💥 Business News
🤖 Пока одни продолжают спорить, не пузырь ли AI, другие уже не успевают построить достаточно серверов.
12 августа рынок устроил небольшую демонстрацию того, где сейчас лежат большие ожидания инвесторов.
CoreWeave в моменте прибавляла больше 19%. Super Micro — больше 13%. Nebius — больше 20%.
Но интереснее здесь не зелёные цифры на графике.
А причина.
У CoreWeave портфель будущих заказов вырос до $104,2 млрд.
И компания говорит практически прямым текстом: спрос на вычислительные мощности настолько высокий, что ближайшие доступные мощности фактически уже распроданы.
То есть рынок AI столкнулся с довольно забавной проблемой:
клиенты готовы платить — а серверов нужно ещё построить.
🧠 И это сильно меняет картину AI-гонки
Мы привыкли обсуждать:
какая нейросеть умнее, кто выпустил новую модель, кто научился лучше генерировать видео.
Но под всей этой красотой находится гораздо менее сексуальный слой:
дата-центры, GPU, серверы, электричество и охлаждение.
Без них никакой магии AI просто нет.
И сейчас именно инфраструктура постепенно становится одним из самых горячих рынков.
💰 Почему инвесторы так отреагировали?
Потому что отчёты показывают: деньги в AI идут не только в презентации и красивые обещания.
Компании продолжают покупать реальные вычислительные мощности.
CoreWeave повышает прогнозы.
Super Micro ждёт сильный спрос на AI-серверы.
Nebius наращивает инфраструктурный бизнес.
Короче, пока все смотрят на приложения с AI, большие деньги всё чаще уходят в «лопаты и кирки» этой золотой лихорадки.
😅 И здесь есть ирония
Самая модная технология мира в итоге упирается в очень старые вещи:
землю, стройку, электричество, оборудование и способность быстро найти несколько миллиардов долларов.
Добро пожаловать в будущее.
Оно оказалось очень капиталоёмким.
💣 Главный вывод
Главным ограничением следующего этапа AI может оказаться уже не качество моделей.
А доступ к вычислениям.
И если спрос действительно продолжит обгонять предложение, выиграть могут не только компании, которые создают лучшие нейросети.
Но и те, кто предоставляет им инфраструктуру.
Поэтому я бы сейчас следил не только за OpenAI, Anthropic и новыми моделями.
Я бы внимательно смотрел на тех, кто строит физический фундамент всей AI-экономики.
Потому что иногда самые большие деньги зарабатывают не те, кто ищет золото.
А те, кто продаёт им оборудование.
Не инвестиционная рекомендация. Просто рынок, за которым становится всё интереснее наблюдать.
🤖 Пока одни продолжают спорить, не пузырь ли AI, другие уже не успевают построить достаточно серверов.
12 августа рынок устроил небольшую демонстрацию того, где сейчас лежат большие ожидания инвесторов.
CoreWeave в моменте прибавляла больше 19%. Super Micro — больше 13%. Nebius — больше 20%.
Но интереснее здесь не зелёные цифры на графике.
А причина.
У CoreWeave портфель будущих заказов вырос до $104,2 млрд.
И компания говорит практически прямым текстом: спрос на вычислительные мощности настолько высокий, что ближайшие доступные мощности фактически уже распроданы.
То есть рынок AI столкнулся с довольно забавной проблемой:
клиенты готовы платить — а серверов нужно ещё построить.
🧠 И это сильно меняет картину AI-гонки
Мы привыкли обсуждать:
какая нейросеть умнее, кто выпустил новую модель, кто научился лучше генерировать видео.
Но под всей этой красотой находится гораздо менее сексуальный слой:
дата-центры, GPU, серверы, электричество и охлаждение.
Без них никакой магии AI просто нет.
И сейчас именно инфраструктура постепенно становится одним из самых горячих рынков.
💰 Почему инвесторы так отреагировали?
Потому что отчёты показывают: деньги в AI идут не только в презентации и красивые обещания.
Компании продолжают покупать реальные вычислительные мощности.
