#AI: AI brain fry - или как ИИ плавит мозги 🫠
🔥 Веду 5 проектов параллельно, непрерывно масштабирую собственную систему - даже девушке завел агента-Кота, который умный как ИИ, а общается как кот. И в какой-то момент в этой скорости мозг закипает - причем я даже не успеваю это отловить
Что такое AI brain fry - и чем это отличается от выгорания:
BCG совместно с UC Riverside в марте 2026 впервые формально описали это состояние. Выгорание - история про месяцы накопленной усталости, обычно от работы которую ты ненавидишь. AI brain fry другое: острая когнитивная перегрузка рабочей памяти прямо сейчас, "как слишком много открытых вкладок в голове". Ты любишь что делаешь - но мозг все равно закипает
Меня именно это и накрыло. Не потому что работа плохая - а потому что скорость обработки информации и количество задач выросли на порядок. В выборке из 1 488 сотрудников США 14% сообщили о симптомах: ментальный туман, гудение в голове, замедленные решения, головные боли. Каждый седьмой активный пользователь ИИ - уже в зоне
Кто горит сильнее - разброс по ролям:
📈 Маркетологи - 26% с симптомами (максимум по выборке)
💻 Tech-специалисты и разработчики - ~18%
📌 Операционные и управленческие роли - ~14%
🟢 Юристы - 6% (минимум - оценивают каждый ответ ИИ критически)
Три механизма по которым ИИ не снижает нагрузку - а увеличивает ее:
⚡️ Расширение задач - один человек поглощает работу на найм. Не "то же самое быстрее" - а качественно больше, без увеличения времени
✨ Размытие границ - "быстрый промпт" перед обедом уничтожает восстановление. Мозг не выходит из рабочего режима
💡 Параллельные потоки без конца - переключение после ИИ-сессии требует 20+ минут для восстановления фокуса. Совещание в середине потока делает глубокую продуктивность за день практически недостижимой
Главный триггер перегрузки - не количество задач само по себе, а надзор за ИИ. Постоянная проверка и коррекция выводов моделей дала в исследовании +19% информационной перегрузки и +39% серьезных ошибок у тех кто работает в режиме надзора
💎 Парадокс продуктивности BCG/UCR: 1-3 ИИ-инструмента - рост, 4+ - спад. Среднее число ИИ-инструментов в организации в 2025 году - 7 (было 2 в 2023-м). Большинство компаний уже за точкой оптимума - и не замечают этого
⭐️ BCG и UC Riverside, Harvard Business Review, март 2026:
🤷 Разница между выгоранием и AI brain fry для меня конкретная: выгорание хочется остановить. Brain fry - нет. Хочется еще, а мозг не успевает. Это скорее зависимость чем любовь. Или адаптация к новой скорости - которую никто из нас еще не прошел?
Instagram | YouTube | Threads
🔥 Веду 5 проектов параллельно, непрерывно масштабирую собственную систему - даже девушке завел агента-Кота, который умный как ИИ, а общается как кот. И в какой-то момент в этой скорости мозг закипает - причем я даже не успеваю это отловить
Что такое AI brain fry - и чем это отличается от выгорания:
BCG совместно с UC Riverside в марте 2026 впервые формально описали это состояние. Выгорание - история про месяцы накопленной усталости, обычно от работы которую ты ненавидишь. AI brain fry другое: острая когнитивная перегрузка рабочей памяти прямо сейчас, "как слишком много открытых вкладок в голове". Ты любишь что делаешь - но мозг все равно закипает
Меня именно это и накрыло. Не потому что работа плохая - а потому что скорость обработки информации и количество задач выросли на порядок. В выборке из 1 488 сотрудников США 14% сообщили о симптомах: ментальный туман, гудение в голове, замедленные решения, головные боли. Каждый седьмой активный пользователь ИИ - уже в зоне
Кто горит сильнее - разброс по ролям:
📈 Маркетологи - 26% с симптомами (максимум по выборке)
💻 Tech-специалисты и разработчики - ~18%
📌 Операционные и управленческие роли - ~14%
🟢 Юристы - 6% (минимум - оценивают каждый ответ ИИ критически)
Три механизма по которым ИИ не снижает нагрузку - а увеличивает ее:
⚡️ Расширение задач - один человек поглощает работу на найм. Не "то же самое быстрее" - а качественно больше, без увеличения времени
✨ Размытие границ - "быстрый промпт" перед обедом уничтожает восстановление. Мозг не выходит из рабочего режима
💡 Параллельные потоки без конца - переключение после ИИ-сессии требует 20+ минут для восстановления фокуса. Совещание в середине потока делает глубокую продуктивность за день практически недостижимой
Главный триггер перегрузки - не количество задач само по себе, а надзор за ИИ. Постоянная проверка и коррекция выводов моделей дала в исследовании +19% информационной перегрузки и +39% серьезных ошибок у тех кто работает в режиме надзора
💎 Парадокс продуктивности BCG/UCR: 1-3 ИИ-инструмента - рост, 4+ - спад. Среднее число ИИ-инструментов в организации в 2025 году - 7 (было 2 в 2023-м). Большинство компаний уже за точкой оптимума - и не замечают этого
⭐️ BCG и UC Riverside, Harvard Business Review, март 2026:
"AI brain fry - это острая когнитивная перегрузка рабочей памяти, принципиально отличная от выгорания: как слишком много открытых вкладок в голове одновременно. В отличие от выгорания которое нарастает месяцами - brain fry может настигнуть за один день интенсивной работы с ИИ"
🤷 Разница между выгоранием и AI brain fry для меня конкретная: выгорание хочется остановить. Brain fry - нет. Хочется еще, а мозг не успевает. Это скорее зависимость чем любовь. Или адаптация к новой скорости - которую никто из нас еще не прошел?
Instagram | YouTube | Threads
🤯1
#Кейс: Ты незаменим - и это твоя главная проблема 💡
⚡️ 85% владельцев бизнеса проверяют рабочие сообщения каждый день отпуска - и считают это нормой. Большинство даже гордится. Но это не признак крутого предпринимателя - это симптом системной проблемы
Цена незаменимости - данные Salesforce/Slack:
Малый бизнес теряет в среднем 96 минут продуктивного времени каждый день - три недели в год которые утекают на задачи которые никто "не умеет" решать кроме тебя. Хотя на самом деле просто не знает как ты думаешь. Это не проблема сотрудников - это проблема что твои решения не задокументированы и не переданы никуда. Из тех кто уже внедрил ИИ - 58% экономят 20+ часов в месяц. Это не одна и та же история
Узнаешь себя по симптомам:
📌 Утро начинается с разбора сообщений которые кроме тебя никто не решит
✈️ Отпуск - только с телефоном в руке
📈 Хочешь масштабироваться, но уже работаешь на максимум
💻 Команда не принимает решений без твоего одобрения
Но самое главное - это не автоматизация сама по себе:
Использование ИИ в малом бизнесе выросло с 39% до 55% за один год. При этом 42% компаний свернули большинство ИИ-инициатив в 2025 году - треть "экспериментирует" и не переходит к системному внедрению. Знаешь почему? Потому что ИИ не может автоматизировать то о чем не знает. Все решения живут в голове у основателя - и там же умирают когда он уходит в отпуск или пытается делегировать
Успеть за гонкой автоматизации с нуля невозможно. Но важно как можно раньше начать передавать ИИ знания о всех аспектах своей деятельности: бизнесе, процессах, своих мыслях и решениях. ИИ который знает как ты думаешь - это уже не инструмент. Это система которая работает без тебя
Что нужно начать собирать прямо сейчас:
✨ База решений - почему принял это, а не то. Контекст принятия решений - это твоя модель мира которую ИИ может изучить и воспроизводить без тебя
💡 Контекст по клиентам и процессам - ценности, голос бренда, как ты работаешь с разными ситуациями. Без этого ИИ угадывает, а не понимает
🟢 Личные заметки и размышления - те кто начали собирать сегодня через год смогут автоматизировать буквально каждый аспект своей деятельности на основании этих данных
⭐️ Билл Гейтс, сооснователь Microsoft:
🎯 Через год разрыв между теми кто собирал базу знаний и теми кто нет - будет виден невооруженным взглядом. Это не прогноз - это уже происходит с компаниями которые начали 1-2 года назад
Instagram | YouTube | Threads
⚡️ 85% владельцев бизнеса проверяют рабочие сообщения каждый день отпуска - и считают это нормой. Большинство даже гордится. Но это не признак крутого предпринимателя - это симптом системной проблемы
Цена незаменимости - данные Salesforce/Slack:
Малый бизнес теряет в среднем 96 минут продуктивного времени каждый день - три недели в год которые утекают на задачи которые никто "не умеет" решать кроме тебя. Хотя на самом деле просто не знает как ты думаешь. Это не проблема сотрудников - это проблема что твои решения не задокументированы и не переданы никуда. Из тех кто уже внедрил ИИ - 58% экономят 20+ часов в месяц. Это не одна и та же история
Узнаешь себя по симптомам:
📌 Утро начинается с разбора сообщений которые кроме тебя никто не решит
✈️ Отпуск - только с телефоном в руке
📈 Хочешь масштабироваться, но уже работаешь на максимум
💻 Команда не принимает решений без твоего одобрения
Но самое главное - это не автоматизация сама по себе:
Использование ИИ в малом бизнесе выросло с 39% до 55% за один год. При этом 42% компаний свернули большинство ИИ-инициатив в 2025 году - треть "экспериментирует" и не переходит к системному внедрению. Знаешь почему? Потому что ИИ не может автоматизировать то о чем не знает. Все решения живут в голове у основателя - и там же умирают когда он уходит в отпуск или пытается делегировать
Успеть за гонкой автоматизации с нуля невозможно. Но важно как можно раньше начать передавать ИИ знания о всех аспектах своей деятельности: бизнесе, процессах, своих мыслях и решениях. ИИ который знает как ты думаешь - это уже не инструмент. Это система которая работает без тебя
Что нужно начать собирать прямо сейчас:
✨ База решений - почему принял это, а не то. Контекст принятия решений - это твоя модель мира которую ИИ может изучить и воспроизводить без тебя
💡 Контекст по клиентам и процессам - ценности, голос бренда, как ты работаешь с разными ситуациями. Без этого ИИ угадывает, а не понимает
🟢 Личные заметки и размышления - те кто начали собирать сегодня через год смогут автоматизировать буквально каждый аспект своей деятельности на основании этих данных
⭐️ Билл Гейтс, сооснователь Microsoft:
"Автоматизация примененная к эффективной операции умножит эффективность. Автоматизация примененная к неэффективной операции умножит неэффективность"
🎯 Через год разрыв между теми кто собирал базу знаний и теми кто нет - будет виден невооруженным взглядом. Это не прогноз - это уже происходит с компаниями которые начали 1-2 года назад
Instagram | YouTube | Threads
💯1
#AI: Рынок уже платит за ИИ на 20% больше 📈
👀 Пока большинство специалистов осваивает базовые промты - рынок труда уже переписывает прайс. Разрыв между теми кто умеет строить ИИ-системы и теми кто просто "использует ИИ" стал виден в конкретных зарплатных цифрах.
Что говорит глобальный рынок труда:
По данным CNBC (апрель 2026), каждое десятое стажерское объявление в мире уже явно требует ИИ-навыков - рост вдвое за год. В России картина не менее резкая: "Авито Работа" фиксирует удвоение вакансий с ИИ за 2025 год, резюме с ИИ-навыками выросли на 92% год к году. По профессиям рост резюме выглядит так: маркетинг и PR - +177%, продажи - +158%. Рынок перестраивается быстрее чем большинство это замечает
Что рынок платит прямо сейчас - данные hh.ru и "Авито Работа":
📌 Средняя зарплата с ИИ-навыками: 116 100 руб. против 96 600 без них - разрыв +20%
💻 Маркетолог с ИИ: 101 500-152 000 руб. в месяц
💎 Аналитик данных с ИИ: 133 300-201 800 руб. в месяц
Это не надбавка за хайп - это разница в производительности. Stanford AI Index 2026 подтверждает: ИИ сокращает разрыв между сотрудниками разного уровня - те кто умеют использовать инструмент буквально опережают в скорости. С каждым месяцем этот разрыв становится больше
Три уровня специалистов которые сейчас разделяет рынок:
⚡️ Промты и ChatGPT - стартовый уровень, большинство здесь
💡 Автоматизация цепочек и интеграции - меньшинство которое уже опережает
🟢 ИИ-агенты и многошаговые системы - единицы с качественно другим уровнем возможностей
Переход с первого уровня на третий - это не апгрейд навыка. Это другая скорость работы, другой объем задач который закрывается за день и другая ценность на рынке. Те кто прошел этот путь год назад - уже работают в другой реальности
⭐️ Andrew Ng, основатель DeepLearning.AI:
🎯 Сам прошел этот путь - от ручных промтов до агентных систем. Переход оказался не плавным ростом навыка, а сменой уровня. Те кто сделал это раньше - уже работают иначе. Окно для рывка еще открыто, но оно не вечное
Instagram | YouTube | Threads
👀 Пока большинство специалистов осваивает базовые промты - рынок труда уже переписывает прайс. Разрыв между теми кто умеет строить ИИ-системы и теми кто просто "использует ИИ" стал виден в конкретных зарплатных цифрах.
