Кто лучше вайбкодит?

В интернете можно найти сотни бенчмарков, по которым сравнивают нейросети: одни гоняют их по решению университетских задач и математических головоломок, другие проверяют логику и здравый смысл, третьи оценивают практическое применение: способность писать код, создавать тексты или генерировать идеи.
Почему бы не провести своё исследование?

Спойлер: на мой вгляд, Google справился лучше всех.

Задача: собрать лендинг для конференции Digital Learning с новым дизайном.

Условия:
1. Один плохой промпт (мы же хотим написать ИИшке «сделай хороший сайт для конференции» и чтобы она сделала, правда?);
2. Дал ссылку на лендинг конференции (чтобы было понятно, что за мероприятие, какая программа и условия);
3. Не больше 2 итераций правок (с бесконечными правками всё что угодно можно довести до идеала);
4. Нужна только главная страница сайта.

Участники: Google Gemini (с Antigravity (да, не совсем честно)), DeepSeek, GPT-5.1 (OpenAI) и Grok.

Результаты есть в видео в шапке. При клике на ссылки выше можно «пощупать» сайты самим.

По каким критериям сравнивал?
1. Дизайн (субъективно)
2. Функциональность (наличие багов и прикольные/полезные/сложные функции)
3. Адекватность информации*
4. Скорость работы
*Конечно, правильно было бы разделить запрос на 2 части: в начале составить текст и отредактировать его, а потом попросить использовать этот текст в лендинге. Но с таким подходом любая нейросеть напишет адекватный текст.

🎨 Дизайн
Мне понравились все варианты.
Больше всех постарался Google: добавил кучу ховеров и анимаций, уместно использовал шрифты, «трендово» применил бенто-стиль (если бы вместо смайликов нарисовал иконки – цены бы ему не было).

С точки зрения мобильной версии – все справились хорошо, кроме ChatGPT. Адаптив там есть, но весь кривой.

⚙️ Функциональность и баги
Тут очевидное лидерство за Google (ну кто бы сомневался, т.к. я использовал Antigravity).

Всё работало с самого начала без багов. Отдельный плюс за удобную систему фильтров. В дополнительных итерациях добавил фотографии спикеров (ему, как и всем остальным, пришлось кидать ссылки на фотки) + воспользовавшись «инициативой» платформы, добавил чат с ИИ (промпт писал тоже Google, и над ним явно нужно поработать), но фишка классная.

DeepSeek сделал таймер обратного отсчёта (скопировал идею с оригинального сайта). Но если идея хорошая, почему бы и не скопировать?
Но был единственным, у кого были баги и после первой итерации, и после второй всё исправить не удалось.

ChatGPT добавил очень неудобную (но сложную) форму для заявок. Плюс за сложность, минус за UX.

📝 Адекватность информации
Тут не справились все.

DeepSeek более-менее постарался брать информацию с сайта, а не выдумывать всё полностью (не то чтобы получилось хорошо, но лучше, чем у других).

Grok вообще не заморачивался и накидал шаблон – дальше заполняй сам (вот тут поменяй имя на нужное тебе, сюда ссылку на фотку, дальше тему укажи, хочешь добавить ещё выступления – скопируй блок). Интересное сделал ИИ – рутину, человек, пожалуйста, делай сам.

⚡️ Скорость работы
Google, ChatGPT и Grok справились практически одновременно. А вот DeepSeek думал в несколько раз дольше, и контекст оказался слишком большим. Пришлось просить его продолжать.

А чья работа больше всего понравилась вам?

Режим обучения в Google Gemini: даже гиганты пока не могут.

Google добавил режим обучения в свой ИИ-чат Gemini. Давайте разберемся, как он работает и что из себя представляет.

Как запустить?
Всё просто: заходим в Gemini и в нижнем меню выбираем соответствующий режим. Затем говорим ИИ, чему хотим научиться, и при необходимости загружаем файлы (учебники, стандарты), на которые он будет ориентироваться.