CoreWeave повышает прогнозы.
Super Micro ждёт сильный спрос на AI-серверы.
Nebius наращивает инфраструктурный бизнес.
Короче, пока все смотрят на приложения с AI, большие деньги всё чаще уходят в «лопаты и кирки» этой золотой лихорадки.
😅 И здесь есть ирония
Самая модная технология мира в итоге упирается в очень старые вещи:
землю, стройку, электричество, оборудование и способность быстро найти несколько миллиардов долларов.
Добро пожаловать в будущее.
Оно оказалось очень капиталоёмким.
💣 Главный вывод
Главным ограничением следующего этапа AI может оказаться уже не качество моделей.
А доступ к вычислениям.
И если спрос действительно продолжит обгонять предложение, выиграть могут не только компании, которые создают лучшие нейросети.
Но и те, кто предоставляет им инфраструктуру.
Поэтому я бы сейчас следил не только за OpenAI, Anthropic и новыми моделями.
Я бы внимательно смотрел на тех, кто строит физический фундамент всей AI-экономики.
Потому что иногда самые большие деньги зарабатывают не те, кто ищет золото.
А те, кто продаёт им оборудование.
Не инвестиционная рекомендация. Просто рынок, за которым становится всё интереснее наблюдать.
🔥2.9K👍1.14K❤692🤩435🎉262🆒230🙏179⚡108👌51👨💻37👏12
💥 AI / Business News
🤖 DeepSeek, которая прославилась дешёвым AI, решила напомнить: хорошее дешёвым бывает не всегда.
13 августа компания официально выпустила V4 Pro — более мощную версию с улучшенными агентными возможностями и reasoning.
И самое интересное здесь даже не новая модель.
А цена.
На старте V4 Pro оказалась примерно в 9 раз дороже V4 Flash по входным токенам и до 14 раз — по выходным.
Для компании, которая во многом построила хайп вокруг идеи «сильный AI не обязан стоить дорого», поворот любопытный 😅
🧠 Что происходит?
Рынок AI начинает делиться примерно как автомобили:
есть быстрая и дешёвая модель для массовых задач.
А есть Pro, которая лучше справляется со сложным reasoning, coding, инструментами и агентными сценариями — и за это уже предлагают платить больше.
И для бизнеса такая логика вполне понятна.
Зачем гонять самую дорогую модель, чтобы ответить клиенту на простой вопрос?
Но если AI должен самостоятельно пройти цепочку действий, написать код, проанализировать данные и принять несколько промежуточных решений — экономия на модели может оказаться дороже самой модели.
💰 И вот здесь меняется AI-рынок
Раньше гонка шла:
«Кто даст мощнее и дешевле?»
Теперь появляется другое:
«За какую задачу клиент готов заплатить больше?»
А это уже нормальная продуктовая сегментация.
Flash — объём и цена.
Pro — сложность и качество.
💣 Главный вывод
Похоже, AI-компании постепенно переходят от стадии:
«Наберём пользователей низкой ценой»
к стадии:
«Теперь давайте нормально монетизировать самые сильные модели».
И это важный сигнал для бизнеса.
Скоро выбирать AI будут не по принципу «какая нейросеть самая умная».
А по экономике конкретной задачи:
где хватит дешёвой модели, а где имеет смысл доплатить за мозги.
Потому что рынок AI взрослеет.
А взрослый рынок рано или поздно начинает выставлять счёт 😏
🤖 DeepSeek, которая прославилась дешёвым AI, решила напомнить: хорошее дешёвым бывает не всегда.
13 августа компания официально выпустила V4 Pro — более мощную версию с улучшенными агентными возможностями и reasoning.
И самое интересное здесь даже не новая модель.
А цена.
На старте V4 Pro оказалась примерно в 9 раз дороже V4 Flash по входным токенам и до 14 раз — по выходным.
Для компании, которая во многом построила хайп вокруг идеи «сильный AI не обязан стоить дорого», поворот любопытный 😅
🧠 Что происходит?
