Напоминаю, что у же завтра пройдет наш эфир про применение ИИ у застройщиков!

РЕГИСТРАЦИЯ по ссылке

Через 10 минут начинаем трансляцию про применение ИИ у застройщиков

В гостях — Сергей Михеев, ИТ-директор в «Ак Барс Дом»

Если тема для вас актуальна, подключайтесь к трансляции по ссылке: https://vkvideo.ru/video-137384692_456239243

Можно задавать вопросы в чате трансляции

Не надо тащить нейросетки туда, где они не нужны. Если фичу можно сделать детерминированной (без LLM) — надо делать детерминированной

В разработке есть огромное кол-во фичей, которые можно очень круто и просто сделать с современными LLM-модельками.
Надо проверить наличие контактных данных в тексте? LMM-ка может.
Надо найти в тексте опечатки? LMM-ка может.
Классифицировать входящие заявки? LMM-ка может.

Сейчас многие продуктовые задачи можно быстро и прсото решить при помощи нейросеток, простого промпта и нескольких строк кода. Но проблема в том, что любой инференс — на самом деле, штука очень дорогая. Этого можно не замечать на малых объемах данных — «подумаешь, 0.0001$». Но часто это в сотни и даже тысячи раз медленней и дороже, чем решение той же задачи традиционными способами без нейросеток.

Очень простой пример
Есть текст CV кандидата и вам надо из него вытащить его контактные данные.

С этим справится любая LLM, но она сожжет на это ±2к+ токенов и будет генерировать вам ответ ±секунду — цифры вроде смешные и многих могут устраивать. Но сейчас на вакансию часто прилетает 1000+ откликов и получается, что на одну вакаснсию вам придется сжигать уже несколько миллионов токенов.

Но эту же задачу по извлечению данных из CV можно решить старыми добрыми регулярными выражениями. Да, придется потратить сильно больше времени на код и на его отладку, поймать множество корнер-кейсов (телефоны в разных форматах, пробелы, скобки, Telegram, WhatsApp, ссылки), сделать несколько итераций доработок... но в итоге это будет работать за милисекунды, полностью на CPU. Никакого инференса LLM-ок, никаких токенов, никаких доп расходов.

Ну и понятно, что с ростом масштабов самих продуктов, разрыв в стоимости LLMных решений и классических детерминированных будет только расти (речь про стоимость их эксплуатации, не про стоимость разработки!!!)

В общем, когда вам предлагают быстренько сделать какую-то крутую ИИ-фичу — посчитайте цифры

Один из самых лютых UX-косяков, которые меня бесят — это меню у иконки в русской версии Zoom

Я хочу просто закрыть Zoom, чтобы он не висел в оперативке. Есть 2 пункта меню: один делает нужное мне, второй разлогинивает из учетки. Угадайте, какой «выход» я должен выбрать?

Не угадали

Динамика рынка ИТ-аутстаффинга за май 2025 - май 2026

Май кончился, делюсь обновленным графиком динамики спроса на рынке ИТ-аутстаффинга.

Теперь уже видна Y2Y-динамика. Май просел на 6.2% по отношению к прошлому году.

Про методику и данные для аналитики — в оригинальном посте

—
Кстати, активно расширяем партнерскую есть, чтобы быстрей закрывать прямые запросы клиентов — пишите Кате, если хотите вступить

Создание пользовательской документации — отличный сценарий применения ИИ-агентов

Если нужно сделать подробный документ с пользовательской документацией по экcплуатации какого-то продукта, ИИ-агенты просто отлично и очень быстро с этим справляются.

— Готовим агенту тестовый стенд
— Даем данные от тестового пользователя
— Подключаешь MCP Playwright
— Описываем, какие сценарии/разделы/функции должна покрывать документация
— Просим подготовить документацию самостоятельно пройдя все пользовательские сценарии

Агент, который работает в контексте кодовой базы этого продукта, отлично ориентируется в интерфейсах и очень бодро подхватывает и понимает, как пройти все заданные сценарии. Проходит их, сам везде делает нужные скриншоты и упаковывает это в отличный структурированный документ.

