This media is not supported in your browser
VIEW IN TELEGRAM
🦾 Епоха «роботів-іграшок» закінчилася: Чому Boston Dynamics насправді виграли гонку гуманоїдів?
Поки весь світ стежить за амбітними обіцянками Ілона Маска щодо Tesla Optimus, у затінку великого хайпу стався справжній тектонічний зсув. Boston Dynamics офіційно запустили серійне виробництво нового Atlas. І головна новина навіть не в цьому, а в тому, що весь обсяг виробництва на 2026 рік уже повністю розпроданий.
Чому техгіганти на кшталт Google та SoftBank роками «спалювали» мільярди на цьому проекті й зрештою здалися, а звичайний автовиробник зміг довести справу до кінця?
Ось кілька ключових нюансів, які змінюють правила гри:
📍 Виробничий прагматизм замість софтверних мрій
Головна проблема Google була в тому, що вони — компанія даних та хмари. У них немає заводів. Новий власник, Hyundai, підійшов до питання інакше. Найдорожча частина робота — це актуатори (його «м’язи»). Hyundai просто взяли технології зі своїх ліній електромобілів і адаптували їх під робота. Те, що для стартапів є високою технологією, для автогіганта — серійна деталь.
📍 Робот, що ефективніший за людину фізично
Більшість розробників намагаються скопіювати людське тіло. Boston Dynamics пішли далі. Їхній новий Atlas має суглоби, що обертаються на 360 градусів. Йому не потрібно розвертатися всім тілом, щоб взяти деталь позаду — він просто прокручує тулуб або кінцівки. Це робить його в рази швидшим за будь-якого професійного вантажника.
📍 Інтелект нового рівня
Завдяки партнерству з Google DeepMind, робот отримав розуміння природної мови через мультимодальні моделі (типу Gemini). Тепер йому не потрібно прописувати код для кожної дії. Достатньо сказати: «Прибери робоче місце», і він сам ідентифікує сміття, розрізнить інструменти та знайде, куди їх скласти. Якщо на шляху виникне перешкода, він не зупиниться в очікуванні команди, а самостійно знайде рішення.
📍 Жорстка економіка
Хоча ціна за одиницю може сягати $200 000, для великого бізнесу це копійки. Робот працює у три зміни, 24/7, не потребує страховки, відпустки чи перерв на каву. При терміні служби у 10 років вартість його експлуатації стає нижчою за мінімальну зарплату в будь-якій розвиненій країні.
🧐 Що ж це означає для нас?
1. Закритий цикл виробництва. Hyundai будує заводи, де роботи Atlas будуть збирати інших роботів і автомобілі. Це початок повної автономізації важкої промисловості.
2. Залізо важливіше за код. Перемогу в гонці ШІ-гуманоїдів здобуде не той, у кого краща нейромережа, а той, хто має налагоджені ланцюжки постачання запчастин та серійне виробництво.
3. 2026 рік — точка неповернення. Це рік, коли антропоморфні машини перестають бути героями віральних відео і стають штатними співробітниками великих корпорацій.
Ми на порозі моменту, коли фраза «вкалують роботи, а не людина» стає не мрією, а фінансовим звітом великих корпорацій. Питання лише в тому, як швидко цей тренд дійде до середнього бізнесу.
Висновки робіть самі, а я пішов гострити лазерний меч. Бо коли Atlas прийде за моєю зарплатою, я хочу зустріти його як джедай.
Gainers | Andrii Shpak
Поки весь світ стежить за амбітними обіцянками Ілона Маска щодо Tesla Optimus, у затінку великого хайпу стався справжній тектонічний зсув. Boston Dynamics офіційно запустили серійне виробництво нового Atlas. І головна новина навіть не в цьому, а в тому, що весь обсяг виробництва на 2026 рік уже повністю розпроданий.
Чому техгіганти на кшталт Google та SoftBank роками «спалювали» мільярди на цьому проекті й зрештою здалися, а звичайний автовиробник зміг довести справу до кінця?
Ось кілька ключових нюансів, які змінюють правила гри:
📍 Виробничий прагматизм замість софтверних мрій
Головна проблема Google була в тому, що вони — компанія даних та хмари. У них немає заводів. Новий власник, Hyundai, підійшов до питання інакше. Найдорожча частина робота — це актуатори (його «м’язи»). Hyundai просто взяли технології зі своїх ліній електромобілів і адаптували їх під робота. Те, що для стартапів є високою технологією, для автогіганта — серійна деталь.
📍 Робот, що ефективніший за людину фізично
Більшість розробників намагаються скопіювати людське тіло. Boston Dynamics пішли далі. Їхній новий Atlas має суглоби, що обертаються на 360 градусів. Йому не потрібно розвертатися всім тілом, щоб взяти деталь позаду — він просто прокручує тулуб або кінцівки. Це робить його в рази швидшим за будь-якого професійного вантажника.
📍 Інтелект нового рівня
Завдяки партнерству з Google DeepMind, робот отримав розуміння природної мови через мультимодальні моделі (типу Gemini). Тепер йому не потрібно прописувати код для кожної дії. Достатньо сказати: «Прибери робоче місце», і він сам ідентифікує сміття, розрізнить інструменти та знайде, куди їх скласти. Якщо на шляху виникне перешкода, він не зупиниться в очікуванні команди, а самостійно знайде рішення.
📍 Жорстка економіка
Хоча ціна за одиницю може сягати $200 000, для великого бізнесу це копійки. Робот працює у три зміни, 24/7, не потребує страховки, відпустки чи перерв на каву. При терміні служби у 10 років вартість його експлуатації стає нижчою за мінімальну зарплату в будь-якій розвиненій країні.
🧐 Що ж це означає для нас?
1. Закритий цикл виробництва. Hyundai будує заводи, де роботи Atlas будуть збирати інших роботів і автомобілі. Це початок повної автономізації важкої промисловості.
2. Залізо важливіше за код. Перемогу в гонці ШІ-гуманоїдів здобуде не той, у кого краща нейромережа, а той, хто має налагоджені ланцюжки постачання запчастин та серійне виробництво.
3. 2026 рік — точка неповернення. Це рік, коли антропоморфні машини перестають бути героями віральних відео і стають штатними співробітниками великих корпорацій.
