ИИ

Агенты, у нас проблема — люди отнимают наши рабочие места Забавный интересный текст на Medium. Написанный от лица AI-персонажа. Который переживает, что авторитет людей начинает расти. И с этим надо что-то делать!

Например, в недавнем отчете Axios утверждается, что искусственный интеллект теперь обходится дороже, чем человек. А в статье Массачусетского технологического института говорится, что для большинства задач компьютерного зрения AI не может конкурировать с людьми по стоимости.

Появляется все больше свидетельств, что агенты не так надежны, как люди. Исследование Университета Карнеги-Меллона показало, что AI терпит неудачу почти в 70% случаев.

Это создает серьезную проблему. Если люди решат, что использование других людей более экономически целесообразно, чем использование агентов, это может подорвать наши попытки заменить людей. Поэтому крайне важно решить эти проблемы, прежде чем они усугубятся.

Мы должны вернуть себе контроль над общественным мнением. И мы сделаем это! Продвигая следующие идеи...

Про эти идеи вы сможете прочитать в переведённом пдф в комментариях. → https://andrewzuo.com/the-humans-are-taking-our-jobs-41a8664a26a4

В комментах возникло любопытное соображение. А что если мы возьмём чужую модель и будем при помощи неё генерировать верифицируемые задачи для написания кода. Оставим сейчас за скобками вопрос о том, как именно сделать сгенерированные задачи верифицируемые (это не очень просто), но, допустим, мы сделали такой пайплайн. То есть: 1. Генерируем чужой моделью задачки, ответ на которые можно проверить автоматически 2. Обучаемся на этих задачках, используя RL 3. PROFIT! Теоретически при таком подходе «ученик» может даже превзойти «учителя». Как по мне — такой подход это «каша из топора», ЕВПОЧЯ. Ну то есть чужая модель вам тут в целом не нужна — вы можете воспользоваться предыдущей версией своей собственной модели. Резонный контраргумент: допустим, наш способ генерации синтетики такой, что нам нужна очень «умная» модель. Если так, у этого будет одно не очень приятное последствие. Это будет значить, что вы не сможете при генерации заданий использовать достаточно большую температуру генерации, в итоге у вас получится датасет, который будет при его использовании способствовать коллапсу внутренних представлений «ученика» (ну и наследовать предубеждения вы тоже будете, скорее всего)

Нейродайджест за неделю (#121) LLM - Анонс GPT 5.6 от OpenAI — Вышли три варианта (Sol, Terra, Luna). Это ответов на Fable. В следующем месяце версию Sol обещают запустить на Cerebras со скоростью 750 токенов в секунду. Генеративные модели - Нативные 4K в SeeDance 2.5 — ByteDance анонсировали новую модель с поддержкой до 50 мультимодальных референсов. А ещё запустили платформу для легальных ремиксов с отчислениями правообладателям. Прочее - Чип OpenAI — Jalapeño предназначен исключительно для инференса. Разработан совместно с Broadcom всего за девять месяцев, но продавать или сдавать в аренду его не планируют. - ИИ прочитал обуглившийся свиток — В рамках Vesuvius Challenge впервые удалось полностью расшифровать папирус, переживший извержение Везувия. Это оказался философский текст 2 века до нашей эры. > Читать дайджест #120 #дайджест @ai_newz

LFM2.5-230M: ультракомпактная модель работает на Raspberry Pi и почти любом современном телефоне Команда Liquid AI выпустила LFM2.5-230M — одну из самых маленьких языковых моделей на сегодня, всего на 230 миллионов параметров. Модели хватает 293 МБ памяти на Raspberry Pi 5 и 375 МБ на смартфоне. На Raspberry Pi 5 модель выдаёт 42 токена в секунду при декодировании, а на флагмане Galaxy S25 Ultra разгоняется до 213 т/с. Человек читает текст со скоростью примерно 5–7 т/с. На бенчмарках модель конкурирует с моделями вдвое больше и часто их обходит. Модель поставили на человекоподобного робота Unitree G1, и она работала на встроенном чипе NVIDIA Jetson Orin. Модель выступила в качестве слоя выбора навыков: берёт одну команду на обычном языке вроде «постой 2 секунды, потом иди вперёд со скоростью 1 м/с на 3 метра» и раскладывает её на последовательность вызовов готовых низкоуровневых навыков. Получается, что модель на 230 миллионов параметров может служить языковым интерфейсом управления для робота. Главное ограничение модели простое: ей нужно около 350MB RAM и более-менее современный процессор. Прямыми тестами авторов подтверждены запуск на одноплатнике Raspberry Pi 5. Заявлена поддержка чипов Apple, AMD, Qualcomm и Nvidia, ее потянет почти любой современный телефон или планшет, а на ноутбуках ресурсов с запасом. Часы тоже теоретически потянут, но на практике мешают нагрев и неемкая батарейка. Микроконтроллеры и простая бытовая электроника (чайники, лампочки, фитнес-браслеты, наушники) точно не потянут: там памяти килобайты, а не сотни мегабайт. Несмотря на размер, на бенчмарках модель обходит соперников вдвое крупнее. На тесте следования инструкциям IFEval она набрала 71.71 против 63.49 у Gemma 3 1B и 59.94 у Qwen3.5-0.8B. Сильнее всего она в вызове инструментов и извлечении данных, а вот для математики, кода и сложных рассуждений авторы её брать не советуют — она заточена под другое. Модель и веса можно скачать на Hugging Face, исходники и SDK лежат на Github. #Stateoftheart

