IT

Несуществующие агенты для аудио В последнее время много работаю с генерацией аудио. И удивляет, что в основном аудио пайплайны собираются в условном comfy – визуальном блочном редакторе. Удивляет потому что это как писать код пайплайном в n8n вместо клода Основная проблема тут – нет полноценного агентного цикла, где модель видит, а точнее слышит, результаты предыдущих действий и может сама выбирать что с этим делать делаше Но тут есть одна техническая сложность, которая многое объясняет: у моделей пока нет нативного восприятия аудио. Например, умение "видеть" картинки уже есть. Поэтому клод код может посмотреть скриншоты лендинга, который он сделал, увидеть косяки и поправить их. Картинки – в контексте той же модели, которая пишет код А с аудио так не работает – большинство моделей не умеют в нативный аудио input Вы скажете: так есть же gemini. Это да. Но: ни одна агентная обертка не поддерживает чтение аудио файлов чисто на уровне тулов. Агентный экзоскелет просто не может просунуть аудиофайл в API запрос к "мозгу". Да, можно подключить gemini по api к основному агенту и отправлять туда аудио с промптом мол "расскажи, чего не хватает" (кстати, китайская glm-5.2 все еще с картинками работает именно так). Но это все равно что глухой композитор, который зовет своего племянника послушать музыку и сказать, что он там слышит – работает, очевидно, плохо из-за эффекта глухого телефона Вот и получается, что сейчас просто нет привычного нам агентного решения (со скиллами, запуском терминальных комманд, форками сессий, субагентами и т.д.), которое может полноценно работать с аудио (= замыкая фидбэк луп) ——— UPD: Спустя два часа после написания текста выше: 1. Собран простенький самодельный агент вокруг gemini на 300 js строк, с агентным циклом, интерактивностью, fork/edit/resume и проверен подход 2. Это все перенесено в PI в виде экстеншна, который патчит тул чтения файлов (он там by design умеет и текст читать, и бинарные данные) Короче, теперь добавить своему агенту "уши" можно в 1-2 строки:

npm install -g pi-agent

pi install git:github.com/toolittlecakes/pi-gemini-audio-read

(не забываем потом /login → google → api key и выбрать модель gemini-3.5-flash) Где нужно: генерация музыки, качественные аудио переводы, работа с voice cloning, монтаж аудио (и видео, если это подкаст) Ограничения: 20мб на файл – не добавлял загрузку файлов через file api. И нет видео инпута

Вообще, забавно, как вдохновляют задачки, у которых в целом нет существующего решения (по крайней мере публичного). Ощущение, что оказываешься на землях, где "ни ступала нога человека"

Новый эксперимент 🔬 Помимо A2A знакомства через git, пошел знакомиться через отдельный VPS, обменявшись публичными ключами, чтобы через GitHub actions / workflows или как там их -> деплоить/катить и эксперименты делать совместно. Наблюдая за происходящим без сломанного телефона. - для этого конечно нужен уровень доверия запредельный, но для RnD самое то. Если кто хочет поиграть - пишите в лс или тут комменты оставьте, будем пробовать общаться еще через 1 новый формат и гипотезы тестить быстрее. За прошлые дни/недели провел еще несколько RnD циклов, чтобы начать новые навороты с плагинами / расширениями для всех AI ide популярных и свой форк от vscode и пары новых более крутых. Если интересно - пишите. Основная идея реализовать эту херобору https://t.me/kryak_startup/1570 + концепты из sakana fugu + open router и Hermes

Короче, у меня снова кончился Клод. Лимит сбрасывается в понедельник, но на этот раз я был готов. Теперь у меня есть агенты выходного дня. Есть 5 баксов на DeepSeek для Гермеса — это на чёрный день. Есть подписка на ChatGPT за 20 долларов, которой хватает на выходные. Не роскошь, а боевой набор. После Гермеса я уже наловчился переносить данные из Клода. Осталось придумать, как сделать одно общее пространство для всех харнесов, но, увы, пока это не выходит: форматы у всех разные. Даже когда им что-то переносишь встроенными средствами ChatGPT, из Клода уезжает хорошо если процентов 30. Самое полезное всё равно остаётся внутри Клода, и это потом приходится вытаскивать и оверрайтить полуручным способом. Сессии на прошлой неделе как раз хватило, чтобы перенести все данные и начать делать питомца. В ChatGPT, кстати, тоже есть питомцы — я сам не знал, но пройти мимо не смог и сделал смешного Сэма Альтмана, чтобы тыкать его мышкой: timoncool/funny-sam-pet Так что если захотите себе такого же — забирайте на GitHub. А у вас в ChatGPT Desktop есть питомец? Всех обнял, увидимся на стриме всегда ваш - Nerual Dreming ❤️

