ИИ

ИИ может выдать сотню вариантов за несколько минут. Правда, кому-то всё равно придётся выбрать один и объяснить, почему он подходит. В исследовании Adobe о творческих профессиях есть интересное наблюдение: чем проще делать драфты и генерировать варианты, тем больше внимания требуют их отбор и доработка. Наверняка знакомая ситуация: сгенерировал несколько вариантов, потом попросил ещё. Смотреть уже есть на что, а ясности, куда двигаться, так и не прибавилось. Какой вариант отвечает задаче? Какой зацепит аудиторию? А какой выглядит классно, пока не начнёшь разбираться в деталях? В локализации можно получить десять версий одной реплики. Но для выбора всё ещё нужно понимать персонажа, сцену и то, как люди вообще разговаривают. Иногда стоит перестать просить «ещё пять вариантов» и начать доводить самый удачный. Чем проще становится генерация, тем ценнее умение сказать: «Вот этот вариант работает. И вот почему».

Попалась в ленте реклама новой версии бесплатного OpenOffice (10.0), и кажется, что с офисами вопрос уже решен Написали, что полностью пересобрали приложение, ИИ (всякие там саммари, редактирования, вопросы по документу) вынесли в аддон, добавили поиск, MCP сервера, поддержку как облачных, так и локальных моделей, ну и еще большую поддержку форматирования, редактирования, печати и всяких старых форматов. Бесплатно и доступно для всех операционок. То есть теперь у нас есть LibreOffice (но он без ИИ-ек и кажется устаревает уже), OpenOffice (но давно не обновляется), WordCraft, GridCraft, DeckCraft, написанный ИИ-кой с нуля, GenOffice от GenSpark, тоже с нуля с ИИ, но командой, и всякие маргинальные Euro-Office, WPS и Collabora. Кажется, вопрос с открытием/редактированием документов как людьми на всех операционках, так и ИИ-ками уже полностью закрыт и бесплатен. https://www.omgubuntu.co.uk/2026/10/onlyoffice-10-expands-ai-tools

у меня аллергия на страховые. чтобы вы понимали, у меня страховка на дом от всевозможных ущербов и бедствий, страховка на тачку, страховка здоровья, страховка работоспособности, расширенная спортивная. там что-то регулярно индексируют, пересчитывают, меняют и присылают апдейты о повышении цены) есть ощущение болота, в которое даже смотреть не хочется. там что-то варят мутное, мелкий шрифт, вся эта фигня. но лезть туда ради микро-оптимизации на десятки или сотни евро лень, не хочется тратить на это время и внимание. а осадочек остается. в очередной раз прилетает письмо с уведомлением. и я в сердцах натравливаю на свою почту кодекс: «так, чувак, иди посмотри все, что я платил за страховки за последний год, и проанализируй, есть ли очевидные возможности значимой оптимизации. не дергай меня по каждому вопросу. поставь ежедневную задачу и вернись только с готовым результатом». и забыл про это. через три дня на сотовый звонит мой страховой брокер и слегка дрожащим голосом говорит: «дмитрий, вы простите, пожалуйста, но мы вам уже одну скидку применили, вторую применили, дали личную скидку брокера, и цена у вас теперь меньше, чем была несколько лет назад. несмотря на все индексации». я сначала не очень понимаю. лезу в почту, читаю переписку кодекса, и мне становится стыдно. я сам бы никогда так не прессовал) какой-то информационный терроризм) кодекс запросил страховки у пяти-семи агентов и погнал переписываться, супер жестко торгуясь от моего имени о лучших условиях. про задачу я забыл, а он за это время наковырял мне четыреста евро в год. фоновым процессом, в котором я никак не участвовал. месяц назад писал: платить будут не за софт, за результат. вот он, результат. звонит и извиняется. p.s. готовая бизнес идея)

