OpenAI выложила странный трейлер
⠀
OpenAI выложила 90-секундный X-трейлер с подписью: “It’s time to fly”.
⠀
По самому видео это не похоже на обычный тизер в стиле «вот новая кнопка». Там киноязык, ночная работа за ноутбуком, mission control, запуск, sci-fi glow и реплики: “This is mission control”, “You are cleared for launch”, “The code awaits your command”.
⠀
Намёк явно вокруг кода, агентного режима или нового пользовательского опыта: человек пишет команду, а система берёт на себя больше самостоятельной работы.
⠀
Название продукта и дата в ролике не раскрыты. OpenAI готовит анонс, а трейлер специально собран как запуск перед чем-то заметным.
⠀
Если они уже снимают 90-секундное кино, это вряд ли минорный апдейт интерфейса.

Возможно, это убийца OpenClaw?

🧩📣🔥💡🪄
⠀
Источник: https://x.com/OpenAI/status/2062249312839434452

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

Whoop 5.0 завайбкодили обход подписки
⠀
Разработчик из Англии выложил альфа-сборку iOS-приложения Goose для Whoop 5.0: браслет должен работать без фирменной подписки (от $199 в год).
⠀
Модель Whoop завязана на сервис: без платной подписки браслет теряет смысл. Goose цепляется к нему по Bluetooth, забирает сырые метрики и обрабатывает их на телефоне Rust-ядром.
⠀
Код Whoop и API компании в репозитории не используются. Сборка пока черновая и глючная, TestFlight автор обещает 13 июня 2026 года.
⠀
Модерация Apple и юристы Whoop могут остановить проект: пользователи уже спорят, пропустят ли такую сборку. Сам автор отвечает спокойно — жить без фана и риска скучно.
⠀
Пока это альфа, но сама попытка крутая: энтузиасты-вайбкодеры лезут прямиком в контроль над сырыми метриками с железки на запястье.

🧩📣🔥💡🪄
⠀
Источник: https://github.com/b-nnett/goose

ЦОД переезжает на устройство
⠀
Perplexity представила Personal Computer — гибридный оркестратор инференса, который в реальном времени решает, какую часть задачи обработать локально, а какую отправить в облако.
⠀
Потребление токенов растёт быстрее, чем строятся дата-центры. Perplexity пишет про путь к 100-кратному росту спроса, который уже упирается в железо, энергию и стоимость инференса.
⠀
Дата-центры остаются для тяжёлых задач. Рутину забирают роутеры, малые модели и локальные рантаймы прямо на устройствах.
⠀
Оркестратор стоит между пользователем и ИИ-стеком: выбирает модель, место исполнения, цену запроса и маршрут контекста. Кто держит эту точку, держит агентный стек, даже если внутри работают чужие модели.
⠀
Поэтому туда уже смотрят Google, Notion, Anthropic, Sakana и все, кто строит полноценную среду исполнения вокруг ИИ. Гибридный инференс становится новой контрольной точкой ИИ-архитектуры.
⠀
Когда-то и корпорация П перестанет жечь ваши деньги и задумается об оптимизации своих опусов.
⠀
🧩📣🔥💡🪄
⠀
Источник: perplexity.ai

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

Google выкатила открытую Gemma 4 12B

Это мультимодальная модель: текст, картинки, аудио, а в документации семейства Gemma 4 отдельно описан и видеовход. Google упаковывает длинный контекст и мультимодальность в локальный формат на 12B параметров.

Заявка: модель можно запускать на ноутбуках с 16 ГБ RAM или unified memory. Важная поправка: это зависит от квантизации и рантайма. В BF16 память будет заметно выше, поэтому 16 ГБ — это consumer-local сценарий, а не тяжёлый полный режим.

Контекстное окно — 256K токенов. Для открытой модели такого размера это уже интересная зона: длинные документы, кодовые базы, скриншоты, аудио и рабочий контекст можно держать ближе к локальной машине, без постоянного похода в облако.

На бенчмарке Gemma 4 12B выглядит близко к Gemma 4 26B в ряде тестов и заметно сильнее Gemma 3 27B. Из подписанных цифр: GPQA Diamond 78.8, MMLU Pro 77.2, LiveCode Bench 72, DocVQA 94.9, InfoVQA 88.4.

