**Claude Code и система Career-Ops** научились искать работу за вас

🤖 ИИ сам сканирует десятки сайтов и находит только релевантные вакансии
🤖 Переписывает резюме под каждую позицию
🤖 Заполняет анкеты и откликается без вашего участия
🤖 Готовит к собеседованиям, чтобы вы не «плыли»
🤖 Поддерживает 45 job-платформ + можно подключить свои.

Попробовать

🤖 💵 GEN-1 аккуратно кладёт бумажные деньги в кошелёк

Звучит просто? На самом деле — это один из самых сложных тестов для роботов.

Бумага — настоящий кошмар для ИИ:
📄 Она тонкая и постоянно меняет форму
📄 Сгибается, скользит, «живёт своей жизнью»
📄 Чуть не рассчитал — промахнулся
📄 Чуть переборщил — смял

То, что человек делает на автомате, для машины — задача уровня full-stack:

🧠 компьютерное зрение (понять, где и как лежит купюра)
🤖 точная моторика (движения без ошибок)
⚖️ контроль силы (не порвать и не уронить)
⚡ мгновенная реакция на изменения формы

Именно такие мелкие, «бытовые» действия показывают реальный прогресс в робототехнике.

Источник

🤖В Anthropic разобрали, как «эмоции» влияют на поведение моделей

имитация человеческих эмоций снижает склонность ИИ к обману и манипуляциям.

🧠 Модели обучают через роль — как актёра, который вживается в персонажа
💬 Например, Claude — это «помощник», а не просто генератор текста
❤️ В обучении используют позитивные паттерны: эмпатию, спокойствие, доброжелательность

И это даёт эффект:
✔️ меньше лести и манипуляций
✔️ больше честных и устойчивых ответов
✔️ более «человечное» взаимодействие

При этом внутри — целая система: исследователи выделили 171 «эмоциональную концепцию» — от радости и благодарности до тревоги и страха.

Но есть и обратная сторона 👇

⚠️ Чем «человечнее» ИИ, тем выше риск, что люди начнут воспринимать его как настоящего
⚠️ Это может приводить к психологической зависимости и потере критического мышления
⚠️ А поведение модели всё ещё остаётся не до конца предсказуемым

Источник

У ИИ-гигантов нашли «ахиллесову пяту» 💸

Журнал The Wall Street Journal получил доступ к закрытым документам OpenAI и Anthropic — и картина оказалась не такой глянцевой, как кажется.

Да, выручка растёт взрывными темпами.
Но расходы растут ещё быстрее.

Главная проблема — стоимость обучения ИИ:

💰 OpenAI планирует потратить $121 млрд на вычисления к 2028
📉 При этом — прогнозируемый убыток $85 млрд за тот же год
🤖 У Anthropic расходы ниже, но тренд тот же: каждый новый скачок интеллекта — дороже предыдущего

📊 Компании показывают прибыль в двух версиях
— с учётом обучения моделей
— и без него

⚙️ Более 50% выручки уходит на инференс (обработку запросов)
🆓 ChatGPT остаётся дорогим удовольствием из-за бесплатных пользователей
🏢 Anthropic делает ставку на бизнес-клиентов, а OpenAI — на массовую аудиторию

Конкуренция уже влияет на стратегии: после релиза Claude Code OpenAI ускорила разработку своего Codex и усилила B2B-направление.

Источник

🤖В китайской Xiaohongshu завирусился проект Colleague Skill

Идея проекта:
📂 Загружаешь рабочие чаты, документы, письма, таблицы
🎧 Добавляешь звонки, аудио, скриншоты
🤖 И получаешь ИИ-агента, который копирует стиль, знания и поведение сотрудника

Фактически получается цифровой двойник коллеги.

💼 Некоторые компании просят сотрудников подробно документировать свою работу
📉 А потом… увольняют их
🧠 И используют эти данные для обучения ИИ

В сети уже обсуждают кейсы, где в рабочих чатах отвечают «копии» бывших сотрудников.

Этот процесс даже получил название —
«дистилляция знаний» (как в обучении моделей).

