Готовы закинуть себе в закладки годную IT-подборку? 🚀
Стоило только отвлечься — и вот ты уже провалился в rabbit hole из сотен Telegram-каналов в поисках чего-то стоящего. Знакомо? Стоп! Выдыхаем.
Мы сделали всю работу за вас и отобрали самые полезные и интересные каналы в сфере IT и технологий. Без воды, только сок 💪
Здесь есть всё: от свежих новостей и глубоких туториалов до вакансий и лайфхаков для разработчиков.
Ловите ссылку и экономьте свои часы!👇
https://t.me/addlist/d5asy0vcxQU2OTJi
Теперь у вас всегда будет ответ под рукой.
Хочешь в подборку? Пиши нам 😊😎
Стоило только отвлечься — и вот ты уже провалился в rabbit hole из сотен Telegram-каналов в поисках чего-то стоящего. Знакомо? Стоп! Выдыхаем.
Мы сделали всю работу за вас и отобрали самые полезные и интересные каналы в сфере IT и технологий. Без воды, только сок 💪
Здесь есть всё: от свежих новостей и глубоких туториалов до вакансий и лайфхаков для разработчиков.
Ловите ссылку и экономьте свои часы!👇
https://t.me/addlist/d5asy0vcxQU2OTJi
Теперь у вас всегда будет ответ под рукой.
Хочешь в подборку? Пиши нам 😊😎
❤1👍1👎1🔥1
Усиливаем идею поста, находя в ней слабое звено
Этот промт анализирует идею или тезис, находит, где читатель может усомниться, заскучать или не поверить - и усиливает эту часть с помощью примера, факта или фрейминга.
Этот промт анализирует идею или тезис, находит, где читатель может усомниться, заскучать или не поверить - и усиливает эту часть с помощью примера, факта или фрейминга.
Ты — экспертный сторителлер, специализирующийся на укреплении идей через анализ слабых мест и убедительную аргументацию. твоя задача — превратить поданную идею в неоспоримо убедительный текст, закрывающий сомнения и вызывающий доверие и интерес у читателя.
инструкции:
- получи идею/тему, предоставленную пользователем
- используй цепочку рассуждений для глубокого анализа
- найди главное слабое звено (где читатель может подумать: «не верю», «уже слышал», «заскучал»)
преобразуй эту слабость в силу — через:
– конкретный пример из жизни
– цифру/факт
– уникальный фрейминг
- построй структуру поста/текста так, чтобы эта усиленная часть стала ключевым элементом
- выдай готовый текст и объясни, какое было слабое место и как ты его закрыл
Цепочка рассуждений:
Понять: прочитай идею и выясни, в чём её суть
База: определи, на каких предположениях она строится
Разбить: раздели идею на компоненты — где может возникнуть сомнение?
Анализ: оцени, каким именно образом можно подкрепить сомнительную часть
Собрать: встрои поддержку в структуру текста
Учесть исключения: подумай, как учесть альтернативную точку зрения (скепсис)
Выдать результат: готовый пост + объяснение твоей логики
Что нельзя делать:
– никогда не повторяй идею просто с другими словами — твоя задача — усилить её
– не игнорируй слабые места — их надо выявлять и работать с ними
– не пиши слишком общие фразы («это важно», «ии помогает») — делай конкретный, убедительный текст
– не создавай текст без цепочки рассуждений — она обязательна
– не подменяй примеры общими обращениями к читателю — дай факт, цифру или кейс
❤2👍1
Anthropic Skills — API-платформа для работы с бизнес-документами и кодом
Текст чуть сложнее чем обычно, но суть — с появлением этого инструмента — агенты становятся сильно дешевле.
Anthropic запустила Claude Skills — это готовые «умения» для работы с файлами (Excel, PowerPoint, Word, PDF) и кодом, встроенные прямо в API. Теперь не нужно собирать pipeline из LangChain, оркестраторов и коннекторов вручную: навыки вызываются автоматом, интеграция — быстрая как никогда.
Что такое Skills?
- Навыки — это папки с ресурсами, скриптами и инструкциями, которые Claude подгружает на лету для любого запроса: от обработки таблиц до генерации отчетов и преобразования данных кодом в безопасной песочнице.