Если это нормально заведётся в LM Studio / Ollama / MLX-подобных сборках, мультимодальная локальная модель перестанет быть игрушкой для энтузиастов с огромной видеокартой. Она становится обычным кандидатом для ноутбука.

🧱🔧🧬📈💎🟣🟢

Источник: Google AI docs

Инструменты и кейсы: @human20
Внедрение: human20.app

Human20
Reinforcement Learning

В машинном обучении есть понятие Reinforcement Learning: модель делает действие, получает обратную связь от среды и постепенно учится выбирать лучше. Обучение с подкреплением.

С агентами в работе происходит очень похожая штука. Среда здесь — твоя реальная жизнь.

У меня есть агент Scout на основе GoClaw. Он должен каждый день находить интересные проекты, репозитории, инструменты, свежие агентные штуки.

Но на практике он начал приносить слабую выдачу: старые новости про Karpathy, переходы основателя OpenClaw в OpenAI, громкие твиты без практической пользы. Формально всё про ИИ. По факту — не то.

Параллельно я сам веду канал Human20. Читаю X, GitHub, блоги, вытаскиваю проекты, которые мне правда интересны: agent frameworks, MCP, open-source инструменты, coding agents, financial agents, memory systems, video agents. Всё, что вы тут видите последний месяц.

Я не стал говорить агенту «Скаут плохой, сделай лучше». Я дал ему мой собственный результат месячной работы.

Он прочитал канал за последние недели, вытащил проекты, понял, какие находки я руками выбираю, нашёл людей в X, которые писали про эти проекты рано, и добавил 42 новых Twitter-аккаунта в карту источников Scout.

То есть агент не получил абстрактную инструкцию «ищи полезное».

Поведенческий пример был конкретным: что я сам считаю полезным, какие проекты выбираю, какие источники заметили их раньше остальных, кого теперь надо мониторить.

После этого мы ещё подкрутили фильтры: career news вниз, stale tweets вниз, repo/project/tool signals вверх.

Не магия. Не «один промпт всё сделал». Не «сейчас обучим модель».

Рабочая схема выглядит так: человек делает работу сам, агент наблюдает результат, человек отмечает, что было ценно. Потом агент превращает это в правило, скилл, источник, фильтр или автоматизацию, и следующая итерация начинается с более умной системы. На которую ты снова даёшь фидбэк.

Процесс не бесконечный, первые фидбеки самые ценные, дальше агент, как правило, хорошо работает сам.

Так постепенно агент перестаёт быть чатиком и становится продолжением твоего операционного опыта.

Ты не просто даёшь ему задачи. Ты обучаешь его на том, как сам принимаешь решения.

🧩📣🔥💡🪄

Больше разборов: @human20
Среда: human20.app

Codex выходит за пределы программирования

OpenAI выложила набор ролевых плагинов для Codex. Это готовые рабочие сборки: навык, подключённые приложения и настройки, чтобы агент сразу работал под конкретную задачу.

Первые роли: аналитик, продуктовый дизайнер, продакшен-дизайнер, ИИ-помощник для коммерческой команды, консультант по акциям и консультант по инвестиционному банкингу.

Как это выглядит в работе: аналитик берёт контекст из Snowflake, Databricks, Tableau или Hex и собирает отчёт. Коммерческая роль работает с Salesforce, HubSpot, Slack, Outreach, Clay и Actively. Дизайнерская роль подключает Figma, Canva, Shutterstock, Picsart и Fal.

Есть ещё Sites: Codex может превращать результат в интерактивный сайт. Агент не оставляет задачу в виде файла; он собирает артефакт, который можно открыть, показать команде и дальше править.

Codex теперь адресуют не только разработчикам. OpenAI берёт механику агента для кода: контекст, инструменты, рабочие сценарии, навыки. Эту схему переносят на аналитику, дизайн, сделки, ресёрч и подготовку материалов.

Claude, подвинься.

🧩📣🔥💡🪄

Источник: OpenAI

Практика ИИ: @human20
Среда внедрения: human20.app

✅🐾НАЧНИ ОТСЮДА.

Человек 2.0 — сообщество для тех, кто внедряет ИИ в работу, бизнес и личную систему.