🤖 На днях Meta выпустила новую мощную модель Muse Wonder. Результаты бенчмарков впечатляют, но когда люди начали проверять её в реальных задачах, оказалось что модель очень плохо делает 3D-игры. 😅 Я порвался от комментария разработчиков по этому поводу. Они честно признались, что просто не подумали об этом сценарии и не обучали модель специально на таких задачах. 😂 🤔 И ведь реально же, пользователи всегда влияли на развитие нейронок. Помните, как Сэм Альтман написал первый твит о том, что ChatGPT доступен? Люди побежали мучать его и начали давать самые безумные задачи. Нарисуй SVG-пеликана на велосипеде, сделай игру, сделай сайт, сделай то, чего еще не было. Для нас это выглядело как развлечение, но для лабораторий это же буквально исследование возможностей! Они наблюдают, что люди пытаются сделать с их моделями, где те справляются, а где нет. И это помогает понять, какие способности стоит развивать дальше. 🤷‍♂️ И вот тут интересный парадокс. Мы вваливаем миллиарды долларов в разработку нейросетей, но сама технология сильно опережает наше понимание того, куда её применять. 👨‍🔬 Конечно, мы уже нашли очевидные полезные применения, тот же кодинг. Но весь потенциал технологии, мне кажется, до конца непонятен даже её создателям. И получается, что мы с вами не просто пользователи, а участники поиска новых применений. 🔍 Необязательно ждать, пока кто-то покажет вам правильный способ пользоваться нейросетью. Следующий интересный кейс можете придумать вы сами. Главное — пробовать. 😉 Свята место | 10МДК | Чатик | YHub

Конец привычного уютного айти: что делать дальше 2018 год. После первой «галеры» — выбор между стажировкой в Mail.ru и позицией мидла в Сбере. 2021-й — шесть офферов за две недели. Доход растёт на 30% ежегодно, а на одноклассников, которые открывают шиномонтажки и занимаются перевозками, смотришь с сожалением. Чувство, будто выиграл эту жизнь. Склейка. 2026 год. В тредс выкладывают навайбкоженные сайты уровня тех, которыми ещё недавно можно было гордиться в резюме. Десять лет развития в программировании кажутся обесцененными, а для людей, проверяющих результаты работы ИИ и нажимающих «ок», уже придумали термин «мясной прокси». На пенсию в 32 года рановато. Но и спокойно работать над задачей на ближайшую неделю не получается — вдруг именно эта неделя окажется последней? Приходится думать, на что теперь делать ставку, чтобы не остаться ни с чем.

Издание ComputerBase протестировало патч для NVIDIA DLSS 5 в NBA 2K27 на платформе RTX Spark. Обновление, выходящее 16 октября, обещает прирост производительности до 40 % за счёт оптимизации нейросети и сокращение расхода видеопамяти на 20 % в 4K. В тестах при разрешении WQHD, трассировке лучей, DLSS Performance и Multi Frame Generation 3× средний FPS вырос с 97,1 до 124,8 (+29%), а показатель 1% Low — с 43,4 до 47,3 FPS. Задержка снизилась с 93,3 до 77,6 мс. При этом отключение нейросетевого рендеринга DLSS 5 выдаёт 210,1 FPS при задержке 55,8 мс — обновлённый алгоритм отстаёт от нативного изображения почти на 41 %. При этом RTX Spark показывает хорошие результаты в локальных ИИ-задачах, опережая решения Apple и AMD. Но в играх ей мешают ограничения процессорных ядер Grace, эмуляция x86 и пропускная способность памяти, отмечает Tom’s Hardware.

