В интернете появился мощный ИИ — и никто не знает, кто его создал
На OpenRouter бесплатно появился Ox Alpha — модель для программирования, длительной агентской работы и производственных задач.
Её разработчик сознательно скрывает имя.
Одни подозревают китайскую Z.ai, другие — Microsoft, но подтверждений нет.
Новая реальность ИИ: модель уже можно тестировать и хвалить, даже не понимая, какая компания стоит за ней.
https://techcrunch.com/2026/08/23/whos-behind-the-new-stealth-model-ox-alpha/
На OpenRouter бесплатно появился Ox Alpha — модель для программирования, длительной агентской работы и производственных задач.
Её разработчик сознательно скрывает имя.
Одни подозревают китайскую Z.ai, другие — Microsoft, но подтверждений нет.
Новая реальность ИИ: модель уже можно тестировать и хвалить, даже не понимая, какая компания стоит за ней.
https://techcrunch.com/2026/08/23/whos-behind-the-new-stealth-model-ox-alpha/
TechCrunch
Who's behind the new ‘stealth model’ Ox Alpha? | TechCrunch
A mysterious new AI model called Ox Alpha has driven certain corners of the internet into a frenzy of speculation.
Xiaomi собрала ИИ-компьютер на трёх собственных чипах
120 млрд параметров — прямо на столе, без облака.
Xiaomi показала AI Cube Prototype: компактный компьютер, который локально запускает большую языковую модель и работает сразу на трёх фирменных чипах XRing.
Это не просто ещё один мини-ПК.
Xiaomi демонстрирует собственную архитектуру для локального ИИ — от процессора и ускорителя до памяти.
Если такой подход дойдёт до серийных устройств, часть задач, для которых сегодня нужен облачный сервер или мощная видеокарта, сможет выполняться прямо рядом с пользователем.
Внутри AI Cube работают три разных чипа. XRing O3 отвечает за общие вычисления: 10-ядерный CPU, 16-ядерная графика и NPU на 200 TOPS. XRing O100 создан специально для ИИ: его главная цифра — пропускная способность до 1,22 ТБ/с.
Для больших моделей скорость доступа к памяти часто критичнее «голой» вычислительной мощности. XRing D100 изначально разрабатывался для автопилота Xiaomi: это 3-нм чип с 20-ядерным CPU и поддержкой до 160 ГБ единой памяти.
Вместо одного универсального процессора Xiaomi собрала маленькую команду: один чип управляет системой, второй ускоряет операции нейросети, третий даёт вычисления и большой пул памяти.
На демонстрации AI Cube локально работал с двумя моделями — 120B и 3B, между которыми система умеет переключаться в зависимости от задачи.
Корпус из цельного алюминия получил 33 874 отверстия для охлаждения, а длительная мощность системы заявлена на уровне 150 Вт.
Но прототип нельзя путать с готовым продуктом.
Xiaomi пока не объявила цену, дату продаж, набор интерфейсов и независимые тесты скорости AI Cube.
Часть более подробных характеристик из публикаций после показа сама компания не подтверждала.
O100 и D100 должны выйти в коммерческое применение только в 2027 году.
И всё же направление показательно.
Рынок движется к компьютерам, где ИИ — не приложение в браузере, а отдельный аппаратный слой внутри устройства.
Сегодня нейросеть живёт в дата-центре. Xiaomi показывает компьютер, в котором дата-центр начинает помещаться на столе.
Подписывайтесь
120 млрд параметров — прямо на столе, без облака.
Xiaomi показала AI Cube Prototype: компактный компьютер, который локально запускает большую языковую модель и работает сразу на трёх фирменных чипах XRing.
Это не просто ещё один мини-ПК.
Xiaomi демонстрирует собственную архитектуру для локального ИИ — от процессора и ускорителя до памяти.
Если такой подход дойдёт до серийных устройств, часть задач, для которых сегодня нужен облачный сервер или мощная видеокарта, сможет выполняться прямо рядом с пользователем.
Внутри AI Cube работают три разных чипа. XRing O3 отвечает за общие вычисления: 10-ядерный CPU, 16-ядерная графика и NPU на 200 TOPS. XRing O100 создан специально для ИИ: его главная цифра — пропускная способность до 1,22 ТБ/с.
Для больших моделей скорость доступа к памяти часто критичнее «голой» вычислительной мощности. XRing D100 изначально разрабатывался для автопилота Xiaomi: это 3-нм чип с 20-ядерным CPU и поддержкой до 160 ГБ единой памяти.
Вместо одного универсального процессора Xiaomi собрала маленькую команду: один чип управляет системой, второй ускоряет операции нейросети, третий даёт вычисления и большой пул памяти.
На демонстрации AI Cube локально работал с двумя моделями — 120B и 3B, между которыми система умеет переключаться в зависимости от задачи.
Корпус из цельного алюминия получил 33 874 отверстия для охлаждения, а длительная мощность системы заявлена на уровне 150 Вт.
Но прототип нельзя путать с готовым продуктом.
Xiaomi пока не объявила цену, дату продаж, набор интерфейсов и независимые тесты скорости AI Cube.
Часть более подробных характеристик из публикаций после показа сама компания не подтверждала.
O100 и D100 должны выйти в коммерческое применение только в 2027 году.
И всё же направление показательно.
Рынок движется к компьютерам, где ИИ — не приложение в браузере, а отдельный аппаратный слой внутри устройства.
Сегодня нейросеть живёт в дата-центре. Xiaomi показывает компьютер, в котором дата-центр начинает помещаться на столе.
Подписывайтесь
Вторая часть ТОП 50 промтов
11. Учиться по видео в 5 раз быстрее — ≈ 380 голосов
> Вот транскрипт видео [текст]. Сделай конспект 80/20, выдели ключевые идеи, примеры и спорные тезисы. Затем составь 10 вопросов и план применения.
12. Найти деньги в том, что уже есть — ≈ 340 голосов
> Вот мои навыки, опыт, контакты и ресурсы [список]. Найди 10 способов монетизации. Отсортируй по скорости запуска, потенциальному доходу и сложности.
