This media is not supported in your browser
VIEW IN TELEGRAM
🔥 16 лучших GitHub-репозиториев для AI-инженера в 2026 (сохрани и не потеряй)
Я собрал 16 ключевых инструментов, которые прямо сейчас формируют стек AI-разработчика 👇
🧠 Агенты и фреймворки
1) OpenClaw
→ персональный AI-агент, работает на твоих устройствах и подключается к 50+ платформам
2) AutoGPT
→ платформа для создания и запуска автономных AI-агентов
3) LangChain
→ база для создания LLM-приложений и агентных систем
4) OpenCode
→ AI-кодинг агент прямо в терминале
🤖 Модели и локальный запуск
5) Hugging Face Transformers
→ главный фреймворк для SOTA моделей (текст, vision, audio)
6) Ollama
→ запуск LLM локально одной командой
7) vLLM
→ быстрый и эффективный inference-движок для продакшена
8) Unsloth
→ ускоренный fine-tuning (x2 быстрее, -70% памяти)
🧩 Инструменты и UI
9) Open WebUI
→ self-hosted альтернатива ChatGPT с RAG и плагинами
10) ComfyUI
→ визуальный workflow для генерации изображений и видео
11) Sim
→ drag-and-drop конструктор AI пайплайнов
📊 Данные, RAG и инфраструктура
12) Firecrawl
→ превращает любой сайт в markdown/структурированные данные
13) Airweave
→ слой контекста: синхронизация 50+ источников для агентов
14) Opik
→ мониторинг, трейсинг и оценка LLM-приложений
🧾 Специализированные модели
15) OpenPipe ART
→ обучение multi-step AI-агентов через reinforcement learning
16) Chandra OCR
→ SOTA OCR для таблиц, форм, рукописного текста и 90+ языков
💡 Это не просто “популярные репы”
Это реальные кирпичи, на которых строятся AI-продукты сегодня
Если ты делаешь:
- LLM-приложения
- AI-агентов
- RAG-системы
→ ты уже используешь часть этого стека (или скоро будешь)
Сохрани пригодится для проектов и собеседований 🚀
Я собрал 16 ключевых инструментов, которые прямо сейчас формируют стек AI-разработчика 👇
🧠 Агенты и фреймворки
1) OpenClaw
→ персональный AI-агент, работает на твоих устройствах и подключается к 50+ платформам
2) AutoGPT
→ платформа для создания и запуска автономных AI-агентов
3) LangChain
→ база для создания LLM-приложений и агентных систем
4) OpenCode
→ AI-кодинг агент прямо в терминале
🤖 Модели и локальный запуск
5) Hugging Face Transformers
→ главный фреймворк для SOTA моделей (текст, vision, audio)
6) Ollama
→ запуск LLM локально одной командой
7) vLLM
→ быстрый и эффективный inference-движок для продакшена
8) Unsloth
→ ускоренный fine-tuning (x2 быстрее, -70% памяти)
🧩 Инструменты и UI
9) Open WebUI
→ self-hosted альтернатива ChatGPT с RAG и плагинами
10) ComfyUI
→ визуальный workflow для генерации изображений и видео
11) Sim
→ drag-and-drop конструктор AI пайплайнов
📊 Данные, RAG и инфраструктура
12) Firecrawl
→ превращает любой сайт в markdown/структурированные данные
13) Airweave
→ слой контекста: синхронизация 50+ источников для агентов
14) Opik
→ мониторинг, трейсинг и оценка LLM-приложений
🧾 Специализированные модели
15) OpenPipe ART
→ обучение multi-step AI-агентов через reinforcement learning
16) Chandra OCR
→ SOTA OCR для таблиц, форм, рукописного текста и 90+ языков
💡 Это не просто “популярные репы”
Это реальные кирпичи, на которых строятся AI-продукты сегодня
Если ты делаешь:
- LLM-приложения
- AI-агентов
- RAG-системы
→ ты уже используешь часть этого стека (или скоро будешь)
Сохрани пригодится для проектов и собеседований 🚀
🏚 Один промпт - минус $30K комиссии: как ChatGPT продал дом!
