На фоне последних банов российских аккаунтов Claude хочу посоветовать одну штуку тем, кто использовал его не для программирования, а для обычных рабочих задач.
Есть российская платформа Искработ. По сути, такой Claude для работы с документами, презентациями, таблицами и прочими повседневными задачами. Причем тут можно не просто переписываться с нейросетью, а поручать ей работу и получать готовые файлы.
Что умеет:
– Презентации. Можно закинуть материалы, отчет или просто описать, что нужно, и попросить собрать презентацию. Для встречи с клиентом, защиты проекта или отчета перед руководством.
– Excel и аналитика. Загружаете таблицу с продажами, расходами или другими данными. Искра может разобраться в цифрах, найти ошибки, посчитать показатели, построить графики. Можно даже попросить собрать финансовую модель.
– Документы и PDF. Например, загрузить большой договор или сразу несколько документов, попросить найти нужные пункты, сравнить версии, выделить спорные моменты. Особенно полезно, когда совсем не хочется самому читать сотню страниц.
– ИИ-агент. Тут уже можно давать задачи посложнее, где нужно не просто ответить на вопрос, а самому поискать информацию, изучить материалы, что-то посчитать и собрать результат.
– Созвоны и встречи. Закидываете запись, получаете расшифровку, краткое содержание и список задач, о которых договорились. Причем можно загружать довольно большие аудио и видеофайлы, до 500 МБ.
– Задачи по расписанию. Можно настроить повторяющиеся задачи. Например, чтобы Искработ регулярно готовила сводки или отчеты, а не приходилось каждый раз писать один и тот же запрос.
– 1С. Причем Искру можно подключить напрямую к базе 1С через OData и общаться с ней обычным языком. Например, спросить, какие товары заканчиваются на складе, найти нужные документы или проверить остатки. Без ручных выгрузок и копания в самой 1С. По умолчанию доступ только на чтение.
– MCP и интеграции. Тут вообще интересно. Искру можно подключить к рабочим сервисам: Gmail, Exchange, Google Drive, календарям, amoCRM, Битрикс24 и другим системам. Например, попросить найти переписку с клиентом, посмотреть его сделки в CRM и подготовить ответ с учетом всей истории. Или собрать сводку по продажам перед еженедельной встречей. Через MCP можно подключать и собственные инструменты компании, если стандартных интеграций не хватает.
– Рабочие пространства. Создаете отдельное пространство под проект, загружаете документы, инструкции и дальше работаете с ними. Не нужно каждый раз заново объяснять контекст.
– Для команд. Можно собрать общую базу знаний из регламентов, инструкций и других документов, чтобы сотрудники могли задавать по ним вопросы. Есть и общий пул токенов, то есть необязательно покупать каждому отдельную подписку.
У Искры собственный агентный харнес Anthill, который разрабатывали с нуля под рабочие задачи. Причем агент работает не в отдельной виртуалке, а в симулируемой среде с файлами, командами и инструментами. Всё выполняется на сервере, поэтому неважно, с какого устройства вы работаете. Сами модели могут быть разные: Qwen, DeepSeek, Kimi, GLM и другие. Искра автоматически выбирает модель под задачу. История переписок и файлы хранятся на российских серверах, а для компаний есть возможность развернуть вообще всё у себя, включая локальные LLM.
И что сейчас особенно удобно: Искра работает в России без VPN, интерфейс на русском, пользоваться можно с компьютера и телефона. Не нужно искать иностранную карту или придумывать, как оплатить подписку.
Есть бесплатный тариф для знакомства, платные начинаются от 690 рублей в месяц.
В общем, если Claude у вас был скорее рабочим ассистентом, чем инструментом для разработки, советую попробовать Искработ. По возможностям для повседневной работы тут есть практически всё, ради чего многие и пользовались Claude.
Есть российская платформа Искработ. По сути, такой Claude для работы с документами, презентациями, таблицами и прочими повседневными задачами. Причем тут можно не просто переписываться с нейросетью, а поручать ей работу и получать готовые файлы.