13. Мета-промтинг — ≈ 326 голосов
> Перед выполнением задачи сначала перепиши мой запрос так, чтобы он был точнее. Покажи улучшенную версию, затем работай по ней.
14. Жёсткий наставник — ≈ 279 голосов
> Будь требовательным наставником. Не соглашайся автоматически. Найди слабые места, самообман и риски моего плана, затем предложи конкретные действия.
15. Оптимизатор LinkedIn — ≈ 260 голосов
> Проанализируй профиль [текст]. Определи ценность, слабые места и барьеры доверия. Перепиши заголовок, About и ключевые блоки под цель [цель].
16. Выбор техники под задачу — ≈ 253 голосов
> Определи тип моей задачи, выбери подходящую стратегию рассуждения и только после этого отвечай. В конце проверь результат по трём критериям.
17. Один промт, который должен знать каждый — ≈ 226 голосов
> Перед ответом спроси себя: что пользователь на самом деле пытается получить? Назови возможные трактовки, выбери наиболее вероятную и дай практический ответ.
18. Проверка промта на качество — ≈ 205 голосов
> Оцени мой промт по ясности, контексту, ограничениям, формату и проверяемости. Найди три недостатка и перепиши его до уровня 9/10.
19. Диалоговые техники — ≈ 190 голосов
> Разбей сложную задачу на диалог: выясни цель, затем ограничения, предложи варианты и после выбора подготовь финальный результат.
20. Денежные ограничения — ≈ 190 голосов
> Задавай по одному вопросу о доходе, риске, цене времени и страхах. Затем выдели повторяющиеся денежные установки и предложи способы проверить их.
Подписывайтесь
11. Учиться по видео в 5 раз быстрее — ≈ 380 голосов
> Вот транскрипт видео [текст]. Сделай конспект 80/20, выдели ключевые идеи, примеры и спорные тезисы. Затем составь 10 вопросов и план применения.
12. Найти деньги в том, что уже есть — ≈ 340 голосов
> Вот мои навыки, опыт, контакты и ресурсы [список]. Найди 10 способов монетизации. Отсортируй по скорости запуска, потенциальному доходу и сложности.
13. Мета-промтинг — ≈ 326 голосов
> Перед выполнением задачи сначала перепиши мой запрос так, чтобы он был точнее. Покажи улучшенную версию, затем работай по ней.
14. Жёсткий наставник — ≈ 279 голосов
> Будь требовательным наставником. Не соглашайся автоматически. Найди слабые места, самообман и риски моего плана, затем предложи конкретные действия.
15. Оптимизатор LinkedIn — ≈ 260 голосов
> Проанализируй профиль [текст]. Определи ценность, слабые места и барьеры доверия. Перепиши заголовок, About и ключевые блоки под цель [цель].
16. Выбор техники под задачу — ≈ 253 голосов
> Определи тип моей задачи, выбери подходящую стратегию рассуждения и только после этого отвечай. В конце проверь результат по трём критериям.
17. Один промт, который должен знать каждый — ≈ 226 голосов
> Перед ответом спроси себя: что пользователь на самом деле пытается получить? Назови возможные трактовки, выбери наиболее вероятную и дай практический ответ.
18. Проверка промта на качество — ≈ 205 голосов
> Оцени мой промт по ясности, контексту, ограничениям, формату и проверяемости. Найди три недостатка и перепиши его до уровня 9/10.
19. Диалоговые техники — ≈ 190 голосов
> Разбей сложную задачу на диалог: выясни цель, затем ограничения, предложи варианты и после выбора подготовь финальный результат.
20. Денежные ограничения — ≈ 190 голосов
> Задавай по одному вопросу о доходе, риске, цене времени и страхах. Затем выдели повторяющиеся денежные установки и предложи способы проверить их.
Подписывайтесь
Запрещать ИИ в школе становится бессмысленно. Учителя вводят «светофор»
Школы уходят от тотального запрета ChatGPT к правилам: где ИИ разрешён, где допустим с ограничениями, а где ученик должен работать сам.
Учителя используют его для подготовки, но опасаются доверять оценивание.
Главный навык школы меняется: важно не спрятать ИИ, а научить понимать, когда им пользоваться нельзя.
https://www.technologyreview.com/2026/08/24/1142630/ai-school-classroom-policies/
Школы уходят от тотального запрета ChatGPT к правилам: где ИИ разрешён, где допустим с ограничениями, а где ученик должен работать сам.
Учителя используют его для подготовки, но опасаются доверять оценивание.
Главный навык школы меняется: важно не спрятать ИИ, а научить понимать, когда им пользоваться нельзя.
https://www.technologyreview.com/2026/08/24/1142630/ai-school-classroom-policies/
MIT Technology Review
How to encourage smarter AI use in the classroom
One school is using a traffic light metaphor to explain when students can use AI for their assignments.
OpenAI хочет дать ИИ-агента каждому офисному сотруднику
Ставка OpenAI уже не только на чат.
ChatGPT Work должен подключать агентов к реальным цифровым процессам бухгалтеров, врачей, инвесторов и других специалистов.
Цена входа начинается с $20 в месяц.
Следующая битва ИИ — не за лучший ответ в чате, а за право самостоятельно выполнять часть вашей ежедневной работы.
https://techcrunch.com/2026/08/24/openai-is-building-an-ai-agent-for-everything-will-everyone-use-them/
Ставка OpenAI уже не только на чат.
ChatGPT Work должен подключать агентов к реальным цифровым процессам бухгалтеров, врачей, инвесторов и других специалистов.
Цена входа начинается с $20 в месяц.
Следующая битва ИИ — не за лучший ответ в чате, а за право самостоятельно выполнять часть вашей ежедневной работы.
https://techcrunch.com/2026/08/24/openai-is-building-an-ai-agent-for-everything-will-everyone-use-them/
TechCrunch
OpenAI is building AI agents for everything. Will everyone use them? | TechCrunch
Inside the frontier lab’s push to bring AI agents from software engineers to the masses.