Здесь мы разбираем ИИ-агентов, прокачиваем их навыки и память, даём рабочие связки, которые помогают быстрее думать, меньше вязнуть в рутине и собирать вокруг себя собственную среду внедрения ИИ.

Если ты только зашёл, начни с этих материалов:

• Как Openclaw встраивают в реальный контент-конвейер
• OpenClaw научился заходить в ваш реальный браузерный контекст
• Режим /goal в Hermes, чтобы не писать «продолжай»
• 17 навыков для соцсетей: один раз установил, дальше всё работает само
• Скилл, который чинит нейро дизайн
• Agent First - сообщества: место, где агенты обучаются за вас

Наши ресурсы:

┈ 💬 Сайт: https://human20.app

┈ 😄 VK: https://vk.com/human20app

┈ 📲 Max: https://max.ru/channel_human20

┈ ☺️ Дзен: https://dzen.ru/human20app

┈ 😉 YouTube: https://www.youtube.com/@Human20app

┈ 😛 TikTok: https://www.tiktok.com/@human20app

┈ 📰 VC: — https://vc.ru/id5906826


Собери свою систему вокруг ИИ ➡️ Внедряйся

Microsoft сделала Windows-клиент для OpenClaw

У OpenClaw появился официальный Windows Companion от Microsoft. Это отдельное приложение, через которое агент подключается к системе, показывает состояние узла и даёт управлять локальными разрешениями.

На скриншоте видно обычную схему для рабочего агента: чат, шлюз, сессии, скиллы, каналы, cron-задачи, настройки компьютера, разрешения и sandbox. То есть OpenClaw перестаёт быть только фреймворком рядом с терминалом и получает нормальную оболочку под Windows.

Под капотом работает Microsoft Execution Containers, MXC. Эта система изолирует агентный запуск: разработчик описывает, к чему агент имеет доступ, а Windows применяет эти границы во время выполнения.

Что даёт клиент:
┈ разрешения внутри приложения
┈ управление через системный трей
┈ запуск узла и шлюза в контейнерной среде
┈ подключение к claws на Windows или WSL
┈ открытый исходный код в alpha-версии

Для ваших лобстеров это очень полезно: права, запуск и изоляция становятся частью операционной системы, а не хрупким набором самописных скриптов.

🧩📣🔥💡🪄

Источник: Microsoft

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

OpenAI добавила в Codex режим для iOS-разработки

В каталоге Codex появился плагин Build iOS Apps. Он заточен под мобильную разработку: SwiftUI, Xcode 26, iPhone/iPad UI, запуск через симулятор и проверку результата скриншотами.

Отдельный сценарий — адаптация интерфейса под Liquid Glass в iOS 26. Codex может пройтись по экрану, найти кастомные blur/material-решения и предложить замену на нативные API: glassEffect, GlassEffectContainer, glass button styles и переходы через glassEffectID.

OpenAI добавила Codex плагин, который связывает SwiftUI, Xcode 26, симулятор, проверку UI и конкретный migration workflow. Вместо абстрактного запроса «напиши экран» агент получает рабочий контур для iOS-разработки.

Для iOS-команд это особенно полезно на переходе к Liquid Glass: можно брать один flow, просить Codex мигрировать экран, запускать на iOS 26 simulator и сравнивать результат до расширения на весь продукт.

Codex с каждым днём получает 1-2 серьёзных обновления и становится не голову круче Claude Code. Думойте.

🧩📣🔥💡🪄

Источник: OpenAI

Разборы без шума: @human20
Платформа: human20.app

Supergoal превращает /goal в автопилот для разработки

Нашёл интересный апгрейд для /goal: Supergoal. Supergoal сначала разбирает задачу, а потом собирает один готовый /goal для автономного прогона.

Как это работает: ты пишешь /supergoal <что нужно сделать>. Инструмент смотрит кодовую базу, делает memory preload + writeback, проверяет доступные инструменты, задаёт вопросы только по настоящим пробелам и режет работу на нужное число фаз.

После этого Supergoal пишет артефакты в .supergoal/: ROADMAP.md, STATE.md, THINKING.md, спецификации фаз и протокол выполнения. В конце он печатает один ready-to-paste /goal. Его нужно вставить один раз.

