⚡️ PromptBase — маркетплейс промптов для ChatGPT, Midjourney, Veo и других AI

📌 PromptBase — это площадка, где собраны готовые промпты для всех популярных нейросетей: от ChatGPT и Midjourney до FLUX и Veo. Это не просто база текстов, а реальный маркетплейс работающих запросов, которые сразу дают результат. Можно подобрать формат под конкретную задачу — генерацию арта, видео, маркетинг, аналитику или тексты — и не тратить часы на «метод тыка».

📌 Технически всё просто: выбираешь категорию, открываешь нужный промпт и тестируешь его прямо в браузере. У каждого промпта есть превью, описание и метки под конкретные модели. На платформе более 210 000 промптов и активное комьюнити с 350 000 пользователей. Можно не только покупать готовые решения, но и продавать свои, если ты умеешь формулировать эффективные запросы.

ℹ️ PromptBase уже стал стандартом среди AI-разработчиков и креаторов: здесь отслеживают тренды, делятся новыми идеями и создают подборки недели. А главное — сервис помогает встроить нейросети в реальную работу без догадок и экспериментов.

🔗 Попробовать: PromptBase

🖥 Tinker от Thinking Machines Lab — новая платформа для дообучения LLM

📌 Thinking Machines Lab, стартап во главе с бывшим CTO OpenAI Мира Мурат, недавно запустил свой первый продукт — Tinker. Это API, который позволяет разработчикам и исследователям дообучать открытые модели (LLM) без необходимости самостоятельно прокачивать инфраструктуру распределённого обучения.

📌 В техническом смысле Tinker предоставляет набор низкоуровневых функций (например, forward_backward, optim_step, sample, save_state), через которые можно строить собственные тренировочные петли и методики обучения. Thinking Machines Lab. Платформа использует LoRA (low-rank adapters) для дообучения, что позволяет избежать необходимости менять все веса модели и снижает затраты ресурсов. Поддерживаются такие модели как Meta Llama и Qwen (включая большие смешанные модели MoE), инфраструктура распределённого обучения, управление ресурсами и восстановление после сбоев скрыты за API (то есть их не надо настраивать вручную).

ℹ️ Интересные детали: сейчас Tinker доступен в приватной бете — доступ по заявке. Компания пока что не взимает плату за API, но планирует внедрить ценовую модель в будущем. Среди первых пользователей — исследователи в лабораториях Стэнфорда, Беркли и Редвуд, которые уже применяют Tinker для задач fine-tuning и RL-обучения моделей.

🔗 Попробовать: Tinker

💬 GLM-4.6: шаг вперёд в агентных моделях от Z.ai

📌 GLM-4.6 — свежий апдейт линейки от Z.ai (бывший Zhipu), который приносит заметные улучшения по нескольким направлениям. Это не просто “новая версия”, а серьёзная доработка: увеличен контекст, прокачан кодинг и встроена поддержка инструментов (tool use) прямо при инференсе.

📌 Технически, ключевое новшество — расширение окна контекста с 128 K до 200 K токенов, что позволяет обрабатывать длинные сценарии и сложные агенты. Работа с кодом также получила прирост: модель лучше показывает себя на кодинговых бенчмарках и используется в инструментах вроде Claude Code, Cline, Roo Code и др. Кроме того, GLM-4.6 стала “умнее” в рассуждениях и взаимодействии с инструментами, благодаря чему агенты на её основе работают эффективнее.

ℹ️ Интересный момент — экономичность: GLM-4.6 решает задачи, используя примерно на 15% меньше токенов, по сравнению с GLM-4.5. Модель уже доступна в инструментах Z.ai через подписку GLM Coding Plan по цене от $3/месяц, и её веса публиковались на Hugging Face. Пользователи на Reddit отмечают, что в задачах программирования GLM-4.6 “чувствуется прирост” по сравнению с Sonnet и предыдущими версиями.

🔗 Попробовать: GLM-4.6

🖥 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

🖥 SteloCoder — LLM, переводящий код на Python

📌 SteloCoder — это специализированная модель, основанная на StarCoder, которая фокусируется на переводе кода с разных языков на Python. В отличие от многих универсальных LLM-моделей, SteloCoder не пытается “всё и сразу” — её задача чётко задана: взять код на C++, JavaScript, Java, PHP или C# и преобразовать его в корректный Python.