Что говорит глобальный рынок труда:
По данным CNBC (апрель 2026), каждое десятое стажерское объявление в мире уже явно требует ИИ-навыков - рост вдвое за год. В России картина не менее резкая: "Авито Работа" фиксирует удвоение вакансий с ИИ за 2025 год, резюме с ИИ-навыками выросли на 92% год к году. По профессиям рост резюме выглядит так: маркетинг и PR - +177%, продажи - +158%. Рынок перестраивается быстрее чем большинство это замечает
Что рынок платит прямо сейчас - данные hh.ru и "Авито Работа":
📌 Средняя зарплата с ИИ-навыками: 116 100 руб. против 96 600 без них - разрыв +20%
💻 Маркетолог с ИИ: 101 500-152 000 руб. в месяц
💎 Аналитик данных с ИИ: 133 300-201 800 руб. в месяц
Это не надбавка за хайп - это разница в производительности. Stanford AI Index 2026 подтверждает: ИИ сокращает разрыв между сотрудниками разного уровня - те кто умеют использовать инструмент буквально опережают в скорости. С каждым месяцем этот разрыв становится больше
Три уровня специалистов которые сейчас разделяет рынок:
⚡️ Промты и ChatGPT - стартовый уровень, большинство здесь
💡 Автоматизация цепочек и интеграции - меньшинство которое уже опережает
🟢 ИИ-агенты и многошаговые системы - единицы с качественно другим уровнем возможностей
Переход с первого уровня на третий - это не апгрейд навыка. Это другая скорость работы, другой объем задач который закрывается за день и другая ценность на рынке. Те кто прошел этот путь год назад - уже работают в другой реальности
⭐️ Andrew Ng, основатель DeepLearning.AI:
"ИИ не заменит людей. Но люди которые используют ИИ - заменят тех кто не использует"
🎯 Сам прошел этот путь - от ручных промтов до агентных систем. Переход оказался не плавным ростом навыка, а сменой уровня. Те кто сделал это раньше - уже работают иначе. Окно для рывка еще открыто, но оно не вечное
Instagram | YouTube | Threads
🔥1
#AI: Anthropic выкатила ИИ-сотрудников для финансов 🏦
🔥 Anthropic перестали продавать модель - теперь они продают готовые роли. Десять шаблонов агентов для финансового сектора, каждый с коннекторами к Bloomberg, FactSet и Moody's - с доступом к кредитным рейтингам 600+ млн компаний.
Что такое шаблоны агентов:
Это не промты в красивой обертке - это полноценная ролевая архитектура под ключ. Каждый шаблон состоит из трех слоев: Skills (доменные инструкции под конкретную роль), Connectors (живые подключения к финансовым данным) и Subagents (вспомогательные модели Claude которые закрывают под-задачи внутри задачи). Пользователь остается в петле - просматривает, итерирует и одобряет каждый результат перед финальной доставкой клиенту или подачей документов. Без полной автономии, с полным audit trail. Заявленное время от "попробуем" до продакшена - дни, а не месяцы. Шаблоны адаптируются под внутренние методологии, риск-политики и процессы согласования конкретной организации - не просто "запустить и забыть"
Research & Client Coverage - пять ролей:
📌 Pitch Builder - собирает инвестиционные питч-деки на основе актуальных данных
📌 Meeting Preparer - готовит брифинги и контекст к любым переговорам
📌 Earnings Reviewer - разбирает квартальные отчеты по ключевым метрикам
📌 Model Builder - строит финансовые модели с подтянутыми свежими данными
📌 Market Researcher - исследует рыночный контекст и конкурентное окружение
Finance & Operations - еще пять:
💡 Valuation Reviewer - проверка и верификация оценки компаний
💡 GL Reconciler - сверка главной книги учета
💡 Month-End Closer - автоматизация закрытия финансового месяца
💡 Statement Auditor - аудит финансовой отчетности на соответствие
💡 KYC Screener - проверка клиентов по compliance-требованиям
Восемь новых коннекторов к крупнейшим провайдерам: FactSet, Bloomberg, Dun & Bradstreet, Fiscal ИИ. Плюс Moody's MCP - прямой доступ к кредитным рейтингам 600+ млн компаний. Все это работает в интеграции с Microsoft 365: Claude строит модели в Excel, автообновляет питч-деки в PowerPoint, правит кредитные меморандумы в Word и ведет переписку в Outlook - с сохранением контекста между приложениями. Три варианта развертывания: плагин в Claude Desktop для быстрого старта, Claude Code для команд с кастомными интеграциями, и Claude Managed Agents для автономной работы с audit logs под требования регулятора
💼 В основе - Claude Opus 4.7 с результатом 64.37% на специализированных финансовых бенчмарках
Финсектор стал первым полигоном не случайно - там максимальные требования к аудиту, compliance и прозрачности каждого решения. Human-in-the-loop здесь не опция, а требование регулятора. Bloomberg и Fortune уже назвали запуск новым раундом гонки Anthropic с OpenAI за корпоративных клиентов на рынке финансовых услуг
⭐️ Jamie Dimon, CEO JPMorgan Chase:
🗒 Anthropic делают умный ход: не "вот мощный инструмент, разберись сам", а "вот готовый аналитик который знает твои данные, твои процессы и твой регулятор с первого дня". Это другой разговор с корпоративным директором. Не "внедрение ИИ" - а "наем десяти специалистов которые не устают и не берут отпуск". Посмотрим как OpenAI ответят
Instagram | YouTube | Threads
🔥 Anthropic перестали продавать модель - теперь они продают готовые роли. Десять шаблонов агентов для финансового сектора, каждый с коннекторами к Bloomberg, FactSet и Moody's - с доступом к кредитным рейтингам 600+ млн компаний.
Что такое шаблоны агентов:
Это не промты в красивой обертке - это полноценная ролевая архитектура под ключ. Каждый шаблон состоит из трех слоев: Skills (доменные инструкции под конкретную роль), Connectors (живые подключения к финансовым данным) и Subagents (вспомогательные модели Claude которые закрывают под-задачи внутри задачи). Пользователь остается в петле - просматривает, итерирует и одобряет каждый результат перед финальной доставкой клиенту или подачей документов. Без полной автономии, с полным audit trail. Заявленное время от "попробуем" до продакшена - дни, а не месяцы. Шаблоны адаптируются под внутренние методологии, риск-политики и процессы согласования конкретной организации - не просто "запустить и забыть"
Research & Client Coverage - пять ролей:
📌 Pitch Builder - собирает инвестиционные питч-деки на основе актуальных данных
📌 Meeting Preparer - готовит брифинги и контекст к любым переговорам
📌 Earnings Reviewer - разбирает квартальные отчеты по ключевым метрикам
📌 Model Builder - строит финансовые модели с подтянутыми свежими данными
📌 Market Researcher - исследует рыночный контекст и конкурентное окружение
Finance & Operations - еще пять:
💡 Valuation Reviewer - проверка и верификация оценки компаний
💡 GL Reconciler - сверка главной книги учета
💡 Month-End Closer - автоматизация закрытия финансового месяца
💡 Statement Auditor - аудит финансовой отчетности на соответствие
💡 KYC Screener - проверка клиентов по compliance-требованиям
Восемь новых коннекторов к крупнейшим провайдерам: FactSet, Bloomberg, Dun & Bradstreet, Fiscal ИИ. Плюс Moody's MCP - прямой доступ к кредитным рейтингам 600+ млн компаний. Все это работает в интеграции с Microsoft 365: Claude строит модели в Excel, автообновляет питч-деки в PowerPoint, правит кредитные меморандумы в Word и ведет переписку в Outlook - с сохранением контекста между приложениями. Три варианта развертывания: плагин в Claude Desktop для быстрого старта, Claude Code для команд с кастомными интеграциями, и Claude Managed Agents для автономной работы с audit logs под требования регулятора
💼 В основе - Claude Opus 4.7 с результатом 64.37% на специализированных финансовых бенчмарках
Финсектор стал первым полигоном не случайно - там максимальные требования к аудиту, compliance и прозрачности каждого решения. Human-in-the-loop здесь не опция, а требование регулятора. Bloomberg и Fortune уже назвали запуск новым раундом гонки Anthropic с OpenAI за корпоративных клиентов на рынке финансовых услуг
⭐️ Jamie Dimon, CEO JPMorgan Chase:
"ИИ может быть таким же трансформационным как некоторые из важнейших технологических изобретений последних нескольких сотен лет"
🗒 Anthropic делают умный ход: не "вот мощный инструмент, разберись сам", а "вот готовый аналитик который знает твои данные, твои процессы и твой регулятор с первого дня". Это другой разговор с корпоративным директором. Не "внедрение ИИ" - а "наем десяти специалистов которые не устают и не берут отпуск". Посмотрим как OpenAI ответят
Instagram | YouTube | Threads
#Tools: Сделал сайт за 15 минут с Claude Design 🎨
⚡️ Anthropic выкатили Claude Design - и я сразу полез тестить. Записал время. 15 минут от нуля до рабочего сайта со слоганами, карточками, фотками и формой обратной связи. Без фрилансера, без Figma, без дизайнерских скиллов.
Как работает Claude Design:
Начинается не с промта, а с диалога. Claude сам задает вопросы - для чего сайт, на каком языке контент, какой цвет и шрифт, какие блоки нужны. Составляешь с ним описание, потом закидываешь в Design - и он рендерит рабочий прототип прямо в браузере. Кликабельные кнопки, переходы в реальном времени - все можно проверить сразу. По данным Anthropic, задачи которые раньше требовали 20+ промтов на других ИИ-инструментах - здесь делаются за 2 промта. Я потратил примерно 5 минут на диалог про задачу и еще 10 на правки элементов
Что создает за один проход:
📌 Лендинги и сайты - слоганы, заголовки, фото, карточки, схемы, форма обратной связи
✨ Прототипы и one-pagers - все кликабельно сразу, без промежуточных шагов
💻 Презентации и pitch decks - экспорт в PDF, PPTX, HTML или прямо в Canva
Если работаешь с командой или у тебя уже есть бренд - при онбординге Claude читает дизайн-файлы компании и автоматически применяет фирменные цвета, шрифты и компоненты во всех проектах. Редактировать удобно: инлайн-комментарии на конкретных элементах, прямое редактирование текста, слайдеры для настройки отступов и цвета в реальном времени. Инструмент позиционируется как прямой конкурент Figma и Canva - но целится не в дизайнеров, а в фаундеров и PM-ов без дизайнерского бэкграунда. Запустили 17 апреля как Research Preview в Anthropic Labs, работает на модели Opus 4.7
🖥️ Доступ: claude.ai/design - для подписчиков Pro, Max, Team и Enterprise
⭐️ Steve Jobs, сооснователь Apple:
📝 Сырой дизайн уже лежит у меня в инсте - зайди посмотреть как это выглядит в реальности. Завтра покажу финальный результат после доработки. Но уже сейчас могу сказать: я не ожидал что за 15 минут получится что-то не стыдное. Привык что хороший дизайн - это либо деньги на фрилансера, либо пара дней в Figma. Теперь это диалог в чате и кофе пока Claude все делает 😅
Instagram | YouTube | Threads
⚡️ Anthropic выкатили Claude Design - и я сразу полез тестить. Записал время. 15 минут от нуля до рабочего сайта со слоганами, карточками, фотками и формой обратной связи. Без фрилансера, без Figma, без дизайнерских скиллов.
Как работает Claude Design:
Начинается не с промта, а с диалога. Claude сам задает вопросы - для чего сайт, на каком языке контент, какой цвет и шрифт, какие блоки нужны. Составляешь с ним описание, потом закидываешь в Design - и он рендерит рабочий прототип прямо в браузере. Кликабельные кнопки, переходы в реальном времени - все можно проверить сразу. По данным Anthropic, задачи которые раньше требовали 20+ промтов на других ИИ-инструментах - здесь делаются за 2 промта. Я потратил примерно 5 минут на диалог про задачу и еще 10 на правки элементов
Что создает за один проход:
📌 Лендинги и сайты - слоганы, заголовки, фото, карточки, схемы, форма обратной связи
✨ Прототипы и one-pagers - все кликабельно сразу, без промежуточных шагов
💻 Презентации и pitch decks - экспорт в PDF, PPTX, HTML или прямо в Canva
Если работаешь с командой или у тебя уже есть бренд - при онбординге Claude читает дизайн-файлы компании и автоматически применяет фирменные цвета, шрифты и компоненты во всех проектах. Редактировать удобно: инлайн-комментарии на конкретных элементах, прямое редактирование текста, слайдеры для настройки отступов и цвета в реальном времени. Инструмент позиционируется как прямой конкурент Figma и Canva - но целится не в дизайнеров, а в фаундеров и PM-ов без дизайнерского бэкграунда. Запустили 17 апреля как Research Preview в Anthropic Labs, работает на модели Opus 4.7
🖥️ Доступ: claude.ai/design - для подписчиков Pro, Max, Team и Enterprise
⭐️ Steve Jobs, сооснователь Apple:
"Дизайн - это не только то как вещь выглядит. Дизайн - это то как она работает"
📝 Сырой дизайн уже лежит у меня в инсте - зайди посмотреть как это выглядит в реальности. Завтра покажу финальный результат после доработки. Но уже сейчас могу сказать: я не ожидал что за 15 минут получится что-то не стыдное. Привык что хороший дизайн - это либо деньги на фрилансера, либо пара дней в Figma. Теперь это диалог в чате и кофе пока Claude все делает 😅
Instagram | YouTube | Threads
🔥2
#AI: Claude Opus 4.7 победил GPT-5.5 в самом жестком тесте для кода 🏆
🔥 Scale Labs выпустили финальный компонент SWE Atlas - Refactoring Leaderboard. Это бенчмарк нового типа: проверяет не "умеет ли ИИ писать код", а способен ли он работать как настоящий инженер в большом живом проекте с многолетней историей изменений.
