#анонс
14 мая в 16.00. проводим практический живой эфир, где создадим сайт для бизнеса с помощью ИИ — без кода и без разработчиков🔥

Что будет на встрече:
▪️покажем, как сегодня можно собирать сайты и лендинги через ИИ в разы быстрее классической разработки
▪️разберём, как нейросети помогают с аналитикой, текстами, структурой и дизайном сайта
▪️в прямом эфире создадим рабочую версию сайта под реальную бизнес-задачу
▪️покажем, как можно сразу добавить нужные блоки: оффер, кейсы, форму заявки, политику, AI-виджет и не только.

Это будет полезно, если вы:
▪️предприниматель и хотите быстро запустить сайт или лендинг
▪️эксперт, которому нужна упаковка без долгих подрядчиков
▪️маркетолог, который хочет понять, как ускорить создание страниц через ИИ
▪️просто хотите увидеть, куда реально движется рынок

💡 Почему это интересно:
На одном из наших прошлых эфиров мы собрали премиальный сайт для мебельной студии всего за 1 час, а прямые расходы на генерацию составили 540 рублей.

То, что раньше занимало недели и стоило десятки тысяч рублей, сегодня можно собрать за один живой эфир — если понимать, как работать с ИИ правильно.

СПИКЕРЫ:
Илья Егоров — эксперт по внедрению нейросетей, 15+ лет в интернет-маркетинге, основатель «Нейроклуба»
Иван Шашков — бизнес-консультант и трекер, ментор/трекер «Сколково», федеральный спикер

Формат: живой онлайн-разбор / эфир
Для участия зарегистрируйтесь ЗДЕСЬ

Если вам интересно, как создавать сайты новой волной — быстро, красиво и с опорой на ИИ, приходите.

🚀 ИИ-ассистенты — это ловушка. Почему бизнесу нужна полная перестройка?

Всем привет, на связи Иван Шашков. Вышел свежий стратегический Whitepaper от Сбера (май 2026) по методологии AI-Disrupt PDLC. Главный инсайт для фаундеров и руководителей: если вы просто дадите сотрудникам ИИ-помощников (Copilot), вы получите максимум 10-15% прироста эффективности и накопите горы технического долга.

Чтобы получить кратный рост, придется менять саму суть работы компании. У бизнеса есть окно в 12–18 месяцев для перестройки, иначе к 2027–2028 году отставание в скорости запуска продуктов станет критическим.
Вот 7 главных принципов ИИ-нативной организации:

1. Разделение труда (Две петли разработки)
Люди больше не «пишут руками». Их фокус — генерация идей, постановка задач и валидация результата (такт — дни). ИИ-агенты автономно декомпозируют эти задачи, пишут код и проверяют его (такт — минуты).

2. ТЗ важнее исходника
Исходный код перестает быть главным активом. На первое место выходит машиночитаемая спецификация. Если продукт работает не так, инженеры исправляют *требования*, а агенты заново генерируют реализацию.

3. Платформа (Harness) важнее нейросети
Модели быстро меняются и устаревают. Вашим реальным активом становится собственная детерминированная среда управления агентами, которая раздает им права, контролирует безопасность и следит за расходом бюджетов (токенов).

4. Инженерия контекста
Любая LLM будет галлюцинировать, если не знает специфики вашего бизнеса. Чтобы агенты давали предсказуемый результат, им нужен выстроенный конвейер поставки корпоративного контекста: ваших регламентов, архитектурных правил и исторических данных.

5. Эра «Tiny Teams» (Компактные команды)
Классические Agile-отделы по 10–15 человек уходят в прошлое. Их заменят микро-группы из 4–5 специалистов. Они не пишут код сутками, а управляют армией ИИ-агентов, выдавая результат целого департамента.

6. Безопасность зашивается в платформу (Policy as Code)
Практика показывает: люди автоматически одобряют 93% действий ИИ, даже не вчитываясь. Ручной контроль больше не работает. Все допуски и ограничения должны быть прописаны в коде самой платформы, чтобы блокировать риски автономно.

7. Философия Vibe Working
Это касается не только IT, но и продаж, маркетинга, юриспруденции. Выигрывать будут те сотрудники, которые глубже понимают суть задачи бизнеса и умеют кристально чисто транслировать свое намерение машинам.

💡 Резюме: ИИ перестал быть просто удобным чатом. Это новая операционная модель предприятия.