ИИ учат понимать пространство и время — инвесторы уже оценивают идею в $6 млрд
General Intuition создаёт фундаментальную модель, которая должна научить агентов понимать движение через пространство и время — основу для робототехники.
Стартап обсуждает раунд при оценке $6 млрд до инвестиций.
Если языковые модели научили ИИ работать со словами, следующий рынок пытается научить его действовать в физическом мире.
https://techcrunch.com/2026/08/24/valor-point72-back-general-intuition-at-6b-valuation-as-ai-startup-pushes-into-robotics/
General Intuition создаёт фундаментальную модель, которая должна научить агентов понимать движение через пространство и время — основу для робототехники.
Стартап обсуждает раунд при оценке $6 млрд до инвестиций.
Если языковые модели научили ИИ работать со словами, следующий рынок пытается научить его действовать в физическом мире.
https://techcrunch.com/2026/08/24/valor-point72-back-general-intuition-at-6b-valuation-as-ai-startup-pushes-into-robotics/
TechCrunch
Valor, Point72 back General Intuition at $6B valuation as AI startup pushes into robotics | TechCrunch
General Intuition, the startup building a foundation model that trains generalized AI agents how to move through space and time, is in talks to raise at a $6 billion pre-money valuation from new investors including Valor Ventures, Point72 Ventures, and Seven…
Один отчёт превращается в персональную рассылку для каждого продавца
Маркетолог Anthropic использует Claude Code так: система берёт общий еженедельный отчёт и превращает его в отдельный понедельничный брифинг для каждого менеджера по продажам.
Вот где ИИ особенно полезен бизнесу: не создавать ещё один общий документ, а автоматически превращать одни данные в десятки персональных действий.
https://claude.com/blog/how-an-anthropic-field-marketer-uses-claude-code-to-send-weekly-personalized-updates-to-every-sales-rep
Маркетолог Anthropic использует Claude Code так: система берёт общий еженедельный отчёт и превращает его в отдельный понедельничный брифинг для каждого менеджера по продажам.
Вот где ИИ особенно полезен бизнесу: не создавать ещё один общий документ, а автоматически превращать одни данные в десятки персональных действий.
https://claude.com/blog/how-an-anthropic-field-marketer-uses-claude-code-to-send-weekly-personalized-updates-to-every-sales-rep
Claude
How an Anthropic field marketer uses Claude Code to send weekly personalized updates to every sales rep | Claude by Anthropic
Adam Ward, on Anthropic’s marketing team, shares how he uses Claude to turn one weekly sales report into a personalized Monday briefing for every account executive he supports.
ИИ-помощник получает почту, экран, геолокацию и микрофон.
Удобство начинает пугать
Instinct обещает цифрового помощника: он видит почту, сообщения, календарь, экран, звук и местоположение, а затем сам бронирует поездки, чистит inbox и делает покупки.
Восторг тестировщиков сопровождается вопросами о безопасности.
Чем полезнее становится агент, тем больше ключей от цифровой жизни мы вынуждены ему отдавать.
https://techcrunch.com/2026/08/24/instincts-powerful-ai-assistant-is-raising-privacy-and-security-concerns/
Удобство начинает пугать
Instinct обещает цифрового помощника: он видит почту, сообщения, календарь, экран, звук и местоположение, а затем сам бронирует поездки, чистит inbox и делает покупки.
Восторг тестировщиков сопровождается вопросами о безопасности.
Чем полезнее становится агент, тем больше ключей от цифровой жизни мы вынуждены ему отдавать.
https://techcrunch.com/2026/08/24/instincts-powerful-ai-assistant-is-raising-privacy-and-security-concerns/
TechCrunch
Instinct’s powerful AI assistant is raising privacy and security concerns | TechCrunch
Early testers are raving about what Instinct can do, but some say the AI assistant’s sweeping access, broad terms and ability to act on users’ behalf come with uncomfortable trade-offs.
Трамп купил акции SpaceX через две недели после IPO
После громкого выхода SpaceX на биржу Дональд Трамп приобрёл акции компании примерно через две недели.
На тот момент бумаги торговались около $150, после пика выше $200; позже цена вернулась к $135.
История показывает, насколько тесно крупнейшие технологические компании переплетаются с капиталом, государством и личными инвестициями власти.
https://techcrunch.com/2026/08/24/trump-bought-spacex-shares-two-weeks-after-blockbuster-ipo/
После громкого выхода SpaceX на биржу Дональд Трамп приобрёл акции компании примерно через две недели.
На тот момент бумаги торговались около $150, после пика выше $200; позже цена вернулась к $135.
История показывает, насколько тесно крупнейшие технологические компании переплетаются с капиталом, государством и личными инвестициями власти.
https://techcrunch.com/2026/08/24/trump-bought-spacex-shares-two-weeks-after-blockbuster-ipo/
TechCrunch
Trump bought SpaceX shares two weeks after blockbuster IPO | TechCrunch
The president bought when the stock was in the mid-$150 range. SpaceX finished trading on Monday back at its IPO price of $135.
Работу на 2–5 лет сделали за 8 месяцев — без найма ещё 20 инженеров
Горнодобывающая IMDEX с Cursor объединила две ключевые геологические платформы за 8 месяцев.
Компания оценивает темп миграции как 10-кратный; без ИИ часть проекта потребовала бы ещё 20 инженеров, 2–3 года и миллионы долларов.
Вот ROI ИИ, который уже можно считать не в промтах, а в годах, людях и деньгах.
https://cursor.com/blog/imdex
Горнодобывающая IMDEX с Cursor объединила две ключевые геологические платформы за 8 месяцев.
Компания оценивает темп миграции как 10-кратный; без ИИ часть проекта потребовала бы ещё 20 инженеров, 2–3 года и миллионы долларов.
