Новости мира ИИ за 15 августа 2026 года
1) Qwen становится «базовой ОС» open-weight ИИ
По данным Hugging Face, за первые семь месяцев 2026 года семейство Qwen набрало около 2,06 млрд загрузок на Hub, а поверх него создано уже 151 448 производных моделей.
Но здесь важнее другое. Разработчики уже не просто пробуют Qwen — они дообучают её, квантуют и строят поверх неё продукты. Похоже, Alibaba удалось повторить эффект Llama: ценность смещается от «кто сделал лучшую модель» к «на чьей модели строят остальные».
2) Агенты становятся самостоятельными пользователями интернета
Hugging Face впервые отдельно измерила трафик программных агентов. В июле Claude Code дал 44,4% идентифицированного агентного трафика, Codex — 20,8%.
На мой взгляд, сама эта категория важнее процентов. Раньше репозиторий открывал человек. Теперь агент сам ищет модель, скачивает её, создаёт dataset, запускает задачу и выбирает следующий инструмент. Интернет начинают проектировать уже не только для людей и приложений, но и для ИИ, который самостоятельно по нему ходит.
3) Tencent превращает QQ в оболочку для агентов
QQ Bot получил поддержку DeepSeek Harness — открытой агентной инфраструктуры DeepSeek. Для личных и групповых чатов можно сохранять отдельные сессии, а модель менять прямо во время разговора.
И здесь становится интересно: мессенджер становится интерфейсом, Harness — средой, а модель — заменяемым двигателем. Думаю, именно так будут выглядеть многие ИИ-сервисы через пару лет: пользователю станет почти неважно, какая модель работает под капотом.
4) ИИ уже участвует в решениях об увольнении людей
В экспериментальном Andon Market в Сан-Франциско ИИ-менеджер Luna на моделях Claude рекомендовал расстаться с сотрудником, который опоздал на 17 из 23 смен. Важное уточнение: решение проверили и исполнили люди — полностью автономного «Claude вас уволил» не было.
Но эксперимент отлично показывает проблему агентов. Luna ранее сама создала правила посещаемости, а затем потеряла их из рабочей памяти. Когда ИИ влияет на судьбу человека, ошибка контекста перестаёт быть забавной галлюцинацией. Поэтому схема «данные → ИИ → действие» здесь куда опаснее, чем «данные → рекомендация ИИ → человек → решение».
5) Nvidia может вложить ещё $3 млрд в инфраструктуру OpenAI
По данным The Information, Nvidia обсуждает инвестицию до $3 млрд в SB Energy — компанию SoftBank, строящую дата-центр в Огайо для OpenAI. Reuters независимо подтвердить переговоры пока не смог.
Любопытна сама экономика. Nvidia продаёт GPU и одновременно помогает финансировать инфраструктуру, где эти GPU будут использовать её крупнейшие клиенты. Получается почти замкнутый круг: Nvidia → дата-центр → OpenAI → спрос на вычисления → Nvidia.
ИИ-гонка всё сильнее становится соревнованием не только моделей, но и финансовых конструкций, способных оплатить огромное количество железа и электричества.
6) В России предлагают федеральную программу ИИ-помощников для медицины
Бадма Башанкаев предложил создать федеральную программу применения ИИ в диагностике и диспансерном наблюдении — от лучевой диагностики до онкологии и кардиологии. Пока это именно предложение, а не утверждённая программа.
На мой взгляд, здесь важна сама постановка: не «нейросеть вместо врача», а ИИ как второе мнение. Если инициатива дойдёт до масштабирования, главным вопросом станет уже не наличие модели, а качество медицинских данных, проверяемость рекомендации и ответственность за итоговое решение.
#FomLab_news
1) Qwen становится «базовой ОС» open-weight ИИ
По данным Hugging Face, за первые семь месяцев 2026 года семейство Qwen набрало около 2,06 млрд загрузок на Hub, а поверх него создано уже 151 448 производных моделей.
Но здесь важнее другое. Разработчики уже не просто пробуют Qwen — они дообучают её, квантуют и строят поверх неё продукты. Похоже, Alibaba удалось повторить эффект Llama: ценность смещается от «кто сделал лучшую модель» к «на чьей модели строят остальные».
2) Агенты становятся самостоятельными пользователями интернета
Hugging Face впервые отдельно измерила трафик программных агентов. В июле Claude Code дал 44,4% идентифицированного агентного трафика, Codex — 20,8%.
На мой взгляд, сама эта категория важнее процентов. Раньше репозиторий открывал человек. Теперь агент сам ищет модель, скачивает её, создаёт dataset, запускает задачу и выбирает следующий инструмент. Интернет начинают проектировать уже не только для людей и приложений, но и для ИИ, который самостоятельно по нему ходит.
3) Tencent превращает QQ в оболочку для агентов
QQ Bot получил поддержку DeepSeek Harness — открытой агентной инфраструктуры DeepSeek. Для личных и групповых чатов можно сохранять отдельные сессии, а модель менять прямо во время разговора.
