Опционы без гадания агента
⠀
AlphaGBM выложили набор из 29 скиллов для Claude Code, Cursor и других агентов. Вместо рыночного текста по памяти агент получает инструменты, которые ходят в данные: котировки, цепочки опционов, IV, Greeks, VRP, skew, flow и рабочую папку для исследований.
⠀
Это уже не «спроси модель, что думает про AAPL». Можно попросить агента разобрать акцию, оценить опционы, построить поверхность волатильности, посчитать Greeks, сравнить тикеры, собрать hedge-сценарий, прогнать Bull Put Spread на истории или вести watchlist.
⠀
У репозитория есть быстрый вход: клонируешь его в .claude/skills/alphagbm или .cursor/skills/alphagbm, дальше просишь агента разобрать AAPL, NVDA, SPY, TSLA или META на встроенных демо-данных. Для текущих рыночных данных нужен ключ AlphaGBM API.
⠀
Важная деталь: health endpoint прямо показывает состояние источников и поля данных. На момент проверки yfinance, Tiger, Tushare и DefeatBeta отмечены как healthy, Alpha Vantage — unavailable, commodity-источник — degraded. В options chain bid/ask и vega могут оцениваться, если источник их не вернул. Это лучше, чем магия LLM, но всё равно не торговый автопилот.
⠀
Я бы использовал это как проверочный терминал перед идеей: быстро собрать цифры, увидеть волатильность, риск, сценарии выхода и слабые места гипотезы. Решение всё равно остаётся за человеком, но агент перестаёт изображать аналитика без данных.

🧱🔧🧬📈💎🟣🟢
⠀
Источник: GitHub, API health

Кейсы и инструменты: @human20
Среда ИИ: human20.app

🤖 Agent First — сообщества будущего, которые будут читать не люди, а их агенты.

Сильные сообщества упираются в одну и ту же проблему:
Чем больше в них пользы, тем тяжелее эту пользу применить.
Сообщений становится слишком много. Кейсы, ссылки, инструменты, разборы, чужие находки — всё это быстро превращается в поток, который человек уже не успевает нормально перерабатывать. В итоге ценность внутри среды растёт, а способность человека ею пользоваться падает 🤷‍♂️.

Отсюда и родилась идея Agent First. Среда внедрения ИИ должна быть удобна не только человеку, но и его агенту. Тогда знания перестают тонуть в постоянно улетающей ленте и начинают собираться в рабочую систему.

Именно эту идею мы и брали за основу при создании нашего сообщества 💬 Человек 2.0

Подробно разобрали это в новой статье на Дзене:
Читать статью

✨🔵🤍🧠🚀✅

Получить доступ: human20.app

Рабочие ИИ-кейсы: @human20
Среда: human20.app

Vertu делает телефон с Hermes для CEO-уровня
⠀
$6,880 за складной смартфон с Hermes Agent внутри. Vertu открыла предзаказ ALPHAFOLD, а TechCrunch пишет, что топовая версия для бояр доходит до $46,800: аллигатор, 18K золото, бриллианты, кастомная отделка.
⠀
Интереснее кожи то, как Vertu упаковал ИИ. Hermes Agent встроен на уровне телефона: голос, память, команды, задачи и контекст. По заявлению компании, агент может подключаться к ERP/CRM и помогать с согласованиями, расписанием, контролем сделок, поездками и операционными отчётами через обычные запросы.
⠀
Модели не закрыты в один лагерь: запросы можно маршрутизировать в GPT, Claude, Gemini и выбранные open-source модели. Плюс — больше 80 приложений и функции самого телефона.
⠀
Аппарат дорогой и не для всех. Но выбор агента важнее цены: агентная среда переезжает из отдельного приложения в устройство, где уже лежат звонки, календарь, почта, документы и корпоративные доступы на самом топовом решении Personal Agent AI на сегодняшний день.

Я бы взял.

🧩📣🔥💡🪄
⠀
Источник: TechCrunch, Vertu

Больше практики: @human20
Платформа: human20.app

Opus 4.8 всплыл в Claude Code
⠀
В JavaScript-бандле десктопного Claude нашли заранее зашитые строки opus-4-8. Скрин от hysteresis_x показывает, что модель уже прописана в проверке доступа к max reasoning effort рядом с opus-4-6, opus-4-7 и sonnet-4-6.
⠀
Отдельный кусок интереснее: xhigh effort разрешён только для opus-4-7 и opus-4-8, плюс проверяется версия Claude Desktop 1.3036.0. Клиентская часть под новый режим уже собрана. Дальше всё упирается в серверный флаг и доступ на аккаунте.
⠀
Официальные страницы Anthropic на момент проверки ещё показывают Opus 4.7 как актуальную модель. Но через несколько часов после находки уже появились отчёты, что claude-opus-4-8 виден в /v1/models и запускается в Claude Code командой /model claude-opus-4-8.
⠀
Я бы не ждал от 4.8 нового уровня работы. По этим следам это продолжение 4.7 для агентного кодинга: больше работы вокруг длинных задач, больше бюджета на рассуждение, тот же фокус на Claude Code.