Вот ROI ИИ, который уже можно считать не в промтах, а в годах, людях и деньгах.
https://cursor.com/blog/imdex
Cursor
IMDEX uses Cursor to build integrated subsurface data and analytics platform in months, not years · Cursor
Global mining technology leader, IMDEX, is using Cursor to consolidate fragmented geological data systems and re-platform legacy applications at 10x the pace of its pre-AI development model.
Как «Магнит» превратил архив экспериментов в генератор продуктовых гипотез
Команда «Магнита» научилась быстро проверять продуктовые гипотезы — и неожиданно столкнулась с новой проблемой: хорошие идеи начали заканчиваться.
Сильные решения уже работали в приложении, а в бэклоге оставались слабые или слишком дорогие инициативы. Мозговые штурмы и изучение конкурентов не давали постоянного притока идей.
Тогда команда товарных рекомендаций собрала LLM-пайплайн, который ищет новые направления в истории прежних экспериментов.
От обычного запроса к ChatGPT его отличает корпоративная память.
Модель знает, что уже тестировали, что сработало и что находится в продакшене. Поэтому вместо совета «используйте персонализацию» она предлагает конкретное изменение алгоритма и объясняет его пользу.
Сначала карточки экспериментов выгружаются из Confluence, приводятся к общей структуре и сохраняются в SQLite. Для каждого теста модель формулирует вывод и оценивает влияние на бизнес.
Затем контекстный селектор выбирает только относящиеся к задаче материалы. Это не склад, целиком вываленный на стол, а библиотекарь, который принёс несколько нужных папок.
На их основе LLM создаёт пять типов гипотез: от осторожного развития успешных тестов до радикально новых направлений.
Дальше каждая идея проходит авто-ревью: не дублирует ли она прежние тесты, не реализовывалась ли раньше и насколько велик её возможный эффект.
Quality Score поднимает наверх самые перспективные варианты. Последнее решение остаётся за продактом.
Результат одного прогона: более 100 структурированных материалов превратились примерно в 200 гипотез, около 50 прошли автоматический отбор, а 15 дошли до рабочего бэклога.
Есть и неудобная часть кейса. Около половины первоначальных идей были «нейрослопом»: общими, повторяющимися или основанными на лишнем контексте. Дальнейшая настройка давала лишь 1–2% прироста, поэтому ручную корректировку сохранили.
Главный вывод «Магнита»: качество гипотез определяет не столько модель, сколько порядок в данных. LLM не заменила продакта — она переработала корпоративный опыт, отсеяла очевидный шум и оставила человеку главное: выбор.
Источник: кейс Magnit Tech на Habr.
Подписывайтесь
Команда «Магнита» научилась быстро проверять продуктовые гипотезы — и неожиданно столкнулась с новой проблемой: хорошие идеи начали заканчиваться.
Сильные решения уже работали в приложении, а в бэклоге оставались слабые или слишком дорогие инициативы. Мозговые штурмы и изучение конкурентов не давали постоянного притока идей.
Тогда команда товарных рекомендаций собрала LLM-пайплайн, который ищет новые направления в истории прежних экспериментов.
От обычного запроса к ChatGPT его отличает корпоративная память.
Модель знает, что уже тестировали, что сработало и что находится в продакшене. Поэтому вместо совета «используйте персонализацию» она предлагает конкретное изменение алгоритма и объясняет его пользу.
Сначала карточки экспериментов выгружаются из Confluence, приводятся к общей структуре и сохраняются в SQLite. Для каждого теста модель формулирует вывод и оценивает влияние на бизнес.
Затем контекстный селектор выбирает только относящиеся к задаче материалы. Это не склад, целиком вываленный на стол, а библиотекарь, который принёс несколько нужных папок.
На их основе LLM создаёт пять типов гипотез: от осторожного развития успешных тестов до радикально новых направлений.
Дальше каждая идея проходит авто-ревью: не дублирует ли она прежние тесты, не реализовывалась ли раньше и насколько велик её возможный эффект.
Quality Score поднимает наверх самые перспективные варианты. Последнее решение остаётся за продактом.
Результат одного прогона: более 100 структурированных материалов превратились примерно в 200 гипотез, около 50 прошли автоматический отбор, а 15 дошли до рабочего бэклога.
Есть и неудобная часть кейса. Около половины первоначальных идей были «нейрослопом»: общими, повторяющимися или основанными на лишнем контексте. Дальнейшая настройка давала лишь 1–2% прироста, поэтому ручную корректировку сохранили.
Главный вывод «Магнита»: качество гипотез определяет не столько модель, сколько порядок в данных. LLM не заменила продакта — она переработала корпоративный опыт, отсеяла очевидный шум и оставила человеку главное: выбор.
Источник: кейс Magnit Tech на Habr.
Подписывайтесь
Третья часть ТОП 50 промтов
21. Персона для маркетинга — ≈ 156 голосов
> Работай как опытный SMM-менеджер. Для [продукт] определи аудиторию, боль и желаемое изменение. Создай живой контент с одним понятным действием.
22. Сократовский учитель — ≈ 150 голосов
> Не давай ответ сразу. Обучай вопросами: выясни, что я понимаю, найди пробел и помоги самому прийти к решению. В конце исправь ошибки.
23. Объяснение на трёх уровнях — ≈ 145 голосов
> Объясни [тема] трижды: ребёнку 12 лет, студенту профильной специальности и эксперту. Покажи, какие детали добавляются на каждом уровне.
24. Красная команда для идеи — ≈ 140 голосов
> Попытайся разрушить идею [идея]. Найди пять причин провала, три ложных предположения и самый дешёвый эксперимент для проверки каждого риска.
25. Обратный план — ≈ 135 голосов
> Моя цель [цель] к [дата]. Построй план от конечного результата назад к сегодняшнему дню: контрольные точки, зависимости и первое действие.
26. Диалог вместо монолога — ≈ 130 голосов
> По теме [тема] проведи экспертное интервью. Задавай по одному вопросу, опираясь на предыдущий ответ. После семи вопросов сформулируй скрытые выводы.
