ИИ

Software is dead Питер Левелс написал в Твиттере что софт сдох и он избавляется от подписок. Оставил себе Hetzner, AI-инференс и контент типа YouTube Premium, Spotify Premium. Все остальное вайбкодит под себя. И куча народу в комментах соглашается. Я понимаю откуда эта логика. Общий лейтмотив — AI стал настолько умный и доступный, что каждый может накодить себе что угодно. Каждый может, да. Короче сижу в кофейне. Кофе стоит €3.80. Каждый может купить себе кофейную установку домой и варить сам. Но большинство из нас не покупает кофейную установку домой, все равно ходит в кофейню и тратит дохуя денег. Потому что впадлу этим заниматься. Мне по приколу что это сервис, кто-то для меня это сделал, я ничего не делал. Наша проекция в том, что мы можем - и мы предполагаем что все могут. А большинство людей так же как с кофейней: делать свое впадлу, у них других дел полно, своя работа, свои дела. Кофейни не закроются от того что кофемашины подешевели. Софт тоже никуда не денется. Б2Б клиенты в конце дня хотят не вайбкодить, а прийти домой поужинать с семьей или с пацанами на пивко сходить

Я считаю этот твит идеальным последнем гвоздем в крышку гроба ИИ-скептиков, которые уже 4 года в комментариях доказывают что ИИ не сможет делать никакую работу (программиста или кого-либо другого). За год мы прошли путь от «полезно в некоторых задачах» до «большой класс задач должен выполняться автономно агентами». Кроме уж совсем эзотерики, никто не пишет в здравом уме код руками. Ни одна «бумажная» или бюрократическая задача не выполняется без ИИ. При этом, пишет Андрей, доступ к реально топовым моделям имеет от силы 5,000 человек в мире. Это тысячи агентов, которые в параллели решают топовые задачи математики и кибербеза. Что дальше? 1. Диффузия. Каждый рынок/вертикаль на планете должен сломаться, отстающие должны оттуда исчезнуть, им на замену прийти новые, по больше части автономные. (об этом след пост) 2. Переосмысление бизнеса. Ни у одной компании больше нет защиты в виде технологии. Любая технология повторима, даже без понимания как она работает. Все декомпилируется. Решает только физика или связи или блат. 3. FFA PvP. Никто не знает что будет следующим шагом, включая Андрея или Илью или Трампа. Каждый сам за себя. Чем быстрее ты откалываешь priors «все будет как раньше», тем более ты готов. Для фаундеров и экзеков из бизнеса — это не про замену Васи на скрипт, а про переизобретение оргдизайна и бизнес-модели.

