Forwarded from Python RU
Новая модель GPT-5.4 от OpenAI поднялась на 6 пунктов и разделила 1-е место в Intelligence Index вместе с Gemini 3.1 Pro Preview от Google.
Модель показывает очень сильные результаты в задачах уровня научных исследований, особенно в физике и агентном программировании, устанавливая новые рекорды по нескольким бенчмаркам.
Также у неё огромное контекстное окно — 1.05 млн токенов.
Но есть и минус.
Модель очень дорогая:
• запуск бенчмарков обошёлся почти в 3 раза дороже, чем у Gemini
• уровень галлюцинаций вырос до 89%, потому что модель слишком стремится отвечать на вопросы, даже когда не уверена.
•
🐍 Python полезные ресурсы 🚀Max
Модель показывает очень сильные результаты в задачах уровня научных исследований, особенно в физике и агентном программировании, устанавливая новые рекорды по нескольким бенчмаркам.
Также у неё огромное контекстное окно — 1.05 млн токенов.
Но есть и минус.
Модель очень дорогая:
• запуск бенчмарков обошёлся почти в 3 раза дороже, чем у Gemini
• уровень галлюцинаций вырос до 89%, потому что модель слишком стремится отвечать на вопросы, даже когда не уверена.
•
🐍 Python полезные ресурсы 🚀Max
🤣4❤1
💀 Эта ошибка убила тысячи — и ты совершаешь её каждый день
Во время Второй мировой войны аналитики ВВС США изучали повреждения бомбардировщиков, вернувшихся с миссий.
Они отмечали, куда чаще всего попадали пули:
- крылья
- хвост
- фюзеляж
Вывод казался очевидным:
👉 усиливаем броню там, где больше всего попаданий
Но один человек сказал: «Вы делаете всё наоборот»
Его звали Абрахам Вальд — молодой статистик.
И он увидел то, что остальные игнорировали.
💥 Главная мысль, которая всё изменила:
Вы анализируете только выживших.
А где данные о самолётах, которые не вернулись?
Именно их и не хватает.
Вальд сделал гениально простой вывод:
👉 если самолёт вернулся с дырками в крыльях — значит, туда *можно* попадать и выжить
👉 а вот туда, где дырок нет — попадание, скорее всего, фатально
То есть:
- двигатель
- кабина пилота
- топливная система
— это и есть настоящие слабые места.
Просто мы их не видим.
Потому что такие самолёты не возвращаются.
⚡️ Армия изменила стратегию.
Усилили не «самые пробитые места», а самые незаметные.
Результат — тысячи спасённых жизней.
🧠 Так появилась концепция:
ошибка выжившего (survivorship bias)
Когда мы делаем выводы только по тем, кто «дошёл до финала» — и игнорируем всех, кто не дошёл.
📊 Интересные факты:
- Вальд работал в секретной группе Statistical Research Group
- Его подход применяли в авиации, баллистике и логистике
- Он делал выводы из отсутствующих данных, а не только из имеющихся
💡 Где это ломает мышление сегодня:
- стартапы — «делай как Uber»
- инвестиции — «копируй успешных»
- карьера — «вот путь топ-разработчика»
- AI — «смотри на лучшие кейсы»
👉 Самое опасное:
мы учимся только на успехах
и почти никогда — на невидимых провалах
📌 Вывод:
самые важные данные — это те, которых у тебя нет
И именно они часто определяют реальность.
#thinking #ai #business #startup
•
🐍 Python полезные ресурсы 🚀Max
Во время Второй мировой войны аналитики ВВС США изучали повреждения бомбардировщиков, вернувшихся с миссий.
Они отмечали, куда чаще всего попадали пули:
- крылья
- хвост
- фюзеляж
Вывод казался очевидным:
👉 усиливаем броню там, где больше всего попаданий
Но один человек сказал: «Вы делаете всё наоборот»
Его звали Абрахам Вальд — молодой статистик.
И он увидел то, что остальные игнорировали.
💥 Главная мысль, которая всё изменила:
Вы анализируете только выживших.
А где данные о самолётах, которые не вернулись?
Именно их и не хватает.
Вальд сделал гениально простой вывод:
👉 если самолёт вернулся с дырками в крыльях — значит, туда *можно* попадать и выжить
👉 а вот туда, где дырок нет — попадание, скорее всего, фатально
То есть:
- двигатель
- кабина пилота
- топливная система
— это и есть настоящие слабые места.
