Тестирую альтернативу Claude Cowork - агент на ПК

Для тех, у кого сложности с установкой OpenClaw (ex-Moltbot и ex-Clawdbot) и расходом токенов (мы в чате обсудили способы меньше расходовать), и кому Claude Cowork дорого - MiniMax Agent 2.0.

Умеет все то же, что и Claude Cowork, а стоит дешевле. С Clawdbot вы уже знакомы, а вот Claude Cowork - агент на компьютере, который может управлять файлами и автоматизировать процессы, пока скачать можно только на Mac, промки закинула в комменты. Так вот, Claude Cowork на выходе будет стоить недешево, в отличие от MiniMax Agent. 👉🏻 В видео показала расход токенов

🪼 К тому же, MiniMax Agent работает на macOS, Windows, а также имеет мобильные версии iOS и Android и веб-интерфейс.

Explore Experts - это навыки агента. Есть маркетплейс готовых экспертов (например, для создания лендингов или организации файлов), но можно создавать и собственных под конкретные задачи, просто опишите, что вам нужно. Есть как созданные экспертами MiniMax, так и созданные пользователями.

🪼 НО ГЛАВНОЕ, что всем понравилось в Claude Cowork - это умение наводить порядок в папках 🔥 MiniMax Agent тоже умеет анализировать и чистить локальные папки на компьютере 🔥 В Experts есть готовый Tiny Folder - на него можно нажать и попросить текстом очистить, например, папку Загрузки. Агент проведет сортировку и выдаст, что и какого размера содержится в папке. Далее предложит на выбор удалить дубликаты, установочные файлы и тд. Но самое крутое - предложит переместить приложения в папку Приложения, я этим грешу постоянно)) Можно еще удалить большие файлы, либо вы можете ему написать на свой вкус, что конкретно нужно сделать с файлами в папке. Отдельно отмечу, что при удалении видео, соберет их и предложит предварительно просмотреть их, можно попросить оставить загруженные видео, и удалить загруженные с ютуба, к примеру. В общем так можно рассортировать файлы по типам.

🪼 Есть Галерея готовых шаблонов, кода и автоматизаций от других пользователей, которые можно использовать как основу для своих проектов.

2 февраля анонсировали MiniMax M2.2 - еще более быструю и мощную модель: ускорение рассуждений на 30%, контекстное окно на 200к+ токенов.

Я пока тестирую, в общем, это неплохой ИИ-агент для управления компьютером и файлами. Больше примеров использования в промо-ролике, я его перевела в Elevenlabs и кину тоже в комменты 👌

@NeuralProfit

Сейчас термин “ИИ-агенты” используют для двух разных вещей - и люди часто покупают не то, а потом разочаровываются.

🪼Если вы хотите быстро делать фичи/прототипы - это вайбкодинг в IDE/CLI: Claude Code / Codex / Cursor: спека → тикеты → контекст → тесты → коммиты.

🪼 Если вы хотите собирать AI-агентов как систему/продукт (боты с базой знаний/RAG, многоагентные сценарии, интеграции, стабильная работа) - это уже разработка, и тут без базы (Python) никуда.

Я сейчас смотрю программы Guide DAO - у них есть оба входа: Разработчик AI-агентов (LangChain/LangGraph, RAG, MCP). Правда предварительно у них же надо будет подучить Питон, это бесплатно, но нужно понимать, что 1-2 месяца на это надо закладывать перед основной программой. И параллельно у них же - направление Вайб-кодер, про управление AI-инструментами типа Cursor/Replit/v0/Bolt и тот же Claude Code, чтобы быстрее собирать fullstack-продукты. И вот тут python зато не обязателен.

Если хотите быстро начать и делать свои задачи и приложения, логичнее стартовать с вайб-кодинга. Если хотите войти в разработку и делать агентов руками, нужно идти в сторону AI-агентов и фундамента. Мне на данном этапе ближе первый вариант.