ChatGPT продал дом быстрее и дороже, чем риелторы. И это тревожный сигнал для рынка
История началась как обычный эксперимент. Мужчина из Флориды собирался продать дом и, как это делают все, сначала поговорил с риелторами. Ему назвали примерную цену, стандартную стратегию и, конечно, комиссию.
Но дальше он решил проверить одну идею: а что если вообще не использовать людей?
Вместо агента он открыл ChatGPT.
Он начал с простого, попросил ИИ проанализировать рынок. ChatGPT разобрал похожие дома в районе, подсказал диапазон цен и предложил стратегию: не занижать стоимость, а наоборот — выставить чуть выше, чтобы создать ощущение ценности.
Дальше - больше.
Он попросил ИИ написать объявление. Не просто текст, а описание, которое “продаёт”: с правильными акцентами, эмоцией, выгодами. Затем — советы по подготовке дома. ChatGPT предложил, какие комнаты стоит освежить, какие детали убрать, а где наоборот добавить “вау-эффект”.
Фактически, ИИ стал его маркетологом, дизайнером и стратегом одновременно.
Дом выставили.
И тут началось самое интересное.
В первые три дня пришло сразу несколько предложений. Люди активно интересовались, записывались на просмотры. Через пять дней сделка была закрыта.
Финальная цена, почти на $100,000 выше, чем ожидали риелторы.
Комиссия - ноль.
Это не история про “заменили одного специалиста”. Это история про то, как один инструмент закрыл сразу несколько ролей:
- аналитика рынка
- копирайтера
- маркетолога
- консультанта
И сделал это быстрее.
Самое важное здесь даже не деньги. А то, насколько сильно изменилась сама логика процесса.
Раньше, чтобы продать дом, нужно было:
найти агента → согласовать стратегию → ждать → платить комиссию.
Теперь достаточно:
открыть ChatGPT → задать правильные вопросы → действовать.
Та же модель уже применяется в других сферах:
люди используют ИИ для переговоров, составления контрактов, анализа сделок, запуска рекламы.
Постепенно исчезает не профессия целиком, а её “рутинная часть”.
Та самая, за которую раньше платили больше всего.
И вот тут становится немного не по себе.
Потому что если ChatGPT может продать дом…. то что ещё он сможет сделать через год?
ChatGPT продал дом быстрее и дороже, чем риелторы. И это тревожный сигнал для рынка
История началась как обычный эксперимент. Мужчина из Флориды собирался продать дом и, как это делают все, сначала поговорил с риелторами. Ему назвали примерную цену, стандартную стратегию и, конечно, комиссию.
Но дальше он решил проверить одну идею: а что если вообще не использовать людей?
Вместо агента он открыл ChatGPT.
Он начал с простого, попросил ИИ проанализировать рынок. ChatGPT разобрал похожие дома в районе, подсказал диапазон цен и предложил стратегию: не занижать стоимость, а наоборот — выставить чуть выше, чтобы создать ощущение ценности.
Дальше - больше.
Он попросил ИИ написать объявление. Не просто текст, а описание, которое “продаёт”: с правильными акцентами, эмоцией, выгодами. Затем — советы по подготовке дома. ChatGPT предложил, какие комнаты стоит освежить, какие детали убрать, а где наоборот добавить “вау-эффект”.
Фактически, ИИ стал его маркетологом, дизайнером и стратегом одновременно.
Дом выставили.
И тут началось самое интересное.
В первые три дня пришло сразу несколько предложений. Люди активно интересовались, записывались на просмотры. Через пять дней сделка была закрыта.
Финальная цена, почти на $100,000 выше, чем ожидали риелторы.
Комиссия - ноль.
Это не история про “заменили одного специалиста”. Это история про то, как один инструмент закрыл сразу несколько ролей:
- аналитика рынка
- копирайтера
- маркетолога
- консультанта
И сделал это быстрее.