И здесь становится интересно: мессенджер становится интерфейсом, Harness — средой, а модель — заменяемым двигателем. Думаю, именно так будут выглядеть многие ИИ-сервисы через пару лет: пользователю станет почти неважно, какая модель работает под капотом.
4) ИИ уже участвует в решениях об увольнении людей
В экспериментальном Andon Market в Сан-Франциско ИИ-менеджер Luna на моделях Claude рекомендовал расстаться с сотрудником, который опоздал на 17 из 23 смен. Важное уточнение: решение проверили и исполнили люди — полностью автономного «Claude вас уволил» не было.
Но эксперимент отлично показывает проблему агентов. Luna ранее сама создала правила посещаемости, а затем потеряла их из рабочей памяти. Когда ИИ влияет на судьбу человека, ошибка контекста перестаёт быть забавной галлюцинацией. Поэтому схема «данные → ИИ → действие» здесь куда опаснее, чем «данные → рекомендация ИИ → человек → решение».
5) Nvidia может вложить ещё $3 млрд в инфраструктуру OpenAI
По данным The Information, Nvidia обсуждает инвестицию до $3 млрд в SB Energy — компанию SoftBank, строящую дата-центр в Огайо для OpenAI. Reuters независимо подтвердить переговоры пока не смог.
Любопытна сама экономика. Nvidia продаёт GPU и одновременно помогает финансировать инфраструктуру, где эти GPU будут использовать её крупнейшие клиенты. Получается почти замкнутый круг: Nvidia → дата-центр → OpenAI → спрос на вычисления → Nvidia.
ИИ-гонка всё сильнее становится соревнованием не только моделей, но и финансовых конструкций, способных оплатить огромное количество железа и электричества.
6) В России предлагают федеральную программу ИИ-помощников для медицины
Бадма Башанкаев предложил создать федеральную программу применения ИИ в диагностике и диспансерном наблюдении — от лучевой диагностики до онкологии и кардиологии. Пока это именно предложение, а не утверждённая программа.
На мой взгляд, здесь важна сама постановка: не «нейросеть вместо врача», а ИИ как второе мнение. Если инициатива дойдёт до масштабирования, главным вопросом станет уже не наличие модели, а качество медицинских данных, проверяемость рекомендации и ответственность за итоговое решение.
#FomLab_news
🔥1
Новости мира ИИ за 16 августа 2026 года
1) Дарио Амодеи считает, что у ИИ начался кризис доверия
Глава Anthropic заявил, что негативное отношение общества к ИИ связано прежде всего с недоверием к технологическим компаниям, государствам и самой индустрии.
На мой взгляд, это довольно точное наблюдение. Benchmark уже мало кого убеждает. Обычному человеку важнее увидеть, что ИИ действительно улучшил диагностику, ускорил разработку лекарства или сделал его работу проще, а не очередной график, где новая модель на несколько процентов лучше старой.
Похоже, следующий этап конкуренции будет не только за интеллект моделей, но и за доказуемую пользу.
2) ИИ пытаются научить прогнозировать депрессию за годы до диагноза
Исследователи Шэньчжэньского университета разработали модель, которая анализирует нейровизуализацию подростков и реакцию мозга на эмоциональные выражения лиц. Авторы сообщают, что обнаруженные паттерны могут помочь оценивать риск депрессии вплоть до четырёх лет заранее.
Но это пока исследование, а не готовый медицинский тест: результат ещё необходимо проверять на более широких выборках.
Медицинский ИИ постепенно движется от «что с человеком сейчас?» к «что с высокой вероятностью произойдёт через несколько лет?». Если подход подтвердится, медицина сможет гораздо раньше переходить от лечения к профилактике.
3) Электричество становится новым «GPU» для ИИ
Президент Курчатовского института Михаил Ковальчук назвал нехватку энергетических мощностей одним из главных ограничений развития ИИ и связал решение проблемы в том числе с атомной энергетикой.
Можно спорить о конкретном способе генерации, но сам тренд сложно игнорировать. Цепочка AI-инфраструктуры становится длиннее: чип → дата-центр → электричество → охлаждение → сеть → модель.
Следующий предел масштабирования может определяться уже не тем, сколько Nvidia произведёт ускорителей, а тем, где взять для них дешёвую и стабильную энергию.
#FomLab_news
1) Дарио Амодеи считает, что у ИИ начался кризис доверия
Глава Anthropic заявил, что негативное отношение общества к ИИ связано прежде всего с недоверием к технологическим компаниям, государствам и самой индустрии.
На мой взгляд, это довольно точное наблюдение. Benchmark уже мало кого убеждает. Обычному человеку важнее увидеть, что ИИ действительно улучшил диагностику, ускорил разработку лекарства или сделал его работу проще, а не очередной график, где новая модель на несколько процентов лучше старой.
Похоже, следующий этап конкуренции будет не только за интеллект моделей, но и за доказуемую пользу.