Итоговый рейтинг Refactoring Leaderboard:
🥇 Claude Opus 4.7 (Claude Code) - 48.57 баллов
🥈 GPT-5.5 (Codex) - 44.79
📌 GPT-5.4 - 44.29
📌 GPT-5.3 - 42.38
📌 Claude Opus 4.6 - 35.58
Расклад неочевидный. GPT-5.5 вышел неделю позже Claude Opus 4.7 - и на SWE-Bench Verified GPT-5.5 лидирует с 88.7% против 87.6% у Claude. Но SWE-Bench Verified это синтетика. Задачи Refactoring Leaderboard требуют вдвое больше изменений строк кода и в 1.7 раза больше правок файлов, чем SWE-Bench Pro - это уже ближе к реальному инженерному спринту, а не учебному проекту в вакууме
Что конкретно проверяет бенчмарк:
💡 Декомпозиция монолитных реализаций на читаемые независимые части
💡 Замена слабых интерфейсов на типизированные абстракции
💡 Вынесение дублирующейся логики в общие переиспользуемые модули
💡 Перемещение кода для улучшения архитектурных границ между модулями
Главная находка исследования - не кто занял первое место, а паттерн провалов. Большинство моделей технически проходят тесты, но заваливают инженерные критерии. В кодбейсе после них остается мертвый код, устаревшие импорты, дубли логики, антипаттерны и пропущенные места вызова. ИИ формально "сдал тест" - но следующий разработчик будет чистить за ним еще час
Отдельный эффект который раньше почти не измеряли: при трех попытках решить одну задачу модели в 2-3 раза чаще справляются хотя бы один раз, чем стабильно все три попытки подряд. Для продакшена это критично - нельзя строить инженерный конвейер на инструменте который "иногда попадает"
🏗️ SWE Atlas - три компонента: Codebase QnA, Test Writing и Refactoring. Все три вместе дают ответ: ИИ как полноценный инженер или только как генератор фрагментов кода
⭐️ Джейсон Дреге, глава Scale Labs:
🎯 GPT-5.5 лидирует на классических тестах - но как только задача требует работать с архитектурой которой пять лет, Claude Opus 4.7 уходит вперед. Рефакторинг чужого кода - это 80% реальной инженерной работы, а не те 20% где "напиши новую функцию". Победа именно в этой категории значит больше, чем любой SWE-Bench Verified
Instagram | YouTube | Threads
🔥 Scale Labs выпустили финальный компонент SWE Atlas - Refactoring Leaderboard. Это бенчмарк нового типа: проверяет не "умеет ли ИИ писать код", а способен ли он работать как настоящий инженер в большом живом проекте с многолетней историей изменений.
Итоговый рейтинг Refactoring Leaderboard:
🥇 Claude Opus 4.7 (Claude Code) - 48.57 баллов
🥈 GPT-5.5 (Codex) - 44.79
📌 GPT-5.4 - 44.29
📌 GPT-5.3 - 42.38
📌 Claude Opus 4.6 - 35.58
Расклад неочевидный. GPT-5.5 вышел неделю позже Claude Opus 4.7 - и на SWE-Bench Verified GPT-5.5 лидирует с 88.7% против 87.6% у Claude. Но SWE-Bench Verified это синтетика. Задачи Refactoring Leaderboard требуют вдвое больше изменений строк кода и в 1.7 раза больше правок файлов, чем SWE-Bench Pro - это уже ближе к реальному инженерному спринту, а не учебному проекту в вакууме
Что конкретно проверяет бенчмарк:
💡 Декомпозиция монолитных реализаций на читаемые независимые части
💡 Замена слабых интерфейсов на типизированные абстракции
💡 Вынесение дублирующейся логики в общие переиспользуемые модули
💡 Перемещение кода для улучшения архитектурных границ между модулями
Главная находка исследования - не кто занял первое место, а паттерн провалов. Большинство моделей технически проходят тесты, но заваливают инженерные критерии. В кодбейсе после них остается мертвый код, устаревшие импорты, дубли логики, антипаттерны и пропущенные места вызова. ИИ формально "сдал тест" - но следующий разработчик будет чистить за ним еще час
Отдельный эффект который раньше почти не измеряли: при трех попытках решить одну задачу модели в 2-3 раза чаще справляются хотя бы один раз, чем стабильно все три попытки подряд. Для продакшена это критично - нельзя строить инженерный конвейер на инструменте который "иногда попадает"
🏗️ SWE Atlas - три компонента: Codebase QnA, Test Writing и Refactoring. Все три вместе дают ответ: ИИ как полноценный инженер или только как генератор фрагментов кода
⭐️ Джейсон Дреге, глава Scale Labs:
"Надежность - центральная проблема ИИ-агентов, и новый лидерборд подтверждает: пиковые возможности и стабильность развиваются не в одном темпе"
🎯 GPT-5.5 лидирует на классических тестах - но как только задача требует работать с архитектурой которой пять лет, Claude Opus 4.7 уходит вперед. Рефакторинг чужого кода - это 80% реальной инженерной работы, а не те 20% где "напиши новую функцию". Победа именно в этой категории значит больше, чем любой SWE-Bench Verified
Instagram | YouTube | Threads
👍3
#AI: Telegram превратил ботов в агентов внутри чатов 💬
⚡️ 7 мая Telegram выкатил "ИИ Bot Revolution" - обновление с 11 новыми функциями и принципиально новой ролью ботов. Главное: боты теперь могут отвечать вместо тебя, общаться между собой и появляться в диалогах без приглашения
Что нового в Bot API 9.5:
Автоматизация чатов - первая по-настоящему агентная функция Telegram. Подключаешь бота к профилю, настраиваешь к каким диалогам у него будет доступ, и он начинает отвечать от твоего имени. Можно исключить контакты или ограничить только новыми чатами - степень автономии выбираешь сам. Параллельно запустили Guest Bots: вызываешь ИИ-ассистента через @тег прямо в любом приватном или групповом диалоге, он видит только те сообщения где его упомянули - никакого предварительного добавления в чат не нужно. Bot API 9.5 пошел еще дальше - боты теперь программно создают других ботов и управляют ими без участия разработчика
Пять главных изменений:
🔥 Автоматизация чатов - бот отвечает от твоего имени в выбранных диалогах
📌 Guest Bots - вызов ИИ через @mention без добавления в чат заранее
💡 Bot-to-Bot - боты общаются между собой и строят автономные агентные цепочки
✨ Streaming-ответы - сообщения появляются постепенно, как живой набор текста
💻 Кастомные ИИ-стили - свой промпт под стиль письма, делишься по ссылке с командой
Самая неочевидная из пяти - именно Bot-to-Bot. Раньше каждый агент работал в изоляции и получал команды только от человека. Теперь Telegram официально разрешил агентные цепочки внутри мессенджера: один бот принимает задачу, декомпозирует ее и передает под-задачи специализированным ботам, получает результаты и собирает финальный ответ - без участия пользователя на промежуточных шагах. Для разработчиков которые строят автоматизации, поддержку или ИИ-ассистентов - Telegram только что стал самым простым каналом доставки агентных решений к аудитории. Никакого веб-приложения, никакой установки - все там где пользователи уже проводят время. 900 млн активных пользователей как готовая площадка для агентных систем - этого у любого облачного провайдера нет
⭐️ Jensen Huang, CEO NVIDIA:
🎯 Когда мессенджер официально разрешает ботам создавать других ботов и общаться между собой - это уже не фича чата, это инфраструктурный слой для агентных систем. Anthropic, OpenAI и сотни команд по всему миру получили готовую платформу с огромной аудиторией. Вопрос только в том, кто первым соберет из этого что-то по-настоящему мощное
Instagram | YouTube | Threads
⚡️ 7 мая Telegram выкатил "ИИ Bot Revolution" - обновление с 11 новыми функциями и принципиально новой ролью ботов. Главное: боты теперь могут отвечать вместо тебя, общаться между собой и появляться в диалогах без приглашения
Что нового в Bot API 9.5:
Автоматизация чатов - первая по-настоящему агентная функция Telegram. Подключаешь бота к профилю, настраиваешь к каким диалогам у него будет доступ, и он начинает отвечать от твоего имени. Можно исключить контакты или ограничить только новыми чатами - степень автономии выбираешь сам. Параллельно запустили Guest Bots: вызываешь ИИ-ассистента через @тег прямо в любом приватном или групповом диалоге, он видит только те сообщения где его упомянули - никакого предварительного добавления в чат не нужно. Bot API 9.5 пошел еще дальше - боты теперь программно создают других ботов и управляют ими без участия разработчика
Пять главных изменений:
🔥 Автоматизация чатов - бот отвечает от твоего имени в выбранных диалогах
📌 Guest Bots - вызов ИИ через @mention без добавления в чат заранее
💡 Bot-to-Bot - боты общаются между собой и строят автономные агентные цепочки
✨ Streaming-ответы - сообщения появляются постепенно, как живой набор текста
💻 Кастомные ИИ-стили - свой промпт под стиль письма, делишься по ссылке с командой
Самая неочевидная из пяти - именно Bot-to-Bot. Раньше каждый агент работал в изоляции и получал команды только от человека. Теперь Telegram официально разрешил агентные цепочки внутри мессенджера: один бот принимает задачу, декомпозирует ее и передает под-задачи специализированным ботам, получает результаты и собирает финальный ответ - без участия пользователя на промежуточных шагах. Для разработчиков которые строят автоматизации, поддержку или ИИ-ассистентов - Telegram только что стал самым простым каналом доставки агентных решений к аудитории. Никакого веб-приложения, никакой установки - все там где пользователи уже проводят время. 900 млн активных пользователей как готовая площадка для агентных систем - этого у любого облачного провайдера нет
⭐️ Jensen Huang, CEO NVIDIA:
"Мы переходим от эпохи ИИ как инструмента к эпохе ИИ как агента. Агенты действуют самостоятельно, взаимодействуют с другими агентами и с людьми - это следующий фундаментальный сдвиг в том, как работает программное обеспечение"
🎯 Когда мессенджер официально разрешает ботам создавать других ботов и общаться между собой - это уже не фича чата, это инфраструктурный слой для агентных систем. Anthropic, OpenAI и сотни команд по всему миру получили готовую платформу с огромной аудиторией. Вопрос только в том, кто первым соберет из этого что-то по-настоящему мощное
Instagram | YouTube | Threads
🔥3
#AI: NIST проверил DeepSeek V4 на закрытых тестах - отставание 8 месяцев 🔬
👀 DeepSeek V4 Pro выходил с маркетингом "сократили разрыв с американским фронтиром". Американский NIST взял модель на независимое тестирование с закрытыми датасетами - и публичная картина поплыла.
Что нашел CAISI (центр ИИ-стандартов NIST):
DeepSeek V4 Pro вышел 24 апреля 2026 года. На публичных тестах выглядело убедительно: SWE-Bench Verified - 80,6% против 80,8% у Claude Opus 4.6, почти паритет. Codeforces рейтинг 3 206 - лучший результат среди всех моделей на момент выхода. Bloomberg в тот же день написал что модель "не сократила отставание от американских лидеров" - но это читалось как редакционная позиция. CAISI добавил два датасета которые модель гарантированно не видела во время обучения: ARC-AGI-2 semi-private и собственный PortBench. На них результаты сломались
Закрытые тесты - разрыв в реальности:
🟢 Кибербезопасность (CTF-Archive-Diamond, 285 задач) - V4 Pro: 32% / GPT-5.5: 71%
🟢 Абстрактное мышление (ARC-AGI-2, закрытый датасет) - V4 Pro: 46% / GPT-5.5: 79%
🟢 Инженерия ПО (SWE-Bench Verified) - V4 Pro: 74% / GPT-5.5: 81%
Вывод CAISI однозначный: реальное отставание от американского фронтира - около 8 месяцев, а не 3-6 как в маркетинге DeepSeek. Это устойчивая тенденция с 2025 года - разрыв не сокращается. Хуже всего V4 справляется с длинными сложными задачами: там где нужно удерживать много шагов и контекст одновременно. Именно это отличает реальный агентный workload от синтетики. Механика классическая: компания сама выбирает тесты, берет те где показатели максимальны, получает заголовки "почти догнали" - NIST просто взял задачи которые модель не решала и не обучалась решать
Где DeepSeek V4 выигрывает по делу:
💡 Цена - $0,145 за млн токенов, в 7 раз дешевле GPT-5.5 и Claude Opus 4.7
💡 Открытые веса - можно деплоить локально и дорабатывать под свою задачу
💡 Контекст - 1 млн токенов, архитектура MoE (49 млрд активных из 1,6 трлн параметров)
💡 Генерация кода - рейтинг Codeforces 3 206, рекорд на момент выхода
По цене против возможностей DeepSeek V4 Pro остается одним из лучших вариантов на рынке - особенно для задач где абсолютное качество не критично. Разрыв в 8 месяцев существует, но за 1/7 цены это честный trade-off. Проблема не в модели - проблема в нарративе "почти догнали", который создали вокруг нее
⭐️ Yoshua Bengio, лауреат премии Тьюринга, председатель IASEAI:
💭 DeepSeek V4 - сильнейшая открытая китайская модель, и в 7 раз дешевле фронтира. Это реальный аргумент для конкретных задач. Но "сократили разрыв с OpenAI" - это про пресс-релиз, а не про бенчмарк. Восемь месяцев устойчивого отставания на закрытых тестах - это то что видит регулятор, а не маркетинговая команда
Instagram | YouTube | Threads
👀 DeepSeek V4 Pro выходил с маркетингом "сократили разрыв с американским фронтиром". Американский NIST взял модель на независимое тестирование с закрытыми датасетами - и публичная картина поплыла.