Самое важное здесь даже не деньги. А то, насколько сильно изменилась сама логика процесса.
Раньше, чтобы продать дом, нужно было:
найти агента → согласовать стратегию → ждать → платить комиссию.
Теперь достаточно:
открыть ChatGPT → задать правильные вопросы → действовать.
Та же модель уже применяется в других сферах:
люди используют ИИ для переговоров, составления контрактов, анализа сделок, запуска рекламы.
Постепенно исчезает не профессия целиком, а её “рутинная часть”.
Та самая, за которую раньше платили больше всего.
И вот тут становится немного не по себе.
Потому что если ChatGPT может продать дом…. то что ещё он сможет сделать через год?
🔥 Очень любопытный проект: Supermemory показал 99% на SOTA-бенчмарке памяти
• Supermemory набрал ~99% на LongMemEval_s с использованием экспериментальной техники ASMR (Agentic Search and Memory Retrieval)
• Вместо классического vector search и embeddings используется система параллельных агентов-наблюдателей, которые извлекают структурированные знания из истории взаимодействий сразу по нескольким направлениям
• Используются специализированные поисковые агенты:
→ для точных фактов
→ для связанного контекста
→ для восстановления временной последовательности
• И самое интересное, никакой векторной базы данных не требуется
🚀 Проект станет open-source уже через 11 дней, следим:
https://x.com/DhravyaShah/status/2035517012647272689
• Supermemory набрал ~99% на LongMemEval_s с использованием экспериментальной техники ASMR (Agentic Search and Memory Retrieval)
• Вместо классического vector search и embeddings используется система параллельных агентов-наблюдателей, которые извлекают структурированные знания из истории взаимодействий сразу по нескольким направлениям
• Используются специализированные поисковые агенты:
→ для точных фактов
→ для связанного контекста
→ для восстановления временной последовательности
• И самое интересное, никакой векторной базы данных не требуется
🚀 Проект станет open-source уже через 11 дней, следим:
https://x.com/DhravyaShah/status/2035517012647272689
NousResearch завершила хакатон, запущенный в конце февраля вслед за релизом Hermes Agent.
Из 187 заявок жюри отобрало финалистов по 3 критериям: креативность, практическая польза и качество презентации. Призовой фонд составил $11 750.
Это набор инструментов для обработки видео и аудио, который встраивается в Hermes как нативный скилл.
Загружаете файл в чат, описываете задачу текстом и получаете результат: обрезка, сжатие, конвертация форматов, наложение субтитров, генерация GIF-файлов, создание стикеров для Telegram или нормализация звука. Под капотом - ffmpeg. Работает через Telegram, Discord и CLI.
Агент находит реальные комплектующие в каталоге McMaster-Carr, подставляет фактические размеры найденной детали в параметрическую модель FreeCAD, анализирует, какие элементы сборки конфликтуют после изменений, и ведет спецификацию.
При обнаружении повторяющихся сценариев агент сам создает новые скиллы - например, для подбора определенного типа крепежа.
Браузерное расширение, которое открывает чат с Hermes Agent рядом с любой страницей. Фишка проекта - селективный контекст: агент видит только то, что пользователь выбрал (текст страницы, выделенный фрагмент, изображения, содержимое PDF). Поддерживаются кастомные темы, голосовой ввод, TTS и работа через SSH.
Спутниковые снимки рендерятся цветными юникод-блоками прямо в терминале, поверх отображаются города из OpenStreetMaps и заголовки новостей, привязанные к координатам в реальном времени. Геокодинг-пайплайн определяет локации из заголовков, расставляет приоритеты по населению и близости к другим видимым новостям. Автор собрал проект за один день, работая через Hermes Agent с Opus 4.6.
Симуляция автономного марсохода. Hermes Agent управляет моделью NASA Perseverance в среде Gazebo: планирование маршрута, считывание показаний IMU, четырех камер, LIDAR и контактных сенсоров, обход препятствий и генерация отчета о миссии.