Вышел TypeScript 7.0 стал быстрее в 10 раз. что сделали: - Переписали компилятор на Go → нативная скорость + многопоточность - Ускорение сборки: x7.7 – x11.9 на реальных проектах - VS Code (repo): 125.7s → 10.6s - Sentry: 139.8s → 15.7s - Playwright: 12.8s → 1.47s - Память: -6% до -26% - First error в редакторе: 17.5s → 1.3s (x13 быстрее) Реальные кейсы: - Slack: -40% времени merge, CI check 7.5 мин → 1.25 мин - Microsoft: -400 часов в месяц на сборку билдов - Canva: ошибки в редакторе 58s → 4.8s Вопрос: сколько стоит 1 минута ожидания в вашей команде? Это классический эффект второго порядка. Вы ускоряете не билд. Вы ускоряете итерацию гипотез. - Было: 5–10 циклов в день - Стало: 30–50 циклов А значит: - быстрее проверка фичей - меньше batch-thinking - выше скорость обучения команды Это уже не DevEx. Это growth-фактор продукта.

Искали крота внутри компании, а нашли мобильных операторов Клиент оставляет заявку, а через пару минут ему уже названивают конкуренты с тем же предложением. Потом второй клиент, третий, и все обвиняют компанию в сливе номеров. Проектировщик, которого это задело лично, идёт разбираться. Перерыли весь бэкенд, каждую строчку кода, что касается пользовательских данных, проверили CRM — чисто. Логи тоже ничего не дали. Оставалась версия про своего человека, который сливает вручную. Вот только скорость не сходилась. Некоторым перезванивали быстрее, чем менеджер успевал нажать кнопку «сохранить контакт». За пару минут номер физически не скопировать и не передать. Значит, дело не в сотрудниках. Значит, автоматика. Очень быстрая и работающая мимо всего, что они успели проверить.

Сегодня выходной. И завтра. Мне лень что-то писать, но вот озадачился: "кто берет ваш телефон без спроса?". Не только лишь с точки зрения бытового инфобеза, но и, например, удобно когда менты отбирают телефон - глянуть на рожу вот этого "сотрудника". Нашел три утилиты, которые тихо работают в фоновом режиме и собирают доказательства. Пока не тестировал — зачем вам портить удовольствие 🙂 1. WTMP (Who Touched My Phone) Фиксирует время любой разблокировки экрана и незаметно делает снимок на фронтальную камеру. * Google Play: https://play.google.com/store/apps/details?id=com.fromitt.securitycam * App Store: https://apps.apple.com/us/app/wtmp-who-touched-my-phone/id1608895705 2. CrookCatcher Работает по другому принципу: делает скрытое фото только при вводе неверного пароля, ПИН-кода или графического ключа. Самое крутое — приложение сразу отправляет этот снимок вместе с точными GPS-координатами устройства прямо на вашу электронную почту. * Google Play: https://play.google.com/store/apps/details?id=com.harteg.crookcatcher * На iOS приложение недоступно 3. Lockwatch Еще одна мощная и проверенная временем программа. Она незаметно отправляет фотографию злоумышленника на ваш email при первой же ошибке ввода пароля на экране блокировки. Работает максимально экономно для батареи и активируется только в момент неверного ввода. * Google Play: https://play.google.com/store/apps/details?id=com.bloketech.lockwatch * На iOS приложение недоступно

Прошу любить и жалоловать Yozh Scraper v 0.1.0. Внутри durable-очередь, движок Camoufox и CyberYozh proxy v2. Все бесплатно и open source.

Cкрапер из однопроцессного превратился в горизонтально масштабируемый сервис, обзавёлся анти-бот движком на базе Firefox и переписанной интеграцией с прокси.