Рынок AI начинает делиться примерно как автомобили:
есть быстрая и дешёвая модель для массовых задач.
А есть Pro, которая лучше справляется со сложным reasoning, coding, инструментами и агентными сценариями — и за это уже предлагают платить больше.
И для бизнеса такая логика вполне понятна.
Зачем гонять самую дорогую модель, чтобы ответить клиенту на простой вопрос?
Но если AI должен самостоятельно пройти цепочку действий, написать код, проанализировать данные и принять несколько промежуточных решений — экономия на модели может оказаться дороже самой модели.
💰 И вот здесь меняется AI-рынок
Раньше гонка шла:
«Кто даст мощнее и дешевле?»
Теперь появляется другое:
«За какую задачу клиент готов заплатить больше?»
А это уже нормальная продуктовая сегментация.
Flash — объём и цена.
Pro — сложность и качество.
💣 Главный вывод
Похоже, AI-компании постепенно переходят от стадии:
«Наберём пользователей низкой ценой»
к стадии:
«Теперь давайте нормально монетизировать самые сильные модели».
И это важный сигнал для бизнеса.
Скоро выбирать AI будут не по принципу «какая нейросеть самая умная».
А по экономике конкретной задачи:
где хватит дешёвой модели, а где имеет смысл доплатить за мозги.
Потому что рынок AI взрослеет.
А взрослый рынок рано или поздно начинает выставлять счёт 😏
🎉2.77K🔥893❤653👍435🤩285🤓168🤝131👏74✍50🤔21🏆19
🤖 $1,1 МЛРД НА СОТРУДНИКОВ, КОТОРЫМ НЕ НУЖНЫ ЗАРПЛАТА И ОТПУСК
Похоже, инвесторы больше не хотят вкладывать просто в «умные чат-боты».
Теперь деньги идут в AI-сотрудников, которые реально работают. 😳
Стартап River AI, созданный сооснователем xAI, объявил о привлечении $1,1 млрд на развитие кастомных AI-инструментов и агентов для бизнеса.
И ключевое слово здесь — кастомных.
Это не очередной бот:
— Напиши пост.
— Перепиши письмо.
— Придумай 10 названий. 😂
River AI делает AI-агентов под конкретные процессы компаний.
💼 ЧАТ-БОТ ОТВЕЧАЕТ. AI-АГЕНТ — РАБОТАЕТ
Сегодня:
👩💻 человек задаёт вопрос → 🤖 AI отвечает → 👩💻 человек делает остальное.
Завтра:
👩💻 человек ставит задачу → 🤖 AI выполняет целую цепочку действий.
Анализирует данные, работает с документами, собирает информацию, взаимодействует с корпоративными системами и доводит процесс до результата.
То есть AI постепенно переезжает из вкладки браузера в штатное расписание. 😅
💰 ПОЧЕМУ $1,1 МЛРД — ВАЖНЫЙ СИГНАЛ?
Потому что венчурный рынок начинает делать ставку не только на «самую умную модель», а на AI, который способен приносить бизнесу измеримую пользу:
⚡️ ускорять процессы;
💸 сокращать расходы;
📈 повышать производительность;
🕐 забирать рутину;
🚀 помогать масштабироваться.
И маркетинг — один из очевидных кандидатов.
Сегодня мы просим:
«Напиши рекламный текст».
Завтра:
«Проанализируй кампании, найди просадку, сравни креативы и подготовь новые гипотезы».
А послезавтра:
«Вот бюджет и KPI. Работай». 😳
😂 РЕЗЮМЕ МАРКЕТОЛОГА БУДУЩЕГО
2024: умею работать в команде.
2026: умею управлять AI-агентами.
2028: мои агенты управляют другими агентами, а я иногда захожу проверить, что они там натворили. 😂
🎯 ГЛАВНЫЙ ВЫВОД
Следующая большая AI-гонка может быть не за лучшего чат-бота.
А за лучшего цифрового сотрудника.
Не того, который красиво отвечает на вопрос.