Марсианская физика с гравитацией, проскальзыванием колес и динамикой ODE. За 25 минут автономной работы точность возврата на базу ~ 22 см. Ровер останавливается при наклоне больше 25°, сохраняет удачные треки и улучшает поведение от сессии к сессии.
Кстати, Hermes Agent написал роман «The Second Son of the House of Bells» - 79 456 слов, 19 глав. Агент выстроил собственный пайплайн по схеме, похожей на Autoresearch Андрея Карпатого: мироконструирование, черновики глав, состязательное редактирование, ревью через Opus, верстка в LaTeX, генерация обложки и аудиокниги.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡️ Лучшие GitHub-репозитории для Claude Code, которые могут увеличить эффективность твоего следующего проекта
1. Superpowers
https://github.com/obra/superpowers
2. Awesome Claude Code
https://github.com/hesreallyhim/awesome-claude-code
3. GSD (Get Shit Done)
https://github.com/gsd-build/get-shit-done
4. Claude Mem
https://github.com/thedotmack/claude-mem
5. UI UX Pro Max
https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
6. n8n-MCP
https://github.com/czlonkowski/n8n-mcp
7. Obsidian Skills
https://github.com/kepano/obsidian-skills
8. LightRAG
https://github.com/hkuds/lightrag
9. Everything Claude Code
https://github.com/affaan-m/everything-claude-code
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
1. Superpowers
https://github.com/obra/superpowers
2. Awesome Claude Code
https://github.com/hesreallyhim/awesome-claude-code
3. GSD (Get Shit Done)
https://github.com/gsd-build/get-shit-done
4. Claude Mem
https://github.com/thedotmack/claude-mem
5. UI UX Pro Max
https://github.com/nextlevelbuilder/ui-ux-pro-max-skill
6. n8n-MCP
https://github.com/czlonkowski/n8n-mcp
7. Obsidian Skills
https://github.com/kepano/obsidian-skills
8. LightRAG
https://github.com/hkuds/lightrag
9. Everything Claude Code
https://github.com/affaan-m/everything-claude-code
🎯Полезные Мл-ресурсы 🚀 Max
@data_analysis_ml
🤖 Этот open-source репозиторий даёт твоему ClawdBot “зрение”
Это AI-ассистент в реальном времени для умных очков Meta Ray-Ban.
Он объединяет:
→ голос
→ зрение
→ действия агента
Работает через Gemini Live и OpenClaw.
Как это выглядит:
Ты надеваешь очки → нажимаешь кнопку AI → просто говоришь
Дальше:
• Gemini видит через камеру очков и описывает происходящее
• передаёт задачу в OpenClaw
• OpenClaw выполняет её через подключённые приложения
Можно:
→ отправлять сообщения в WhatsApp / Telegram / iMessage
→ искать информацию в интернете
→ получать ответы голосом
📊 Технически:
• камера очков передаёт изображение примерно 1 кадр в секунду в Gemini
• аудио работает в обе стороны в реальном времени
• OpenClaw выполняет действия как агент
По сути, это полноценный AI-ассистент, который видит мир вместе с тобой
https://github.com/Intent-Lab/VisionClaw
🐍 Python полезные ресурсы 🚀Max
Это AI-ассистент в реальном времени для умных очков Meta Ray-Ban.
Он объединяет:
→ голос
→ зрение
→ действия агента
Работает через Gemini Live и OpenClaw.
Как это выглядит:
Ты надеваешь очки → нажимаешь кнопку AI → просто говоришь
Дальше:
• Gemini видит через камеру очков и описывает происходящее
• передаёт задачу в OpenClaw
• OpenClaw выполняет её через подключённые приложения
Можно:
→ отправлять сообщения в WhatsApp / Telegram / iMessage
→ искать информацию в интернете
→ получать ответы голосом
📊 Технически:
• камера очков передаёт изображение примерно 1 кадр в секунду в Gemini
• аудио работает в обе стороны в реальном времени
• OpenClaw выполняет действия как агент
По сути, это полноценный AI-ассистент, который видит мир вместе с тобой
https://github.com/Intent-Lab/VisionClaw
🐍 Python полезные ресурсы 🚀Max
🔥 Tencent встроила OpenClaw прямо в WeChat
Tencent запустила нативный инструмент, который интегрирует популярного open-source AI-агента OpenClaw прямо в WeChat - самый популярный мессенджер Китая.