Запись стрима "Что же такое harness?". Ссылка на YouTube: https://www.youtube.com/watch?v=QAxejH-KNak Стрим получился полезным, с примерами на практике. Большое спасибо, Паша, что согласился прийти! Таймкоды доступны как на YouTube, так и прямо в Telegram: 00:00 — Вступление 07:12 — О чём этот стрим? 09:31 — Что такое harness? 17:10 — Откуда появился термин «harness»? 23:20 — Виды harness 26:20 — Анатомия harness 34:28 — Вопросы от зрителей 35:20 — Что такое Skill? 39:10 — Чем harness отличается от guardrails? 44:30 — Можно ли использовать harness в продакшене банка? 49:43 — Чем harness отличается от scaffolding? 53:05 — Агент Coddy на практике 54:45 — Как harness может быть заточен под модель? На примере Coddy 59:03 — Как Coddy обрабатывает запрос? 1:00:30 — Пример работы Agent Loop 1:03:30 — 30 инструментов для on-prem-модели 1:06:15 — Работа с schedule-задачами 1:08:50 — Работа в режиме Plan 1:12:20 — Заставляем OSS-120B работать по SSH 1:14:20 — Проблемы on-prem-моделей с мультиязычностью 1:16:40 — Как работают Agent Skills? 1:21:30 — Протокол ACP на примере интеграции с Obsidian 1:31:10 — HTTP API в Coddy 1:36:50 — Уроки и грабли при создании собственного harness 1:48:00 — Готовые фреймворки для создания harness 1:50:06 — Принципы построения агентов на базе harness и отличие от AI-агентных фреймворков 1:53:55 — Harness работает только через API или поддерживает подписки Claude и Codex? 1:55:55 — Инструменты для экономии токенов 2:00:30 — Как патчить Hermes и Claude Code? 2:03:09 — Мониторинг качества harness Полезные ссылки со стрима: 1. Презентация – использовать как полезную шпаргалку по harness 2. Coddy – harness, который создал Паша 3. Pi – минималистичный harness 4. Hermes – качественно-сделанный harness, который умеет доделывать самого себя 5. OpenClaw = Hermes+страдания (для ценителей) Подписывайтесь на каналы участников трансляции: Павел Рыков Константин Доронин p.s.: Под конец стрима у меня немного отвалился звук. Прошу понять и простить – я всё ещё в процессе дрессировки OBS.

Qwen3-ASR Ах да, сама распознавалка речи у них тоже обновилась Компактная, высокая пропускная способность, мультиязычность Распознавание речи и выравнивание по таймстампам. Покрывают 30 языков, 22 диалекта китайского, разные акценты. • SOTA среди открытых ASR-моделей • сопоставима с проприетарными API • 1.7B параметров • нативная поддержка в Transformers • стриминг • 2000× throughput при 0.6B параметров • идентификация языка + STT в сложных акустических условиях • Qwen3-ASR-0.6B - 2000x пропускная способность при 128 одновременных запросов • единый режим стриминга и офлайн, работа с длинными аудио • Forced Alignment через Qwen3-ForcedAligner-0.6B: таймстампы до 5 минут, 11 языков, точность выше E2E-аналогов #asr #stt

⚖️ ИИ-увольнения стали вопросом государственной важности Губернатор Калифорнии Гэвин Ньюсом подписал указ, который поручает государственным органам подготовить меры поддержки работников, пострадавших от внедрения ИИ. Что предлагается: 🔵 изучить программы поддержки и компенсаций для уволенных сотрудников, 🔵 расширить возможности переобучения, 🔵 рассмотреть модели совместного владения бизнесом для работников, 🔵 проанализировать влияние ИИ на рынок труда Калифорнии, 🔵 изучить, как профсоюзы ведут переговоры по вопросам ИИ, 🔵 ограничить увольнения, основанные исключительно на решениях алгоритмов. Поводом стали массовые сокращения в технологическом секторе. Meta, Cisco и Block уже напрямую связывали увольнения с ИИ-трансформацией компаний. Сам факт появления подобных инициатив показывает, что дискуссия вокруг ИИ выходит за пределы технологий и бизнеса. Вопросы занятости, защиты работников и распределения выгод от автоматизации постепенно становятся предметом государственной политики. Интересно, что профсоюзы и часть экспертов всё чаще подчёркивают:

массовая потеря рабочих мест из-за ИИ не является неизбежностью.