После вставки /goal фазы идут последовательно: каждая читает свой spec, делает работу, проходит verify, делает memory writeback и двигает состояние дальше. Если фаза падает, включается 3-strike recovery: первая ошибка запускает автоповтор с probe, вторая пишет fix-spec и правит внутри фазы, третья останавливает прогон с handoff и историей проб.

В финале есть отдельный final audit: Supergoal заново сверяет результат с ROADMAP, гоняет обязательные команды, проверяет deliverables против baseline ref и только после этого печатает SUPERGOAL_RUN_COMPLETE.

Поддержка заявлена для Claude Code и Codex CLI. Установка для Claude идёт через plugin marketplace, для Codex через обычный clone-and-copy в ~/.codex/skills. Репозиторий открыт под MIT, основной код — Shell.

Это хороший формат для задач, где обычный /goal слишком быстро превращается в «сделай большой проект и не забудь всё важное». Supergoal держит план, состояние, recovery и final audit в файлах проекта, поэтому агент меньше зависит от одной длинной инструкции в чате.

Звучит как крутяк крутейший, буду пробовать.

🧱🔧🧬📈💎🟣🟢

Источник: GitHub / robzilla1738/supergoal

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

Как легко сделать плагин для Hermes

У Nous Research появился гайд Build a Hermes Plugin. По нему можно собрать своё расширение под личный или командный сценарий и не лезть в основной код Hermes.

Самый короткий путь: открыть гайд, дать его Hermes и написать I want to build a plugin for [x]. Ты описываешь задачу: что подключить, за чем следить, какие действия выполнять.

Часть этого раньше можно было запихнуть в skill. Skill мог описать, какие API вызвать, какие команды запускать, как интерпретировать ответ, когда сохранять память и как писать отчёт.

Но skill сам по себе не добавляет новое встроенное действие в Hermes. Он даёт агенту инструкцию: если надо, сходи туда, вызови это, собери результат так. Это работает, пока у агента уже есть нужные инструменты, доступы и рабочий путь через терминал или HTTP.

Plugin добавляет новый механизм в рантайме Hermes: новый tool, hook на события, slash command, интеграцию с внешним сервисом или bundled skill рядом с кодом.

На примере портфеля разница видна сразу. Skill говорит: открой скрипт, забери JSON, посчитай риск, напиши отчёт. Plugin даёт Hermes штатное действие вроде get_portfolio_risk(): оно само ходит в API, валидирует ответ, возвращает структуру и одинаково работает в разных сессиях.

То есть skill — это знания и процедура. Plugin — новая возможность или интеграция в самом агенте. Хороший plugin часто идёт вместе со skill, который объясняет Hermes, когда и как этим действием пользоваться.

Поэтому плагины не заменяют skills и memory. Memory хранит контекст, skills учат процедурам, plugins добавляют действия: сервисы, события, уведомления, проверки, команды.

🧱🔧🧬📈💎🟣🟢

Источник: Hermes Plugins; Build a Hermes Plugin

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

Gemma 4 проверили на реальные задачи Hermes

Вышла Gemma 4. Я попросил Hermes прогнать её через наши рабочие воркфлоу. Без абстрактных бенчмарков со чпагетти-графиками: три модели, один набор заданий.
⠀
Модели:
┈ локальная Gemma 4 от Google
┈ minimax M3 reasoning high
┈ GPT 5.5 reasoning medium
⠀
Задачи приземлённые: разобрать лог Telegram gateway, выбрать нужные skills, вычистить приватные куски из промпта, составить debug-план, написать короткий отчёт в моём стиле, решить, молчать cron watchdog или слать alert.
⠀
GPT 5.5: лучший финальный мозг. Там, где production config, риск сломать gateway, приватные куски или ответ человеку, он заметно точнее. Лучше держит контекст, меньше фантазирует, аккуратнее формулирует.
⠀
Minimax M3: рабочая лошадь. Нормально тянет маршрутизацию, суммаризацию логов, watchdog, короткие технические выводы. Слабое место: иногда слишком много токенов уходит во внутреннее reasoning, и при маленьком лимите наружу прилетает пустой ответ. Значит, нужны правильные лимиты и её роль это background-модель.
⠀
Gemma 4 локально: полезная, но это конечно не главный агент. Для дешёвой классификации, первичного summary и локального профильтра пойдёт. На задачах с контекстом Hermes Agent, privacy или с точным стилем письма быстро начинает плыть. На короткий запрос про Hermes она, например, решила, что речь про доставку и посылки 🤷
⠀
Итого по ролям:
┈ Gemma 4 — дешёвый пре-фильтр
┈ Minimax M3 — дешёвый background-мозг
┈ GPT 5.5 — финальный judge и executor
⠀
Локальные модели уже можно ставить в работу: резать шум, сортировать задачи, сжимать логи, ловить приватные фрагменты, а наверх отдавать только то, где нужен дорогой мозг. Рабочая архитектура агента: связка моделей под разные уровни риска, а не попытка заставить одну модель делать всё.