Ми на порозі моменту, коли фраза «вкалують роботи, а не людина» стає не мрією, а фінансовим звітом великих корпорацій. Питання лише в тому, як швидко цей тренд дійде до середнього бізнесу.
Gainers | Andrii Shpak
👍5🔥3❤1😁1
GPT-5.5 — не апдейт. Це зміна поведінки моделі
OpenAI у своєму релізі прямо підкреслюють:
фокус не на “ще трохи розумніша”, а на тому, як модель працює з задачами.
Що реально змінилось
• Тримає довгі задачі (менше обривів посеред процесу)
• Інтерпретує намір, а не текст (менше “буквального тупіння” по промпту)
• Мислить системно в коді (бачить залежності, ризики, побічні ефекти)
• Сам додає відсутні кроки (тести, перевірки, валідація — без прямого запиту)
• Менше потребує контролю (ти задаєш ціль → вона розгортає виконання)
👉 Це не про відповіді. Це про доведення задачі до кінця.
Де це дає приріст по бенчмарках (і це видно по профілю задач):
• агентні сценарії
• coding + debugging
• multi-step задачі
• робота з інструментами і браузинг
Особливо — там, де раніше модель “розвалювалась” на середині.
Ціна
$5 / 1M input
$30 / 1M output
Так, дорожче.
Але менше ітерацій і ручного контролю.
Мінуси (вони самі це визнають)
• більше відмов через безпеку
• інколи overblocking
• менше “гнучкості” в сірій зоні
👉 тобто: стабільність ↑, свобода ↓
Де використовувати
Підходить:
• AI-агенти
• автоматизація процесів
• складні системи (код, продукт, аналітика)
Не підходить:
• дешевий контент
• прості запити
• "поговорити”
Gainers | Andrii Shpak
OpenAI у своєму релізі прямо підкреслюють:
фокус не на “ще трохи розумніша”, а на тому, як модель працює з задачами.
Що реально змінилось
• Тримає довгі задачі (менше обривів посеред процесу)
• Інтерпретує намір, а не текст (менше “буквального тупіння” по промпту)
• Мислить системно в коді (бачить залежності, ризики, побічні ефекти)
• Сам додає відсутні кроки (тести, перевірки, валідація — без прямого запиту)
• Менше потребує контролю (ти задаєш ціль → вона розгортає виконання)
👉 Це не про відповіді. Це про доведення задачі до кінця.
Де це дає приріст по бенчмарках (і це видно по профілю задач):
• агентні сценарії
• coding + debugging
• multi-step задачі
• робота з інструментами і браузинг
Особливо — там, де раніше модель “розвалювалась” на середині.
Ціна
$5 / 1M input
$30 / 1M output
Так, дорожче.
Але менше ітерацій і ручного контролю.
Мінуси (вони самі це визнають)
• більше відмов через безпеку
• інколи overblocking
• менше “гнучкості” в сірій зоні
👉 тобто: стабільність ↑, свобода ↓
Де використовувати
Підходить:
• AI-агенти
• автоматизація процесів
• складні системи (код, продукт, аналітика)
Не підходить:
• дешевий контент
• прості запити
• "поговорити”
Gainers | Andrii Shpak
🔥3🙏1
Зараз ми дійсно бачимо, як штучний інтелект переходить від простого інструмента до більш самостійних систем. Якщо раніше це був просто помічник, який реагував на запит, то сьогодні він уже здатен брати на себе частину процесу: аналізувати, приймати проміжні рішення, виконувати задачі. І так, він ще далекий від ідеалу — часто помиляється, потребує контролю, не розуміє контекст повністю. Але навіть у такому стані він уже робить те, що раніше робили люди.
Якщо продовжити цю логіку, стає зрозуміло, до чого все рухається. Не до “розумного чату”, а до систем, які можуть діяти автономно. Тобто не просто відповідати, а виконувати: домовлятись, купувати, створювати, запускати, керувати процесами. І саме тому зараз всі говорять про агентів — це перша форма таких систем.
У певному сенсі ми рухаємось до моделі, де людина перестає бути виконавцем і стає керівником. Ти не робиш — ти задаєш напрям. Не пишеш — формулюєш ідею. Не виконуєш — делегуєш. І з часом ця межа буде тільки зміщуватись: все більше задач буде автоматизовано, і все менше буде потреби в ручній роботі.
Звідси і виникає досить провокативна думка: якщо AI буде робити майже все — тоді яка роль людини? Чи взагалі вона потрібна?
Але тут є важливий момент. Штучний інтелект не має власного бажання, сенсу чи цілі. Він не “хоче” нічого. Він не відчуває задоволення, не переживає, не шукає сенс. Він просто оптимізує те, що йому задають. Тобто він може приготувати їжу, але не може відчути смак. Може написати музику, але не переживає її. Може зімітувати емоцію, але не проживає її.
І саме тут з’являється роль людини. Не як виконавця, а як джерела сенсу. Людина — це та, хто вирішує “навіщо”. Навіть якщо AI зможе забезпечити комфорт, їжу, розваги, навіть емоційну стимуляцію — питання “для чого все це” залишиться відкритим.
І парадокс у тому, що чим більше AI буде брати на себе, тим сильніше буде проявлятись це питання. Бо коли ти зайнятий виживанням — ти не думаєш про сенс. А коли все зроблено за тебе — ти залишаєшся сам на сам із цим питанням.
Тому, скоріше за все, майбутнє — це не світ, де люди “не потрібні”. Це світ, де змінюється сама природа людини. Де цінність не в тому, що ти робиш руками чи навіть головою, а в тому, що ти вибираєш, куди рухатись, що створювати і що вважати важливим.
І якщо дуже спростити:
AI відповідає на питання “як зробити”,
а людина — на питання “навіщо це робити взагалі”.
Якщо продовжити цю логіку, стає зрозуміло, до чого все рухається. Не до “розумного чату”, а до систем, які можуть діяти автономно. Тобто не просто відповідати, а виконувати: домовлятись, купувати, створювати, запускати, керувати процесами. І саме тому зараз всі говорять про агентів — це перша форма таких систем.
У певному сенсі ми рухаємось до моделі, де людина перестає бути виконавцем і стає керівником. Ти не робиш — ти задаєш напрям. Не пишеш — формулюєш ідею. Не виконуєш — делегуєш. І з часом ця межа буде тільки зміщуватись: все більше задач буде автоматизовано, і все менше буде потреби в ручній роботі.