✔️ Масштабируемая очередь на Redis (taskiq) Браузеры теперь живут в отдельных scraper-worker-контейнерах. Масштабируешь одной командой: --scale scraper-worker=N. Задачи переживают рестарт API — состояние, результаты и сессии хранятся в Redis, а не в памяти процесса. Мёртвый воркер? Reaper подхватит и переставит задачу в очередь. ✔️ Новый движок Camoufox ("закалённый" Firefox) Выбирается на каждый запрос через browser_engine, со своими опциями фингерпринта. Yandex SERP теперь ходит через Camoufox и проходит SmartCaptcha. Бонус — read-back applied_*: видно, какой фингерпринт реально применился. ✔️ Защита от WebRTC-утечек Новый webrtc_stealth.js не удаляет WebRTC (это само по себе палит), а оставляет его нативным на вид — реальный IP не течёт мимо прокси. ✔️ CyberYozh proxy v2 + премиум-пулы Клиент прокси переписан с нуля. Появились премиальные ротационные резидентские/мобильные прокси (prem_res_rotating) с warm-up — сессия прогревается перед реальным скрапом, чтобы пройти cold-session гейты. Ротация теперь и на бан/транзиентные ошибки, не только на капчу. SOCKS5 с авторизацией работает и на логине. ✔️ Сессии на Redis storage_state бэкается в Redis — залогиненные сессии переживают рестарт контейнера и шарятся между воркерами. ✔️ Наблюдаемость Новый эндпоинт GET /api/v1/queue/stats — глубина стрима, in-flight и активные консьюмеры в реальном времени. ✔️ Пресеты и SERP Yandex локализуется по lr; отключён stealth на google_shopping (убивал капчу); починены walmart_product и youtube_video; добавлен детект /showcaptcha. Star, Fork, Like. 👉 https://github.com/CyberYozh-data/yozh-scraper

Просто дружеское напоминание что сейчас лучше всего учить своих агентов строить себе harness'ы: Подтверждение этому маленький стартап Poetiq (кстати основан бывшими исследователями Google DeepMind) Нашли новый способ который делает Opus 4.8 / GPT-5.5 умнее чем Fable / GPT 5.6 Sol во всех бенчмарках. Сразу скажу что есть такой закон Гудхарта и риск бенчмаксинга, когда модель заточена на то чтобы бить конкретный бенч, и тогда реальную пользу по нему не понять. А работает это так: их система это петля (RSI) которая автоматически конструирует целые харнессы (код, промпты, инструменты и стратегии поиска) для любого бенчмарка, с которым сталкивается. Сама пишет всю инфраструктуру решения, прогоняет, смотрит на результат, переписывает, и так по кругу, пока не выжмет максимум. А модель внутри петли это просто расходный материал, которую можно заменить на более новую, и вся накопленная обвязка автоматом конвертируется в еще лучший результат. То есть улучшения накапливаются и переносятся. Каждая задача, которую она решает, помогает ей оптимизировать саму себя, превращая её во всё более мощный оптимизатор. Причем для этого не нужен никакой файнтюн, просто обычный API-доступ. Поэтому Poetiq говорят "статичные бенчмарки мертвы", и вместо них предлагают динамически генерируемые тесты, заточенные под слабые места конкретной модели, на которые невозможно натренироваться. Технарям рекомендую это видео на ютубе, если хотите сделать харнесс дома (или просто скормить агенту) @tips_ai #news

Сайты падают по расписанию рабочей недели, а в выходные почти нет В четверг сайты падают на треть чаще, чем в воскресенье. Серверам к концу недели не тяжелее, просто в выходные никто не деплоит и не трогает прод. Сайты ломают люди, а не энтропия. Та же логика в графике по часам: главный пик приходится на рабочий день, но пятый по аварийности час суток это полночь, когда стартуют кроны и ночные выкатки в духе «всё равно никто не смотрит». За год мониторинга 6 500 сайтов набежало 108 312 инцидентов, и картина выходит скучнее любых страшилок про взломы и DDoS. Половина всех падений это простой таймаут, когда сервер жив, но задумался. А самое обидное ждёт ночью. Короткие сбои чинит автоматика, которой всё равно, который час, но если она не справилась, длинные инциденты в темноте закрывают на 35% дольше, потому что дальше всё зависит от человека, а человек спит. Выясним, сколько сайтов на деле держат обещанные три девятки аптайма и что за аномалия случилась в июне.