Просто мы их не видим.
Потому что такие самолёты не возвращаются.
⚡️ Армия изменила стратегию.
Усилили не «самые пробитые места», а самые незаметные.
Результат — тысячи спасённых жизней.
🧠 Так появилась концепция:
ошибка выжившего (survivorship bias)
Когда мы делаем выводы только по тем, кто «дошёл до финала» — и игнорируем всех, кто не дошёл.
📊 Интересные факты:
- Вальд работал в секретной группе Statistical Research Group
- Его подход применяли в авиации, баллистике и логистике
- Он делал выводы из отсутствующих данных, а не только из имеющихся
💡 Где это ломает мышление сегодня:
- стартапы — «делай как Uber»
- инвестиции — «копируй успешных»
- карьера — «вот путь топ-разработчика»
- AI — «смотри на лучшие кейсы»
👉 Самое опасное:
мы учимся только на успехах
и почти никогда — на невидимых провалах
📌 Вывод:
самые важные данные — это те, которых у тебя нет
И именно они часто определяют реальность.
#thinking #ai #business #startup
•
🐍 Python полезные ресурсы 🚀Max
❤6👍4🥴2👎1
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥 Подборка по Golang: https://t.me/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1🥰1
This media is not supported in your browser
VIEW IN TELEGRAM
• CRUD → SELECT, INSERT, UPDATE, DELETE
• Ключи → PRIMARY KEY, FOREIGN KEY
• Ограничения → NOT NULL, UNIQUE, CHECK, DEFAULT
• JOIN’ы → INNER JOIN, LEFT JOIN, RIGHT JOIN
• Агрегации → COUNT, SUM, AVG, MIN, MAX
• Группировка → GROUP BY, HAVING
• Фильтрация → WHERE, BETWEEN, IN, LIKE
• Сортировка → ORDER BY
• Подзапросы → SELECT (SELECT …)
• Индексы → CREATE INDEX
• Представления → CREATE VIEW
• Транзакции → BEGIN, COMMIT, ROLLBACK
• Пагинация → LIMIT, OFFSET
• Оптимизация → EXPLAIN
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3😁2❤1
OpenClaw: как зарабатывать с AI-агентом быстрее, чем кажется возможным
Когда появился OpenClaw, многие задались логичным вопросом: зачем он, если есть n8n, Make, Zapier? На самом деле это совсем другая история.
Автоматизация работает по жёсткому сценарию: шаг за шагом, без отступлений. OpenClaw же позволяет вмешаться в процесс на любом этапе, скорректировать результат и двигаться дальше. Он управляет локальным софтом — например, делает скриншоты через Puppeteer или редактирует проект в Adobe Premiere. И если в процессе обнаруживается, что чего-то не хватает, агент сам находит нужный инструмент и продолжает работу.
Вот четыре реальных способа зарабатывать с OpenClaw прямо сейчас.
https://uproger.com/openclaw-kak-zarabatyvat-s-ai-agentom-bystree-chem-kazhetsya-vozmozhnym/
Когда появился OpenClaw, многие задались логичным вопросом: зачем он, если есть n8n, Make, Zapier? На самом деле это совсем другая история.
Автоматизация работает по жёсткому сценарию: шаг за шагом, без отступлений. OpenClaw же позволяет вмешаться в процесс на любом этапе, скорректировать результат и двигаться дальше. Он управляет локальным софтом — например, делает скриншоты через Puppeteer или редактирует проект в Adobe Premiere. И если в процессе обнаруживается, что чего-то не хватает, агент сам находит нужный инструмент и продолжает работу.
Вот четыре реальных способа зарабатывать с OpenClaw прямо сейчас.
https://uproger.com/openclaw-kak-zarabatyvat-s-ai-agentom-bystree-chem-kazhetsya-vozmozhnym/
❤4👍1
Папка .claude: полный разбор того, что внутри
Большинство разработчиков, работающих с Claude Code, смотрят на папку .claude как на черный ящик. Знают, что она есть. Видели, как она появляется в корне проекта. Но никогда не открывали и уж точно не понимали, что там лежит и зачем.
А зря. Папка .claude – это центр управления поведением Claude в вашем проекте. Здесь хранятся инструкции, кастомные команды, правила доступа и даже память модели между сессиями. Разберемся с каждым файлом и папкой по порядку.
https://uproger.com/papka-claude-polnyj-razbor-togo-chto-vnutri/
Большинство разработчиков, работающих с Claude Code, смотрят на папку .claude как на черный ящик. Знают, что она есть. Видели, как она появляется в корне проекта. Но никогда не открывали и уж точно не понимали, что там лежит и зачем.
