ИИ

Trace2Env Обычно агента запускают в готовой среде. Trace2Env переворачивает идею: среду играет сам агент. Из истории прошлых действий восстанавливается «книга мира», и по ней один агент симулирует окружение для другого. Проще на примере — терминал. Ты («агент-задача») набираешь команды, а второй агент отвечает, как настоящий терминал. Удалил файл командой rm — и через десять команд попытка его прочитать упадет с ошибкой, потому что агент-мир помнит состояние. Что умеет • Строит симулятор среды из десятков записанных логов, без исходников • Поддерживает состояние между командами • Симулирует терминал, веб, Android, магазин и другие окружения • Без обучения — только логи на входе Знания о среде отделены от текущего состояния эпизода — среда не забывает что произошло Гитхаб Демо #agent

Три открытия последних дней: Paseo Среда для управления агентами на удалённой машине. Из ближайших аналогов – Orca, но у Paseo полноценное моб приложение. Перевёз работу по нескольким проектам на удалённый сервер, сделал агента-оркестратора, который может сам запускать сессии внутри Paseo, к которым я тоже могу подключаться при необходимости. При работе с сервера не грузишь локальный комп, а с агентами, которые ещё остались на нём, теперь могу оставлять его открытым и продолжать с телефона. В итоге получилось примерно то, что сделали для широкой публики сначала в Grok Bot, а потом в Dots – только с большей гибкостью и управляемостью, заточеное именно под мои задачи. Cloudcone Американский хостер. Собственно, там взял VPS-ку в дата-центре в Калифорнии по супер-ценам. При работе с него не нужны vpn, рисков блокировок меньше. Пинг прекрасный. Devin После блокировки аккаунта Claude (особенно обидно, что это произошло буквально через пару дней после списания очередной месячной подписки) решил больше с ним не париться и не регать новый. Остаётся верный Codex, Grok Heavy тоже взял в сентябре, но ещё искал запасные варианты. Сначала потыкался в китайцев – Minimax и GLM в целом неплохи для простых задач, но что-то серьёзное им не доверить, конечно. И тут наткнулся на Devin, разработчик которого в прошлом году купил давно забытый мной Windsurf, которым я пользовался на заре вайб-кодинга. У Devin тоже есть подписка с лимитами и внутри вообще все возможные модели, в том числе Anthropic, и собственная swe-2, которая по бенчам на равне с frontier моделями, но при этом полностью (!) бесплатная, по крайней мере пока. Собственный CLI агент тоже прекрасно встраивается в Paseo.

AgentGarten Платформа от MirroS для обучения ИИ-агентов. Агент играет в виртуальные сценарии, каждый раз записывает, чему научился, и к следующей попытке играет лучше — заметно уже за 4-10 раундов. Вместо человеческих инструкций — опыт. Агент учится, играя сам. Код и рендерер открыты • Сценарий живет в виде кода, нейро-рендерер рисует его агенту в реальном времени • Агент видит только кадры «своими глазами», как будто смотрит игру • После каждой попытки пишет выводы, следующий заход стартует с них • Разные задачи: построить укрытие, провести собаку, загнать овец, перевезти груз github.com/MirroS-Lab/AgentGarten huggingface.co/MirroS-Lab/AgentGarten-renderer #agent MAX

/А будут ли вообще грейды и зарплатные вилки на рынке труда будущего?/ Раз уж мы всю неделю обсуждаем, как ИИ будет менять рынок труда, у меня появилась ещё одна интересная мысль. А что, если через несколько лет привычная система зарплатных вилок и грейдов начнёт терять смысл? Представьте рынок труда, на котором ИИ умеет практически в реальном времени сопоставлять стоимость навыков, опыт, результативность и спрос на конкретных специалистов. И вместо условных 200 тысяч для миддл-аналитика у каждого появляется своя, гораздо более точная рыночная стоимость. Почти совершенная конкуренция на рынке труда, о которой нам рассказывали на экономике! И тут мне попалась интересная статья о том, как в Сбере уже сейчас пересматривают зарплаты с помощью ИИ - занятный первый шаг в эту сторону. Логика довольно понятная: одинаковая индексация всем на 10% плохо работает, когда один сотрудник уже получает выше рынка, другой отстаёт от него на 20%, а третий за последний год сильно вырос профессионально. Поэтому в Сбере используют ИИ-модель, которая учитывает ситуацию на рынке труда, стоимость конкретной профессии в конкретном городе, результативность и траекторию развития сотрудника. На основе этих данных формируется персональная рекомендация по повышению зарплаты, при этом окончательное решение остаётся за руководителем. Мы привыкли думать о росте зарплаты через повышение, переход на следующий грейд или смену работодателя. Но два человека с одинаковой должностью и стажем могут получать совершенно разную зарплату. И технологии позволяют работодателям гораздо точнее учитывать эту разницу, даже если формально оба сотрудника остаются на прежних позициях. Мне кажется, это интересный сдвиг для карьерных стратегий. Если так, то всё большее значение будет иметь то, как меняется рыночная стоимость наших навыков внутри текущей роли, а не только то, насколько успешно мы двигаемся по корпоративной лестнице. Но есть ещё один нюанс: если работодатели, благодаря ИИ, научатся гораздо точнее оценивать рыночную стоимость сотрудников, а сами сотрудники по-прежнему будут ориентироваться на средние зарплаты с джоббордов, получится довольно существенная асимметрия информации. И тогда вместо обещанной совершенной конкуренции мы рискуем получить рынок, на котором одна сторона знает о стоимости труда гораздо больше другой. Поэтому кажется логичным, что следующий интересный этап развития карьерных ИИ-инструментов - научить самих людей так же хорошо оценивать собственную стоимость на рынке, как это постепенно учатся делать работодатели.

