🖥 Вышел Cursor 2.0 — новая база в вайбкодинге

📌 Инструментарий обновился: во-первых, появилась их собственная модель Composer, которая выполняет задачи в 4 раза быстрее конкурентов. Во-вторых, теперь всю работу могут делать ИИ-агенты — следите за задачей, задавайте направление, и агенты берут кодинг на себя.

📌 Кроме того: агенты могут работать параллельно (до 8 агентов на один запрос) без конфликтов, новый интерфейс ориентирован не на файлы, а на агентов и задачи, а встроенный браузер позволяет быстро искать ошибки в вебе и контекстно работать с интерфейсом.

ℹ️ И главное: в Cursor 2.0 добавили голосовой ввод — можно кодить без рук и задавать команды голосом.

🔗 Попробовать: Cursor 2.0

🌐 Google Opal — сервис для разработки приложений и проектов без кода

📌 Компания Google через платформу Google Labs представила Opal — экспериментальный инструмент, который позволяет создавать рабочие AI-мини-приложения, задавая идею текстом.

📌 Под капотом сервис использует мощь мульти-моделей: генерацию кода и логики делает Gemini 2.5, визуальные элементы — Imagen 4, а видео/анимации — Veo 3. Вместо того чтобы писать каждую строку, вы формулируете задачу: «приложение для бронирования» или «чат-асcистент для сайта», Opal создаёт визуальный workflow, который можно править.

ℹ️ Ключевые фишки:
— Карта зависимостей, визуализирующая шаги приложения и их связь.
— Галерея шаблонов — готовые приложения, которые можно запустить или «ремикснуть».
— Полный no-code режим: вы опишете приложение и получите прототип, который можно сразу опубликовать и поделиться им. (Проект пока в публичной бета-версии для США и ряда стран.)

🔗 Попробовать: Google Opal

🧠 Pokee AI — платформа-убийца ручной работы: автоматизация через агентов

📌 Появилась новая бесплатная платформа для автоматизации любых задач — Pokee AI. По сути, это «n8n наоборот»: вы пишете задачу в чат, а ИИ-агент подбирает инструменты, запускает процесс и делает работу за вас.

📌 Система поддерживает подключение к Google Workspace, GitHub, Slack, Notion, соцсетям (Instagram, X/Twitter) и многому другому. Вы можете автоматизировать: обработку почты, генерацию контента, постинг в соцсетях, разбор данных — и всё это запланировать, повторить и забыть.

ℹ️ Платформа уже прошла стадию публичной беты и получила финансирование: стартап из Сиэтла привлёк $12 млн, а сам продукт позиционируется как рабочий инструмент для автоматизации рутинных процессов силами ИИ-агентов.

🔗 Попробовать: Pokee AI

📑 drFonts — первая нейросеть, создающая целый шрифт по изображению

📌 На сайте drFonts появилась платформа, которая позволяет сгенерировать полноценный шрифт, загрузив одно изображение или референс-пример. Пользователь может выбрать стиль, цветовую палитру, внести корректировки — и сразу экспортировать файл шрифта.

📌 Сервис берёт на себя подбор линии, толщины, кернинга и даже стилистики знаков. Это значит, что вместо ручного создания каждой буквы, дизайнер получает готовый набор глифов с единым стилем. Шрифты можно использовать коммерчески — на странице проекта указано, что лицензия свободна.

ℹ️ Инструмент будет полезен тем, кто работает с брендингом, типографикой и дизайн-системами: можно за несколько минут получить кастомный шрифт, который ранее требовал дней ручной работы.

🔗 Попробовать: drFonts

🤖 Agentic AI — когда ИИ начинает действовать сам

📌 Agentic AI — это следующий шаг развития искусственного интеллекта, где система перестаёт быть просто инструментом и становится активным агентом: она ставит цели, принимает решения и реализует задачи без постоянного участия человека.

📌 В основе работы Agentic AI лежит несколько ключевых компонентов: большие языковые модели (LLM) для понимания и генерации, доступ к внешним инструментам (интернет-ресурсы, скрипты, API) и память с планированием — таким образом система разбивает цель на шаги и последовательно их выполняет.

ℹ️ Для бизнеса это не просто автоматизация — это возможность внедрить ИИ-системы, которые могут самостоятельно анализировать рынок, проектировать решения, тестировать варианты и действовать в масштабе. Agentic AI становится партнёром, а не просто помощником.