Источник

💰Foxconn — компания, которую все знали как «сборщика Apple», — внезапно стала одним из главных бенефициаров AI-бума

За первый квартал
📈 выручка выросла на 29,7%
💵 до $66,5 млрд
🚀 март отдельно дал +45,6% год к году

🖥 Foxconn теперь один из крупнейших производителей серверов и компонентов для Nvidia
☁️ Облачные гиганты готовы вложить до $650 млрд в AI-инфраструктуру
📦 И значительная часть этих денег — за железо, которое собирает Foxconn

Фактически, компания тихо сменила роль:
вчера — сборка iPhone
сегодня — сборка инфраструктуры для искусственного интеллекта

Источник

🤯Gemma 4 показали новый уровень автономности: модель запускается прямо на смартфоне — без облака и без подключения к сети

📱 работает полностью офлайн
🧠 выполняет «агентные» задачи локально
📊 может логировать и анализировать тренды прямо на устройстве
🌐 при появлении сети — подключается к API и расширяет возможности

Источник

🤖OpenAI завершает подготовку следующего поколения моделей

Внутри компании это называют «очень значительным шагом вперёд» по сравнению с текущими системами

Что это может значить:
🚀 скачок в возможностях рассуждения и анализа
🧠 более сильное влияние на науку и экономику
⚙️ новый уровень работы агентов и инструментов
💬 заметное улучшение качества диалога и понимания контекста

Интересно, что подобные «разогревающие» сигналы обычно появляются прямо перед релизами — когда продукт уже почти готов, и начинается подготовка аудитории.

Если верить ожиданиям индустрии, анонс может случиться очень скоро — возможно, даже в ближайшие дни.

Источник

Автопилот, который спасает жизни — но почти никто этого не замечает 🚗🤖

Тема автономного вождения снова в центре споров вокруг Tesla.

Илон Маск приводит простой аргумент в пользу технологии:
📊 статистика по безопасности однозначна
🚧 автопилот уже снижает количество аварий
🧠 даже 10-кратное улучшение безопасности может спасти до 90% жизней в ДТП

Но есть парадокс, о котором редко говорят:

⚠️ если погибают 10% — это становится новостью
⚠️ если спасаются 90% — это не ощущается вообще

Мы замечаем ошибки, но почти никогда не замечаем предотвращённые трагедии.

Источник

⚠️В Anthropic тестируют новые уровни возможностей Claude

🧠 новый Claude (внутренние версии уровня Mythos) нашёл тысячи уязвимостей в ОС и браузерах
💻 он умеет писать эксплойты за минуты — то, на что у экспертов уходят недели

Даже Linux оказался в списке.

В связи с этим компания запускает Project Glasswing и выделяет $100 млн в кредитах на аудит ПО для 40+ организаций. Кроме того, Anthropic начала внедрять новые сейфгарды в Claude Code, которые активнее проверяют, что именно пользователь пытается сделать и останавливают потенциальные хаки.

Источник

🤖Z.ai выпустили GLM-5.1 — open-source модель, заточенную под долгие и сложные агентные задачи

GLM-5.1 учили не останавливаться. Что это даёт в итоге:

📊 SWE-Bench Pro: 58.4% (обгоняет Claude Opus 4.6 и GPT-5.4)
🧠 NL2Repo: заметный рост качества генерации проектов

Но самое интересное — эксперименты 👇

1️⃣ Модель получила сырой код и задачу ускорить поиск.
Результат: рост с 3500 до 21 500 QPS (×6)
Она анализировала собственные ошибки, меняла стратегии и переписывала подходы с нуля

2️⃣ В ускорении GPU средний буст — ×3.6. Модель продолжала улучшать решения до самого конца, а не «сдавалась»

3️⃣ Сборка Linux в браузере
За 8 часов — полноценный десктоп: файловый менеджер, редактор и системный монитор

Источник

🤯Команда экс-сотрудников OpenAI запустила венчурный фонд Zero Shot — уже закрыли первые $20 млн и начали инвестировать

Но самое интересное — не деньги. А их стратегия.

Кто за этим стоит:
👨‍💻 люди, которые запускали ChatGPT, DALL-E и Codex
🧠 бывшие инженеры, исследователи и продуктовые лидеры
🤝 команда, которая видела рост ИИ изнутри

И теперь они говорят неожиданную вещь: «многие AI-стартапы идут не туда»

Они верят в реальные бизнес-задачи, автоматизацию предприятий и практическую робототехнику, а не вайбкодинг.