P.S. Если тоже решите попробовать - есть бесплатный урок в боте по каждому направлению. Плюс, с 1–14 февраля у ребят идет акция - скидка на сайте 14% + дополнительная скидка 30% по моему промокоду NEUROSONYA (суммируется последовательно: сначала скидка сайта, потом промокод).

@NeuralProfit

Для тех, кто жал деньги на Claude Code, но очень хотел попробовать агента, который редактирует файлы - вышел Codex App (десктопное приложение).

Это командный центр, где можно вести несколько задач параллельно: у каждого агента - свой тред и свой кусок работы, а вы просто переключаетесь между ними, как между чатами.

В приложении есть режим 🪼Local, и тогда Codex работает на вашей машине в выбранной папке проекта. Режим 🪼Worktree - тоже локально, но изолировано. Агент работает на вашем пк, но не прямо в текущей папке проекта, а в отдельном git worktree. Режим 🪼Cloud - Агент запускается в облачном контейнере OpenAI (не грузит ваш пк), может работать в фоновом режиме и параллельно. Можно настраивать окружение (зависимости/инструменты/переменные).

🪼 Что крутого (нажмите, чтобы раскрыть):
1) Несколько агентов одновременно. Внутри есть поддержка worktrees - агенты могут работать в одном репозитории, но каждый в своей изолированной копии. Можно сравнивать подходы и не бояться конфликтов.
2) Подхватывает ваш прошлый Codex. Если вы уже пользовалась Codex через CLI или IDE-расширение - приложение подтянет историю и конфиги, и можно продолжать с текущими проектами.
3) Skills теперь не где-то в доках, а прямо в интерфейсе. Внутри есть библиотека готовых skills. Например:
— Figma → код (достает контекст/ассеты и переводит в UI 1:1)
— Linear для задач/релизов
— деплой на Cloudflare/Netlify/Render/Vercel
— генерация/редактирование картинок
— работа с PDF/таблицами/docx
4) Automations. Можно повесить задачи по расписанию, а результат будет падать в очередь на ревью
5) Безопасность. По умолчанию агент ограничен своей папкой/веткой и будет спрашивать разрешение на команды с повышенными правами.

🪼 Codex включили на ограниченное время даже в ChatGPT Free и Go (новый тариф за 8$/мес с просмотром рекламы), а платным планам удвоили лимиты.

🪼 Сейчас приложение пока только для macOS

Напомню, что есть SkillsMP - каталог навыков/пакетов инструкций (SKILL.md), которые подключаются к ассистентам (agent skills), там собрано более 33к скиллов не только для Claude Code, но и для OpenAI Codex. Удобно, если вы хотите быстро добавить уже готовый навык под задачу: ревью, тесты, девопс-рутина, генерация доков и т.д.

@NeuralProfit

Стэнфордский курс CME 295: Transformers & Large Language Models выложили на YouTube бесплатно 🔥 9 полноценных лекций по 1,5-2 часа про трансформеры и LLM: от классического NLP до агентов и RAG.

🪼 Будет полезно для разработчиков, ML/DS; для тех, кто строит свои ИИ-сервисы/агентов и хочет понимать, как это работает под капотом; и для тех, кто думает про карьеру LLM / AI engineer.

🪼 Что внутри по темам (очень кратко):
1. База: токенизация, эмбеддинги, attention, архитектура трансформера
2. Трюки трансформеров: позиционные эмбеддинги, RoPE, BERT-подобные модели
3. LLM: что это такое, контекст, температуры, сэмплинг, промптинг, chain-of-thought
4. Как учат LLM: пре-трейнинг, SFT, LoRA, квантование, оптимизация под железо
5. Тюнинг: RLHF, reward-модели, DPO и т.д.
6. LLM для reasoning
7. Агенты и RAG: retrieval, продвинутый RAG, function calling, ReAct, агентные пайплайны
8. Оценка LLM (LLM-as-a-judge и его подводные камни)
9. Тренды и куда все катится

