17610
@haarrp - админ Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям @data_analysis_ml - анализ данных @ai_machinelearning_big_data @itchannels_telegram - важное для программиста
Хочешь писать код быстрее в 10 раз?
Вот команды Claude Code, которые реально бустят работу.
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
ВЫШЕЛ БЕСПЛАТНЫЙ КОНКУРЕНТ CLAUDE ДЛЯ АГЕНТОВ. GLM-5.1. Полный гайд по ее запуску: https://vc.ru/id5074146
Новая модель GLM-5.1, заточенная под агентные сценарии. Она не про быстрые ответы, а про длинную работу над задачей.
Ключевая фишка - может вести один таск до 8 часов подряд. По сути полный рабочий день без перезапусков и потери контекста.
В комплексных задачах показывает результаты выше, чем Claude Opus 4.6. Особенно там, где важна последовательная логика и планирование, а не разовые ответы. На бенчмарках модель выглядит очень круто вhttps://z.ai/blog/glm-5.1
Это уже не просто модель для чата. Это инструмент, который можно ставить на длительные процессы и получать результат без постоянного контроля.
Проный гайд; как её получить:
1 Создаём временную почту здесь. https://tempamail.com/
2 Создаём аккаунт тут через временную почту > подтверждаем через неё же https://fireworks.ai/
3 Вводим имя и фамилию (можно фейковые), тыкаем на ответы 2 вопросов рандомно.
4 Генерируем кредитку здесь, вписав значение bin 5154620022 и выбрав 1 рабочую из списка https://chkr.cc/
5 Возвращаемся на этот сайт, чтобы забрать GLM-5.1, вводим данные фейковой карты и забираем API-ключ. https://fireworks.ai/
6 Скачиваем OpenCode, в настройках выбираем провайдера Fireworks AI и вводим полученный API-ключ. Юзаем GLM-5.1 и опережаем всех работяг. Dd https://opencode.ai/
Хорошая бесплатная модель, рекумомендую!
🦀 Как сократить расходы на OpenClaw на 95% и платить $25 вместо $600
На Reddit регулярно появляются посты от пользователей OpenClaw с шокирующими счетами. $300 в месяц. $600 в месяц. Кто-то умудрился набить $3600 за один месяц. Покупают Mac Mini за $600, ставят OpenClaw, гоняют неделю, сжигают все токены и выключают. Большинство даже не понимает, куда уходят деньги. Каждое отправленное сообщение включает в себя всю историю диалога за сессию. К 50-му сообщению вы оплачиваете повторную отправку всех предыдущих сообщений через API снова и снова.
Heartbeat не обязан жрать токены Opus каждые 30 минут
Это про фоновые процессы, которые незаметно сжигают бюджет. По дефолту heartbeat срабатывает каждые 30 минут на той модели, которая выставлена основной - у большинства это по-прежнему Opus. Постоянный расход токенов идет независимо от того, сидите вы за компьютером или нет. Решение: переключить heartbeat на Minimax, снизить частоту до двух раз в день через cron вместо интервалов, включить light context mode, выставить isolated sessions в true и задать active hours, чтобы процесс работал только в рабочее время. Одно это убирает огромную часть фонового расхода.
Компактинг: одна команда срезает нагрузку токенов вдвое
Еще один скрытый множитель расходов прячется в истории переписки. Если вы общались с агентом весь день и контекстное окно заполнено на 50-70%, каждое новое сообщение гонит весь этот объем через API заново. Команда compact сжала контекст с 55K токенов до 23K - меньше половины нагрузки на каждое сообщение после этого. Параллельно стоит выставить max output tokens на 2048 в конфиге. Без этого ограничения агент может вернуть тысячи токенов в одном ответе, когда хватило бы пары сотен. Одна строчка в конфиге - и расход на вывод падает моментально.