🔗 Попробовать: Agentic AI

🎨 Weavy — бесконечный холст для создания сложных AI-воркфлоу

📌 Weavy предлагает бесконечную холст-среду, где каждый шаг творческого процесса превращается в узел: загрузите промт – получите изображение; на его основе генерируйте текстуру и фон; затем превратите результат в 3D-модель и анимируйте. Всё это — в едином интерфейсе с возможностью ветвления и управления процессом.

📌 Платформа использует нод-ориентированную структуру: от каждого узла можно ответвить отдельный путь, изменить направление, подключить новую модель — например, AI-генератор изображений, 3D-анимацию или видео-эффекты. Weavy интегрирует топ-AI-модели вроде Veo 3, Imagen 3 и Stable Diffusion 3.5 и позволяет комбинировать их в одном сессии.

ℹ️ Weavy недавно был приобретён Figma и станет частью её экосистемы под именем Figma Weave — что указывает на стратегию использования инструментов объединения AI-моделей и дизайн-редакторов в одном интерфейсе.

🔗 Попробовать: Weavy

🖥 Onlook — “Cursor” для веб-проекта, который собирает приложение за пару минут

📌 С помощью Onlook можно быстро создать прототип или целый проект: от идеи до кода. Вы начинаете с текста или ссылки на сайт, затем инструмент генерирует Next.js-приложение с Tailwind-CSS, визуальным редактором и готовым интерфейсом.

📌 Интерфейс ориентирован на дизайнеров: визуальное редактирование, drag-and-drop компонентов, настройка стилей и просмотр кода в реальном времени. Все правки вносятся сразу в ваш код.

ℹ️ Проект открытый: исходники доступны на GitHub, лицензия Apache-2.0. Можно запускать локально или в облаке — и редактировать сразу приложение или дизайн-систему.

🔗 Попробовать: Onlook

🖥 nanochat — проект от Andrej Karpathy: «ChatGPT», доступный каждому

📌 Бывший исследователь OpenAI Андрей Карпатый выпустил открытый репозиторий nanochat, цель которого — дать возможность запустить собственную LLM-систему типа ChatGPT.

📌 Проект реализует полный стек: токенизация, предобучение, дообучение, инференс и веб-интерфейс — всё в одном легковесном коде (~8 000 строк) и под лицензией MIT.

ℹ️ Код рассчитан на запуск даже на одной машине: «$100 ChatGPT» — так Карпатый описывает сценарий обучения базового варианта модели.

🔗 Попробовать: nanochat

📚 Chandra — открытая OCR-модель, превращающая PDF и изображения в структурированный текст

📌 Модель Chandra от Datalab способна преобразовать PDF-документы и изображения в HTML, Markdown или JSON с сохранением структуры, таблиц, формул и диаграмм.

📌 Поддержка свыше 40 языков, точная обработка рукописного текста и сложных макетов делают её одним из лидеров среди систем ИИ для работы с документами.

ℹ️ Модель доступна в виде открытого кода на GitHub, а также на официальном сайте проекта.

🔗 Попробовать: GitHub | Chandra

🖥 Grokipedia — ИИ-аналог «Википедии» от Илона Маска

📌 Команда xAI представила Grokipedia — энциклопедию, где весь контент создаёт и контролирует искусственный интеллект Grok. Сейчас доступна бесплатная бета-версия v0.1 через веб-интерфейс.

📌 В базе уже более 885 000 статей, но пока только на английском и без изображений. Пользователи не могут редактировать материалы — всё генерирует и проверяет Grok, что вызывает вопросы к достоверности данных.

ℹ️ Локализация на другие языки не подтверждена. Использовать Grokipedia можно для справки, но всегда перепроверяйте информацию — особенно если источник не указывает первоисточники.

🔗 Попробовать: Grokipedia

🌐 PolyCoder — open-source AI от Carnegie Mellon, генерирующий код на основе GPT-2, обучен на 249 ГБ кода на 12 языках.

❔ Что такое PolyCoder?
PolyCoder— это открытый AI-инструмент для генерации кода, разработанный исследователями из Университета Карнеги-Меллона. Он основан на модели GPT-2 с 2,7 миллиардами параметров и обучен на 249 ГБ кода на 12 языках программирования.

📌 Основные возможности
⭐️Генерация кода по описанию: создание кода из текстовых запросов.
⭐️Поддержка 12 языков: включая C, Python, Java, JavaScript и другие.
⭐️Открытый исходный код: доступен для модификации и дообучения.