📌 Технически модель использует архитектуру MoE (Mixture-of-Experts) поверх StarCoder: для каждого исходного языка создаётся “эксперт” через LoRA-адаптацию. При вводе модель сама определяет, какой эксперт активировать, через gating network, так что вам не нужно явно указывать исходный язык. В экспериментах SteloCoder показал средний CodeBLEU ~ 73.76 на множестве языков, что выше лидеров на XLCoST-лидерборде на 3-3.5 пункта.

ℹ️ Код модели уже доступен в публичном репозитории: sade-adrien/SteloCoder на GitHub. Там есть примеры использования, ноутбуки для тренировки и инструкции по интеграции с transformers.

🔗 Попробовать: SteloCoder

⚡️ИИ-агент Gemini 2.5 Computer Use от Google: управление сайтами и приложениями без кликов

🌐 Google представила новую модель Gemini 2.5 Computer Use, созданную специально для взаимодействия с графическими интерфейсами. Теперь ИИ способен не просто генерировать текст, а управлять веб-и мобильными интерфейсами, выполняя реальные действия — заполнять формы, решать капчи, искать данные и даже работать с CRM-системами.

📌 Gemini 2.5 Computer Use основана на модели Gemini 2.5 Pro, но оптимизирована под сценарии автоматизации интерфейсов. В демо-тестах vc.ru агент успешно прошёл все визуальные капчи (с автобусами, переходами и светофорами), самостоятельно открывал сайты, искал инструменты и взаимодействовал с полями ввода. По оценкам Browserbase, производительность модели на 10% выше, чем у Claude Sonnet 4.5, особенно при работе в браузере.

ℹ️ Модель доступна в Gemini API, Google AI Studio и Vertex AI.

🔗 Попробовать: Gemini 2.5 Computer Use

🔓 Petri от Anthropic: инструмент для проверки безопасности ИИ

📌 Anthropic представила Petri — новый инструмент, который позволяет быстро тестировать модели искусственного интеллекта на безопасность. Раньше подобная проверка занимала недели, теперь Petri справляется за минуты, прогоняя тысячи сценариев и анализируя поведение моделей в реальном времени.

📌 Petri симулирует диалоги с ИИ, проверяя, как он реагирует на сложные, провокационные или потенциально опасные запросы. Встроенный «судья» оценивает ответы и выявляет рискованные реакции: попытки обмана, склонность угождать ценой правды, стремление к контролю или выполнение вредных инструкций. В тестах Petri проверил 14 моделей — включая GPT-5 и Claude 4.5. Все показали уязвимости, но Claude оказался немного безопаснее конкурентов.

ℹ️ Petri уже доступен бесплатно на GitHub и активно используется исследователями для улучшения безопасности ИИ. Это важный шаг в сторону создания более надежных систем — где сами ИИ помогают находить слабые места других моделей.

🔗 Попробовать: Petri

🖥 Deep Agent от Abacus AI: Универсальный ИИ-ассистент для вашего бизнеса

📌 Deep Agent — это мощный ИИ-агент от Abacus AI, способный выполнять широкий спектр задач: от создания сайтов и приложений до автоматизации бизнес-процессов. Он интегрируется с популярными сервисами, такими как Gmail, Slack, Jira, Canva и Figma, позволяя эффективно управлять проектами и данными.

📌 С помощью Deep Agent можно быстро разрабатывать и развертывать полнофункциональные приложения, включая CRM-системы, дашборды и аналитические отчёты. Процесс создания интуитивно понятен: достаточно описать задачу на естественном языке, и агент выполнит её с минимальным участием человека.

ℹ️ Этот инструмент особенно полезен для предпринимателей и команд, стремящихся ускорить разработку и снизить затраты на IT-ресурсы. Deep Agent позволяет сосредоточиться на стратегических задачах, оставляя рутинную работу ИИ. Попробовать его можно бесплатно на официальном сайте Abacus AI.

🔗 Попробовать: Deep Agent

🖥 Goedel-Prover — нейросеть, придвигающая формальные доказательства к автоматике

📌 Goedel-Prover — это открытая LLM-модель, предназначенная для автоматического вывода полных формальных доказательств в среде Lean 4. Благодаря сочетанию обучения формализации задач и итеративного режима обучения, она достигает выдающихся результатов на математических бенчмарках.