Объем, уровень и качество документации — раньше на такое уходила пара дней работы джун-аналитика. Понятно, что с первого прохода это не финальный документ: его надо вычитать, проверить, где агент додумал лишнего, поправить формулировки. Но после одной-двух итераций получается уже вполне годная пользовательская документация, которой можно пользоваться и которую не стыдно показывать людям

Сегодня общался с коллегой по рынку на тему опыта применения ИИ в сложной разработке

Удивительно, но совершенно независимо друг от друга мы параллельно проходим очень похожий путь трансформации и сталкиваемся с очень похожими вещами: компактизация команд разработки, переосмысление подходов к документации, бесконечные эксперименты с инструментами и моделями, людской саботаж, эксперименты с ИИ в разных частях SDLC и многое другое.

Один из тезисов, в котором мы однозначно сошлись и которым хочется поделиться заключается в следующем.

Хоть ИИ и ускоряет генерацию кода и отдельные процессы, но конечное качество и скорость разработки определяются архитектурой процессов и ЛЮДЬМИ, которые эту архитектуру строят

К этой мысли еще хочу добавить, что проникновение ИИ в разработку — неотвратимый процесс и что очень скоро отсутствие ИИ в процессе будет выглядеть также «странно», как сегодня выглядит отсутствие в процессе Git и CI/CD, например. И с ростом проникновения ИИ в процессы разработки также будет расти роль качества и системности инженерных практик в этих процессах и роль и ценность людей, которые за эти практики/процессы отвечают

Когда попросил Гигачат угадать слово 🤦‍♂️

Давно ничего не писал про нейросети (итак из каждого утюга), а сейчас хочу поделиться мыслью про происходящую гонку моделей

Буквально за ~месяц в мире frontier-моделек произошло много интересного. Краткий мой пересказ - под спойлером.

Антропики распиарили свою супер-модель нового поколения Mythos 5, которая по их словам: слишком крута и слишком опасна, потому что на раз можем взломать любые системы, умеет думать, обходить правила, прямо почти AGI — в общем, человечество к такому пока не готово и поэтому модельку дали только какому-то супер-узкому составу компаний. А для обычных людей в начале июня выкатили на всех «урезанную версию» поколения Mythos — Fable 5, которая вроде как и нового поколения, но по бенч-маркам показывает не сильно большой прирост, при этом стоит х2 от Opus 4.8, и при том еще автоматически переключается в виде фолбека на тот самый Опус, если ей кажется что она может быть опасной/навредить — забавно, но еще не все. Потом пришел «американский РКН» и обязал Антропиков заблокировать модель для всех неграждан США, а те не имея возможности надежно исполнить требование (потому что как ты определишь гражданство миллионов своих пользователей?) выключили модаль вообще для всех до выяснения обстоятельств. И только спустя месяц (вот буквально вчера) они снова вернули ее в общий доступ, но с еще более жесткими фильтрами по безопасности и более частыми переключениями на Opus. По существу самой модели я сказать ничего не могу - пользовался ей минимально, по ощущениям тот же Опус :) Читал каналам - тоже единого мнения не увидел: кто-то говорит про какой-то несущественный прирост, кто-то даже писал про деградацию на своих задачах — в любом случае, какого-то революционного скачка не было

Тем временем, китайская Z.AI выпустила своего флагмана GLM-5.2, который тоже сколько-то шуму наделал. По многим бенчмаркам она уже ну уровне с флагманами Opus 4.7-4.8, GPT-5.5 и при этом в 5 раз меньше по цене. Китайцы не дают расслабиться в этом конкурентной борьбе.

Ну и OpenAI. Долго молчали, а на прошлой неделе сделали пятничный подарок и объявили о своих новых моделях - GPT-5.6, которые не уступают по бенчамарках тому самому Mythos от Антропиков. Там особенность в том, что это уже сразу сеймейство моделей: Sol (супер-флагман по цене GPT-5.5), Terra (рабочая лошадка для повседневных задач - на уровне gpt-5.5, но по цене gpt-5.4) и Luna (быстрая, дешевая, для простых задач). Главное, что я тут вижу и чему рад — более лояльная ценовая политика. Новый флагман по цене флагмана предыдущего поколения, а качество и мозки gpt-5.5 по более низкой цене — кайф, короче. Но есть нюанс. Модели пока сделали доступными для узкого круга проверенных компаний, а для всех откроют через ~месяц после пилотов и консультаций все с тем же «американским РКН»

Знаете принцип Парето? Мне кажется, что 20% пути, которые дали нам 80% результата был пройдены где-то в момент появления gpt-5.4 и Opus 4.5 (примерно).

