Курсор мыши не менялся принципиально более 50 лет. Google DeepMind опубликовал концепцию AI Pointer, где курсор становится точкой входа в ИИ прямо в любом приложении

Система на основе Gemini захватывает визуальный и семантический контекст вокруг курсора, поэтому пользователь может сказать “исправь это” или “перемести туда”, не описывая, что именно

Среди сценариев: указать на PDF и получить краткое изложение, навести на таблицу и получить диаграмму, указать на кадр из видео и получить ссылку на бронирование. Принципы уже интегрируются в Chrome (через Gemini in Chrome) и ноутбук Googlebook под названием Magic Pointer. В Google AI Studio доступны два экспериментальных демо: редактирование изображения и поиск мест на карте через голос и указание

Почитать: https://deepmind.google/blog/ai-pointer/
Демо: https://aistudio.google.com/apps/bundled/ai-pointer-find​​​​​​​​​​​​​​​​

В агентном мире Mac не должен засыпать, а держать крышку приоткрытой не вариант. Появились USB-C dummy plug заглушки за $3-5, которые эмулируют наличие внешнего дисплея на аппаратном уровне, и Mac остается активным в clamshell mode без команд и утилит

Через несколько часов после анонса Google DeepMind AI Pointer разработчик Milind S выпустил open-source клон для macOS под названием tiptour

Приложение захватывает экран, определяет, на какое окно или приложение направлено внимание пользователя, и принимает команды в свободной форме: можно нарисовать что-то на экране и попросить ИИ это изменить, или просто сказать что сделать. Агент умеет кликать, печатать, редактировать интерфейсы, навигироваться между приложениями и выполнять код

Сделано на основе trycua, open-source фреймворка для computer-use агентов. Работает на macOS, требует Gemini API ключ. Скачать можно как готовый DMG без сборки через Xcode

GitHub: https://github.com/milind-soni/tiptour-macos

DMG: https://tiptour.io/​​​​​​​​​​​​​​​​

Инженер из команды Claude Code Тарик опубликовал статью “The Unreasonable Effectiveness of HTML” о том, что Markdown плохо масштабируется как формат вывода агентов: документы длиннее 100 строк никто не читает, ASCII-диаграммы нечитаемы, таблицы из символов ломаются

Карпатый поддержал тезис и добавил свою рамку: треть мозга занята зрением, и визуальный вывод от ИИ эффективнее текстового по определению

Разработчик Нико Байлон сделал скил visual-explainer, который реализует эту идею в Claude Code. Скил добавляет команды /diff-review, /plan-review, /project-recap, /fact-check и /generate-web-diagram, каждая из которых генерирует самодостаточный HTML-файл и открывает его в браузере. Любая команда поддерживает флаг --slides для генерации слайд-дека

GitHub: https://github.com/nicobailon/visual-explainer

Anthropic выпустила пакет инструментов для малого бизнеса: Claude теперь умеет планировать зарплату, закрывать месяц в бухгалтерии, отправлять контракты на подпись и запускать маркетинговые кампании.

Все это подключается переключателем в Claude Cowork к уже привычным инструментам: QuickBooks, PayPal, Canva, DocuSign и другим. Дополнительной платы нет сверх текущей подписки

Почитать: https://www.anthropic.com/news/claude-for-small-business

Посмотреть: https://youtu.be/lserpKbUDjc?si=xygPtPgluO45qFbu

LM Studio обновила MLX движок до версии v1.8.1 с двумя изменениями

Первое, batching для vision-моделей: несколько чатов с multimodal-моделью теперь обрабатываются параллельно, а не последовательно

Второе, переработанное кэширование KV-кэшей для ускорения инференса в целом. Обновление доступно только через бета-канал: Developer Mode, переключение на beta runtime channel, выбор LM Studio MLX v1.8.1. Стабильный канал пока не затронут

OpenAI запустил Codex в мобильном приложении ChatGPT в режиме превью

Anthropic выделяет подписчикам тарифа Max 20x отдельный ежемесячный бюджет в $200 для использования Claude через Agent SDK и флаг claude -p, включая сторонние приложения, построенные на базе Agent SDK

До этого изменения было неясно, конкурирует ли программное использование с лимитами интерактивного чата. Теперь бюджеты разделены: $200 идут на агентное и скриптовое использование, основные лимиты остаются для чата, Claude Code и Cowork

При исчерпании бонусного баланса включается режим “extra usage”, который можно включить или отключить вручную. Бюджет не переносится на следующий месяц и требует ручной активации в июне через отдельное уведомление от Anthropic

Топ опенсорс 🔥 (особенно под стиль kids и тд)

Большинство качественных лекций, подкастов и технических докладов доступны только на одном языке, чаще всего на английском

Violin решает это через единый пайплайн: ffmpeg извлекает аудио, Whisper Large v3 строит транскрипт с временными метками, DeepSeek V4 Pro переводит каждый сегмент, Cartesia Sonic 3 синтезирует озвучку, и ffmpeg собирает итоговый mp4 с субтитрами

Поддерживаются 33 языка, для 16 из них есть подобранные голоса носителей, включая русский. Шесть стилевых профилей меняют регистр перевода и темп речи, например “kids” переписывает текст для уровня 7-летнего. Встроенный ИИ ассистент позволяет задавать вопросы по содержанию видео через Qwen3.5-397B с опорой на кадры и субтитры. Клонирование голоса не поддерживается.