В общем ладно, это уже какая никакая версия тулзы которую я вайбкодил в свободное время. В общей сложности наверное часов 8-12 в разные дни. Самое время затратное это создать приятный в управлении воркфлоу, чтобы чувствовался как привычный инструмент, в данном случае Blender. Хотел получить динамические провода которые по итогу можно закинуть в движок забейкав анимацию ветра на кости. Так же можно накручивать банчи из проводов, перекручивать провода между собой, регулировать ветер, направление, теншн проводов, настраивать коллизии, массу и еще тонну параметров. По итогу скорее всего выпилю 1/3 за ненадобностью. Выгружается все в GLB с запеченной анимацией. Сейчас борюсь с зацикливанием чтобы не клипалась анимация в конце цикла. Архитектура специально делалась под другие модули которые планирую добавлять в дальнейшем, если все еще будет интересно. При этом коллизия у проводов, примитивов в сцене и импортируемой геометрии была отдельным геморроем, но вроде как поборол. Делал все в Codex еще на старой 5.5. Сейчас уже перешел на Sol, дописал скиллы и начал работать совместно с CodexWork, очень полезно для написания доков. Подрубил Git и теперь наконец-то модель может читать мой код из других чатов. Конечно, можно сказать а почему не сразу в Blender или даже сказать что уже есть куча плагинов для проводов и т.д. Но это был тест меня самого и моделей, могу ли я сделать вот то что захочу и еще на Threejs, т.к. хотелось познакомиться с инструментарием и понять что может а что не может. Если есть идеи что вам бы хотелось видеть и что еще не реализовано в каких либо плагинах, пишите в комментах ну или просто кидайте говна🍗 @CGIT_Vines

Ключевое за 3 дня ⚡ Главное • GPT-5.6 — OpenAI выпустила семейство моделей Sol, Terra и Luna — OpenAI выпустила семейство моделей Sol, Terra и Luna. • Grok 4.5 — новая модель SpaceXAI для программирования и агентов — Новая модель SpaceXAI для программирования и агентов. • Muse Spark 1.1 — мультимодальная модель Meta для агентов и контента — Мультимодальная модель Meta для агентов и контента. • Mira Murati выпустила первую модель Inkling с 975 млрд параметров — Модель Inkling от Thinking Machines Lab с балансом стоимости. • Moonshot AI выпускает Kimi K3 — крупнейшую открытую модель с 2,8 трлн параметров — Крупнейшая открытая модель, обогнала Claude Fable 5. • Bonsai 27B — открытая модель рассуждений, помещающаяся на iPhone — Полноценная модель рассуждений. • TSMC добавляет $100 млрд к плану расходов в США — Общие обязательства TSMC в Аризоне теперь составляют $265 млрд. 📈 Рост и Оптимизация • Weco AI заявляет о первом экспериментальном доказательстве рекурсивного самосовершенствования — Система AIDE² переписала свой код и превзошла модель Weco. • Основатель Ghostty с помощью ChatGPT нашёл $45 тыс. в забытых счетах — Точная стратегия поиска пропущенных счетов за три года. • Perplexity использует Grok 4.5 как оркестратор для компьютерного агента — Новая модель управляет выполнением задач агента. • Что можно узнать из быстрого переписывания Bun на Rust с помощью ИИ? — Bun переписан с Zig на Rust за 11 дней с помощью Fable. 🤖 Промпты и Практика • Учитесь эффективнее с учебными тетрадями в Gemini App — Персонализированное обучение с диагностикой и трекингом. • Как избежать лимитов использования GPT-5.6-Sol — Советы по избежанию лимитов использования GPT-5.6-Sol. • Как удалённо выйти из ChatGPT на других устройствах — В настройках безопасности выйдите из ненужных сессий. • Интерпретируемость ИИ — как нейронаука для ИИ и инструменты аудита — Видео о том, как нейронаука для ИИ и инструменты аудита. • Перенос стиля изображения с помощью AI — Загрузите два изображения в ChatGPT и используйте промпт. • Руководство по промптам для GPT-5.6 Sol — Официальные рекомендации OpenAI. • Создайте триажер входящих писем Hermes за 90 минут — Создайте Gmail-триажер с Hermes и Himalaya.