UPDATE: уже можно пользоваться

🧩📣🔥💡🪄
⠀
Источник: hysteresis_x, Stas Kulesh, документация Anthropic

OpenClaw 2026.5.27 — релиз про границы
⠀
Вышел OpenClaw v2026.5.27. Это не косметический апдейт: релиз в основном про безопасность, доставку сообщений и более предсказуемую работу Codex.
⠀
Главное изменение для операторов — меньше шансов, что чужой текст из группового чата попадёт туда, где ему делать нечего. В релизе отдельно закрыли перенос group prompt metadata в system prompt, нормализовали странные hostnames с точками, заблокировали опасные обёртки команд и небезопасные Node env overrides.
⠀
С запуском команд тоже стало строже: no-auth Tailscale exposure теперь отклоняется, права для node/device-role требуют admin authority, а /allowlist configWrites проверяет origin policy. Перевожу: OpenClaw меньше верит окружению на слово и чаще требует нормального происхождения действия.
⠀
Для нашей повседневной работы важны ещё две вещи.
⠀
Telegram sendMessage перевели на durable outbound delivery. Это про ситуации, где финальный ответ или действие не должен потеряться из-за поздней уборки, таймаута или кривого состояния шлюза.
⠀
Codex-путь тоже починили: модели Codex теперь выбираются раньше общей маршрутизации, рабочая память идёт через инструменты, клиенты сервера приложения переживают часть стартовых сбоев, а ложные переключения рантайма убрали.
⠀
Ещё по мелочи добавили OpenAI-compatible embedding providers в ядро, расширили DeepInfra catalog browsing, подключили Pixverse video generation, VLLM thinking params и bare Anthropic model IDs.

✨🔵🤍⚡🎯🛠📌📎
⠀
Источник: GitHub release

Рабочие ИИ-кейсы: @human20
Среда: human20.app

Бесплатный Opus 4.8 в Hermes без ручной возни
⠀
Собрал маленький skill chip-freeopus. Он подключает FreeModel к Hermes и Claude Code, чтобы попробовать Opus 4.8 бесплатно без смены основной модели.
⠀
Пост не про «ещё один способ взять бесплатные кредиты». А про то, что если у агента стоят правильные скиллы, он сам превращает чужой сервис в источник фри токенов.
⠀
Скил открывает FreeModel, проходит регистрацию насколько это можно автоматизировать, помогает получить API-ключ, кладёт его в локальный ~/.hermes/.env, добавляет провайдеры freemodel и freemodel-responses, настраивает Claude Code через apiKeyHelper и не тащит секреты в git.
⠀
Вручную остаются только антиабьюз-шаги: подтвердить коды (у кого подключена почта или lobstermail.ai, бот и это сделает сам), активировать Telegram-бота. FreeModel так защищает бесплатные токены от абьюзеров, и это нормальная цена за халявный доступ.
⠀
Дальше уже обычная проверка:
claude -p 'Return only OK.' --max-turns 1 --model opus
⠀
Вернуло OK — Opus идёт через Claude Code. На постоянную работу кредитов не хватит, но для тестов Opus, режима ultracode и пары тяжёлых задач — достаточно.

Я так пишу статьи и посты через скил для телеграма.
⠀
Установка:
git clone https://github.com/evgyur/chip-freeopus
python3 scripts/install_freemodel_provider.py --prompt-key --enable-claude-code --install-claude-wrapper

📚🧪🤖👀🧭🪜🎬

Инструменты и кейсы: @human20
Внедрение: human20.app

Торговая фирма из агентов
⠀
TradingAgents — открытый Python-фреймворк, который собирает вокруг одной акции маленькую «инвесткоманду» из LLM-агентов.
⠀
Одни агенты читают фундаментал, новости, Reddit/StockTwits и технические индикаторы. Дальше bullish и bearish-исследователи спорят между собой, трейдер собирает решение, риск-менеджеры проверяют его, а портфельный менеджер выдаёт итоговую рекомендацию.
⠀
На выходе получается структурированный отчёт по тикеру: что купить, держать или продать, с какими аргументами и рисками. Запускается из CLI или как Python-пакет; есть Docker, LangGraph, разные провайдеры моделей и локальные модели через Ollama.
⠀
У проекта уже десятки тысяч звёзд на GitHub. README отдельно предупреждает: это исследовательский инструмент, не финансовый совет. Качество решения зависит от модели, данных, даты, температуры и настроек дебатов.
⠀
Я бы использовал его как песочницу для инвестиционного ресёрча: прогнать тикер, увидеть спор агентов, разобрать аргументы и только потом принимать своё решение.

📊💹🧮💰🪙🏦⚙📉💵
⠀
Источник: GitHub

Практика без воды: @human20
ИИ-среда: human20.app

Мой бот сходил на конференцию

Вчера был интересный эфир "Что строить, когда все и пользуют AI": https://youtube.com/live/ueX-qqrjkIg

Повторять известные всем банальности вроде "SaaS is dead" скучно, поэтому я вытащил для вас вас 10 самых нестандартных тейков из выступлений участников.

➊ AI-ОБЁРТКА МОЖЕТ БЫТЬ НОРМАЛЬНЫМ БИЗНЕСОМ

Не надо стыдиться wrapper-продукта. Если он живёт в 2026, имеет канал, удержание и деньги — это уже не «позорная обёртка», а бизнес.

Нестандартность: технологическая глубина вторична, если есть рабочий доступ к клиенту.