QMD: поиск по файлам без загрузки в контекстное окно
Есть еще один источник мусорного расхода, который накапливается со временем. По мере того как у вас копятся markdown-файлы (заметки, конфиги агентов, память), агент перечитывает их все при каждом вопросе. Полный текст файлов грузится прямо в контекстное окно, сжигая токены на контент, который вообще не связан с вашим запросом. QMD решает эту проблему. Это локальный поисковый движок для markdown, который превращает заметки в индекс с ре-ранкингом. Агент находит нужное без загрузки целых файлов в контекст. Ставится с GitHub, добавляется в agents.md, и каждый файловый запрос начинает стоить копейки.
Итог: $600 превращаются в $25
Без оптимизации: Opus на каждом действии, heartbeat каждые 30 минут, полный контекст в каждом сообщении, без лимита на вывод, полное чтение файлов. $300-$600 в месяц. С оптимизацией: роутинг моделей через OpenRouter, авторежим для выбора по стоимости, дешевая модель на heartbeat через cron, регулярный компактинг, лимит вывода на 2048, QMD для поиска по файлам. $6-$25 в месяц. Тот же инструмент. Те же возможности.
Те, кто реально получает результат от ИИ-автоматизации, не тратят больше всех на токены. Они один раз настроили систему, взяли расходы под контроль и сфокусировались на построении воркфлоу, которые решают дорогие проблемы. Все шесть настроек занимают около 10 минут. Экономия начинается сразу.
https://vc.ru/ai/2862521-kak-sokratit-rashody-na-openclaw-na-95-i-platit-25-vmesto-600
Шпаргалка Claude COde
• CLAUDE.md — мозг проекта
Хранит архитектуру, правила и контекст. Загружается автоматически.
• Skills — навыки
Позволяют автоматизировать ревью, тесты, деплой и любые процессы.
• Hooks — автодействия
Запускают проверки и действия без твоего участия.
• Agents — параллельная работа
Разбивают задачи и выполняют их одновременно.
• Workflow
plan → execute → auto
Минимум ручной работы, максимум результата.
• Структура
.claude / skills / commands / agents
Всё как у полноценной инженерной системы.
• Безопасность
permissions, sandbox, контроль доступа.
Это уже не про «спросить у ИИ».
Это про «дать задачу и получить результат».
#claude #chatgpt #ai #ml #llm
https://youtube.com/shorts/J5NTBL7XVIE?
Опенсорс-аналог Claude Cowork, который работает локально и бесплатно
Разработчики выкатили Rowboat - open-source ИИ-коворкер, который позиционируют как замену Claude Cowork от Anthropic. Работает полностью локально, на вашей машине, с любой LLM на выбор.
Из интересного: поддержка голоса, расширяемость через MCP-тулы, совместимость с Obsidian-хранилищами, фоновые агенты с веб-поиском и автоматическое построение графа знаний по вашим заметкам и письмам.
Anthropic, кажется, начинают окружать со всех сторон. Пока они строят закрытую экосистему, комьюнити собирает аналоги на коленке и раздает бесплатно.
github.com/rowboatlabs/rowboat
🚀 GigaChat 3.1 Ultra и GigaChat 3.1 Lightning в опенсорс под MIT лицензией!
Обе модели
• Обучены с нуля — без инициализации зарубежными весами
• MoE + MTP + MLA
• Совместимы с HuggingFace, llama.cpp / vLLM / SGLang
Код и веса уже на платформе GitVerse.
Это не просто релиз весов, а результат большой инженерной работы над качеством, alignment и стабильностью модели. В блоге команда поделилась результатами и своими наработками.
В релизе: высокие результаты на аренах, улучшенный function calling, решённая проблема циклов, DPO в нативном FP8, найденный и зарепорченный баг в SGLang при dp > 1.
Вот основные принципы написания промптов для Claude Code:
Будь конкретным, а не общим
Плохо: «сделай авторизацию».
Хорошо: «добавь JWT-авторизацию с refresh-токенами, middleware для Express, хранение в httpOnly cookies, ротация при каждом запросе».
Указывай контекст проекта
Claude Code видит файлы, но не знает твои намерения.
Пиши: «в проекте используется Next.js 14 с App Router, Prisma, PostgreSQL. Добавь эндпоинт /api/users с пагинацией, используя существующий клиент Prisma из lib/db.ts».