Что умеет:
– Презентации. Можно закинуть материалы, отчет или просто описать, что нужно, и попросить собрать презентацию. Для встречи с клиентом, защиты проекта или отчета перед руководством.
– Excel и аналитика. Загружаете таблицу с продажами, расходами или другими данными. Искра может разобраться в цифрах, найти ошибки, посчитать показатели, построить графики. Можно даже попросить собрать финансовую модель.
– Документы и PDF. Например, загрузить большой договор или сразу несколько документов, попросить найти нужные пункты, сравнить версии, выделить спорные моменты. Особенно полезно, когда совсем не хочется самому читать сотню страниц.
– ИИ-агент. Тут уже можно давать задачи посложнее, где нужно не просто ответить на вопрос, а самому поискать информацию, изучить материалы, что-то посчитать и собрать результат.
– Созвоны и встречи. Закидываете запись, получаете расшифровку, краткое содержание и список задач, о которых договорились. Причем можно загружать довольно большие аудио и видеофайлы, до 500 МБ.
– Задачи по расписанию. Можно настроить повторяющиеся задачи. Например, чтобы Искработ регулярно готовила сводки или отчеты, а не приходилось каждый раз писать один и тот же запрос.
– 1С. Причем Искру можно подключить напрямую к базе 1С через OData и общаться с ней обычным языком. Например, спросить, какие товары заканчиваются на складе, найти нужные документы или проверить остатки. Без ручных выгрузок и копания в самой 1С. По умолчанию доступ только на чтение.
– MCP и интеграции. Тут вообще интересно. Искру можно подключить к рабочим сервисам: Gmail, Exchange, Google Drive, календарям, amoCRM, Битрикс24 и другим системам. Например, попросить найти переписку с клиентом, посмотреть его сделки в CRM и подготовить ответ с учетом всей истории. Или собрать сводку по продажам перед еженедельной встречей. Через MCP можно подключать и собственные инструменты компании, если стандартных интеграций не хватает.
– Рабочие пространства. Создаете отдельное пространство под проект, загружаете документы, инструкции и дальше работаете с ними. Не нужно каждый раз заново объяснять контекст.
– Для команд. Можно собрать общую базу знаний из регламентов, инструкций и других документов, чтобы сотрудники могли задавать по ним вопросы. Есть и общий пул токенов, то есть необязательно покупать каждому отдельную подписку.
У Искры собственный агентный харнес Anthill, который разрабатывали с нуля под рабочие задачи. Причем агент работает не в отдельной виртуалке, а в симулируемой среде с файлами, командами и инструментами. Всё выполняется на сервере, поэтому неважно, с какого устройства вы работаете. Сами модели могут быть разные: Qwen, DeepSeek, Kimi, GLM и другие. Искра автоматически выбирает модель под задачу. История переписок и файлы хранятся на российских серверах, а для компаний есть возможность развернуть вообще всё у себя, включая локальные LLM.
И что сейчас особенно удобно: Искра работает в России без VPN, интерфейс на русском, пользоваться можно с компьютера и телефона. Не нужно искать иностранную карту или придумывать, как оплатить подписку.
Есть бесплатный тариф для знакомства, платные начинаются от 690 рублей в месяц.
В общем, если Claude у вас был скорее рабочим ассистентом, чем инструментом для разработки, советую попробовать Искработ. По возможностям для повседневной работы тут есть практически всё, ради чего многие и пользовались Claude.
2🤣61❤5👍5😭5🔥2🤔2
Forwarded from e/acc
Я прочитал гигастатью "Командные высоты" о стратегии в мире с ИИ, хочу поделиться некоторыми основными трендами из статьи. Значительная часть текста посвящена стратегии американского ИИ. Статья названа как эхо идее Ленина о командных высотах как способу перехода к НЭП - государство должно контролировать главное, а именно промышленность, финансы, транспорт.