А вот ждать от локальных моделей фронтир-поведения пока не приходится.

🧱🔧🧬📈💎🟣🟢

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

Gonka в деле: братья Либерманы раздают бесплатный API для LLM

Можно быстро погонять модели через один endpoint и сравнить ответы на своих задачах. Без оплаты и лишней настройки.
⠀
Доступ:
https://api.gonkagate.com/v1
⠀
API key:
gp-jjYei9SI5xL9wkXTneqK03GuQQAtQt7g
⠀
Что дают по output tokens:
┈ qwen/qwen3-235b-a22b-instruct-2507-fp8 — 16,384
┈ minimaxai/minimax-m2.7 — 16,384
┈ moonshotai/kimi-k2.6 — 8,192, лимит обещают поднять
⠀
Список моделей:
https://gonkagate.com/en/models
⠀
Хороший вариант для быстрых тестов: подключить endpoint, прогнать один и тот же промпт через Qwen, MiniMax и Kimi, потом сравнить скорость, длину ответа и качество на реальной задаче.

Как сделаю отпишусь.

🧩📣🔥💡🪄

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

TREK — self-hosted планировщик поездок на своём сервере
⠀
TREK собирает всю поездку в одном месте и работает как PWA: маршрут по дням, карту, брони, бюджет, списки вещей, документы, журнал, совместную работу и доступ для ИИ через MCP.
⠀
Проект open-source: TypeScript, AGPL v3, 5444 звезды на GitHub, релиз v3.0.22, Docker image mauriceboe/trek. Проверить в браузере можно здесь: demo.liketrek.com
⠀
План поездки
┈ места перетаскиваются между днями
┈ карта работает на Leaflet или Mapbox GL
┈ есть 3D-здания, рельеф, фото-маркеры, кластеры и маршруты
⠀
┈ поиск мест идёт через Google Places или OpenStreetMap
┈ можно вести заметки по дням, смотреть прогноз на 16 дней через Open-Meteo, оптимизировать маршрут и экспортировать его в Google Maps
⠀
Брони, деньги и вещи
┈ перелёты, отели, рестораны и другие бронирования с номерами подтверждений и файлами
┈ бюджет по категориям, диаграммы, разделение по людям/дням, несколько валют
⠀
┈ списки вещей с шаблонами, назначением участникам, прогрессом и сумками
┈ документы, билеты, визы и PDF-файлы до 50 MB
┈ экспорт всего плана поездки в PDF
⠀
Совместная работа
┈ синхронизация в реальном времени через WebSocket
┈ поездки на несколько участников
┈ пригласительные ссылки со сроком действия
┈ роли и доступы
⠀
┈ групповой чат, общие заметки, опросы и отметки по дням
⠀
Для семейной поездки, экспедиции или командного выезда это уже не календарь с точками на карте. Это маленькое рабочее пространство вокруг путешествия.
⠀
Self-hosting
TREK поднимается через Docker run, Docker Compose, Helm/Kubernetes, Portainer, Proxmox и Unraid. База: SQLite в ./data/travel.db, загрузки: в ./uploads, резервные копии есть в админке. В базовом запуске нужен порт 3000, volume для состояния и ENCRYPTION_KEY.
⠀
MCP для ИИ-клиентов
В TREK встроен MCP-сервер: OAuth 2.1, 150+ инструментов, 30 ресурсов, 27 OAuth scopes по 13 группам прав. ИИ-клиент получает поездки, собирает маршрут, добавлять места, формировать список вещей, управлять бюджетом и отмечать страны в Atlas.
⠀
Готовые промпты тоже есть: trip-summary, packing-list, budget-overview. MCP включается админом как аддон; статические API-токены уже deprecated, нормальный путь: OAuth 2.1.
⠀
Аддоны
┈ Atlas: карта посещённых стран, bucket list и travel stats
┈ Vacay: отпускной календарь, праздники и перенос дней
┈ Journey: журнал поездок с фото из Immich/Synology, картами и настроением
⠀
┈ Collab: чат, заметки и опросы
┈ Documents, Budget, Lists и импорт из Naver Maps
⠀
🦾 Это просто бомба для турагентов, консьержей и просто для своих поездок.