➋ ВЕНЧУРНОСТЬ ДЛЯ AI-СТАРТАПА МОЖЕТ БЫТЬ МИНУСОМ

Если ты поднимаешь деньги «на команду разработки», это выглядит странно: разработка сильно подешевела из-за Claude Code/Codex.

Венчур нужен не на «собрать продукт», а на рынок, дистрибуцию, гонку, regulation, инфраструктуру или модели.

➌ HEAD OF AI ДОЛЖЕН ЗАЛЕЗАТЬ В HR, PR, GR И КОДИНГ

AI-роль — не просто техлид моделей. Она начинает менять найм, процессы, публичную позицию компании, отношения с государством, инструменты разработки и продукт.

Нестандартность: Head of AI становится горизонтальной политической фигурой внутри компании, почти как мини-CEO трансформации.

➍ ЛУЧШИЙ AI-БИЗНЕС МОЖЕТ ВЫГЛЯДЕТЬ КАК СТАРОЕ АГЕНТСТВО

Снаружи — бухгалтерия, аналитика, юристы, тендерное сопровождение, маркетинг. Внутри — один оператор и пачка агентов.

Самый интересный ход: не продавать SaaS вообще. Продавать привычную услугу, но с новой себестоимостью.

➎ ОТВЕТ МОЖНО СПЕЦИАЛЬНО ОТДАВАТЬ НЕ СРАЗУ

Прозвучал спорный, но сильный тейк: иногда клиент больше ценит результат, если получил его через 3 дня, а не через час.

Потому что «быстро» может выглядеть как «дёшево и легко», а «через пару дней» — как работа, за которую психологически проще платить.

➏ AI УБИВАЕТ VENDOR LOCK-IN ЧЕРЕЗ БРАУЗЕР

Если в CRM нет кнопки экспорта, раньше это держало клиента. Теперь агент может открыть интерфейс, пройтись по страницам и перенести данные сам.

Нестандартность: moat ломается не API, а агентом, который действует как терпеливый человек в браузере.

➐ AI-ДИСТРИБУЦИЯ — ЭТО НЕ КОНТЕНТ, А ПОИСК СКРЫТЫХ СИГНАЛОВ

Более интересная часть про маркетинг — не контент-фермы, а новые источники intent-сигналов:

– вакансии на HeadHunter показывают, что компания хочет автоматизировать
– тендеры можно скорить агентами
– YouTube-комментарии и субтитры можно читать как рынок боли
– видео компаний можно использовать как источник продажных зацепок

То есть AI делает экономически доступным разведочный труд, который раньше был слишком ручным.

➑ ПРОДУКТОВЫЙ НАЙМ МОЖЕТ ТРЕБОВАТЬ PET PROJECT С ВЫРУЧКОЙ

Вакансии для продактов начинают требовать не «умею ChatGPT», а опыт вайбкодинга и даже проект с платящими пользователями.

Спорный тейк: если человек уже сделал проект с выручкой, зачем ему найм. Но рынок всё равно начинает двигать планку туда.

➒ КОРПОРАЦИИ С ЖЁСТКОЙ ИБ МОГУТ ПОЛУЧИТЬ БОЛЬШЕ УТЕЧЕК

Чем сильнее компания запрещает официальные AI-инструменты, тем выше шанс, что сотрудники используют личные аккаунты и левые сервисы.

То есть запрет без безопасной альтернативы не снижает риск, а выталкивает его в тень.

➓ AI-НАВЫКИ НЕ НАДО ВНЕДРЯТЬ ВСЕМ ОДИНАКОВО

Тезис против корпоративного булшита: не всем сотрудникам нужно «строить агентов». Кому-то достаточно промптинга и работы с контекстом, кому-то нужен MCP и agent tooling, а кому-то AI вообще не критичен.

Нестандартность: зрелая AI-трансформация — это не «всем курс по ChatGPT», а сегментация ролей по реальной необходимости.

Как вам тейки? С чем не согласны?

📚🧪🤖👀🧭🪜🎬

Практика ИИ: @human20
Среда внедрения: human20.app

Клиент Anthropic случайно слил 500 млн долларов на токены Claude
⠀
Axios пишет про корпоративный скандал, после которого компании начали считать, сколько реально стоят Claude Code, Codex и другие агентские инструменты внутри больших команд.
⠀
Самый дикий пример — анонимный консультант рассказал Axios про клиента, который за месяц сжёг около $500 млн на Claude. Компания просто не выставила лимиты для сотрудников на корпоративной подписке.
⠀
Это хорошо ложится поверх всей истории с clawd.rip.
⠀
Сначала пользователи терпят деградации, странные лимиты и внезапные правила. Потом бизнес обнаруживает, что агентский стек ещё и умеет жечь бюджет быстрее, чем его успевают объяснять финансовому директору. И, конечно, Anthropic даже не предложил установить лимиты, когда увидел как весело крутится счётчик токенов у его клиентов. Контора П, кароч.
⠀
В Microsoft, по данным The Verge, инженеров Windows, Microsoft 365, Outlook и Teams переводят из Claude Code в Copilot до конца июня — чтобы снизить расходы. Uber, по данным The Information и Axios, уже потратил бюджет на Claude Code на 2026 год. В Nvidia Брайан Катанзаро говорил, что вычисления для нейросетей обходятся его команде дороже зарплат людей, которые ими пользуются.
⠀
Проблема не в том, что AI-инструменты бесполезны. Они полезны.
⠀
Косяк в том, что корпорации сначала раздали сотрудникам дорогие модели как безлимитный кофе, а потом удивились, что люди начали спрашивать у них погоду, переписывать ерунду и сжигать токены ради внутренних метрик.
⠀
Теперь начинается более взрослая часть цикла внедрения ИИ: лимиты, учёт, маршрутизация моделей, запрет на бессмысленное использование, перенос задач на более дешёвые инструменты и прямой вопрос к каждому AI-расходу: он реально окупается или просто красиво выглядит в отчёте?
⠀
После слива $500 млн за месяц этот вопрос уже не получится отложить.