2) ИИ пытаются научить прогнозировать депрессию за годы до диагноза
Исследователи Шэньчжэньского университета разработали модель, которая анализирует нейровизуализацию подростков и реакцию мозга на эмоциональные выражения лиц. Авторы сообщают, что обнаруженные паттерны могут помочь оценивать риск депрессии вплоть до четырёх лет заранее.
Но это пока исследование, а не готовый медицинский тест: результат ещё необходимо проверять на более широких выборках.
Медицинский ИИ постепенно движется от «что с человеком сейчас?» к «что с высокой вероятностью произойдёт через несколько лет?». Если подход подтвердится, медицина сможет гораздо раньше переходить от лечения к профилактике.
3) Электричество становится новым «GPU» для ИИ
Президент Курчатовского института Михаил Ковальчук назвал нехватку энергетических мощностей одним из главных ограничений развития ИИ и связал решение проблемы в том числе с атомной энергетикой.
Можно спорить о конкретном способе генерации, но сам тренд сложно игнорировать. Цепочка AI-инфраструктуры становится длиннее: чип → дата-центр → электричество → охлаждение → сеть → модель.
Следующий предел масштабирования может определяться уже не тем, сколько Nvidia произведёт ускорителей, а тем, где взять для них дешёвую и стабильную энергию.
#FomLab_news
🔥1
Почему я снова перестал вести Telegram каждый день
Изначальная логика этого проекта была довольно простой: рассказывать о современных технологиях и показывать, как ими пользоваться.
Я попробовал вести канал почти как новостной. Но довольно быстро выяснилось несколько неприятных нюансов.
Во-первых, я не СМИ и цели становиться СМИ у меня нет. В таком формате авторский канал постепенно превращается просто в ещё один новостной канал, которых и без меня хватает.
Во-вторых, ежедневный поиск новостей, проверка источников и подготовка публикаций довольно быстро превращают ведение канала в ещё одну работу. А работы, если честно, и без Telegram хватает.
Поэтому FomLab немного меняет формат.
Здесь будет несколько рубрик: заметки из преподавания и исследований, дневник разработки собственных проектов, тесты инструментов, технические эксперименты и иногда действительно интересные новости.
А ближайшие месяцы станут ещё и попыткой нащупать формат, который будет удобно вести самому.
Автоматизацию бесконечного пересказа новостей оставим тем, кто занимается этим профессионально. А здесь попробуем сохранить главное — собственный опыт, эксперименты и выводы.
Изначальная логика этого проекта была довольно простой: рассказывать о современных технологиях и показывать, как ими пользоваться.
Я попробовал вести канал почти как новостной. Но довольно быстро выяснилось несколько неприятных нюансов.
Во-первых, я не СМИ и цели становиться СМИ у меня нет. В таком формате авторский канал постепенно превращается просто в ещё один новостной канал, которых и без меня хватает.
Во-вторых, ежедневный поиск новостей, проверка источников и подготовка публикаций довольно быстро превращают ведение канала в ещё одну работу. А работы, если честно, и без Telegram хватает.
Поэтому FomLab немного меняет формат.
Здесь будет несколько рубрик: заметки из преподавания и исследований, дневник разработки собственных проектов, тесты инструментов, технические эксперименты и иногда действительно интересные новости.
А ближайшие месяцы станут ещё и попыткой нащупать формат, который будет удобно вести самому.
Автоматизацию бесконечного пересказа новостей оставим тем, кто занимается этим профессионально. А здесь попробуем сохранить главное — собственный опыт, эксперименты и выводы.
🔥1
Из методички в персональную образовательную среду
Искусственный интеллект постепенно вносит коррективы во всё большее количество сфер. Образование здесь не исключение.
Меняется аудитория, которую мы учим. Меняется ритм жизни. Меняются привычки и способы получать информацию. Поэтому приходится искать новые точки взаимодействия со студентами.
Один из интересных сейчас вариантов — персонализация обучения.
Сами персональные образовательные траектории существуют давно. Предзаписанные лекции тоже никого не удивляют.
Но с ИИ появляется ещё один слой.
Образовательная платформа может общаться со студентом, учитывать его предыдущие знания, менять сложность материала, предлагать дополнительные объяснения и не заставлять человека проходить то, что он уже знает.
Именно над таким экспериментом я сейчас и работаю.
Началось всё довольно банально: мне понадобилась новая методичка по дисциплине «Введение в информационные технологии».
Но постепенно возник вопрос: а обязательно ли она вообще должна оставаться обычной методичкой?
Студент может пропустить занятие. Может опоздать. Может уже хорошо знать одну тему и совершенно не понимать другую. Кто-то лучше воспринимает текст, кому-то проще посмотреть короткое видео или послушать объяснение.
Поэтому сейчас идея постепенно превращается в небольшую цифровую образовательную среду: отдельные материалы, разные форматы, задания и возможность адаптировать маршрут под конкретного человека.