😶 Фото и запросы, которые люди отправляют в ИИ-помощник Microsoft Copilot, просматривают живые подрядчики.

Лица на снимках не скрыты

⚡️Об этом рассказали 404 Media сами проверяющие. Microsoft нанимает людей со стороны оценивать, насколько хорошо Copilot редактирует картинки. Как минимум часть из них набирают через платформу подработок Prolific. 🟦Проверяющий видит всё сразу: текст запроса, загруженное фото и два варианта, которые выдала нейросеть. Его задача - выбрать лучший. Проблема в том, что именно люди просят. По словам подрядчиков, им постоянно попадаются запросы укоротить женщине юбку, увеличить грудь или поставить человека с фото в откровенную позу. Встречаются снимки, сделанные тайком под юбкой: в одном случае их было минимум восемь подряд. 💬 Один из проверяющих описал это так:

"Лица никогда не скрыты, многие запросы сексуальные, и согласие людей на фото под большим вопросом"

💬 Другой спросил:

"Кто вообще решил, что Copilot теперь занимается генерацией порно"

🐋Microsoft ответила одной фразой:

"компания использует данные клиентов так, как описано в пользовательском соглашении, в том числе чтобы улучшать продукты"

🦔 CyberYozh

«Я всё ещё боюсь работать с ИИ» Агент написал фичу, тесты зелёные, на демо всё работает. Можно брать следующую задачу. Только код ещё надо понять, проверить и потом суметь объяснить тому, кто придёт после тебя. Особенно весело, если агент заодно помог залезть в область, в которой ты сам пока разбираешься примерно на уровне «ну вроде работает». Потом появляется второй агент, потому что первый что-то упустил. Коллега приносит PR и превращается в meat proxy между тобой и своей нейросеткой. Спеки генерируются быстрее, но их тоже нужно читать. А спустя несколько месяцев git blame показывает на коллегу, коллега — на Claude, и ты проходишь онбординг в проект, который сам же полгода разрабатывал. От агентов автор отказываться не собирается, но быстро написанный код — только одна часть работы. И чем сильнее становится ускорение, тем интереснее вопрос, на что на самом деле уходит выигранное время.