Накопилось по #minimaxH3 - часть 32 #LoRA huggingface.co/sandpies/ComfyUI-H3-Video-Upsampler github.com/dntpi/ComfyUI-H3-Video-Upsampler - H3 Video Upsampler + LoRA апскейла ×2: 2Mpx результат в слепом сравнении выиграл у нативной генерации #upscale huggingface.co/akatz-ai/MiniMax-H3-Person-Remover-LoRA - Person Remover: оригинальное видео + чистый первый кадр, SAM 3.1 отслеживает и вырезает человека. Чистый кадр делается через Flux Klein («убери X и покажи, что за ним») github.com/dotaku22/MosaicDiff -находит и отслеживает мозаику цензуры в клипе и восстанавливает поврежденный участок через H3 + кастомную LoRA #uncensored huggingface.co/Jacob121294/h3-restore-enhance-improve-lora и huggingface.co/kirk86413/upscale-h3 - LoRA реставрации старого видео/апскейла, без ридми #restoration #upscale huggingface.co/B0rghese/Minimax_Stereoptical_Process - Stereoptical Process: 2D-целл-анимация поверх 3D-фона. Триггеры Stereoptical Process, 2D Cel Animation over 3D Background #workflow civitai.com/articles/36281/comfyui-tutorial-character-swap-with-minimax-h3-using-lora-no-masking - #characterswap без маскирования: меньше VRAM. 0.4Mp за 8 шагов, апскейл до 1.2Mp латентным апскейлером. 3060 6GB: 20 мин генерация + 21 мин апскейл youtube.com/watch?v=4L4lTf_NCSg - прозрачные видео на H3 в ComfyUI по шагам github.com/aowind/sprite-action-forge - Sprite Action Forge: одна иллюстрация → полный набор игровых спрайтов движений. Локально, 8GB VRAM. Работает с четвероногими и монстрами github.com/kubakubkub/ComfyUI_KubaNodes - проекция клипов на фасад здания: разделение на части, свои промпты, анимация слоёв на таймлайне. Вид проекции с точки зрителя github.com/alaintural/synctile-h3 - SyncTile: 4K-клип — апскейл в латенте + 9 тайлов с блендингом на каждом шаге, декод один раз. Без швов и рассинхрона глаз. ~11 мин на 5-сек 4K на 4090 #upscale huggingface.co/diffusers-modular/minimax-h3-inpainting - обновление: добавлен mask_drop_step для однопроходного хармониза #inpainting github.com/wang410922/ComfyUI-H3ReferencePrep/blob/main/ComfyUI-H3ReferencePrep/README.md - H3ReferencePrep: Face Tracker по кадрам, с запасным трекингом головы/человека, ремонтом маски лица и Temporal Sanity Gate github.com/entert-ai/ComfyUI-H3-RefMods-Lab - RefMod Lab: создание #RefMods из картинок/аудио/видео, выбор источников на лету, токены каждого источника, слияние RefMods. Перетащил RefMod в канвас — подгрузился воркфлоу его создания #optimization github.com/Speach1sdef178/ComfyUI-VELA-H3 - VELA 1.0: ускорение вычислений H3 без правок ядра — быстрый путь там, где безопасно, точный там, где важно. VDN 1.1 → VDN+VELA: 2:53 → 2:13 на 0.8Mp/5 сек. На 10 сек выигрыша нет (опубликовано честно). 8 шагов VDN+VELA против 20 шагов сырой H3: 3:03 против 8:07. RTX 3090 Ti youtube.com/watch?v=DvTl-QbDzdQ - групповой тест H3 PDMD-ускорений

Что пилить, когда запилить можно что угодно? .... или размышления после просмотра выступления Теренса Тао про математику 2.0 И, правда, что тогда пилить? Или делать? Куда направить свое внимание? Теренс в своем докладе использует интересный подход: он принимает рабочую гипотезу, что

AI тулы достаточно скоро смогут выполнять существенный набор сложных математических задач с приемлемым уровнем успеха, качества, супервизии и затрат

и дальше предлагает порассуждать, что будет с математикой, если гипотеза окажется верной. В итоге приходит к тому, что он назвал Математикой 2.0 В этом же стиле давайте сформулируем нашу гипотезу:

AI тулы достаточно скоро смогут выполнять значительную часть задач по разработке software продуктов с приемлемым уровнем скорости, качества, супервизии и стоимости

Тогда как изменится мир software продуктов? Мои мысли на этот счет ниже + еще 2 поста в ближайшую неделю Что такое успех? Я думаю, что первый вопрос, на который надо ответить: что такое успех в разработке продукта? Продукт работает как надо? Или продукт зарабатывает деньги? Или продуктом пользуется много людей? Тао в докладе говорит, что в математике доказательства были способом достигать множество коррелирующих целей - решение проблем как таковых, прикладное применение, развитие коммьюнити и тп (лучше посмотрите доклад) Есть ли такое же в software индустрии? Мне кажется, что да: когда разработка была сложной и дорогой, это создавало стимул заранее разобраться, кому нужен продукт, какую пользу он принесет и за что люди будут платить. Это не гарантировало успеха, но высокая стоимость реализации заставляла серьезнее относиться к вопросу: а зачем мы вообще это делаем? Проблема vs полезная функция 😉 Но если запилить можно что угодно, не вкладывая достаточного количества ресурсов, то работающий продукт может появиться раньше, чем мы выясним, кому и насколько он полезен. Сам факт его создания все меньше говорит о достижении остальных целей... Тут в тему мой любимый вопрос про разницу между verification и validation: - verification - продукт работает в соответствии с требованиями - validation - продукт выполняет ту цель и в тех условиях, которые ставились перед ним Попробую пояснить: для меня успех продукта определяется тем, скольким людям он улучшил жизнь и насколько сильно. Финансовый результат тоже важен, и он, по-моему, обычно следует из предыдущего определения. AI все лучше и лучше делает софт, который работает как надо (читай verification) - ну, или точнее, как сформулировал (или оставил на усмотрение AI) этот софт его создатель. НО работающая программа сама по себе еще не гарантирует, что пользователь достигнет нужного результата (validation). Тогда как же меняется бизнес software продуктов? Очевидно, что: 1) Мы можем делать временный софт - как одноразовые фотоаппараты - под 1 конкретную задачу 1го конкретного юзера. Например, игра для открытого вебинара 😉 И это будет целесообразно. То есть мы должны ожидают длинный хвост продуктов, которых никогда не существовало, как поисковых запросов. И скорее всего в ближайшие годы эти продукты будут скорее писаться на лету (см пост про нейрософт) 2) Мы можем делать больше вариаций одного продукта под разные условия: другой сегмент пользователей, неполнота данных, немного другой процесс. Например, CRM-ку, которую можно подстроить под специфику бизнеса и менять вместо с его [бизнеса] развитием. А не загонять нас и наши сейлз процессы в стандартные рамки и/или заставлять нанимать дорогих консультантов для этой адаптации, при этом повышая нашу зависимость от оных. Получается, мы можем искать пользу там, где раньше разработка просто не оправдывала затрат - вплоть до одной задачи одного человека. А как выбирать, какие из этих возможностей стоит пробовать? Как проверять пользу и чему учиться в процессе? Что изменится в самой разработке, какие навыки понадобятся, какие исчезнут, и куда направлять свое внимание? Останется и нужно ли понимание того, что написано? Как изменятся стандарты качества? И чем мы и продукты будем "болеть" в эпоху изобилия кода? Об этом - в следующих постах.