Стек взаимозаменяем через YAML: Together, OpenAI, ElevenLabs. Лицензия MIT, Python 3.10+

Почитать: https://www.together.ai/blog/violin-open-source-translation-skill
GitHub: https://github.com/shang-zhu/violin
Демо: https://www.violin-ai.com​​​​​​​​​​​​​​​​

Большой репозиторий с Claude Code это десятки инструментальных вызовов на каждый вопрос о структуре кода. CodeGraph решает это через предварительную индексацию: граф символов, цепочки вызовов и зависимости строятся один раз и хранятся локально в SQLite

Инструмент работает как MCP-сервер: tree-sitter парсит код в AST, извлекает функции, классы, вызовы и импорты, разрешает ссылки между символами. Claude Code получает инструменты codegraph_explore, codegraph_callers, codegraph_impact и другие, по которым запрашивает граф напрямую вместо сканирования файловой системы

Тесты на шести репозиториях (VS Code: 59 тысяч нод, Swift Compiler: 272 тысячи нод) показали среднее сокращение вызовов инструментов на 92% и ускорение на 71%. На VS Code агент ответил на вопрос об архитектуре за 17 секунд вместо 1 минуты 37 секунд, не прочитав ни одного файла

Поддерживается 19 языков, файловый вотчер обновляет граф инкрементально при сохранении с задержкой около 2 секунд. Данные не покидают машину

GitHub: https://github.com/colbymchenry/codegraph​​​​​​​​​​​​​​​​

Есть кто используют Tinker (платформа для файн-тюнинга), тут новости

Они убирают из своего каталога Llama, DeepSeek и большую часть Qwen3, заменяя их моделями серии Qwen3.5 и Qwen3.6. Дата снятия, 12 июня 2026, затрагивает 20 моделей сразу

Под депрекацию попали все базовые Llama 3.1 и 3.2, Kimi-K2.5 и K2-Thinking, DeepSeek-V3.1-Base. Рекомендованной заменой для большинства из них стал Qwen, в том числе для Llama-3.3-70B, что говорит о том, как платформа сейчас оценивает соотношение качества и эффективности этих моделей

Одновременно в каталог добавлены три новые модели: Qwen3.5-9B, Qwen3.5-35B-A3B-Base и Qwen3.5-9B-Base. После 12 июня обучать и запускать инференс на устаревших моделях будет нельзя, но скачать сохраненные чекпоинты можно еще в течение 6 месяцев.

Получается Qwen сейчас считается универсальным стандартом по соотношению качество/эффективность

Документация: https://tinker-docs.thinkingmachines.ai/tinker/model-deprecations/​​​​​​​​​​​​​​​​

Подход e2e-тестирования iOS на симуляторе без написания тестового кода.

Вместо Maestro или XCTest использовали gpt-5.5-low через OpenAI Codex CLI в YOLO-режиме и CLI-инструмент agent-device. Модель получает задачу на человекочитаемом языке, делает скриншот экрана симулятора, читает accessibility tree, нажимает на элементы по координатам, снова проверяет результат и корректирует действия.

В демо задача была переключить Glass Effect в настройках приложения Moshi: модель не нашла кнопку в accessibility tree, определила ее положение по координатам и завершила задачу. Из двух ошибок вышла самостоятельно.

Установить нужно только agent-device.dev CLI и его companion skill для модели

Интересный подход от https://x.com/odd_joel/status/2055672427259334930?s=46

Официальный репозиторий от Google, Agent Skills для своих продуктов

13 скилов: BigQuery, Firebase, GKE, Cloud Run, Cloud SQL, AlloyDB, Gemini API, а также рецепты по онбордингу и Well-Architected Framework. Устанавливается командой npx skills add google/skills. Работает в Claude Code, Gemini CLI и любых других совместимых агентах

Также команда google-gemini опубликовала отдельный репозиторий gemini-skills, где замерили эффект: добавление скила повышает точность генерации корректного API-кода до 87% с Gemini 3 Flash и до 96% с Gemini 3.1 Pro