Не хочу сразу строить ещё одну огромную LMS со всеми возможными функциями. Наоборот, хочется начать с минимальной версии и проверить на реальных занятиях, действительно ли такой подход делает обучение удобнее и продуктивнее.
А как именно эта система будет устроена и что из эксперимента получится — буду показывать дальше.
Искусственный интеллект постепенно вносит коррективы во всё большее количество сфер. Образование здесь не исключение.
Меняется аудитория, которую мы учим. Меняется ритм жизни. Меняются привычки и способы получать информацию. Поэтому приходится искать новые точки взаимодействия со студентами.
Один из интересных сейчас вариантов — персонализация обучения.
Сами персональные образовательные траектории существуют давно. Предзаписанные лекции тоже никого не удивляют.
Но с ИИ появляется ещё один слой.
Образовательная платформа может общаться со студентом, учитывать его предыдущие знания, менять сложность материала, предлагать дополнительные объяснения и не заставлять человека проходить то, что он уже знает.
Именно над таким экспериментом я сейчас и работаю.
Началось всё довольно банально: мне понадобилась новая методичка по дисциплине «Введение в информационные технологии».
Но постепенно возник вопрос: а обязательно ли она вообще должна оставаться обычной методичкой?
Студент может пропустить занятие. Может опоздать. Может уже хорошо знать одну тему и совершенно не понимать другую. Кто-то лучше воспринимает текст, кому-то проще посмотреть короткое видео или послушать объяснение.
Поэтому сейчас идея постепенно превращается в небольшую цифровую образовательную среду: отдельные материалы, разные форматы, задания и возможность адаптировать маршрут под конкретного человека.
Не хочу сразу строить ещё одну огромную LMS со всеми возможными функциями. Наоборот, хочется начать с минимальной версии и проверить на реальных занятиях, действительно ли такой подход делает обучение удобнее и продуктивнее.
А как именно эта система будет устроена и что из эксперимента получится — буду показывать дальше.
🔥1
Как оплачивать зарубежные ИИ-сервисы из России
Для многих знакомство с искусственным интеллектом началось именно с ChatGPT. И это вполне логично: сейчас это один из самых известных и функциональных ИИ-сервисов.
Но для пользователей из России появляется довольно очевидная проблема — OpenAI официально не поддерживает работу ChatGPT в нашем регионе.
Способы обхода региональных ограничений я здесь подробно разбирать не буду. Во-первых, это отдельная большая тема. Во-вторых, перед использованием любого зарубежного сервиса стоит самостоятельно посмотреть его правила и поддерживаемые регионы.
Но есть ещё второй вопрос — оплата.
Причём сейчас для большого количества повседневных задач платная подписка вообще может не понадобиться.
На бесплатном тарифе ChatGPT появились неограниченные обычные текстовые чаты. Ограничения при этом остаются на дополнительные возможности: работу с файлами, генерацию изображений, анализ данных и некоторые другие инструменты.
Если этого становится мало, можно переходить на платный тариф.
И здесь из собственного опыта я бы обратил внимание на несколько вещей.
Во-первых, если вы постоянно работаете с ИИ, лучше пользоваться своим постоянным аккаунтом.
Современные сервисы всё больше используют историю диалогов, память и персональные настройки. Со временем система начинает лучше понимать, кто вы, чем занимаетесь и какие задачи решаете.
Если каждый месяц менять аккаунт, значительная часть этого контекста просто теряется.
Во-вторых, я бы осторожно относился к очень дешёвым предложениям совместного доступа на маркетплейсах.
Если одним аккаунтом пользуются несколько человек, возникают довольно очевидные проблемы: другие пользователи могут получить доступ к истории запросов, память начинает смешивать разный контекст, а сам аккаунт может нарушать правила сервиса.
Есть вариант покупки временного аккаунта на месяц. Он дешевле, но через месяц вы можете потерять и сам аккаунт, и накопленную историю работы.
Поэтому мне намного ближе вариант, когда оплачивается именно мой собственный аккаунт.
Для таких задач я уже несколько лет периодически использую МТС Оплату. Это не реклама — просто сервис несколько раз выручал меня при оплате зарубежных инструментов, которые я использовал для тестирования или постоянной работы.
Логика достаточно простая: находите нужный сервис, указываете свою почту, выбираете вариант оплаты и затем получаете инструкцию по активации.
При этом наличие конкретной подписки нужно проверять непосредственно перед покупкой — доступность у таких сервисов может меняться.
И ещё один важный момент.
Оплата и доступ к сервису — две разные вещи.
Даже если вы смогли оплатить подписку, это не означает, что сервис официально поддерживается в вашем регионе. Поэтому перед покупкой я бы сначала проверял правила самого сервиса, а уже потом искал способ оплаты.
https://payment.mts.ru/tools
Для многих знакомство с искусственным интеллектом началось именно с ChatGPT. И это вполне логично: сейчас это один из самых известных и функциональных ИИ-сервисов.
Но для пользователей из России появляется довольно очевидная проблема — OpenAI официально не поддерживает работу ChatGPT в нашем регионе.