В случае ИИ нас ждет не НЭП, а диффузия в экономику, но командные высоты по-прежнему остаются. Вчера это были лабы, чипы и датацентры, завтра это "рельсы" доставки ИИ в экономику. Мультимиллиардерами станут те, кто создают околомонопольные системы создания ценности в экономике. В статье вырезан кусок о том что это именно такое, но очевидные вещи — платежи и новые финансы (стейблы как способ экспорта доллара), дистрибуция на миллиарды людей, легализация ответственности (лицензии и юрисдикции), ролапы и трансформация старых компаний через ИИ.
Кроме этого, есть ряд трендов, с которыми сложно поспорить, но важно держать в голове при планировании:
- Образование перестаёт быть социальным лифтом
Идея "получил диплом - получил работу" мертва. Учиться по-прежнему важно, но это больше не гарантия. Молодые специалисты на старых ролях больше не нужны. Либо прыжок веры до пост-скарсити (хз, лет 10-20-30?), либо придумать себе занятость а не искать на рынке. Первыми страдают начинающие позиции: компании не столько увольняют, сколько перестают нанимать молодых.
- Гражданство дорожает
Эмиграция как способ выбраться закрывается: богатые страны больше не нуждаются в лишних рабочих руках. Паспорт США или ЕС становится одним из самых ценных активов (хотя ЕС летит прямиком в ад).
- Данные ценны сейчас, но это ненадолго.
Сегодня лаборатории платят за уникальные данные, особенно за полные датасеты многих лет работы крупных компаний. Но когда модели достаточно обучатся + заведется continual learning, большинство датасетов обесценится, так что продавать нужно сейчас.
- Неравенство растет, но между богатыми
Раньше разрыв был между владельцами активов и наёмными работниками. Теперь он пройдёт между владельцами старых активов и новых. IPO SpaceX, OpenAI, Anthropic создаст больше миллиардеров, чем когда-либо за один год или даже десятилетие.
Авторы приводят пример газет: в 1984 году Баффет писал, что экономика доминирующей городской газеты одна из лучших в бизнесе, причём качество газеты почти не важно, важна монополия на местную рекламу. Потом реклама ушла в Google, командная высота изменилась. Баффет продолжал покупать газеты до 2012 года, всего примерно на $344M, а в 2020 продал их все за $140M.
Вывод: что вчера было высотой, стало газетой. Главный риск - остаться в рынке или с активами, которые обесцениваются.
В случае ИИ нас ждет не НЭП, а диффузия в экономику, но командные высоты по-прежнему остаются. Вчера это были лабы, чипы и датацентры, завтра это "рельсы" доставки ИИ в экономику. Мультимиллиардерами станут те, кто создают околомонопольные системы создания ценности в экономике. В статье вырезан кусок о том что это именно такое, но очевидные вещи — платежи и новые финансы (стейблы как способ экспорта доллара), дистрибуция на миллиарды людей, легализация ответственности (лицензии и юрисдикции), ролапы и трансформация старых компаний через ИИ.
Кроме этого, есть ряд трендов, с которыми сложно поспорить, но важно держать в голове при планировании:
- Образование перестаёт быть социальным лифтом
Идея "получил диплом - получил работу" мертва. Учиться по-прежнему важно, но это больше не гарантия. Молодые специалисты на старых ролях больше не нужны. Либо прыжок веры до пост-скарсити (хз, лет 10-20-30?), либо придумать себе занятость а не искать на рынке. Первыми страдают начинающие позиции: компании не столько увольняют, сколько перестают нанимать молодых.
- Гражданство дорожает
Эмиграция как способ выбраться закрывается: богатые страны больше не нуждаются в лишних рабочих руках. Паспорт США или ЕС становится одним из самых ценных активов (хотя ЕС летит прямиком в ад).
- Данные ценны сейчас, но это ненадолго.
