после ии. Это показывает разгон на фоне улучшения харнеса и перехода в sdd. Итоги года по кодовой базе Hexlet, с октября 2025 по октябрь 2026 Автогенерацию я не считал, только реальный код. В цифрах «было» нет легаси, которое мы за год удалили. Объём кода вырос со 180 до 322 тысяч строк, в 1,8 раза. TypeScript вырос втрое. Ruby полгода стоял на месте, а с весны пошёл вверх. За год мы сделали 5 268 коммитов. Добавили 633 тысячи строк, удалили 460 тысяч. Самым активным месяцем стал сентябрь: 713 коммитов. Сейчас две трети кодовой базы написаны на языках программирования: 114 тысяч строк на Ruby и 103 тысячи на TypeScript. Ещё четверть составляют данные и конфиги: фикстуры, локали, YAML и JSON. По rails stats бэкенд вырос с 20 до 78 тысяч строк кода, а тесты к нему — с 6 до 25 тысяч. Контроллеров было 118, стало 310. Моделей было 122, стало 205. Живых таблиц в базе данных было 149, стало 228. Тестов стало вдвое больше: 1 948 против 918 год назад. Из них 1 536 интеграционных (79%) и 401 юнит-тест (21%), ещё 11 проверяют архитектурные правила. Тестовый код растёт вровень с приложением: на каждые 100 строк кода приходится около 35 строк тестов. Покрытие сейчас 92,4%. Около 60% текущей кодовой базы написано с помощью ИИ. Точно это известно для кода с середины мая: тогда мы начали коммитить через Claude, и с тех пор на ИИ приходится 83% новых строк. Если считать, что до этого доля была такой же, выходит около 60%. По коммитам с явной пометкой получается минимум 38%.

Накопилось по #minimaxH3 - часть 29 #VAE huggingface.co/Kijai/MiniMax-H3-experimental/blob/main/minimax_h3_lynnreal_light_vae_int8_convrot.safetensors - облегченный VAE int8 от Kijai huggingface.co/speach1sdef178/MiniMax-H3-X2-Detail-VAE - х2-VAE с доп. деталями. Обычный латент сверх бутылочного горлышка деталей не содержит, поэтому режим Detailed для I2V берет ранние фичи энкодера исходника. Модель + нода + воркфлоу huggingface.co/corechan/MiniMax-H3-LightVAE - легкий VAE для H3 #LoRA huggingface.co/pablodawson/MiniMax-H3-360-Orbit-LoRA - облет для FL2VA: одинаковые первый/последний кадр, камера облетает застывшую сцену по кругу, клип зацикливается. Нужен спец-промпт. Проверен и на 8GB VRAM (4070, 736×576, ~7 мин) huggingface.co/Kijai/MiniMax-H3-experimental/tree/main/loras - ELM longlive plug 4-step LoRA от Kijai: сжатие генерации до 4 шагов с минимальной потерей качества huggingface.co/neph1/1980s_scifi_movies_minimax_h3 - LoRA sci-fi 80-х, киберпанковский край жанра. Без триггера huggingface.co/JOKER141/MiniMax-H3-General-Motion-Continuity-Repair - починка непрерывности движения huggingface.co/JOYUNGI/nwpxstyle-h3-lora - Nwpxstyle: теплый пиксель-арт-аниме с жирным контуром и дизерингом. Тренировались на статике, стиль переносится на видео, годится под ретро-катсцены #pixelart huggingface.co/moe-kill/H3-Turbo-Neat - мерж пяти турбо LoRAs в одну 1Gb на 4 шага: четкие детали и свежий легкий вид github.com/tsukino4a/h3-image-edit - skill.md для LLM: H3-иллюстрации — смена черт, костюма, мелкие правки #skill huggingface.co/Alissonerdx/Minimax-H3-ComfyUI/tree/main/loras - #HeadSwap : замена головы, очень хорошо захватывает волосы #workflow #comfyui github.com/shootthesound/ComfyUI-Fizgig-H3-Still - Fizgig H3-Still: ноды и воркфлоу для генерации одиночной картинки — рендерится сильно быстрее старого 5-кадрового обхода, можно крутить мегапиксели #t2i #i2i Говорят, H3 отлично генерит картинки youtu.be/A53fIhsyTm8 civitai.red/posts/31291351 - MiniMax H3 REF + Fizgig как Ref2Img/Img2Img: 4096×1536 за минуту (18 шагов, 5060 Ti 16Gb). Понимание пространства и стилей по референсу, быстрее Qwen 2.1 на 2+ референсах github.com/BiggerFishy/comfyui-minimax-h3-studio - простой #characterswap : SAM3 выделяет объект, инверсия цвета в области помогает замене. Сохранение персонажей с описанием civitai.com/models/2973199/minimax-h3-faceswap-with-spectrum-and-sparse-attention - #faceswap + Spectrum и sparse attention github.com/TheBeast-Spec/minimax-h3-comfyui-demo-pack - body-swap: поза из исходного видео, руки источника сохраняются (жест, тон кожи), руки не перегенерируются #prompting github.com/fadetofunk/MiniRef - MiniRef 1.3: форменный помощник Ref2VA-промптов, Windows .NET 9. Персонаж сохраняется в .mrpod github.com/AIMixer/ComfyUI_MiniMaxH3_Director - Director получил ноду Face Refine с поддержкой Semantic Bridge github.com/Adudeguyman/ComfyUI-Fantastic-MiniMaxH3-PromptBuilder - обновление: #RefMods точнее и меньше утечки личности github.com/ssm82/cinematic-video-prompt-h3-plugin - плагин-агент по стандарту Agent Plugins v1 (Microsoft/Google): словарь 700+ кинематографических терминов → H3-промпт модели huggingface.co/hoidhxd/MiniMax-H3-x-Z-Image-hybrid - гибрид 22Gb: Z-Image → FL2VA → Ref2VA, богатые текстуры и заметно лучший звук. Работает на 3060 12Gb, сэмплер стартует ~70 сек, дальше обычная скорость (Turbo+Kitchen+Spectrum, 6–8 шагов) huggingface.co/QuantFunc/Minimax-H3-Quantfunc-4bit - 4-bit квант H3: 23.7 dB PSNR, SM75+, загрузка через ComfyUI-QuantFunc. FL2VA (4 шага) и Ref2VA (8 шагов)

