ГИГААГЕНТ ДОБЫЛ ВАМ ЕЩЁ НЕМНОГО ВРЕМЕНИ 🔥

Приём заявок на Спецприз премии продлили до 6 сентября. Успейте представить свой кейс и побороться за 500 млн токенов на развитие проекта.

➡️ Подать заявку ⬅️

✔️ Подписывайтесь на Sber AI в МАКС

НАС ОБНАРУЖИЛИ
Раскрываемся 🤩

На прямом эфире с руководителями Sber500 × DISRUPT обсудим программу по созданию массовых B2C-продуктов на основе ИИ

◀️ Подключаемся в 18:00 в канале СберСтартап

ПОБУДЬТЕ ДЖОНОМ МАККАРТИ 30 СЕКУНД 🤩

4 сентября 1927 года родился Джон Маккарти — учёный, который предложил термин «искусственный интеллект».

Позже он разработал язык программирования специально для создания интеллектуальных систем

А теперь представьте, что вы и есть Джон Маккарти. Язык уже создан, осталось придумать ему название. Проходите опрос, а после — тыкайте на небольшую лампочку над первым вариантом ответа, чтобы увидеть пояснение 🤩

😎 ЯЗЫК GO РЕАЛЬНО ХОРОШ
😎Или нет?

Google назвала собственный язык программирования Go идеальным для разработки ПО в паре с искусственным интеллектом. А это точно непредвзятое мнение? Спросили коллег из AI Inside 🤩

🤖 МОЖЕТ НЕТ


В своей статье Google говорит не столько о Go, сколько об изменении оценки удобства. Сегодня агент может генерировать сотни строк кода за секунды, поэтому скорость программирования больше не важна. Важна дешевизна его проверки. И Go снижает эту стоимость:

🤩 gofmt убирает вариативность оформления
🤩 компилятор ловит несуществующие методы и поля до запуска
🤩 стандартная библиотека уменьшает зависимость от сторонних пакетов

Бонус: единообразный код формирует чистые обучающие данные, благодаря которым ИИ генерирует более идиоматичный Go с меньшим числом попыток

🤖 МОЖЕТ ДА


Агенту нужен не «умный» язык, а быстрый и детерминированный источник истины: компилятор, фаззинг, go fix. Они сразу отвечают «да» или «нет» и исправляют ошибки без нового прохода модели.

Как отмечает сама Google, без внешней валидации итеративный рефакторинг деградирует — первый проход может быть точным на ~95%, но дальше ошибки накапливаются и засоряют контекст

🤖 А ВООБЩЕ


Практический вывод таков: инструментарий последних десятилетий затачивался под удобство письма, а теперь подстраивается под агента: с быстрой обратной связью, машиночитаемыми ошибками и детерминированным рефакторингом.

Вот почему языки, которые считались неудобными для людей, — например Go — оказались удобными для агентов

🤩 Ещё больше экспертных мнений ищите в канале коллег ↖️

Программировали когда-нибудь на Go?

❤️ — конечно, и не раз
🔥 — оставлю это ИИ-агентам

✔️ Подписывайтесь на Sber AI в МАКС

🤩 Сначала тест для вас

А для Влада ИИ такого не будет, потому что нейросети точно знают правильный ответ — с ними неинтересно! В честь Дня грамотности разбираемся, почему это так!

«Врождённая» грамотность ИИ — просто следствие обучения на большом количестве данных. Видя повторяющиеся конструкции, слова и их сочетания, модель учится предсказывать, как будет выглядеть следующий фрагмент текста

🤩 Но есть нюанс — на самом деле ИИ не знает правила русского языка. Он пишет слова так, как привык видеть их в текстах. Поэтому нейросети могут ошибаться, когда сталкиваются с редкими словами, неоднозначной конструкцией или вопросом с подвохом.

Так что проверять тексты всё ещё стоит. Даже если их написал ИИ 👀

И БУКВА-А-А — 🔤

✔️ Подписывайтесь на Sber AI в МАКС

БАГ ГДЕ-ТО РЯДОМ 🐞

В День тестировщика предлагаем вам взять эту нелёгкую работу в свои руки!

Среди кнопок спряталась одна без бага. Именно она приведёт к полезному материалу от эксперта Сбера.

Получится найти верную с одной попытки? 🤩

🥲😎🥲😎🥲😎🥲😎🥲
😎😅😎😅😎😅😎😅
🥲😎🥲😎🪲😎🥲😎🥲😎
😎😅😎😅😎😅😎😅

✔️ Подписывайтесь на Sber AI в МАКС

⌛ ЕДИНСТВЕННАЯ РОССИЙСКАЯ ОТКРЫТАЯ МОДЕЛЬ С РЕЖИМОМ РАССУЖДЕНИЯ

Сегодня мы представляем GigaChat 3.5 Reasoning — новую флагманскую нейросеть, которая рассуждает последовательно: разбирает задачу на этапы, строит план, проверяет промежуточные результаты и исправляет собственные ошибки

Такой режим рассуждений — результат специального обучения, а собственная архитектура с технологией линейного внимания помогает эффективнее работать с длинным контекстом.