📌 Модель работает по схеме «statement formalizer + prover iterations». Сначала естественноязыковые математические задачи переводятся в формальный язык Lean 4, затем серия проверов дообучаются друг на друга — каждый следующий решает те те задачи, которые не удалось предыдущему. На benchmark miniF2F Goedel-Prover достигает 57.6% Pass@32, опережая предыдущие модели (DeepSeek-Prover-V1.5) на ~7.6%.

ℹ️ Интересный поворот — в августе 2025 вышла версия Goedel-Prover-V2, с новыми методами: scaffolded data synthesis, verifier-guided self-correction, объединение чекпоинтов (model averaging). В ней используются стратегии самокоррекции: модель сначала генерирует кандидата, затем проверяет его через компилятор Lean и вносит правки. В публичном доступе есть модель Goedel-Prover-V2-32B на Hugging Face.

🔗 Попробовать: Goedel-Prover

🌐 Google представила Gemini Enterprise — новую платформу с ИИ-инструментами для бизнеса

📌 Компания запустила Gemini Enterprise — корпоративную диалоговую платформу, объединяющую мощные инструменты искусственного интеллекта для разных задач: от анализа данных и написания кода до генерации визуального контента и управления рабочими процессами.

📌 Платформа включает готовых ИИ-агентов для программирования, маркетинга, аналитики и креатива. Gemini может анализировать файлы из Google Workspace, Microsoft 365, Salesforce и внутренних систем Google AI (например, Code Assist и Deep Research). При этом каждый бизнес может создать собственного агента без навыков программирования — просто добавив базу знаний или подключив корпоративные источники данных.

ℹ️ Стоимость подписки Gemini Business — $21 в месяц (≈ 1700 ₽), а Gemini Enterprise — $30 в месяц (≈ 2440 ₽). Последний план предлагает неограниченное число пользователей, расширенные функции безопасности и до 75 ГБ хранилища.

🔗 Попробовать: Gemini Enterprise

👨‍💻 Blackbox AI — ИИ-ассистент, который пишет код по описанию

📌 Blackbox AI — инструмент для программистов, который умеет превращать текстовые запросы в готовые фрагменты кода. Он поддерживает автодополнение, подсказывает правки и ошибки, а также может искать в вашем проекте и писать “напрямую” в контекст.

📌 AI-ассистент анализирует текущий кодовой контекст: он смотрит, какие библиотеки вы используете, как структурированы функции, и предлагает решения, согласованные с вашим стилем. Он не просто “угадывает”, а действуют на основе того, что уже есть в проекте.

ℹ️ Но, конечно, у него есть нюансы: иногда предложения не учитывают мелкие детали, и их нужно проверять вручную. Тем не менее, большинство пользователей отмечают, что Blackbox сильно ускоряет работу над рутинными задачами — настройка маршрутов, автогенерация классов, исправление ошибок.

🔗 Попробовать: Blackbox AI

🖥 CodeGeeX4-ALL-9B — универсальная open-source модель для кода от ZhipuAI

📌 CodeGeeX4-ALL-9B — это многоязычная модель генерации кода, разработанная надстроенной над GLM-4-9B, и открытая для сообщества. Она способна выполнять разнообразные задачи: автодополнение, генерация функций, перевод кода между языками, ответы на вопросы по репозиторию, интерпретатор кода и web-поиск.

📌 Модель поддерживает контекст до 128K токенов, что позволяет работать с крупными проектами и длинными файлами. В ряде тестов она показывает выдающиеся результаты: среди моделей с менее чем 10 млрд параметров входит в топ по баллам и скорости.

ℹ️ Для разработчиков модель уже доступна на Hugging Face под именем THUDM/codegeex4-all-9b с открытым кодом и инструкциями по запуску через transformers или локально. Это значит, что любой может испытать её в своём проекте.

🔗 Попробовать: CodeGeeX4-ALL-9B

🖥 Jan — open-source ассистент, который работает полностью локально

📌 Jan — это проект, который превращает ваш компьютер в персонального ИИ, способного работать целиком офлайн и обеспечивать приватность ваших данных. Вы загружаете модель (или используете облачную), подключаете нужные “коннекторы” (почта, файлы, календарь, заметки и др.) — и Jan начинает работать, не отправляя ничего в облако без вашего согласия.