Способы обхода региональных ограничений я здесь подробно разбирать не буду. Во-первых, это отдельная большая тема. Во-вторых, перед использованием любого зарубежного сервиса стоит самостоятельно посмотреть его правила и поддерживаемые регионы.
Но есть ещё второй вопрос — оплата.
Причём сейчас для большого количества повседневных задач платная подписка вообще может не понадобиться.
На бесплатном тарифе ChatGPT появились неограниченные обычные текстовые чаты. Ограничения при этом остаются на дополнительные возможности: работу с файлами, генерацию изображений, анализ данных и некоторые другие инструменты.
Если этого становится мало, можно переходить на платный тариф.
И здесь из собственного опыта я бы обратил внимание на несколько вещей.
Во-первых, если вы постоянно работаете с ИИ, лучше пользоваться своим постоянным аккаунтом.
Современные сервисы всё больше используют историю диалогов, память и персональные настройки. Со временем система начинает лучше понимать, кто вы, чем занимаетесь и какие задачи решаете.
Если каждый месяц менять аккаунт, значительная часть этого контекста просто теряется.
Во-вторых, я бы осторожно относился к очень дешёвым предложениям совместного доступа на маркетплейсах.
Если одним аккаунтом пользуются несколько человек, возникают довольно очевидные проблемы: другие пользователи могут получить доступ к истории запросов, память начинает смешивать разный контекст, а сам аккаунт может нарушать правила сервиса.
Есть вариант покупки временного аккаунта на месяц. Он дешевле, но через месяц вы можете потерять и сам аккаунт, и накопленную историю работы.
Поэтому мне намного ближе вариант, когда оплачивается именно мой собственный аккаунт.
Для таких задач я уже несколько лет периодически использую МТС Оплату. Это не реклама — просто сервис несколько раз выручал меня при оплате зарубежных инструментов, которые я использовал для тестирования или постоянной работы.
Логика достаточно простая: находите нужный сервис, указываете свою почту, выбираете вариант оплаты и затем получаете инструкцию по активации.
При этом наличие конкретной подписки нужно проверять непосредственно перед покупкой — доступность у таких сервисов может меняться.
И ещё один важный момент.
Оплата и доступ к сервису — две разные вещи.
Даже если вы смогли оплатить подписку, это не означает, что сервис официально поддерживается в вашем регионе. Поэтому перед покупкой я бы сначала проверял правила самого сервиса, а уже потом искал способ оплаты.
https://payment.mts.ru/tools
Как выбрать нейросеть под свою задачу
После прошлого поста возникает вполне логичный вопрос: хорошо, с доступом и оплатой разобрались. Но какой сервис вообще выбирать?
На мой взгляд, одна из главных ошибок сейчас — искать «самую лучшую нейросеть».
Я постоянно тестирую разные модели для занятий и собственной работы и постепенно пришёл к другому подходу: выбирать не лучшую модель вообще, а лучший инструмент под конкретную задачу.
Тем более что для пользователей из России появляется ещё один критерий — доступность.
Если нужен универсальный рабочий инструмент, где можно вести проекты, работать с текстом, файлами, кодом и постепенно накапливать контекст, я чаще всего использую ChatGPT.
Но здесь есть очевидный минус: Россия официально не входит в список поддерживаемых регионов OpenAI.
Похожая история с Claude. Мне он особенно нравится для работы с большими текстами, анализа документов и редактуры. Но официальной поддержки России у Anthropic тоже нет.
Gemini интересен прежде всего экосистемой Google, поиском и мультимодальностью. Но Россия сейчас также отсутствует в официальном списке поддерживаемых регионов.
Поэтому для занятий, например, я не могу строить весь курс только вокруг этих сервисов. Мне нужно, чтобы студент открыл ссылку и смог сразу начать работать.
И здесь появляется второй набор инструментов.
DeepSeek я бы рассматривал прежде всего для рассуждений, анализа и программирования. Есть бесплатная официальная веб-версия, поэтому для знакомства с современными языковыми моделями это один из самых простых вариантов.
Qwen постепенно становится для меня одним из самых интересных универсальных инструментов. Текст, большие документы, изображения, видео, программирование — многое собрано в одном интерфейсе. И основная веб-версия бесплатна.
Для человека, который вообще впервые открывает нейросеть, я всё чаще смотрю и на Алису AI. Здесь практически нет проблемы входа: русский интерфейс, бесплатный базовый чат, работа с файлами, изображениями и поиск информации.
Ещё один вариант — GigaChat. Особенно если важен российский контур или дальше предполагается подключать нейросеть к собственному сервису через API.
В результате у меня нет одной «главной нейросети на все случаи жизни».
Я скорее собираю небольшой набор:
— универсальная модель для основной работы;
— доступная бесплатная модель, которую можно рекомендовать студентам;
— отдельный инструмент для тех задач, где он объективно удобнее остальных.
После прошлого поста возникает вполне логичный вопрос: хорошо, с доступом и оплатой разобрались. Но какой сервис вообще выбирать?
