IT

Наткнулся на особенность /model в Claude Code, про которую я если честно не знал и не замечал. Если менять модель через обычный /model, это влияет сразу на все новые параллельные сессии. Что и написано при выборе модели, меня не обманывают: saved as your default for new sessions. Если нужно задать модель только для текущей сессии, при выборе модели в /model подтверждать нужно не клавишей Enter, а буквой [ s ], тогда другие сессии Claude Code это не затронет. Про выбор моделей при запуске через опцию --model, я знаю, но я не пользуюсь этим. В Codex иначе. Его /model меняет модель только глобально, в описании команды прямо написано: for this and future Codex CLI sessions. Никакой клавиши, чтобы применить только к текущей сессии, там нет. Так что в Codex единственный способ изолировать новую сессию с другой моделью — задать её при старте. @tips_ai

WhatsApp* добавила новые функции для групповых звонков WhatsApp анонсировала ряд улучшений для групповых звонков, включая возможность совершать аудио- и видеовызовы прямо из браузера через WhatsApp Web. Новая функция Call Transfer позволяет переводить активный групповой звонок между устройствами, не прерывая разговор. Также стала доступна комната ожидания для звонков по ссылке — она даёт возможность организаторам вручную одобрять доступ участников. Список нововведений пополнили технология QuickHD для мгновенного доступа к видео высокого качества и система подавления фонового шума для чёткости речи. В компании уточнили, что обновления внедряются постепенно и скоро станут доступны всем. *WhatsApp — продукт компании Meta, признанной экстремистской организацией в России.

AI убирает одну работу и тут же создаёт другую Сегодня обсуждали с коллегами любопытный парадокс. AI резко снизил порог входа во множество задач. Люди начали делать то, за что раньше даже не брались: разбирать финансы, копаться в своём здоровье, собирать мобильные приложения, автоматизировать процессы, работать с данными и документами. Раньше для этого надо было долго учиться, читать инструкции и набивать руку, а теперь можно быстро получить объяснение, пример, прототип и даже какое-то рабочее решение. Вот только доступность задачи ничего не говорит о глубине её решения. Современный AI часто напоминает университетского профессора, который прекрасно знает теорию, убедительно объясняет материал и щёлкает учебные примеры. Как только знания надо применить в реальной среде: с ограничениями, архитектурой, производительностью, исключениями и контекстом - начинаются проблемы. Модель легко напишет огромный объём текста, обработает массив данных самым неэффективным способом и предложит архитектуру, которая выглядит убедительно, но плохо живёт на практике. Скажем, большой набор данных разумнее один раз превратить в реляционную базу и дальше получать ответы короткими запросами на SQL или Python. Вместо этого ИИ раз за разом прогоняет через контекст тысячи строк, сжигая время и токены. Забавно, что длинные рассуждения и многократная обработка данных - ровно то, на чём зарабатывают поставщики LLM. Но интереснее другое следствие. AI породил огромный объём прототипов, полуготовых решений и новых инициатив, и люди начали встраивать их в бизнес-процессы, не всегда понимая архитектуру, программирование, безопасность и экономику продукта. Всё это теперь нужно проверять, исправлять, интегрировать, защищать и доводить до промышленного уровня. Дальше начинается цепная реакция. Юристы с помощью AI находят в договорах больше несоответствий, и другая сторона получает документ ещё сложнее, на проверку которого уходит ещё больше времени. Предприниматели быстрее собирают прототипы, но потом им нужны разработчики, архитекторы и консультанты, чтобы превратить это в надёжную систему. Компании видят новые возможности и тут же упираются в новые вопросы: где будет реальная экономия, как изменятся процессы, какие появятся риски и кто на самом деле получит прирост производительности. Пока что я вижу, что новой работы ИИ создаёт не меньше, чем убирает и её будет много. @maxvotek | linkedin | substack

Ремастер трилогии Dragon Age может никогда не выйти — нынешние сотрудники BioWare не знают, как работает движок Бывший продюсер студии BioWare Марк Дарра рассказал, что фанатам не стоит ждать ремастеров оригинальной трилогии Dragon Age. По его словам, никто из нынешних сотрудников студии попросту не знает, как работает движок Aurora, на котором сделаны Dragon Age: Origins и Dragon Age 2. Исключение составляет лишь Dragon Age: Inquisition, работающая на движке Frostbite 3 от компании DICE. В какой-то момент рассматривалась идея создать полноценный ремейк первой части при участии сторонней команды, однако EA отказалась финансировать такой дорогостоящий вариант.

Облако или покупка GPU The Wall Street Journal пишет, что американские компании перестали соревноваться, кто потратил больше токенов и начали считать себестоимость ИИ. Мощные дорогие модели типа Opus оставили на сложных задач типа планирования, а регулярную работу стали отдавать дешёвым китайским моделям. Все начинают считать экономику ИИ внедрений 🙂 В России токены зарубежных вендоров корпорации обычно не покупают, у нас оптимизируют выбор инфраструктуры. Допустим, мы решили не отдавать данные OpenAI / Anthropic и работать на открытой модели типа Qwen 3.6-35B. Она подходит для большинства типовых задач: тех.поддержка, речевая аналитика, RAG и поиск по документам и пр. Дальше есть три варианта: 1. Для коротких тестов можно взять в аренду облачные мощности на vast.ai, годится для экспериментов, там платим только за часы работы. Никакие приватные данные туда не отдаём, годится чтобы потестировать метрики опенсорс модели на пилоте. 2. Защищённое рос.облако, 152-ФЗ. От 230 тыс. руб. в месяц за выделенную карту под такую модель . Запуск за день, там уже допустимы любые конф.данные. 3. Покупка сервера с RTX 6000. От 1,5 до 2 млн руб., но сама поставка и настройка займут месяц или больше. Теперь посчитаем. Аренда за год выходит около 2.8 млн руб. Покупка того же железа – 1,5–2 млн. Окупаемость 7-8 месяцев, дальше становится дешевле владеть, чем арендовать. Но при аренде рос.облака мы платим мы не столько за GPU, сколько за соответствие требованиям, за скорость запуска и за право отложить решение о закупке конкретной конфигурации до конца пилота. 👉Получается логика такая: • если проект короче полугода, конфигурация ещё не ясна, нужен быстрый запуск - выбираем облако. • горизонт больше года, нагрузка постоянная, требования к данным жёсткие - выбираем своё железо • эксперименты без чувствительных данных - почасовая аренда.

«Записал, с кем разговаривают восемь приборов в моей квартире» Один раз утром телевизор включают минут на десять, потом выключают пультом и больше не трогают. За следующие сутки он сам, без единого касания, обращается к 172 разным доменам. Всё это вылезло случайно, после того как на домашнем роутере включили журнал DNS-запросов и оставили на выходные, а за 39 часов там набралось почти 107 тысяч запросов от восьми приборов в квартире. Среди этих 172 адресатов телевизора оказалась компания, которая занимается распознаванием картинки на экране. Работает это так, что источник не имеет значения. Эфир, стриминг, приставка, флешка с фильмом, даже презентация с ноутбука. Распознавание идёт по самому изображению, поэтому видит всё, что попадает на экран. Приложения вроде Netflix и ivi на этом телевизоре к слову ни разу не открывали. Посмотрим, что это за компания и как её след находится в документах самого производителя.