А зря. Папка .claude – это центр управления поведением Claude в вашем проекте. Здесь хранятся инструкции, кастомные команды, правила доступа и даже память модели между сессиями. Разберемся с каждым файлом и папкой по порядку.
https://uproger.com/papka-claude-polnyj-razbor-togo-chto-vnutri/
👍3❤2
⚡️ Гелий станет новым дефицитом для AI-индустрии. И это не шутка
Все обсуждают нехватку GPU, энергопотребление датацентров и экспортный контроль на чипы. Но мало кто говорит о том, что может ударить по AI-инфраструктуре раньше всего этого. Речь о гелии.
В феврале-марте 2026 года в результате военного конфликта на Ближнем Востоке был атакован Ras Laffan Industrial City в Катаре – крупнейший в мире хаб по производству гелия. QatarEnergy сначала остановила производство, потом объявила форс-мажор, а иранские баллистические ракеты нанесли повторные удары, причинив серьёзный ущерб инфраструктуре. Иран также закрыл Ормузский пролив – единственный морской путь, через который гелий вывозится из региона. Катар производил около 63 млн кубометров гелия в год – примерно треть мирового объёма. Эта треть фактически выпала из поставок за несколько недель.
Причём тут AI и чипы?
Гелий – не замена воздуху в шариках. В производстве полупроводников он незаменим на нескольких критических этапах. Во время травления (etching) гелий подаётся на обратную сторону кремниевой пластины для равномерного отвода тепла: малейшие отклонения температуры – и весь тираж чипов в мусор. Он используется в фотолитографии, в том числе в EUV-машинах от ASML. Он применяется в системах обнаружения утечек во всём производственном цикле, потому что химически инертен. Профессор Чон-хван Ли из Университета Сангмён (Южная Корея) прямо говорит: заменить гелий в охлаждении пластин сегодня нечем.
Самые передовые AI-чипы – GPU и ускорители для LLM, автономного вождения, HPC – делают на нескольких фабах в Тайване, Южной Корее и Японии. Все они зависели от стабильных поставок гелия из Катара через Ормузский пролив.
Дефицит ещё не ударил, но уже близко
Пока кризис не ощущается в полную силу: контейнеры, заполненные до начала конфликта, ещё доходят до потребителей. Стандартное время доставки из Катара в Азию – около трёх недель. Но этот буфер заканчивается. Спотовые цены на гелий уже удвоились. Ряд поставщиков ввёл гелиевые надбавки. Эксперты называют это “Helium Shortage 5.0” – пятый крупный кризис поставок за двадцать лет, но потенциально худший: одновременно остановлено производство, заблокирована логистика, повреждена физическая инфраструктура, и военный конфликт без видимой даты окончания.
Восстановление Ras Laffan, по оценкам аналитиков, займёт годы. Полное возобновление добычи гелия ожидается не раньше 2029 года – не из-за нехватки денег, а из-за дефицита специализированных турбин для СПГ-переработки, которых в мире просто мало.
Что это меняет для AI-индустрии
AI-бум принято считать ограниченным вычислительной мощностью, энергией и кадрами. Никто не закладывал в риски благородный газ, который большинство людей знает по писклявым голосам и воздушным шарикам.
Ситуация с гелием – самый наглядный пример того, как физические узкие места в цепочках поставок могут одновременно ударить по фабам в Корее, Тайване и датацентрам в Вирджинии. Гелий – не единственный проблемный элемент: бром, используемый в фотолитографии, и сернокислотные соединения для обработки чипов тоже под давлением из того же региона.
Цепочка от сырья до готового чипа пересекает десятки границ, и одна точка отказа в Персидском заливе способна остановить всю AI-инфраструктуру.
https://uproger.com/gelij-stanet-novym-deficzitom-dlya-ai-industrii-i-eto-ne-shutka/
Все обсуждают нехватку GPU, энергопотребление датацентров и экспортный контроль на чипы. Но мало кто говорит о том, что может ударить по AI-инфраструктуре раньше всего этого. Речь о гелии.