Коллеги, какая из этих концепций кажется вам самой сложной для внедрения в текущих реалиях? Переход к микро-командам, инженерия контекста или полный отказ от ручного написания кода? Делитесь мыслями в комментариях! 👇

Всем привет, сделал профессиональное ИИ видео для компании - производителя красок.

Можно посмотреть тут: https://disk.yandex.ru/i/mzC8G5vEZyw-Nw

Видео на полторы минуты, генерилось кусками по 8-10 секунд. Правок было очень много, так как каждый кусок проверялся начальником производства, а изначальное ТЗ не учитывало его мнения.
Суммарно было больше 50 генераций различных частей видео.

Что я хочу после такого опыта сказать: контент-заводы - это сказка для неосведомленных. Они будут генерить видео либо слишком простые, либо с конским количеством косяков. Либо видео сильно однотипные, вроде говорящей головы.

Любое нормальное видео будет требовать правок, любое.

⚙️ Свежие новости: в ИИ появился новый термин - Loop-инжиниринг. Что это такое?

Нейросети развиваются настолько быстро, что старые подходы к работе с ними уже не справляются со сложными задачами. Давайте разберем 4 этапа эволюции ИИ-систем, чтобы понять, куда всё движется.

⏳ Как менялся подход к ИИ:
1. Промт-инжиниринг (Prompt Engineering)
Как это было: Мы напрямую пишем модели инструкцию (например, *«Ты вежливый сотрудник техподдержки»*). Модель играет роль и отвечает только в рамках тех знаний, которые в неё заложили при обучении.

2. Инжиниринг контекста (Context Engineering)
Как это работает: Промт живет внутри контекстного окна, но ИИ дают доступ к внешним инструментам: файлам, веб-страницам, базам данных.
Пример: Мы спрашиваем про последнее открытие NASA 🚀. Агент сам идет в сеть, собирает свежий контекст и выдает точный ответ.
❌ Минус: Этот подход плохо держит длинные задачи (дольше 10 минут). Контекст переполняется, сжимается, и детали теряются.

3. Инжиниринг обвязки (Harness Engineering)
Как это работает: Появляется внешний слой, который управляет большой задачей снаружи. Система дробит гигантский запрос на подзадачи и позволяет ИИ двигаться от одной к другой, не «захлебываясь» в контексте.
Пример: Попросить Claude Code или Codium склонировать весь сайт NASA. Здесь нужен четкий внешний механизм выполнения шагов.

🔥 Новый этап: Луп-инжиниринг (Loop Engineering)
В каждом из прошлых этапов были свои циклы (вызов инструментов, выполнение списков задач). Loop-инжиниринг (инжиниринг циклов) добавляет еще один слой поверх всего этого.
> Главный смысл: Убрать зависимость от человека. Больше не нужно сидеть и отправлять команды модели вручную.
>
Агент получает внешний контур, в котором сам регулярно проверяет, что изменилось, какие задачи появились и что нужно обновить.

Пример на пальцах: Вы просите ИИ сделать сайт про Чемпионат мира по футболу ⚽️. Промт, контекст и обвязка помогут собрать каркас сайта. Но матчи-то идут каждый день!

При Loop-инжиниринге вы задаете ИИ цикл: «Ходи каждый час, проверяй обновления, подтягивай результаты и сам исправляй баги».

Бывший директор Google Cloud Эдди Османи описывает это как переход от ручного промтинга к проектированию автономных систем, которые сами запускают агентов, ставят им цель, проверяют прогресс и крутят этот цикл до победного результата.

🛠 Как пощупать это прямо сейчас?

Самый простой способ прикоснуться к технологии — это запланированные автоматические задачи (scheduled tasks) в Codium или Claude Code.

💡 Главная критика подхода: Такие циклы «выжигают» огромное количество токенов (а значит, стоят денег). Но именно они прямо сейчас колоссально расширяют область работы ИИ-агентов, превращая их в полноценных автономных сотрудников.

Вчера вышла Kimi 3, и она заставила напрячься даже OpenAI и Anthropic. Шутка ли, друзья, мы получили первую в мире открытую модель класса 3T!

Ну типа 3 трлн параметров (у нее 2.8 трлн) и контекст в 1 млн токенов. И пока западные лаборатории держат флагманы за закрытыми дверями, китайцы двигают свой опенсорс на территорию реальных SOTA-моделей.