По мере ускорения развития ИИ в командах, которые занимаются продуктом, разработкой и дизайном, останутся только две роли. 1. «Слоп‑генератор» Чел, который умеет вайбкодить и экспериментировать с невероятной скоростью. Самостоятельно проверяет множество смелых гипотез и находит среди них что-то ценное. Пусть срабатывает лишь одна идея из ста - это норм, если за неделю ты успеваешь проверить десять идей. В стартапах и при запуске новых направлений такие люди станут особенно ценными. 2. «Повзрослевшие» Они берут идеи и первые признаки успеха, которые обнаружили «слоп‑генераторы», и превращают их в качественный продукт. Продумывают архитектуру и безопасность, выстраивают рост и следят, чтобы продукт помогал достигать бизнес-целей. Их задача - превратить перспективную находку в масштабируемый успех. При этом доля успешных запусков у них - 50% и выше. Стратег и сильный межфункциональный специалист. Глубоко понимает продукт, бизнес, пользователей, конкурентов и устройство рынка. Умеет работать со всеми командами — от разработки и финансов до продаж и поддержки. Мастерски находит общий язык с людьми и добивается согласия. Хорошо принимает стратегические решения, в том числе о распределении бюджета и ресурсов, и понимает, как растить бизнес. Если ты работаешь в продуктовой, инженерной или дизайн-команде, развивайся в одном из двух направлений: стань лучшей «слоп‑пушкой» или одним из тех, кто превращает удачные находки в сильные продукты. Быть просто средним специалистом в узкой области и рассчитывать на отличную карьеру уже не получится.

«Нажал на кнопку — и готово! Уже открыл PR агент. Но пал соседний компонент — И править всё придется снова» За шуточными стихами вполне серьёзная проблема. Агенту легко написать код, но разбираться с последствиями его работы всё равно разработчику. А если система становится сложнее, каждая следующая фича обходится дороже — и людям, и самим агентам. Получается, писать код стало гораздо легче, а делать его простым по-прежнему трудно. Можно контролировать каждый шаг, а можно доверить агенту всё вплоть до выкладки в прод. Где-то между этими крайностями должен находиться разумный баланс. Обсудим, как его нащупать, если сложность систем трудно сравнивать, а возможности LLM постоянно меняются.

Дайджест новостей за неделю 5–11 октября 2026 Раз в неделю я выпускаю обзор самых интересных новостей финансов и технологий в России и мире (одновременно в формате текста, видео и подкаста) – достаточно потратить всего 15–30 минут, чтобы быть в курсе событий.

Мне всю неделю пишут в Твиттере: «а чё ты про математиков столько постишь? чё они тебе сделали, с чего столько внимания к ним??». Блин, ребята, ну я не знаю – может, дело в том, что у нас на глазах происходит историческая фигня? Одним днем полностью изменилось будущее целой огромной области знаний – именно поэтому вы видите такую резкую реакцию от математического сообщества (а не потому, что «OpenAI выложили бесполезный слоп с ошибками», как некоторым кажется).