GigaChat 3.5 Reasoning тратит токены значительно экономнее ведущих открытых ИИ-моделей. Например, на решение математических задач она тратит в среднем на 37% меньше токенов, чем DeepSeek V4 Flash Preview.

Рост результатов новой версии по отношению к модели без режима рассуждения очевиден на бенчмарках:

🤖 IFBench — с 44 до 77 баллов
🤖 Natural Plan — с 64 до 80 баллов
🤖 Live Code Bench v6 — с 56 до 85 баллов

Подробнее о процессе обучения модели и результатах читайте в посте команды.

Модель можно использовать бесплатно по лицензии MIT:
🔗 Hugging Face
🔗 GitVerse

А в личных задачах модель уже можно попробовать в ГигаЧате — просто включите функцию «Рассуждение» в чате с нейросетью ↖️

✔️ Подписывайтесь на Sber AI в МАКС

🔥 Битва BI возвращается. И в этот раз - Время AI

30 сентября в Координационном центре Правительства РФ пройдет конференция «Битва BI: Время AI» для тех, кто решает, каким будет управление на основе данных в государственном секторе.

Ключевые вопросы:

• Исчезнут ли дашборды, а диалог с ИИ станет новым интерфейсом для принятия государственных решений?
• Кто будет готовить государственную аналитику: аналитик, госслужащий или ИИ-агент?
• Должен ли ИИ-агент не только сигнализировать о проблемах, но и запускать действия в государственных системах?
• Можно ли доверять LLM без чёткого семантического слоя и единых метрик?
• Как обеспечить безопасность и аудит решений ИИ в государственном управлении?
• Объединятся ли мультиагентные ИИ-системы с BI-платформами или полностью заменят их?

⭐️Реальные кейсы внедрения в госорганах, в том числе неудачные. Честный разговор с госзаказчиками, директорами по данным и ИИ-архитекторами о том, что действительно работает, а что нет.

Живой нетворкинг - встречи с коллегами из федеральных и региональных органов власти, BI-вендорами и разработчиками AI-решений. Придёте с вопросом - уйдёте с контактом.

✨Участие бесплатное, но количество мест ограничено! Скорее регистрируйтесь на Битву BI по ссылке

🟠Официальный сайт конференции
🟠Присоединяйтесь к нашему сообществу в ТГ по ссылке

Поздравляем, вы — тимлид амбициозного проекта 🔥

За месяц вам нужно запустить MVP ИИ-сервиса для общения с клиентами. Бюджет ограничен, поэтому в команду можно взять максимум троих специалистов.

Голосуйте реакциями ⬇️

🎨🎨🎨🎨❤️ Продакт
🎨🎨🎨🎨
🎨🎨🎨🎨👍 Разработчик
🎨🎨🎨🎨
🎨🎨🎨🎨🤔 Дизайнер
🎨🎨🎨🎨
🎨🎨🎨🎨🔥 Тестировщик
🎨🎨🎨🎨
🎨🎨🎨🎨😎 Аналитик

Выбрать троих сложно, и в этом суть 🤩

При ограниченном бюджете собрать команду, в которой на каждую задачу есть отдельный специалист, почти невозможно. Поэтому стартапы и небольшие компании всё чаще обращаются к модели AI-native Tiny Teams.

Это компактные команды из нескольких универсальных специалистов, которые ведут продукт от идеи до запуска, а часть работы берут на себя ИИ-агенты.

Главное их отличие в том, что вся работа изначально выстроена вокруг связки «человек + ИИ». Агентам делегируют целые этапы, хотя такой подход применим не к каждому проекту.

Всё зависит от

🟣 сложности системы
🟣 предметной области
🟣 стоимости ошибок
🟣 инфраструктуры вокруг команды

Например, чем быстрее ИИ пишет код, тем больше времени уходит на его проверку. Этот эффект называют «налогом на верификацию».

И тут из тени выходят мидлы и сеньоры, которых на волне вайб-кодинга молодые специалисты уже успели списать со счетов. Благодаря опыту они знают, каким должен быть результат и где искать слабые места.

Как думаете, AI-native Tiny Teams — тренд или хайп?

❤️ — я джун, научиться б основам
👍 — уже так работаем
🤔 — звучит красиво, но есть вопросы

✔️ Подписывайтесь на Sber AI в МАКС