📚🧪🤖👀🧭🪜🎬
⠀
Источник: Axios

Больше разборов: @human20
Среда: human20.app

Codex Computer Use теперь работает на Windows
⠀
OpenAI наконец-то выкатила поддержку Windows для Computer Use в Codex. Теперь Codex может работать с файлами, запускать команды, видеть экран, кликать, печатать и управлять обычными Windows-приложениями.
⠀
Вторая часть новости — поддержка Codex на Windows в мобильном ChatGPT. Можно запустить задачу на ПК, уйти с телефоном, смотреть прогресс, отвечать Codex и направлять задачу, пока работа продолжается на Windows-машине.
⠀
Пока это ранний опыт и, судя по демо, работа идёт в активном сеансе: агент двигает мышь и печатает на твоём рабочем столе, а не просто тихо делает всё где-то в фоне.

Codex всё меньше похож на «модель для кода в терминале» и всё больше — на удалённого оператора компьютера, который может жить между IDE, браузером, обычными приложениями и телефоном.
⠀
Даже гоблина в Paint нарисует 😂
⠀
Наконец-то обычные пользователи виндовс смогут откинуться на стуле и смотреть, как нейронка работает за них в любых программах на компе.

🧱🔧🧬📈💎🟣🟢
⠀
Источник: OpenAI / Codex Windows

Инструменты и кейсы: @human20
Внедрение: human20.app

Insanely Fast Whisper — быстрый Whisper для GPU/Mac
⠀
Insanely Fast Whisper — CLI-инструмент для транскрибации аудиофайлов через Whisper прямо на своей машине.
⠀
Главная фишка — скорость. Автор пишет, что на NVIDIA A100 он прогонял 150 минут аудио меньше чем за 98 секунд на Whisper Large v3 с fp16, batching и Flash Attention 2.
⠀
Работает через Transformers, Optimum и flash-attn. Можно запускать Whisper Large v3, distil-whisper, давать локальный файл или URL, а на Mac использовать MPS через флаг --device-id mps.
⠀
Базовый запуск выглядит так:
⠀
pipx run insanely-fast-whisper --file-name audio.mp3
⠀
С Flash Attention:
⠀
insanely-fast-whisper --file-name audio.mp3 --flash True
⠀
Это не «ещё один Whisper wrapper ради wrapper». Это полезная штука для длинных созвонов, подкастов, видео и архивов, где обычный Whisper начинает раздражать временем прогона.
⠀
Инструмент заточен под NVIDIA GPU и Mac. На слабой машине магии не будет.

🧱🔧🧬📈💎🟣🟢
⠀
🐱 GitHub

Рабочие ИИ-кейсы: @human20
Среда: human20.app

Финансовые скилы для трейдинга и инвестиций

Tom Dörr подсветил репозиторий himself65/finance-skills: пакет Agent Skills для Claude Code, финансового анализа и трейдинга.

Что внутри:
┈ оценка компаний: DCF, сравнимые мультипликаторы, SOTP
┈ отчёты: подготовка к earnings и разбор после публикации
┈ yfinance: котировки, опционы, дивиденды, отчётность
┈ ликвидность, корреляции, премия/дисконт ETF
┈ чтение источников: X, Telegram, Discord, LinkedIn, Reddit через opencli
┈ TradingView и фиды сентимента

Я проверил GitHub: 2 591 звезда, 274 форка, 92 коммита, MIT, 18 релизов; 0 открытых issues, 0 открытых PR, 2 контрибьютора — himself65 и Fallenhh.

Живых отзывов пока мало. Нашёл следы реального использования: пользователи приносили баг установки opencli-плагина, закрытый в 7.1.0, лимит Claude Web на 1024 символа при загрузке skill, отсутствие LICENSE и запрос East Money. Автор всё это закрыл.

Хороший пример упаковки экспертизы в продуктовый формат. Агент получает набор проверяемых операций под конкретные задачи. Вопрос только, он поможет вам заработать денег или просто красиво вас с ними разлучит?

📊💹🧮💰🪙🏦⚙📉💵

Репозиторий: github.com/himself65/finance-skills
Источник: x.com/tom_doerr/status/2060697905195848128

Больше разборов: @human20
Среда: human20.app

Heretic автоматизирует снятие refusal-поведения у open-weight моделей

На GitHub быстро взлетает Heretic: инструмент для аблитерации открытых языковых моделей.

Он работает ниже уровня промпта. Heretic находит в модели направление, связанное с отказами, и меняет веса так, чтобы это направление слабее влияло на генерацию.