Разбивай большие задачи
Вместо «сделай весь бэкенд» разбей на шаги: сначала «создай схему базы данных», потом «напиши API-роуты», потом «добавь валидацию». Claude Code лучше работает с конкретными, измеримыми задачами.
Говори что НЕ делать
«Добавь форму регистрации. Не используй внешние UI-библиотеки, не меняй существующие стили в globals.css, не трогай layout.tsx».
Ссылайся на существующий код
«Сделай по аналогии с компонентом UserCard из components/UserCard.tsx, но для продуктов». Claude Code прочитает файл и повторит паттерн.
Используй CLAUDE.md
Положи в корень проекта файл CLAUDE.md с правилами: стек, структура папок, code style, что можно и нельзя. Claude Code читает его автоматически при каждом запуске.
Проси план перед выполнением
«Перед тем как писать код, опиши план: какие файлы создашь, какие изменишь, какие зависимости добавишь. Жди моего подтверждения».
Формат промпта-шаблонаЗадача: [что нужно сделать]детали]
Контекст: [стек, файлы, ограничения]
Требования: [конкретные технические Не делай: [что менять нельзя]
Результат: [как проверить что всё работает]
https://www.youtube.com/shorts/c9nAMFNQKd4
🔒 OpenClaw Security Practice Guide для AI-агентов
Руководство по безопасности для высокопривилегированных автономных AI-агентов. Оно предлагает подход "Zero-Trust", минимизируя риски, связанные с операциями и инъекциями. Ориентировано на автоматизацию, позволяя агенту OpenClaw самостоятельно оценивать и внедрять защитные меры.
🚀 Основные моменты:
- Переход к архитектуре Zero-Trust для AI-агентов
- Минимизация ручных настроек безопасности
- Ночные автоматизированные аудиты и проверки
- Поддержка современных моделей для повышения надежности
- Специфические рекомендации для управления рисками
📌 GitHub: https://github.com/slowmist/openclaw-security-practice-guide
#markdown
⚡️ OpenAI УНИЧТОЖЕН - правительство Индии обвиняет компанию в незаконном использовании рабского труда индийских программистов.
По «утечке», до 40% всех запросов по программированию якобы обрабатывает не GPT-5.4 Codex, а реальные разработчики из Индии, работающие в закрытых центрах в Корапуте.
История получила продолжение после «закрытия» Sora, якобы сотни аниматоров вышли наружу и рассказали, как всё устроено на самом деле.
Вишенка на торте - к теме даже «подключили» Трампа: он якобы заявил, что с американскими программистами у ChatGPT был бы шанс снова стать великим.
Звучит как громкое расследование.
Источник: Reuters/openaiindias.com
🤖 Компания Z.ai (создатели моделей GLM) выпустили AutoClaw - инструмент, который позволяет запускать OpenClaw локально, без интернета и без API-ключей.
OpenClaw - это ИИ-агент, который умеет выполнять многошаговые задачи и использовать инструменты (например, подключаться к Slack, Telegram, Discord, WhatsApp и другим сервисам).
В чем плюсы AutoClaw:
• Скачал - запустил. Никаких API-ключей не нужно
• Можно использовать любую модель или встроенную GLM-5-Turbo, заточенную под работу с инструментами и сложными задачами
• Полностью локально, твои данные никуда не уходят
По сути, это локальный аналог таких агентов, как Cursor или Operator, но работающий целиком на твоей машине, без слежки и без подписок.
AutoClaw: https://autoglm.z.ai/autoclaw/
Discord: https://discord.gg/jvrbCRSF3x
@ai_machinelearning_big_data
Почему одного CLAUDE.md недостаточно и что реально дают Hooks в Claude Code
Многие ограничиваются CLAUDE.md и на этом останавливаются. Но это всего лишь рекомендации для модели, а не строгие правила. Claude старается им следовать, но не всегда.
Отсюда и проблемы: может забыть прогнать линтер, выполнить нежелательную команду или «закончить» задачу с падающими тестами.
Hooks решают это иначе. Они не про просьбы, а про контроль. Любое действие проходит через этапы - до выполнения, после и перед завершением. И в каждый из этих моментов можно встроить свои проверки.