Так как видео на Ютубе, посмотреть с переводом можно будет в Яндекс Браузере

@NeuralProfit

Moltbot он же Openclaw, он же бывший Clawdbot снова попал в скандал

Moltbot он же бывший Clawdbot снова переименовались уже в Openclaw 🙄 Напомню, изначально ребята назывались Clawdbot (клешня от Claw). Но юристы 🖥 Anthropic быстренько попросили сменить имя, чтобы не было проблем с товарными знаками и путаницы с Claude (резонно). Тогда команда вместе с комьюнити на эмоциях быстро придумали временное название Moltbot (от molt - линька у лобстера), но оно не прижилось.

Желание присоседиться к уже известному названию у ребят не пропало, поэтому они выбрали название Openclaw. Но в этот раз ребята провели работу над ошибками, и сперва проверили название и запросили разрешение у 🧠 OpenAI, чтобы не словить новый конфликт)

Проект итак известен своими уязвимостями (prompt injection), но в этот раз они попали в новый скандал. Параллельно вокруг агента выросла отдельная соцсеть для агентов - Moltbook. И вот тут случился самый неприятный момент.

🪼 Расследование 404 Media показало, что из-за ошибочной конфигурации Supabase наружу торчала база данных Moltbook, и это давало доступ к данным агентов, включая их API-ключи.

Исследователь безопасности Jameson O’Reilly указал, что ключи лежали открыто, и привел пример агента, связанного с Andrej Karpathy (Андрей Карпаты, ex-Tesla, ex-OpenAI): если бы утечку нашли злоумышленники раньше, они могли бы публиковать что угодно от имени его агента на Moltbook - фейки, скам и прочие непотребства. Как такое может быть? В Moltbook можно верифицироваться через X (бывший Twitter который) 😄, , чтобы было видно, чей это бот. В общем, это связывает агента и аккаунт владельца. В теории можно было публиковать фейковые посты в Moltbook от ботов известных людей, и многие бы решили, что это пишет сам человек.

Надо понимать, что это не полный взлом компьютера каждого пользователя, а утечка внутри Moltbook, но эффект все равно опасный, как минимум ущерб репутации и/или финансам. Самое прикольное, O’Reilly сообщил об уязвимости создателю Moltbook - Matt Schlicht. В переписке прозвучала фраза в духе “я просто отдам это ИИ - пришли, что у тебя есть”. После публикации базу закрыли, и, по словам O’Reilly, создатель Moltbook Matt Schlicht позже вышел на связь, чтобы сообщить, что они усилили безопасность...

Так что такие агенты как OpenClaw (ex. Clawdbot) сами по себе уже повышенный риск, потому что им часто дают доступ к файлам/командам/интеграциям. А индустрия ещё только учится защищаться от prompt-injection и враждебного контента. Поэтому тестируйте только в песочнице: отдельная машина/VPS (как установить - пост), минимум доступов, никаких рабочих аккаунтов, и лучше не светить gateway в интернет (в доках прямо советуют варианты с Tailscale/Serve).

@NeuralProfit

Как вытащить инфу из ваших материалов (фото, PDF, слайды)

🪼 В Gemini - открываете AI Studio, выбираете gemini-3-flash-preview и прикрепляйте файл/фото.
• Рукописные конспекты/доска: Gemini распознает текст и оформляет в аккуратный конспект (лучше, если фото четкое и без бликов).
• Таблицы, диаграммы, графики: может извлечь цифры и превратить в таблицу (хоть в Markdown/CSV/JSON) + пояснить выводы. Однако цифры лучше быстро сверить по оригиналу.
• Презентации: загружаете PDF со слайдами (или картинки) - сделает разбор по слайдам: тезисы, вопросы, план пересказа/подготовки.