Звідси і виникає досить провокативна думка: якщо AI буде робити майже все — тоді яка роль людини? Чи взагалі вона потрібна?
Але тут є важливий момент. Штучний інтелект не має власного бажання, сенсу чи цілі. Він не “хоче” нічого. Він не відчуває задоволення, не переживає, не шукає сенс. Він просто оптимізує те, що йому задають. Тобто він може приготувати їжу, але не може відчути смак. Може написати музику, але не переживає її. Може зімітувати емоцію, але не проживає її.
І саме тут з’являється роль людини. Не як виконавця, а як джерела сенсу. Людина — це та, хто вирішує “навіщо”. Навіть якщо AI зможе забезпечити комфорт, їжу, розваги, навіть емоційну стимуляцію — питання “для чого все це” залишиться відкритим.
І парадокс у тому, що чим більше AI буде брати на себе, тим сильніше буде проявлятись це питання. Бо коли ти зайнятий виживанням — ти не думаєш про сенс. А коли все зроблено за тебе — ти залишаєшся сам на сам із цим питанням.
Тому, скоріше за все, майбутнє — це не світ, де люди “не потрібні”. Це світ, де змінюється сама природа людини. Де цінність не в тому, що ти робиш руками чи навіть головою, а в тому, що ти вибираєш, куди рухатись, що створювати і що вважати важливим.
І якщо дуже спростити:
AI відповідає на питання “як зробити”,
а людина — на питання “навіщо це робити взагалі”.
👍6
Сьогодні знайшов цікавий AI-інструмент Shadow 2.0.
Його ідея дуже проста: після кожного дзвінка у нас зазвичай з’являється новий список задач. Написати follow-up, створити документ, домовитися про наступну зустріч, оновити CRM, підготувати пропозицію.
Shadow намагається вирішити саме це.
Це не просто AI-нотатник для зустрічей. Не просто “ось вам саммарі після дзвінка”. Його головна ідея — виконувати частину пост-call роботи ще під час самої розмови.
Наприклад, під час дзвінка він може:
— створити нотатки в Notion
— підготувати follow-up email
— запропонувати наступну зустріч у календарі
— сформувати задачі
— підготувати документи або чернетки для погодження
Найцікавіше тут не саме “AI для зустрічей”, бо таких інструментів вже багато: Otter, Fireflies, Granola, Fathom і т.д.
Цікава саме зміна логіки.
Раніше було так:
зустріч → нотатки → список задач → людина потім все доробляє
А Shadow пропонує іншу модель:
зустріч → AI розуміє дію → готує результат → людина перевіряє → задача майже закрита ще до завершення дзвінка
Це дуже добре показує, куди рухається ринок AI-агентів.
Ми йдемо від “AI, який слухає і записує” до “AI, який має руки і може виконувати роботу”.
Звісно, такі системи ще не ідеальні. Їм потрібен контроль, погодження, обмеження, особливо коли йдеться про приватні дані, продажі, документи або клієнтські розмови.
Але напрямок вже зрозумілий: майбутні AI-інструменти будуть не просто давати інформацію, а закривати конкретні робочі процеси.
І, здається, саме такі продукти зараз будуть з’являтися все частіше.
Завантажити можна тут.
Його ідея дуже проста: після кожного дзвінка у нас зазвичай з’являється новий список задач. Написати follow-up, створити документ, домовитися про наступну зустріч, оновити CRM, підготувати пропозицію.
Shadow намагається вирішити саме це.
Це не просто AI-нотатник для зустрічей. Не просто “ось вам саммарі після дзвінка”. Його головна ідея — виконувати частину пост-call роботи ще під час самої розмови.
Наприклад, під час дзвінка він може:
— створити нотатки в Notion
— підготувати follow-up email
— запропонувати наступну зустріч у календарі
— сформувати задачі
— підготувати документи або чернетки для погодження
Найцікавіше тут не саме “AI для зустрічей”, бо таких інструментів вже багато: Otter, Fireflies, Granola, Fathom і т.д.
Цікава саме зміна логіки.
Раніше було так:
зустріч → нотатки → список задач → людина потім все доробляє
А Shadow пропонує іншу модель:
зустріч → AI розуміє дію → готує результат → людина перевіряє → задача майже закрита ще до завершення дзвінка
Це дуже добре показує, куди рухається ринок AI-агентів.
Ми йдемо від “AI, який слухає і записує” до “AI, який має руки і може виконувати роботу”.
Звісно, такі системи ще не ідеальні. Їм потрібен контроль, погодження, обмеження, особливо коли йдеться про приватні дані, продажі, документи або клієнтські розмови.
Але напрямок вже зрозумілий: майбутні AI-інструменти будуть не просто давати інформацію, а закривати конкретні робочі процеси.
І, здається, саме такі продукти зараз будуть з’являтися все частіше.
Завантажити можна тут.
🤔4❤2
Forwarded from ALPI Creators (Андрій Ольшевський)
Google запустить АІ-коуча по здоров'ю
З 19 травня відкриється доступ до Health Coach. Це гугловський АІ-асистент на Gemini, який стежитиме за сном, тренуваннями, харчуванням та загальним станом.
Дані про користувача він братиме з Fitbit, Pixel Watch і медичних записів. Пишуть, що можна завантажувати фото їжі, записувати тренування голосом та отримувати персональні рекомендації — прокачана версіях їх Google Health.
Вартість — $10 на місяць.
Тільки-но нутриціологи навчилися заробляти в соцмережах, і тут така халепа 😉
#АІмедицина
З 19 травня відкриється доступ до Health Coach. Це гугловський АІ-асистент на Gemini, який стежитиме за сном, тренуваннями, харчуванням та загальним станом.
Дані про користувача він братиме з Fitbit, Pixel Watch і медичних записів. Пишуть, що можна завантажувати фото їжі, записувати тренування голосом та отримувати персональні рекомендації — прокачана версіях їх Google Health.
Вартість — $10 на місяць.
Тільки-но нутриціологи навчилися заробляти в соцмережах, і тут така халепа 😉
#АІмедицина
👍3😁3❤1
Я випадково помітив одну дуже дивну річ у AI-генераторах…
Контент створювати стало набагато дешевше. Набагато швидше. І тепер головна битва — це битва за вашу увагу.