Сегодня лаборатории платят за уникальные данные, особенно за полные датасеты многих лет работы крупных компаний. Но когда модели достаточно обучатся + заведется continual learning, большинство датасетов обесценится, так что продавать нужно сейчас.
- Неравенство растет, но между богатыми
Раньше разрыв был между владельцами активов и наёмными работниками. Теперь он пройдёт между владельцами старых активов и новых. IPO SpaceX, OpenAI, Anthropic создаст больше миллиардеров, чем когда-либо за один год или даже десятилетие.
Авторы приводят пример газет: в 1984 году Баффет писал, что экономика доминирующей городской газеты одна из лучших в бизнесе, причём качество газеты почти не важно, важна монополия на местную рекламу. Потом реклама ушла в Google, командная высота изменилась. Баффет продолжал покупать газеты до 2012 года, всего примерно на $344M, а в 2020 продал их все за $140M.
Вывод: что вчера было высотой, стало газетой. Главный риск - остаться в рынке или с активами, которые обесцениваются.
👍13❤7🔥1
Мир в Kimi
Если вдруг не знали, на днях Kimi подсуетились и на волне банов-перебанов в Клоде пользователей из РФ, добавили возможность оплачивать подписку российскими картами Мир + работает без випиэнов. Если войти без VPN, то перекидывает на процессинг оплат, где Мир в списке поддерживаемых карт.
Зайти нужно с российского IP без VPN.
Вдруг кому нужно, но еще не знали.
Если вдруг не знали, на днях Kimi подсуетились и на волне банов-перебанов в Клоде пользователей из РФ, добавили возможность оплачивать подписку российскими картами Мир + работает без випиэнов. Если войти без VPN, то перекидывает на процессинг оплат, где Мир в списке поддерживаемых карт.
Зайти нужно с российского IP без VPN.
Вдруг кому нужно, но еще не знали.
🔥40👍12❤7😭1
This media is not supported in your browser
VIEW IN TELEGRAM
GPT-6 Astra улучшила математические способности Qwen3.5-0.8B почти в 6 раз, изменив всего 0,016% весов модели. Причем без обучения!
Исследователи из MIT попросили Astra улучшить небольшую модель Qwen на 800 млн параметров. Она изучила, как модель решает задачи, и заметила, что та часто зацикливается в рассуждениях, повторяет одно и то же и не успевает дать ответ.
Astra нашла причину и самостоятельно изменила всего 131 тысячу параметров из 800 миллионов.
Результаты после изменений:
– MATH-500 (математические задачи): с 7,9% до 48,1%
– GSM8K (школьная математика): с 13,8% до 67,1%
– IFEval (следование инструкциям): с 21% до 62,3%
И все это без привычного дообучения, просто точечное исправление весов!
Исследователи назвали такой подход Weight-Space Programming. По сути, Astra может копаться в весах других нейросетей, находить там проблемы и исправлять их. Примерно как разработчик исправляет ошибки в коде, только тут вместо кода миллионы чисел.
Вот что еще интересного получилось в других экспериментах:
– Определила, для чего созданы другие нейросети. Ей показали внутренние параметры четырех моделей, которые умели играть в разные игры. Astra смогла определить, кто из них играет в Pac-Man, Pong и другие игры, даже не запуская их.
– Починила модель, которая не могла пройти препятствие в игре. Машинка постоянно застревала на подъеме, и даже длительное обучение не помогало. Astra изменила всего 3,5% параметров, после чего машинка успешно прошла препятствие во всех 1024 испытаниях.
– Создала игровую нейросеть без обучения. Еще интереснее с Breakout. Обычно модель приходится долго обучать играть, а тут Astra просто дали правила игры, и она сразу рассчитала параметры для другой нейросети. Причем та набирала примерно в 20 раз больше очков, чем модель, которую обучали сотни миллионов шагов.