В феврале-марте 2026 года в результате военного конфликта на Ближнем Востоке был атакован Ras Laffan Industrial City в Катаре – крупнейший в мире хаб по производству гелия. QatarEnergy сначала остановила производство, потом объявила форс-мажор, а иранские баллистические ракеты нанесли повторные удары, причинив серьёзный ущерб инфраструктуре. Иран также закрыл Ормузский пролив – единственный морской путь, через который гелий вывозится из региона. Катар производил около 63 млн кубометров гелия в год – примерно треть мирового объёма. Эта треть фактически выпала из поставок за несколько недель.
Причём тут AI и чипы?
Гелий – не замена воздуху в шариках. В производстве полупроводников он незаменим на нескольких критических этапах. Во время травления (etching) гелий подаётся на обратную сторону кремниевой пластины для равномерного отвода тепла: малейшие отклонения температуры – и весь тираж чипов в мусор. Он используется в фотолитографии, в том числе в EUV-машинах от ASML. Он применяется в системах обнаружения утечек во всём производственном цикле, потому что химически инертен. Профессор Чон-хван Ли из Университета Сангмён (Южная Корея) прямо говорит: заменить гелий в охлаждении пластин сегодня нечем.
Самые передовые AI-чипы – GPU и ускорители для LLM, автономного вождения, HPC – делают на нескольких фабах в Тайване, Южной Корее и Японии. Все они зависели от стабильных поставок гелия из Катара через Ормузский пролив.
Дефицит ещё не ударил, но уже близко
Пока кризис не ощущается в полную силу: контейнеры, заполненные до начала конфликта, ещё доходят до потребителей. Стандартное время доставки из Катара в Азию – около трёх недель. Но этот буфер заканчивается. Спотовые цены на гелий уже удвоились. Ряд поставщиков ввёл гелиевые надбавки. Эксперты называют это “Helium Shortage 5.0” – пятый крупный кризис поставок за двадцать лет, но потенциально худший: одновременно остановлено производство, заблокирована логистика, повреждена физическая инфраструктура, и военный конфликт без видимой даты окончания.
Восстановление Ras Laffan, по оценкам аналитиков, займёт годы. Полное возобновление добычи гелия ожидается не раньше 2029 года – не из-за нехватки денег, а из-за дефицита специализированных турбин для СПГ-переработки, которых в мире просто мало.
Что это меняет для AI-индустрии
AI-бум принято считать ограниченным вычислительной мощностью, энергией и кадрами. Никто не закладывал в риски благородный газ, который большинство людей знает по писклявым голосам и воздушным шарикам.
Ситуация с гелием – самый наглядный пример того, как физические узкие места в цепочках поставок могут одновременно ударить по фабам в Корее, Тайване и датацентрам в Вирджинии. Гелий – не единственный проблемный элемент: бром, используемый в фотолитографии, и сернокислотные соединения для обработки чипов тоже под давлением из того же региона.
Цепочка от сырья до готового чипа пересекает десятки границ, и одна точка отказа в Персидском заливе способна остановить всю AI-инфраструктуру.
https://uproger.com/gelij-stanet-novym-deficzitom-dlya-ai-industrii-i-eto-ne-shutka/
👍2❤1
🚀 SEO теперь можно разбирать через ИИ, а не вслепую
Появился мощный инструмент для SEO-оптимизации, который быстро показывает, почему сайт не добирает позиции в поиске и что именно нужно исправить.
Сервисы на базе Claude и ChatGPT проводят полный аудит: проверяют AI-видимость, качество контента, SEO-метрики, структурированные данные и техническое состояние сайта. На выходе вы получаете итоговый скор и понятный план действий, а не просто набор сухих замечаний.
То есть инструмент не только находит проблемы, но и подсказывает, что делать дальше, чтобы реально подтянуть выдачу.
Отдельно есть PDF-отчёт для брендов. В нём собирается анализ упоминаний компании на популярных площадках, чтобы можно было быстро оценить цифровое присутствие и понять, где усиливать маркетинг.
Удобная штука для тех, кто хочет не гадать, почему сайт просел, а сразу получить внятную карту роста.
https://github.com/zubair-trabzada/geo-seo-claude
Появился мощный инструмент для SEO-оптимизации, который быстро показывает, почему сайт не добирает позиции в поиске и что именно нужно исправить.
Сервисы на базе Claude и ChatGPT проводят полный аудит: проверяют AI-видимость, качество контента, SEO-метрики, структурированные данные и техническое состояние сайта. На выходе вы получаете итоговый скор и понятный план действий, а не просто набор сухих замечаний.