Что умеет?
1. Составляет программу обучения — предлагает гибкий выбор темы и перестраивает материал под уровень ученика.

- Круто звучит? Очень круто.
- Хорошо ли это работает? Нет.

o В начале мы получаем базовое описание темы, которой я хочу научиться.
Потом ИИ дает мне 3 темы на выбор, с чего бы я хотел начать. При этом зачастую начать с начала нельзя.
o ИИ не оценивает текущие знания. Было бы логично спросить пользователя о его уровне и, при необходимости, проверить его вопросами или тестом.
o Темы часто идут не по порядку, ключевые части пропускаются. Например, в технике продаж мы поверхностно прошли «выявление потребностей» (меньше страницы А4), задали один вопрос и перешли дальше. Подготовка и установление контакта вообще были пропущены.
o Создается ощущение, что под капотом — простой промпт:
«Объясни тему → задай вопрос → дай обратную связь → предложи 3 темы для продолжения».
o Мой промпт, написанный за минуту для DeepSeek, дал аналогичный результат. А с просьбой иллюстрировать ответы — DeepSeek начал рисовать схемы, фактически сравнявшись с функционалом Google.

Промпт
Представь, что ты тренер по продажам и к тебе пришел новый продавец, которого ты должен обучить технике продаж. Действуй по алгоритму:
Начни с базовой темы, в конце задай вопрос на проверку знаний → После того, как сотрудник ответит - дай обратную связь → Предложи выбор из 3 логичных тем для продолжения обучения.

2. Отвечает на вопросы по теме — это стандартная возможность любого ИИ-чата.

3. Составляет тесты для проверки знаний — работает хорошо, но чаще всего тест нужно запрашивать самостоятельно.

o Тесты имеют специальный удобный интерфейс.
o К вопросам можно запросить подсказку.
o Даётся развернутая обратная связь по ответам.
o Можно попросить объяснить ответ подробнее или задать вопрос в чате.
o В конце получаем красивую и функциональную табличку с результатами: можем проанализировать результаты, посмотреть основные тезисы на карточках или составить памятку. Удобно и полезно.

Главная проблема — в отсутствии педагогического дизайна. Google не строит образовательную траекторию, а просто выдает информацию блоками по шаблону. Нет настоящей адаптивности, глубокой проверки понимания, а погружение в тему поверхностное.

Концепция обучения с ИИ в подобных интерфейсах — это про инициативу ученика. Google пытается частично взять её на себя, немного «подпихивая» к знаниям.
Дает ли это эффект? Возможно.

Не могу сказать, что продукт плохой. Скорее это просто не то, чего хочется ожидать от «ИИ-репетитора от Google». Особенно после таких прорывных проектов как NotebookLM и Learn Your Way.

P.S. потратив 15 минут на разработку промпта, получил результат, возможно, даже интереснее чем в режиме обучения. Промпт в комментариях.

Kimi Slides: разные подходы к генерации ИИ-контента

В этом посте расскажу про Kimi Slides – весьма толковый ИИ-инструмент для разработки редактируемых презентаций, и на его примере о разных подходах в генерации ИИ-контента.

Примеры слайдов в шапке поста, полные презентации в комментариях:
№1 Презентация по прошлому посту (у ИИ был полный текст поста).
№2 Презентация по технике продаж для компании «Мир карданных валов 46» (контент на 100% придумал ИИ).

Итак, как работает Kimi Slides:
1. В обычном интерфейсе чата написали запрос (например, можно скинуть текст выступления, или попросить сделать презентацию по какой-то теме);
2. Выбираем один из предложенных визуальных стилей или доверяем выбор ИИ;
3. ИИ составляет структуру презентации и прописывает наполнение для каждого слайда. При необходимости все можно подкорректировать ручками;
4. Довольно долго ждем, пока ИИ найдет в интернете подходящие картинки (либо сгенерирует их в Nana Banana, но это только на платной подписке) и соберет слайды;
5. Получаем готовый результат, который можно отредактировать в интерфейсе браузера, или скачать редактируемую версию в PowerPoint.