Саме увага сьогодні коштує найбільше.
Великі компанії платять мільйони за те, щоб забрати хоча б декілька секунд вашої уваги. Вони наймають психологів, режисерів, сценаристів, контент-мейкерів, які продумують кожен хук, кожен кадр, кожну емоцію з перших секунд відео.
І, до речі, дуже цікавий момент.
Якщо ви зараз думаєте, яку професію освоювати — контент-мейкер ще дуже довго буде в топі. Люди, які вміють привертати увагу, утримувати її та передавати через контент сенси, емоції чи навіть маніпуляції — це одні з найцінніших і найвисокооплачуваніших людей нової епохи.
А тепер найцікавіше.
Продукт-плейсмент.
Для тих, хто не знає — це коли реклама інтегрується прямо у фільми, відео, сцени життя так, ніби це “звичайна частина реальності”.
Наприклад:
— геймер грає за комп’ютером, а поруч стоїть певний напій;
— герої дивляться кіно з певними снеками;
— будівельник “випадково” вибирає конкретний бренд у магазині.
І людина навіть не задумується, що це реклама.
Мозок починає сприймати це як норму. Як “само собою”.
І ось що мене здивувало.
Я тестував генерацію сцен без жодної згадки брендів. Просто писав:
“геймер”, “вечірка”, “магазин”, “кімната”, “стрімер”.
А генератор починав вставляти дуже конкретні, добре промальовані бренди та логотипи.
Причому раніше AI-генератори такого майже не робили.
А тут видно, що певні об’єкти вже спеціально пропрацьовані та інтегровані в систему.
Тому будьте уважні.
Будьте свідомі.
Зараз іде справжня боротьба за вашу увагу.
І саме увага стає новою валютою.
Всім гарного дня 🙌
Gainers | Andrii Shpak
Контент створювати стало набагато дешевше. Набагато швидше. І тепер головна битва — це битва за вашу увагу.
Саме увага сьогодні коштує найбільше.
Великі компанії платять мільйони за те, щоб забрати хоча б декілька секунд вашої уваги. Вони наймають психологів, режисерів, сценаристів, контент-мейкерів, які продумують кожен хук, кожен кадр, кожну емоцію з перших секунд відео.
І, до речі, дуже цікавий момент.
Якщо ви зараз думаєте, яку професію освоювати — контент-мейкер ще дуже довго буде в топі. Люди, які вміють привертати увагу, утримувати її та передавати через контент сенси, емоції чи навіть маніпуляції — це одні з найцінніших і найвисокооплачуваніших людей нової епохи.
А тепер найцікавіше.
Продукт-плейсмент.
Для тих, хто не знає — це коли реклама інтегрується прямо у фільми, відео, сцени життя так, ніби це “звичайна частина реальності”.
Наприклад:
— геймер грає за комп’ютером, а поруч стоїть певний напій;
— герої дивляться кіно з певними снеками;
— будівельник “випадково” вибирає конкретний бренд у магазині.
І людина навіть не задумується, що це реклама.
Мозок починає сприймати це як норму. Як “само собою”.
І ось що мене здивувало.
Я тестував генерацію сцен без жодної згадки брендів. Просто писав:
“геймер”, “вечірка”, “магазин”, “кімната”, “стрімер”.
А генератор починав вставляти дуже конкретні, добре промальовані бренди та логотипи.
Причому раніше AI-генератори такого майже не робили.
А тут видно, що певні об’єкти вже спеціально пропрацьовані та інтегровані в систему.
Тому будьте уважні.
Будьте свідомі.
Зараз іде справжня боротьба за вашу увагу.
І саме увага стає новою валютою.
Всім гарного дня 🙌
Gainers | Andrii Shpak
👍7❤2😱1
🚫 “Uncensored AI Models” — новий тренд у світі AI?
Останнім часом все більше людей говорять про так звані uncensored models — моделі ШІ без жорстких фільтрів та обмежень.
Що це взагалі означає? 🤔
Звичайні AI-моделі типу OpenAI ChatGPT, Anthropic Claude чи Google Gemini мають багато вбудованих guardrails (обмежень).
Вони можуть відмовляти:
— у деяких технічних питаннях
— у темах кібербезпеки
— у “небезпечних” або політичних темах
— у дорослому чи жорсткому fiction-контенті
— навіть у частині медичних або психологічних запитів
Uncensored models — це open-source моделі, де користувач сам контролює систему локально на своєму комп’ютері.
📌 Навіщо це людям?
✅ Для локального AI без передачі даних у хмару
✅ Для приватних документів
✅ Для AI-агентів та автоматизацій
✅ Для cybersecurity / malware analysis / red teaming
✅ Для research та експериментів
✅ Для creative writing без жорстких фільтрів
✅ Для власних AI-помічників із пам’яттю
✅ Для повного контролю над моделлю
По суті — це як різниця між:
“користуватись SaaS-сервісом”
та
“мати свій власний сервер”.
⚡️ Як це працює?
Найчастіше використовують:
Ollama
— простий запуск локальних моделей
Hugging Face
— “GitHub для AI-моделей”
open-source моделі типу:
Gemma
Llama
Mistral
Qwen
Деякі ентузіасти створюють “uncensored fine-tunes” — спеціально донавчені версії моделей із меншою кількістю відмов.
🖥 Як встановити локальну модель?
Встановлюєте Ollama
Відкриваєте terminal
Завантажуєте модель командою типу:
ollama run hf.co/...
І модель запускається прямо на вашому MacBook або PC
⚠️ Але є нюанс:
Для великих моделей потрібна потужна RAM / VRAM.
Наприклад:
7B моделі → вже можна запускати на звичайних ноутбуках
20B–70B → потрібні сильні GPU або MacBook M-series з великою пам’яттю
📌 Чому ця тема зараз хайпить?
Тому що люди хочуть:
— більше контролю
— приватність
— локальний AI
— власних AI-агентів
— менше залежності від великих корпорацій
І так, локальні моделі зараз стають реально сильними.
Gainers | Andrii Shpak
Останнім часом все більше людей говорять про так звані uncensored models — моделі ШІ без жорстких фільтрів та обмежень.
Що це взагалі означає? 🤔
Звичайні AI-моделі типу OpenAI ChatGPT, Anthropic Claude чи Google Gemini мають багато вбудованих guardrails (обмежень).