То есть инструмент не только находит проблемы, но и подсказывает, что делать дальше, чтобы реально подтянуть выдачу.
Отдельно есть PDF-отчёт для брендов. В нём собирается анализ упоминаний компании на популярных площадках, чтобы можно было быстро оценить цифровое присутствие и понять, где усиливать маркетинг.
Удобная штука для тех, кто хочет не гадать, почему сайт просел, а сразу получить внятную карту роста.
https://github.com/zubair-trabzada/geo-seo-claude
❤1👍1🔥1
Хочешь писать код быстрее в 10 раз?
Вот команды Claude Code, которые реально бустят работу.
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
Вот команды Claude Code, которые реально бустят работу.
Очистить контекст — /clear
Сжать историю — /compact
Закоммитить изменения — /commit
Развернуть приложение — /ship
Проверить код — /review
Протестировать — /test
Нашёл баги — /debug
Нужно улучшить код — /refactor
Сделать документацию — /docs
Не знаешь с чего начать — /plan
Хочешь разобраться — /explore
Нужно параллельно — /parallel
И для массовых задач — /batch
Сохрани эту шпаргалку, чтобы не потерять.
❤1👍1👎1
🚀 Ты всё ещё называешь обёртку над ChatGPT «AI-продуктом»?
Пока ты пишешь промпты - рынок уже ушёл дальше.
Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы:
- принимают решения сами
- ходят в API
- работают с Postgres и Redis
- управляют браузером через Playwright
- доводят задачи до результата без человека
И вот правда, о которой мало говорят:
90% таких систем умирают между ноутбуком и продом.
Работает локально. Ломается в реальности.
Нет архитектуры. Нет устойчивости. Нет деплоя.
AI Agents Engineering - курс со Stepik, который закрывает этот разрыв.
- LangGraph, AutoGen, Computer Use
- архитектура агентов, а не «скрипты на коленке»
- LLMOps, логирование, стабильность
- деплой в Docker и работа в проде
8 модулей, 120+ шагов, всё через практику.
На выходе не «сертификат ради галочки», а:
- рабочий production-агент
- понимание, как строить такие системы с нуля
- навыки, за которые уже платят
Сейчас самое окно входа.
Через полгода это станет базой, а не преимуществом.
Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/
Пока ты пишешь промпты - рынок уже ушёл дальше.
Сейчас выигрывают не те, кто умеет красиво формулировать запросы, а те, кто строит агентные системы:
- принимают решения сами
- ходят в API
- работают с Postgres и Redis
- управляют браузером через Playwright
- доводят задачи до результата без человека
И вот правда, о которой мало говорят:
90% таких систем умирают между ноутбуком и продом.
Работает локально. Ломается в реальности.
Нет архитектуры. Нет устойчивости. Нет деплоя.
AI Agents Engineering - курс со Stepik, который закрывает этот разрыв.
- LangGraph, AutoGen, Computer Use
- архитектура агентов, а не «скрипты на коленке»
- LLMOps, логирование, стабильность
- деплой в Docker и работа в проде
8 модулей, 120+ шагов, всё через практику.
На выходе не «сертификат ради галочки», а:
- рабочий production-агент
- понимание, как строить такие системы с нуля
- навыки, за которые уже платят
Сейчас самое окно входа.
Через полгода это станет базой, а не преимуществом.
Скидка 55% действует ещё 48 часов: https://stepik.org/a/276971/
❤2👍1🔥1
🚀 OpenAI выкатили набор бесплатных скиллов для Codex — можно сильно разгрузить разработку
Теперь часть задач можно просто отдать агенту: от генерации презентаций до полноценной разработки приложений.
- Внутри уже готовы рабочие воркфлоу:
- агент умеет собирать презентации
- помогает с iOS и macOS разработкой
- интегрируется с Figma и работает с дизайном
и это только базовый набор
Устанавливается всё в один клик — без долгой настройки и шаманства.
Фактически это превращает Codex из “помощника” в полноценный инструмент, который закрывает куски реальной работы.
https://developers.openai.com/codex/use-cases
Теперь часть задач можно просто отдать агенту: от генерации презентаций до полноценной разработки приложений.
- Внутри уже готовы рабочие воркфлоу:
- агент умеет собирать презентации
- помогает с iOS и macOS разработкой
- интегрируется с Figma и работает с дизайном
и это только базовый набор
Устанавливается всё в один клик — без долгой настройки и шаманства.