Темы прошедшей недели: — Тема недели: OpenAI лишает математиков профессии — Новости из России: Чумной всадник подъехал? — Международные новости: А вы госдолг Франции видели? — Финансы в AI: Нужно больше денег! — Новости AI: Бадабум через 6–12 месяцев — Новости науки и технологий: SpaceX будет мобильным оператором — Крипта: Хорошо прогретые холодные кошельки — Интервью недели: Подкаст про то, как AI меняет математику — Фото недели: Осторожно, всратая птица — Хорошая новость недели Топовые посты прошлой недели из моего второго канала: 🐌 Дебаты про риски AI: на этот раз в текстовом формате (Стивен Пинкер против Скотта Александра) 🐌 Что-то странное происходит с инвестфондами Movchan's (они теперь не имеют отношения к Мовчану) 🐌 Дропнули сборник статей на 400 страниц под редакцией Ибботсона и Сигела с анализом статистики по разными классам активов за 100 лет 🐌 Опять разбираемся с хамством в интернете #RationalNews #нетвойне текст | видео | подкаст

ИИ ускорит работу менеджеров. Но встреч от этого станет только больше! 😁 Короче, есть такая штука - парадокс Джевонса.

В 1865 году экономист Уильям Джевонс заметил странную закономерность. Паровые двигатели становились эффективнее и потребляли всё меньше угля на единицу работы. Казалось бы, угля должно требоваться меньше? А вот и нет! Благодаря эффективности паровые двигатели стали использовать гораздо чаще, и общее потребление угля только росло. Чем дешевле и проще что-то делать, тем больше мы начинаем это делать.

А теперь представьте, что раньше менеджеру требовалась неделя, чтобы подготовить инвестиционное предложение: аналитика, расчёты, риски, презентация. Теперь благодаря ИИ всё это можно сделать за несколько часов. Казалось бы, решения должны приниматься в 10 раз быстрее? Но есть нюанс! Подготовить предложение и принять решение - две совершенно разные задачи. Чтобы принять решение, нужно учесть стратегию, бюджеты, риски, интересы других команд и договориться с кучей людей. И вот тут ИИ не сильно ускорит процесс. Зато если раньше мы готовили 3 предложения в месяц, то теперь сможем подготовить 30! И все их нужно прочитать, обсудить и по каждому принять решение. Кстати, с интернетом мы уже проходили что-то похожее. Электронная почта сделала коммуникации почти бесплатными. И что? Теперь, по данным Microsoft Work Trend Index 2025, средний сотрудник в исследовании получает 117 писем и 153 сообщения в Teams за день. Мы научились невероятно быстро обмениваться информацией, но не научились так же быстро её обрабатывать. Кажется, с ИИ будет похожая история. Мы радикально ускорим подготовку материалов, но не само принятие решений. И вот вам моя гипотеза: Главным дефицитом станет не умение генерировать идеи, а способность выбирать, какие из них вообще заслуживают обсуждения. Иначе нас ждёт прекрасное будущее, в котором ИИ работает за десятерых, а менеджеры обсуждают результаты его работы на двадцати встречах вместо двух.🤣

я делал простую игру для яндекс игр, могу накидать, что использовал 🤔 blender.org/lab/mcp-server/ - может в пиксельном варианте и не нужно, но 😡 unity.com/ru/blog/unity-ai-mcp-how-to-get-started - мастхев 😘 pen.dev - отрисовка интерфейса, концептов; подозреваю, что можно даже графику рисовать, но не пробовал; рекомендую просить агента работать через CLI, а не MCP 😙 huggingface.co/ACE-Step/acestep-v15-xl-turbo - локальная нейронка (заявлено 24гб врам, но мне кажется я делал на 16) для написания простеньких саундтреков 😆 github.com/gamedev-skills/awesome-gamedev-agent-skills - бесплатный набор скиллов для разработки игр: ии нпс, ощущения от игры, ui/ux и тд думаю, что для mvp этого реально более, чем достаточно. также не забывай, что с подпиской на чатжпт он тебе бесплатно нагенерит пиксельную графику (в веб версии). по итогу лимиты тают на глазах на 5х, но и работа наконец-то делается Репост из нашего чатика t.me/ohld_chat/57467