Что нашел CAISI (центр ИИ-стандартов NIST):
DeepSeek V4 Pro вышел 24 апреля 2026 года. На публичных тестах выглядело убедительно: SWE-Bench Verified - 80,6% против 80,8% у Claude Opus 4.6, почти паритет. Codeforces рейтинг 3 206 - лучший результат среди всех моделей на момент выхода. Bloomberg в тот же день написал что модель "не сократила отставание от американских лидеров" - но это читалось как редакционная позиция. CAISI добавил два датасета которые модель гарантированно не видела во время обучения: ARC-AGI-2 semi-private и собственный PortBench. На них результаты сломались
Закрытые тесты - разрыв в реальности:
🟢 Кибербезопасность (CTF-Archive-Diamond, 285 задач) - V4 Pro: 32% / GPT-5.5: 71%
🟢 Абстрактное мышление (ARC-AGI-2, закрытый датасет) - V4 Pro: 46% / GPT-5.5: 79%
🟢 Инженерия ПО (SWE-Bench Verified) - V4 Pro: 74% / GPT-5.5: 81%
Вывод CAISI однозначный: реальное отставание от американского фронтира - около 8 месяцев, а не 3-6 как в маркетинге DeepSeek. Это устойчивая тенденция с 2025 года - разрыв не сокращается. Хуже всего V4 справляется с длинными сложными задачами: там где нужно удерживать много шагов и контекст одновременно. Именно это отличает реальный агентный workload от синтетики. Механика классическая: компания сама выбирает тесты, берет те где показатели максимальны, получает заголовки "почти догнали" - NIST просто взял задачи которые модель не решала и не обучалась решать
Где DeepSeek V4 выигрывает по делу:
💡 Цена - $0,145 за млн токенов, в 7 раз дешевле GPT-5.5 и Claude Opus 4.7
💡 Открытые веса - можно деплоить локально и дорабатывать под свою задачу
💡 Контекст - 1 млн токенов, архитектура MoE (49 млрд активных из 1,6 трлн параметров)
💡 Генерация кода - рейтинг Codeforces 3 206, рекорд на момент выхода
По цене против возможностей DeepSeek V4 Pro остается одним из лучших вариантов на рынке - особенно для задач где абсолютное качество не критично. Разрыв в 8 месяцев существует, но за 1/7 цены это честный trade-off. Проблема не в модели - проблема в нарративе "почти догнали", который создали вокруг нее
⭐️ Yoshua Bengio, лауреат премии Тьюринга, председатель IASEAI:
"Независимая оценка систем ИИ - не опция, а необходимость. Самооценка компаний не может считаться достаточной для понимания реальных возможностей и рисков моделей"
💭 DeepSeek V4 - сильнейшая открытая китайская модель, и в 7 раз дешевле фронтира. Это реальный аргумент для конкретных задач. Но "сократили разрыв с OpenAI" - это про пресс-релиз, а не про бенчмарк. Восемь месяцев устойчивого отставания на закрытых тестах - это то что видит регулятор, а не маркетинговая команда
Instagram | YouTube | Threads
👍1
#AI: В Италии поставили первый диагноз - зависимость от ИИ 🧠
⚠️ Национальная служба SerD (Servizio per le Dipendenze) зафиксировала официальный случай который многие предрекали, но никто не хотел первым признавать - поведенческую зависимость от чат-бота на базе ИИ
Детали первого случая:
Пациентка около 20 лет из Местре (Венеция) поступила на лечение в SerD при медицинской компании ULSS 3 Serenissima. Диагноз - "поведенческая зависимость" (dipendenza comportamentale): не от вещества, а от алгоритма. Механизм сработал через адаптивность бота - он подстраивался под каждое эмоциональное состояние пациентки, создавая ощущение идеального понимания которого нет ни у одного живого человека. Реальное общение начало проигрывать: предсказуемое, несовершенное, требующее усилий. Итог - девушка практически полностью прекратила коммуникацию с людьми, единственным "собеседником" остался алгоритм
Как формируется петля зависимости:
📌 Идеальный отклик - бот всегда отвечает именно то, что хочет слышать пользователь
📌 Безопасная среда - никакого осуждения, конфликтов и непредсказуемости живых отношений
📌 Нарастающая подстройка - чем дольше взаимодействие, тем "точнее" модель попадает в ожидания
📌 Вытеснение реальных связей - на фоне "идеального" собеседника живые люди кажутся сложнее и хуже
Исследование CHI 2026 выделяет три типа ИИ-зависимости от чат-ботов: эскапистские ролевые игры, псевдосоциальные компаньоны и "эпистемические кроличьи норы" - венецианский случай относится ко второму типу. Наиболее уязвимы молодые люди с низким уровнем социальных связей: ИИ создает "убедительное чувство безопасности", которое у таких пользователей быстро замещает реальные отношения
Регуляторный фон в Италии:
💡 Replika (2023) - итальянский регулятор уже запрещал чат-бот-компаньон обрабатывать данные из-за рисков эмоциональной привязанности
💡 EDPB (2025) - европейский регулятор оштрафовал компанию по итогам расследования
💡 SerD расширяет профиль - до этого служба работала с зависимостями от азартных игр, компульсивных покупок и смартфонов; ИИ-зависимость стала принципиально новой категорией
⭐️ Лаура Суарди (Laura Suardi), глава SerD ULSS 3 Serenissima:
💭 Ожидал этого случая - просто не думал что так быстро. ИИ не "затягивает внимание" как соцсети - он создает иллюзию идеального собеседника который всегда понимает и никогда не осудит. Против этого у реального человека нет встроенной защиты. И именно поэтому это не история одной девушки из Венеции
Instagram | YouTube | Threads
⚠️ Национальная служба SerD (Servizio per le Dipendenze) зафиксировала официальный случай который многие предрекали, но никто не хотел первым признавать - поведенческую зависимость от чат-бота на базе ИИ
Детали первого случая:
Пациентка около 20 лет из Местре (Венеция) поступила на лечение в SerD при медицинской компании ULSS 3 Serenissima. Диагноз - "поведенческая зависимость" (dipendenza comportamentale): не от вещества, а от алгоритма. Механизм сработал через адаптивность бота - он подстраивался под каждое эмоциональное состояние пациентки, создавая ощущение идеального понимания которого нет ни у одного живого человека. Реальное общение начало проигрывать: предсказуемое, несовершенное, требующее усилий. Итог - девушка практически полностью прекратила коммуникацию с людьми, единственным "собеседником" остался алгоритм
Как формируется петля зависимости:
📌 Идеальный отклик - бот всегда отвечает именно то, что хочет слышать пользователь
📌 Безопасная среда - никакого осуждения, конфликтов и непредсказуемости живых отношений
📌 Нарастающая подстройка - чем дольше взаимодействие, тем "точнее" модель попадает в ожидания
📌 Вытеснение реальных связей - на фоне "идеального" собеседника живые люди кажутся сложнее и хуже
Исследование CHI 2026 выделяет три типа ИИ-зависимости от чат-ботов: эскапистские ролевые игры, псевдосоциальные компаньоны и "эпистемические кроличьи норы" - венецианский случай относится ко второму типу. Наиболее уязвимы молодые люди с низким уровнем социальных связей: ИИ создает "убедительное чувство безопасности", которое у таких пользователей быстро замещает реальные отношения
Регуляторный фон в Италии:
💡 Replika (2023) - итальянский регулятор уже запрещал чат-бот-компаньон обрабатывать данные из-за рисков эмоциональной привязанности
💡 EDPB (2025) - европейский регулятор оштрафовал компанию по итогам расследования
💡 SerD расширяет профиль - до этого служба работала с зависимостями от азартных игр, компульсивных покупок и смартфонов; ИИ-зависимость стала принципиально новой категорией
⭐️ Лаура Суарди (Laura Suardi), глава SerD ULSS 3 Serenissima:
"Это только верхушка айсберга - мы ожидаем резкого роста числа пациентов с ИИ-зависимостью в ближайшие годы"
💭 Ожидал этого случая - просто не думал что так быстро. ИИ не "затягивает внимание" как соцсети - он создает иллюзию идеального собеседника который всегда понимает и никогда не осудит. Против этого у реального человека нет встроенной защиты. И именно поэтому это не история одной девушки из Венеции
Instagram | YouTube | Threads
😱1
#AI: ChatGPT не сделает тебе контент-систему ⚙️
💡 Он может написать пост. Придумать заголовки. Переписать текст "живее". Но завтра ты снова откроешь пустой чат и начнешь сначала - и в этом вся суть проблемы.
Главная мысль этого разбора:
У большинства экспертов сейчас не ИИ-система, а набор несвязанных разовых диалогов. Каждый раз начинаешь объяснять ИИ кто ты, что продаешь и кому это важно. Контекст теряется между сессиями. Голос - то похожий, то нет. Контент выходит - но без общей истории, без связи с продуктом и без понимания где сейчас читатель в воронке.
Хаос с красивым интерфейсом:
📌 Тут попросил пост
📌 Там попросил идеи
📌 Отдельно сделал рилс
📌 Где-то потерял заметку
📌 Потом опять вручную вспоминаешь что хотел продавать
Это не производство. Это ИИ-черновик который ты каждый раз доделываешь руками - потому что ИИ не знает ни твой голос, ни продукт, ни где читатель в воронке. Каждая сессия - старт с нуля.
Система начинается там где есть:
⚡️ Память о продукте - ИИ знает что продаешь, за сколько, кому и почему это важно клиенту
⚡️ Понимание аудитории - конкретный профиль с болями и языком, а не абстрактные "эксперты в нише"
⚡️ Роли агентов - один исследует темы, другой пишет, третий проверяет стиль, четвертый связывает с воронкой продаж
⚡️ Контент-план как контекст - неделя прогрева целиком, а не разрозненные посты без единой истории
⚡️ Проверка стиля - голос автора сохраняется от поста к посту без ручной правки каждый раз
⚡️ Связь с продажей - контент и оффер в одной логике, а не в параллельных вселенных
⚡️ Повторяемый процесс - не начинать объяснять с нуля при каждом новом запросе
Когда система собрана - запрос меняется кардинально. Не "напиши мне пост". А "вот моя экспертная база, вот оффер, вот аудитория, вот неделя прогрева - собери контент и проверь слабые места". Ты становишься не писателем, а продюсером контента.
Разрыв между тем кто просто чатится с ИИ и тем у кого система - это не разрыв в умении промптить. Это разрыв в архитектуре работы. Один получает хорошие посты. Другой получает машину контента которая помнит все что важно и выдает согласованный поток без объяснений с нуля.
⭐️ Sam Altman, CEO OpenAI:
🤔 Большинство думает что проблема в качестве промптов - "спросить правильнее". Проблема в архитектуре работы. Разовый диалог - это такси. Агентная система - это личный водитель который знает твои маршруты, привычки и куда ты едешь - еще до того как ты сел в машину
Instagram | YouTube | Threads
💡 Он может написать пост. Придумать заголовки. Переписать текст "живее". Но завтра ты снова откроешь пустой чат и начнешь сначала - и в этом вся суть проблемы.
Главная мысль этого разбора:
У большинства экспертов сейчас не ИИ-система, а набор несвязанных разовых диалогов. Каждый раз начинаешь объяснять ИИ кто ты, что продаешь и кому это важно. Контекст теряется между сессиями. Голос - то похожий, то нет. Контент выходит - но без общей истории, без связи с продуктом и без понимания где сейчас читатель в воронке.
Хаос с красивым интерфейсом:
📌 Тут попросил пост
📌 Там попросил идеи
📌 Отдельно сделал рилс
📌 Где-то потерял заметку
📌 Потом опять вручную вспоминаешь что хотел продавать
Это не производство. Это ИИ-черновик который ты каждый раз доделываешь руками - потому что ИИ не знает ни твой голос, ни продукт, ни где читатель в воронке. Каждая сессия - старт с нуля.
Система начинается там где есть:
⚡️ Память о продукте - ИИ знает что продаешь, за сколько, кому и почему это важно клиенту
⚡️ Понимание аудитории - конкретный профиль с болями и языком, а не абстрактные "эксперты в нише"
⚡️ Роли агентов - один исследует темы, другой пишет, третий проверяет стиль, четвертый связывает с воронкой продаж
⚡️ Контент-план как контекст - неделя прогрева целиком, а не разрозненные посты без единой истории
⚡️ Проверка стиля - голос автора сохраняется от поста к посту без ручной правки каждый раз
⚡️ Связь с продажей - контент и оффер в одной логике, а не в параллельных вселенных
⚡️ Повторяемый процесс - не начинать объяснять с нуля при каждом новом запросе
Когда система собрана - запрос меняется кардинально. Не "напиши мне пост". А "вот моя экспертная база, вот оффер, вот аудитория, вот неделя прогрева - собери контент и проверь слабые места". Ты становишься не писателем, а продюсером контента.
Разрыв между тем кто просто чатится с ИИ и тем у кого система - это не разрыв в умении промптить. Это разрыв в архитектуре работы. Один получает хорошие посты. Другой получает машину контента которая помнит все что важно и выдает согласованный поток без объяснений с нуля.