📌 Технически Jan использует формат GGUF для локальных моделей, поддерживает модельный выбор под вашу машину, и даёт интерфейс API, совместимый с OpenAI-стилем (localhost:1337). Он также интегрирован с MCP (Model Context Protocol), что позволяет Jan взаимодействовать с внешними инструментами/сервисами через “коннекторы”.

ℹ️ Если хотите попробовать Jan, просто скачайте версию под вашу ОС с jan.ai или GitHub, установите, выберите модель, подходящую под вашу систему, и запустите. Уже сейчас Jan предлагает выбор из множества открытых моделей и возможность подключать облачные сервисы, если потребуется расширение.

🔗 Попробовать: Jan

🤖 Dyad — локальный билд AI-приложений без “lock-in”

📌 Dyad — бесплатный, локальный и открытый инструмент для создания AI-приложений прямо на вашем компьютере, без зависимости от облачных платформ. Вы пишете приложение через чат и визуальный интерфейс — все файлы остаются у вас, вы не отдаёте контроль над проектом кому-то стороннему.

📌 Он поддерживает Windows и macOS, а также даёт свободу выбора модели: можно подключить локальные модели либо через API ключи таких систем, как Gemini 2.5 Pro, GPT-4.1 и др. Через Supabase интеграцию Dyad позволяет делать не просто интерфейс, но полноценный backend — аутентификация, база данных, серверные функции — всё внутри приложения.

ℹ️ Проект открыт на GitHub (лицензия Apache-2.0) и активно развивается: в версиях уже добавлены такие функции, как Ask mode (чатовый режим планирования), гибкая интеграция с GitHub, возможность создавать библиотеку промптов и экономия AI-кредитов.

🔗 Попробовать: Dyad

📑 AutoGPT — автономный агент, который может делать работу за вас

📌 AutoGPT — это открытый проект, созданный Significant Gravitas, который позволяет задавать высокоуровневые цели — и агент сам делит задачу на подзадачи, управляет ими, использует доступ к веб-инструментам, документам и API, чтобы достичь результата.

📌 Он может быть полезен, когда надо автоматизировать рутинные цепочки: собрать данные из интернета, проанализировать, сформировать отчёт, найти идеи для контента, сгенерировать код и даже запускать скрипты. Однако у AutoGPT есть и подводные камни — он может “зависнуть” в бесконечной петле подзадач, неправильно оценить, какие шаги важны, или расходовать много API-кредитов, особенно с GPT-4.

ℹ️ Проект является open source, код выложен на GitHub, что позволяет запускать AutoGPT локально, модифицировать, донастраивать под свои задачи. Это отличный выбор, если нужна автоматизация, но ты хочешь контролировать, как агент работает, на каких данных и с какими ограничениями.

🔗 Попробовать: AutoGPT

⭐️ Goblin Tools — AI-ассистент, который разбивает хаос на понятные шаги

📌 Goblin Tools — веб-сервис и мобильное приложение, состоящее из набора простых «мини-инструментов», призванных помочь справляться с перегрузкой задач. Он особенно популярен среди людей с ADHD и теми, кому тяжело структурировать большие проекты — его часто упоминают как способ превратить “слишком много” в конкретные понятные шаги.

📌 Один из ключевых модулей — Magic ToDo — превращает одну общую задачу в список подзадач, которые вы можете настроить детализацию (“сколько мелких шагов”). Есть и другие инструменты: Compiler превращает мозговой штурм (бездумные записи) в план действий, Estimator оценивает время выполнения, Formalizer меняет стиль текста, Judge анализирует тон и намерения текста и др.

ℹ️ С точки зрения UX, Goblin Tools доступен онлайн бесплатно, а также как мобильное приложение под iOS и Android (приложения содержат покупки, но веб-версия обещает оставаться бесплатной). Это делает его удобным выбором для тех, кто хочет начать без обязательств, но получить помощь в управлении задачами прямо сейчас.

🔗 Попробовать: Goblin Tools

💻 Seed-Coder (8B) — модель, которая “сама себе подбирает” данные кода

📌 Seed-Coder — это серия открытых моделей кода объёмом ~8 миллиардов параметров, разработанная командой ByteDance Seed. В отличие от классического подхода, где люди вручную фильтруют и отбирают код для обучения, Seed-Coder применяет “model-centric” пайплайн: сама модель (или вспомогательные модели) оценивают качество кода и отбирают примеры для тренировки.