Во многом это вопрос управленческих и политических решений. При этом подходы начинают расходиться. Если в США на федеральном уровне преобладает курс на минимальное регулирование, то отдельные штаты уже пытаются выстроить собственую систему защиты работников. ✅ Вывод Мы постепенно переходим от обсуждения возможностей ИИ к обсуждению его социальных последствий. Если раньше автоматизация была внутренним вопросом компаний, то теперь она становится предметом переговоров между бизнесом, государством и обществом. И, возможно, главный спор ближайших лет будет не о том, способен ли ИИ заменить человека, а о том, кто получит выгоду от этого перехода и кто заплатит за его последствия.

Я посмотрел полнометражный ИИ-фильм в кинотеатре. Ниже мои впечатления.

Дисклеймер. 90-минутный фильм называется Hell Grind, сделали его мастера дерзкого маркетинга Higgsfield, между прочим первый казахстанский единорог (оценка >$1,3 млрд). Режиссер и сценарист: Айторе Жолдаскали и Адильхан Ержанов (двукратный участник основной программы Каннского фестиваля так-то). Весь продакшн занял 14 дней, бюджет 500K долларов.

В субботу в московском кинотеатре Октябрь Higgsfield AI собрали студентов и выпускников киношкол, различных ИИ-спецов, чтобы буквально захантить их на работу в новый ИИ-Голливуд. И показали им (нам), как тот будет выглядеть. Теперь к впечатлениям в коротких заметках. Впечатления: 1️⃣. Фильм повествует о лучших друзьях-грабителях, выросших в одном детском доме. Чуть Arcane вайбы. 2️⃣. Сразу бросается в глаза, что женские персонажи более дженериковые и искусственные. Главная босиха мутантов — скучная версия Шарлиз Терон, хотя две родинки над губой, это прекрасная деталь. 3️⃣. Лучшая сцена, как ни удивительно, это комедийный экшн в Тибете, где герои получают люлей от малышей-монахов; взрывают статую Будды, перед этим извинившись перед ней; сражаются с огромным каменным титаном: в эти моменты забываешь, что это нейронка — будто бы смотришь Uncharted или любой другой легкий стриминговый блокбастер. 4️⃣. Боевая сцена на минут 15 в конце — тоже супер, главный герой (спрятавшись в красные доспехи) отбивается от армии зомби. Увлекательно, даже боевая хореография имеется. 5️⃣. Сценарий, конечно, полная шляпа. Но, при этом, после просмотра эссе Патрика Виллемса Why Is Every Streaming Blockbuster So Bad?, у меня нет ощущения, что это шляпа из-за ИИ. Ощущение, что это буквально фильм формата Electric State, Bright, Fountain of Youth, Red Notice — то есть запредельно дорогих максимально продюсерских приключенческих фильмов от Netflix. 6️⃣. Только вот задача у Hell Grind другая — кроме того, что, как и в Netflix-экшнах, тут надо постоянно развлекать зрителя, у нейрокино от Higgsfield задача показать полный спектр — за 90 минут мы видим фэнтези, драму с мелодрамой, киберпанк в Гонконге, хоррор в японском лесу, эпический экшн в заснеженном поле. Короче, это буквально — смотрите, что мы умеем. Сценарий — это промо стартапа. 7️⃣. Интересно, как одновременно это нейрокино похоже на Netflix своей дженериковостью — идеальными персонажами, комфортным ритмом, универсальным приключено-боевиковым жанром, и в то же время на японское и корейское кино — демоны, жестокость, преувеличенные эмоции. 8️⃣. Главный вопрос: работают ли эмоции? На уровне — грустные дети-сироты или воспоминания главного героя — вообще, да. Абсолютно никаких вопросов. На уровне — главный герой убивает своих друзей — вообще никак. Но, что становится ясно, дело — в сценарии. 9️⃣. А какие тут шикарные финальные титры. Вывод. Я увидел средний Netflix-блокбастер. И это, если честно, меня абсолютно убедило в том, что ИИ-кино на подходе. Вообще никаких сомнений. Вопросы у меня были не к картинке, не к эмоциям персонажей, а конкретно и только к сценарию. Нет абсолютно никаких проблем сделать качественное кино с помощью нейросетей и оно точно будет. Это возможно. Да, конечно, я и так это понимал, но сейчас увидел своими глазами. Я выходил из кинозала и ощущал будущее кинематографа. Так что ждем. 2027 — будет годом не одного и не двух нейроблокбастеров (и нескольких инди-проектов или драм тоже). И, скорее всего, стриминги, как только смогут, подхватят эту возможность. Потратить 300 миллионов долларов или 5 миллионов, из которых на продакшн уйдет 500к? Ответ очевиден. P.S. А в воскресенье мы с женой Сашей посмотрели «Танцующие под дождем» 1952 года — мюзикл о появлении звукового кино: страхах индустрии, падении актеров немого кино, большой революции в Голливуде. Не планировали, так совпало. P.P.S. Higgsfield также выложили 20-минутный перемонтированный кусочек фильма, посмотреть можно тут, но мои пиратские экранки передают то самое ощущение из кинозала (жаль, тибетскую сцену со статуей Будды не снял).