⚙️ Примеры использования
⭐️Быстрое прототипирование функций.
⭐️Автоматизация рутинных задач.
⭐️Обучение и исследование AI в программировании.

👀 Кому подойдёт
⭐️Разработчикам, работающим с C и другими языками.
⭐️Исследователям и преподавателям.
⭐️Командам, ищущим настраиваемый AI-инструмент.

📎 Подробнее: PolyCoder

🔨 Rork — создание мобильных приложений одним предложением

📌 Rork — AI-инструмент, который генерирует полноценные кросс-платформенные мобильные приложения (iOS, Android и Web) на базе React Native всего по текстовому описанию идеи.

📌 Платформа позволяет быстро создавать шаблоны приложений с навигацией, пользовательским интерфейсом и базовой логикой — подходит для MVP или прототипов стартапов.

ℹ️ Rork только что получил финансирование на этапе pre-seed и уже отмечается как одна из самых быстрорастущих новинок в нише no-code/AI-кодинга.

🔗 Попробовать: Rork

🖥 Bolt — от идеи к работающему приложению за пару минут

📌 Bolt — это AI‑инструмент, с помощью которого можно создать веб‑сайт, веб‑приложение или мобильное приложение, просто описав идею.

📌 Платформа работает целиком в браузере — нет необходимости ничего устанавливать, настраивать сервера или копаться в конфигурациях. Вы пишете, что хотите, и Bolt генерирует код, среду, бекенд, фронтенд и даже разворачивает проект.

ℹ️ Инструмент особенно подходит для MVP, прототипов и быстрых тестов идеи как для новичков, так и для опытных разработчиков, которые хотят сэкономить время на рутинных задачах.

🔗 Попробовать: Bolt

🎨 Stability AI — генеративный ИИ для творчества и бизнеса

📌 Технологическая база Stability AI — это не просто «изображения из текста», а сложные системы с несколькими уровнями: автокодировщики, латентные пространства, диффузионные процессы, трансформеры. В модели Stable Diffusion 3 (SD3) используется архитектура Multimodal Diffusion Transformer (MMDiT) — она разбивает обработку текста и изображения на отдельные веса/модули, затем объединяет через механизм внимания, чтобы обе модальности (текст и изображение) могли взаимодействовать.

📌 Кроме того, Stable Diffusion работает в латентном пространстве: сначала изображение кодируется в компактное представление через вариационный автокодировщик (VAE) — таким образом размерность обработки падает.

ℹ️ SD3 и сопутствующие версии используют масштабируемость моделей от ~800 млн до ~8 млрд параметров, а также потоковое обучение с “flow matching” и диффузионной трансформер-архитектурой, что улучшает качество результата (типографика, соответствие запросу) и делает процесс генерации более гибким.

🔗 Попробовать: Stability AI

🤖 Denario — ассистент нового поколения

📌 Denario — модульная AI-система, которая способна взять на себя весь цикл научного исследования: от генерации идеи до написания и рецензии статьи.

📌 Система построена как набор агентов: «Idea Maker» формирует гипотезу, «Idea Hater» её критикует, затем модули анализируют литературу, пишут код, строят графики и генерируют рукопись — и всё это автономно.

ℹ️ Пока около 90% результатов считаются непригодными, система может «нагнать» фиктивные данные или ошибочные выводы, поэтому человеческий контроль остаётся обязательным.

Попробовать: Denario

🖥 Создание персонажей с AI: как работать с видео в Jay Flow

📌 Jay Flow — платформа от Just AI, построенная на идее мультиагентных рассуждений: агенты внутри системы взаимодействуют между собой, подключают нейросети и внешние сервисы, создавая результат без лишней боли с инфраструктурой и настройками. В интерфейсе похожем на холст (типа Figma/Miro) ты размещаешь карточки — текст, изображения, видео, — связываешь их между собой и задаёшь логику: “агент A преобразует эту картинку, агент B добавляет речь, агент C клеит всё в видео”.

📌 В контексте создания персонажа и видео тебе пригодится следующий рабочий подход: сначала создаёшь черновой промпт — описываешь, как выглядит герой, как он двигается, где находится, что говорит и в каком стиле видео должно быть. Затем ты вставляешь этот черновик в Jay Flow, просишь агента подправить его, перевести на английский (если нужно моделью), уточнить детали (время, ракурс, эмоции). В Jay Flow есть API-доступ к агенту, агенты могут принимать файлы в запросе (референсы) и работать с мультимодальными задачами.