27. Принцип 80/20 — ≈ 125 голосов
> Для [задача] найди 20% действий, дающих 80% результата, и 20% действий, создающих 80% лишней работы. Предложи, что убрать.
28. Предварительный разбор ошибок — ≈ 120 голосов
> Представь, что через год проект [проект] провалился. Опиши причины провала и преврати каждую в профилактическое действие на сегодня.
29. Учебный план из нуля — ≈ 115 голосов
> Я хочу освоить [навык] с [уровень] до [цель] за [срок]. Построй программу по неделям: теория, практика, проект, проверка и критерий перехода.
30. Адвокат дьявола — ≈ 110 голосов
> Вот моя позиция [позиция]. Построй максимально сильный аргумент против неё. Затем покажи, что из критики мне стоит учесть.
Подписывайтесь
21. Персона для маркетинга — ≈ 156 голосов
> Работай как опытный SMM-менеджер. Для [продукт] определи аудиторию, боль и желаемое изменение. Создай живой контент с одним понятным действием.
22. Сократовский учитель — ≈ 150 голосов
> Не давай ответ сразу. Обучай вопросами: выясни, что я понимаю, найди пробел и помоги самому прийти к решению. В конце исправь ошибки.
23. Объяснение на трёх уровнях — ≈ 145 голосов
> Объясни [тема] трижды: ребёнку 12 лет, студенту профильной специальности и эксперту. Покажи, какие детали добавляются на каждом уровне.
24. Красная команда для идеи — ≈ 140 голосов
> Попытайся разрушить идею [идея]. Найди пять причин провала, три ложных предположения и самый дешёвый эксперимент для проверки каждого риска.
25. Обратный план — ≈ 135 голосов
> Моя цель [цель] к [дата]. Построй план от конечного результата назад к сегодняшнему дню: контрольные точки, зависимости и первое действие.
26. Диалог вместо монолога — ≈ 130 голосов
> По теме [тема] проведи экспертное интервью. Задавай по одному вопросу, опираясь на предыдущий ответ. После семи вопросов сформулируй скрытые выводы.
27. Принцип 80/20 — ≈ 125 голосов
> Для [задача] найди 20% действий, дающих 80% результата, и 20% действий, создающих 80% лишней работы. Предложи, что убрать.
28. Предварительный разбор ошибок — ≈ 120 голосов
> Представь, что через год проект [проект] провалился. Опиши причины провала и преврати каждую в профилактическое действие на сегодня.
29. Учебный план из нуля — ≈ 115 голосов
> Я хочу освоить [навык] с [уровень] до [цель] за [срок]. Построй программу по неделям: теория, практика, проект, проверка и критерий перехода.
30. Адвокат дьявола — ≈ 110 голосов
> Вот моя позиция [позиция]. Построй максимально сильный аргумент против неё. Затем покажи, что из критики мне стоит учесть.
Подписывайтесь
Россия якобы использовала ИИ в кампании влияния — OpenAI заблокировала сеть аккаунтов
OpenAI сообщила о пресечении связанной с Россией операции, где ИИ использовали для генерации и адаптации политического контента.
Важен масштаб: один оператор получает возможность быстрее производить десятки версий сообщений под разные аудитории.
ИИ становится усилителем информационных операций.
https://openai.com/index/disrupting-malicious-uses-of-ai-influence-campaign-russia
OpenAI сообщила о пресечении связанной с Россией операции, где ИИ использовали для генерации и адаптации политического контента.
Важен масштаб: один оператор получает возможность быстрее производить десятки версий сообщений под разные аудитории.
ИИ становится усилителем информационных операций.
https://openai.com/index/disrupting-malicious-uses-of-ai-influence-campaign-russia
OpenAI
Disrupting a new covert influence campaign from Russia
OpenAI banned Russia-origin accounts using AI to promote a fake Israel-based think tank and a “sovereignty” index praising Russia and criticizing the West.
В Шанхае устроили карнавал гуманоидов — роботы выходят из лабораторий к людям
Гуманоидов всё чаще проверяют не в лабораториях, а среди людей: соревнования, шоу и реальные сценарии взаимодействия.
Именно в шуме, толпе и непредсказуемости заканчивается красивое демо и начинается настоящий продукт.
Китай превращает гуманоидную робототехнику в массовый публичный эксперимент.
https://www.technologyreview.com/2026/08/25/1141907/dispatch-shanghai-humanoid-robot-carnival/
Гуманоидов всё чаще проверяют не в лабораториях, а среди людей: соревнования, шоу и реальные сценарии взаимодействия.
Именно в шуме, толпе и непредсказуемости заканчивается красивое демо и начинается настоящий продукт.
Китай превращает гуманоидную робототехнику в массовый публичный эксперимент.
https://www.technologyreview.com/2026/08/25/1141907/dispatch-shanghai-humanoid-robot-carnival/
MIT Technology Review
I spent a day at a robot “carnival” in Shanghai. Here’s what I saw.
Humanoids are becoming a popular form of public entertainment here.
«Мир, кажется, готов»: OpenAI готовит переход от чата к действующему ИИ
Глава продукта OpenAI описывает следующий этап: люди всё чаще готовы доверять ИИ не только ответы, но и выполнение задач.
Агент получает инструменты, память и рабочий контекст.
Главный переход происходит прямо сейчас: ИИ перестаёт быть местом, куда приходят поговорить, и становится тем, кому поручают работу.
https://techcrunch.com/2026/08/25/the-world-seems-to-be-ready-an-interview-with-openai-head-of-product-thibault-sottiaux/
Глава продукта OpenAI описывает следующий этап: люди всё чаще готовы доверять ИИ не только ответы, но и выполнение задач.
Агент получает инструменты, память и рабочий контекст.
Главный переход происходит прямо сейчас: ИИ перестаёт быть местом, куда приходят поговорить, и становится тем, кому поручают работу.
https://techcrunch.com/2026/08/25/the-world-seems-to-be-ready-an-interview-with-openai-head-of-product-thibault-sottiaux/
TechCrunch
'The world seems to be ready': An interview with OpenAI head of product Thibault Sottiaux | TechCrunch
TechCrunch talks agents, UX, and reporting to Greg Brockman with OpenAI's head of product.
