Кто уже задолбался платить за токены Claude, погнали смотреть, что можно запустить прямо на нашем пылесосе 😁

CanIRun.ai сам подхватывает параметры компьютера и сразу показывает, какие локальные нейросети на нём заработают. Не надо выяснять, сколько памяти нужно модели и потянет ли её твой Mac или старый игровой PC.

Выбираешь подходящую модель, тут же получаешь ссылку, откуда её запускать. Дальше нейросеть работает локально, а за каждый чих токенами платить уже не надо.

Сам CanIRun.ai тоже бесплатный.

Проверить свой пылесос: ⁠CanIRun.ai💻

Написано человеком.

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO

Кажется, скоро спорам "кто круче, ChatGPT, Claude или Gemini?" может прийти конец. Потому что нейросети становятся подозрительно похожими друг на друга.

Исследователи взяли около 26 000 реальных запросов без единственного правильного ответа: придумать идею, дать совет, написать историю. И прогнали их через десятки разных моделей.

Когда правильного ответа нет и можно придумать что угодно, модели всё равно регулярно придумывают одно и то же. Причём похожи ответы не только разных нейросетей. Одна и та же модель при повторных попытках тоже быстро начинает ходить по кругу.

Авторы назвали это Artificial Hivemind, искусственный ульевой разум.

Никакого общего мозга, конечно, не нашли. И общего секретного хранилища мыслей тоже. Почему модели сходятся, пока точно неизвестно. Среди возможных причин общие данные, похожее обучение и всё больше синтетического контента в интернете.

Но практический вывод мне нравится.

Мы привыкли открыть ChatGPT, потом для проверки спросить Claude, потом сходить за третьим мнением в Gemini.

А скоро третьего мнения там может уже и не быть. 😵

Написано человеком.

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO

Прочитал целых 4 свежих работы о том, как современные модели реагируют на инструкции. И половина наших шпаргалок плохо состарилась.

Фраза «думай пошагово» в большом тесте IBM проиграла обычному вопросу с коротко заданной ролью. В другом эксперименте модели заметно хуже держали много требований сразу: при 8 правилах шанс выполнить все восемь составил 5,7%. 🧮

Ещё веселее с вопросами, в которых ответ уже подсказан. Одно слово вроде «правда?» или «может быть?» меняло склонность моделей соглашаться с пользователем. Так что нейтральная постановка задачи полезнее таких заигрываний. 🧠

И с нашей путеводной звездой - примерами - тоже не всё очень. В работе EPFL, Apple и Mistral модель показала лучший результат на математических задачах без нескольких готовых примеров рассуждения. Пусть думают сами, железяки.

Короче, меньше ритуальных заклинаний. Чёткая задача, нужный контекст, несколько требований и проверка результата сейчас полезнее промпта на три экрана.

Написано человеком.

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO

Я всё больше использую аутрич (адресные e-mail рассылки) именно как задачу для AI агента. Отдаю ему всю рутину до момента, когда мне остаётся проверить результат и решить, отправлять или нет.

🔎 С Codex это уже вполне рабочая схема. Он может найти список компаний, открыть сайты, понять, кому вообще имеет смысл писать, найти подходящий контакт, сохранить источник, заполнить CRM, подготовить разные письма и создать черновики в Gmail. Причём каждое письмо строится под конкретную компанию, а не через замену имени в одном шаблоне.

🧠 Если правила аутрича сложить в отдельный Skill, не надо каждый раз кормить Codex длинным промптом. Он помнит структуру CRM, правила проверки контактов, ограничения по Gmail, антиспам и главное правило: ничего не отправлять без отдельной команды.

Я собрал весь процесс в один большой практический гайд: от настройки таблицы, SPF, DKIM и DMARC до one shot режима, проверки писем на нейрослоп и девяти готовых промптов.

Можно взять структуру, синуть её в одного агента Codex, который соберёт другого агента по аутричу.

Полный гайд 👉 ТУТ

Написано человеком.

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO

Подпишись в Telegram | Дзен | Max🧠

TATSY.PRO

Вестерны пишут, что Астра поглупела и замедлилась, в доказательство приводят сравнения генераций 3Д объектов.

Опенэйай в комментах открещиваются.

Подпишись в Telegram | Дзен | Max🧠

TATSY.PRO

Подпишись в Telegram | Дзен | Max🧠

TATSY.PRO

Подпишись в Telegram | Дзен | Max🧠

TATSY.PRO

Ну, вы, наверное, уже в курсе, что ИИ добрался до Задачи Тысячелетия.

В 2000 году математикам предложили семь сверхсложных задач и по $1 млн за решение каждой. За 25 лет кожаные раскололи только одну: Григорий Перельман доказал гипотезу Пуанкаре. Остальные шесть так и стояли нерешёнными.

А в этом году 10 000 (!) агентов OpenAI за 88 часов закрыли задачу Навье Стокса, над которой математики бились почти 90 лет.

Но я не об этом. В 2024 году (на заре общего доступа к LLM моделям) исследователей ИИ спрашивали, когда иишка сможет самостоятельно решить задачу тысячелетия. Угадайте средний прогноз: 2053 год.

Короче, промахнулись почти на три десятилетия.

Мы продолжаем недооценивать ускорение развития и близость RSI - это когда ИИ улучшает сам себя.

Написано человеком.

Подпишись в Telegram | Дзен | Max 🧠

TATSY.PRO