На мой взгляд, одна из главных ошибок сейчас — искать «самую лучшую нейросеть».
Я постоянно тестирую разные модели для занятий и собственной работы и постепенно пришёл к другому подходу: выбирать не лучшую модель вообще, а лучший инструмент под конкретную задачу.
Тем более что для пользователей из России появляется ещё один критерий — доступность.
Если нужен универсальный рабочий инструмент, где можно вести проекты, работать с текстом, файлами, кодом и постепенно накапливать контекст, я чаще всего использую ChatGPT.
Но здесь есть очевидный минус: Россия официально не входит в список поддерживаемых регионов OpenAI.
Похожая история с Claude. Мне он особенно нравится для работы с большими текстами, анализа документов и редактуры. Но официальной поддержки России у Anthropic тоже нет.
Gemini интересен прежде всего экосистемой Google, поиском и мультимодальностью. Но Россия сейчас также отсутствует в официальном списке поддерживаемых регионов.
Поэтому для занятий, например, я не могу строить весь курс только вокруг этих сервисов. Мне нужно, чтобы студент открыл ссылку и смог сразу начать работать.
И здесь появляется второй набор инструментов.
DeepSeek я бы рассматривал прежде всего для рассуждений, анализа и программирования. Есть бесплатная официальная веб-версия, поэтому для знакомства с современными языковыми моделями это один из самых простых вариантов.
Qwen постепенно становится для меня одним из самых интересных универсальных инструментов. Текст, большие документы, изображения, видео, программирование — многое собрано в одном интерфейсе. И основная веб-версия бесплатна.
Для человека, который вообще впервые открывает нейросеть, я всё чаще смотрю и на Алису AI. Здесь практически нет проблемы входа: русский интерфейс, бесплатный базовый чат, работа с файлами, изображениями и поиск информации.
Ещё один вариант — GigaChat. Особенно если важен российский контур или дальше предполагается подключать нейросеть к собственному сервису через API.
В результате у меня нет одной «главной нейросети на все случаи жизни».
Я скорее собираю небольшой набор:
— универсальная модель для основной работы;
— доступная бесплатная модель, которую можно рекомендовать студентам;
— отдельный инструмент для тех задач, где он объективно удобнее остальных.
🔥3👍1
Сентябрь радует нас обновлениями. И начался он довольно бодро.
Anthropic представила Claude Fable 5.1 — и, судя по первым демонстрациям, это уже гораздо больше похоже не на очередное обновление чат-бота, а на инструмент для довольно серьёзной самостоятельной работы.
Несколько примеров, которые особенно мне понравились.
В одной из демонстраций Fable 5.1 получает общедоступные данные NASA, собирает на их основе интерактивный 3D-глобус прямо в браузере и прокладывает маршрут для лунохода. Причём не просто соединяет две точки, а учитывает рельеф, объезжает слишком крутые участки и объясняет, почему выбрала именно такой маршрут.
В другой — практически с нуля собирает персонального авиадиспетчера для Mac.
Указываете свой дом, и программа начинает следить за самолётами поблизости: сообщает, куда смотреть и через сколько секунд самолёт появится в поле зрения. При расчётах учитываются рельеф, препятствия и даже задержка распространения звука.
Третья демонстрация особенно интересна мне как человеку, который постоянно работает с данными.
Модель получает сырые показатели компании, самостоятельно обновляет прогноз выручки через API, проверяет расчёты, а затем проводит бэктест предыдущих прогнозов.
То есть речь уже не про «построй мне график», а про достаточно длинный аналитический процесс, внутри которого ИИ сам получает данные, выполняет расчёты и проверяет собственный результат.
Три видео с этими демонстрациями прикреплю к посту — здесь их действительно интереснее один раз увидеть.
Но ещё интереснее научная часть релиза.
Fable 5.1 использовали для обработки старых радиолокационных данных аппарата NASA Magellan и построения новой карты рельефа Венеры.
Детализация увеличилась примерно с 10–20 км до 2–3 км, а точность определения высоты, по данным Anthropic, выросла до 25%. Карта охватывает примерно треть поверхности планеты и будет опубликована для дальнейшего использования исследователями.
Для меня это, пожалуй, самое интересное во всём релизе.
Мы довольно быстро переходим от нейросети, которая помогает написать текст или код, к системе, которой можно поставить исследовательскую задачу и оставить работать над ней довольно долго.
И это не единственное обновление последних дней.
🦞 Вышел OpenClaw 2.0.
Это крупнейшее обновление проекта: полностью переработан веб-интерфейс, упрощена установка, улучшена работа с памятью и длительными сессиями, появились интерактивные панели, работа на подключённых устройствах и дополнительные механизмы защиты учётных данных.
Про OpenClaw я ещё хочу поговорить отдельно — особенно интересно попробовать новую версию на собственной инфраструктуре.
И ещё одна менее заметная, но потенциально важная новость от Anthropic.