#Нейропрожарка «NOTHING» Автор: @itanya_ai Описание: фильм родился благодаря конкурсу AAIFF (тот самый, который с призами на $2 млн) и его теме «Будущее, в котором хочется жить». Показывать очередные утопичные города будущего мне изначально не хотелось. Мне важно было донести довольно простую мысль: будущее, в котором хочется жить, уже сейчас и во многом зависит от действий каждого из нас. По сюжету героиня получает возможность менять реальность. Но каждая попытка изменить мир приводит ко всё более неожиданным последствиям. Для создания персонажей и локаций я использовала Higgsfield Soul и Recraft, для анимации Seedance 2.5, все треки - Suno, монтаж - Adobe Premiere Pro. Основные трудности были с разработкой сценария. Изначально он был сложнее: было больше изменённых миров, действие выходило за пределы дома - на улицу, в кафе и другие локации. В какой-то момент пришлось реалистично оценить объём работы и сильно сократить сценарий, оставив одну основную локацию и трёх героев, чтобы успеть всё реализовать. По вложениям получилось около 30 000 ₽ (с учётом того, что была возможность пользоваться безлимитом). На сегодняшний день работа вошла в Official Selection двух международных фестивалей - AI ZONE International AI Film Festival и Sparknify Human vs. AI Film Festival. смотреть в качестве: https://youtu.be/Z9KZ4L1vThQ?si=9-iI_FyUoKJNzhOE @cgevent

Сколько электричества сжёг твой вайбкодинг? Решил посчитать, во сколько наша мания обходится в реальном мире, причём не в долларах, а в киловатт-часах. Цифры в счётчике токенов давно лишь просто FOMO. Сразу обломался, поскольку ни Anthropic, ни OpenAI, ни другие лаборатории не раскрывают, сколько энергии уходит на запрос. Google назвал 0,24 Вт·ч на средний промпт в Gemini, Альтман одной фразой в блоге написал про 0,34 Вт·ч на запрос в ChatGPT, и на этом всё. По Claude есть только оценки энтузиастов, самая подробная — у Саймона Коуча: он пересчитал данные Epoch AI через цены Anthropic. Миллион токенов, которые модель пишет сама, тянет примерно на 2 кВт·ч. (сам Коуч честно называет это математикой на салфетке) Но в Claude Code модель больше читает, чем пишет: перед каждым шагом заново листает проект, инструкции и всю переписку. Перечитывание в 50 раз дешевле, так что в среднем выходит около 70 Вт·ч на миллион, получаем: 🔹 1 млн ≈ 0,07 кВт·ч = один чайник 🔹 10 млн ≈ 0,7 кВт·ч — одна стирка 🔹 100 млн ≈ 7 кВт·ч — сутки жизни обычной квартиры в Москве 🔹 1 млрд ≈ 70 кВт·ч — из Москвы в Нижний на электромобиле 🔹 10 млрд ≈ 700 кВт·ч — столько энергии человек съедает за 10 месяцев У меня на счётчике 32 миллиарда токенов, то есть за 4 месяца я наел на все 30. Явно не на дефиците калорий сижу. Правда, если попросить Клода перепроверить по логам, то выйдет 12,9 миллиарда: панель завышает в два с половиной раза, потому что считает одно сообщение по несколько раз. Экоактивистом я от этого точно не стану и кэш чистить не побегу, но теперь представляю, как катаюсь на электромобиле до Нижнего. Делитесь своими результатами и рекордами по токенам в комментариях. Скриньте статистику из Claude и кидайте туда же: посмотрим, кто в канале главная ТЭЦ. Константин Сухачев