Касаемо результата:
1. Презентации выглядят неплохо.
Да, есть небольшие «косяки», то картинку найдет в интернете с водяными знаками, то текст поедет (иногда не корректно рассчитывает длину некоторых текстовых блоков, достаточно просто немного растянуть текстовый блок и все становится ровненько). Говорит, что умеет добавлять ваши скриншоты и картинки в презентацию, и вроде пытается это делать, но пока не работает (место под ваш скриншот оставляет, так что ручками добавить можно без проблем).

2. Структуру делает хорошо.
Да, структура шаблонная, да, за ним нужно проверять. Но первое решается правильным промптом (Kimi все еще не умеет читать мысли и не знает чего конкретно вы хотите, придется рассказывать), а результат любой работы нужно проверять, не зависимо от того, кто (или что) ее делал.

Касаемо подходов к генерации контента:
Kimi, по факту, не генерирует вам презентацию полностью. Она просто заполняет шаблон*.
*такой подход используют многие компании, например, так генерирует лендинги Tilda, а Napkin создает инфографику.

В базе есть несколько стилей презентаций, в каждой из которых слайды под все случаи жизни: титульники, буллиты, цитаты, графики, и т.д..
Языковая модель разбивает ваш текст (или придумывает свой) на слайды, выбирает для каждого информационного блока подходящий шаблон слайда, и «причесывает» под него информацию.

В итоге, стоимость генерации такого контента принципиально ниже, чем генерация всего с нуля, а результат стабильнее (ИИшка знает, что в шапку шаблона Х поместится только 15 букв, и либо сокращает заголовок, либо ищет другой шаблон).

Но обратная сторона медали в том, что результат получается «пресным»:
Кастомизация слабая (буквально только цвет можно выбрать и все), слайды «удобные» (в которые что угодно можно закинуть, получится нормально и все поместится), вау-эффекта, необычных дизайнерских решений или просто оригинальной композиции ожидать не стоит.

В проектах, которые генерируют весь контент с нуля*, ситуация диаметрально противоположная: любая ваша креативная идея может быть реализована, при этом ожидать стабильного результата точно не стоит (даже Google пока не научился генерировать стабильно инфографику).
*какая-то доля шаблонности будет в любом случае, иначе ИИ не справится.

Как итог:
Чаще всего, когда нам нужно сделать презентацию, у нас нет необходимости «поражать аудиторию креативом», мы просто хотим донести информацию. Здесь шаблонные слайды выполнят свою задачу. Да и «поражать» каждым слайдом – весьма утомительно, можно добавить в скучную ИИ-презентацию парочку дизайнерский слайдов – и уже получим хороший эффект.

До настоящих, классных дизайнеров ИИ еще далеко (как и до настоящих классных кого угодно), но базовые задачи уже можно решать без проблем.

🎲 Почему в эпоху ИИ нам всё еще нужны физические «якоря»?

Я часто пишу про ИИ и технологии в обучении, но сегодня хочу сделать шаг в сторону «аналогового» мира.

Купил себе гравитационный таймер-куб: переворачиваешь нужной гранью вверх — и пошел отсчет (60, 30, 10 или 5 минут).

Казалось бы, зачем покупать отдельный девайс, если в телефоне есть таймер, а в браузере — сотни сайтов с Pomodoro? Но гравитационный куб-таймер оказался чем-то большим, чем просто игрушкой (но и игрушкой тоже).

1. Лекарство от «паралича задачи»
У всех бывают дни, когда задач гора, и ты просто сидишь перед монитором в ступоре, не зная, за что хвататься. Или, когда висит та самая «неприятная» задача, к которой испытываешь физическое сопротивление.

Куб здесь работает как кнопка «Пуск». Ты не обещаешь себе сделать всю работу. Ты просто говоришь: «Я переверну куб на 60 минут, и пока идет таймер — я буду работать». Магия в том, что самое сложное — это начать. Куб помогает преодолеть этот порог сопротивления за счет простого механического действия.