В понедельник 5-го октября на архив выложили препринт «Truly Subquadratic 3SUM and Truly Subcubic APSP via Triangles in Sparse Lopsided Graphs». В нём опровергают две гипотезы о сложности алгоритмов решения двух задач. Одна из них формулируется очень просто, и вы наверняка на неё натыкались, если готовились к собеседованиям на LeetCode — 3 sum. Вам дан массив из n чисел (включая отрицательные), и нужно определить, есть ли в нём 3 таких, что их сумма равна нулю. В теоретической информатике долгое время существовало предположение, что для этой задачи невозможно найти алгоритм, который работал бы существенно быстрее квадратичного от размера массива. 3 sum — одна из центральных гипотез раздела fine-grained complexity. Многие другие задачи можно свести к 3 sum. Поэтому на предположении строилось множество других результатов: исследователи показывали, что если 3 sum невозможно существенно ускорить, то нельзя существенно ускорить и целый ряд других задач. И вот оказалось, что существует общий алгоритм, который вместо n^2 работает за n^(1.9992). Само по себе ускорение не особо интересно (в практике оно может работать даже медленнее, так как из нотации выкидывают константы) — и ключевым является именно опровержение гипотезы, которыми многими считалось «логичной» и «красивой». Один из двух авторов — Virginia Vassilevska Williams, одно из ведущих имён в области fine-grained complexity. И казалось бы можно порадоваться за прорыв, но если открыть конец статьи, то увидим: Как результат был первоначально получен и передан авторам: сотрудник Anthropic использовал внутреннюю исследовательскую модель для изучения открытых проблем в теории криптографии. <...> В сентябре 2026 года Anthropic передала алгоритм авторам на условиях соглашения о конфиденциальности, предложила вознаграждение и предоставила доступ к публичной версии Claude. <...> После того как статья была полностью написана, Anthropic использовала внутреннюю исследовательскую модель для формальной проверки основных результатов статьи с помощью Lean. <...> Авторы работали над этой публикацией в личное время, вне рамок своих служебных обязанностей в Колумбийском университете и MIT. Так что получился немного странный для науки подход «найти и проспонсировать подставное лицо, не участвовавшее в составлении доказательства, и указать его в качестве автора, и при этом указать, что работает он без своей основной аффилиации». Я против такого подхода ничего не имею, но многие в научном сообществе видят здесь несоответствие... духу? морали? науки и тому, как вещи «принято» делать.

#QI21 huggingface.co/Qwen/Qwen-Image-2.1-Turbo - официальная Turbo-версия Qwen Image 2.1 от Qwen. И диффузионные модели Comfy-Org: huggingface.co/Comfy-Org/Qwen-Image-2.1/tree/main/diffusion_models github.com/hypersniper05/MCP-Image-Generator-Uncensored - #MCP для Qwen 2.1: любой LLM-клиент с MCP управляет генерацией. 2K, панорамы, эдит до 10 картинок, бесшовные тайлы (нормали/высоты), апскейл до 8K, 360-вьювер, удаление вотермарков и фона, прозрачные PNG, текст в картинке. В Docker, пик 11GB VRAM #uncensored huggingface.co/akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA - Multiple Angles: несколько ракурсов одного объекта для Qwen 2.1 #cameracontrol MAX

Большой недельный пост 🎉 В этот раз подборка даже с бонусом о таинственном взрыве в 1991-м. Но про наши родные темы тоже есть интересное в нашем большом недельном посте. А вот, кстати, и он! 1️⃣ Исследование Kama Flow про перспективные ниши в AI и то, сколько дополнительного венчурного капитала нужно (спойлер — много) — ссылка 2️⃣ Про управляющего эндаумент-фонда, который изменил подход к диверсификации активов — ссылка 3️⃣ Алмас Абулхаиров рассказывает, как навайбкодил сервис, который уже стал зарабатывать. Про то, как родилась идея, как общался с клиентами и так далее — ссылка 4️⃣ Интервью с партнером Andreessen Horowitz про то, как они подыскивают фаундеров, в кого вложиться — ссылка 5️⃣ Как интернет-гиганты ищут другие пути для интернет-трафика, потому что конфликт в Красном море угрожает подводным кабелям между Европой и Азией — ссылка 6️⃣ Про hacker house, но не для молодых и голодных, а для предпринимателей, уже продавших один бизнес и переживающих кризис среднего возраста. Когда деньги уже не проблема, а делать что-то хочется — ссылка P.S. После новостей про «Яндекс» полез посмотреть на карте, где находится это Сасово. И рядом с городом отмечена достопримечательность «Воронка». Оказалось, что в апреле 1991-го что-то мощно взорвалось в полях, в квартирах шаталась мебель, повыбивало стекла. В поле осталась большая воронка диаметром 30 метров. Год спустя опять был взрыв, но слабее. Причины так и не выяснили. Вот здесь можно почитать подробнее. @TheEdinorogBlog — тот самый канал про стартапы🦄

