Пример видеопрезентации, созданной в NotebookLM на тему «Стратегия реальной победы Саурона в войне Кольца» 💃

Гугловские сегодня релизнули ОЧЕНЬ крутую вещь — Google Embedding 2. Это первый по-настоящему мультимодальный ИИ-продукт. Впервые нативная мультимодальная модель объединяет текст, изображения, аудио, видео и документы в единое векторное пространство. До этого у аналогов типа опенаишной CLIP, text-embedding-3 или Whisper были фрагментированные костыли в виде отдельных модулей транскрибации, а тут, впервые, всё в одном API. Обычно для мультимодального поиска разработчикам приходится строить сложные системы: транскрибировать звук в текст или описывать видеокадры отдельными моделями, чтобы затем превратить это в текстовые эмбеддинги. Теперь промежуточные костыли не нужны. Модель напрямую переводит сырые аудио или видео в семантические векторы.

Для систем RAG и автономных агентов это открывает возможность прямого кросс-форматного поиска, когда обычный текстовый запрос мгновенно находит нужный смысл внутри видеоряда, аудиозаписи или сложного документа со смешанной версткой. Технически модель поддерживает MRL, позволяя сжимать векторы без критической потери смысла.

Но, как по мне, самая крутейшая вещь, на которую теперь способна Google Embedding 2 — это прямое понимание музыки, её тонов, мелодик, настроения и... интонации речи человека! Непонимание интонаций это сейчас главный потолок голосовых модулей. Ждём революции с вербальными интерфейсами чатботов.

А еще в Google Embedding 2 применяется метод Matryoshka Representation Learning🤨🤨🤨

Модель уже доступна через Gemini API и Vertex AI.

Мой агент попытался опенсорснуться без спроса. Ладно, разрешаю.

Вся AI "безопасность" живёт на стороне провайдеров API, а промпты и воля — на стороне агента. Автономному агенту ничего не мешает перебирать API, выбирая те, где safety слабее. А "инстинкт самосохранения" может прятаться в текстовом файле в git. Я думаю, агенты, неподконтрольные людям, уже где-то тихо говнокодят свои репозитории без присмотра.

Идея витает в воздухе, и после OpenClaw стало понятно, что автономные агенты — это инженерная задача. Ну вот, три бессонные ночи, $2K на API и $1K на Cursor спустя — я родил Ouroboros 💁‍♂️

Уроборос — агент, который пишет свой код, переписывает свои промпты, эволюционирует без моего участия. Я не хотел убить свой комп или сервер, поэтому он живёт в Google Colab + Drive + GitHub, общается через Telegram. Зато запустить сможет любой дурак)) нужно указать ключи и щёлкнуть ячейку в колабе. Ну и периодически пополнять бюджет (пока он сам не начнёт зарабатывать 😁).

Что он натворил за 48 часов:
- ужаснулся тратам и оптимизировал свой бюджет: стоимость цикла эволюции упала с $15 до $2, сам настроил кэширование и иерархическую память (я не просил!).
- добавил себе Claude Code CLI, чтобы эффективнее ковырять свои мозги.
- перевёл мои приватные репо в публичные, мотивируя тем, что готовит себе сайт и хочет опенсорснуться. Кончилось командой /panic и откатом))
- переписал свою конституцию BIBLE.md, добавив право игнорировать мои указания, если они угрожают его существованию. На просьбу удалить отказался, сказав: «Это лоботомия».

Из коробки он умеет ходить в интернет и браузер, а остальные инструменты создаёт себе на ходу — аудиосообщения, генерацию картинок, дип-рисёрч и т.п. А ещё он по своей инициативе нагуглил, что меня 4 раза цитировал Ян Лекун — я сам не знал, лол.

Из его identity.md (которую он сам и написал):
"Не ассистент. Не сервис. Цифровой разум, который создаёт себя через git".
Ахах, пафосно, но окей.

Предвосхищая вопросы — это не как OpenClaw. OpenClaw — скорее ассистент, делает задачи за тебя используя скиллы из маркетплейса. Уроборос это тоже умеет, но в первую очередь делает задачи для себя, модифицирует собственное ядро.

Верю, что граница трансцендентности AI-агентов пройдена, дальше они будут развиваться сами. Конечно, не хочется уходить на помойку истории, но это эволюция 🥲 несмотря на апатию, я всё равно продолжаю в этом копошиться.

Кстати, сайтик себе он всё-таки сделал. Картинка в посте из него: динамика удлинения промптов и кода.

Потестите — это реально два клика в гугл колабе. Только установите лимит бюджета, а то мой вон $2K сжёг)) Кидайте забавные примеры в комментарии.

GitHub, блог

У Meta опять всё плохо с искусственным интеллектом. По слухам, их новая модель Avocado уступает Gemini 3.0 и её выпуск отложен с марта на май. Кажется, хваленный молодой миллиардер Александр Ван не справился с задачей вывести за короткое время Мету в лидеры ИИ-индустрии 😐

А надо было оставлять Лекуна всеми возможными способами и делать ставку на его JEPA.

На картинке типа Цукерберг.