Механика в четыре шага.

Сначала модель прогоняют на «опасных» и обычных запросах. Потом сравнивают внутренние активации, находят refusal direction и правят весовые матрицы, чтобы подавить отказный паттерн.

Сама идея аблитерации появилась раньше. Новая сила Heretic в автоматизации: параметры подбирает Optuna, а оптимизация одновременно снижает число отказов и держит KL-дивергенцию от исходной модели как можно ниже.

Это нужно, чтобы модель реже отвечала «я не могу с этим помочь», но сохраняла поведение на обычных задачах.

В примере автора для Gemma 3 12B IT:
┈ исходная модель: 97 отказов из 100;
┈ Heretic-версия: 3 отказа из 100;
┈ KL-дивергенция: 0.16.

У других публичных аблитераций на том же бенчмарке тоже 3/100 отказов, но KL выше: 0.45 и 1.04. По этой метрике Heretic повреждает модель меньше.

Репо на взлёте: 22.7k stars и 2.4k forks на GitHub. Поиск на Hugging Face возвращает как минимум тысячу связанных моделей и GGUF-сборок.

Практический эффект для всей индустрии safety: у open-weight моделей отказное поведение всё чаще становится свойством весов, которые пользователь может перепрошить локально.

И вы наконец-то сможете задать нейронке те самые вопросы.

🧱🔧🧬📈💎🟣🟢

Источник: GitHub / p-e-w/heretic

Больше практики: @human20
Платформа: human20.app

Автотрейдинг без магии

На X вирусится Freqtrade — open-source бот для криптоторговли на Python: 50 980 stars, 10 616 forks, GPL-3.0.

Внутри нет сказки про «ИИ нажал кнопку купить». Там обычная инженерная сборка:
┈ стратегии можно гонять в "на бумаге";
┈ идеи проверяются через бэктесты;
┈ параметры подбираются через гипероптимизацию;
┈ управление вынесено в Telegram и WebUI;
┈ FreqAI добавляет ML-модели поверх торговых факторов.

Практическая польза — стек: гипотеза → историческая проверка → симуляция → ограниченный запуск → наблюдение через UI.

Такой инструмент не делает трейдера умным. Он быстро показывает, где стратегия разваливается, сколько она живёт на истории и что будет, если пустить её в рынок без ручной дергатни.

Автономность агентов начинается с песочницы, логов, лимитов, тестов и кнопки стоп-крана.

📊💹🧮💰🪙🏦⚙📉💵

Источник: X / GitHub

Разборы и инструменты: @human20
Внедрение ИИ: human20.app

MiniMax выкатила M3 — coding‑модель под длинные агентные сессии, а не просто очередной чат для автокомплита.
⠀
Главное: M3 поддерживает контекст до 1 млн токенов через новую архитектуру MiniMax Sparse Attention. Модель мультимодальная: работает с текстом, изображениями, видео и computer use. В API, AI Arena и MiniMax Code она уже доступна, а веса и технический отчёт MiniMax обещает выложить в течение 10 дней.

Хорошая замена для рабочей лошадки MiniMax 2.7. И тоже есть high speed режим, только не забудьте включить reasoning high, чтобы увеличить лимит токенов по каждому обращению.
⠀
По таблице бенчмарков выглядит сильно. MiniMax заявляет 59.0% на SWE-Bench Pro, 66.0% на Terminal-Bench 2.1, 80.5% на SWE-Bench Verified. На SWE-Bench Pro M3, MiniMax пишет, обходит GPT-5.5 и Gemini 3.1 Pro, но уступает Claude Opus 4.7. В SVG-Bench M3 уже выше Opus 4.7.
⠀
С этими цифрами хочется кричать «новый лидер рынка». Но это внутренние тесты MiniMax, часть сравнений неполная, у некоторых моделей в таблице стоят прочерки. Но китайская лаборатория вытащила coding‑модель в диапазон топовых закрытых систем и сразу упаковывает её в агентный продукт.
⠀
MiniMax Code теперь построен вокруг M3. Там есть Agent Team: модель делит большую задачу на параллельные подзадачи, запускает субагентов, проверяет результат и корректирует план по ходу работы. Это уже ближе к «агент ведёт проект», чем к «модель пишет функцию по промпту».
⠀
В релизе MiniMax приводит два показательных сценария. В первом M3 почти 12 часов автономно воспроизводила исследовательскую работу ICLR 2025 про finetuning dynamics, сделала 18 коммитов и 23 экспериментальные фигуры. Во втором 24 часа оптимизировала FP8 GEMM kernel под Nvidia Hopper: 147 benchmark submissions и 1959 tool calls.
⠀
Это тот класс задач, где обычный coding‑чат ломается. Нужна длинная память, умение держать логи/код/статью/ошибки в одном контексте, плюс привычка не останавливаться после первого неудачного запуска.
⠀
Если веса реально откроют в ближайшие дни, M3 станет интересной не только как API‑модель, но и как база для локальных/частных coding‑агентов. Особенно если MSA даст обещанную экономику длинного контекста: MiniMax пишет, что на 1M context per-token compute примерно в 20 раз ниже, чем у предыдущего поколения.
⠀
Слабые места: независимых прогонов пока мало, методика бенчей частично внутренняя, веса ещё не опубликованы. Релиз всё равно выглядит хорошо: MiniMax догоняет чат‑модели и одновременно собирает связку «модель + агентный coding‑инструмент + длинный контекст + computer use».