Вони можуть відмовляти:
— у деяких технічних питаннях
— у темах кібербезпеки
— у “небезпечних” або політичних темах
— у дорослому чи жорсткому fiction-контенті
— навіть у частині медичних або психологічних запитів
Uncensored models — це open-source моделі, де користувач сам контролює систему локально на своєму комп’ютері.
📌 Навіщо це людям?
✅ Для локального AI без передачі даних у хмару
✅ Для приватних документів
✅ Для AI-агентів та автоматизацій
✅ Для cybersecurity / malware analysis / red teaming
✅ Для research та експериментів
✅ Для creative writing без жорстких фільтрів
✅ Для власних AI-помічників із пам’яттю
✅ Для повного контролю над моделлю
По суті — це як різниця між:
“користуватись SaaS-сервісом”
та
“мати свій власний сервер”.
⚡️ Як це працює?
Найчастіше використовують:
Ollama
— простий запуск локальних моделей
Hugging Face
— “GitHub для AI-моделей”
open-source моделі типу:
Gemma
Llama
Mistral
Qwen
Деякі ентузіасти створюють “uncensored fine-tunes” — спеціально донавчені версії моделей із меншою кількістю відмов.
🖥 Як встановити локальну модель?
Встановлюєте Ollama
Відкриваєте terminal
Завантажуєте модель командою типу:
ollama run hf.co/...
І модель запускається прямо на вашому MacBook або PC
⚠️ Але є нюанс:
Для великих моделей потрібна потужна RAM / VRAM.
Наприклад:
7B моделі → вже можна запускати на звичайних ноутбуках
20B–70B → потрібні сильні GPU або MacBook M-series з великою пам’яттю
📌 Чому ця тема зараз хайпить?
Тому що люди хочуть:
— більше контролю
— приватність
— локальний AI
— власних AI-агентів
— менше залежності від великих корпорацій
І так, локальні моделі зараз стають реально сильними.
Gainers | Andrii Shpak
❤3👍3
Forwarded from Andrii Shpak
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 AI-контент — це вже не “майбутнє”. Це нова digital-професія, на якій люди заробляють вже зараз.
Сьогодні бізнеси, бренди, TikTok-магазини та блогери шукають людей, які можуть:
— створювати AI-відео
— генерувати viral-контент
— робити Reels та рекламу
— швидко створювати контент для соцмереж
💰 Багато AI-контент-мейкерів уже беруть:
— $50–300 за одне відео
— $500–3000+ за ведення контенту
І ринок creator economy росте дуже швидко:
📈 у 2025 році він оцінювався приблизно у $250+ млрд
📈 а в наступні роки прогнозують ріст до $1–2 трлн+
Чому?
Тому що весь світ переходить у:
📱 короткі відео
🎥 digital-контент
🤖 AI-автоматизацію
📈 контент-маркетинг
І зараз — один із найкращих моментів, щоб зайти в цю навичку.
Тому ми створили практичний AI-урок, де покажемо:
🔥 як створювати AI-відео швидко та майже безкоштовно
🔥 як отримати майже безлімітну генерацію
🔥 які AI-інструменти реально працюють
🔥 як створювати AI-контент навіть з телефону
Без програмування.
Без складного монтажу.
Без дорогих підписок 👀
💡 Почати можна вже сьогодні — навіть без досвіду.
👇Доступ тут.
Сьогодні бізнеси, бренди, TikTok-магазини та блогери шукають людей, які можуть:
— створювати AI-відео
— генерувати viral-контент
— робити Reels та рекламу
— швидко створювати контент для соцмереж
💰 Багато AI-контент-мейкерів уже беруть:
— $50–300 за одне відео
— $500–3000+ за ведення контенту
І ринок creator economy росте дуже швидко:
📈 у 2025 році він оцінювався приблизно у $250+ млрд
📈 а в наступні роки прогнозують ріст до $1–2 трлн+
Чому?
Тому що весь світ переходить у:
📱 короткі відео
🎥 digital-контент
🤖 AI-автоматизацію
📈 контент-маркетинг
І зараз — один із найкращих моментів, щоб зайти в цю навичку.
Тому ми створили практичний AI-урок, де покажемо:
🔥 як створювати AI-відео швидко та майже безкоштовно
🔥 як отримати майже безлімітну генерацію
🔥 які AI-інструменти реально працюють
🔥 як створювати AI-контент навіть з телефону
Без програмування.
Без складного монтажу.
Без дорогих підписок 👀
💡 Почати можна вже сьогодні — навіть без досвіду.
👇Доступ тут.
👍3❤1🔥1🙏1
🚀 Що таке Apify і чому про нього зараз так багато говорять в AI-середовищі?
Простими словами:
Apify — це платформа для web scraping та AI automation.
Тобто сервіс, який дозволяє:
👉 автоматично збирати дані з сайтів та соцмереж.
Без ручного копіювання.
📌 Наприклад:
Apify може:
✔️ зчитувати TikTok
✔️ Instagram
✔️ YouTube
✔️ LinkedIn
✔️ X/Twitter
✔️ Facebook
✔️ Google Maps
✔️ Amazon
✔️ сайти компаній
✔️ новинні сайти
✔️ онлайн-магазини
І витягувати:
— тексти
— comments
— hashtags
— emails
— ціни
— reviews
— engagement
— videos
— captions
— profiles
— job posts
— тренди
— рекламу
📌 Найцікавіше:
для цього вже є готові “Actors”.
Actors — це готові automation mini-apps.
Тобто: не треба самому писати scraper.
Ви просто:
1️⃣ обираєте потрібний Actor
2️⃣ вставляєте посилання
3️⃣ отримуєте структуровані дані
📌 Наприклад:
Є готові scrapers для:
— TikTok videos
— Instagram Reels
— LinkedIn jobs
— YouTube Shorts
— Facebook Ads
— Google Maps
— Amazon products
📌 І це вже давно використовують для:
✔️ AI systems
✔️ AI agents
✔️ automation
✔️ lead generation
✔️ market analysis
✔️ social media monitoring
✔️ тренування AI-моделей
✔️ AI chatbots
✔️ competitor analysis
📌 Чому це зараз стало особливо популярним?
Тому що AI потрібні дані.
А Apify — це один із найбільших інструментів, які дозволяють ці дані автоматично отримувати.