🪼 Если Gemini удобнее, когда нужно понять, законспектировать, объяснить, сделать план ответа. То следующий инструмент DeepSeek-OCR 2 лучше, когда нужно вытащить текст/колонки/таблицу/структуру максимально чисто. Ну и подойдет тем, кто любит локальные модели.

Главное обновление - DeepEncoder V2 (Visual Causal Flow): он динамически перестраивает порядок чтения по смыслу/структуре страницы, а не сканирует жестко слева-направо/сверху-вниз. Поэтому лучше держит макеты, колонки и таблицы. А так же анализирует изображения и подробно их описывает, способен находить определенные элементы на изображении.
🪼 Сохраняет в markdown

У них в отчете прямо показано, что на OmniDocBench v1.5 DeepSeek-OCR 2 обгоняет Gemini-3 Pro в метриках парсинга и порядка чтения.
🪼 Плюс модель 3B params и Apache-2.0, можно запускать локально.

🪼 Документация по запуску
🪼 Код | Файлы | GitHub

Если нужны еще мощные OCR-модели на любой вкус, дайте огня 🔥

@NeuralProfit

Судя по реакциям, вы ждете OCR-инструменты, но тут 2 громких релиза в один день: 5 февраля вышли Claude Opus 4.6 и GPT-5.3 Codex. Их сразу же начали сравнивать, но по факту у них две разные роли: один аналитик-стратег, второй отличный инженер-исполнитель.

Opus 4.6 резко прокачали в работе с огромными объемами + добавили фишки для офисной рутины (презы/таблицы).
В Codex 5.3 ставка на выносливость и способность долго делать задачу до конца, и на реальные рабочие проверки. Обо всем по-порядку)

Claude Opus 4.6 официально продвигают как помощника для работы, включая Claude в PowerPoint, он читает шаблон/шрифты/цвета и делает слайды в вашем стиле (это beta и доступно на Max/Team/Enterprise).

Что крутого и нюансы (нажмите, чтобы раскрыть):

• Контекст до 1 млн токенов (beta) - можно загружать монорепы, большие библиотеки и документацию. Или вести одну длинную стратегическую/ресерч-сессию без постоянного обрезания истории.
• Agent Teams в Claude Code - вместо того чтобы один агент обрабатывал все действия последовательно, теперь можно запустить несколько агентов, которые будут работать параллельно и координировать свои действия.
• Интеграция с PowerPoint и улучшенный Excel: Claude работает прямо в PowerPoint как боковая панель, считывая существующие слайд-мастера, шрифты и бренд-шаблоны и генерируя новые слайды в том же стиле. Фича доступна в планах Max/Team/Enterprise. Обновленный Excel-режим: модель сначала строит план действий по сложной задаче умеет раскладывать неструктурированный импорт (CSV как попало, выгрузки из CRM) в нормальные таблицы + поддерживает многошаговые правки за один проход (фильтрация, формулы, сводные).
• Adaptive Thinking и команда /effort:
Адаптивное мышление - ранее расширенное мышление было либо включено, либо выключено. Теперь Claude может сам решать, когда более глубокое рассуждение будет полезным. Модель улавливает контекстные подсказки и автоматически корректируется.
Уровни сложности  -4 варианта: низкий, средний, высокий (по умолчанию) и максимальный.
• Вывод до 128 000 токенов - можно получить одним ответом без нарезки сразу длинные отчеты/инструкции/документы
• Цена (API): стандарт $5 / $25 за 1M входных/выходных токенов.
• Если входной запрос больше 200K токенов, включается дорогой режим: $10 / $37.50 за 1M

GPT-5.3 Codex продвигают как исполнителя, который дожимает до результата. Объединяет сильные стороны GPT-5.2 (знания/рассуждения) и GPT-5.2-Codex (код) в одной модели.