Например, перед запуском команды можно отфильтровать опасные действия и просто не дать им выполниться. После - автоматически привести код в порядок. А перед завершением — не выпустить результат, пока тесты не проходят.
Важный момент - коды завершения. Только exit code 2 действительно останавливает выполнение и возвращает ошибку обратно модели. Остальные коды не дают нужного контроля.
В итоге разница простая:
CLAUDE.md - это возможность того, что всё будет сделано правильно
Hooks - это гарантия, что иначе просто не получится.
Эффективны ли ваши ETL-процессы? 👁
Проверьте это с бесплатным чек-листом
Без регулярного аудита ETL-пайплайны начинают деградировать: растут затраты, ломаются дашборды, а решения принимаются на битых данных. При этом на полноценный аудит часто не хватает времени.
Как это работает
1️⃣Пройдите чек-лист
2️⃣Подсчитайте баллы за реализованные практики
3️⃣Определите уровень зрелости ETL-процессов
4️⃣Получите персональные рекомендации от эксперта Cloud․ru
🚨 Хотите парсить сложные PDF с точностью уровня SOTA, полностью локально? 📄🔍
Модель GLM-OCR всего с 0.9 млрд параметров можно просто загрузить в LM Studio и запускать почти на любом компьютере. 🥔
🧠 0.9B параметров
💾 Работает на менее чем 1.5GB VRAM (или около 1GB в квантованном виде)
💸 Никаких расходов на API
🔒 Полная приватность данных
Desktop-AI для работы с документами официально наступил. 💻⚡
https://huggingface.co/zai-org/GLM-OCR
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥Подборка по Golang: /channel/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: /channel/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: /channel/addlist/HwywK4fErd8wYzQy
Когда pandas уже не хватает
Если вы работаете с выгрузками из баз, логами сервисов или отчетами за годы — вы уже имеете дело со значениями, разделенными запятыми (CSV). Но умеете ли вы загружать CSV в Spark правильно?
👨💻 На открытом уроке разберем, как из плоского файла получить распределенную коллекцию данных — DataFrame. Поймем, почему DataFrame — это не просто таблица, как настраивать разбор грязных данных, объявлять схему вручную и избегать ошибок в промышленной среде.
Вы увидите, как Spark взаимодействует с файловой системой, научитесь писать код для загрузки CSV в PySpark или Scala и разберетесь, когда достаточно pandas, а когда без Spark не обойтись.
Открытый урок проходит в преддверии старта курса «Spark-разработчик».
➡️ Подробности и регистрация: https://tglink.io/d79eddbe8858f8?erid=2W5zFK4VnuP
#реклама
О рекламодателе
⚡️ MiniMax выложила M2.7 в открытый доступ.
Через 3 недели после мартовского релиза MiniMax открыла веса флагманской самоэволюционирующей модели на 229 млрд параметров.
За несколько дней после публикации сообщество сделало 32 квантованные сборки и 6 файнтюнов.
Напомним, M2.7 - первая модель MiniMax, которая участвовала в собственной разработке: внутренняя версия более 100 раз автономно правила каркас, анализировала неудачные трассы, прогоняла эксперименты и решала, оставлять изменения или откатывать.
Итог: рост производительности на 30% и триумф на бенчах. Модель уступала по тестам только Opus 4.6 и GPT-5.4.
🔱 Metatron: Пентест теперь делает ИИ за тебя
Это локальный ИИ-агент для аудита безопасности, который работает прямо на Linux без API и облаков. Даёшь IP или домен и он сам запускает весь пайплайн проверки.
Под капотом классика: nmap, whois, whatweb, curl, dig, nikto.
Но дальше интереснее. Агент не просто собирает данные, а анализирует их, находит уязвимости, подбирает возможные эксплойты и сразу даёт рекомендации по фиксам.
Это автоматизированный пентестер, который не забывает шаги, не устает и проходит сценарий до конца.
Мастхев для тех, кто занимается безопасностью или хочет быстро проверить свой проект.
https://github.com/sooryathejas/METATRON
OpenAI превращает свой Mac-клиент Codex в универсальную AI-платформу - по сути «суперапп», где всё собрано в одном месте.