⭐️ Sam Altman, CEO OpenAI:
"Люди, которые продвинулись дальше всего, перешли от использования ИИ для помощи в задачах к управлению командами агентов, которые выполняют задачи за них"
🤔 Большинство думает что проблема в качестве промптов - "спросить правильнее". Проблема в архитектуре работы. Разовый диалог - это такси. Агентная система - это личный водитель который знает твои маршруты, привычки и куда ты едешь - еще до того как ты сел в машину
Instagram | YouTube | Threads
👍2
#AI: Claude или Codex? 🧐
👀 За несколько недель поработал с обоими плотно - и ответ на вопрос "что лучше" оказался неожиданным. Забегая вперед: я выбираю использовать их вместе. А теперь к деталям
Личный разбор Codex и Claude:
Codex хорошо пишет код - и еще лучше проверяет написанное другими. Особенно точно режет то, что написал Claude: находит слабые места, указывает на архитектурные ошибки, предлагает альтернативы. Claude другой: сильный в планировании, отлично строит архитектуру, видит систему целиком с первого раза. По качеству написания кода они примерно одинаковые - но есть одна принципиальная разница, которая меняет весь пайплайн
Главный разрыв - контекстное окно:
📌 Claude Opus 4.7 - 1 миллион токенов, весь кодобаз держит в памяти одновременно
📌 Codex ChatGPT 5.5 - контекстное окно в 4 раза меньше‼️, зато хорошо фокусируется на конкретном куске
📌 Следствие - Claude справляется с системным мышлением, Codex - с точечным разбором
Именно поэтому они не конкуренты - а комплементарные инструменты с разными точками силы
Как я делю роли между ними:
⚡️ Claude - планирование, написание архитектуры, первичный код
⚡️ Codex - факт-чекинг написанного, критика решений, финальное одобрение
⚡️ Связка - всегда вместе, никогда один
Это не вопрос удобства - это качественно другой результат. Claude с его 1M токенами держит в голове весь проект и пишет код в контексте всей системы. Codex потом смотрит на конкретный модуль свежим взглядом и находит то, что Claude мог пропустить именно потому, что видел слишком много. Я это понял после первой же совместной сессии - два инструмента дали результат лучше, чем каждый по отдельности
И это только начало. Впереди большие многоуровневые архитектурные системы, где на каждом этапе подключена своя модель. Одна отвечает за архитектуру - как Claude сейчас. Другая проверяет и критикует код - как Codex. Третья генерирует изображения. Четвертая дирижирует агентами. Не одна универсальная - целый оркестр специализированных. И чем раньше начнешь мыслить в этой логике - тем быстрее придешь к системам, которые реально работают на уровне выше среднего разработчика
💻 Мультимодельный пайплайн на практике дешевле и качественнее чем одна модель на все задачи
⭐️ Andrej Karpathy, бывший директор по ИИ в Tesla, сооснователь OpenAI:
🎯 Вопрос "Claude или Codex?" - неправильный вопрос. Правильный: когда Claude, когда Codex, как они дополняют друг друга. Это как телефон с несколькими сим-картами: в какую страну ни поедешь - нужная активируется сама
Instagram | YouTube | Threads
👀 За несколько недель поработал с обоими плотно - и ответ на вопрос "что лучше" оказался неожиданным. Забегая вперед: я выбираю использовать их вместе. А теперь к деталям
Личный разбор Codex и Claude:
Codex хорошо пишет код - и еще лучше проверяет написанное другими. Особенно точно режет то, что написал Claude: находит слабые места, указывает на архитектурные ошибки, предлагает альтернативы. Claude другой: сильный в планировании, отлично строит архитектуру, видит систему целиком с первого раза. По качеству написания кода они примерно одинаковые - но есть одна принципиальная разница, которая меняет весь пайплайн
Главный разрыв - контекстное окно:
📌 Claude Opus 4.7 - 1 миллион токенов, весь кодобаз держит в памяти одновременно
📌 Codex ChatGPT 5.5 - контекстное окно в 4 раза меньше‼️, зато хорошо фокусируется на конкретном куске
📌 Следствие - Claude справляется с системным мышлением, Codex - с точечным разбором
Именно поэтому они не конкуренты - а комплементарные инструменты с разными точками силы
Как я делю роли между ними:
⚡️ Claude - планирование, написание архитектуры, первичный код
⚡️ Codex - факт-чекинг написанного, критика решений, финальное одобрение
⚡️ Связка - всегда вместе, никогда один
Это не вопрос удобства - это качественно другой результат. Claude с его 1M токенами держит в голове весь проект и пишет код в контексте всей системы. Codex потом смотрит на конкретный модуль свежим взглядом и находит то, что Claude мог пропустить именно потому, что видел слишком много. Я это понял после первой же совместной сессии - два инструмента дали результат лучше, чем каждый по отдельности
И это только начало. Впереди большие многоуровневые архитектурные системы, где на каждом этапе подключена своя модель. Одна отвечает за архитектуру - как Claude сейчас. Другая проверяет и критикует код - как Codex. Третья генерирует изображения. Четвертая дирижирует агентами. Не одна универсальная - целый оркестр специализированных. И чем раньше начнешь мыслить в этой логике - тем быстрее придешь к системам, которые реально работают на уровне выше среднего разработчика
💻 Мультимодельный пайплайн на практике дешевле и качественнее чем одна модель на все задачи
⭐️ Andrej Karpathy, бывший директор по ИИ в Tesla, сооснователь OpenAI:
"Самый горячий новый язык программирования - это английский"
🎯 Вопрос "Claude или Codex?" - неправильный вопрос. Правильный: когда Claude, когда Codex, как они дополняют друг друга. Это как телефон с несколькими сим-картами: в какую страну ни поедешь - нужная активируется сама
Instagram | YouTube | Threads
❤2👍2💯1
#AI: Claude Code - несколько агентов, один контроль 🤖
⚡️ 11 мая Anthropic выпустила Agent View в Claude Code - исследовательский превью, который меняет саму модель работы с ИИ в разработке. Не обновление интерфейса - смена подхода к тому, как ты вообще думаешь о задачах
Что такое Agent View:
Единый CLI-дашборд, собирающий все фоновые сессии агентов в одном месте. Фоновые агенты продолжают работать независимо от активной вкладки - контекст не теряется. Каждая строка в списке показывает: ID сессии, ждет ли агент ответа, последнее действие и время последнего взаимодействия. Завис агент и ждет ввода - сразу видно. Никакого угадывания "а он вообще еще работает?"
Что видишь по каждой сессии:
📌 ID сессии - уникальный идентификатор, чтобы не путаться между задачами
📌 Статус ожидания - явно видно если агент ждет твоего ответа прямо сейчас
📌 Последний ответ агента - что делал без необходимости открывать каждую сессию
📌 Время последней активности - когда была последняя операция в этой ветке
Координация между параллельными агентами идет не напрямую - между собой они не разговаривают. Вместо этого: shared task list, общий файл на диске, который все агенты читают и в который пишут. Звучит просто, но это дает полную прозрачность и аудит каждого шага без магии
Как выглядит реальный пайплайн:
⚡️ Агент 1 - пишет новый модуль, работает в фоне пока ты занят другим
⚡️ Агент 2 - параллельно ищет баги в уже написанном коде
⚡️ Агент 3 - разбирает документацию или гоняет тесты
⚡️ Ты - переключаешься между сессиями и подхватываешь любую с того же места
Foreground-агент блокирует основной диалог до завершения - используй для операций где нужно подтверждение на каждом шаге. Background-агент работает автономно и сам отклоняет действия, требующие разрешения, не выданного заранее. Для долгосрочных задач типа PR-мониторинга - время следующего запуска видно прямо в списке, без необходимости гадать жив ли процесс
Доступно на планах Pro, Max, Team, Enterprise и через Claude API. Требуется Claude Code v2.1.139+. Anthropic уже опубликовали production-кейс: команда параллельных агентов собрала C-компилятор с нуля. Не концепт - реальный engineering-проект с разбором на anthropic.com/engineering
💻 Версия: Claude Code v2.1.139+ - обновись прямо сейчас
⭐️ Satya Nadella, CEO Microsoft, Microsoft Build 2025:
💭 Когда появляется Agent View - это не "открой несколько вкладок". Это смена ролевой модели. Ты перестаешь быть разработчиком который пишет код - ты становишься менеджером штаба который ставит задачи и контролирует исполнение. Разница как между водителем и диспетчером автопарка. Anthropic методично строят именно этот сдвиг
Instagram | YouTube | Threads
⚡️ 11 мая Anthropic выпустила Agent View в Claude Code - исследовательский превью, который меняет саму модель работы с ИИ в разработке. Не обновление интерфейса - смена подхода к тому, как ты вообще думаешь о задачах
Что такое Agent View:
Единый CLI-дашборд, собирающий все фоновые сессии агентов в одном месте. Фоновые агенты продолжают работать независимо от активной вкладки - контекст не теряется. Каждая строка в списке показывает: ID сессии, ждет ли агент ответа, последнее действие и время последнего взаимодействия. Завис агент и ждет ввода - сразу видно. Никакого угадывания "а он вообще еще работает?"
Что видишь по каждой сессии:
📌 ID сессии - уникальный идентификатор, чтобы не путаться между задачами
📌 Статус ожидания - явно видно если агент ждет твоего ответа прямо сейчас
📌 Последний ответ агента - что делал без необходимости открывать каждую сессию
📌 Время последней активности - когда была последняя операция в этой ветке
Координация между параллельными агентами идет не напрямую - между собой они не разговаривают. Вместо этого: shared task list, общий файл на диске, который все агенты читают и в который пишут. Звучит просто, но это дает полную прозрачность и аудит каждого шага без магии
Как выглядит реальный пайплайн:
⚡️ Агент 1 - пишет новый модуль, работает в фоне пока ты занят другим
⚡️ Агент 2 - параллельно ищет баги в уже написанном коде
⚡️ Агент 3 - разбирает документацию или гоняет тесты
⚡️ Ты - переключаешься между сессиями и подхватываешь любую с того же места
Foreground-агент блокирует основной диалог до завершения - используй для операций где нужно подтверждение на каждом шаге. Background-агент работает автономно и сам отклоняет действия, требующие разрешения, не выданного заранее. Для долгосрочных задач типа PR-мониторинга - время следующего запуска видно прямо в списке, без необходимости гадать жив ли процесс
Доступно на планах Pro, Max, Team, Enterprise и через Claude API. Требуется Claude Code v2.1.139+. Anthropic уже опубликовали production-кейс: команда параллельных агентов собрала C-компилятор с нуля. Не концепт - реальный engineering-проект с разбором на anthropic.com/engineering
💻 Версия: Claude Code v2.1.139+ - обновись прямо сейчас
⭐️ Satya Nadella, CEO Microsoft, Microsoft Build 2025:
"Мы движемся от эпохи копилотов к эпохе агентов. Каждый бизнес-процесс будет переосмыслен с ИИ-агентами"
💭 Когда появляется Agent View - это не "открой несколько вкладок". Это смена ролевой модели. Ты перестаешь быть разработчиком который пишет код - ты становишься менеджером штаба который ставит задачи и контролирует исполнение. Разница как между водителем и диспетчером автопарка. Anthropic методично строят именно этот сдвиг
Instagram | YouTube | Threads
🔥2
#AI: Агенты ломаются - виновата не модель ⚙️
💡 Ставишь Claude, GPT, Gemini - лучшее из доступного. А агент все равно падает. Каждый запуск для него как первый день на работе: без памяти, без роли, без маршрута.
Где реально ломаются агентные системы:
Компании зациклены на точности модели и игнорируют инфраструктурный слой - именно там тихо разваливается все: пайплайны данных, логика оркестрации, retrieval-системы, downstream-воркфлоу. По данным исследований, более 80% ИИ-внедрений проваливаются в первые 6 месяцев - и почти всегда проблема не в модели. Если агент надежен на 85% на каждом шаге, 10-шаговый воркфлоу успешно завершится только в ~20% случаев. Не потому что модель ошиблась - потому что система не умеет делать checkpoint, восстанавливаться после частичного сбоя или продолжить с места остановки
LLM по природе stateless: каждая новая сессия начинается с нуля пока история явно не передается при каждом вызове. Базово подключенная нейросеть - это не агент. Это умный стажер которому каждый день заново объясняют где задачи, где контекст, где правила и почему нельзя трогать прод без проверки
Что нужно агенту чтобы работать по-настоящему:
✅ Память - что сделано, что провалилось и почему, чтобы не повторять одни ошибки
✅ Роль и права - что брать в работу, что не трогать, где граница полномочий
✅ Маршрутизация - какую задачу в какой ситуации взять и кому передать
✅ Проверка результата - кто и как подтверждает что сделано правильно
✅ Уборка контекста - как не тащить старый мусор в новую задачу
Microsoft в 2025 выпустил whitepaper по таксономии провалов агентов: goal hijacking, злоупотребление инструментами, отравление памяти, каскадные отказы в multi-agent системах. Это не ИИ-специфика - это классические проблемы надежности распределенных систем которые давно решены в инженерии. Anthropic отдельно опубликовали гайд по управлению контекстом для агентов - потому что контекст это операционка агента, не просто удобство
Модель - двигатель. Операционка вокруг агента - машина. Без руля, тормозов и навигации получаешь ревущий мотор на полу гаража. Мощно звучит - ехать невозможно
Еще год назад спорили какой промпт написать чтобы агент наконец заработал. Сейчас важнее другой вопрос: что агент помнит, какую роль выполняет, какие задачи имеет право брать и куда складывает результат. Вот почему я сейчас так много ковыряю не сами модели, а skills, Notion, память, роутинг и роли. Со стороны выглядит как задротство - "Mat, ну просто поручи агенту задачу". Но "просто поручить" работает один раз. Если повезло. Мне нужна повторяемость: система которая завтра снова увидит контекст, возьмет правильную карточку, сделает результат, положит его в нужное место и не сломает соседний процесс. Вот это и есть реальная автономность - не когда агент красиво болтает, а когда его работу можно проверить
⭐️ Jeff Bezos, основатель Amazon:
🎯 Перестань ждать модель которая сама все поймет. Начни строить среду в которой агенту есть что понимать - и тогда любая следующая модель станет лучше автоматически
Instagram | YouTube | Threads
💡 Ставишь Claude, GPT, Gemini - лучшее из доступного. А агент все равно падает. Каждый запуск для него как первый день на работе: без памяти, без роли, без маршрута.