ℹ️ Минусы: такие системы пока что не идеальны в точном воспроизведении мимики, синхронизации речи и движений тела. Часто приходится несколько итераций править промпт, корректировать голос и жесты. Да и ограничения моделей (видео по времени, детализация) всё ещё дают о себе знать. Но в рамках концептов, роликов для соцсетей или тизеров Jay Flow уже даёт впечатляющий уровень результата при гораздо меньших усилиях, чем вручную монтировать всё самому.

🔗 Попробовать: Jay Flow

🤖 Aimylogic — no-code платформа для умных ботов

📌 Aimylogic позволяет создавать чат-ботов и голосовых ассистентов без программирования — всё с помощью визуальных блоков и логики. Платформа интегрируется с текстовыми и голосовыми каналами, поддерживает сценарии диалога, подключение внешних API и обработку пользовательских запросов.

📌 В 2025 году Aimylogic получила обновления: добавлена интеграция с ElevenLabs TTS (озвучивание), прямое подключение LLM в телефонию и возможность вызывать функции из бота во время разговора. Это делает её гибче для бизнес-кейсов — от customer support до внутренних ассистентов.

ℹ️ Многие пользователи отмечают удобство: с Aimylogic можно построить базового чат-бота за час. Но есть и минусы — визуальный редактор иногда кривой, поддержка не всегда оперативная, и за более расширенные функции придётся заплатить.

🔗 Попробовать: Aimylogic

🌐 EmbeddingGemma — компактная многоязыковая модель поиска от Google

ℹ️ EmbeddingGemma — новая легковесная модель текстовых эмбеддингов от Google DeepMind и Gemma 3, рассчитанная на работу прямо на ноутбуке или смартфоне без облака.
Она содержит около 308 миллионов параметров и поддерживает более 100 языков.

📌 Главная фишка — Matryoshka Representation Learning: модель может выдавать векторы разного размера (от 128 до 768 измерений) в зависимости от задачи и ресурсов устройства, без необходимости переобучения.

📌 Это позволяет балансировать скорость, точность и использование памяти, делая EmbeddingGemma универсальным инструментом для локального поиска, RAG-пайплайнов и кластеризации текстов.
Google также подчёркивает, что модель работает быстро (генерация эмбеддингов менее чем за 22 мс на EdgeTPU) и требует меньше 200 МБ RAM благодаря квантованию.

📌 При этом по эффективности в задачах поиска и семантического сходства EmbeddingGemma демонстрирует лучшие показатели среди всех моделей до 500M параметров.

🔗 Попробовать: EmbeddingGemma

🐈 SpikingBrain1.0 — эффективная альтернатива трансформерам

📌 SpikingBrain1.0 — это новая модель от Китайской академии наук, которая использует вдохновение из нейробиологии, чтобы решить одну из главных проблем современных больших языковых моделей: огромные требования к вычислениям и памяти при обработке длинных контекстов. Вместо классического “глобального внимания”, SpikingBrain применяет localized attention и “спайкинг-нейроны” (event-driven вычисления), которые отвечают только тогда, когда нужно — экономя ресурсы.

📌Модель доступна в двух вариантах: SpikingBrain-7B и SpikingBrain-76B. Одна из ключевых заявленных фич — скорость: на ультра-длинных контекстах SpikingBrain1.0 утверждает, что может быть 25-100× быстрее традиционных трансформеров по времени до первого токена (Time to First Token), особенно когда нужно обработать большие объёмы текста. Кроме того, модель обучается на значительно меньшем объёме данных по сравнению с аналогами (менее 2% от объёмов, которые часто используются) и работает на китайском железе MetaX вместо Nvidia-GPU.

🔗 Попробовать: SpikingBrain1.0

😶 MindOmni — как модель «видит» и думает над изображениями

📌 MindOmni — это унифицированная мультимодальная модель, которая объединяет понимание изображений и генерацию визуального контента с навыками рассуждения. Она способна не просто описывать, что на картинке, но и рассуждать: делать пошаговые выводы, отвечать на сложные вопросы по сцене, редактировать изображение, сохраняя детали, и генерировать новую визуальную информацию с учётом логики композиции.

📌 Ключевой «фишкой» модели является алгоритм RGPO (Reasoning Generation Policy Optimization), который добавляет механизм обучения с подкреплением к этапам рассуждения. Благодаря этому MindOmni может лучше выстраивать цепочки рассуждений, делать логические выводы и отвечать на визуальные задачи, которые требуют “думать, а не угадывать”.

🔗 Попробовать: MindOmni