Теперь это выглядит как обычный контакт внутри WeChat.
Более 1 миллиарда пользователей могут просто написать агенту в чат и давать команды.
Например:
→ отправка файлов
→ управление email
→ поиск информации в интернете
→ выполнение задач без ручного участия
И всё это через обычный диалог, как с человеком.
Это часть новой экосистемы AI-агентов от Tencent:
• QClaw - для обычных пользователей (desktop)
• Lighthouse - для разработчиков
• WorkBuddy - для бизнеса и компаний
AI-агенты больше не отдельные приложения.
Они становятся:
→ частью мессенджеров
→ частью повседневного общения
→ интерфейсом для выполнения задач
И если раньше ты открывал приложения, чтобы что-то сделать…
то теперь достаточно написать в чат.
Tencent запустила нативный инструмент, который интегрирует популярного open-source AI-агента OpenClaw прямо в WeChat - самый популярный мессенджер Китая.
Теперь это выглядит как обычный контакт внутри WeChat.
Более 1 миллиарда пользователей могут просто написать агенту в чат и давать команды.
Например:
→ отправка файлов
→ управление email
→ поиск информации в интернете
→ выполнение задач без ручного участия
И всё это через обычный диалог, как с человеком.
Это часть новой экосистемы AI-агентов от Tencent:
• QClaw - для обычных пользователей (desktop)
• Lighthouse - для разработчиков
• WorkBuddy - для бизнеса и компаний
AI-агенты больше не отдельные приложения.
Они становятся:
→ частью мессенджеров
→ частью повседневного общения
→ интерфейсом для выполнения задач
И если раньше ты открывал приложения, чтобы что-то сделать…
то теперь достаточно написать в чат.
🔥 Linux Performance & Deep Debugging команды, которые должен знать каждый DevOps-инженер
Когда дашборды уже не помогают - ты идёшь в ОС.
Вот 10 команд, которые реально используют в продакшн-инцидентах:
1. strace -p <PID> -c
→ трассирует системные вызовы процесса и показывает, на чём он завис
2. perf top -p <PID>
→ live-профилирование CPU, сразу видно “горячие” функции
3. tcpdump -i eth0 -w capture.pcap port 8080
→ захват сетевого трафика для глубокого анализа
4. ab -n 10000 -c 100 http://localhost/
→ быстрый нагрузочный тест: 10k запросов, 100 одновременно
5. kubectl debug node/node1 -it --image=busybox
→ подключение к ноде через временный контейнер
6. dmesg -T | grep -i 'oom'
→ проверка OOM kill событий ядра
7. lsof -i :8080
→ какой процесс занял порт
8. iostat -xz 1 5
→ статистика диска в реальном времени
9. vmstat -w 1 5
→ память, swap и CPU в динамике
10. kubectl debug pod/app -it --copy-to=debug-pod --image=nicolaka/netshoot
→ глубокая диагностика сети внутри кластера
Когда всё горит - именно эти команды спасают.
Сохрани перед следующим прод-инцидентом ⚡
Когда дашборды уже не помогают - ты идёшь в ОС.
Вот 10 команд, которые реально используют в продакшн-инцидентах:
1. strace -p <PID> -c
→ трассирует системные вызовы процесса и показывает, на чём он завис
2. perf top -p <PID>
→ live-профилирование CPU, сразу видно “горячие” функции
3. tcpdump -i eth0 -w capture.pcap port 8080
→ захват сетевого трафика для глубокого анализа
4. ab -n 10000 -c 100 http://localhost/
→ быстрый нагрузочный тест: 10k запросов, 100 одновременно
5. kubectl debug node/node1 -it --image=busybox
→ подключение к ноде через временный контейнер
6. dmesg -T | grep -i 'oom'
→ проверка OOM kill событий ядра
7. lsof -i :8080
→ какой процесс занял порт
8. iostat -xz 1 5
→ статистика диска в реальном времени
9. vmstat -w 1 5
→ память, swap и CPU в динамике
10. kubectl debug pod/app -it --copy-to=debug-pod --image=nicolaka/netshoot
→ глубокая диагностика сети внутри кластера
Когда всё горит - именно эти команды спасают.