IBM обновила Granite: корпоративный ИИ становится компактнее и специализированнее
Granite 4.2 продолжает ставку IBM на модели для корпоративных задач и эффективного развёртывания. Это альтернатива гонке «кто построит самого большого ИИ».
Для бизнеса победителем может оказаться не рекордсмен бенчмарка, а модель, которую дешевле запустить, проще встроить в свои данные и легче контролировать.
https://huggingface.co/blog/ibm-granite/granite-4-2
Granite 4.2 продолжает ставку IBM на модели для корпоративных задач и эффективного развёртывания. Это альтернатива гонке «кто построит самого большого ИИ».
Для бизнеса победителем может оказаться не рекордсмен бенчмарка, а модель, которую дешевле запустить, проще встроить в свои данные и легче контролировать.
https://huggingface.co/blog/ibm-granite/granite-4-2
huggingface.co
Granite 4.2 LLMs: How They're Built
A Blog post by IBM Granite on Hugging Face
Anthropic выделяет деньги на исследования того, как ИИ влияет на человека
Anthropic запускает гранты для независимых исследований влияния ИИ на человеческое благополучие.
Люди всё чаще обсуждают с моделями работу, отношения и личные проблемы.
Мы уже научились измерять интеллект моделей. Следующий обязательный показатель — что длительное общение с ними делает с поведением, решениями и состоянием самого человека.
https://www.anthropic.com/news/wellbeing-research-grants
Anthropic запускает гранты для независимых исследований влияния ИИ на человеческое благополучие.
Люди всё чаще обсуждают с моделями работу, отношения и личные проблемы.
Мы уже научились измерять интеллект моделей. Следующий обязательный показатель — что длительное общение с ними делает с поведением, решениями и состоянием самого человека.
https://www.anthropic.com/news/wellbeing-research-grants
Anthropic
Funding better evaluations of AI’s impact on wellbeing
Anthropic is launching a $5 million grant program to fund independent research into how AI impacts users’ wellbeing.
Claude Cowork наконец запоминает то, что вы уже рассказывали в чате
Информация, которую пользователь уже сообщил Claude, теперь может использоваться и в Cowork без постоянного повторения контекста.
Это кажется небольшой функцией, но меняет интерфейс ИИ.
Настоящий цифровой сотрудник не должен каждое утро знакомиться с вами заново — он должен помнить проекты, решения и рабочие предпочтения.
https://techcrunch.com/2026/08/25/claude-cowork-finally-remembers-what-you-told-the-app-in-chat/
Информация, которую пользователь уже сообщил Claude, теперь может использоваться и в Cowork без постоянного повторения контекста.
Это кажется небольшой функцией, но меняет интерфейс ИИ.
Настоящий цифровой сотрудник не должен каждое утро знакомиться с вами заново — он должен помнить проекты, решения и рабочие предпочтения.
https://techcrunch.com/2026/08/25/claude-cowork-finally-remembers-what-you-told-the-app-in-chat/
TechCrunch
Claude Cowork finally remembers what you told the app in chat | TechCrunch
Anthropic is giving Claude a shared memory across chat and Cowork, so users no longer have to repeatedly brief the AI on projects, preferences, and other context.
Четвертая часть ТОП 50 промтов
31. Сравнение решений — ≈ 105 голосов
> Сравни [A], [B] и [C] по критериям [критерии]. Присвой веса, объясни оценки и покажи, при каких условиях победитель изменится.
32. Экспертная комиссия — ≈ 100 голосов
> Рассмотри [проблема] глазами финансиста, инженера, маркетолога, юриста и пользователя. Каждый называет риск и рекомендацию. Затем синтезируй решение.
33. Проверка фактов — ≈ 95 голосов
> Раздели текст на проверяемые факты, мнения, прогнозы и предположения. Для каждого факта укажи, какое доказательство нужно найти.
34. Очеловечивание текста — ≈ 91 голосов
> Перепиши текст естественно: сохрани смысл, убери шаблонные ИИ-обороты, разнообразь длину предложений и не добавляй новых фактов.
35. Пять почему — ≈ 90 голосов
> Разбери [проблема] методом пяти «почему». Не останавливайся на очевидном объяснении. После пятого уровня предложи решение корневой причины.
36. Решение через ограничения — ≈ 85 голосов
> Мне нужно [цель], ограничения [список]. Не обходи их. Используй ограничения как условия дизайна и предложи пять работающих решений.
37. Что я не спросил? — ≈ 80 голосов
> После ответа добавь «Что вы, вероятно, ещё не учли» и назови три важных аспекта, которые обычно упускают новички.
38. Перевод эксперта на человеческий язык — ≈ 75 голосов
> Перепиши профессиональный текст для неспециалиста, не теряя смысл. Незнакомые термины объясняй через конкретный пример.
39. Сценарное планирование — ≈ 70 голосов
> Для [ситуация] создай базовый, оптимистичный и негативный сценарии на [срок]. Для каждого укажи ранние сигналы его наступления.
40. Редактор без жалости — ≈ 65 голосов
> Отредактируй текст строго: убери воду, повторы и абстракции. Общие утверждения замени конкретикой из исходника. Перечисли пять главных правок.
Подписывайтесь
31. Сравнение решений — ≈ 105 голосов
> Сравни [A], [B] и [C] по критериям [критерии]. Присвой веса, объясни оценки и покажи, при каких условиях победитель изменится.
32. Экспертная комиссия — ≈ 100 голосов
> Рассмотри [проблема] глазами финансиста, инженера, маркетолога, юриста и пользователя. Каждый называет риск и рекомендацию. Затем синтезируй решение.
33. Проверка фактов — ≈ 95 голосов
> Раздели текст на проверяемые факты, мнения, прогнозы и предположения. Для каждого факта укажи, какое доказательство нужно найти.