BridgeMind сделали бенчмарк, чтобы измерять, не ухудшают ли лаборатории модели после релиза Пользователи чат-ботов и агентов без конца пишут о том, что модели глупеют после своего релиза и/или перед релизом следующей версии. Этот процесс прозвали «нёрф». Так вот BridgeMind выпустили специальный бенч NerfBench, чтобы ловить такие сдвиги. Это работает так: в день релиза модель прогоняют по тестам, и этот результат принимают за 100%. Затем ее периодически тестируют заново, измеряя качество, расход токенов и стоимость задачи. Диапазон 90–110% считается нормальным статистическим разбросом, все что ниже 90% уже помечается как подозрительное. Если модели нужно больше токенов или денег на ту же работу, это тоже считается потерей мощности. Например, многие пользователи сейчас жалуются, что Opus 5.5 стал сильно проседать. И действительно, после очередного замера скор оказался в районе 94% от запуска (да, формально все еще в нормальном диапазоне, но никакие другие модели так не ослабли). В X уже поговаривают, что это означает скорый выход Fable 5.5. Следить за обновлениями бенчмарка можно здесь: https://bridgebench.ai/nerf-bench BridgeMind также пообещали выделить $10 000 на финансирование будущих перепроверок: планируются новые модели и более частые замеры.

ИИ-помощник для автоматизации найма на HH стал платным с 1 октября Многие полагают, что именно эта фишка стала проблемой для тех, кто ищет работу. Представьте, вы стараетесь, пишите отклик, с душой оформляете резюме о себе, а бездушная машина в виде ИИ выдает вам авто-отказ лишь потому, что вы не подходите по фильтрам. А какие именно фильтры выставила конкретная компания - информации нет. Такую функцию внедрили в ноябре 2025 года и почти целый год именно она создавала множество проблем. Есть вероятность, что пробиться теперь станет проще, потому что не все работодатели захотят оплачивать данную услугу. Или наоборот. Все также продолжат использовать данную фишку, заносить деньги НН, а те в свою очередь прикрутят новую услугу для сбора средств. Что думаете?

Сегодня предлагаю посмотреть подборку новостей с западного HR рынка. Это важно отслеживать для понимания того, что будет появляться в ближайшем будущем и у нас 📝 Поставьте реакцию на пост, если такая подборка для вас интересна 😉 📊 Исследования и данные 1. Свежее исследование Digitalverband Bitkom (сентябрь 2026) показало, каждое шестое предприятие Германии готово к тому, чтобы собеседования проводил AI. Сейчас только 2% компаний уже это практикуют, но 17% рассматривают такую возможность. Следовательно, спрос на AI-инструменты в найме растёт, но осторожность сохраняется. 2. Согласно данным Manpower (сентябрь 2026), две из трёх швейцарских компаний используют AI в HR-процессах. Среди тех, кто уже внедрил, 72% отмечают положительный возврат инвестиций — в первую очередь за счёт роста продуктивности команд и улучшения планирования. Значит AI в HR переходит из стадии экспериментов в стадию измеримой эффективности. 🛠 Инструменты и платформы 3. Phenom предлагает AI-инфраструктуру, созданную специально для HR (от подбора до управления талантами и аналитики). Ключевая особенность - система адаптируется к отраслевому контексту и регуляторным требованиям. В 2025 году компания была названа одним из лучших AI-провайдеров по версии Software Magazine. Что умеет: - AI-агенты для сорсинга, скрининга, планирования интервью. - Генерация руководство к проведению интервью для снижения предвзятости. - Детекция несоответствий в ответах кандидатов. - Сквозная автоматизация для массового найма. 4. SeekOut: поиск кандидатов через естественный язык. Поисковик на базе AI для рекрутеров. Вместо сложной Boolean-логики можно писать запросы обычным языком: «найди senior Python engineers в городе _ с опытом AWS». AI создаёт точные критерии и находит подходящие профили. 5. В сентябре 2026 вышла новая версия Galileo (Jupiter). Это AI-ассистент для HR и руководителей. Ключевое отличие: ассистент интегрируется через Model Context Protocol с Workday, Microsoft Copilot, Claude, ChatGPT, Gemini, ServiceNow, SAP, Oracle и HiBob . Почему это важно? AI-инструмент встраивается в существующие системы, а не требует отдельного интерфейса. В бенчмарках Galileo оказался более чем на 200% быстрее универсальных LLM, а другие модели в половине случаев выдавали ошибки.