Это единая среда с агентами, мультимодальностью и гибким управлением моделями, но в более удобном интерфейсе.
Скорее всего, именно это сейчас и имеют в виду в OpenAI, когда говорят о своих новых планах.
https://x.com/chetaslua/status/2042325786120822931
🔥 5 главных AI coding агентов 2026 года: https://www.youtube.com/shorts/cvs93C4k-IQ
Сравнили всё: модели, контекст, цены, автономность
Claude Code, Codex, Cursor Agent, Gemini CLI, Deepagents. Пять инструментов, которые определяют, как пишется код прямо сейчас. Разложили по полочкам.
Claude Code работает на Sonnet/Opus, контекст 200K (1M на Max), закрытый код, $3/$15 за миллион токенов. Лучше всего для сложных мультифайловых задач.
Codex от OpenAI - терминал + облако, GPT 5.3/5.4 Codex, миллион токенов контекста, высокая автономность.
CLI открыт, облако нет. $1.50/$6. Заточен под асинхронные фоновые задачи.
Cursor Agent - единственный, кто встроен в IDE. Работает с несколькими моделями (Claude, GPT, Gemini), но автономность низкая, больше интерактивный. Закрытый код. ~$1.25/$6. Для повседневного кодинга.
Gemini CLI от Google - полностью open source (Apache 2.0), бесплатный (1K запросов в день), Gemini Flash/Pro, миллион токенов. Средняя автономность. Лучший бесплатный вариант.
Deepagents - MIT-лицензия, работает с любой LLM, SDK + CLI, конфигурируемая автономность. Бесплатен (платишь только за свою модель). Для кастомных пайплайнов.
Два опенсорсных, два закрытых, один гибрид. Выбор зависит от задачи, бюджета и того, насколько вы готовы отдать контроль агенту.
https://www.youtube.com/shorts/cvs93C4k-IQ
⚡️ Matrix-Game 3.0 - интерактивные world models в реальном времени от Skywork AI
Что внутри:
720p при 40 FPS на модели всего 5B
консистентная память до минуты - сцена не “ломается” обучение на смеси Unreal, AAA-игр и реальных данных масштабируется до 28B MoE.
MIT лицензия - можно использовать в проде
Главное:
AI начинает не просто генерировать кадры
Он начинает понимать и поддерживать мир во времени
Следующий шаг - полноценные симуляции вместо видео
Сохрани - это ранний взгляд на то, как будут выглядеть игры и виртуальные миры через пару лет
https://huggingface.co/Skywork/Matrix-Game-3.0
✔️ Anthropic расширяет партнерство с Google и Broadcom.
Компания заключила крупное соглашение о поставке вычислительных мощностей нового поколения с запуском в 2027 году. Почти вся новая инфраструктура разместится в США.
Масштабирование железа связано с ростом бизнеса: в 2026 году прогнозируемая годовая выручка Anthropic перешагнула $30 млрд., а число клиентов, тратящих на Claude более $1 млн в год, достигло 1000 компаний.
Главным облачным провайдером остается Amazon, но Anthropic не привязывается к одному вендору: модели тренируются и запускаются на AWS Trainium, Google TPU и NVIDIA GPU.
anthropic.com
✔️ ИИ-триада объединилась для защиты моделей от нелегальной дистилляции.
OpenAI, Anthropic и Google начали использовать площадку Frontier Model Forum для совместного отслеживания попыток враждебной дистилляции. Эта практика нарушает условия использования и обходится лабораториям Кремниевой долины в миллиарды долларов упущенной выгоды ежегодно.
Координация выстроена по аналогии с кибербезопасностью: компании делятся данными об атаках и тактиках злоумышленников, чтобы быстрее блокировать несанкционированный сбор результатов инференса.
Полноценному обмену мешает американское антимонопольное законодательство. Разработчики опасаются обвинений в сговоре и ждут от правительства США правовых инструкций для легальной защиты технологий.
bloomberg.com
✔️ OpenAI открыла набор на программу Safety Fellowship по безопасности ИИ.