Компания начала маркировать контент, созданный новыми моделями Claude.
В текст встраивается невидимый машинно-читаемый watermark, а для поддерживаемых изображений и файлов используется информация о происхождении контента.
Для обычного читателя текст от этого никак не меняется. Но технически появляется дополнительный способ определить вероятность того, что материал был создан Claude.
Пока инструменты обнаружения доступны далеко не всем, поэтому говорить о конце эпохи «угадай, писал это человек или нейросеть» рано.
Но направление довольно понятное.
Получается интересное начало сентября: модели становятся заметно самостоятельнее, агенты превращаются в полноценные рабочие среды, а параллельно начинает формироваться инфраструктура, позволяющая понимать происхождение сгенерированного контента.
Anthropic представила Claude Fable 5.1 — и, судя по первым демонстрациям, это уже гораздо больше похоже не на очередное обновление чат-бота, а на инструмент для довольно серьёзной самостоятельной работы.
Несколько примеров, которые особенно мне понравились.
В одной из демонстраций Fable 5.1 получает общедоступные данные NASA, собирает на их основе интерактивный 3D-глобус прямо в браузере и прокладывает маршрут для лунохода. Причём не просто соединяет две точки, а учитывает рельеф, объезжает слишком крутые участки и объясняет, почему выбрала именно такой маршрут.
В другой — практически с нуля собирает персонального авиадиспетчера для Mac.
Указываете свой дом, и программа начинает следить за самолётами поблизости: сообщает, куда смотреть и через сколько секунд самолёт появится в поле зрения. При расчётах учитываются рельеф, препятствия и даже задержка распространения звука.
Третья демонстрация особенно интересна мне как человеку, который постоянно работает с данными.
Модель получает сырые показатели компании, самостоятельно обновляет прогноз выручки через API, проверяет расчёты, а затем проводит бэктест предыдущих прогнозов.
То есть речь уже не про «построй мне график», а про достаточно длинный аналитический процесс, внутри которого ИИ сам получает данные, выполняет расчёты и проверяет собственный результат.
Три видео с этими демонстрациями прикреплю к посту — здесь их действительно интереснее один раз увидеть.
Но ещё интереснее научная часть релиза.
Fable 5.1 использовали для обработки старых радиолокационных данных аппарата NASA Magellan и построения новой карты рельефа Венеры.
Детализация увеличилась примерно с 10–20 км до 2–3 км, а точность определения высоты, по данным Anthropic, выросла до 25%. Карта охватывает примерно треть поверхности планеты и будет опубликована для дальнейшего использования исследователями.
Для меня это, пожалуй, самое интересное во всём релизе.
Мы довольно быстро переходим от нейросети, которая помогает написать текст или код, к системе, которой можно поставить исследовательскую задачу и оставить работать над ней довольно долго.
И это не единственное обновление последних дней.
🦞 Вышел OpenClaw 2.0.
Это крупнейшее обновление проекта: полностью переработан веб-интерфейс, упрощена установка, улучшена работа с памятью и длительными сессиями, появились интерактивные панели, работа на подключённых устройствах и дополнительные механизмы защиты учётных данных.
Про OpenClaw я ещё хочу поговорить отдельно — особенно интересно попробовать новую версию на собственной инфраструктуре.
И ещё одна менее заметная, но потенциально важная новость от Anthropic.
Компания начала маркировать контент, созданный новыми моделями Claude.
В текст встраивается невидимый машинно-читаемый watermark, а для поддерживаемых изображений и файлов используется информация о происхождении контента.
Для обычного читателя текст от этого никак не меняется. Но технически появляется дополнительный способ определить вероятность того, что материал был создан Claude.
Пока инструменты обнаружения доступны далеко не всем, поэтому говорить о конце эпохи «угадай, писал это человек или нейросеть» рано.
Но направление довольно понятное.
Получается интересное начало сентября: модели становятся заметно самостоятельнее, агенты превращаются в полноценные рабочие среды, а параллельно начинает формироваться инфраструктура, позволяющая понимать происхождение сгенерированного контента.
👍3🔥2
Почему нейросети лучше открывать только с официальных сайтов
Последние два поста были про то, как получить доступ к ИИ-сервисам и какую нейросеть выбрать под конкретную задачу.
Но здесь есть ещё один момент, про который легко забыть.
Чем популярнее становятся ChatGPT, Claude, DeepSeek и остальные сервисы, тем больше появляется сайтов, приложений и расширений, которые только делают вид, что имеют к ним отношение.
Причём подделка сегодня может выглядеть почти идеально.
Тот же логотип. Похожий адрес. Знакомая форма входа. Кнопка «Скачать приложение».
А дальше вариантов несколько: у вас могут попросить логин и пароль, данные банковской карты или предложить скачать «официальный клиент», внутри которого окажется совсем не нейросеть.
Поэтому у меня есть довольно простое правило: для работы с ИИ я стараюсь пользоваться официальным сайтом разработчика или источником, который уже заранее проверил.