Kimi 3 - это не просто увеличенная предыдущая версия. Тут добавили Kimi Delta Attention - это гибридный механизм внимания, который позволяет эффективнее работать с длинным контекстом (как раз в 1 млн токенов). Еще внедрили Attention Residual: каждый новый слой нейронки теперь может выбирать, какие представления из предыдущих слоев ему нужны для работы, а какие нет.

Конечно, это Mixture of Experts (MoE) модель, и у нее 896 экспертов, но для каждого токена активируется только 16 из них. Это рекордная разреженность для модели такого класса! Вместе с новой архитектурой, обучением и подготовкой данных всё это повысило эффективность вычислений примерно в 2.5 раза.

Если смотреть на независимые тесты и бенчмарки, то третья версия сейчас уступает только двум закрытым моделям в мире - Claude 3.5 Sonnet и GPT-4o. А всех остальных, включая Opus, она уверенно обходит.

Разработчики поделились экспериментами с моделью в длительных агентских задачах:
* За 48 часов она разработала проект чипа для запуска компактной нейросетки.
* За 2 часа воспроизвела сложное астрономическое исследование (у живого исследователя на это ушло бы недели две).
Локально такого монстра запустить проблематично - разве что у вас есть стойка где-то на 64 GPU по 48 гигов каждая.

Цены по API прилично так подняли: теперь $3 за миллион входных токенов и $15 за выходных. Это уже территория коммерческих тарифов.
Веса обещают выложить 27 июля. Когда это произойдет, у сообщества впервые окажется в руках инструмент такого класса в открытом доступе.

Разрыв между коммерческими моделями и опенсорсом сокращается на глазах, а западные компании, кажется, реально нервничают (у меня вот в Клоде вчера лимиты в очередной раз сбросились).

Если уже успели попробовать модель - пишите ваше мнение в комментариях, давайте обсудим!

Всем привет🖐️

Потихоньку двигаюсь в сторону корпоративного BigTech и enterprise-ИИ.

Сейчас собрал локальную RAG-систему для интеллектуального поиска по большим массивам внутренних документов.

Тема RAG сейчас супер актуальна и на многих конференциях по ИИ обсуждаема, так как выстроить такую систему, чтобы она работала корректно, достаточно сложно. И никакой вайб кодинг тут не поможет, надо отлаживать руками и дообучать нейронки.

Что это вообще за RAG?

По сути, это умный поисковик компании. Сотрудник не ищет вручную нужный абзац среди тысяч документов, а задает вопрос обычным языком и получает ответ с указанием конкретного файла, раздела и страницы.

Идея простая: загружаем все нужные документы компании — после этого можно задавать системе через сайт или чат обычные вопросы по ним и получать конкретный ответ со ссылками на документ, раздел и страницу.

Например, юрист спрашивает: «Какая ответственность предусмотрена за нарушение сроков?», закупщик — «Чем отличаются предложения поставщиков?», руководитель проекта — «Какие риски зафиксированы в последних протоколах?», а специалист по качеству — «Что требует СОП при возникновении отклонения?».

Все работает локально, без отправки корпоративных документов во внешние облачные сервисы.

Самое интересное — система понимает прекрасно и pdf и docx и даже картинки и рукописный текст.

Короче, постепенно перехожу от отдельных нейросетевых экспериментов к разработке нормальных корпоративных ИИ-систем. И это, кажется, именно то направление, в котором мне сейчас интереснее всего развиваться.

На днях Anthropic выкатила Claude Opus 5, и это прям отличные новости для всех, кто активно кодит и работает с нейросетями. Ребята сделали ровно то, что сейчас нужно рынку: около-флагманский интеллект за очень адекватные деньги.

По сути, мы получили идеальную рабочую лошадку. Модель стоит в два раза дешевле их флагмана Fable 5, а по тестам дышит ему прямо в затылок. В некоторых бенчмарках новинка даже умудряется обгонять GPT-5.6 Sol, что вообще-то серьезная заявка.

Что по главным фичам:
* Огромное контекстное окно на 1 миллион токенов.
* Свежайшая база знаний - актуальна на май 2026 года.
* Жесткий фокус на агентов, программирование и сложные многоэтапные задачи.
* Короче, если вы искали идеальный баланс между ценой и качеством для ежедневной рутины - это он. Теперь можно смело грузить тяжелые промпты и не переживать, что баланс по API улетит в трубу за пару часов.

Мой совет - смело ставьте Opus 5 дефолтной моделью в ваших рабочих инструментах. Anthropic сейчас явно давят на конкурентов, чтобы забрать массового пользователя, и нам это только на руку.

