Уже через 5 минут выступаю.

📟 Прилетело из @blind_dev

GM! Хейтеры клода, вы будете очень довольны!

https://insulineru.github.io/opusfived/

📟 Прилетело из @insuline_eth

ахахаха это гениально и больно)))

📟 Прилетело из @insuline_eth

ИИ умеет работать с Google Документами и Календарём. Но сначала должен нормально открыть браузер

Я хотел работать с Google Документами, Таблицами и Календарём через ИИ-агента. Думал, что авторизация будет самой сложной частью. В итоге проблема оказалась совсем в другом.

ИИ давал ссылку, мне приходилось авторизовываться самому, а потом всё равно появлялись ошибки. Иногда браузер открывал пустую страницу. Я спросил агента, почему он не использует браузер, и получил простой ответ: браузер не работает.

Оказалось, была установлена неподходящая версия браузера для агента. После переустановки на правильную всё заработало.

Теперь утром я получаю сводку по Календарю. А ещё агент сам проверяет созданный функционал в браузере после разработки. Мне не нужно каждый раз отдельно просить его открыть страницу и убедиться, что всё работает.

Так что возможности ИИ часто упираются не только в модель или авторизацию. Иногда сначала нужно разобраться с окружением, в котором агент работает.

У вас были ситуации, когда проблема оказывалась не в самом ИИ, а в настройке инструмента вокруг него?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev

Интересная модель Jev

Буквально пару дней назад в Твиттере многие начали обсуждение новой модели Jev от TypeSafe. Вообще, сначала появился небольшой пост на HackerNews, а затем пошел какой-то невиданный ажиотаж вокруг этой недо-llm пере-ml. Далее расскажу, что в ней особенного.

Jev показался мне интересным не столько как очередная AI-модель, сколько как попытка переосмыслить интерфейс между AI и обычным софтом.

Классический ML обычно решает конкретную задачу: классификация, ранжирование, регрессия. Если появляется новая задача, под неё часто приходится собирать данные и обучать отдельную модель.

LLM пошли в другую сторону: одна универсальная модель может решать огромное количество задач, но взаимодействие с ней обычно происходит через генерацию текста. Даже когда мы просим JSON, внутри всё равно остаётся token-by-token генерация, а значит появляются задержки, стоимость, парсинг и проблемы с надёжностью интерфейса.

Jev предлагает промежуточный вариант. Вместо генерации произвольного текста модель возвращает типизированное решение и вероятность этого решения. То есть AI становится чем-то вроде "вероятностной функции" внутри программы.

Условно:

input → model → { decision, probability } → application logic

То есть модель не генерирует произвольный текст. Вместо этого разработчик задаёт пространство возможных решений, а модель возвращает структурированный результат и confidence.

В таком виде AI становится похож на "вероятностную функцию" внутри обычного software:

if model(x).probability > threshold:

Это особенно интересно для AI workflows и агентов, где не обязательно отдавать модели контроль над всем процессом. Можно декомпозировать workflow на десятки небольших решений: routing, classification, risk assessment, tool selection, human escalation и т.д.

При этом Jev не заменяет классический ML там, где есть много хорошо размеченных данных и одна стабильная задача. И это не замена LLM для сложного reasoning или генерации текста.

Интереснее другое: может появиться отдельный слой между task-specific ML и большими генеративными моделями — достаточно универсальный, чтобы не обучать новую модель под каждое решение, но достаточно специализированный, чтобы работать намного быстрее и дешевле LLM.

Если такой подход действительно удастся масштабировать для реальных приложений, у разработчиков может появиться новый базовый инструмент для создания ИИ-систем — не чат-бот и не обычный классификатор, а модель, которую можно напрямую встраивать в логику программы и использовать для принятия отдельных решений.

На данном этапе модель находится в стадии листов ожидания, и подать заявку можно здесь: https://typesafe.ai/

А буквально утром, пару часов назад, они выкатили доступ и на OpenRouter: https://openrouter.ai/~typesafe/jev-latest

#jev

📟 Прилетело из @solidityset

OpenAI опубликовали обучающий датасет для GPT-6 Astra Computer Use

📟 Прилетело из @insuline_eth

ИИ может делать нормальные проекты. Но не сам по себе

Некоторые до сих пор говорят, что с ИИ невозможно делать нормальные проекты: он будет выдавать ерунду. Мой опыт показывает, что дело всё-таки в процессе.

Я вижу это на своём проекте TCCC AI. Это уже не один маленький скрипт и не чат, который иногда выдаёт ответ. В проекте есть серверная часть, Telegram-бот, сайт, личный кабинет, база данных, платежи, пакетная обработка, уведомления, восстановление после ошибок и тесты.

Причём сам TCCC AI тоже использует ИИ-модели. Работа проходит в несколько этапов:

- сначала собираются данные по проекту - сайт и актив;
- потом отдельная модель проводит основной анализ;
- результат отдельно проверяется и дорабатывается;
- затем добавляются другие сигналы;
- проверяется документация;
- в конце всё собирается в готовый HTML-отчёт.