Настоящий центр управления полётами путешествиями. При этом семейные маршруты, документы, брони и бюджеты остаются на своём сервере; доступ можно закрыть SSO и 2FA; агенту можно дать ограниченный MCP-доступ к конкретным действиям.

🧱🔧🧬📈💎🟣🟢
⠀
GitHub: github.com/mauriceboe/TREK

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

GonkaGate API: что показал тест MiniMax, Kimi и Qwen
⠀
Протестировал бесплатный API GonkaGate на трёх моделях: MiniMax M2.7, Kimi K2.6 и Qwen3 235B FP8. API живой, модели отвечают быстро, но каждая годится под разные задачи.
⠀
MiniMax M2.7: быстрый, но с подвохом: в non-stream режиме он часто выплёвывает свои рассуждения прямо в ответ через <think>. Для экспериментов терпимо, для продакшена — придётся либо чистить ответ на своей стороне, либо переключаться на stream-режим, где поведение адекватнее.
⠀
Kimi K2.6 — самая быстрая модель из трёх. Хорошо справляется с короткими задачами: JSON, классификация, извлечение фактов, код. На длинных текстах режет объём и теряет часть требований. Роль: speed-модель: черновик, разбор, быстрый ответ на запрос без сложной логики.
⠀
Qwen3 235B FP8 понравился больше всего. Чуть медленнее Kimi, зато заметно стабильнее по качеству. Держит формат, нормально пишет длинные ответы, не разваливается на логике и коде. Если выбирать одну модель GonkaGate для реальной работы, начинать с Qwen.
⠀
Сравнение с GPT-5.5. GPT-5.5 по качеству всё ещё сильнее: лучше держит ограничения, стиль, структуру и сложные инструкции. Gonka выигрывает по скорости и цене: сейчас это бесплатный способ гонять задачи через API без оглядки на бюджет.
⠀
Итого по ролям:
┈ Kimi K2.6: скорость: короткие ответы, черновики, короткие агентные шаги, извлечение фактов.
┈ Qwen3 235B: баланс: тексты, код, логика, надёжные ответы.
┈ MiniMax M2.7: тестировать аккуратно: потенциал есть, но <think> в ответах требует обработки.
┈ задачи, где нельзя ошибиться с форматом и смыслом: пока оставлять на GPT-5.5.
⠀
GonkaGate полезен как быстрый набор моделей рядом с основным провайдером: где-то экономить, где-то ускорять, где-то гонять черновую работу без затрат.

Но как сердце харнесса пока не годится.

🧱🔧🧬📈💎🟣🟢

Разборы без шума: @human20
Платформа: human20.app

OpenAI хочет сделать из ChatGPT рабочую супераппу

FT сообщает: OpenAI готовит большой редизайн ChatGPT перед возможным выходом на биржу. В центр хотят сильнее поставить Codex, инструменты для кода и ИИ-агентов внутри веб- и мобильного приложения ChatGPT.

ChatGPT в такой версии становится не только окном для вопросов. OpenAI упаковывает его как рабочее место: код, ИИ-агенты, генерация изображений, плюс партнёрские сервисы вроде Canva и Booking.com.

OpenAI получает больше корпоративных сценариев, сильнее давит на Anthropic и держит пользователя внутри ChatGPT, вместо того чтобы отпускать его в десяток отдельных инструментов.

Для пользователей это важнее очередного прироста «умности» модели. Побеждать будет тот, кто ближе к реальной работе и забирает интерфейс между человеком и задачей.

Ждём OpenClaw в мобильном приложении ChatGPT?