Интенсив «Ставка на дело» от ПСБ прошел в Ярославле - делюсь инсайтами

Мне было интересно только выступление спикера по ИИ - Алексея Воронина.

Алексей привел интересные кейсы из реальной практики внедрения:
- Промышленный холдинг (борьба с текучкой): ИИ проанализировал планерки, выявил провалы по эмпатии у руководителей и помог снизить отток новых сотрудников с 30% до 17% за 3 месяца

- Федеральный ритейлер: Автоматический анализ встреч «1 на 1» и точечная обратная связь региональным лидерам помогли остановить падение и вывели лучших менеджеров на +14% к выручке за квартал

- Собственные продажи: Фокус на 3 реальных факторах успеха из 17 книжных (выявленных через ИИ-анализ созвонов) дал четырехкратный рост выручки компании.

❗ Кстати говоря инструмент ИИ-анализа звонков у меня уже есть свой готовый и внедренный у клиента.

Стек используемых технологий Алексей не описал, но не сложно догадаться, что использовались RAG хранилища для создания базы знаний, большие языковые модели(LLM) для анализа разговоров и создания отчетов.

Ну то есть корпорации активно ИИ внедряют, но до микробизнеса это не особо доходит, они что-то почирикают в Клоде и GPT и скорее всего на этом заканчивается их использование.

Для кого-то остается открытым вопросом польза использования ИИ, но для более посвященных - это уже как базовый инструмент для внедрения улучшений, ведущих к кратному росту компании.

P.S. На мероприятии было очень много коллег и друзей. Всегда приятно провести время в хорошей компании =)

#ПСБ #СтавкаНаДело #ИИ #AI #ИИВнедрение

Всем привет, на связи Иван Шашков, сегодня утром релизнулся новый Qwen3.8-Max - давайте посмотрим что под капотом.

Китайцы официально выкатили свою главную тяжелую модель на 2,4 трлн параметров (архитектура MoE). Модель позиционируют как убийцу американских флагманов в автономном кодинге. Дьявол, как всегда, в деталях. Распишем по фактам.

ЦИФРЫ, КОТОРЫЕ ВПЕЧАТЛЯЮТ
• Arena: текст — лучшая среди китайских моделей, визуал — #2 в мире (уступила только Claude Fable 5).
• PaperBench (воспроизведение научных статей): 93.0 — модель официально обошла Claude Fable 5 (88.8).
• IFBench (следование сложным инструкциям): 82.8 — лучший результат на рынке на данный момент (у GPT-5.6 Sol — 72.7).
Формально — элита. Но бенчи — это одно, а реальная работа — другое.

ЧТО В РЕАЛЕ (по результатам тестов автономности)
Картина контрастная:

Завозит по полной:
• Многодневная автономность — модель умеет до 16 дней подряд сама вести проект в GitHub (создавать PR, фиксить баги, собирать фидбек) вообще без участия человека.

• Системная логика — шикарно строит сложные цепочки, сама меняет стратегию кодинга при признаках переобучения.

• Взлом экономики — в API стоит всего $2 за 1 млн входных токенов. Это в 4 с лишним раза дешевле Claude Opus 5 и делает модель идеальной основой для ИИ-агентов.

Где уступает конкурентам:
• Хардкорный кодинг и математика — на независимых тестах Terminal-Bench 2.1 и DeepSWE v1.1 новая Qwen все же немного отстает от главных конкурентов — Kimi K3 и Claude Opus 5.
• Локальный запуск — веса огромны (активны 95 млрд параметров на токен), дома на одной видеокарте её не развернуть.

ВЕРДИКТ
Это мощнейший и самый дешевый инструмент для создания автономных ИИ-агентов, долгой разработки «под ключ» и аналитики.
Если вам нужно автоматизировать рутину, писать код средних проектов и не разориться на API — надо брать. Если нужен бескомпромиссный топ-уровень для сложнейшей математики и архитектурных изысков — Claude и Kimi пока удерживают лидерство.
Кстати, на следующей неделе Alibaba обещает открыть веса (Open Weights) для этой махины и её младшей версии 27B. Ждем на Hugging Face.

А вы уже пробовали гонять API? Делитесь в комментариях 👇

Ну вот вам кстати живой пример из практики - мне надо было сделать видео интро для своего подкаста. Баланса на синтексе нету, тратить там чо то вообще ноль желания.

То есть на вводных у нас есть фотка и аудио я надиктовал. Надо делать синхронизацию губ и аудио с оживлением картинки. Бесплатно это сделать нереально просто. Только за бабки.