Я очень активно использую в работе для повседневных задач и для кодинга gpt-5.4/gpt-5.5 и поймал себя на мысли, что уже довольно давно мне этого полностью хватает. Модели уже настолько крутые, что прямо с лихвой закрывают все мои потребности и я буквально не вижу существенной точки роста в дальнейшем развитии моделей. Если модели станут в разы круче по всем бенчмаркам, то скорость работы/эффективности увеличится благодаря этому совсем незначитально (если вообще увеличится).

Сейчас точка роста с возможностей моделей сместилась совсем на другое, на «Харнесс»: подход к работе, организация воркфлоу, тулы для моделей, оркестрация, организация и умение работать с контекстом. На то, как с кратко выросшей благодаря нейросетям скоростью не скатиться в хаос и сохранить контроль над процессом и продолжать выдавать прогнозируемое качество результата.

А увеличивать эффективность не за счет моделей, а за счет харнесса — гораздо сложней. Потому что в случае с модельками за тебя все делают всякие Антропики и ты просто используешь. А в случае с харнессом надо включать мозги, копаться и перестраивать свои процессы — а это часто бывает очень больно 😀

Динамика рынка ИТ-аутстаффинга за май 2025 - июнь 2026

Июнь кончился, делюсь обновленным графиком динамики спроса на рынке ИТ-аутстаффинга.

Июнь просел на 6.7% по отношению к прошлому году.

Про методику и данные для аналитики — в оригинальном посте

—
Кстати, активно расширяем партнерскую есть, чтобы быстрей закрывать прямые запросы клиентов — пишите Кате, если хотите вступить

Буквально за последние 2 месяца было большое количество релизов как коммерческих моделей (GPT, Claude, Gemini), так и открытых (GLM, Kimi) и по бенчмаркам все модели уже очень близки друг к другу.

Можно следить за изменениями и держать все в голове — да. Но понимать с такой динамикой все нюансы происходящего и уж тем более пробовать все на практике — практически нереально.

И вот вчера у нас была встреча закрытого комьюнити нашей ИИ-Академии, обсуждали последние изменения из мира frontier нейросетей и делились опытом.

Поделились друг с другом своими наблюдениями про модели и ценовую политику - кто чем пользуется, какие инсайты есть. Я рассказал про свой опыт с Codex, с новыми модельками gpt-5.6-*, про свое разочарование Terra, про фестиваль ресетов от OpenAI. Ребята делились своими наблюдениями про участившееся баны аккаунтов и зависимость этого от способов оплаты, про опыт перехода с Cursor на Claude Code, наблюдениями про реальную разницу между Fable и Opus, немного про опыт использования опен-сорса через OpenCode поговорили, еще обменялись актуальным опытом и сделанными открытиями в плане разного харнесса и и того как это дружит с обновленными моделями. У всех очень разный опыт, как в плане компаний, их процессов и решаемых задач, так и в плане используемых инструментов.

И вот такие закрытые встречи в узком кругу — на мой взгляд, просто must have сегодня. Помогает держать руку на пульсе и расширять кругозор!

Слышали про релиз модели Kimi K3? Хочу накинуть несколько полезных фактов про железо под эту модель

Главная особенность релиза в том, что Kimi K3 — это самый большой (2.8T параметров) Open Souce, который по бенч-маркам в одной лиге с Fable 5, GPT-5.6 Sol, Opus 4.8 и стабильно обгоняет тот же GPT-5.5.

Т.е. эту модельку можно развернуть на своем железе в своем контуре и это будет полноценный frontier-уровень, будет круто и безопасно.

Но чтобы запустить это чудо в своем контуре — надо около 1.5+ терабайт VRAM. Таких видео-карт в природе не существует и тут нужен целый их кластер, при чем очень хороших и много. Для понимания: у самой топовой потребительской видеокарты RTX 5090 — всего 32 ГБ VRAM, а у топой серверной B300 - 288 ГБ VRAM.

В общем, я задался вопросом — можно ли вообще найти у РФ-провайдеров подходящие конфигурации в аренду и сколько будет стоить. Нашел готовые серверы HGX™ B300 у Selectel — абсолютно топовый сервер, которого уверенно хватит на инференс Kimi K3.