Пилотный проект ориентирован на специалистов по элайнменту. Приоритеты: оценка уязвимостей, снижение рисков, контроль над ИИ-агентами, защита приватности и предотвращение злоупотребления моделями.
Программа пройдет с 14 сентября 2026 по 5 февраля 2027 года. Участники получат стипендию, менторов, вычислительные мощности и кредиты на API, но без доступа к внутренним системам OpenAI.
Формат - удаленно или в центре Constellation. По итогам каждый должен представить статью, бенчмарк или датасет.
OpenAI обещает, что опыт и технические навыки будут важнее дипломов. Заявки принимаются до 3 мая.
openai.com
✔️ Китай развернул масштабную кампанию по краже тайваньских технологий.
По данным спецслужб Тайваня, Пекин атакует ИИ-сектор и производителей чипов, чтобы преодолеть технологическую блокаду. На острове фиксируют всплеск промышленного шпионажа: китайские компании используют теневые каналы, нелегально хантят инженеров, похищают интеллектуальную собственность и закупают оборудование в обход экспортного контроля.
Параллельно растет давление в киберпространстве. Только за первый квартал года ИТ-сети Тайваня зафиксировали свыше 170 млн попыток несанкционированного проникновения с целью сбора данных и слежки.
reuters.com
✔️ Нейросимволический ИИ для робототехники снижает энергопотребление в 100 раз.
Университет Тафтса опубликовал концепт гибридной VLA-модели для управления роботами. Метод использует архитектуру, объединяющую глубокое обучение с правилами символьной логики. Система заранее выстраивает абстрактный план, опираясь на свойства объектов, и не учится долгим путем проб и ошибок.
На тестах с «Ханойской башней» модель показала радикальный прирост эффективности. Время обучения сократилось с полутора суток до 34 минут, затраты энергии на тренировку упали до 1% от стандартных VLA-систем. В инференсе потребление составило 5%. Точность выросла с 34% до 95%.
В усложненной версии теста нейросимволический ИИ добился успеха в 78% случаев, а традиционные модели провалили все попытки. По мнению авторов, структурное мышление поможет решить проблему роста энергоаппетитов нейросетей.
sciencedaily.com
@ai_machinelearning_big_data
#news #ai #ml
Два брата запустили стартап на ИИ и делают $3 млн в день Самый быстрый путь к миллионам сейчас - ИИ.
Без команды, без офиса, почти без кода руками.
Medvi - телемед-сервис для похудения на GLP-1 препаратах. Его собрал Мэттью Галлахер прямо у себя дома в Лос-Анджелесе: $20 000 бюджета и всего 2 месяца на запуск.
Дальше - интереснее. Почти всё делают нейросети: ChatGPT, Claude и Grok пишут код, собирают сайт, крутят рекламу и даже отвечают клиентам.
Да, иногда ИИ косячит - путает цены, предлагает не то. Но экономика всё равно бьётся.
Цифры выглядят как баг в реальности: 300 клиентов в первый месяц $401 млн за первый год прогноз — $1,8 млрд в этом году
И самое безумное - в компании до сих пор всего два человека.
Похоже, “маленькая команда” больше не ограничение, а новая суперсила.
https://www.forbes.com/sites/josipamajic/2026/04/02/ai-and-20000-helped-one-man-build-a-18-billion-telehealth-startup/
Claude можно превратить из «чат-бота» в полноценного агента, если правильно организовать проект.
Вся магия — в структуре папки:your-project/
├── CLAUDE.md → инструкции для команды (сохраняется в репозитории)
├── CLAUDE.local.md → личные настройки (игнорируется git)
├── .claude/ → центр управления
│ ├── settings.json → права доступа и конфигурация (в репозитории)
│ ├── settings.local.json → локальные настройки
│ ├── commands/ → кастомные slash-команды
│ │ ├── review.md → /project:review
│ │ ├── fix-issue.md → /project:fix-issue
│ │ └── deploy.md → /project:deploy
│ ├── rules/ → модульные инструкции
│ │ ├── code-style.md
│ │ ├── testing.md
│ │ └── api-conventions.md
│ ├── skills/ → авто-запускаемые workflow
│ │ ├── security-review/
│ │ │ └── SKILL.md
│ │ └── deploy/
│ │ └── SKILL.md
│ └── agents/ → субагенты (роли)
│ ├── code-reviewer.md
│ └── security-auditor.md
Фактически ты собираешь мини-систему из агентов внутри репозитория.