✅KEISOSUBBOTA оффтоп: радует, что большинство участников этого канала ИИ не убьет за сквернословие! Кейсосуббота — это рубрика, где мы делимся своими работами и взаимодействиями с ИИ. Это может быть что угодно: -картинки -анимации -текст -код -боты -песни -видео и т.д. ❤️ Не забывайте оставлять обратную связь на работы других людей. Это очень ценно Давайте попробуем меньше разводить флуд в комментариях. Для разных вопросов у нас есть чат — там такое. А здесь давайте по делу. Читайте ниже пояснение 👇А также читать пояснения и правила по ссылке ниже. ❗️ВАЖНО! Прочитайте по ссылке ниже пояснения: Ссылка на пояснение для тех, кто не участвовал ни разу в этой рубрике. Или для тех кто не помнит, какие есть правила. + ПУБЛИКАЦИИ ОТ ИМЕНИ КАНАЛОВ И ЕСЛИ У ВАС НЕТ НИКА В ТЕЛЕГРАМ— НЕ ПРОХОДЯТ СЕЙЧАС МОДЕРАЦИЮ ТАКЖЕ - ЕСЛИ НЕ ПОЛУЧАЕТСЯ ОСТАВИТЬ КОММЕНТАРИЙ (БОТ БЛОЧИТ ВАС) -- читайте здесь 〰️Пояснения нужны для того, чтобы потом не удивлялись почему удалён тот или иной материал. Ставим реакцию🔥 этому посту и далее скидываем кейс (с использованием нейронок/ИИ/AI/whatever) в комменты ниже👇 У кого есть то, чем хочется похвастаться?🥳🥳🥳 три... два... раз.. 🚀Поехали #keisosubbota@serge_ai

📌 Humanity's Sixth Sense: мультимодальные модели все еще отстают в когнитивном восприятии Исследовательское подразделение Scale Labs в партнерстве с Elorian представило бенчмарк Humanity's Sixth Sense, созданный для проверки способности ИИ интерпретировать скрытые социальные сигналы и пространственные взаимосвязи на изображениях и видео. Набор тестов состоит из 522 вопросов по 288 статичным сценам и 234 видеофрагментам (оценка габаритов разъезда автомобилей, мотивы поведения людей, негласная иерархия в кадре и т.д) Испытания 25 актуальных мультимодальных моделей зафиксировали заметное отставание от человека.

Контрольная группа людей набрала 93,1% точности, лидирующая GPT-6 Astra - 53,6%. Результаты GPT-6.1 Sol и Claude Opus составили 46,6% и 44,6%, медиана по выборке - 30,9%.

Детальный разбор более 8,5 тысяч неудачных ответов показал, что 94% из них вызваны сбоями первичного машинного зрения - модели пропускают маркеры в кадре и теряют контекст. На ошибки в логике рассуждений пришлось всего 5%. Увеличение вычислительного бюджета (в среднем 4000 токенов на ответ) не решило проблему, а иногда еще и снижало точность. Эмуляция фокусировки через кроп также дала минимальный эффект.

Scale Labs по итогу тестов пришли к выводу, что масштабирование логического вывода не компенсирует ограничения базовой архитектуры компьютерного зрения.

@ai_machinelearning_big_data #news #ai #ml

🤯 Нашёл, куда утекают лимиты Claude Code, и это касается всех, кто гоняет субагентов. По наводке из треда проверил свои логи и офигел. Основной чат Claude Code держит кэш контекста час, а субагенты-помощники — всего 5 минут!😱 Стоит помощнику постоять дольше пяти минут (ждёт мой ответ, долгие тесты или сборку), и следующий шаг заново записывает в кэш весь его контекст, сотни тысяч токенов, а такая запись примерно в 12 раз дороже обычного чтения из кэша!!!! У меня субагент на Opus, который пилит камеру в моей AI-DnD, за два дня записал в кэш 116,6 млн токенов и 159 раз перезаписал контекст целиком, по 200–900 тысяч токенов за раз. Похоже, именно это и съело недельный лимит Max 🫣 Решение официальное, есть в документации Claude Code: в settings.json добавить "subagentPromptCacheTtl": "1h", а если гоняете агентов через API-ключ, то CLAUDE_CODE_PROMPT_CACHE_TTL=1h. Запись в часовой кэш дороже, но полных перезаписей после каждой паузы больше нет. Проверил: кэш действительно пошёл с ephemeral_5m на ephemeral_1h. Чудес не ждите: у моего лейна это срежет примерно 20–25% расхода, потому что основное съедает раздутый до 900 тысяч токенов контекст, который читается на каждом шаге. Поэтому вторая мера: не вести одного агента сутками, а давать каждый шаг свежему агенту с коротким отчётом предыдущего 🔄 📄 Документация: https://code.claude.com/docs/en/prompt-caching P.S. Заодно для Opus 5.5 раскатили Fast mode: тумблер в меню модели или /fast в терминале. Та же модель и то же качество, только около 285 токенов/с, в 2–2,5 раза быстрее. Стоит вдвое дороже ($8 / $40 за миллион токенов), а на подписке в лимиты не входит и списывается только с usage credits ⚡️