34. Очеловечивание текста — ≈ 91 голосов
> Перепиши текст естественно: сохрани смысл, убери шаблонные ИИ-обороты, разнообразь длину предложений и не добавляй новых фактов.
35. Пять почему — ≈ 90 голосов
> Разбери [проблема] методом пяти «почему». Не останавливайся на очевидном объяснении. После пятого уровня предложи решение корневой причины.
36. Решение через ограничения — ≈ 85 голосов
> Мне нужно [цель], ограничения [список]. Не обходи их. Используй ограничения как условия дизайна и предложи пять работающих решений.
37. Что я не спросил? — ≈ 80 голосов
> После ответа добавь «Что вы, вероятно, ещё не учли» и назови три важных аспекта, которые обычно упускают новички.
38. Перевод эксперта на человеческий язык — ≈ 75 голосов
> Перепиши профессиональный текст для неспециалиста, не теряя смысл. Незнакомые термины объясняй через конкретный пример.
39. Сценарное планирование — ≈ 70 голосов
> Для [ситуация] создай базовый, оптимистичный и негативный сценарии на [срок]. Для каждого укажи ранние сигналы его наступления.
40. Редактор без жалости — ≈ 65 голосов
> Отредактируй текст строго: убери воду, повторы и абстракции. Общие утверждения замени конкретикой из исходника. Перечисли пять главных правок.
Подписывайтесь
Пятая, заключительная часть ТОП 50 промтов
41. Интервью с будущим собой — ≈ 60 голосов
> Представь, что прошло пять лет и я достиг [цель]. Проведи интервью с будущим мной: ключевые решения, прекращённые действия и самые дорогие ошибки.
42. Карта неизвестного — ≈ 55 голосов
> По теме [тема] раздели: что я знаю, предполагаю, не знаю и чего, вероятно, не понимаю, что не знаю. Для последнего предложи вопросы.
43. Решение без любимого варианта — ≈ 50 голосов
> Я склоняюсь к [вариант]. Сначала независимо оцени все альтернативы, игнорируя моё предпочтение. Затем сравни итог с моим выбором.
44. План на один час — ≈ 45 голосов
> У меня 60 минут на [задача]. Составь план по 10-минутным блокам. Убери всё, что не создаёт измеримого прогресса сегодня.
45. Минимальный эксперимент — ≈ 40 голосов
> Для гипотезы [гипотеза] придумай самый дешёвый тест, способный её опровергнуть. Укажи метрику, порог успеха, срок и действия по результатам.
46. Контраргумент к собственному ответу — ≈ 35 голосов
> После рекомендации найди самый сильный аргумент против собственного ответа. Если он меняет решение — пересмотри итог.
47. Компрессия мысли — ≈ 30 голосов
> Объясни [тема] в 300 словах, затем 100, 30 и одним предложением. На каждом этапе сохраняй только незаменимый смысл.
48. Создание личного советника — ≈ 29 голосов
> Помоги создать постоянного ИИ-советника по [область]. Выясни цели, ограничения, принципы и критерии решений, затем сформируй системные инструкции.
49. Преобразование хаоса в систему — ≈ 25 голосов
> Вот хаотичные заметки [заметки]. Выдели проекты, решения, задачи, вопросы, риски и идеи. Для задач укажи следующий физически выполнимый шаг.
50. Промт для создания промтов под любую модель — ≈ 22 голосов
> Создай промт для [модель] под [задача], учитывая сильные и слабые стороны модели. Дай короткую ежедневную и расширенную версии.
Подписывайтесь
41. Интервью с будущим собой — ≈ 60 голосов
> Представь, что прошло пять лет и я достиг [цель]. Проведи интервью с будущим мной: ключевые решения, прекращённые действия и самые дорогие ошибки.
42. Карта неизвестного — ≈ 55 голосов
> По теме [тема] раздели: что я знаю, предполагаю, не знаю и чего, вероятно, не понимаю, что не знаю. Для последнего предложи вопросы.
43. Решение без любимого варианта — ≈ 50 голосов
> Я склоняюсь к [вариант]. Сначала независимо оцени все альтернативы, игнорируя моё предпочтение. Затем сравни итог с моим выбором.
44. План на один час — ≈ 45 голосов
> У меня 60 минут на [задача]. Составь план по 10-минутным блокам. Убери всё, что не создаёт измеримого прогресса сегодня.
45. Минимальный эксперимент — ≈ 40 голосов
> Для гипотезы [гипотеза] придумай самый дешёвый тест, способный её опровергнуть. Укажи метрику, порог успеха, срок и действия по результатам.
46. Контраргумент к собственному ответу — ≈ 35 голосов
> После рекомендации найди самый сильный аргумент против собственного ответа. Если он меняет решение — пересмотри итог.
47. Компрессия мысли — ≈ 30 голосов
> Объясни [тема] в 300 словах, затем 100, 30 и одним предложением. На каждом этапе сохраняй только незаменимый смысл.
48. Создание личного советника — ≈ 29 голосов
> Помоги создать постоянного ИИ-советника по [область]. Выясни цели, ограничения, принципы и критерии решений, затем сформируй системные инструкции.
49. Преобразование хаоса в систему — ≈ 25 голосов
> Вот хаотичные заметки [заметки]. Выдели проекты, решения, задачи, вопросы, риски и идеи. Для задач укажи следующий физически выполнимый шаг.
50. Промт для создания промтов под любую модель — ≈ 22 голосов
> Создай промт для [модель] под [задача], учитывая сильные и слабые стороны модели. Дай короткую ежедневную и расширенную версии.
Подписывайтесь
Не ставьте все 100: вот какие ИИ-репозитории с GitHub реально пригодятся
На GitHub сейчас можно собрать почти весь ИИ-стек бесплатно: личного агента, корпоративный чат по документам, автоматизацию отдела, генератор изображений и даже видеоконвейер. В свежей подборке Habr — 100 репозиториев, которые вместе, по подсчёту автора, набрали около 7,52 млн звёзд. Но важнее другое: какие из них действительно стоит открыть, если вам нужен результат, а не ещё одна папка с закладками.