А того, которому можно утром сказать:
«Вот задача. Разберись».
И получить готовый результат.
И $1,1 млрд для River AI — хороший сигнал того, насколько серьёзно инвесторы относятся к этому рынку. 🤖💰
💬 Кого бы вы первым «наняли» в AI-штат: маркетолога, аналитика, продажника или личного ассистента?
Похоже, инвесторы больше не хотят вкладывать просто в «умные чат-боты».
Теперь деньги идут в AI-сотрудников, которые реально работают. 😳
Стартап River AI, созданный сооснователем xAI, объявил о привлечении $1,1 млрд на развитие кастомных AI-инструментов и агентов для бизнеса.
И ключевое слово здесь — кастомных.
Это не очередной бот:
— Напиши пост.
— Перепиши письмо.
— Придумай 10 названий. 😂
River AI делает AI-агентов под конкретные процессы компаний.
💼 ЧАТ-БОТ ОТВЕЧАЕТ. AI-АГЕНТ — РАБОТАЕТ
Сегодня:
👩💻 человек задаёт вопрос → 🤖 AI отвечает → 👩💻 человек делает остальное.
Завтра:
👩💻 человек ставит задачу → 🤖 AI выполняет целую цепочку действий.
Анализирует данные, работает с документами, собирает информацию, взаимодействует с корпоративными системами и доводит процесс до результата.
То есть AI постепенно переезжает из вкладки браузера в штатное расписание. 😅
💰 ПОЧЕМУ $1,1 МЛРД — ВАЖНЫЙ СИГНАЛ?
Потому что венчурный рынок начинает делать ставку не только на «самую умную модель», а на AI, который способен приносить бизнесу измеримую пользу:
⚡️ ускорять процессы;
💸 сокращать расходы;
📈 повышать производительность;
🕐 забирать рутину;
🚀 помогать масштабироваться.
И маркетинг — один из очевидных кандидатов.
Сегодня мы просим:
«Напиши рекламный текст».
Завтра:
«Проанализируй кампании, найди просадку, сравни креативы и подготовь новые гипотезы».
А послезавтра:
«Вот бюджет и KPI. Работай». 😳
😂 РЕЗЮМЕ МАРКЕТОЛОГА БУДУЩЕГО
2024: умею работать в команде.
2026: умею управлять AI-агентами.
2028: мои агенты управляют другими агентами, а я иногда захожу проверить, что они там натворили. 😂
🎯 ГЛАВНЫЙ ВЫВОД
Следующая большая AI-гонка может быть не за лучшего чат-бота.
А за лучшего цифрового сотрудника.
Не того, который красиво отвечает на вопрос.
А того, которому можно утром сказать:
«Вот задача. Разберись».
И получить готовый результат.
И $1,1 млрд для River AI — хороший сигнал того, насколько серьёзно инвесторы относятся к этому рынку. 🤖💰
💬 Кого бы вы первым «наняли» в AI-штат: маркетолога, аналитика, продажника или личного ассистента?
🔥2.05K👍745🎉492❤267🤩258👨💻179🙏111🫡89🆒44💯18✍5
This media is not supported in your browser
VIEW IN TELEGRAM
Говорят, лучшие мемы рождаются сами собой. Похоже, это именно тот случай. В сети стремительно разлетается ролик, который придумали футбольные фанаты: вся страна худеет на ТИРЗЕТТЕ и синхронно «гребет» к своей цели.
❤1.76K🤩664🔥344👍238🎉215🤪123✍92🏆55🤓39🆒17🙏14
🛡 AI ТЕПЕРЬ НЕ ПРОСТО ПИШЕТ КОД — ОН ИЩЕТ, ГДЕ ВЫ ЕГО СЛОМАЛИ
Пока компании радуются:
«Смотрите, AI написал нам код за 30 секунд!»
кибербезопасность тихо спрашивает:
«А теперь можно мы проверим, ЧТО именно он вам там написал?» 😂
Китайский AI-стартап Z.ai представил GLM-5.3 — модель, которая показывает серьёзные возможности в поиске программных уязвимостей.