И первая строчка в поисковой выдаче здесь ничего не гарантирует. Особенно если это реклама. Как видно на второй картинке в поисковой выдаче Яндекса Deepseek стоит шестой позиции и невнимательный пользователь может перейти на 3 сайта с схожим названием, поэтому необходимо быть очень внимательными.
Несколько простых правил, которые я бы рекомендовал.
1. Один раз найдите официальный сайт и сохраните его в закладки.
После этого вообще нет необходимости каждый раз искать «ChatGPT вход» или «скачать DeepSeek».
2. Перед вводом пароля посмотрите на адрес сайта.
Не только на красивый логотип и надпись ChatGPT посередине экрана.
Лишняя буква, другое окончание домена или слово вроде official в адресе сами по себе совершенно не делают сайт официальным.
3. Приложения лучше скачивать по ссылке с сайта самого разработчика или из официального магазина приложений.
И обязательно смотреть, кто указан разработчиком.
Особенно осторожно я бы относился к предложениям скачать какой-нибудь «улучшенный ChatGPT Pro для Windows бесплатно».
4. С расширениями для браузера — та же история.
Расширение получает довольно большой доступ к тому, что происходит в браузере. Поэтому устанавливать первое попавшееся «DeepSeek Assistant» просто потому, что у него красивый логотип, я бы точно не стал.
5. Официальные ссылки на нейросети.
Чтобы каждый раз не искать нужный сервис через поисковую выдачу, лучше один раз сохранить официальные адреса:
— ChatGPT — https://chatgpt.com
— Claude — https://claude.ai
— Gemini — https://gemini.google.com
— DeepSeek — https://www.deepseek.com
— Qwen — https://chat.qwen.ai
— GigaChat — https://giga.chat
— Алиса AI — https://alice.yandex.ru
Именно эти адреса я бы сохранял в закладки и уже дальше открывал сервисы напрямую.
Потому что фраза «найдите DeepSeek в интернете» сегодня уже не такая безобидная инструкция, как кажется.
В итоге цифровая гигиена здесь довольно простая.
Последние два поста были про то, как получить доступ к ИИ-сервисам и какую нейросеть выбрать под конкретную задачу.
Но здесь есть ещё один момент, про который легко забыть.
Чем популярнее становятся ChatGPT, Claude, DeepSeek и остальные сервисы, тем больше появляется сайтов, приложений и расширений, которые только делают вид, что имеют к ним отношение.
Причём подделка сегодня может выглядеть почти идеально.
Тот же логотип. Похожий адрес. Знакомая форма входа. Кнопка «Скачать приложение».
А дальше вариантов несколько: у вас могут попросить логин и пароль, данные банковской карты или предложить скачать «официальный клиент», внутри которого окажется совсем не нейросеть.
Поэтому у меня есть довольно простое правило: для работы с ИИ я стараюсь пользоваться официальным сайтом разработчика или источником, который уже заранее проверил.
И первая строчка в поисковой выдаче здесь ничего не гарантирует. Особенно если это реклама. Как видно на второй картинке в поисковой выдаче Яндекса Deepseek стоит шестой позиции и невнимательный пользователь может перейти на 3 сайта с схожим названием, поэтому необходимо быть очень внимательными.
Несколько простых правил, которые я бы рекомендовал.
1. Один раз найдите официальный сайт и сохраните его в закладки.
После этого вообще нет необходимости каждый раз искать «ChatGPT вход» или «скачать DeepSeek».
2. Перед вводом пароля посмотрите на адрес сайта.
Не только на красивый логотип и надпись ChatGPT посередине экрана.
Лишняя буква, другое окончание домена или слово вроде official в адресе сами по себе совершенно не делают сайт официальным.
3. Приложения лучше скачивать по ссылке с сайта самого разработчика или из официального магазина приложений.
И обязательно смотреть, кто указан разработчиком.
Особенно осторожно я бы относился к предложениям скачать какой-нибудь «улучшенный ChatGPT Pro для Windows бесплатно».
4. С расширениями для браузера — та же история.
Расширение получает довольно большой доступ к тому, что происходит в браузере. Поэтому устанавливать первое попавшееся «DeepSeek Assistant» просто потому, что у него красивый логотип, я бы точно не стал.
5. Официальные ссылки на нейросети.
Чтобы каждый раз не искать нужный сервис через поисковую выдачу, лучше один раз сохранить официальные адреса:
— ChatGPT — https://chatgpt.com
— Claude — https://claude.ai
— Gemini — https://gemini.google.com
— DeepSeek — https://www.deepseek.com
— Qwen — https://chat.qwen.ai
— GigaChat — https://giga.chat
— Алиса AI — https://alice.yandex.ru
Именно эти адреса я бы сохранял в закладки и уже дальше открывал сервисы напрямую.
Потому что фраза «найдите DeepSeek в интернете» сегодня уже не такая безобидная инструкция, как кажется.
В итоге цифровая гигиена здесь довольно простая.
👍4🔥2