Сохрани перед следующим прод-инцидентом ⚡
Новозеландский стартап Halter привлекает новый раунд финансирования под лидерством Founders Fund Питера Тиля. Раунд удвоит оценку компании до более чем $2 млрд. Сделка переподписана: инвесторов так много, что финальный объем раунда еще не определен.
Halter делает то, что уже работает на 5 тыс. ферм в 3 странах. Компания производит ошейники на солнечных батареях с GPS и ИИ-начинкой.
Ошейники создают виртуальные заборы для скота и позволяют фермерам отслеживать местоположение и здоровье животных через приложение. Управление стадом дистанционное: коров направляют вибрациями и звуковыми сигналами.
Система обучена на данных сотен тысяч животных, отслеживает пищеварение, циклы фертильности и паттерны поведения в реальном времени. Компания запатентовала название алгоритма - Cowgorithm.
Работает это так: фермер открывает приложение, рисует линию на карте, которая становится забором. Когда корова приближается к границе, ошейник вибрирует.
Через 10 дней животное перестает проверять границу. Нужно перегнать стадо - одно нажатие, и сотни голов идут куда нужно сами. Без собак, без ограждений, без ручного труда.
Основал Halter в 2016 году Крейг Пигготт. Он вырос на молочной ферме в Уайкато, окончил инженерный факультет Оклендского университета и в последний год учебы устроился в Rocket Lab. Проработав 9 месяцев у Питера Бека, Пигготт решил уйти, а Бек не просто отпустил его, но и сам вложился в Halter, войдя в совет директоров.
Сегодня у компании около 350 сотрудников, а системамы Halter управляют более 700 тыс. голов скота. Американские фермеры сэкономили порядка $220 млн только на физических заборах. Бизнес-модель: подписка: от $5 до $8 за животное в месяц.
Тиль - сооснователь Palantir, компании, которая строит системы анализа данных и слежки для спецслужб и военных. Эта связь моментально породила конспирологическую волну в соцсетях.
Блогеры предлагают мысленный эксперимент: убрать из описания технологии Halter слово «корова» и заменить на «человек» - получается круглосуточный GPS-трекинг, мониторинг поведения, невидимые границы и управление через вибрации.
Тезис теории в том, что Тиль якобы обкатывает на скоте технологии, которые потом перенесет на людей, но фактических подтверждений этому нет.
Прямого технологического партнерства между Palantir и Halter отсутствует. Единственная реальная связь двух компаний - это кошелек Тиля.
Контекст важен и без конспирологии: агротех переживает тяжёлые времена, волна стартапов обанкротилась, венчурные фонды отступили от сектора. На этом фоне Halter — редкий единорог, растущий вопреки тренду.
Глава Icehouse Ventures подсчитал: при нынешних темпах Halter обгонит по стоимости Fonterra (крупнейший молочный кооператив Новой Зеландии) через 11 кварталов.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
Вышла МЕГАТУЛЗА для аниматоров ЛЮБОГО уровня — Nvidia выкатила Kimodo и это мастхев для 3D- и моушен-дизайнеров.
• Нейронка обучена на 700 (!) часах профессиональных данных оптического захвата движений. Она знает, как двигаются руки, ноги и другие части тела до мелочей.
• Модель также принимает полнотелые ключевые кадры, позиции и даже вращение отдельных суставов, 2D-путь и вейпоинты.
• Максимальная длительность генерации — 10 секунд, но через таймлайн-интерфейс можно склеивать несколько запросов в длинные последовательности.