Правда, с Qwen есть один момент. Astra не научила ее математике с нуля, а скорее убрала проблему, из-за которой модель зацикливалась и не могла нормально отвечать. На другой модели, у которой такой проблемы не было, повторить результат уже не получилось.
Сейчас, чтобы улучшить модель, ее обычно приходится дообучать, тратить на это вычислительные ресурсы и время. А тут можно просто дать другой, более мощной нейросети доступ к весам и попросить найти, что нужно исправить.
Понятно, что пока это работает далеко не со всеми моделями. Но интересно, получится ли таким способом улучшать уже большие LLM, где речь идет о десятках и сотнях миллиардов параметров.
Полное описание эксперимента: https://rikiyat.github.io/blog/weight-space-programming/
Исследователи из MIT попросили Astra улучшить небольшую модель Qwen на 800 млн параметров. Она изучила, как модель решает задачи, и заметила, что та часто зацикливается в рассуждениях, повторяет одно и то же и не успевает дать ответ.
Astra нашла причину и самостоятельно изменила всего 131 тысячу параметров из 800 миллионов.
Результаты после изменений:
– MATH-500 (математические задачи): с 7,9% до 48,1%
– GSM8K (школьная математика): с 13,8% до 67,1%
– IFEval (следование инструкциям): с 21% до 62,3%
И все это без привычного дообучения, просто точечное исправление весов!
Исследователи назвали такой подход Weight-Space Programming. По сути, Astra может копаться в весах других нейросетей, находить там проблемы и исправлять их. Примерно как разработчик исправляет ошибки в коде, только тут вместо кода миллионы чисел.
Вот что еще интересного получилось в других экспериментах:
– Определила, для чего созданы другие нейросети. Ей показали внутренние параметры четырех моделей, которые умели играть в разные игры. Astra смогла определить, кто из них играет в Pac-Man, Pong и другие игры, даже не запуская их.
– Починила модель, которая не могла пройти препятствие в игре. Машинка постоянно застревала на подъеме, и даже длительное обучение не помогало. Astra изменила всего 3,5% параметров, после чего машинка успешно прошла препятствие во всех 1024 испытаниях.
– Создала игровую нейросеть без обучения. Еще интереснее с Breakout. Обычно модель приходится долго обучать играть, а тут Astra просто дали правила игры, и она сразу рассчитала параметры для другой нейросети. Причем та набирала примерно в 20 раз больше очков, чем модель, которую обучали сотни миллионов шагов.
Правда, с Qwen есть один момент. Astra не научила ее математике с нуля, а скорее убрала проблему, из-за которой модель зацикливалась и не могла нормально отвечать. На другой модели, у которой такой проблемы не было, повторить результат уже не получилось.
Сейчас, чтобы улучшить модель, ее обычно приходится дообучать, тратить на это вычислительные ресурсы и время. А тут можно просто дать другой, более мощной нейросети доступ к весам и попросить найти, что нужно исправить.
Понятно, что пока это работает далеко не со всеми моделями. Но интересно, получится ли таким способом улучшать уже большие LLM, где речь идет о десятках и сотнях миллиардов параметров.
Полное описание эксперимента: https://rikiyat.github.io/blog/weight-space-programming/
❤21👍11🔥10
Кто уже на BB?
Расскажите о своём опыте в комментах! Интересно, стоит ли переходить?
А то из всех дыр, каналов и твиттеров все текут слюной на BB. Стало интересно, поставил сегодня, пока осматриваюсь.
Если что, я про https://getbb.app
Расскажите о своём опыте в комментах! Интересно, стоит ли переходить?
А то из всех дыр, каналов и твиттеров все текут слюной на BB. Стало интересно, поставил сегодня, пока осматриваюсь.
Если что, я про https://getbb.app
❤2🔥1
Ребята из Нейроцеха решили провести бесплатный мастер-класс по продвинутому вайбкодингу, и я очень советую вписаться, особенно если вы только начинаете разбираться с ИИ-агентами. Если кто не в курсе, Нейроцех — это клуб, где предпринимателей, айтишников и вообще всех желающих учат работать с нейросетями.