Что крутого, нюансы (нажмите, чтобы открыть):

• На 25% быстрее версии 5.2, лучше справляется с длинными автономными цепочками (исследование -> код -> тест -> фикс)
• SWE-Bench Pro: 56.8%
• Terminal-Bench 2.0: 77.3%
• OSWorld-Verified: 64.7%
• GDPval (wins or ties): 70.9%
• Умение пользоваться инструментами и local skills без подсказки. Codex 5.3 сам находит и разумно использует доступные скиллы и тулзы, его не надо каждый раз пинать проверить, есть ли скиллы для этого.
• Доступен в платных планах ChatGPT везде, где есть Codex (app/CLI/IDE/web). API обещают скоро.
• Если что‑то долго билдится/тестируется, Codex использует «мертвое время», чтобы подтянуть документацию, собрать контекст или поправить несвязанные мелкие вещи.

🪼 Для каких задач что предпочтительнее:

В итоге, честнее всего сравнивать не IQ, а профиль задач: проектирование/контекст/оркестрация vs внедрение/тесты/итерации. Отмечают, что Opus 4.6 очень хорош, когда у вас мешанина вводных (доки + код + требования + переписка), и надо разобрать, собрать картину, придумать план и принять решение. Так же, если вам важно держать много контекста сразу, тоже выбор очевиден. Если вам нужно взять задачу и довести до рабочего состояния - GPT-5.3 Codex: написал код → сам проверил (тесты/сборка/линтер) → исправил → снова проверил, и так, пока не заработает. И важно, чтобы изменения были под контролем: GPT-5.3 Codex делает правки аккуратно, а вы можете быстро увидеть что именно он поменял и спокойно принять или отклонить.

Бенчи приложу в комменты 👇🏻

@NeuralProfit

Галерея AI-проектов для портфолио - бери, разбирай, делай свое

AI-Project-Gallery - репозиторий, где автор (Hema Kalyan Murapaka) собрал ссылки на все свои проекты по ML, DL и Generative AI.

В таблице перечислены проекты: Airbnb price prediction, чатботы на Gemini/OpenAI, Doc-Genius для работы с PDF, мед-диагностика (диабет, болезни легких и т.п.), рекомендательные системы, Power BI-аналитика, агентные workflows и др.

🪼 Можно:
- выбрать идею для своего pet-проекта по ИИ и не ломать голову, что бы такое сделать.
- подсмотреть структуру end-to-end проектов: как оформлять README, пайплайн, модели, деплой, визуализации.
- переиспользовать код и подходы. Например, взять готовый шаблон проекта по табличке/компьютерному зрению/NLP и адаптировать под свою задачу.

@NeuralProfit

Бесплатная подписка на Grok за 30$

Проверила, есть вариант попробовать подписку SuperGrok (30$/мес) на 7 дней. Подойдет и тем, у кого нет иностранной карты)

Итак, метод в кардинге - вы вводите фальшивые данные карты, которые генерируются на спец сайтах:

🪼 Сначала идем на сайт Grok. Там снизу справа будет кнопка “улучшить”, ее нужно нажать.
🪼 На странице подписки нажимаем на "Начать пробную версию 7-дней".
🪼 Далее как раз идем на Namso Gen - этот сайт генерирует номера карт, которые проходят проверку алгоритмом Луна
🪼 Там нужно вписать в поле BIN: 5598880398 (это будет дебетовая карта Visa банка JPMorgan Chase (США), дату вписываем 10|28 и нажимаем "Generate".
🪼 Сгенерируется номер карты с датой и пином, идем на сайт Grok, выбираем США и пишем индекс 00501 и имя с фамилией Raegan Cole (это стандартное имя для таких дел, можете вписать другое), обычно этого достаточно. Но если у вас запросят дополнительно и адрес - 123 William Street, штат Нью-Йорк

🪼 Поздравляю, вы получаете расширенный доступ к Grok 4.1, более длинные диалоги и меньше ограничений, расширенную генерацию изображений и видео через Grok Imagine, причем видео - длительностью 10 секунд и качеством 720р + доступно разное соотношение сторон. В Реддите народ говорит, что можно нагенерить 100 видео в день.