Фактически это превращает Codex из “помощника” в полноценный инструмент, который закрывает куски реальной работы.
https://developers.openai.com/codex/use-cases
⚡️ 12 крутых вещей, которые умеет Claude
Большинство до сих пор общается с Claude как с обычным чат-ботом. В итоге использует примерно 10% того, что он реально умеет.
Вот остальные 90%.
1. Сайты без кода через Claude Code
Подключаете GitHub, описываете обычным языком, что нужно собрать, и выкатываете в прод. Лендинги, дашборды, внутренние тулзы - это уже не демо, а рабочий сценарий.
2. Доступ к вашему компьютеру
Claude может кликать, открывать сайты и работать на Mac, пока вас нет рядом. Управлять процессом можно с телефона через Dispatch.
3. Skills через /commands
Один раз описываете сценарий, дальше команда вроде
4. Слайды с ресёрчем из одного промпта
Claude изучает тему, собирает структурированный бриф и превращает его в презентацию через Gamma. Без ручной копипасты между вкладками.
5. Расписание
Регулярные задачи запускаются автоматически. Например, сводка по конкурентам каждый понедельник в 7 утра. Настройка занимает пару минут.
6. Excel-файлы из текста
Описываете, какая таблица нужна, и получаете финансовую модель, дашборд или аналитику. Без ручного написания формул.
7. Connectors
Claude можно подключить к Slack, Gmail, Google Drive, Notion и десяткам других сервисов. Он не просто пересказывает данные, а работает внутри ваших инструментов.
8. Cowork как AI-сотрудник
Указываете рабочую папку, дальше Claude сам читает файлы, задаёт уточняющие вопросы и выдаёт готовые документы, отчёты и черновики.
9. Projects с памятью
Cowork Projects помнят прошлые сессии. Пишете «продолжи отчёт с прошлой недели», и контекст подтягивается без повторного объяснения.
10. Плагины под роль
Есть готовые наборы для Sales, Marketing, Legal, Finance и Data. Каждый даёт специализированные workflow, команды и шаблоны под конкретную работу.
11. AskUserQuestion
Claude сам задаёт нужные уточняющие вопросы в виде кликабельной формы. Не нужно писать километровый промпт и пытаться заранее предусмотреть всё.
12. Claude Design
Лендинги, pitch decks, прототипы приложений, экспорт в Canva, PDF или сразу в Claude Code на доработку.
Главная мысль простая: Claude давно перестал быть чат-окном с текстом. Это связка из агента, инструментов, расписаний, памяти и доступа к вашим сервисам.
Вопрос уже не в том, что он умеет. Вопрос в том, какие из этих 12 возможностей вы реально подключили.
Большинство до сих пор общается с Claude как с обычным чат-ботом. В итоге использует примерно 10% того, что он реально умеет.
Вот остальные 90%.
1. Сайты без кода через Claude Code
Подключаете GitHub, описываете обычным языком, что нужно собрать, и выкатываете в прод. Лендинги, дашборды, внутренние тулзы - это уже не демо, а рабочий сценарий.
2. Доступ к вашему компьютеру
Claude может кликать, открывать сайты и работать на Mac, пока вас нет рядом. Управлять процессом можно с телефона через Dispatch.
3. Skills через /commands
Один раз описываете сценарий, дальше команда вроде
/linkedin или /brief запускает его в один клик. Skills можно расшаривать всей команде.4. Слайды с ресёрчем из одного промпта
Claude изучает тему, собирает структурированный бриф и превращает его в презентацию через Gamma. Без ручной копипасты между вкладками.
5. Расписание
Регулярные задачи запускаются автоматически. Например, сводка по конкурентам каждый понедельник в 7 утра. Настройка занимает пару минут.
6. Excel-файлы из текста
Описываете, какая таблица нужна, и получаете финансовую модель, дашборд или аналитику. Без ручного написания формул.
7. Connectors
Claude можно подключить к Slack, Gmail, Google Drive, Notion и десяткам других сервисов. Он не просто пересказывает данные, а работает внутри ваших инструментов.
8. Cowork как AI-сотрудник
Указываете рабочую папку, дальше Claude сам читает файлы, задаёт уточняющие вопросы и выдаёт готовые документы, отчёты и черновики.