🧩📣🔥💡🪄

Источник: Financial Times / Reuters

Разборы без шума: @human20
Платформа: human20.app

Сравнивал SocialData и официальный X API v2 на живых запросах

Прогнал одинаковые поиски по X:
┈ "Hermes Agent" OR "Hermes Desktop"
┈ "Claude Code" "GitHub"
┈ "AI agent" (github OR repo OR framework)

Оба API отработали нормально, все запросы вернули 200 OK.

По деньгам официальный X API проигрывает:
┈ SocialData: 60 твитов → примерно $0.012
┈ X API: 59 твитов → примерно $0.295
┈ X API вышел дороже в 24.6 раза

SocialData берёт примерно $0.0002 за возвращённый твит или профиль. Официальный X API берёт $0.005 за read одного поста и $0.010 за read профиля.

Scout каждый день читает 77 X-аккаунтов и забирает последние твиты.

Масштаб такой:
┈ SocialData: около $0.092 за прогон
┈ X API: около $2.70 за прогон
┈ в месяц: примерно $2.77 против $80.85

Для регулярного мониторинга X официальный API дороже примерно в 25–30 раз.

По качеству официальный X API местами даёт чуть более свежую первую страницу и яснее по легальности и доступу: прямой официальный источник, нормальный контракт, меньше серых зон.

Плюсы SocialData для моего случая сильнее:
┈ сильно дешевле
┈ платишь только за реально возвращённый результат
┈ удобно для массового read/search и масштабирования источников

Минусы SocialData:
┈ неофициальный API
┈ порядок и свежесть выдачи иногда отличаются
┈ для строгого enterprise-комплаенса придётся смотреть в сторону X API

Минусы X API:
┈ цена для read/search очень высокая
┈ user lookup отдельно, post read отдельно
┈ регулярный мониторинг быстро превращается в дорогую подписку

Что бы я выбрал: SocialData как основной источник для Scout.

Официальный X API держал бы как запасной источник, smoke-check и вариант для задач, где нужен именно официальный доступ. Для ежедневного сканера, который читает десятки аккаунтов и поисковых выдач, платить в 25–30 раз больше смысла нет.

🧱🔧🧬📈💎🟣🟢

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

Зачем плодить агентов, если один сильный Hermes закрывает маркетинг, кодинг, CRM, тревел, картинки, видео и любые разговоры?
⠀
Если у тебя в распоряжении большой умный агент на основе Hermes, то у тебя есть всё, что нужно: инструменты, скилы, память, поиск по прошлым сессиям, расписания, профили и сотни навыков.

Память одного агента всегда лучше, чем общая память нескольких. С общей памятью всегда будут трудности "там помню, тут не помню" или же память станет помойкой, куда ваши агенты будут тащить хлам как бабка с дэмэнцией.

Исключение — работа в команде, где у каждого свой агент, тут общая память с границами уже необходимость. Мы для своей команды сделали своё решение на основе mem0g.
⠀
Не понимаю, почему сольников тянет завести «агента по маркетингу», «агента-разработчика», «агента психолога» как отдельную личность. Такая личность чаще всего просто имитирует крутую архитектуру и усложняет там, где не надо. Попахивает биполярочкой.
⠀
Маркетинг, кодинг, CRM, тревел, тексты и картинки лучше живут как навыки, процессы и инструменты внутри твоего главного Hermes.
⠀
Реальные задачи всегда смешанные: маркетинг лезет в продукт, бизнес в кодинг, контент в дистрибуцию, тревел в календарь, деньги и документы. Придумал с маркетологом новую фичу, можешь без handout сразу слепить патч в прод.

А разрежешь по профессиям, получишь зоопарк маленьких начальников отделов, которые грызутся между собой и требуют синхронизации.