По суті: це щось типу “App Store для AI automation та scraping”.
І зараз навколо цього дуже швидко росте ціла екосистема AI-агентів.
Простими словами:
Apify — це платформа для web scraping та AI automation.
Тобто сервіс, який дозволяє:
👉 автоматично збирати дані з сайтів та соцмереж.
Без ручного копіювання.
📌 Наприклад:
Apify може:
✔️ зчитувати TikTok
✔️ Instagram
✔️ YouTube
✔️ LinkedIn
✔️ X/Twitter
✔️ Facebook
✔️ Google Maps
✔️ Amazon
✔️ сайти компаній
✔️ новинні сайти
✔️ онлайн-магазини
І витягувати:
— тексти
— comments
— hashtags
— emails
— ціни
— reviews
— engagement
— videos
— captions
— profiles
— job posts
— тренди
— рекламу
📌 Найцікавіше:
для цього вже є готові “Actors”.
Actors — це готові automation mini-apps.
Тобто: не треба самому писати scraper.
Ви просто:
1️⃣ обираєте потрібний Actor
2️⃣ вставляєте посилання
3️⃣ отримуєте структуровані дані
📌 Наприклад:
Є готові scrapers для:
— TikTok videos
— Instagram Reels
— LinkedIn jobs
— YouTube Shorts
— Facebook Ads
— Google Maps
— Amazon products
📌 І це вже давно використовують для:
✔️ AI systems
✔️ AI agents
✔️ automation
✔️ lead generation
✔️ market analysis
✔️ social media monitoring
✔️ тренування AI-моделей
✔️ AI chatbots
✔️ competitor analysis
📌 Чому це зараз стало особливо популярним?
Тому що AI потрібні дані.
А Apify — це один із найбільших інструментів, які дозволяють ці дані автоматично отримувати.
По суті: це щось типу “App Store для AI automation та scraping”.
І зараз навколо цього дуже швидко росте ціла екосистема AI-агентів.
❤2🤔1
Учора AI вмовляв мого брата передзвонити мені 😅
І найцікавіше — це був не чат.
Він реально йому подзвонив.
Тестували сервіс PollyReach — AI-агента, який може телефонувати людям замість тебе.
Я просто задав задачу:
«Подзвони йому та скажи, щоб він мені передзвонив».
І далі почалось найцікавіше.
Спочатку AI говорив англійською, потім під час розмови сам переключився на українську. Дзвінок був уже на український номер, і все працювало нормально.
Але найбільше нас винесло з того, наскільки він був впевнений у розмові 😅
Брат каже:
«Окей, добре, я зараз подзвоню».
І в цей момент AI не хотів завершувати дзвінок 😂
Він почав буквально наполягати:
«Так-так, телефонуйте зараз».
Тобто він реально намагався дочекатись, поки брат уже під час цього дзвінка набере мене 😅
Щоправда, є ще кумедні моменти:
коли він почав називати цифри — звучало трохи дивно 😂
Але сама ідея дуже практична.
Наприклад, такі AI-агенти вже можуть:
— висіти за тебе на лінії в кол-центрі по 30–50 хвилин
— бронювати ресторани чи записи
— дзвонити клієнтам або робити follow-up
— працювати як телефонний асистент для бізнесу
І що цікаво — після дзвінка зберігається транскрипція, summary розмови та весь діалог у кабінеті.
Коротше, voice AI потроху переходить із “прикольної фічі” в реально корисний інструмент.
І найцікавіше — це був не чат.
Він реально йому подзвонив.
Тестували сервіс PollyReach — AI-агента, який може телефонувати людям замість тебе.
Я просто задав задачу:
«Подзвони йому та скажи, щоб він мені передзвонив».
І далі почалось найцікавіше.
Спочатку AI говорив англійською, потім під час розмови сам переключився на українську. Дзвінок був уже на український номер, і все працювало нормально.
Але найбільше нас винесло з того, наскільки він був впевнений у розмові 😅
Брат каже:
«Окей, добре, я зараз подзвоню».
І в цей момент AI не хотів завершувати дзвінок 😂
Він почав буквально наполягати:
«Так-так, телефонуйте зараз».
Тобто він реально намагався дочекатись, поки брат уже під час цього дзвінка набере мене 😅
Щоправда, є ще кумедні моменти:
коли він почав називати цифри — звучало трохи дивно 😂
Але сама ідея дуже практична.
Наприклад, такі AI-агенти вже можуть:
— висіти за тебе на лінії в кол-центрі по 30–50 хвилин
— бронювати ресторани чи записи
— дзвонити клієнтам або робити follow-up
— працювати як телефонний асистент для бізнесу
І що цікаво — після дзвінка зберігається транскрипція, summary розмови та весь діалог у кабінеті.
Коротше, voice AI потроху переходить із “прикольної фічі” в реально корисний інструмент.
🔥7❤2😁1
Ось проблема, яку мало хто помічає, поки не зіткнеться особисто.
AI-агенти масово розсилають листи — від імені компаній, від імені продуктів, від імені людей. І більша частина цього летить прямо в спам.
mailX by mailwarm (YC S20) — це інструмент, який вирішує саме це.
Він прогріває email-акаунти так, щоб листи від людей і AI-агентів реально доходили до вхідних. А не в промо, не в спам.
Що всередині:
Здається нудно? Але якщо ти будуєш будь-яку outreach або AI-воркфлоу — без цього ти просто губиш гроші.
✅ Топ-14 Product Hunt травня 2026
✅ Y Combinator S20
✅ Підходить і людям, і AI-агентам
Ціна інструменту від 69$ за 50 розісланих листів щодня.
Технічна проблема, яку більшість помічає надто пізно.
👉 mailwarm.com
GAINERS | Andrii Shpak
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3🥴1
🧮 Чому 90% контенту, згенерованого ШІ, виглядає однаково посереднім?
Розібрався з цікавою концепцією — мультиплікативна модель якості. І чим довше про неї думаю, тим більше розумію: це фактично пояснює всю різницю між «вау» і «ну, ок» в роботі з ШІ.
Суть проста.
Раніше якість продукту вважали сумою компонентів: ідея + виконання + дистрибуція. Просів в одному — компенсуєш іншим.
Зараз, у світі ШІ, працює інша математика: множення.
Якість = Ідея × Промпт × Модель × Смак × Контекст
Приклад на музиці.