То есть ИИ здесь - часть рабочей системы, а не просто окно для переписки.

Такие проекты не делаются хаотично. Нужны план с этапами, обработка ошибок, нормальная структура и тестирование. Рабочие скрипты проверяются отдельно, функционал - через тестовые файлы, а реальные сценарии интерфейса при необходимости проверяются в браузере.

Здесь ИИ-агент действительно помогает: может составить план, помочь с реализацией, найти ошибку и подсказать, что проверить дальше. За счёт этого я трачу меньше времени на лишние попытки и быстрее довожу проект до рабочего состояния.

Но ожидать, что агент сам всё сделает идеально и сразу, не получится. Проблема не в том, что ИИ бесполезен. Проблема начинается, когда из него делают замену всему процессу разработки.

Я знаю человека без навыков программирования, который с помощью ИИ делает разные инструменты. Он даже создал сайт с порталом для обучения ИИ-агентам.

Так что с ИИ можно сделать и доску задач с хранением данных у себя, и приложение для учёта доходов и расходов, и сервис статистики по занятиям спортом. Вопрос в том, как выстроить работу и что именно проверять.

А вы хотели бы создать с ИИ какой-нибудь проект? Что это было бы?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev

Какой язык программирования учить сейчас?

На днях в Твиттере увидел небольшой пост о развитии нейронок и агентов для программирования и то, как это влияет на текущий тренд в использовании языков для разработки проектов. Кратко говоря, там говорилось, что при стирании границ между сложностью изучения языков, ведь для llm вообще без разницы, что использовать, чаша весов будет склоняться в сторону более быстрых и оптимальных языков программирования, вроде Rust или Go. Python же может отойти на второй план.

В общем, мне кажется, что это имеет смысл.

Я работаю сейчас над двумя своими новыми задумками, и с развитием моделей вроде Opus 5 / Fable 5.1, я перестал контролировать выбор языка для написания приложений. После нескольких итераций по архитектуре приложений, выбор был сделан в сторону Rust в одном случае, и Rust / Go в другом. И выбор аргументировался тем, что с ними будет меньше проблем при реализации кода, а также они намного быстрее работают.

К чему это может привести на рынке?

1. На мой взгляд, в течение последующих нескольких лет крупные игроки также начнут оптимизировать свои платформы, снижая затраты на оборудования и нагрузку на него.
2. Знания языков, в плане технических интервью, могут отойти на второй план. На собеседованиях могут начать спрашивать не столько самому написать код, сколько написать запрос в нейронку на создание блока кода с определенным техническим решением. И тут от кандидата потребуется знать намного больше "общей" информации о языках и программировании, чем о формировании циклов в Python или Rust. Нужны будут знания алгоритмов, сетевых архитектур, базовой математики, работы dns и cdn, и т.д.
3. Оценены будут только сеньоры с опытом до бума программирования с нейронками. Вероятно, только они смогут создавать абсолютно новые решения, тем самым двигая и развитие нейронок.
4. Для нас с вами появятся места для поддержания и развития продукта, мелкой разработки и оркестрации потоков агентов.
5. При этом вполне вероятно, что задачи в компаниях уже будут распределяться не тимлидами и руководящими должностями, а другим типом нейронок типа Jev. Это сделает процессы более быстрыми и прозрачными.

Вообще очень интересно к чему это действительно приведет. А какие у вас прогнозы?

#langs

📟 Прилетело из @solidityset

ИИ помогает с визуальными задачами, но не оценивает результат за меня

На фабрике блогеров были практические задания: сделать карусель из шести изображений и собрать видеоклип. Нужно было придумать текст и оформить идею визуально.

С изображениями я уже работал, но как незрячему мне трудно самому понять, насколько хорошо они выглядят. В карусели важно, чтобы слайды складывались в одну историю, сохраняли общий стиль и не спорили друг с другом. Тут шесть отдельных удачных картинок ещё не гарантируют хороший результат.

Сначала я продумывал идею и содержание каждого слайда, потом подбирал формулировки для генерации, уточнял стиль и переделывал неудачные варианты. Приходилось поправлять и детали: где-то текст наезжал на изображение, где-то плашка закрывала важное, а где-то нужно было менять композицию. Зрячие участники команды подсказывали, что именно стоит поправить.

С видеоклипом было похоже: само видео с экрана я записал, а ИИ использовал для отдельной обработки.

Здесь ИИ не выдаёт готовую работу с первого раза. Он помогает быстрее пройти через варианты и правки, но мне всё равно важно понять, насколько результат соответствует задумке. В визуальных задачах без помощи зрячих коллег мне было бы намного сложнее оценить, что получилось удачно, а что нужно переделать.

А вы использовали ИИ для изображений или видео под конкретную задачу? Что делали и как оценивали результат?

😎 Незрячий web3 программист (подписаться)
Чат | бот

📟 Прилетело из @blind_dev