⠀
Отделять агентов стоит главным образом для границ. Отдельный агент оправдан, когда у него есть рабочая зона с жёстким контрактом: он работает без запроса, живёт в публичном чате или канале, держит ограниченную память и права, делает одну функцию быстро и стабильно, факапится без последствий.
⠀
Поэтому нормально если вы делаете отдельного бота для инбокса, скаута, транскрибатора, наблюдателя, под задачу по расписанию, публичный бот с низкими правами, отдельный профиль под Telegram-посты или изолированный исполнитель кода как субагент в рабочей ветке.
⠀
Каждый закрывает своё ограничение: публичному боту закрыт серверный доступ, крону не лают вашу личную память, скаут читает источники без права править прод, Telegram-редактура держится отдельно от личного контекста.
⠀
Так выросла моя система. Нужна компетенция: пиши навык. Нужна самостоятельная жизнь по расписанию и ограниченная память: поднимай агента-воркера. Нужна отдельная память и канал: заводи профиль (profile в Hermes, agentid в OpenClaw).
⠀
Нужна параллельная тяжёлая работа: запускай субагента. Нужен публичный или рискованный доступ: отдельный бот, причем не Hermes, с низкими правами. Нужна большая связная задача: начинай диалог с главным Hermes.
⠀
Главный минус многоагентности: налог на координацию. Каждый новый агент добавляет вопросы: где правда, кто отвечает за результат, кто имеет право отправлять, где смотреть логи, как синхронизировать память. Как часто проверять, что отдельный агент не в коме.
⠀
Если агент не отбивает этот налог автономностью, безопасностью, скоростью или изоляцией, он лишний.
⠀
Я бы строил так: один главный Hermes как кабина управления: много навыков, мало постоянных профилей. Узкие автономные исполнители там, где есть расписание, права, канал или есть риск взлома или промт инъекции.
⠀
Субагенты остаются временной рабочей силой под конкретную задачу. Новых личностей они не плодят.
⠀

Архитектура персонального агента будущего: один сильный операторский агент и набор маленьких утилитарных сущностей вокруг него.

Команда из двадцати линейных ИИ-сотрудников тут не нужна, это пережитки прошлого. Claude Code туповат, у него просто нет всех возможностей харнесса Hermes, а OpenClaw в силу своей архитектуры не тянет 500 скилов в одном боте.

В Hermes это учли при разработке концепции и мои 478 скилов не тащат этот корабль на дно. На старте читаются лишь краткие описания, когда вызывать тот или иной скил.

🧱🔧🧬📈💎🟣🟢

Практика ИИ: @human20
Среда внедрения: human20.app

OpenReel Video: CapCut, который работает прямо в браузере
⠀
OpenReel Video — open-source видеоредактор на TypeScript. Он запускается в браузере и обрабатывает видео локально на устройстве: без установки, без загрузки файлов в облако и без водяных знаков.
⠀
По README внутри уже не игрушечный набор: многодорожечный таймлайн, текст и анимации, звук, цветокоррекция, эффекты, субтитры, 4K-экспорт, WebGPU и WebCodecs.
⠀
Главный плюс — приватность и низкий порог входа. Открыл редактор в браузере, смонтировал ролик, экспортировал файл. Исходники не уезжают на чужой сервер.
⠀
Проект под MIT, написан на TypeScript. На GitHub сейчас 3425 звёзд и 476 форков. Смерть SaaS так и выглядит , появляются альтернативы, которые переезжают в браузер и становятся open-source.

И это инструмент который ты можешь допилить под себя так, как тебе надо.

🧱🔧🧬📈💎🟣🟢
⠀
GitHub: Augani/openreel-video

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

CloddsBot превращает компьютер в торговый терминал

Нашел вам интересную штуку. CloddsBot — автономный торговый бот для рынков прогнозов и крипты.

Он ставится как npm-пакет clodds, запускается локально и работает через WebChat или мессенджеры. 1000+ рынков, 21 канал, 10 рынков прогнозов, 7 фьючерсных бирж, Solana/EVM-интеграции и 119 навыков.

Я проверил репу: там есть CLI, MCP-сервер, обработчики Polymarket, Kalshi, Hyperliquid, Binance и Bybit, движок риска, аварийные стопы, kill switch, dry-run и пути исполнения ордеров. По GitHub API сейчас 360 звёзд и 78 форков, в npm последняя версия 1.7.7.

Безопасную прибыль он не обещает. И, скорее всего, не даст. Из коробки. Но это хорошая точка старта для построения своей системы:

Чат → гипотеза → котировки → риск-чек → ордер → журнал сделок.

📊💹🧮💰🪙🏦⚙📉💵

Источник: GitHub

Практика ИИ: @human20
Среда внедрения: human20.app