А еще переворачивать куб прикольно. Если чтобы попереворачивать куб нужно немного поработать – ну и ладно, оно того стоит, я согласен.

2. Принцип «Ноль трения»
В UX-дизайне мы боремся за каждый клик. Чтобы запустить таймер в телефоне, нужно:
• Разблокировать экран (привет, уведомления из Telegram!).
• Найти приложение.
• Выставить время.

С кубом всё решается одним движением руки. Чем меньше барьеров между вами и задачей, тем выше шансы, что вы за неё возьметесь.

3. Честный аудит вашего времени
Мы часто обманываем себя, думая, что работали 8 часов. На деле — переписки, кофе, «залипание» в новости. С кубом статистика становится более точной.
• Перевернул грань на 60 минут — работаешь.
• Отвлекся на звонок или ушел на кухню — положил куб «лицом» вверх (пауза).
В конце дня расчет предельно прост: 7 переворотов по часу = 7 часов реальной работы.

Геймификация – не волшебная таблетка
Конечно, в такой вещи нет какой-то магии.

Я взрослый мужчина, и уж точно какая-то пластиковая штуковина из Китая не может мне указывать, когда и что мне делать (у жены получается с трудом, тут вообще без шансов 😄).

Но это работает.

Геймификация не заменяет волю и не делает работу за тебя. Она не превращает скучный отчет в захватывающий квест в виртуальной реальности. Это скорее «социальный контракт» с самим собой, облаченный в прикольную форму.

Когда я переворачиваю куб, я даю себе обещание. Нарушить такое обещание сложнее, потому что физическое действие зафиксировало моё намерение. Это как подпись под договором: можно и не соблюдать, но ощущение уже не то.

Этот гаджет — идеальный пример физического интерфейса для когнитивной деятельности (да и вообще физические интерфейсы прикольные). Иногда, чтобы заставить голову варить, нужно просто дать рукам перевернуть пластиковый кубик.

В мире, где всё становится виртуальным, а кнопки заменяются сенсорами, мы начинаем тосковать по тактильности (кто вообще придумал дурацкие сенсорные магнитолы в авто?!).

В обучении, как и в жизни, нам всё еще нужны материальные якоря. Потому что, в конечном счете, человеку нужен человек — или хотя бы понятная человеческая вещь, которую можно потрогать, нажать или с удовольствием перевернуть. И никакой ИИ это не заменит.

P.S. пост написан за 2 переворота куба.

Hume AI: как сделать диалоговые тренажеры с ИИ еще эффективнее

В сфере e-learning мы уже начали привыкать к диалоговым тренажерам на базе больших языковых моделей (когда ты общаешься с ИИ-собеседником голосом, как с реальным человеком, проигрываешь какой-то кейс, а в конце получаешь развернутую ОС по диалогу).

Писал про эту тему несколько раз: пример диалогового тренажера с симулятором ПО и первый опыт разработки ИИ-тренажера.

Очень классный и эффективный инструмент, который позволяет прокачивать не только знания, но и УМЕНИЕ общаться!

Но нам же всегда хочется большего, хочется сделать эффективный инструмент еще полезнее, правда?

Такой продукт классно оценивает логику работы, технику продаж, адекватно реагирует на ваши слова, но с эмоциями не работает совсем. ИИ и сам общается без эмоций, обычным дежурным спокойным голосом, и ваши эмоции не понимает.

Конечно, он по смыслу догадывается, что, если вы сказали: «Добро пожаловать» — это было сказано доброжелательно, а «ПОШЕЛ ВОН ОТСЮДА!» — явно с какой-то долей негатива. НО, во-первых, далеко не факт, что смысл ваших слов совпадает с невербаликой (бывает же такое, что говорят: «рады вас видеть», а на лице «написано», что всё с точностью наоборот, или фраза вообще может быть сказана без эмоций — бубнеж себе под нос), во-вторых — далеко не всегда в словах есть реальные маркеры, по которым можно понять, какие эмоции использует человек.