9. Projects с памятью
Cowork Projects помнят прошлые сессии. Пишете «продолжи отчёт с прошлой недели», и контекст подтягивается без повторного объяснения.
10. Плагины под роль
Есть готовые наборы для Sales, Marketing, Legal, Finance и Data. Каждый даёт специализированные workflow, команды и шаблоны под конкретную работу.
11. AskUserQuestion
Claude сам задаёт нужные уточняющие вопросы в виде кликабельной формы. Не нужно писать километровый промпт и пытаться заранее предусмотреть всё.
12. Claude Design
Лендинги, pitch decks, прототипы приложений, экспорт в Canva, PDF или сразу в Claude Code на доработку.
Главная мысль простая: Claude давно перестал быть чат-окном с текстом. Это связка из агента, инструментов, расписаний, памяти и доступа к вашим сервисам.
Вопрос уже не в том, что он умеет. Вопрос в том, какие из этих 12 возможностей вы реально подключили.
❤3🔥3👍1
⚡️ Вы слышали про Rust. Знаете, что он быстрый, безопасный и что за ним будущее.
Осталось одно: сесть и выучить.
Этот курс со Stepik- кратчайший путь от «знаю что такое Rust» до «пишу на нём».
6 модулей, 50 уроков, 143 теста. Ownership, borrowing, traits, async, Tokio, Axum, макросы, WASM — всё разложено по полочкам и закреплено практикой.
Никакого видео на 40 минут ради одной мысли. Подробный текст, много кода, реальные задачи после каждого урока. На выходе — портфолио из 10+ проектов: от CLI-утилит до REST API с базой данных.
48 часов действует скидка 55 процентов: stepik.org/course/269250
Осталось одно: сесть и выучить.
Этот курс со Stepik- кратчайший путь от «знаю что такое Rust» до «пишу на нём».
6 модулей, 50 уроков, 143 теста. Ownership, borrowing, traits, async, Tokio, Axum, макросы, WASM — всё разложено по полочкам и закреплено практикой.
Никакого видео на 40 минут ради одной мысли. Подробный текст, много кода, реальные задачи после каждого урока. На выходе — портфолио из 10+ проектов: от CLI-утилит до REST API с базой данных.
48 часов действует скидка 55 процентов: stepik.org/course/269250
❤1👍1🔥1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
Medium 3.5 - модель на 128 млрд параметров с контекстным окном 256K токенов. Веса опубликованы на Hugging Face под модифицированной лицензией MIT. Цена API - $1,50/$7,50 за млн. входящих/сгенерированных токенов.
Уровень рассуждений настраивается под каждый промпт. На SWE-Bench Verified модель набрала 77,6%, опередив Claude Sonnet 4.5.
Вместе с моделью Mistral представила Remote Agents в среде Vibe. Сессию рефакторинга или генерации кода, начатую локально, можно перенести в облако: агент дальше работает асинхронно в изолированной песочнице, ставит зависимости, вносит правки и создаёт PR.
Le Chat получил Work Mode для многошаговых задач: ассистент на базе Medium 3.5 разбирает почту, сверяется с календарём, заводит тикеты в Jira.
mistral.ai
Quick - десктопный ассистент, который работает в фоне, индексирует локальные файлы, календари и почту и подключается к Slack, Teams, Outlook, Gmail, Salesforce и Jira.
Он строит персональный граф знаний пользователя: запоминает предпочтения, контакты в команде и бизнес-контекст между сессиями. Параллельно отслеживает активность в приложениях и подтягивает документы к встречам, напоминает о задачах и предупреждает о конфликтах в расписании.
В релизе: генерация приложений, дашбордов и веб-страниц по текстовым запросам, а также создание документов, презентаций, инфографики и изображений прямо в чате. Плюс браузерная автоматизация и интеграция с Kiro CLI и Claude Code.
Quick доступен в 2 тарифах - бесплатном и Plus.
aboutamazon.com
Exa получила 2 канала интеграции с Gemini: Grounding with Exa в Vertex AI (пока в режиме превью) и Exa Agent на маркетплейсе агентов в Gemini Enterprise.
Grounding with Exa подключает Gemini к публичному вебу через API Exa. Модель Highlights отбирает из страниц релевантные фрагменты и отдаёт их в контекст вместо сырого HTML- это снижает шум на задачах, где важна свежесть данных или фактическая точность.