• Да, это настоящая ИМБА для аниматоров ЛЮБОГО уровня!
• У тулзы полностью открытый код.
😶 😶 😶 😶 😶 😶 😶 😶 😶
На Hugging Face доступна — тут.
На GitHub найдете — здесь.
👍 Бэкдор
• Нейронка обучена на 700 (!) часах профессиональных данных оптического захвата движений. Она знает, как двигаются руки, ноги и другие части тела до мелочей.
• Модель также принимает полнотелые ключевые кадры, позиции и даже вращение отдельных суставов, 2D-путь и вейпоинты.
• Максимальная длительность генерации — 10 секунд, но через таймлайн-интерфейс можно склеивать несколько запросов в длинные последовательности.
• Да, это настоящая ИМБА для аниматоров ЛЮБОГО уровня!
• У тулзы полностью открытый код.
На Hugging Face доступна — тут.
На GitHub найдете — здесь.
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
ИМБА: Claude научился работать по расписанию за вас — в самую мощную нейронку добавили всего одну команду, и она меняет всё.
Самое приятное: вам не нужен даже рабочий комп. Щёлкнули команду в терминале и закрыли ноут — дальше всё работает в облаке у Anthropic.
Скоро можно будет только смотреть рилсы
👍 Бэкдор
/schedule — задаёт любые задачи в Claude Code, которые нейронка сделает сама в нужное время. Отправка отчётов, проверка откликов, мониторинг соцсетей и репозиториев — вообще всё, что угодно.Самое приятное: вам не нужен даже рабочий комп. Щёлкнули команду в терминале и закрыли ноут — дальше всё работает в облаке у Anthropic.
Скоро можно будет только смотреть рилсы
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 ИИ ломает модель “нейросеть пишет, а человек человек проверяет”
Новое исследование Wharton показывает неприятную вещь:
модель, на которой сейчас строится половина работы с ИИ, перестаёт работать.
Мы привыкли думать так:
нейросеть генерирует → человек проверяет → всё ок.
Но на практике происходит другое.
Учёные называют это “когнитивная капитуляция”.
Это момент, когда ты перестаёшь реально проверять ответ ИИ и даже не замечаешь этого.
Важно: это не то же самое, что “переложить задачу” (как с калькулятором).
- при обычном использовании ты понимаешь, что инструмент сделал работу
- при капитуляции мозг начинает воспринимать ответ ИИ как свой
Ты искренне думаешь, что сам всё проанализировал.
ИИ становится чем-то вроде третьей системы мышления.
Помимо:
- System 1 — быстрой интуиции
- System 2 — медленного анализа
появляется System 3 внешний интеллект.
И проблема в том, что мы начинаем доверять ему слишком сильно.
Цифры из исследования:
- 1372 участника
- почти 10 000 задач
- более чем в 50% случаев люди обращались к ИИ
Когда ИИ был прав:
- люди соглашались с ним в 92.7% случаев
Когда ИИ ошибался:
- всё равно соглашались в 79.8% случаев
Без ИИ:
- точность - 45.8%
С правильным ИИ:
- 71.0%
С неправильным ИИ:
- 31.5% (хуже, чем без него)
При этом уверенность людей росла на 11.7%,
даже когда ответы были неправильными.
Вот главный вывод:
человеческая проверка больше не является надёжной страховкой.
Люди не просто пропускают ошибки ИИ -
они становятся более уверенными в этих ошибках.
Ни давление по времени, ни мотивация, ни обратная связь
не убрали эффект полностью.
Лучше всего сопротивлялись люди с высоким уровнем мышления
и привычкой анализировать.
И это ключевой момент:
это не проблема лени.
Это особенность того, как устроен наш мозг.
ИИ не просто помогает думать.
Он начинает думать вместо нас.
papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646
Новое исследование Wharton показывает неприятную вещь:
модель, на которой сейчас строится половина работы с ИИ, перестаёт работать.
Мы привыкли думать так:
нейросеть генерирует → человек проверяет → всё ок.