Короче решение компромиссное, но все же решение - Google vids. Так как я год назад купил про аккаунт гугл то там 50 халявных видосов в месяц доступны, причем делает их теперь Omni и очень достойно. Да, можно создать персонажа в гугл flow и там ему голос дать и потом три ролика генерить по 10 секунд, но лень. В общем вот такой результат имеем.

Выдыхаем от техно-новостей и нейросетей и наслаждаемся поэзией.

Будет ласковый дождь, будет запах земли.
Щебет юрких стрижей от зари до зари,
И ночные рулады лягушек в прудах,
И цветение слив в белопенных садах;
Огнегрудый комочек слетит на забор,
И малиновки трель выткет звонкий узор.
И никто, и никто не вспомянет войну,
Пережито-забыто, ворошить ни к чему.
И ни птица, ни ива слезы не прольет,
Если сгинет с Земли человеческий род.
И весна… и весна встретит новый рассвет,
Не заметив, что нас уже нет.

Еще 108 лет назад (в 1918-м) поэтесса Сара Тисдейл написала эти пронзительные строки, а позже Рэй Брэдбери превратил их в гимн постапокалипсиса, где человечество доигралось со своими технологиями. И знаете что? Природа этого даже не заметила.

Так что если завтра сверхразум решит, что мы лишние на этой планете — стрижи всё равно будут щебетать, а сливы — цвести.
А пока терминаторы не пришли, отложите телефон, заварите чай и посмотрите в окно. Там пока еще настоящее лето. Сидим, кайфуем, ждем сингулярность. 😉

P.S. Действие рассказа Брэдбери «Будет ласковый дождь» начинается утром 4 августа и заканчивается на рассвете 5 августа 2026 года.

Пенсионер на стероидах: тестируем локальные LLM на легендарной GTX 1080 Ti 🦖

Короче, стояла задача локальной нарезки коротких рилсов из длинных подкастов с монтажом субтитрами все дела. Как это решить платно онлайн уже все знают, охота было попробовать на своем железе.

В итоге собрал домашний стенд и столкнул лбами три популярные модели: Qwen3.5 9B, Gemma 4 12B и Bonsai 27B (в экстремальном 1-битном кванте).

А что получилось - читайте в статье.

Внутри подробные замеры скорости готовый двухэтапный пайплайн для обработки длинных подкастов и минимальный код скрипта для тестов через LM Studio.

👉 Читать полную статью на Хабре:

https://habr.com/ru/articles/1069290/

Все еще работаете с базой партнеров в Excel ?

Собрал новый кейс — готовую PRM-систему(Partner Relationship Management ) для управления партнёрскими продажами.

Она помогает понять:

— какие партнёры действительно приносят выручку, а какие только числятся в базе;
— у кого много переданных лидов, но мало заключённых договоров;
— на каком этапе чаще всего теряются потенциальные заказы; — кому выплачивается слишком высокая комиссия относительно результата;
— какие типы партнёров дают лучшую конверсию и средний чек; — каких категорий партнёров или регионов не хватает;
— с кем давно не связывались и где из-за этого можно потерять сделку.

Как это может влиять на деньги?
Допустим, через партнёрский канал приходит 30 объектов в месяц, средний чек составляет 400 000 ₽, а конверсия в договор — 20%. Такой канал приносит около 2,4 млн ₽ выручки в месяц.

Если за счёт контроля этапов и своевременной работы с партнёрами повысить конверсию с 20 до 25%, выручка вырастет до 3 млн ₽. Это потенциальные дополнительные 600 000 ₽ ежемесячно без увеличения количества входящих объектов.

Другой пример: при годовом обороте партнёрского канала 20 млн ₽ всего один лишний процент комиссии означает 200 000 ₽ дополнительных расходов. PRM-система позволяет находить такие перекосы и сравнивать выплаты с реальным результатом каждого партнёра.
При этом расходы на сервер за месяц составят меньше 1500 р.

Конкретный экономический эффект зависит от показателей компании. Но сама система уже готова: её можно адаптировать под процессы конкретного бизнеса, подключить корпоративную базу данных, авторизацию сотрудников и разграничение прав доступа.

В итоге руководитель получает не просто список партнёров, а полноценный инструмент для управления партнёрской сетью, расходами и выручкой.

Готов созвониться с каждым у кого есть запрос на грамотное управление партнёрами @shashkov_smm