Где реально ломаются агентные системы:
Компании зациклены на точности модели и игнорируют инфраструктурный слой - именно там тихо разваливается все: пайплайны данных, логика оркестрации, retrieval-системы, downstream-воркфлоу. По данным исследований, более 80% ИИ-внедрений проваливаются в первые 6 месяцев - и почти всегда проблема не в модели. Если агент надежен на 85% на каждом шаге, 10-шаговый воркфлоу успешно завершится только в ~20% случаев. Не потому что модель ошиблась - потому что система не умеет делать checkpoint, восстанавливаться после частичного сбоя или продолжить с места остановки
LLM по природе stateless: каждая новая сессия начинается с нуля пока история явно не передается при каждом вызове. Базово подключенная нейросеть - это не агент. Это умный стажер которому каждый день заново объясняют где задачи, где контекст, где правила и почему нельзя трогать прод без проверки
Что нужно агенту чтобы работать по-настоящему:
✅ Память - что сделано, что провалилось и почему, чтобы не повторять одни ошибки
✅ Роль и права - что брать в работу, что не трогать, где граница полномочий
✅ Маршрутизация - какую задачу в какой ситуации взять и кому передать
✅ Проверка результата - кто и как подтверждает что сделано правильно
✅ Уборка контекста - как не тащить старый мусор в новую задачу
Microsoft в 2025 выпустил whitepaper по таксономии провалов агентов: goal hijacking, злоупотребление инструментами, отравление памяти, каскадные отказы в multi-agent системах. Это не ИИ-специфика - это классические проблемы надежности распределенных систем которые давно решены в инженерии. Anthropic отдельно опубликовали гайд по управлению контекстом для агентов - потому что контекст это операционка агента, не просто удобство
Модель - двигатель. Операционка вокруг агента - машина. Без руля, тормозов и навигации получаешь ревущий мотор на полу гаража. Мощно звучит - ехать невозможно
Еще год назад спорили какой промпт написать чтобы агент наконец заработал. Сейчас важнее другой вопрос: что агент помнит, какую роль выполняет, какие задачи имеет право брать и куда складывает результат. Вот почему я сейчас так много ковыряю не сами модели, а skills, Notion, память, роутинг и роли. Со стороны выглядит как задротство - "Mat, ну просто поручи агенту задачу". Но "просто поручить" работает один раз. Если повезло. Мне нужна повторяемость: система которая завтра снова увидит контекст, возьмет правильную карточку, сделает результат, положит его в нужное место и не сломает соседний процесс. Вот это и есть реальная автономность - не когда агент красиво болтает, а когда его работу можно проверить
⭐️ Jeff Bezos, основатель Amazon:
"Good intentions don't work. You have to have a mechanism to make it work"
🎯 Перестань ждать модель которая сама все поймет. Начни строить среду в которой агенту есть что понимать - и тогда любая следующая модель станет лучше автоматически
Instagram | YouTube | Threads
💯1
Я детально расскажу на примере Claude, но эти принципы подходят и для ChatGPT и других LLM
Представь что у Claude в голове 8 разных коробок с заметками
Какие-то всегда лежат на столе (он их читает каждый раз когда открываешь новую сессию), какие-то на полке (достаёт только когда тема всплывает)
Обычный текстовый файл с названием CLAUDE.md, который лежит в папке проекта. Claude читает его автоматически в первую секунду каждой новой сессии. Туда пишут: кто ты, как с тобой разговаривать, какие у проекта правила, где что лежит. Без этого файла Claude каждый раз с тобой знакомится заново
Что настраиваешь: создаёшь файл, наполняешь правилами, кладёшь в корень проекта
Ещё один текстовый файл с названием MEMORY.md. Короткий список того что происходит прямо сейчас: что делаем, что ждёт ответа, что должно сработать через неделю. Тоже загружается автоматом каждую сессию, но с лимитом — туда влезает примерно 4-5 страниц (25 килобайт). Когда переполняется - старые записки уезжают в архив
Что настраиваешь: создаёшь файл, договариваешься с Claude в каком формате туда писать (например, «📌 Open Items», «✅ Done», «🗄 Archive») и когда и как делать архивацию ненужного
Маленькие файлы которые часто называют feedback_что-то.md — типа «при ситуации X делай Y». Это уроки которые Claude выучил из прошлых ошибок. Их много, и читать все каждый раз нельзя - иначе займёт всё место. Поэтому он лезет за конкретным правилом только когда задача совпадает с темой
Что настраиваешь: папка memory, внутри файлы с понятными именами, и один общий индекс типа feedback-index.md
Файлы типа session_2026-05-14.md. Тоже по запросу: если сегодня нужно вспомнить что вы решили на прошлой неделе - Claude находит нужный файл и читает
Что настраиваешь: договариваешься с Claude в конце важной сессии писать короткий отчёт в этом формате
Это отдельный сервис в облаке под названием Supermemory (есть и альтернативы - Mem0, Letta, Zep). Запоминает важные куски ваших разговоров. Когда сессия заканчивается, специальный автозапуск (срабатывает сам) вытаскивает важное и кидает туда. В новой сессии можно спросить по смыслу «а мы когда-то обсуждали X?» и оно найдёт даже если ты говорил совсем другими словами
Что настраиваешь: регистрируешься в Supermemory (или альтернативе), ставишь плагин-переходник к Claude (это называется MCP - Model Context Protocol), настраиваешь автосохранение в конце сессии
Obsidian - это бесплатная программа для заметок (можно заменить на Notion, Logseq, простую папку с .md файлами). Там ты копишь годами свои статьи, конспекты, инструкции. Claude лезет туда по запросу через плагин-переходник (тот самый MCP)
Что настраиваешь: ставишь Obsidian, создаёшь хранилище заметок, добавляешь плагин obsidian-mcp чтобы Claude мог в это хранилище читать и писать
Notion (или Airtable, Google Sheets, обычная база данных) - для вещей где важна точность: цифры, статусы, даты, списки клиентов, оплаты. Главное правило - не дублировать эти данные в коробки 2 и 4. Иначе цифра в одном месте разойдётся с цифрой в другом, и непонятно где правда
Что настраиваешь: создаёшь базы в Notion, ставишь notion-mcp плагин-переходник, прописываешь в CLAUDE.md правило «Notion = главный источник правды для X, Y, Z».
Это всё что вы наговорили в текущем окне чата. Пока сессия открыта - Claude помнит каждое сообщение. Закрыл окно - рабочий стол очистился. Чтобы важное не пропало - оно должно быть записано в коробки 1, 2 или 5, иначе исчезнет
Что настраиваешь: ничего, оно работает само. Но нужно понимать его лимит - про это ниже
Instagram | YouTube | Threads
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👍1
В одной сессии Claude может удержать в голове примерно 1 млн токенов. Звучит много, но не бесконечно
Что съедается автоматом ещё до первого твоего сообщения:
- CLAUDE.md (коробка 1)
- MEMORY.md (коробка 2)
- Технические описания всех инструментов и плагинов которыми Claude умеет пользоваться
Уже на старте съедено примерно 5-10% (а у некоторых 15-20%) бюджета
Когда заполнено на 80-90% - Claude сам сжимает старую часть разговора (это называется компакция, compaction): берёт сто страниц переписки и переписывает в пять страниц краткого пересказа. Разговор идёт дальше, но мелкие детали из начала могут потеряться
Когда вообще закончилось - сессия начинается заново в новом окне (команда /clear). Чтобы важное не пропало в момент перезагрузки - оно должно быть заранее записано в коробки которые грузятся автоматом (CLAUDE.md, MEMORY.md) или в облачную умную память (Supermemory). Иначе исчезнет.
---
1. CLAUDE.md в корне проекта - с твоими правилами и контекстом
2. MEMORY.md в той же папке - с текущими делами
3. Папка memory/ для уроков (feedback_*.md) и отчётов (session_*.md)
4. Supermemory или альтернатива - для умной памяти между сессиями
5. MCP-плагины к нужным сервисам (Obsidian, Notion, что у тебя есть)
6. Автозапуск в конце сессии (так называемый Stop hook) - чтобы важное само улетало в Supermemory
7. Ротация - чтобы не проверять руками лучше всего настроить систематических аудиторов (cron-ы), которые проверяют чтобы твои файлы памяти качественно ротировались и лишнее/неактуальное своевременно уходили в архив
---
Главная мысль одной фразой
Память Claude - это не одна большая коробка, а 8 разных мест с разными правилами: одни всегда на столе (CLAUDE.md, MEMORY.md), другие на полке (feedback_*.md, session_*.md), третьи в облаке (Supermemory), четвёртые во внешних сервисах (Obsidian, Notion). Чтобы система не разваливалась - нужно понимать какая коробка для чего, и не дублировать одно и то же в разных местах
Тогда память будет качественно работать в долгосрок, а именно этого мы и добиваемся
Instagram | YouTube | Threads
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2
#Tools: Codex - как работает у меня? 👀
💡 Claude иногда уверенно завершает ответ на коде с багом - и сам же говорит "готово". Я это обнаруживал глазами или когда что-то ломалось через час в работающей системе. Сейчас перед каждым финальным ответом Codex автоматически читает все правки и выносит вердикт
Что такое Codex и как работает логика:
Codex - автономный облачный агент от OpenAI для проверки кода, анонсирован в мае 2025. Запускается в изолированном контейнере в режиме только чтения: физически не может ничего изменить, только читать и анализировать. Интернет во время работы отключен - агент видит только код и зависимости из репозитория
Два ИИ, обученные разными командами на разных данных, систематически ошибаются в разных местах. Claude написал код - Codex смотрит на те же правки независимо. То что первый пропустил, второй зацепит. Это не про то кто умнее - это принцип второго взгляда который в разработке работает всегда. В конце Codex пишет на русском: "ВЕРДИКТ: чисто" или "ВЕРДИКТ: есть замечания" с конкретным списком по формату файл: строка - суть
Как собрана система - три части:
📌 Автозапуск на финише - когда Claude собирается завершить ответ, срабатывает хук. Проверяет три вещи: есть ли реальные правки в сессии, действительно ли что-то менялось, не запускался ли Codex только что. Если все совпало - запускает проверку и возвращает анализ до финального ответа Claude
📌 Ручной запуск через skill - в любой момент прошу Claude запустить проверку прямо сейчас. Полезно когда хочу прогнать повторно после исправлений, или проверить кусок кода до завершения работы
📌 AGENTS.md в каждом проекте - файл с инструкциями для Codex в корне репозитория: что разрешено и запрещено, стилевые правила, архитектурные ограничения. Открытый стандарт - аналог CLAUDE.md у Anthropic. Codex читает файл сам перед каждой проверкой
Что Codex ищет в каждой проверке:
✅ Баги и логические ошибки которые при быстром написании легко не заметить
✅ Дыры в безопасности - оставленные пароли, небезопасный ввод, SQL-инъекции
✅ Нарушения паттернов проекта прописанных в AGENTS.md
✅ Пограничные случаи которые автор пропустил
В марте 2026 Codex Security отсканировал 1,2 млн коммитов открытых проектов и нашел около 800 критических и больше 10 000 high-severity уязвимостей в Chromium, OpenSSL и PHP. Это иллюстрация принципа: даже в коде который проверяли годами - второй независимый ревьюер находит то что пропустили все до него
Доступно на подписке ChatGPT Plus $20/мес - базовый план, не отдельный тариф. Codex работает в фоне в облаке и возвращает результат через 1-30 минут. На одну и ту же сложную задачу тратит ~1.5M токенов против ~6.2M у Claude Code - быстрее и легче для параллельной проверки
💻 Производительность: SWE-bench Pro ~57-59% - паритет с Claude Code на сложных инженерных задачах
🎯 Раньше "второй взгляд на код" означало ждать коллегу или перечитывать самому через час. Сейчас это 20 секунд пока Codex читает правки и выносит вердикт. $20 в месяц которые спасают часы отладки - самая лучшая инвестиция в систему которую я делал за последнее время
Instagram | YouTube | Threads
💡 Claude иногда уверенно завершает ответ на коде с багом - и сам же говорит "готово". Я это обнаруживал глазами или когда что-то ломалось через час в работающей системе. Сейчас перед каждым финальным ответом Codex автоматически читает все правки и выносит вердикт
Что такое Codex и как работает логика:
Codex - автономный облачный агент от OpenAI для проверки кода, анонсирован в мае 2025. Запускается в изолированном контейнере в режиме только чтения: физически не может ничего изменить, только читать и анализировать. Интернет во время работы отключен - агент видит только код и зависимости из репозитория
Два ИИ, обученные разными командами на разных данных, систематически ошибаются в разных местах. Claude написал код - Codex смотрит на те же правки независимо. То что первый пропустил, второй зацепит. Это не про то кто умнее - это принцип второго взгляда который в разработке работает всегда. В конце Codex пишет на русском: "ВЕРДИКТ: чисто" или "ВЕРДИКТ: есть замечания" с конкретным списком по формату файл: строка - суть
Как собрана система - три части:
📌 Автозапуск на финише - когда Claude собирается завершить ответ, срабатывает хук. Проверяет три вещи: есть ли реальные правки в сессии, действительно ли что-то менялось, не запускался ли Codex только что. Если все совпало - запускает проверку и возвращает анализ до финального ответа Claude
📌 Ручной запуск через skill - в любой момент прошу Claude запустить проверку прямо сейчас. Полезно когда хочу прогнать повторно после исправлений, или проверить кусок кода до завершения работы
📌 AGENTS.md в каждом проекте - файл с инструкциями для Codex в корне репозитория: что разрешено и запрещено, стилевые правила, архитектурные ограничения. Открытый стандарт - аналог CLAUDE.md у Anthropic. Codex читает файл сам перед каждой проверкой
Что Codex ищет в каждой проверке:
✅ Баги и логические ошибки которые при быстром написании легко не заметить
✅ Дыры в безопасности - оставленные пароли, небезопасный ввод, SQL-инъекции
✅ Нарушения паттернов проекта прописанных в AGENTS.md
✅ Пограничные случаи которые автор пропустил
В марте 2026 Codex Security отсканировал 1,2 млн коммитов открытых проектов и нашел около 800 критических и больше 10 000 high-severity уязвимостей в Chromium, OpenSSL и PHP. Это иллюстрация принципа: даже в коде который проверяли годами - второй независимый ревьюер находит то что пропустили все до него
Доступно на подписке ChatGPT Plus $20/мес - базовый план, не отдельный тариф. Codex работает в фоне в облаке и возвращает результат через 1-30 минут. На одну и ту же сложную задачу тратит ~1.5M токенов против ~6.2M у Claude Code - быстрее и легче для параллельной проверки
💻 Производительность: SWE-bench Pro ~57-59% - паритет с Claude Code на сложных инженерных задачах
🎯 Раньше "второй взгляд на код" означало ждать коллегу или перечитывать самому через час. Сейчас это 20 секунд пока Codex читает правки и выносит вердикт. $20 в месяц которые спасают часы отладки - самая лучшая инвестиция в систему которую я делал за последнее время
Instagram | YouTube | Threads
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2
#Tools: Codex у меня прямо в телефоне 📲
🔥 До вчерашнего дня для удаленного управления Codex нужен был отдельный SaaS-инструмент с отдельной подпиской. OpenAI 14 мая выкатили нативную интеграцию прямо в ChatGPT Mobile - и убили целый класс сторонних решений одним релизом
Как работает мобильное управление Codex:
Принцип простой: Codex продолжает работать на твоей основной машине - Mac, devbox или корпоративном сервере. ChatGPT на телефоне становится нативным пультом управления этим агентом. Никакой дополнительной инфраструктуры и промежуточных сервисов
Подключение через QR-код: Codex для Mac показывает QR в настройках, сканируешь из приложения ChatGPT - соединение устанавливается через зашифрованный relay-слой без открытия машины в публичный интернет. Файлы, учетные данные и локальный контекст остаются на хосте. На телефон передаются только обновления и результаты работы - не исходники, не секреты. Это не облачный агент которому нужно доверить репозиторий - это терминал к своей собственной машине
Что управляешь с телефона:
⚡️ Запуск задач - ставишь Codex новую задачу не открывая ноут
⚡️ Живой мониторинг - скриншоты, дифы и результаты тестов в реальном времени пока агент работает
⚡️ Управление ходом - одобряешь или отклоняешь следующие шаги, меняешь направление на ходу
⚡️ Полный контроль - все треды, переключение между моделями из одного места
На практике это закрывает конкретный кейс: поставил Codex сложную задачу, ушел на встречу - телефон показывает что происходит и пингует когда нужно одобрить следующий шаг или что-то пошло не так. Агент продолжает работать на нормальном железе, ты принимаешь решения откуда угодно. Без компромисса по мощности ради мобильности
Одновременно с мобильным интерфейсом добавили два корпоративных апдейта: SSH-подключение к enterprise-серверам (Codex теперь работает на корпоративной инфраструктуре, не только на локальной машине) и HIPAA-compliance для Enterprise-пользователей. Сигнал что OpenAI целятся не только в индивидуальных разработчиков, но и в команды с жесткими требованиями к данным
Одно ограничение пока есть: хост только Mac. Поддержка Windows в планах. Релиз вышел в режиме preview, но функциональность уже рабочая
💻 Доступно на всех планах: Free, Plus, Go, Enterprise - без доп. оплаты
✨ Мощный агент сидит на нормальной машине - телефон только терминал для управления им. Это правильная архитектура: вычисления там где мощь, интерфейс там где удобно. Обновляй Codex для Mac, сканируй QR из ChatGPT. Минус еще один SaaS из стека
Instagram | YouTube | Threads
🔥 До вчерашнего дня для удаленного управления Codex нужен был отдельный SaaS-инструмент с отдельной подпиской. OpenAI 14 мая выкатили нативную интеграцию прямо в ChatGPT Mobile - и убили целый класс сторонних решений одним релизом
Как работает мобильное управление Codex:
Принцип простой: Codex продолжает работать на твоей основной машине - Mac, devbox или корпоративном сервере. ChatGPT на телефоне становится нативным пультом управления этим агентом. Никакой дополнительной инфраструктуры и промежуточных сервисов
Подключение через QR-код: Codex для Mac показывает QR в настройках, сканируешь из приложения ChatGPT - соединение устанавливается через зашифрованный relay-слой без открытия машины в публичный интернет. Файлы, учетные данные и локальный контекст остаются на хосте. На телефон передаются только обновления и результаты работы - не исходники, не секреты. Это не облачный агент которому нужно доверить репозиторий - это терминал к своей собственной машине
Что управляешь с телефона:
⚡️ Запуск задач - ставишь Codex новую задачу не открывая ноут
⚡️ Живой мониторинг - скриншоты, дифы и результаты тестов в реальном времени пока агент работает
⚡️ Управление ходом - одобряешь или отклоняешь следующие шаги, меняешь направление на ходу
⚡️ Полный контроль - все треды, переключение между моделями из одного места
На практике это закрывает конкретный кейс: поставил Codex сложную задачу, ушел на встречу - телефон показывает что происходит и пингует когда нужно одобрить следующий шаг или что-то пошло не так. Агент продолжает работать на нормальном железе, ты принимаешь решения откуда угодно. Без компромисса по мощности ради мобильности
Одновременно с мобильным интерфейсом добавили два корпоративных апдейта: SSH-подключение к enterprise-серверам (Codex теперь работает на корпоративной инфраструктуре, не только на локальной машине) и HIPAA-compliance для Enterprise-пользователей. Сигнал что OpenAI целятся не только в индивидуальных разработчиков, но и в команды с жесткими требованиями к данным
Одно ограничение пока есть: хост только Mac. Поддержка Windows в планах. Релиз вышел в режиме preview, но функциональность уже рабочая
💻 Доступно на всех планах: Free, Plus, Go, Enterprise - без доп. оплаты
✨ Мощный агент сидит на нормальной машине - телефон только терминал для управления им. Это правильная архитектура: вычисления там где мощь, интерфейс там где удобно. Обновляй Codex для Mac, сканируй QR из ChatGPT. Минус еще один SaaS из стека
Instagram | YouTube | Threads
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
#AI: СНОВА ПЕРЕЕЗД! 14 агентов с Claude на ChatGPT 🤬
⚡️ Выходные уже расписаны: переевожу 14 агентов с Claude на ChatGPT. Anthropic 13 мая объявили - с 15 июня Agent SDK и claude -p выходят из подписки в отдельный кредитный пул
Что именно меняется с 15 июня:
Anthropic отделяет агентскую нагрузку от интерактивного использования. До 15 июня - сколько угодно агентских вызовов в рамках подписки. После - кредитный пул по тарифу: Pro $20/мес, Max 5x $100/мес, Max 20x $200/мес. Кредиты сгорают ежемесячно, не переносятся. Это перевод агентского трафика с подписочных цен на тариф ближе к API
Под счетчик: Agent SDK, claude -p, Claude Code в GitHub Actions, сторонние приложения с Agent SDK-авторизацией. Не затронуто: интерактивный Claude Code в терминале и веб-чат. Те кто работает через API Key - изменений не заметят. Пострадают конкретно разработчики которые запускали автоматизацию через потребительскую подписку
Eligible-пользователи получат письмо с инструкцией забрать кредит до 15 июня - проверь почту и настройки подписки
Почему 14 агентов - это проблема:
📌 Все 14 живут на VPS - работают в фоне в Telegram, обрабатывают входящие, роутят запросы
📌 Все ходят через Agent SDK - именно это Anthropic ставит на счетчик
📌 14 параллельных агентов - это не "несколько редких вызовов в день"
С 15 июня весь этот трафик начнет есть из Pro-кредита. $20 в месяц на 14 параллельных агентов - это жесткий лимит который кончится быстро
ChatGPT Pro пока работает без отдельного агентского счетчика и включает Agent Mode, GPT-5.5 и Deep Research. ChatGPT сейчас не уступает Claude на агентских задачах - и при почти безлимитной подписке это очевидный выбор для фоновой автоматизации
Мой план на ближайшие выходные:
🟢 Переезжают на ChatGPT - все 14 Telegram-агентов на VPS
🟢 Остается на Claude - интерактивный Claude Code в терминале, вся работа с кодом руками
🟢 Дедлайн - до 15 июня перенастроить, протестировать, переключить трафик
Работать теперь будет так. Халява должна была закончиться рано или поздно и лучше рано😎
Instagram | YouTube | Threads
⚡️ Выходные уже расписаны: переевожу 14 агентов с Claude на ChatGPT. Anthropic 13 мая объявили - с 15 июня Agent SDK и claude -p выходят из подписки в отдельный кредитный пул
Что именно меняется с 15 июня:
Anthropic отделяет агентскую нагрузку от интерактивного использования. До 15 июня - сколько угодно агентских вызовов в рамках подписки. После - кредитный пул по тарифу: Pro $20/мес, Max 5x $100/мес, Max 20x $200/мес. Кредиты сгорают ежемесячно, не переносятся. Это перевод агентского трафика с подписочных цен на тариф ближе к API
Под счетчик: Agent SDK, claude -p, Claude Code в GitHub Actions, сторонние приложения с Agent SDK-авторизацией. Не затронуто: интерактивный Claude Code в терминале и веб-чат. Те кто работает через API Key - изменений не заметят. Пострадают конкретно разработчики которые запускали автоматизацию через потребительскую подписку
Eligible-пользователи получат письмо с инструкцией забрать кредит до 15 июня - проверь почту и настройки подписки
Почему 14 агентов - это проблема:
📌 Все 14 живут на VPS - работают в фоне в Telegram, обрабатывают входящие, роутят запросы
📌 Все ходят через Agent SDK - именно это Anthropic ставит на счетчик
📌 14 параллельных агентов - это не "несколько редких вызовов в день"
С 15 июня весь этот трафик начнет есть из Pro-кредита. $20 в месяц на 14 параллельных агентов - это жесткий лимит который кончится быстро
ChatGPT Pro пока работает без отдельного агентского счетчика и включает Agent Mode, GPT-5.5 и Deep Research. ChatGPT сейчас не уступает Claude на агентских задачах - и при почти безлимитной подписке это очевидный выбор для фоновой автоматизации
Мой план на ближайшие выходные:
🟢 Переезжают на ChatGPT - все 14 Telegram-агентов на VPS
🟢 Остается на Claude - интерактивный Claude Code в терминале, вся работа с кодом руками
🟢 Дедлайн - до 15 июня перенастроить, протестировать, переключить трафик
Работать теперь будет так. Халява должна была закончиться рано или поздно и лучше рано
Instagram | YouTube | Threads
Please open Telegram to view this post
VIEW IN TELEGRAM
😢2
#AI: Жду ИИ-хтони. Она уже началась 👾
🤔 Все разговоры про "пузырь ИИ", "кто ревьювить будет слоп от агентов" и "кожаный выгоднее" - это временные дискуссии людей которые пропускают главную мысль. Корпорации не уговорят принять ИИ-кодинг через мотивационные спичи CEO - заставит старый добрый Бенджамин Франклин.
Сигналы уже идут - читал отчет Google Threat Intelligence за май 2026:
Они фиксируют агентские системы с LLM которые просто ходят по интернету и занимаются взломом. В мае 2026 задокументировали первый реальный кейс - ИИ создал zero-day эксплойт в боевой атаке. Microsoft считает 600+ млн кибератак в сутки на своих клиентов, ransomware вырос в 2.75x год к году - и это еще до того как Mythos-класс моделей стал широко доступен
Anthropic сделали Mythos - подключаешь в Claude Code и получаешь одновременно лучший кодинг-агент и лучшего эксперта по ИТ-безопасности на планете. Нашла тысячи zero-day в каждой крупной ОС, каждом браузере. У OpenAI аналог - серия Cyber с ограниченным доступом через Trusted Access. К обоим не пробиться с улицы - нужен аудит компании, большинство разработчиков никогда не пройдут этот фильтр
Кто уже в клубе Project Glasswing:
📌 Amazon, Apple, Microsoft - ключевые партнеры программы
📌 Cisco, CrowdStrike, Palo Alto Networks - работают с Mythos для защиты
📌 $100M кредитов Anthropic выделила на программу
📌 Linux Foundation - защита критической опенсорс-инфраструктуры
Как это сломает рынок когда Mythos выйдет в опенсорс:
⚡️ Первый месяц - злоумышленники запускают рой агентов, автоматический взлом всех кто не партнер Anthropic или OpenAI
⚡️ Первая большая корпорация ложится - шифровальщик на всю корп-сеть, это больше не гипотетика
⚡️ После этого события - "дискуссия про ИИ-агентов" в ИТ-департаментах превращается в вопрос выживания бизнеса
⚡️ Те кто в клубе - агент-защитник плюс лучший кодинг-инструмент одним пакетом
⚡️ Те кто вне - 24/7 атаки и очередь к Anthropic/OpenAI, которая может и не принять
Китайские лабы здесь дополнительно теряют. Основной способ получить Mythos-уровень возможностей - дистилляция через американские модели. Anthropic уже назвала публично: DeepSeek, Moonshot и MiniMax гнали 16+ млн запросов через 24 000 фейковых аккаунтов для кражи логики агентских рассуждений и кодинга. "Доступ по спискам" к Mythos и Cyber серьезно замедляет этот маршрут - в опенсорсе аналог появится, но займет больше года
💼 Anthropic и OpenAI еще даже не начали зарабатывать основные деньги - пик придет после первой крупной корпоративной катастрофы от ИИ-атаки
⭐️ Mikko Hyppönen, Chief Research Officer, WithSecure:
💭 Жду этого момента - не потому что хочу чтобы кто-то пострадал, а потому что только после первой реальной корпоративной катастрофы от ИИ-агентской атаки споры про "нужен ли ИИ-кодинг" закончатся сами собой. Руками написанный бекенд без ИИ-защитника - это мишень, а не предмет для ИТ-дискуссии
Instagram | YouTube | Threads
🤔 Все разговоры про "пузырь ИИ", "кто ревьювить будет слоп от агентов" и "кожаный выгоднее" - это временные дискуссии людей которые пропускают главную мысль. Корпорации не уговорят принять ИИ-кодинг через мотивационные спичи CEO - заставит старый добрый Бенджамин Франклин.