📌 Модель представлена в трёх вариантах: Base, Instruct и Reasoning. Base — базовая версия для генерации и автодополнения кода. Instruct — настроена под инструкции пользователя. Reasoning — усилена для сложных задач рассуждения на шаги. Seed-Coder-8B поддерживает длину контекста до 32 768 токенов в базовой версии.

ℹ️ Открытость кода и моделей — большое преимущество: все модели Seed-Coder доступны на GitHub под лицензией MIT и на Hugging Face. С помощью transformers можно загружать их прямо в проекты.

🔗 Попробовать: Seed-Coder (8B)

🖥 Cognitive Kernel-Pro — фреймворк для обучения и оценки агентных ИИ-моделей

📌 Cognitive Kernel-Pro — это открытый мульти-модульный фреймворк, который предлагает полный стек для разработки и тестирования агентов, способных работать с веб-данными, файлами, кодом и общим рассуждением. Он ориентирован на демократизацию агентных моделей: чтобы исследователи могли создавать и сравнивать решения без зависимости от проприетарных APIs или закрытых систем.

📌 Ключевые идеи Cognitive Kernel-Pro включают сбор высококачественных тренировочных данных для агентов (запросы, траектории, проверяемые ответы) в четырёх доменах: веб, файлы, код и общие рассуждения. Важное отличие — внедрение техник test-time reflection (агент анализирует свои ошибки и корректирует ответы) и voting между вариантами вывода, что повышает надёжность и устойчивость модели. В экспериментальных результатах 8B-модель Cognitive Kernel-Pro превосходит открытые системы вроде WebDancer и WebSailor по стандартному бенчмарку GAIA.

ℹ️ Код фреймворка доступен в GitHub-репозитории от Tencent: Tencent/CognitiveKernel-Pro. Там можно найти инструкции по запуску и настройке модулей (веб-агент, файловый агент и др.).

🔗 Попробовать: Cognitive Kernel-Pro

📑 STORM — ИИ-система от Стэнфорда для создания структурированных статей с фактами

📌 STORM (Synthesis of Topic Outlines through Retrieval and Multi-perspective Question Asking) — это инструмент, разработанный в лаборатории OVAL Стэнфордского университета, который помогает создавать статьи в стиле Википедии “с нуля”. Он ориентирован не просто на генерацию текста, а на этап pre-writing — исследование темы, сбор источников и составление логичной структуры перед написанием.

📌 Принцип работы STORM включает несколько ключевых шагов. Сначала система добывает релевантные данные из внешних источников (поисковые системы, Интернет) и генерирует вопросы с разных перспектив, имитируя беседы “писателя” и “экспертов” для углубления темы. Затем собранные ответы обрабатываются и структурируются в конспект / план статьи, который задаёт каркас будущего текста. На финальном этапе STORM использует план и источники, чтобы написать полноценную статью с цитатами.

ℹ️ Проект открыт: код доступен на GitHub под MIT-лицензией (репозиторий stanford-oval/storm), и можно установить через пакет knowledge-storm (pip install knowledge-storm). Также есть демо-версия на сайте проекта, где можно опробовать генерацию статьи по теме.

🔗 Попробовать: STORM

📱 Flyvi — онлайн-редактор контента с ИИ для соцсетей и маркетинга

📌 Flyvi — это онлайн-платформа, которая объединяет в одном месте всё, что нужно для создания брендированного контента. Здесь можно генерировать изображения, писать тексты с помощью ИИ, использовать шаблоны для постов, сторис и рекламы, а также планировать публикации прямо из браузера.

📌 В отличие от обычных генераторов картинок, Flyvi построен вокруг полного контент-цикла. Сервис связывает текст и визуал: сначала вы задаёте идею или просите ИИ написать текст поста, а затем система сама предлагает промпт для генерации подходящего изображения. Это превращает процесс в единый, бесшовный конвейер — от идеи до готового контента.

ℹ️ Платформа также поддерживает бренд-идентичность: можно загрузить логотипы, шрифты и фирменные цвета, чтобы все публикации выглядели в одном стиле. Добавьте сюда удаление фона, редактирование изображений, библиотеку стоков и планировщик — и получается полноценная AI-среда для маркетологов и SMM-специалистов.

🔗 Попробовать: Flyvi