По данным самой Z.ai, GLM-5.3 набрала 84,5% на CyberGym — тесте, где модель должна анализировать код, находить уязвимости и подтверждать, что проблема действительно существует.
Для сравнения: заявленный результат ограниченной модели Anthropic Mythos 5 — 83,8%.
Но важная оговорка: эти результаты пока независимо не подтверждены.
🤖 ВЧЕРА AI БЫЛ ПРОГРАММИСТОМ. СЕГОДНЯ — УЖЕ БЕЗОПАСНИКОМ
И вот это куда интереснее очередной гонки бенчмарков.
Мы привыкли к AI, который:
💻 пишет код;
🐛 исправляет ошибки;
📝 объясняет функции;
⚙️ автоматизирует разработку.
Теперь появляется следующий этап:
AI сам проверяет программное обеспечение и ищет слабые места.
То есть условный диалог будущего:
— Кто написал этот код?
— AI.
— Кто проверил его на уязвимости?
— Другой AI.
— А человек где?
— На созвоне обсуждает KPI. 😂
🚨 НО ЕСТЬ ОДНА МАЛЕНЬКАЯ ПРОБЛЕМА
AI, который умеет находить уязвимость, потенциально может помочь не только защитнику.
По данным Z.ai, на ExploitBench, где оценивается способность превращать найденные уязвимости в работающие атаки, GLM-5.3 получила 54,4%, тогда как Mythos 5 — 78%.
Именно поэтому такие модели нельзя воспринимать просто как очередной удобный SaaS.
Чем сильнее AI становится в кибербезопасности, тем важнее вопрос:
кто и для чего получает доступ к его возможностям?
🔐 ПОЭТОМУ Z.AI НЕ СПЕШИТ ОТКРЫВАТЬ ВСЕ ДВЕРИ
Компания планирует публичный релиз GLM-5.3 примерно через две недели после дополнительных проверок безопасности.
А наиболее чувствительные кибервозможности собирается предоставлять только проверенным пользователям через программу trusted access. Z.ai также заявляет о дополнительных системах фильтрации опасных запросов, мониторинга действий модели и отказа от вредоносных задач.
И это показательный момент.
Раньше технологические компании соревновались:
«Кто быстрее выпустит модель?»
Теперь появляется новый признак зрелости:
«Кто способен НЕ выпускать её сразу, если риски слишком велики?»
💰 А ГДЕ ЗДЕСЬ БИЗНЕС?
Огромный рынок.
Потому что практически каждая компания сегодня зависит от:
🌐 сайтов;
📱 приложений;
☁️ облачной инфраструктуры;
💳 платёжных систем;
📊 корпоративного ПО;
🤖 собственных AI-сервисов.
А всё это нужно постоянно проверять.
Если AI сможет автоматизировать хотя бы часть security-аудита, поиск багов и анализ кода, кибербезопасность может получить собственную волну AI-агентов.
Не:
«AI, напиши мне программу».
А:
«AI, проверь наши системы и скажи, где мы уязвимы».
📈 И ВОТ ГДЕ МОЖЕТ ПОЯВИТЬСЯ НОВАЯ НИША
AI уже превращается в:
🤖 программиста;
📊 аналитика;
📞 сотрудника поддержки;
💼 корпоративного агента.
Теперь добавляем ещё одну должность:
🛡 AI-специалист по кибербезопасности.
Z.ai даже анонсировала инициативу Open Source Shield, в рамках которой собирается использовать свои технологии для аудита отдельных open-source проектов и добавить функции проверки кода в продукт ZCode.
😅 ОТДЕЛ IT-БЕЗОПАСНОСТИ 2027
— У нас нашли уязвимость.
— Кто?
— AI.
— Исправили?
— Другой AI.
— А кто проверит обоих?
— Вот тут начинается самое интересное. 😂
🎯 ГЛАВНЫЙ ВЫВОД
Следующий большой рынок AI может быть не только в создании контента и кода, но и в его автоматической проверке.