Нужен ИИ-агент для работы. Начните с OpenClaw — персональный ассистент, который можно подключать к устройствам и сервисам. Hermes Agent полезен, если важна память между сессиями. Для команды агентов есть CrewAI, AutoGen, LangGraph и Agno. А если хочется собрать автоматизацию почти без кода — смотрите n8n: почта → CRM → таблица → LLM → Telegram можно связать в один сценарий.
Хотите свой корпоративный ChatGPT. Самый понятный вход — Open WebUI или LibreChat. Для работы с внутренними документами — Dify, RAGFlow, PrivateGPT, Quivr и PageIndex. Чтобы нормально разобрать PDF, DOCX и презентации перед загрузкой в базу знаний, пригодится Docling. Для памяти пользователя — Mem0.
Нужно собирать данные из интернета. Firecrawl превращает сайты в чистый текст для LLM, Scrapling подходит для более серьёзного парсинга, а TrendRadar и Folo — для мониторинга новостей и источников. Практический сценарий: Firecrawl собирает сайты конкурентов → n8n запускает анализ → модель делает сводку → результат уходит менеджеру.
Для разработки с ИИ. Gemini CLI, Goose и Continue работают прямо с кодовой базой. Spec Kit, OpenSpec и Superpowers заставляют агента сначала зафиксировать требования и план, а уже потом менять код — полезное лекарство от хаотичного вайбкодинга. Для безопасного запуска сгенерированного кода есть Daytona.
Для локальных моделей. LocalAI позволяет запускать LLM, зрение и речь на своём железе. Unsloth помогает быстрее запускать и дообучать модели, LlamaFactory — адаптировать десятки языковых и мультимодальных моделей под свои данные. Если хочется понять LLM изнутри, есть LLMs from Scratch.
Для картинок и видео. ComfyUI — один из самых гибких конструкторов генеративных пайплайнов; Stable Diffusion WebUI — привычный интерфейс для локальной генерации; Upscayl увеличивает разрешение изображений. Для видео смотрите OpenMontage и Hyperframes, для голоса — Voicebox.
Если не знаете, с чего начать, не выбирайте «самый звёздный» репозиторий. Выберите одну задачу. Для автоматизации бизнеса — n8n. Для базы знаний — Dify + Docling. Для приватного ИИ — Open WebUI + LocalAI. Для кодинга — Gemini CLI + Spec Kit. Для визуала — ComfyUI.
GitHub в 2026 году всё меньше похож на склад исходников и всё больше — на конструктор, из которого можно собрать собственный ИИ-продукт. Главное — не скачать сто инструментов. Главное — заставить один из них экономить вам время уже сегодня.
Источник подборки: https://habr.com/ru/articles/1075078/
Подписывайтесь
На GitHub сейчас можно собрать почти весь ИИ-стек бесплатно: личного агента, корпоративный чат по документам, автоматизацию отдела, генератор изображений и даже видеоконвейер. В свежей подборке Habr — 100 репозиториев, которые вместе, по подсчёту автора, набрали около 7,52 млн звёзд. Но важнее другое: какие из них действительно стоит открыть, если вам нужен результат, а не ещё одна папка с закладками.
Нужен ИИ-агент для работы. Начните с OpenClaw — персональный ассистент, который можно подключать к устройствам и сервисам. Hermes Agent полезен, если важна память между сессиями. Для команды агентов есть CrewAI, AutoGen, LangGraph и Agno. А если хочется собрать автоматизацию почти без кода — смотрите n8n: почта → CRM → таблица → LLM → Telegram можно связать в один сценарий.
Хотите свой корпоративный ChatGPT. Самый понятный вход — Open WebUI или LibreChat. Для работы с внутренними документами — Dify, RAGFlow, PrivateGPT, Quivr и PageIndex. Чтобы нормально разобрать PDF, DOCX и презентации перед загрузкой в базу знаний, пригодится Docling. Для памяти пользователя — Mem0.
Нужно собирать данные из интернета. Firecrawl превращает сайты в чистый текст для LLM, Scrapling подходит для более серьёзного парсинга, а TrendRadar и Folo — для мониторинга новостей и источников. Практический сценарий: Firecrawl собирает сайты конкурентов → n8n запускает анализ → модель делает сводку → результат уходит менеджеру.
Для разработки с ИИ. Gemini CLI, Goose и Continue работают прямо с кодовой базой. Spec Kit, OpenSpec и Superpowers заставляют агента сначала зафиксировать требования и план, а уже потом менять код — полезное лекарство от хаотичного вайбкодинга. Для безопасного запуска сгенерированного кода есть Daytona.
Для локальных моделей. LocalAI позволяет запускать LLM, зрение и речь на своём железе. Unsloth помогает быстрее запускать и дообучать модели, LlamaFactory — адаптировать десятки языковых и мультимодальных моделей под свои данные. Если хочется понять LLM изнутри, есть LLMs from Scratch.
Для картинок и видео. ComfyUI — один из самых гибких конструкторов генеративных пайплайнов; Stable Diffusion WebUI — привычный интерфейс для локальной генерации; Upscayl увеличивает разрешение изображений. Для видео смотрите OpenMontage и Hyperframes, для голоса — Voicebox.
Если не знаете, с чего начать, не выбирайте «самый звёздный» репозиторий. Выберите одну задачу. Для автоматизации бизнеса — n8n. Для базы знаний — Dify + Docling. Для приватного ИИ — Open WebUI + LocalAI. Для кодинга — Gemini CLI + Spec Kit. Для визуала — ComfyUI.
GitHub в 2026 году всё меньше похож на склад исходников и всё больше — на конструктор, из которого можно собрать собственный ИИ-продукт. Главное — не скачать сто инструментов. Главное — заставить один из них экономить вам время уже сегодня.
Источник подборки: https://habr.com/ru/articles/1075078/
Подписывайтесь