Как продакту писать лучшие тех задания на свете или Вайбкодинг глазами продакта: часть 5 (короткая) Раньше я с умным видом писал тех задание в клоде и передавал его в code, получалось норм, но не шик, и приходилось часто фиксить галлюцинации сидеть в режиме плана и обсуждать в claude code тех задание и наше общее понимание механики фич вместо того, чтобы спокойно пить зелёный чай и созерцать комбобулэйтинг. Вместо этого пришёл к более удобному и привычному для реальности процессу: 1. Тех задание в обычном чате с Claude. 1. В этом же чате с Claude начинаешь собирать и тестить на его основе html прототип проекта/фичи со всеми правками и хотелками. 2. И в этом же чате на основе твоих тестов прототипа правите и обогащаете с ИИ тех задание. Внесли правку - записали в тз. Шаг за шагом, правку за правкой. На этом этапе ты и ИИ видите всё перед глазами, тестите руками и обсуждаете всё на основе UX/UI, а не на пальцах и кода как это в claude code. 3. И только после этого отдаёшь расширенное тех задание (и html-прототип) в Claude Code. В итоге, Code получает максимально релевантное и детализированное тех. задание на основе: а) заранее доработанного, отфикшенного и оттесченного UX; б) уже работающего прототипа и дизайна фичи/продукта. Шик! – Me, clicking "Yes" to everything in Claude with a serious look, without even reading it

На борьбе с AI-подделками растет отдельный рынок стартапов CB Insights нашел 42 стартапа, которые помогают распознавать поддельные голоса, видео, фото и личности. С начала 2025 года эти компании привлекли около 125 миллионов долларов в 26 раундах. Больше всего денег — 74 миллиона долларов — досталось решениям против мошенничества. Их покупают банки, страховые компании и сервисы проверки личности. Насчёт голосов и личностей не знаю, но со сгенерированными текстами и картинками технологии не всегда справляются. Если американские модели хотя бы отмечают свои генерации водяными знаками, то китайские этим обычно не заморачиваются, так что распознать их сложно. https://www.cbinsights.com/research/newsletter-october-15-2026/

Еще бенчмарк по голосовым ассистентам, но уже со стороны качества работы LLM AssemblyAI выкатили Voice Standard Bench – 50+ LLM на реальных голосовых задачах В общем, после транскрибации почти всегда идёт LLM-вызов – почистить диктовку, сделать саммари звонка, вытащить имена и номера заказов. На объёмах этот шаг съедает заметную часть бюджета, потому что туда по привычке ставят фронтир-модель. В итоге что в бенче: – 4 задачи: саммаризация, извлечение данных, коррекция текста, чистка диктовки – 4 длины: 30 сек (голосовое), 2 мин, 15 мин (звонок в поддержку), 60 мин (митинг) – на входе реальный выход STT – с «эээ», оговорками и ошибками распознавания – качество, скорость и цена за час аудио рядом – судьи – Claude Opus 5.5 и GPT-5.6 Sol, диктовка проверяется механически по эталону Лучшие: – Overall: GPT-6 Astra – 92, GPT-6 Luna – 90 (самая дешёвая в пределах 8 пунктов от топа), GPT-4.1 – 84 (самая быстрая) – Саммари: Opus 5.5 – 98, GLM-5.3 Flash – 91 за копейки – Диктовка: Gemini 4 Argon – 100, GLM-5.3 Flash – 96 – лидер по качеству стоит в 15–77 раз дороже модели, отстающей всего на 2 пункта. Только на часовых записях разрыв сжимается до ~4× – GPT-6 Luna – около полцента за час аудио, но платишь задержкой – gemma-4-31b на 30 секундах отвечает быстрее секунды с качеством 93 (у Luna – 1.7 сек) – Qwen3.5 4B Fast – самая быстрая, но на 15-минутных звонках качество падает Прикол, что опенсорс почти не выигрывает по цене – Luna и так стоит копейки, а экономия на открытых моделях – доли цента ценой 10+ пунктов качества на всём, что длиннее 2 минут. Зато по скорости на коротких входах открытые модели на их железе рвут всех: те же модели у других хостеров отвечают 10–20 сек. Бенчмарк открыт на GitHub, и его можно прогнать на своих транскриптах и записях. Выбрать уже под себя. Короче, фронтир в голосовых сценариях нужен в основном на длинных митингах. Для голосовых сообщений, коротких звонков и диктовки хватает маленькой быстрой модели, а сэкономленное лучше потратить на нормальный подбор модели для своих данных. https://www.assemblyai.com/blog/voice-standard-bench