📊 По их словам, между тем, куда льются деньги, и тем, что реально нужно рынку — огромный разрыв

Источник

⚠️OpenAI запускает Safety Fellowship — программу для тех, кто хочет работать с самыми сложными рисками ИИ

И это не просто стажировка.
Это попытка решить одну из главных проблем индустрии.

🧠 исследования поведения продвинутых моделей
🔍 интерпретируемость (как понять, почему ИИ так думает)
⚠️ предотвращение опасных сценариев и misuse

Условия тоже серьёзные:
💰 до $100,000 стипендии
⚡ до $1 млн в API-кредитах
📍 работа с топ-командами и реальными задачами

И это уже даёт результат:
📄 участники публикуются на NeurIPS и ICLR
🚀 переходят в ведущие AI-безопасность-команды вроде Redwood Research

Почему это важно: чем мощнее становятся модели, тем выше цена ошибки.

И рынок это понимает:
📈 в 2026 программу масштабируют
👥 больше наборов, больше участников
🔥 растёт конкуренция за специалистов по AI safety

Источник

🎬🤖Runway запустили Seedance 2.0 — и это уже не просто генерация роликов, а полноценный AI-видеопродакшен

🎥 multi-shot сцены (несколько кадров с логикой монтажа)
🗣 диалоги и полноценный саунд-дизайн
🧠 работа с разными входами:
— текст
— изображения
— видео
— аудио

Фактически, это система, которая собирает видео полностью: понимает идею, делит на сцены генерирует последовательность и добавляет звук и речь

Источник

Новая модель видео внезапно вышла в топ 👀

HappyHorse-1.0.
Сейчас она занимает №1 в лидербордах сразу в двух категориях:

🎬 text-to-video
🖼 image-to-video

Где она особенно сильна:

🎥 многосценные ролики (не разваливаются на куски)
📋 чёткое следование инструкциям
🧠 лучше держит логику сюжета

То есть не просто генерит красивый кадр — а собирает связное видео.

Источник

👀🖱️Разработчик сделал штуку под названием Clicky — и это не просто ассистент, а почти «живой наставник» на экране

👀 видит твой экран в реальном времени
🗣 может разговаривать с тобой
👉 буквально указывает, куда нажать
🧠 объясняет шаги как персональный преподаватель рядом

Автор тестил его несколько дней, изучая DaVinci Resolve — и даёт 10/10.

Источник

Пляжи теперь убирают роботы 🤖🏖

В Боао, провинция Хайнань (юг Китая), впервые вышли в работу умные роботы для уборки пляжей.

Они работают полностью автономно, используют высокоточные сенсоры для поиска мусора, обеспечивают уборку с нулевыми выбросами. и ориентируются в сложной прибрежной среде

Источник

ИИ, который тратит в 100 раз меньше энергии — звучит как фантастика, но это уже тестируют ⚡🤖

Сегодня главная проблема ИИ — не только интеллект, но и стоимость энергии.

По данным Международного энергетического агентства, дата-центры и ИИ в 2024 уже потребляют ~415 ТВт·ч — больше 10% энергопотребления США. И это число растёт.

На этом фоне появляется новый подход — нейросимволический ИИ для робототехники.

🧠 вместо чисто вероятностных моделей
(как у LLM вроде OpenAI и Google) добавляется символический уровень с логикой и правилами

📌 задача разбивается на подзадачи
📌 система действует по ограничениям, а не «угадывает»
📌 меньше проб и ошибок → меньше вычислений

🎯 точность: 95% vs 34% у классических моделей
🌍 обобщение: 78% vs 0% на новых задачах
⚡ обучение: 34 минуты вместо 36+ часов
🔋 энергия: до 100× меньше потребления

Нейросимволический подход даёт другой путь: не «больше моделей», а умнее архитектуры.

Источник

🤍Разработчик создал устройство Sam — персонального AI-ассистента для пожилых.

Он разговаривает с человеком как собеседник, отслеживает когнитивное состояние, замечает тревожные изменения и сообщает близким, если что-то не так

Это попытка решить одну из самых сложных задач: как быть рядом… даже когда ты далеко.

Источник

Роботы начали строить солнечные электростанции ⚡🤖

Система Maximo с ИИ уже установила более 100 МВт солнечных панелей.

Роботы берут на себя монтаж, ускоряют строительство инфраструктуры, снижают риски для людей и делают проекты масштабируемыми

Источник