В Claude появились моды: интерфейс можно допиливать под себя через JavaScript. И все сразу бросились делать украшательства 😁 А меня бесило другое. Каждый раз, когда Claude нужен API-ключ или пароль, я просил его поднять локальный сервер, чтобы ввести ключ в браузере. Иначе ключ навсегда остаётся в переписке. Короче, сделал мод secret-drop. Когда Claude нужен ключ, над полем ввода появляется плашка со скрытым полем. Вставляешь ключ, жмёшь Enter, и мод сам кладёт его в .env или в GitHub Secrets. Claude узнаёт только «ключ сохранён, 14 символов». Сам ключ в чат не попадает. А если по привычке вставишь ключ прямо в сообщение, мод его не отправит и вернёт текст уже без ключа. Мод, естественно, написал сам Claude в одном диалоге. Я только кидал скриншоты и говорил «бедно», «поле маленькое», «сделай поспокойнее» 😁 Мод открытый, забирайте: github.com/aislam23/secret-drop

🪐 Какой-то гений нашёл новую планету с Claude Code — я повторил весь поиск с помощью Codex и воспроизвёл тот же результат, а затем — попросил найти новую планету по той же методологии (результаты в конце). Сначала GPT-6.1 Sol выполнила то же самое, что Павел Рабцевич с Claude — проанализировала забытые данные телескопа NASA и обнаружила звезду, которая тускнеет каждые 3,18 дня на 0,05% на два часа. Вероятная причина — планета в 1,4 раза больше Земли, проходящая перед звездой. У меня получилось независимо подтвердить, что эта находка — не выдумка, и в ноябре её проверит NASA. После этого я попросил повторить подход для поиска новых планет — GPT-6.1 Sol изучила 501 малоизвестную звезду и нашла зацепку с реалистичной вероятностью 0,01% или 5-9% при благоприятном сценарии (последнее фото). На всё ушло всего 10% еженедельного лимита в подписке ChatGPT Plus, использовал режим Extra High. Свою планету кажется пока не нашёл, но попробовать тот же поиск можете сами — забирайте промпт:

Ищи неизвестные экзопланеты в открытых данных TESS. Проверь минимум 500 звёзд, исключив объекты из NASA Exoplanet Archive, TOI и CTOI. Найди периодические затемнения методом BLS, проверь повторяемость по секторам и источник сигнала по пикселям. Исключи шум и затменные двойные. Оцени вероятность планетной природы лучших кандидатов с явными допущениями. Сохрани код, данные и результаты для воспроизведения. Не объявляй открытие без подтверждения. Отвечай кратко и понятно.

Если найдёте экзопланеты — пишите в комменты. @notboring_tech

Марио в Elden Ring видели? А Minecraft в GTA IV? Мододелы на кураже. AI Game Mashups - это люто, конечно Люди с помощью клод-кодов скрещивают разные игры. И это не AI-видео, а рабочие эээ игры(?). Ну как минимум демо. Работает это довольно интересно. Агент получает доступ к установленной игре, её бинарникам и инструментам вроде Ghidra и Frida. Изучает внутренности, ищет функции, пишет хуки, собирает моды и тестирует. Дальше два варианта. В Minecraft × GTA IV обе игры запущены одновременно: обмениваются координатами, камерой и событиями через WebSocket. GPU-композитор совмещает картинку с учётом глубины. Блоки Minecraft мешают машинам GTA, а TNT взрывается и там. В Mario × Elden Ring по-другому: код физики и анимаций из Super Mario 64 через libsm64 подключают к Elden Ring и хуками связывают с её физикой мира. Работает Elden Ring, но двигается Марио как в оригинале. Для такого уже есть скиллы - например, Universal Modder. Снимаю шляпу перед креативностью и мотивацией людей.

Любой мальчик, становясь мужчиной первым пытается воссоздать ТОТ САМЫЙ FALLOUT ОТ ПЕРВОГО ЛИЦА. А становясь дедом понимает что эта задумка полная утиная хуйня. И вот у нас на горизонте теперь КЛОДКОДОВЫЙ ФАЛАУТ ОТ ПЕРВОГО ЛИЦА (видео 1). Параша как она есть. Выглядит уёбищно. Generic Slut 1 на месте готова за крышку нюка-колы подтвердить сказанное. Гитхаб в комплекте, автор хзкто (похуй на упоминание слоперов). Но у нас уже был беливный фаллаут от первого лица ещё в 2022м — Fallout: Bakersfield (видео 2) https://t.me/uxlive/12778 На удивление это не нейрослоповый проект, и он даже ЖИВОЙ, свежее видео вышло всего год назад https://youtu.be/L0Wv6kkloCU И даже он уже не нужен. Игровая индустрия снова в прайме, годнота каждый день выходит, кал мамонта не нужен.