GitHub: https://github.com/google/skills

GitHub: https://github.com/google-gemini/gemini-skills​​​​​​​​​​​​​​​​

OpenAI Codex получил функцию Remote Connections, которая сейчас находится в стадии альфа. Она позволяет запускать агента на удаленном SSH-хосте и работать с ним с любого другого устройства

Практическая схема: Mac mini держит Codex всегда включенным и подключенным, MacBook и телефон подключаются к нему и видят все активные треды. Настройка требует добавить хост в ~/.ssh/config, установить Codex на удаленной машине и подключить ее в Settings > Connections внутри приложения. Треды, запущенные для удаленного проекта, выполняют команды и читают файлы именно на том хосте

Для работы вне локальной сети OpenAI рекомендует использовать VPN или Tailscale, а не открывать app server напрямую в интернет. Фича пока в альфа-доступе, условия могут меняться

Документация: https://developers.openai.com/codex/remote-connections​​​​​​​​​​​​​​​​

В сети появилось видео с новой версией программы Gemini для компьютеров Mac

Главное изменение заключается в том, что искусственный интеллект теперь может напрямую работать с файлами на вашем жестком диске. Программа умеет читать документы в указанных папках, находить там информацию и вносить правки по запросу пользователя.

В приложении также заявлена функция анализа происходящего на экране в реальном времени

Надеюсь также пофиксят баг, когда приложение само по себе закрывается

Исследователи из компании Calif продемонстрировали успешный взлом ядра macOS на устройствах с процессорами Apple M5

В ходе работы был обойден аппаратный механизм Memory Integrity Enforcement, который основан на технологии ARM MTE. Эта система внедрялась как основная функция безопасности чипов M5 и A19, предназначенная для защиты от класса уязвимостей, использующих повреждение памяти

Разработка рабочего эксплойта заняла у специалистов пять дней, для чего применялся инструмент Mythos Preview. Представители Calif лично передали подробный отчет об уязвимости в главный офис Apple

Публикация технических деталей ожидается только после того, как компания выпустит соответствующее обновление операционной системы для устранения данной проблемы

На видео демонстрируется сам процесс взлома

Источники:

https://x.com/intcyberdigest/status/2055281844816384262?s=46

https://blog.calif.io/p/first-public-kernel-memory-corruption

У Gemini новый дизайн в iOS приложении, на маке тоже завезли 🔥

Также добавили модели и уровень рассуждения

Карпаты присоединился к Anthropic 🔥

Tongyi Lab выпустил Qwen3.5-LiveTranslate, модель для синхронного перевода речи в реальном времени с клонированием голоса спикера (у GPT-realtime такого нету 👀)

Поддерживается понимание и текстовый вывод на 60 языках, голосовой вывод на 29. Заявлено более 3500 языковых пар с минимальной задержкой

Функция Visual Grounding позволяет модели использовать визуальный контекст с экрана или камеры для повышения точности перевода

Hotword Customization дает возможность задать пользовательский словарь из брендов, имен и терминов, чтобы исключить их искажение при транскрипции

Модель уже доступна на omni.chat.ai, API анонсировано как скоро доступное через bailian.console.aliyun.com.

Gemini Omni, новая видеомодель Google, генерирует образовательные ролики по запросу пользователь описывает тему, модель создает короткое видео с визуализацией, субтитрами и голосом

Ключевое отличие от существующих видеогенераторов, судя по утечкам и ранним тестам, это корректный рендеринг математических формул и уравнений прямо в видеоряде, что критично для образовательного контента. Ранние тесты также фиксировали стабильность сцен, синхронизацию голоса и возможность редактирования через чат-запрос

Модель анонсируется сегодня на Google I/O 2026. По структуре Omni позиционируется как единая мультимодальная система, которая работает с текстом, изображениями, видео и аудио нативно, в рамках одной модели

Когда запускаешь ИИ-агента, нужно самому писать логику цикла: вызовы инструментов, обработка ошибок, управление контекстом, стриминг событий

Claude Managed Agents берет это на себя вы описываете задачу и подключаете инструменты, Anthropic запускает агентный цикл на своей стороне

Сегодня добавили две вещи. Self-hosted sandboxes: сам агентный цикл остается у Anthropic, но выполнение инструментов переносится в вашу инфраструктуру или к провайдерам вроде Cloudflare, Daytona, Modal, Vercel.

MCP tunnels: агент обращается к внутренним базам, API и сервисам компании через зашифрованный туннель, без входящих правил файрвола и публичных эндпоинтов. Актуально для enterprise, где данные не должны покидать периметр. Self-hosted sandboxes уже в публичной бете, MCP tunnels пока в research preview

Почитать: https://claude.com/blog/claude-managed-agents-updates

Документация: https://platform.claude.com/docs/en/managed-agents/self-hosted-sandboxes​​​​​​​​​​​​​​​​