Потому что чем больше программного обеспечения начинает производить AI, тем больше бизнесу понадобится систем, способных проверять результат работы AI.
И здесь рождается очень интересная экономика:
один AI создаёт → второй проверяет → третий контролирует процесс.
А человек постепенно перемещается выше — туда, где нужно принимать решения и отвечать за последствия.
Поэтому GLM-5.3 интересна не только своими 84,5% на CyberGym.
Она показывает новую профессию для искусственного интеллекта:
не просто программист, а цифровой специалист по безопасности. 🛡🤖
Пока компании радуются:
«Смотрите, AI написал нам код за 30 секунд!»
кибербезопасность тихо спрашивает:
«А теперь можно мы проверим, ЧТО именно он вам там написал?» 😂
Китайский AI-стартап Z.ai представил GLM-5.3 — модель, которая показывает серьёзные возможности в поиске программных уязвимостей.
По данным самой Z.ai, GLM-5.3 набрала 84,5% на CyberGym — тесте, где модель должна анализировать код, находить уязвимости и подтверждать, что проблема действительно существует.
Для сравнения: заявленный результат ограниченной модели Anthropic Mythos 5 — 83,8%.
Но важная оговорка: эти результаты пока независимо не подтверждены.
🤖 ВЧЕРА AI БЫЛ ПРОГРАММИСТОМ. СЕГОДНЯ — УЖЕ БЕЗОПАСНИКОМ
И вот это куда интереснее очередной гонки бенчмарков.
Мы привыкли к AI, который:
💻 пишет код;
🐛 исправляет ошибки;
📝 объясняет функции;
⚙️ автоматизирует разработку.
Теперь появляется следующий этап:
AI сам проверяет программное обеспечение и ищет слабые места.
То есть условный диалог будущего:
— Кто написал этот код?
— AI.
— Кто проверил его на уязвимости?
— Другой AI.
— А человек где?
— На созвоне обсуждает KPI. 😂
🚨 НО ЕСТЬ ОДНА МАЛЕНЬКАЯ ПРОБЛЕМА
AI, который умеет находить уязвимость, потенциально может помочь не только защитнику.
По данным Z.ai, на ExploitBench, где оценивается способность превращать найденные уязвимости в работающие атаки, GLM-5.3 получила 54,4%, тогда как Mythos 5 — 78%.
Именно поэтому такие модели нельзя воспринимать просто как очередной удобный SaaS.
Чем сильнее AI становится в кибербезопасности, тем важнее вопрос:
кто и для чего получает доступ к его возможностям?
🔐 ПОЭТОМУ Z.AI НЕ СПЕШИТ ОТКРЫВАТЬ ВСЕ ДВЕРИ
Компания планирует публичный релиз GLM-5.3 примерно через две недели после дополнительных проверок безопасности.
А наиболее чувствительные кибервозможности собирается предоставлять только проверенным пользователям через программу trusted access. Z.ai также заявляет о дополнительных системах фильтрации опасных запросов, мониторинга действий модели и отказа от вредоносных задач.
И это показательный момент.
Раньше технологические компании соревновались:
«Кто быстрее выпустит модель?»
Теперь появляется новый признак зрелости:
«Кто способен НЕ выпускать её сразу, если риски слишком велики?»
💰 А ГДЕ ЗДЕСЬ БИЗНЕС?
Огромный рынок.
Потому что практически каждая компания сегодня зависит от:
🌐 сайтов;
📱 приложений;
☁️ облачной инфраструктуры;
💳 платёжных систем;
📊 корпоративного ПО;
🤖 собственных AI-сервисов.
А всё это нужно постоянно проверять.
Если AI сможет автоматизировать хотя бы часть security-аудита, поиск багов и анализ кода, кибербезопасность может получить собственную волну AI-агентов.
Не:
«AI, напиши мне программу».
А:
«AI, проверь наши системы и скажи, где мы уязвимы».
📈 И ВОТ ГДЕ МОЖЕТ ПОЯВИТЬСЯ НОВАЯ НИША
AI уже превращается в:
🤖 программиста;
📊 аналитика;
📞 сотрудника поддержки;
💼 корпоративного агента.