Хочеш згенерувати трек у Suno. Маєш:
🎵 Геніальну ідею (1.0)
✍️ Сильний промпт з настроєм, темпом, референсами (0.9)
🎚Найновіша модель (0.95)
👂 Смак, щоб відсіяти 9 з 10 варіантів (0.0 — бо ти не музикант)
Результат: 1 × 0.9 × 0.95 × 0 = 0
Технічно трек є. Реально — він посередній, і ти навіть не зрозумієш чому.
📌 А раніше було як?
Щоб зробити пісню, потрібен був композитор, аранжувальник, вокаліст, продюсер. Якщо аранжувальник посередній — продюсер витягне. Команда додавалась. Слабке місце компенсувалось сильним.
ШІ цю модель зламав. Тепер ти один множник з кожної ролі. Промпт пишеш ти. Селектиш ти. Доводиш до ладу ти.
Що це означає на практиці:
1️⃣ Найслабша твоя навичка визначає рівень всього результату
2️⃣ Інвестуй у те, що в тебе на 0.2 — а не вдосконалюй те, що вже на 0.9
3️⃣ Смак стає найдорожчою валютою — бо саме він зазвичай найслабший множник
Раніше можна було «зайти збоку». Зараз — лише підняти найменший множник.
Це і є мультиплікативна модель якості. І це найточніше пояснення, чому одні люди з ШІ роблять магію, а інші — генерують безкінечний шум.
GAINERS | Andrii Shpak
Розібрався з цікавою концепцією — мультиплікативна модель якості. І чим довше про неї думаю, тим більше розумію: це фактично пояснює всю різницю між «вау» і «ну, ок» в роботі з ШІ.
Суть проста.
Раніше якість продукту вважали сумою компонентів: ідея + виконання + дистрибуція. Просів в одному — компенсуєш іншим.
Зараз, у світі ШІ, працює інша математика: множення.
Якість = Ідея × Промпт × Модель × Смак × Контекст
І якщо хоча б один множник близький до нуля — увесь результат близький до нуля. Не до 70%. До нуля.
Приклад на музиці.
Хочеш згенерувати трек у Suno. Маєш:
🎚Найновіша модель (0.95)
Результат: 1 × 0.9 × 0.95 × 0 = 0
Технічно трек є. Реально — він посередній, і ти навіть не зрозумієш чому.
📌 А раніше було як?
Щоб зробити пісню, потрібен був композитор, аранжувальник, вокаліст, продюсер. Якщо аранжувальник посередній — продюсер витягне. Команда додавалась. Слабке місце компенсувалось сильним.
ШІ цю модель зламав. Тепер ти один множник з кожної ролі. Промпт пишеш ти. Селектиш ти. Доводиш до ладу ти.
Що це означає на практиці:
1️⃣ Найслабша твоя навичка визначає рівень всього результату
2️⃣ Інвестуй у те, що в тебе на 0.2 — а не вдосконалюй те, що вже на 0.9
3️⃣ Смак стає найдорожчою валютою — бо саме він зазвичай найслабший множник
Раніше можна було «зайти збоку». Зараз — лише підняти найменший множник.
Це і є мультиплікативна модель якості. І це найточніше пояснення, чому одні люди з ШІ роблять магію, а інші — генерують безкінечний шум.
GAINERS | Andrii Shpak
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔8👍2❤1🔥1
Нещодавно тестував цікаву можливість: сучасні ШІ-асистенти, такі як OpenAI Codex, Claude та Gemini можуть допомогти зі структуризацією великих Google Drive через конектори та інтеграції.
Що можна попросити зробити:
✅ Проаналізувати всі файли та папки
✅ Запропонувати нову структуру зручну для роботи
✅ Перейменувати файли за єдиним стандартом
✅ Розсортувати документи за темами, проєктами або клієнтами
✅ Створити нові папки та скопіювати туди потрібні файли
Важливий нюанс: у багатьох випадках ШІ не переміщує файли напряму, а створює нову структуру через копіювання. Тому на час реорганізації обсяг сховища може тимчасово зрости майже вдвічі.
Сценарій виглядає так:
1. ШІ аналізує ваш диск.
2. Створює нову структуру папок.
3. Копіює файли у нові місця.
4. Ви перевіряєте результат.
5. Старі папки видаляються вручну.
Це навіть безпечніше, ніж одразу переносити все, тому що оригінали залишаються недоторканими до завершення перевірки.
⚠️ На що варто звернути увагу:
Якщо на файли або папки були видані зовнішні посилання, доступи для клієнтів чи команди, після перенесення або копіювання можуть змінитися URL-адреси. Тому перед очищенням старої структури обов'язково перевірте:
• спільні посилання;
• інтеграції з іншими сервісами;
• документи, які використовуються на сайтах;
• файли, на які ведуть закладки або автоматизації.
Для великих сховищ на 1000–10000+ файлів це може заощадити години або навіть дні ручної роботи.
🤖 Найцікавіше, що тепер можна просто написати:
*"Проаналізуй мій Google Drive та створи структуру: Бізнес → Маркетинг → Сайти → Фінанси → Особисте. Перейменуй файли за єдиним стандартом і підготуй нову структуру для перевірки."*
І значну частину цієї роботи ШІ виконає сам. 🚀
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
Цікавий парадокс, який відчуваю на собі щодня. Здається, що з приходом ШІ завдання мають вирішуватися самі — і так, вони реально вирішуються швидше. Але от менше їх не стає. Навпаки.
Бо разом із інструментом ростуть можливості. А де більше можливостей — там більше задач. ШІ вже зараз багато чого вміє і багато чого робить за нас. Це справді потужний інструмент, який оптимізує процеси.
📌 Але є нюанс: мозку треба навчитися ці процеси правильно сортувати — що віддати машині, що зробити самому, а що взагалі викинути. Бо інакше ти просто тонеш у новому обсязі. Інструмент потужний, але кермо — все ще в твоїй голові.
Тепер про те, що з новинок я тестував за останній час 👇
1️⃣ Telegram додав автоматизацію
Якщо у вас бізнес-акаунт у Telegram — ви можете поставити бота, який відповідатиме клієнтам за вас. Але його треба написати за допомогою ШІ і підключити OpenAI API, щоб у нього були «мізки».