Но на практике происходит другое.
Учёные называют это “когнитивная капитуляция”.
Это момент, когда ты перестаёшь реально проверять ответ ИИ и даже не замечаешь этого.
Важно: это не то же самое, что “переложить задачу” (как с калькулятором).
- при обычном использовании ты понимаешь, что инструмент сделал работу
- при капитуляции мозг начинает воспринимать ответ ИИ как свой
Ты искренне думаешь, что сам всё проанализировал.
ИИ становится чем-то вроде третьей системы мышления.
Помимо:
- System 1 — быстрой интуиции
- System 2 — медленного анализа
появляется System 3 внешний интеллект.
И проблема в том, что мы начинаем доверять ему слишком сильно.
Цифры из исследования:
- 1372 участника
- почти 10 000 задач
- более чем в 50% случаев люди обращались к ИИ
Когда ИИ был прав:
- люди соглашались с ним в 92.7% случаев
Когда ИИ ошибался:
- всё равно соглашались в 79.8% случаев
Без ИИ:
- точность - 45.8%
С правильным ИИ:
- 71.0%
С неправильным ИИ:
- 31.5% (хуже, чем без него)
При этом уверенность людей росла на 11.7%,
даже когда ответы были неправильными.
Вот главный вывод:
человеческая проверка больше не является надёжной страховкой.
Люди не просто пропускают ошибки ИИ -
они становятся более уверенными в этих ошибках.
Ни давление по времени, ни мотивация, ни обратная связь
не убрали эффект полностью.
Лучше всего сопротивлялись люди с высоким уровнем мышления
и привычкой анализировать.
И это ключевой момент:
это не проблема лени.
Это особенность того, как устроен наш мозг.
ИИ не просто помогает думать.
Он начинает думать вместо нас.
papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646
🚨 РАЗНОС: OpenAI и Microsoft идут к разрыву
Появилась утечка pre-IPO документов OpenAI и там прямым текстом:
Microsoft -'nj риск для их бизнеса
Что происходит:
- Microsoft вложил десятки миллиардов
- дал инфраструктуру (Azure)
- стал основным партнёром и дистрибуцией
- владеет ~27% (≈ $135 млрд)
И после этого:
OpenAI официально называет Microsoft конкурентом. Цитата OpenAI инвесторам:
Но самое интересное:
- до 45% cloud-бэклога Microsoft завязано на OpenAI API
- при этом OpenAI подписывает сделку с Amazon на $50 млрд
- фактически ломая эксклюзив с Azure
Ответ Microsoft:
по слухам - уже рассматривают юридические действия
И параллельно заявляют:
• Cоюз трещит
• обе стороны готовятся жить друг без друга
• начинается борьба за контроль над AI-инфраструктурой
Самый дорогой «развод» в истории ИТ.
https://x.com/elonmusk/status/1953509998233104649
Появилась утечка pre-IPO документов OpenAI и там прямым текстом:
Microsoft -'nj риск для их бизнеса
Что происходит:
- Microsoft вложил десятки миллиардов
- дал инфраструктуру (Azure)
- стал основным партнёром и дистрибуцией
- владеет ~27% (≈ $135 млрд)
И после этого:
OpenAI официально называет Microsoft конкурентом. Цитата OpenAI инвесторам:
“Если партнёрство с Microsoft изменится или закончится — это ударит по нашему бизнесу”
Но самое интересное:
- до 45% cloud-бэклога Microsoft завязано на OpenAI API
- при этом OpenAI подписывает сделку с Amazon на $50 млрд
- фактически ломая эксклюзив с Azure
Ответ Microsoft:
по слухам - уже рассматривают юридические действия
И параллельно заявляют:
“Если OpenAI исчезнет - у нас есть всё: модели, данные, compute”
• Cоюз трещит
• обе стороны готовятся жить друг без друга
• начинается борьба за контроль над AI-инфраструктурой
Самый дорогой «развод» в истории ИТ.
https://x.com/elonmusk/status/1953509998233104649