Сигналы уже идут - читал отчет Google Threat Intelligence за май 2026:
Они фиксируют агентские системы с LLM которые просто ходят по интернету и занимаются взломом. В мае 2026 задокументировали первый реальный кейс - ИИ создал zero-day эксплойт в боевой атаке. Microsoft считает 600+ млн кибератак в сутки на своих клиентов, ransomware вырос в 2.75x год к году - и это еще до того как Mythos-класс моделей стал широко доступен
Anthropic сделали Mythos - подключаешь в Claude Code и получаешь одновременно лучший кодинг-агент и лучшего эксперта по ИТ-безопасности на планете. Нашла тысячи zero-day в каждой крупной ОС, каждом браузере. У OpenAI аналог - серия Cyber с ограниченным доступом через Trusted Access. К обоим не пробиться с улицы - нужен аудит компании, большинство разработчиков никогда не пройдут этот фильтр
Кто уже в клубе Project Glasswing:
📌 Amazon, Apple, Microsoft - ключевые партнеры программы
📌 Cisco, CrowdStrike, Palo Alto Networks - работают с Mythos для защиты
📌 $100M кредитов Anthropic выделила на программу
📌 Linux Foundation - защита критической опенсорс-инфраструктуры
Как это сломает рынок когда Mythos выйдет в опенсорс:
⚡️ Первый месяц - злоумышленники запускают рой агентов, автоматический взлом всех кто не партнер Anthropic или OpenAI
⚡️ Первая большая корпорация ложится - шифровальщик на всю корп-сеть, это больше не гипотетика
⚡️ После этого события - "дискуссия про ИИ-агентов" в ИТ-департаментах превращается в вопрос выживания бизнеса
⚡️ Те кто в клубе - агент-защитник плюс лучший кодинг-инструмент одним пакетом
⚡️ Те кто вне - 24/7 атаки и очередь к Anthropic/OpenAI, которая может и не принять
Китайские лабы здесь дополнительно теряют. Основной способ получить Mythos-уровень возможностей - дистилляция через американские модели. Anthropic уже назвала публично: DeepSeek, Moonshot и MiniMax гнали 16+ млн запросов через 24 000 фейковых аккаунтов для кражи логики агентских рассуждений и кодинга. "Доступ по спискам" к Mythos и Cyber серьезно замедляет этот маршрут - в опенсорсе аналог появится, но займет больше года
💼 Anthropic и OpenAI еще даже не начали зарабатывать основные деньги - пик придет после первой крупной корпоративной катастрофы от ИИ-атаки
⭐️ Mikko Hyppönen, Chief Research Officer, WithSecure:
"ИИ не делает преступников умнее - он делает их быстрее. В кибербезопасности скорость решает все: защитникам нужны дни на патч, злоумышленникам минуты на эксплойт"
💭 Жду этого момента - не потому что хочу чтобы кто-то пострадал, а потому что только после первой реальной корпоративной катастрофы от ИИ-агентской атаки споры про "нужен ли ИИ-кодинг" закончатся сами собой. Руками написанный бекенд без ИИ-защитника - это мишень, а не предмет для ИТ-дискуссии
Instagram | YouTube | Threads
#AI: Google перестал продавать ИИ - он его внедряет 🔧
👀 Google Cloud объявил найм сотен Forward Deployed Engineers - и это не рекрутинговый пресс-релиз. За этим стоит разворот бизнес-модели: из "продаем доступ к Gemini" в "отправляем наших инженеров жить внутрь процессов клиента пока ИИ реально не заработает".
Что такое Forward Deployed Engineer:
Google открыл 59 вакансий по США, Лондону, Парижу и Гонконгу. FDE - это не консультант который презентует и уходит. Это разработчик которого командируют внутрь клиента: пишет production-код прямо в их инфраструктуре, итерирует пока система не работает стабильно в проде, возвращает найденные паттерны обратно в продуктовую команду Google. Разница с классическим консалтингом принципиальная: FDE несет ответственность за то что работает в production - не за то что написано в финальном отчете. Base $127K-$183K + equity, senior-пакеты достигают $400K+
Модель придумал Palantir еще в 2003 - он зарабатывал на том что буквально вшивал своих инженеров в процессы ЦРУ и крупных корпораций. Теперь Google, OpenAI и Anthropic копируют формулу, только вместо данных разведки - Gemini, GPT-4o и Claude.
Почему FDE вообще нужен - в чем проблема:
95% корпоративных ИИ-пилотов проваливаются. Не потому что модели плохие - потому что разрыв между тем что умеет ИИ-лаба и тем что может ИТ-отдел банка или ритейлера огромный. Клиент понимает свой бизнес, Google понимает как Gemini работает в проде. Ни одна сторона не имеет экспертизы другой. FDE закрывает этот разрыв физически - своим присутствием на объекте
Что Google переформатирует через FDE:
💡 Убирает "продал и забыл" - инженер остается пока бизнес-метрики реально не сдвинулись
💡 Встраивается через интеграторов - $750M на партнерскую экосистему, FDE сидят внутри Accenture, Capgemini, Deloitte, PwC, TCS
💡 Скармливает паттерны в продукт - все что FDE находит внутри клиента идет обратно в Gemini
💡 Имеет рычаг токенов - Google Cloud API: 16 млрд токенов в минуту, рост с 10 млрд за квартал
Конкуренция FDE уже идет:
⚡️ OpenAI - купила Tomoro (~150 специалистов) и создала ИИ-консалтинг с Bain, Capgemini и McKinsey
⚡️ Anthropic - наращивает embedded-команды для enterprise
⚡️ Palantir - оригинал этой модели, 20 лет в рынке, наблюдает с улыбкой
⚡️ Microsoft и AWS - свои версии для Azure OpenAI и Bedrock
⭐️ Thomas Kurian, CEO Google Cloud:
🎯 Palantir придумал эту модель и стал компанией на $100+ млрд. Теперь все ИИ-гиганты в той же игре, только с LLM внутри. Мы выходим из SaaS-эпохи и заходим в эпоху "ИИ как встроенная команда". И тут интересный момент для разработчиков: FDE - это следующий уровень карьеры в ИИ. Не тот кто пишет промпты, а тот кто умеет взять черный ящик модели и заставить его работать в реальных процессах корпорации. Судя по зарплатам до $400K - рынок это уже понял 😎
Instagram | YouTube | Threads
👀 Google Cloud объявил найм сотен Forward Deployed Engineers - и это не рекрутинговый пресс-релиз. За этим стоит разворот бизнес-модели: из "продаем доступ к Gemini" в "отправляем наших инженеров жить внутрь процессов клиента пока ИИ реально не заработает".
Что такое Forward Deployed Engineer:
Google открыл 59 вакансий по США, Лондону, Парижу и Гонконгу. FDE - это не консультант который презентует и уходит. Это разработчик которого командируют внутрь клиента: пишет production-код прямо в их инфраструктуре, итерирует пока система не работает стабильно в проде, возвращает найденные паттерны обратно в продуктовую команду Google. Разница с классическим консалтингом принципиальная: FDE несет ответственность за то что работает в production - не за то что написано в финальном отчете. Base $127K-$183K + equity, senior-пакеты достигают $400K+
Модель придумал Palantir еще в 2003 - он зарабатывал на том что буквально вшивал своих инженеров в процессы ЦРУ и крупных корпораций. Теперь Google, OpenAI и Anthropic копируют формулу, только вместо данных разведки - Gemini, GPT-4o и Claude.
Почему FDE вообще нужен - в чем проблема:
95% корпоративных ИИ-пилотов проваливаются. Не потому что модели плохие - потому что разрыв между тем что умеет ИИ-лаба и тем что может ИТ-отдел банка или ритейлера огромный. Клиент понимает свой бизнес, Google понимает как Gemini работает в проде. Ни одна сторона не имеет экспертизы другой. FDE закрывает этот разрыв физически - своим присутствием на объекте
Что Google переформатирует через FDE:
💡 Убирает "продал и забыл" - инженер остается пока бизнес-метрики реально не сдвинулись
💡 Встраивается через интеграторов - $750M на партнерскую экосистему, FDE сидят внутри Accenture, Capgemini, Deloitte, PwC, TCS
💡 Скармливает паттерны в продукт - все что FDE находит внутри клиента идет обратно в Gemini
💡 Имеет рычаг токенов - Google Cloud API: 16 млрд токенов в минуту, рост с 10 млрд за квартал
Конкуренция FDE уже идет:
⚡️ OpenAI - купила Tomoro (~150 специалистов) и создала ИИ-консалтинг с Bain, Capgemini и McKinsey
⚡️ Anthropic - наращивает embedded-команды для enterprise
⚡️ Palantir - оригинал этой модели, 20 лет в рынке, наблюдает с улыбкой
⚡️ Microsoft и AWS - свои версии для Azure OpenAI и Bedrock
⭐️ Thomas Kurian, CEO Google Cloud:
"If you are a builder who wants to work on the world's largest stages and be at the center of the agentic era - join us"
🎯 Palantir придумал эту модель и стал компанией на $100+ млрд. Теперь все ИИ-гиганты в той же игре, только с LLM внутри. Мы выходим из SaaS-эпохи и заходим в эпоху "ИИ как встроенная команда". И тут интересный момент для разработчиков: FDE - это следующий уровень карьеры в ИИ. Не тот кто пишет промпты, а тот кто умеет взять черный ящик модели и заставить его работать в реальных процессах корпорации. Судя по зарплатам до $400K - рынок это уже понял 😎
Instagram | YouTube | Threads
🔥3
#AI: OpenAI научился вычислять свои картинки 🧐
👀 OpenAI 19 мая тихо запустили инструмент который меняет правила для ИИ-изображений. Загружаешь любую картинку - и через несколько секунд узнаешь: ChatGPT ее нарисовал или нет.
Что такое Verify:
Инструмент работает публично и бесплатно. Открываешь openai.com/verify, загружаешь файл - получаешь отчет: есть маркеры OpenAI или нет. Начиная с 19 мая 2026 года все изображения созданные через ChatGPT, OpenAI API и Codex автоматически получают два невидимых сигнала встроенных в данные изображения. Один криптографический в метаданных, второй прямо в пикселях. Без каких-либо настроек со стороны пользователя
Две технологии под капотом:
📌 C2PA Content Credentials - криптографически подписанные метаданные с источником, инструментом создания и временной меткой. Открытый стандарт: поддерживают Adobe, Microsoft, Google, Reuters, BBC и еще несколько сотен организаций. Слабость: метаданные можно программно зачистить
📌 SynthID от Google DeepMind - невидимые водяные знаки встроенные прямо в пиксели. Выживают после скриншотов, сжатия, кадрирования и смены формата. Именно поэтому обе технологии работают в паре: где одна не справляется - берет вторая
OpenAI честно признают: ошибки редки, но возможны. Главное ограничение на сегодня - Verify видит только изображения от продуктов OpenAI. Загрузишь картинку из Midjourney или Stable Diffusion - получишь пустой результат, и это не значит что она не ИИ-шная
Что происходит дальше с экосистемой:
⚡️ Google Search и Chrome - готовятся встроить нативное обнаружение SynthID-водяных знаков прямо в браузер и поисковую выдачу
⚡️ Adobe через CAI - уже несколько лет двигает C2PA как глобальный отраслевой стандарт через коалицию с медиа, tech и камерными производителями
⚡️ Путь к полному охвату - только когда весь рынок примет C2PA, детекция перестанет быть "только про OpenAI" и станет настоящим инфраструктурным слоем
💼 Verify доступен бесплатно по адресу openai.com/verify - без регистрации, без ограничений
⭐️ Andy Parsons, Head of Content Authenticity Initiative, Adobe:
💭 OpenAI сделали Verify бесплатным публичным инструментом - не монетизируют, строят инфраструктуру доверия. Слабое место очевидно: пока это работает только для картинок из самого OpenAI. Но вектор понятен - когда Google встроит детекцию прямо в Search, изображения без метаданных начнут вызывать подозрение автоматически. Логика перевернется: не "нашли маркер - значит ИИ", а "маркера нет - значит что-то тут не так" 👀
Instagram | YouTube | Threads
👀 OpenAI 19 мая тихо запустили инструмент который меняет правила для ИИ-изображений. Загружаешь любую картинку - и через несколько секунд узнаешь: ChatGPT ее нарисовал или нет.
Что такое Verify:
Инструмент работает публично и бесплатно. Открываешь openai.com/verify, загружаешь файл - получаешь отчет: есть маркеры OpenAI или нет. Начиная с 19 мая 2026 года все изображения созданные через ChatGPT, OpenAI API и Codex автоматически получают два невидимых сигнала встроенных в данные изображения. Один криптографический в метаданных, второй прямо в пикселях. Без каких-либо настроек со стороны пользователя
Две технологии под капотом:
📌 C2PA Content Credentials - криптографически подписанные метаданные с источником, инструментом создания и временной меткой. Открытый стандарт: поддерживают Adobe, Microsoft, Google, Reuters, BBC и еще несколько сотен организаций. Слабость: метаданные можно программно зачистить
📌 SynthID от Google DeepMind - невидимые водяные знаки встроенные прямо в пиксели. Выживают после скриншотов, сжатия, кадрирования и смены формата. Именно поэтому обе технологии работают в паре: где одна не справляется - берет вторая
OpenAI честно признают: ошибки редки, но возможны. Главное ограничение на сегодня - Verify видит только изображения от продуктов OpenAI. Загрузишь картинку из Midjourney или Stable Diffusion - получишь пустой результат, и это не значит что она не ИИ-шная
Что происходит дальше с экосистемой:
⚡️ Google Search и Chrome - готовятся встроить нативное обнаружение SynthID-водяных знаков прямо в браузер и поисковую выдачу
⚡️ Adobe через CAI - уже несколько лет двигает C2PA как глобальный отраслевой стандарт через коалицию с медиа, tech и камерными производителями
⚡️ Путь к полному охвату - только когда весь рынок примет C2PA, детекция перестанет быть "только про OpenAI" и станет настоящим инфраструктурным слоем
💼 Verify доступен бесплатно по адресу openai.com/verify - без регистрации, без ограничений
⭐️ Andy Parsons, Head of Content Authenticity Initiative, Adobe:
"Content credentials - это как этикетка с составом на продукте. Только не для еды, а для цифрового контента: сразу видно кто создал, каким инструментом и когда"
💭 OpenAI сделали Verify бесплатным публичным инструментом - не монетизируют, строят инфраструктуру доверия. Слабое место очевидно: пока это работает только для картинок из самого OpenAI. Но вектор понятен - когда Google встроит детекцию прямо в Search, изображения без метаданных начнут вызывать подозрение автоматически. Логика перевернется: не "нашли маркер - значит ИИ", а "маркера нет - значит что-то тут не так" 👀
Instagram | YouTube | Threads
🔥2