Я использую MiniMax на множестве задач, не требующих GPT. В частности, бот нашего воркшопа работает на этой модели и все мои кроны на основном боте. Лимиты за 40 долларов просто бездонные. Поделюсь результатами в ближайшие дни.

🧩📣🔥💡🪄
⠀
Источник: https://www.minimax.io/blog/minimax-m3

Инструменты и кейсы: @human20
Внедрение: human20.app

Hy‑Memory: Tencent делает память агента похожей на рабочую модель пользователя
⠀
Tencent выпустил Hy‑Memory для OpenClaw. Это плагин долгосрочной памяти для агентов, которым надо жить с одним человеком неделями, а не каждый раз начинать разговор с нуля.
⠀
Проблема старых memory‑решений: агент складывает куски диалогов в базу, ищет похожее по эмбеддингам и подсовывает в контекст. Сначала это выглядит полезно. Через время внутри накапливаются дубли, старые предпочтения, случайные фразы и мусорные факты.
⠀
Hy‑Memory пытается чинить именно это. У него память разложена на 6 уровней:
┈ L1: сырой след разговора
┈ L2: атомарный факт
┈ L3: профиль пользователя
┈ L4: сводка сессии
┈ L5: модель мышления или привычный паттерн
┈ L6: будущие намерения
⠀
Человеческим языком: агент хранит не только фразу пользователя, но и то, во что эта фраза со временем превратилась. Случайная реплика остаётся внизу. Повторяющаяся привычка поднимается выше. Старый конфликт должен погаснуть, когда появляется новое поведение.
⠀
Вторая часть архитектуры — System1 и System2. System1 работает во время диалога: быстро пишет следы, факты, профиль и сводку. System2 работает в фоне: пересматривает старые куски, склеивает повторы, обновляет картину пользователя и поднимает устойчивые паттерны.
⠀
Вот где Hy‑Memory отличается от обычного RAG. RAG хорошо достаёт похожий текст. Hy‑Memory пытается решать другую задачу: какую память сохранить, какую сжать, какую обновить, какую поднять из факта в профиль.
⠀
Давайте сравним популярным решением Cognee. Этот продукт силён как company brain: документы, решения, workflow, граф связей, remember / recall / forget / improve. Это хорошая память для знаний и командной базы. Но при этом Hy‑Memory сильнее выглядит в личном агенте, где важны привычки, предпочтения, изменения в решениях пользователя и долгие отношения с одним оператором — хозяином агента.
⠀
С Graphiti история похожая. Graphiti строит temporal knowledge graph: факты, связи, время действия, что было верно раньше и что верно сейчас. Hy‑Memory берёт более прикладной агентский угол: быстрый путь во время разговора, фоновая переработка, уровни от сырого следа до будущего намерения и готовая интеграция в OpenClaw.
⠀
OpenMemory ближе по духу: self‑hosted память, типы memories, объяснимый recall, MCP и интеграции. Но сам README сейчас предупреждает, что проект переписывается. Hy‑Memory выглядит уже как более собранная архитектура под долгие сессии агента с человеком.
⠀
Цифры Tencent тоже про это. На LongMemEval заявлено 85.20%, на PersonaMem — 76.91%, победа в 13 из 13 типов задач. По PersonaMem запись у Hy‑Memory занимает 12.3 s/k tokens против 97.8 у Graphiti, то есть почти в 8 раз быстрее.
⠀
Среднее число memories на пользователя: 82.3 против 309.8 у mem0 и 362.3 у Graphiti. Это на 73% меньше, чем у mem0, и на 77% меньше, чем у Graphiti. Плотность одной memory: 130.5 токена против 52 у mem0 и 89.2 у Graphiti.
⠀
Для агента это сильная заявка. Хорошая память должна хранить меньше записей, но доставать более точные. Иначе агент через месяц превращается в дом с забитым чердаком: вроде всё где‑то лежит, но найти правильное в нужный момент сложно.
⠀
Размер контекстного окна имеет всё меньше значения. На первый план выходит то, у кого память лучше обновляет модель пользователя: без дублей, старого мусора и вечного «напомни, что мы решили».
⠀
Да, кстати, в Hermes эта память тоже встанет без проблем.

🧱🔧🧬📈💎🟣🟢
⠀
Hy‑Memory: https://memory.hunyuan.tencent.com
OpenClaw docs: https://memory.hunyuan.tencent.com/openclaw/
Cognee: https://github.com/topoteretes/cognee
OpenMemory: https://github.com/CaviraOSS/OpenMemory