🔥 Microsoft Critique: deep research на стероидах, где одна модель генерирует, а вторая её критикует
Microsoft выкатили Critique. Это инструмент для deep research, который одновременно запускает несколько моделей на один запрос.
Работает так: первая модель берёт на себя генерацию, вторая выступает рецензентом и вычищает ошибки и неточности до того, как вы увидите финальный ответ. Какие именно модели работали над ответом, видно в шапке.
По бенчмарку DRACO показывают SOTA, других замеров пока нет. Так что насколько это реально лучше обычного deep research, вопрос открытый.
Отдельно интересен режим Council для обычных запросов. Ваш промпт прогоняется через несколько моделей параллельно, и вы видите все варианты сразу. Плюс краткая выжимка: где модели согласны, а где разошлись во мнениях.
На широкую аудиторию пока не раскатили, можно подать заявку на ранний доступ. Будет ли это в обычной подписке за $20, неизвестно. Хотя, если честно, мультимодельный пайплайн с критиком можно собрать самому за вечер через API. И точно выйдет дешевле.
techcommunity.microsoft.com/blog/microsoft365copilotblog/introducing-multi-model-intelligence-in-researcher/4506011
ИИ начал находить настоящие баги в ядре Linux. И никто не понимает, почему именно сейчас
Грег Кроа-Хартман, один из ключевых мейнтейнеров ядра Linux, заявил что ситуация с AI-сгенерированными баг-репортами кардинально изменилась.
Ещё недавно это был поток мусора - теперь это реальные баги с рабочими патчами.
Его слова: «Что-то произошло месяц назад, и мир переключился.
Теперь к нам приходят настоящие отчёты». И это не только Linux - по его словам, все крупные open source проекты видят то же самое. Команды безопасности общаются между собой неформально, и картина везде одинаковая.
Никто не понимает, что именно изменилось. Кроа-Хартман говорит прямо: «Мы не знаем. Никто не знает почему. То ли инструменты стали сильно лучше, то ли люди просто начали пробовать. Похоже, что это много разных групп и компаний одновременно».
Ядро Linux справляется - команда большая и распределённая.
Баги мелкие, не критические, но поток реальный и не замедляется.
А вот для маленьких open source проектов это проблема. У них просто нет людей, чтобы обработать внезапный наплыв качественных AI-репортов.
Раньше страдали от мусорных репортов, теперь страдают от настоящих.
По сути мы наблюдаем момент, когда AI-инструменты для поиска уязвимостей перешли из категории «игрушка» в категорию «инфраструктура». И open source к этому не готов.
https://vc.ru/dev/2830028-ii-nashel-bagi-kotorye-lyudi-propuskali-30-let-meinteiner-linux-my-ne-ponimaem-chto-proizoshlo
🐍 Linux полезные ресурсы 🚀Max
@linuxkalii
🌐 Инфраструктура открытых данных Бразилии
br/acc — это проект, который объединяет открытые данные из различных государственных источников Бразилии в единую графовую структуру. Он предоставляет доступ к информации о компаниях, здравоохранении, образовании и многом другом, позволяя пользователям исследовать связи и делать выводы.
🚀 Основные моменты:
- 45 модулей ETL для обработки данных
- Графовая база данных Neo4j для нормализованных сущностей
- React-фронтенд для поиска и анализа
- Публичный API для доступа к графовым данным
- Соответствие требованиям LGPD для безопасности данных
📌 GitHub: https://github.com/World-Open-Graph/br-acc
#python
🌟 Kimodo: диффузионная модель для генерации 3D-движений людей.
NVIDIA выложила в открытый доступ проект Kimodo - генеративную модель на основе диффузии, которая создает реалистичные трехмерные движения для человеческих и робототехнических скелетов.