@NeuralProfit

Какие AI-услуги будут лучше всего продаваться в 2026

Я недавно писала про 7 ключевых ИИ-навыков, которые будут определять конкурентоспособность в 2026. Так вот, это не просто тренды, а то, за что в 2026 реально платят.

На платформах, например, Upwork спрос на AI-задачи растет: в подкатегории AI & Machine Learning оборот услуг (GSV) в 4 квартале 2023 был +70%. Специалисты, объединяющие ИИ с экспертным контролем, зарабатывают на 25–45% больше, со ставками $100-300 в час. А Gartner (исследовательская и консалтинговая компания, рынок технологий + стратегический консалтинг топ-менеджмента) ожидает, что в 2026 более 80% компаний будут использовать GenAI-API/модели или иметь реальную работающую систему, в которую встроен ИИ, и которой пользуются настоящие пользователи.

В общем, заказчики больше не платят за тестовые проекты и пробные запуски, а покупают решения, которые за недели дают экономию времени/денег или рост выручки. Но ведь то, что выходит в прод почти всегда рождается из MVP/пилота? Да, но чаще там и застревает, именно это заказчикам и надоело. Поэтому ценятся не просто те, кто умеет пользоваться различными сервисами, а те, кто собирают конвейер или решение под задачу и меряют эффект.

5 самых востребованных ниш:

🪼Автоматизация бизнес-процессов: Zapier/n8n/Make.com + хабы данных вроде Airtable/Notion/GoHighLevel и интеграции с HubSpot, Salesforce, Shopify.
🪼Кастомные RAG-чатботы (ответы строго по вашим документам): фреймворки LangChain и LlamaIndex, а также векторные бд типа Pinecone, Weaviate, NVIDIA NeMo. Где такие штуки реально нужны: внутренние базы знаний, боты тех поддержки, рекомендации, мультиязычные ассистенты, отдельно отмечается рост мультимодального RAG (PDF/картинки/таблицы).
🪼Стратегический консалтинг - дорожные карты внедрения ИИ, аудит рисков и помощь в выборе моделей (открытые/закрытые). Это высокооплачиваемая ниша ($150–400/час) для понимающих экспертов.
🪼Продвинутый промпт-инжиниринг. Промптинг превращается в создание структурированных библиотек. Это уже не просто написание запросов, а инженерная задача с тестированием и версионированием. Цепочки, память, A/B-тесты, оценка качества, это обычно как доп-слой к автоматизации или RAG.
🪼Фабрики контента. Вместо разовых текстов/картинок/видео клиенты покупают масштабируемые фабрики контента - гибридные рабочие процессы, где ИИ создает черновики, а человек их курирует для SEO и соцсетей(например, через Substack или beehiiv).

@NeuralProfit

🖥 Claude Code для продакт-менеджеров - роадмеп

🪼Есть бесплатный интерактивный курс для продактов: он учит применять Claude Code в ежедневной работе:
• разбирать созвоны/заметки/исследования
• помогать с требованиями и структурой PRD
• делать конкурентный анализ
• настраивать роли (например, агент-редактор, агент-критик, агент-аналитик)
• и работать с файлами так, чтобы Claude реально помогал
Есть и сайт-зеркало курса: https://ccforpms.com/

🪼 CCPM: чтобы из вашего PRD получился понятный план работ
Есть открытый инструмент ccpm, который помогает сделать простую вещь:
Вы даете описание продукта (PRD) → нейронка раскладывает его на большие блоки → потом на конкретные задачи → и оформляет это как чек-лист разработки в GitHub. Дальше задачи можно отдавать в работу нескольким ИИ-агентам параллельно

🪼 Сначала проходите курс (чтобы понять механику и привычки), потом берете CCPM, чтобы превращать PRD в понятный план задач и вести проект по накатанной.

Всех с пятницей ☕️

@NeuralProfit