Преподавать будет Егор Соколов, бывший директор по продукту в Сбере. Сам он код руками вообще не пишет, при этом делает полноценные приложения через ИИ-агентов. Например, программу для голосовой диктовки "Клава не виновата". И вот он как раз собирается показать, как у него все это устроено.
Причем речь не про очередное "попросите нейронку сделать сайт за 5 минут". Егор будет учить работать с агентами на проектах посложнее: как организовать разработку, правильно давать контекст, добавлять новые функции и не ломать при этом все, что уже работает. В общем, как сделать так, чтобы после первых удачных промптов вы не остались один на один с кучей кода, в котором ничего не понимаете.
Еще после каждого занятия Егор обещает делиться инструментами, которые сам использует при разработке своих продуктов. То есть можно будет не просто послушать, как он работает с агентами, а забрать часть его наработок и попробовать все это уже на собственных проектах.
Первый урок уже завтра, 5 ноября, участие полностью бесплатное! Быть разработчиком не обязательно, но желательно хотя бы немного попробовать Codex, Claude Code, DeepSeek или что-то похожее. Поэтому если вы пока только осваиваете вайбкодинг, я бы точно не пропускал такую возможность. Тем более что тут покажут не только результат, но и сам процесс разработки.
Записаться можно через бота → клик
Преподавать будет Егор Соколов, бывший директор по продукту в Сбере. Сам он код руками вообще не пишет, при этом делает полноценные приложения через ИИ-агентов. Например, программу для голосовой диктовки "Клава не виновата". И вот он как раз собирается показать, как у него все это устроено.
Причем речь не про очередное "попросите нейронку сделать сайт за 5 минут". Егор будет учить работать с агентами на проектах посложнее: как организовать разработку, правильно давать контекст, добавлять новые функции и не ломать при этом все, что уже работает. В общем, как сделать так, чтобы после первых удачных промптов вы не остались один на один с кучей кода, в котором ничего не понимаете.
Еще после каждого занятия Егор обещает делиться инструментами, которые сам использует при разработке своих продуктов. То есть можно будет не просто послушать, как он работает с агентами, а забрать часть его наработок и попробовать все это уже на собственных проектах.
Первый урок уже завтра, 5 ноября, участие полностью бесплатное! Быть разработчиком не обязательно, но желательно хотя бы немного попробовать Codex, Claude Code, DeepSeek или что-то похожее. Поэтому если вы пока только осваиваете вайбкодинг, я бы точно не пропускал такую возможность. Тем более что тут покажут не только результат, но и сам процесс разработки.
Записаться можно через бота → клик
❤7🔥4😭4👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Генерация гифок в чатгпт!
Наконец-то! Вот это мы давно ждали, зачем людям AGI, когда всё что нужно, это генерация гиф для чатиков!
Выпустили модель Image 2.6. Теперь можно просто описать нужную анимацию или загрузить картинку и попросить ее оживить. Можно менять скорость, редактировать кадры.
А еще добавили сохранение референсов. Один раз загрузили фотку кота, назвали Барсиком и потом вызываете его через @ в любом другом чате.
Гифки в ChatGPT пока раскатывают постепенно, так что функция может быть еще не у всех.
https://openai.com/index/introducing-images-2-6/
Наконец-то! Вот это мы давно ждали, зачем людям AGI, когда всё что нужно, это генерация гиф для чатиков!
Выпустили модель Image 2.6. Теперь можно просто описать нужную анимацию или загрузить картинку и попросить ее оживить. Можно менять скорость, редактировать кадры.
А еще добавили сохранение референсов. Один раз загрузили фотку кота, назвали Барсиком и потом вызываете его через @ в любом другом чате.
Гифки в ChatGPT пока раскатывают постепенно, так что функция может быть еще не у всех.
https://openai.com/index/introducing-images-2-6/
🔥14❤3