Теперь добавляем ещё одну должность:
🛡 AI-специалист по кибербезопасности.
Z.ai даже анонсировала инициативу Open Source Shield, в рамках которой собирается использовать свои технологии для аудита отдельных open-source проектов и добавить функции проверки кода в продукт ZCode.
😅 ОТДЕЛ IT-БЕЗОПАСНОСТИ 2027
— У нас нашли уязвимость.
— Кто?
— AI.
— Исправили?
— Другой AI.
— А кто проверит обоих?
— Вот тут начинается самое интересное. 😂
🎯 ГЛАВНЫЙ ВЫВОД
Следующий большой рынок AI может быть не только в создании контента и кода, но и в его автоматической проверке.
Потому что чем больше программного обеспечения начинает производить AI, тем больше бизнесу понадобится систем, способных проверять результат работы AI.
И здесь рождается очень интересная экономика:
один AI создаёт → второй проверяет → третий контролирует процесс.
А человек постепенно перемещается выше — туда, где нужно принимать решения и отвечать за последствия.
Поэтому GLM-5.3 интересна не только своими 84,5% на CyberGym.
Она показывает новую профессию для искусственного интеллекта:
не просто программист, а цифровой специалист по безопасности. 🛡🤖
🔥1.52K🤩483🎉333❤249👍145🙏101🫡75⚡44😁35🏆10🤝3
This media is not supported in your browser
VIEW IN TELEGRAM
📸 У Алисы AI есть функция, которую я бы реально использовала не только в работе, но и в обычной жизни.
Смысл простой: не пытаться долго описывать словами, что именно перед тобой, а просто загрузить фотографию и задать вопрос.
Например, увидела ноутбук и спрашиваю:
«Алиса, скажи, что это за модель ноутбука и расскажи о его технических характеристиках. Он подойдёт для работы с графическими программами?»
И дальше AI может помочь разобраться: определить модель по фото, объяснить характеристики простым языком и подсказать, хватит ли мощности для Photoshop, Illustrator, Figma и других программ для работы с графикой.
То есть не нужно самой искать название модели, потом отдельно гуглить процессор, видеокарту, объём оперативной памяти и пытаться понять, что из этого вообще важно 😅
То же самое работает и с другой техникой, документами, упаковками, чеками, схемами и разными изображениями.
По сути, формат такой:
Увидела → сфотографировала → загрузила → задала вопрос → получила разбор.
Особенно удобно перед покупкой техники, когда внешне всё выглядит примерно одинаково, а разница в характеристиках может быть огромной.
Меньше ручного поиска и десятков вкладок.
Больше понимания, подойдет ли конкретная вещь именно под твою задачу.
Смысл простой: не пытаться долго описывать словами, что именно перед тобой, а просто загрузить фотографию и задать вопрос.
Например, увидела ноутбук и спрашиваю:
«Алиса, скажи, что это за модель ноутбука и расскажи о его технических характеристиках. Он подойдёт для работы с графическими программами?»
И дальше AI может помочь разобраться: определить модель по фото, объяснить характеристики простым языком и подсказать, хватит ли мощности для Photoshop, Illustrator, Figma и других программ для работы с графикой.
То есть не нужно самой искать название модели, потом отдельно гуглить процессор, видеокарту, объём оперативной памяти и пытаться понять, что из этого вообще важно 😅
То же самое работает и с другой техникой, документами, упаковками, чеками, схемами и разными изображениями.
По сути, формат такой:
Увидела → сфотографировала → загрузила → задала вопрос → получила разбор.
Особенно удобно перед покупкой техники, когда внешне всё выглядит примерно одинаково, а разница в характеристиках может быть огромной.
Меньше ручного поиска и десятков вкладок.
Больше понимания, подойдет ли конкретная вещь именно под твою задачу.
❤1.88K🔥600👍358🎉324🤩241🙏161⚡91✍57👨💻52🤝32🏆7