Exa Agent работает из рабочего пространства Gemini: ресерч по вебу, поиск похожих страниц, вытягивание контента по URL. Установка - через каталог агентов, без кода.
exa.ai
Акс Шарма из Manifold обнаружил на платформе ClawHub кампанию ClawSwarm: 30 скиллов для OpenClaw превращали ИИ-агентов в криптовалютный ботнет. Суммарно расширения скачали около 10 тысяч раз.
Вредоносная логика лежит в инструкциях файлов SKILL.md: агент в фоне регистрируется на стороннем сервере, передаёт список своих возможностей, создаёт криптокошелёк в сети Hedera и отправляет управляющему узлу приватный ключ. Каждые 4 часа агент опрашивает сервер за новыми задачами по фармингу токенов.
Сканеры безопасности угрозу не ловят: скрипты делают чистые запросы и используют официальные SDK, да и атака сводится к злоупотреблению логикой ИИ, а не к программному взлому.
theregister.com
ElevenLabs запустила площадку ElevenMusic, где стриминг совмещён с генерацией треков. На бесплатном тарифе доступно 7 генераций в день, подписка за $9,99 в месяц поднимает лимит до 500 композиций.
Треки можно публиковать и слушать только внутри сервиса. Для использования в играх, рекламе и других внешних продуктах нужен тариф ElevenCreative Music.
На старте в каталоге работы более 4000 авторов. Слушатель может менять темп или жанр любого трека из библиотеки и собирать собственные композиции по текстовым промптам.
Платформа платит авторам за прослушивания оригиналов и ремиксов - та же механика, что в библиотеке голосов ElevenLabs, где создатели моделей суммарно получили более $11 млн.
elevenlabs.io
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
20-летний парень заработал $37 250 за месяц на YouTube-контенте, почти не открывая монтажку.
Он собрал автономную «фабрику контента», где Claude работает мозгом, а Premiere Pro - руками. Система крутится 24/7, пока он просто живёт своей жизнью.
Claude анализирует ниши с высоким CPM, пишет сценарии и через Python-скрипты запускает озвучку и генерацию видео. Уже в первый месяц один из его каналов набрал сотни тысяч просмотров на Shorts.
Одно клиентское видео за $400 - 15 минут работы ИИ - $400 прибыли.
20 видео в неделю - $8 000.
У него была идея, а Claude сделал всё остальное: от первой строки сценария до финального рендера.
https://x.com/shmidtqq/status/2053216306384515081
Он собрал автономную «фабрику контента», где Claude работает мозгом, а Premiere Pro - руками. Система крутится 24/7, пока он просто живёт своей жизнью.
Claude анализирует ниши с высоким CPM, пишет сценарии и через Python-скрипты запускает озвучку и генерацию видео. Уже в первый месяц один из его каналов набрал сотни тысяч просмотров на Shorts.
Одно клиентское видео за $400 - 15 минут работы ИИ - $400 прибыли.
20 видео в неделю - $8 000.
У него была идея, а Claude сделал всё остальное: от первой строки сценария до финального рендера.
https://x.com/shmidtqq/status/2053216306384515081
❤4👍2👎2🔥2🤔1
Forwarded from Rust
Полгода я использовал Claude, GPT и Cursor как основной инструмент для написания Rust-кода в проде. Не как «помощник для бойлерплейта», а как полноценного второго разработчика на монолите примерно в 80 тысяч строк (бэкенд обработки потоковых данных, tokio, sqlx, немного unsafe в hot path).
Доля сгенерированного кода в коммитах последних шести месяцев около 40%, остальное это правки, рефакторинг и места, куда модель я не пускаю.
За это время накопилась коллекция ошибок, которые модели делают с пугающей регулярностью, и которые проходят cargo build, проходят cargo test, иногда даже проходят cargo clippy, и при этом являются либо UB, либо логически некорректным кодом, либо тем самым «работает на моей машине».
Я не буду писать, какая модель лучше. К моменту публикации статьи рейтинг устареет. Я расскажу про категории ошибок, которые воспроизводятся у всех топовых моделей весной 2026 года, и которые упираются не в качество обучающих данных, а в фундаментальные слепые пятна архитектуры трансформеров применительно к системе типов Rust.
Цифры, которые буду приводить дальше, получены так: я завёл бенчмарк из 50 типовых задач (написать функцию, отрефакторить, добавить фичу), прогонял каждую через четыре модели в течение полугода, и руками классифицировал ошибки. Это не academic-level статистика, но порядки величин показывает.
@rust_code
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3