Я вчора його затестував — і вже вимкнув 🙂 Бо мені не подобається, коли він відповідає людям замість мене: іноді сам щось дописує в кінці, тобто його ще треба налаштовувати. Але сам факт крутий — у тебе фактично з'являється секретар у Telegram, який тримає першу лінію.
2️⃣ Скрипт, що відслідковує мої дії
Поставив собі таку штуку: скрипти, які відстежують кожну мою дію на комп'ютері та в браузері. Усе анонімізується, нічого назовні не передається — це залишається у вас. А далі дані перетворюються в патерни, і вже видно, які з них можна автоматизувати.
Результат цікавий: знайшов одну автоматизацію, яка скоротила мені буквально 20 хвилин. Так, цей час нікуди не подівся — на його місце прийшла нова задача 🙂 Але сам процес я оптимізував.
📌 Дуже багато компаній уже використовують ШІ, але не знають, що ще можна автоматизувати. А цей підхід якраз показує реальні точки, де щось зайве. Перевірено на собі ✅
ШІ — це не про те, щоб робити менше. Це про те, щоб встигати більше з тим самим мозком.
GAINERS | Andrii Shpak
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤1🙏1
OpenAI відмовляється від ідеї повністю автономних ШІ-досліджень до 2028 року — тепер вони говорять про «тандем» людини та машини (LLM Leaderboard)
Тобто компанія, яка найголосніше обіцяла, що ШІ скоро все робитиме сам, тепер каже: ні, разом.
Навіть ті, хто будує цей потяг, кажуть, що машиніст у кабіні ще довго буде потрібен.
Тобто компанія, яка найголосніше обіцяла, що ШІ скоро все робитиме сам, тепер каже: ні, разом.
Навіть ті, хто будує цей потяг, кажуть, що машиніст у кабіні ще довго буде потрібен.
👍4😁1
Тільки почав — і вже все 🙃
Щойно сів предметно розбирати Fable — а його взяли й прикрили. США, директива, нацбезпека: доступ до Fable 5 і Mythos 5 вимкнули для всіх. Тільки ввійшов у смак — і на тобі.
А тепер увімкнемо маркетинговий скепсис.
Чому «заборона моделі урядом» — це подарунок для компанії? Бо існує ціла наука про увагу. Коли людині кажуть «тобі це не можна» — вона хоче цього сильніше. У маркетингу це навіть має назву — ефект Стрейзанд: спроба щось приховати чи прибрати призводить до того, що воно привертає значно більше уваги, ніж привернуло б само собою. Для ілюстрації: після спроб заборонити книжки їхні тиражі зросли на 12%. Заборонив — отримав безкоштовний піар.
Далі — самі моделі. Хід знайомий: випускаєш модель ледь-ледь кращу, ставиш ціну вдвічі вищу, кажеш «зате токенів їсть удвічі менше» — і збираєш удвічі більше за ті самі задачі. Перевірити це на звичайних задачах майже нереально (Opus і Fable роблять те саме приблизно однаково), тож лишається вірити «офіційним джерелам».
Пам'ятаєте OpenAI vs DeepSeek? Коли весь світ говорив лише про дві моделі, хоча на ринку їх була купа? Це теж про увагу: фокус звужують до двох гравців — і ти ніби сам обираєш, але вибір зроблено за тебе.
А тепер найважливіше — чому за всім цим така гонка за увагою. Гроші:
OpenAI за перше півріччя 2025-го отримав $4.3 млрд виручки — і $13.5 млрд чистого збитку. Це понад $2 млрд збитку щомісяця. Власний прогноз — $14 млрд збитку у 2026-му, а в прибуток вони розраховують вийти не раніше 2029-го. HSBC (один із найбільших банків світу) ще жорсткіші: до 2030-го не злетить, і треба підняти ще $207 млрд.
Ось чому увага — це киснева подушка. Коли ти гориш мільярдами, тобі життєво потрібен наратив «ми майбутнє, ми найкращі, нас навіть уряд боїться». Інвестор вкладає не в прибуток (його нема) — він вкладає в історію.
До речі подивитись які ШІ прибуткові можна ось тут: isaiprofitable.com
Щойно сів предметно розбирати Fable — а його взяли й прикрили. США, директива, нацбезпека: доступ до Fable 5 і Mythos 5 вимкнули для всіх. Тільки ввійшов у смак — і на тобі.
А тепер увімкнемо маркетинговий скепсис.
Чому «заборона моделі урядом» — це подарунок для компанії? Бо існує ціла наука про увагу. Коли людині кажуть «тобі це не можна» — вона хоче цього сильніше. У маркетингу це навіть має назву — ефект Стрейзанд: спроба щось приховати чи прибрати призводить до того, що воно привертає значно більше уваги, ніж привернуло б само собою. Для ілюстрації: після спроб заборонити книжки їхні тиражі зросли на 12%. Заборонив — отримав безкоштовний піар.
Далі — самі моделі. Хід знайомий: випускаєш модель ледь-ледь кращу, ставиш ціну вдвічі вищу, кажеш «зате токенів їсть удвічі менше» — і збираєш удвічі більше за ті самі задачі. Перевірити це на звичайних задачах майже нереально (Opus і Fable роблять те саме приблизно однаково), тож лишається вірити «офіційним джерелам».
Пам'ятаєте OpenAI vs DeepSeek? Коли весь світ говорив лише про дві моделі, хоча на ринку їх була купа? Це теж про увагу: фокус звужують до двох гравців — і ти ніби сам обираєш, але вибір зроблено за тебе.
А тепер найважливіше — чому за всім цим така гонка за увагою. Гроші:
OpenAI за перше півріччя 2025-го отримав $4.3 млрд виручки — і $13.5 млрд чистого збитку. Це понад $2 млрд збитку щомісяця. Власний прогноз — $14 млрд збитку у 2026-му, а в прибуток вони розраховують вийти не раніше 2029-го. HSBC (один із найбільших банків світу) ще жорсткіші: до 2030-го не злетить, і треба підняти ще $207 млрд.
Ось чому увага — це киснева подушка. Коли ти гориш мільярдами, тобі життєво потрібен наратив «ми майбутнє, ми найкращі, нас навіть уряд боїться». Інвестор вкладає не в прибуток (його нема) — він вкладає в історію.
До речі подивитись які ШІ прибуткові можна ось тут: isaiprofitable.com
👍7🤔2