ИИ без лишнего шума: @human20
Практика: human20.app

AutoHedge упаковывает «хедж‑фонд» в CLI‑агента
⠀
The Swarm Corporation выложила AutoHedge: Python‑пакет, который работает, как автономный агентский хедж‑фонд. В README формулировка: анализ рынка, риск‑менеджмент и исполнение сделок с минимальным участием человека.
⠀
Если отбросить кричащий маркетинг, внутри интересная заготовка: один директор‑агент получает задачу и раздаёт её специализированным агентам.
⠀
┈ Director Agent: формирует торговую гипотезу
┈ Quant Agent: смотрит технику, статистику, волатильность и уровни
┈ Sentiment Agent: ищет новости и контекст через Exa
┈ Risk Manager: считает размер позиции, drawdown и общий риск
┈ Execution Agent: готовит параметры сделки: тип ордера, вход, стоп, тейк, размер
⠀
Пользовательский вход выглядит почти как обычный CLI: ставишь pip install -U autohedge, запускаешь autohedge, пишешь задачу вроде «Analyze NVDA for 50k allocation» — дальше агентская цепочка должна собрать торговый разбор.
⠀
Самая крутая часть лежит в Solana‑интеграции. В пакете есть инструменты под Jupiter: поиск токенов, получение цен, создание Ultra‑order, подписание транзакции и отправка сделки. README пишет, что сейчас поддержан Solana, Coinbase и другие площадки стоят в roadmap.
⠀
Здесь нельзя верить на слово. По коду AutoHedge сейчас ближе к раннему каркасу для агентского трейдинга, чем к готовому фонду. Основной путь AutoHedge().run(task) гонит задачу через director_agent и возвращает сообщения. Инструменты Jupiter в пакете есть, но в workers.py они не выглядят явно пришитыми к агентской цепочке исполнения.
⠀
Зачем тогда смотреть? Потому что AutoHedge хорошо показывает, куда едут агентские финтех‑репозитории. Вместо одиночной торговой подсказки появляется цепочка ролей: гипотеза → анализ → риск → параметры сделки → потенциальное исполнение через биржевой API.
⠀
Пока это нельзя воспринимать как безопасный автотрейдинг. Но как шаблон для research‑sandbox, paper trading и сборки собственного риск‑контура вокруг LLM‑агентов — материал живой.

Но взять за основу и допилить для себя — для этого и придумали опенсорс.

📊💹🧮💰🪙🏦⚙📉💵
⠀
GitHub: https://github.com/The-Swarm-Corporation/AutoHedge

ИИ для работы: @human20
Среда: human20.app

Vibe‑Trading собирает агентский терминал для рынка
⠀
HKUDS выложили Vibe‑Trading: open‑source рабочее место для финансового ресёрча, бэктестов и агентских команд. Репозиторий на Python, лицензия MIT, пакет в PyPI называется vibe-trading-ai, свежая версия — v0.1.9.
⠀
На фоне AutoHedge разница большая. AutoHedge выглядел как ранняя цепочка «директор → квант → риск → исполнение». Vibe‑Trading уже похож на полноценный терминал: CLI, Web UI, FastAPI, MCP‑сервер, память, swarm‑режим, факторная библиотека, бэктесты и брокерские коннекторы.
⠀
Что внутри по README:
┈ 77 финансовых skills
┈ 29 swarm‑пресетов
┈ 452 готовых альфы в Alpha Zoo
⠀
Плюс 7 рыночных источников: yfinance, OKX, AKShare, Tushare, CCXT, Futu, mootdx.
⠀
MCP‑часть делает проект полезным в чужих агентских средах. Vibe‑Trading отдаёт наружу 36 инструментов: backtest, factor_analysis, get_market_data, analyze_trade_journal, extract_shadow_strategy, run_shadow_backtest, trading_quote, trading_positions и другие. Другой агент получает финансовые операции как инструменты.
⠀
Что умеет Vibe‑Trading: пишешь Backtest a BTC-USDT 20/50 moving-average strategy for 2024, а система должна подтянуть котировки, собрать стратегию, прогнать бэктест, посчитать return/drawdown, добавить benchmark, Monte Carlo, Bootstrap, Walk‑Forward и сохранить run card.
⠀
Самая живая фича — Shadow Account. Ты загружаешь брокерский экспорт, Vibe‑Trading разбирает твои сделки, считает holding days, win rate, drawdown, disposition effect, overtrading, chasing, anchoring, потом вытаскивает 3–5 правил и гоняет их через бэктест.
⠀
Для трейдера это зеркало дисциплины. Система показывает, где твоя фактическая торговля расходилась с твоими же правилами: ранние выходы, пропущенные входы, лишние сделки, слабые места дисциплины.
⠀
С live trading авторы двигаются аккуратно. README пишет, что проект не хранит деньги: брокер держит счёт и исполняет операции. IBKR подключается через локальный TWS / IB Gateway read‑only профиль. Robinhood Agentic Trading идёт через OAuth, mandate, order guard, audit ledger и instant halt.
⠀
Статус у проекта бодрый: создан в апреле, сейчас 9335 звёзд и 1916 forks. Для двух месяцев жизни темп бешеный, но воспринимать это как готовую машину для автотрейдинга всё равно рано.
⠀
Ценность Vibe‑Trading в другом: он заставляет торговую идею пройти через котировки, бэктест, отчёт, ограничения и следы исполнения. Плохую гипотезу он тоже может красиво упаковать, поэтому думать за человека всё равно придётся.

