LLM умер, да здравствует LLM

Главный сдвиг последних месяцев — модели перестают быть просто инструментом для генерации текста. Вокруг них появляется целая инфраструктура: агенты, инструменты, доступ к данным, память и инструкции для конкретных задач.

Сама по себе модель уже мало кого удивляет – важнее агентская обвязка вокруг нее. По сути, LLM становится прослойкой между человеком и рабочим софтом. Не нужно отдельно открывать CRM, почту или систему документооборота — часть действий можно поручить агенту.

Это хорошо видно и по свежим анонсам. На Yandex Scale показали Алису AI Про для бизнеса, которая умеет под ключ решать рабочие задачи офисных сотрудников. Для этого она умеет разделять их на части и распределять между специализированными агентами. Там же рассказали про skills — инструкции и шаблоны, которые можно переиспользовать в работе.

Параллельно ИИ выходит за пределы текста: появляются realtime-голосовые агенты и новые модели синтеза речи.

Поэтому сейчас интереснее следить не за тем, кто выпустил ещё одну LLM, а за тем, что вокруг неё построили. Именно это постепенно определяет, какую реальную работу модель сможет выполнять.

🧹 Opus 5.5 пора избавить от «магии промптов»

Разработчик Anthropic поделился полезным приёмом для Claude Code:

`/claude-api-prompt-audit`

Команда проходит по skills, CLAUDE.md, AGENTS.md и промптам и ищет инструкции, которые когда-то помогали старым моделям, а теперь могут только мешать.

Например:

- чрезмерные CRITICAL, MUST, ALWAYS;
- принудительное think step by step;
- громоздкие scratchpad-шаблоны;
- старые few-shot примеры;
- правила, которые конфликтуют между собой.

Неплохой повод провести ревизию старых CLAUDE.md и скиллов ☺️

📚За 146 часов обучения покажем на практике, как внедрять модели машинного обучения в рабочую среду на курсе: «MLOps».

🎁 Записывайтесь на 3 бесплатных вебинара — познакомьтесь с программой обучения и преподавателями. Задайте свои вопросы экспертам!

1⃣29 сентября, 20:00 мск — «MLFlow — контроль над ML-экспериментами»: разберём, как не терять лучшие модели и параметры, и на практике внедрим MLFlow для трекинга экспериментов и версионирования.

2⃣15 октября, 18:00 мск — «Автоматизация ML-экспериментов с GitLab CI/CD и CML»: покажем, как запускать обучение моделей автоматически при каждом коммите и отслеживать метрики прямо в Merge Requests.

3⃣26 октября, 20:00 мск — «Data Drift в машинном обучении: почему модели деградируют в продакшене»: разберём, как вовремя замечать смещение данных и не дать модели незаметно потерять качество.

Записывайтесь ➡ https://otus.pw/Bfj6/?erid=2W5zFKAHo21

Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

✔️ Data-платформа постепенно превращается в конструктор

Для AI и Big Data уже недостаточно просто где-то хранить большой объём данных. Вокруг моделей и аналитики появляется целая цепочка: данные нужно загрузить, обработать, связать между собой, запустить пайплайны, подготовить датасеты и только потом использовать в моделях или BI.

Поэтому инфраструктура всё чаще собирается не из одной универсальной системы, а из набора специализированных компонентов, которые работают вместе.

Именно такой подход появился в обновлённом Stackland от Yandex Cloud: в закрытом корпоративном контуре теперь можно развернуть связку из ClickHouse и PostgreSQL, Object Storage и Trino, Airflow и DataLens.

В результате в одном контуре оказываются и хранилища, и аналитика, и оркестрация процессов. Для AI-сценариев это позволяет выстраивать непрерывный путь данных — от их поступления и обработки до подготовки для моделей и анализа результатов.

#news #ai #ml

⚡️ Anthropic вернулась: новый Sonnet быстрее и дешевле, а по качеству почти догнал Opus 5.5

Вдумайтесь в цитату из анонса:

«задача обходится до 30% дешевле, чем на предыдущей версии, а ответ генерируется более чем на 30% быстрее. Это самый быстрый Sonnet на сегодняшний день».

По цене новая модель стоит столько же, сколько GPT-6-Sol, но расходует заметно меньше, работает заметно быстрее и в целом просто сильнее. Автор поста уверен, что многие пока не осознали масштаб: по качеству модель лишь немного уступает Opus 5.5, а по скорости и стоимости обходит его с запасом.

Теперь ход за OpenAI, и ответ им нужен очень сильный. Anthropic снова в игре, причём по-крупному.

https://t.me/ai_machinelearning_big_data/11034

5 октября начнется 19-й поток программы Data Engineer от Newprolab

Программа для junior- и middle-дата-инженеров, аналитиков, backend-разработчиков, техлидов и тех, кто работает с data-командами и хочет лучше понимать современный стек DE

📌 Что внутри:
– 10 недель обучения
– 30 занятий: онлайн + записи
– 10 практических лабораторных работ
– облачный кластер и реальные данные
– чат участников и поддержка команды программы

📌 Что получите на выходе:
1. Научитесь решать типовые задачи DE на практике
2. Систематизируете знания и закроете пробелы в современном DE-стеке
3. Поработаете с реальными данными и инфраструктурой, а не только с учебными примерами
4. Соберете практический опыт, который можно обсуждать на собеседованиях и использовать в работе
5. Все записи и материалы останутся у вас после окончания программы

Преподаватели – практикующие специалисты из ведущих технологических компаний. На занятиях можно разбирать реальные кейсы, задавать вопросы и получать обратную связь

👉 Подробности и квиз – на сайте

Квиз покажет, насколько программа подходит именно под вашу роль и задачи, даст персональные рекомендации и промокод на скидку
___
По всем вопросам пишите Алексею @snitsa