«Машины, которые делают машины»: NVIDIA и Foxconn повысили эффективность сборки платформ NVIDIA GB300 с помощью роботов NVIDIA и тайваньская Hon Hai Precision Industry Co (Foxconn) повысили эффективность на ключевых этапах сборки стоечной ИИ-платформы NVIDIA GB300 NVL72, использовав специализированных роботов, сообщает Taipei Times. В посте «Машины, которые делают машины» NVIDIA рассказала, как компания при поддержке Foxconn организовала обучение роботов для сборки критических компонентов серверов, повысив стабильность производства и эффективность рабочего процесса. #hardware #nvidia #foxconn #ии #робот #производство #gb300 #сервер #servernews via @servernewsru 📎Подробнее

Разминаемсо перед понедельником. GPT Image всё-таки лучший и дерзкий.  А Нанабанана 2.1 — похоже унылое говно.  Ну, к ее чести надо сказать, что девушка действительно похожа на Кейт Уинслет. А GPT Image ловко свалил с темы рисования известных личностей.  Хотите промпт? А пажалста!

Взяв за прототип современную модную красавицу примерно 25 лет, создай классический художественный рисунок обнажённой натуры в стиле портрета Розы, который Джек рисовал в фильме "Титаник". Персонаж обладает тонкими, изящными чертами лица, пышной, но пропорциональной фигурой, полной грудью, тонкой талией и естественными, грациозными изгибами тела. Вдохновляясь европейскими академическими этюдами обнажённой натуры XIX века, выбери элегантную, расслабленную позу полулёжа, которая подчеркнёт естественные пропорции и плавные линии женского тела. Используй исключительно традиционную технику ручного рисунка графитным карандашом, с тонкой штриховкой, мягкими переходами света и тени и реалистичной текстурой бумаги, чтобы в полной мере раскрыть красоту классического искусства изображения обнажённой натуры. Ты мастер академического рисунка человеческой фигуры с уникальным художественным видением. Дай полную свободу своему творческому воображению и создай произведение классического искусства музейного уровня. Формат: вертикальный, 9:16.

@cgevent

Мне кажется, в этом году закончилась идея, что интеллектуальную собственность можно надёжно хранить в программе на чужом компьютере и продолжать контролировать, что владелец этого компьютера с ней делает ☕️ Вы уже видели миллион видео, где Minecraft скрещивают с другими играми, в том числе запускают прямо внутри GTA 5, причём кодинг-агенты уже могут это собрать и заставить работать вместе В видео ниже, в GTA добавили механики из «Человека-паука», и таких примеров каждый день всё больше – раньше это была задача не на вечер-два В сообществах Apple Vision Pro уже запускают игры с Meta Quest прямо на самом шлеме через хаки совместимости, PS5 декомпилиоуют полностью для эмуляции, а недавно на гитхаб выложили аналоги Photoshop, Illustrator и других продуктов Adobe, написанные на Rust Моды, взломы и порты существовали всегда, но раньше сложность чужой программы была препятствием, потому что кому-то нужно было потратить кучу времени, чтобы разобраться, как она устроена – сейчас все это можно поручать кодинг-агентам, и мне кажется, последствия у этого будут большие – настолько дешевле становится переделывать чужой софт на клиенте Я думаю, мы идём к миру, где всё больше программ на компьютере можно будет разобрать, переписать под себя, перенести на другую систему или обесплатить – я пробовал сам – ты просто пишешь промпт в чате и у тебя мод в игре появляется, работает уже сегодня Для меня это и последние достижения по математике выглядят как начало сингулярности (я АИ-поехавший, что вы от меня хотите): софт разбирает и переделывает другой софт – на ассемблере или нет, агенту пофигу Я бы не удивился, если через ~год производители начнут активнее оставлять игры и программы в облаке, предоставляя пользователю только доступ через стриминг – помните Google Stadia, ну или GeForce NOW Когда программа работает на твоём сервере, а пользователю приходит картинка, у шаловливых ручонок кодинг-агентов хотя бы нет прямого доступа к её файлам, и я думаю, что именно желание сохранить IP-контроль станет дополнительной причиной уходить в облако Я без понятия, куда это приведёт всю индустрию, но строить бизнес на предположении, что пользователь не сможет разобраться в программе на собственном компьютере, больше не получится