Я посчитал, если этот сервер использовать под кодинг-агентов, то он стабильно будет держать и обслуживать примерно 10-12 кодиговых сессий (людям будет работать комфортно). 13-30 кодинговых сессий будут уже заметно тормозить, но какая-то вменяемая скорость разработки еще будет сохраняться. После 30 - думаю, что работать станет невозможно.

А теперь цена. Аренда такого сервера, если верить калькулятору Селектела будет стоить ~8 млн/месяц. Если покупать, то ~110 млн разово + 3-5млн опекса ежегодно.

Такой вот «доступный Open Source» :)

Какие интересные «совпадения» случаются

Буквально сегодня по одному из наших продуктов обсуждали, под какие SLA мы готовы коммититься перед клиентами. Продукт — API-шлюз для доступа к frontier LLM моделям (без VPN, с адекватными ценами,с оплатой в рублях и вот это вот все).

Сделали кучу замеров, посмотрели нагрузку, все посчитали и начали наши внутренние «торги».

Начали с 99.9% доступности. Тут быстро поняли, что к такому мы в моменте физически не готовы и не хотим быть готовыми для нового продукта без нормального кешфлоу.

Опустиилсь до 99%. К этому готовы и морально и физически, но объем инфраструктурной работы необходимой для нашей же уверенности в этой цифре заставил торговаться дальше.

В итоге остановились на 98%, которые готовы гарантировать клиентам и в которых уверены. Все-таки это продукт, где ты балансируешь между 2 огней: с одной стороны РКН с его блокировками, с другой стороны ограничения LLM-вендоров — много неконтролируемых факторов, которые сложно предвидеть.

Все. Договорились, зафиксировали, работаем.

И вот буквально через несколько часов начинается деградация в работе сервиса. Часть запросов на отдельных нодах без видимой системы начинает валиться где-то на сетевом уровне между узлами. Локализовали до WireGuard (популярный VPN протокол) — часть запросов протокола просто не доходит и режется где-то на уровне провайдера, даже не доходя до наших сетевых интерфейсов. И тут меня догоняют свежие новости, что именно сегодня РКН ужесточил блокировки VPN-сервисов и все становится на свои места 🙁

Очень быстро получили подтверждание того, что наш трезвый расчет и перестраховка были не напрасными 😅

Вайб-кодинг VS AI-driven

Вычитываю сейчас лонгриды в рамках курса и наткнулся на хорошие формулировки различия двух подходов. Оставлю тут 🙂

Вайб-кодинг
Разработчик примерно описывает, что хочет, AI генерирует код, а архитектура, требования, процессы и правила остаются в стороне. На практике это действительно работает и можно быстро собрать автоматизацию, написать фичу, сделать прототип, закрыть маленькую бизнес-задачу. Сначала складывается впечатление, что произошел скачок производительности: один человек делает то, для чего раньше требовались аналитик, frontend-разработчик, backend-разработчик и иногда еще несколько специалистов. AI быстро генерирует большие объемы кода, помогает собрать интерфейс, backend, интеграции, скрипты и инфраструктурные файлы. Но у этого подхода есть предел.
Проблемы начинаются, когда проект нужно сопровождать, развивать, масштабировать и передавать другим людям или агентам. Код, который быстро сгенерирован без проектирования, начинает вести себя как снежный ком. Фичи накладываются друг на друга, решения становятся менее понятными, агентам все сложнее ориентироваться в проекте, а разработчик тратит все больше времени на устранение последствий.
В итоге наступает провал эффективности. AI продолжает генерировать код быстро, но скорость генерации перестает быть преимуществом, потому что каждый новый слой кода увеличивает хаос. Если процесс не управляем, AI не сокращает технический долг, а ускоряет его накопление.

AI-driven подход
AI-driven подход отличается от вайб-кодинг не тем, что в нем меньше AI. Наоборот, AI все так же используется для генерации кода, проектирования, анализа, отладки и review. Разница в том, что AI используется внутри системного инженерного workflow и не пытается его заменить.
AI-driven разработка не отменяет жизненный цикл создания софта, напротив, она требует еще более аккуратной организации контекста, потому что чем понятнее окружение, тем лучше работают кодинговые агенты.
В зрелом подходе AI должен быть встроен во все этапы разработки: от формулирования задачи до релиза.