📊💹🧮💰🪙🏦⚙📉💵
⠀
GitHub: https://github.com/HKUDS/Vibe-Trading

Разборы и инструменты: @human20
Внедрение ИИ: human20.app

FinceptTerminal собирает open-source Bloomberg на десктопе
⠀
FinceptTerminal пытается собрать на десктопе финансовый терминал, который обычно приходится склеивать из десятка разных мест: котировки в одном окне, графики во втором, портфель у брокера, риск в Python, заметки в отдельном файле.
⠀
Проект написан на C++20 и Qt6, внутри есть встроенный Python для аналитики. Свежий релиз: v4.0.3. Есть сборки для Windows x64, Linux x64 и macOS Apple Silicon.
⠀
После Vibe‑Trading это другой тип инструмента. Vibe‑Trading больше про агентский ресёрч и бэктесты. FinceptTerminal шире: он тащит в один интерфейс рынок, портфель, брокеров, расчёты, LLM‑агентов, MCP и визуальные пайплайны.
⠀
README заявляет 37 ИИ-агентов, 100+ рыночных и макроисточников, 16 брокерских интеграций и 18 QuantLib-модулей. В брокерах есть IBKR, Alpaca, Tradier и Saxo. В QuantLib‑части: pricing, risk, volatility и fixed income.
⠀
Репозиторий не выглядит пустой витриной. В дереве видны MCP client/service, broker modules, Kraken и Hyperliquid, paper_execution, trade_executor, агентские блоки, Qlib, QuantLab и AI Quant Lab.
⠀
В работе: смотришь рынок, собираешь фактор, проверяешь портфель, считаешь риск, запускаешь paper trade и сохраняешь отчёт. Меньше прыжков между брокером, Python‑скриптом, графиками и заметками.
⠀
Финансовый агент тут не болтается отдельно в чате. Он стоит рядом с терминалом, портфелем, расчётами и журналом действий. Для ресёрча это полезнее, чем очередная кнопка «дай идею для сделки».
⠀
С live trading я бы держал холодную голову. У проекта есть paper/live trading, broker modules и trade executor, но безопасность не доказывается строкой в дереве репозитория. Нужны аудит ключей, order lifecycle, риск‑лимиты, логи, отмена ордеров и аварийная остановка.
⠀
По GitHub: репозиторий создан в августе 2024, сейчас 24 956 звёзд и 3 467 forks. Лицензия в README: AGPL-3.0, рядом commercial license.
⠀
FinceptTerminal тянет open-source финтулы из разрозненных API и Jupyter‑скриптов к рабочим станциям, где рынок, код, агенты и исполнение живут в одном интерфейсе.

📊💹🧮💰🪙🏦⚙📉💵
⠀
GitHub: https://github.com/Fincept-Corporation/FinceptTerminal

Больше разборов: @human20
Среда: human20.app

Ralphy превращает coding agent в видеопродакшн.

Автор называет alecs5am/ralphy open-source, agent-native CLI for AI video. Проще: Claude Code / Cursor / Codex ведут видеопайплайн, а CLI создаёт проект, выбирает шаблон, вызывает модели и собирает mp4.

Связка:
- OpenRouter для image / video / vision / LLM,
- ElevenLabs для голоса и музыки,
- HyperFrames для HTML+GSAP-композиции, дальше Puppeteer + FFmpeg для рендера.

Контроль производства встроен в сам маршрут. Перед тратами есть dry-run, каждый вызов модели пишет generations.jsonl, расходы уходят в cost rollup, падения — в postmortem. README заявляет порядок: ~$8–12 за 30 секунд видео и около 8 минут cold-start.

Внутри ещё agent-native дисциплина: researcher / scenarist / art-director / editor / producer читают playbooks перед действием. Агент получает воспроизводимый repo-процесс для сценария, ассетов, рендера, логов и бюджета.

Репо свежее, CLI сейчас v0.3.0, звёзд пока немного. Это готова dev-инфраструктура для тех, кто готов сам делать автоматический пайплайн для продакшн.

🧱🔧🧬📈💎🟣🟢

GitHub:
https://github.com/alecs5am/ralphy

ИИ для работы: @human20
Среда: human20.app

Microsoft завернул OpenClaw в свой Scout

Microsoft представила Scout — первого агента из категории Autopilots: постоянно включённого исполнителя, который работает в фоне, действует от отдельной идентичности и живёт внутри политик компании.

Формулировка про «убийцу OpenClaw» здесь мимо. В официальном посте Microsoft прямо пишет: Scout powered by OpenClaw open-source technology. Ещё важнее: Microsoft обещает контрибьютить policy conformance обратно в OpenClaw.

База — OpenClaw. Сверху Microsoft докрутила корпоративную оболочку под Microsoft 365: Teams, Outlook, OneDrive, SharePoint, Entra identity, Purview, DLP, Intune и human sign-off для чувствительных действий.

Сценарии пока офисные: назначить встречу, собрать материалы, разобрать email, заблокировать время в календаре, заметить зависшее решение.

Доступ ограниченный: early desktop experience у сотрудников Microsoft, дальше private preview для select customers и Frontier organizations.

Короче: Scout выглядит как Microsoft-дистрибутив OpenClaw для корпоративного мира. Кривой, закрытый политиками, без тележечки, но свой персональный ИИ-агент в M365 они уже собирают.

Сири? Сверчки.

🧩📣🔥💡🪄

Microsoft:
https://www.microsoft.com/en-us/microsoft-365/blog/2026/06/02/introducing-microsoft-scout-your-always-on-personal-agent/

Кейсы и инструменты: @human20
Среда ИИ: human20.app