Иными словами, в таких продуктах есть фундаментальный изъян: они оценивают, что говорит человек, но полностью игнорируют, как он это делает.

Инструмент Hume AI переносит фокус на невербалику: ИИ сам говорит с эмоциями и «понимает» эмоции собеседника.

Инструмент очень интересный, пост получился объемным.

Полная версия ТУТ.

В шапке пример работы сервиса в плейграунде* (диалог по выбору тура, оценка эмоций по голосу и оценка эмоций по видео).
*сервис умеет говорить на русском, но в плейграунде, очевидно, серьезный системный промпт, который дает директивную инструкцию разговаривать на английском.

Тезисы ниже:

- Голос ИИ больше не «читалка»: ИИ анализирует тембр, темп и интонацию (более 50 эмоциональных состояний) и сам отвечает с нужной эмоцией — от заинтересованности до ответной агрессии.

- Чтение эмоций по лицу: Через камеру система считывает микромимику, фиксируя сомнения или фальшь, которые голос может не выдать.

- Глубокая обратная связь: Теперь можно разобрать не только скрипт, но и невербалику: почему у сотрудника «дрогнул голос» на вопросе о цене или почему его улыбка выглядела как усмешка. Да и просто понять, как он говорит: ярко и эмоционально, или бубнит что-то себе под нос.

- Сложность внедрения: Это не просто «подключить API». Нужно прописывать «эмоциональную партитуру» диалога и уметь обрабатывать огромные потоки данных (Big Data) от сервиса (есть инструменты «из коробки», которые облегчают задачу).

А как вы считаете: стоит ли игра свеч или «эмоциональная аналитика» — это пока избыточная игрушка для e-learning?

Зачем вайбкодинг разработчику курсов?
Пару лет назад в сообществе Digital Learning был интересный кейс: нужно было сделать упражнение для проверки понимания того, как работают электрические схемы.

Понятно, что можно было сделать обычный тест — показать 4 картинки со схемами и спросить: «Какая правильная?» или тыкнуть в участок схемы с ошибкой, и потом ответить на вопрос: «А что тут не так?».
Оба варианта вполне рабочие, но всегда хочется сделать что-то более интересное/эффективное — «Пусть сами построят схему, а курс даст обратную связь что не так».

Идея отличная, но реализация чего-то подобного средствами конструктора курсов крайне проблематична. Не невозможна, конечно, но, если брать сложные схемы (а такие и нужно было брать) — это было бы самое настоящее испытание. Реализация чего-то подобного на JS для непрофильного специалиста тоже задача со звездочкой и явно не укладывается ни в один time-to-market.

С вайбкодингом такие упражнения собираются буквально за полчаса. Потом готовый продукт немного дорабатывается напильником, чтобы он передавал статусы в курс (если оно вам нужно, а подозреваю, что нужно) и вставляется в ваш любимый конструктор курсов. Готово.

В шапке 2 примера упражнений:
1. Упражнение с электрическими схемами собрал Google всего с одной доработкой (я захотел больше заданий и указание допущенных ошибок при обратной связи).
Сами упражнения тоже придумал он. Я в схемах ничего не понимаю.

2. Набившая оскомину всем школьникам задача с яичницей собрана в DeepSeek.
Тут потребовалось 5 итераций и качество сборки все еще страдает. Пациент скорее жив…но нужно несколько раз подумать перед тем, как назначать такой продукт на живых людей (если вы, конечно, не испытываете к ним личной неприязни).

Как итог:
Технических ограничений почти нет.
Ограничение только одно — профессиональная зрелость.

Очень легко начать делать интерактивы ради интерактивов.
Потому что можем.
Потому что весело.
Потому что ИИ справляется.

Но курс — это не игровая площадка для разработчика.
Это инструмент решения бизнес-задач.
И если 100 интерактивов не усиливают обучение — они просто увеличивают шум.