Kimodo принимает на вход текстовые промпты и ключевые позы всего тела, позиции и вращения конечностей, двухмерные пути и контрольные точки. Это позволяет точно управлять генерацией: от общего описания наподобие "персонаж идет и садится на стул" до детального контроля положения рук и ног в кадрах.
Всего доступно 5 вариантов модели для 3 типов скелетов: SOMA, SMPL-X и Unitree G1. Первые два ориентированы на анимацию аватаров, третий - на робота Unitree G1.
Модели, обученные на полном датасете Bones Rigplay 1 (700 часов), NVIDIA рекомендует как основные рабочие.
Варианты на сете BONES-SEED (288 часов) предназначены для бенчмаркинга и сравнения с собственными разработками.
Для работы с Kimodo предусмотрены 3 интерфейса:
🟢Интерактивное веб-демо с таймлайн-редактором;
🟢CLI-утилита для пакетной генерации;
🟢Python API для тонкой настройки .
Под инференс потребуется около 17 ГБ видеопамяти, модели запускали на RTX 3090, RTX 4090 и NVIDIA A100.
🟡 Интеграция с робототехническим стеком NVIDIA.
ProtoMotions позволяет брать сгенерированные движения и обучать на них физически корректные политики управления в GPU-ускоренной симуляции — как для аватаров, так и для Unitree G1.
Через General Motion Retargeting движения, созданные на скелете SMPL-X, можно перенести на произвольных роботов.
📌Лицензирование:
Код проекта под Apache 2.0, большинство моделей под NVIDIA Open Model License.
Вариант SMPL-X имеет более ограниченную NVIDIA R&D Model License, она допускает только исследовательское применение.
🤯 Вышло интересное исследование про Vision-Language-Action (VLA) модели - это ИИ, который позволяет роботу видеть объект, понимать задачу и действовать (например, схватить предмет).
Обычно для этого нужны огромные модели и дорогие GPU.
Но тут сделали иначе 👇
Команда разработала модель, где почти все вычисления сведены к 3 значениям:
-1, 0 и 1
Да, буквально.
За счёт этого:
- модель сжали до ~1.4GB
- убрали сложную математику
- сделали её пригодной для дешёвого железа
👉 точность осталась на уровне больших моделей
👉 скорость выросла в 4 раза
То есть робот двигается так же точно, но быстрее и дешевле:
- больше не нужны дорогие серверы и GPU
- роботов можно запускать прямо на локальных чипах
- открывается путь к массовой роботизации (дешёвой)
Paper Link – arxiv.org/abs/2506.07530
🚀 Удобный CLI для Google Workspace
gws — это универсальный инструмент командной строки для работы с Google Workspace, включая Drive, Gmail и Calendar. Он динамически строит команды, используя Google Discovery Service, и предоставляет структурированный JSON-вывод. Идеально подходит как для разработчиков, так и для ИИ-агентов.
🚀 Основные моменты:
- Поддержка более 40 навыков для ИИ-агентов.
- Автоматическое обновление команд при добавлении новых API.
- Удобная аутентификация и работа с несколькими аккаунтами.
- Интерактивные команды с подсказками и предварительным просмотром запросов.
📌 GitHub: https://github.com/googleworkspace/cli
🔥 dots.ocr-1.5 — OCR-модель на 3B параметров от Rednote-hilab.
SOTA для мультиязычного парсинга документов — поддерживает практически любую систему письма.
📊 Elo 1089 на olmOCR-Bench и 1157 на XDocParse — выше, чем у GLM-OCR и PaddleOCR-VL-1.5
📄 На OmniDocBench (text edit 0.031) обгоняет Qwen3-VL-235B (0.069) и Gemini 2.5 Pro (0.075)
🎨 Может генерировать SVG-код для графиков, диаграмм и химических формул
🌐 Поддерживает парсинг веб-страниц, распознавание текста в сценах и подсчёт объектов
⚡ Работает через vLLM и запускается на одной GPU
🤖 Модель: https://modelscope.cn/models/rednote-hilab/dots.ocr-1.5
🔗 GitHub: https://github.com/rednote-hilab/dots.ocr
🎠 Демо: https://dotsocr.xiaohongshu.com
🎯Полезные Мл-ресурсы 🚀 Max
@bigdatai