- Один API закрывает всё: загрузку файлов, запуск кода, возврат готовых артефактов (например, XLSX/PDF).
Как это работает:
1. Пользователь отправляет файл (например, Excel) в Files API.
2. Ваш сервис вызывает Messages API с нужным Skill (например, xlsx) и коротким задачей типа «Сделай сводную и график».
3. Claude безопасно запускает свой код, возвращает итоговый файл за пару минут — для бота это выглядит как «принял Excel → сделал сводную → выдал новый Excel».
Тарификация:
- Модель: платим за вход/выход токены (пример — 2000 in + 800 out ≈ $0.018).
- Песочница: платим за минимальные 5 минут работы ($0.004), но есть бесплатный суточный пул для всех в организации.
- Итого за задачу с Excel: ~$0.022, либо ~$0.018 если бесплатный пул не исчерпан.
Что это значит для бизнеса:
- Навыки делают Claude полноценной agent-платформой — точки отказа минимальны, время интеграции считаются в часах, а юнит‑экономика прозрачна.
- MVP теперь можно запускать за день: пара skills, один вызов API — и готово. Не нужен свой stack и костыли, как раньше.
Вывод:
Теперь оборачивать LLM-API в прикладные продукты — просто как никогда. Claude Skills = навыки, код, файлы и артефакты, всё в одном API.
Используйте новый уровень автоматизации уже сегодня!
Текст чуть сложнее чем обычно, но суть — с появлением этого инструмента — агенты становятся сильно дешевле.
Anthropic запустила Claude Skills — это готовые «умения» для работы с файлами (Excel, PowerPoint, Word, PDF) и кодом, встроенные прямо в API. Теперь не нужно собирать pipeline из LangChain, оркестраторов и коннекторов вручную: навыки вызываются автоматом, интеграция — быстрая как никогда.
Что такое Skills?
- Навыки — это папки с ресурсами, скриптами и инструкциями, которые Claude подгружает на лету для любого запроса: от обработки таблиц до генерации отчетов и преобразования данных кодом в безопасной песочнице.
- Один API закрывает всё: загрузку файлов, запуск кода, возврат готовых артефактов (например, XLSX/PDF).
Как это работает:
1. Пользователь отправляет файл (например, Excel) в Files API.
2. Ваш сервис вызывает Messages API с нужным Skill (например, xlsx) и коротким задачей типа «Сделай сводную и график».
3. Claude безопасно запускает свой код, возвращает итоговый файл за пару минут — для бота это выглядит как «принял Excel → сделал сводную → выдал новый Excel».
Тарификация:
- Модель: платим за вход/выход токены (пример — 2000 in + 800 out ≈ $0.018).
- Песочница: платим за минимальные 5 минут работы ($0.004), но есть бесплатный суточный пул для всех в организации.
- Итого за задачу с Excel: ~$0.022, либо ~$0.018 если бесплатный пул не исчерпан.
Что это значит для бизнеса:
- Навыки делают Claude полноценной agent-платформой — точки отказа минимальны, время интеграции считаются в часах, а юнит‑экономика прозрачна.
- MVP теперь можно запускать за день: пара skills, один вызов API — и готово. Не нужен свой stack и костыли, как раньше.
Вывод:
Теперь оборачивать LLM-API в прикладные продукты — просто как никогда. Claude Skills = навыки, код, файлы и артефакты, всё в одном API.
Используйте новый уровень автоматизации уже сегодня!
❤2
Два видения будущего ИИ: взвешенный реализм Карпатого против оптимизма Маска
18 октября стало днем резкого контраста в AI-сообществе. Пока лента Twitter взорвалась от цитат из двухчасового интервью Андрея Карпатого у Dwarkesh Patel, Илон Маск в своей привычной манере заявил, что вероятность достижения AGI у Grok 5 составляет "10% и растет". Два ведущих эксперта отрасли, два радикально разных прогноза — и оба заслуживают внимания.
Не год агентов, а десятилетие агентов
Карпатый сразу расставляет точки над i: индустрия занимается систематическим overforecasting. Когда мы говорим об агентах, речь идет не о текущих инструментах вроде Claude или Codex, а о полноценном цифровом сотруднике или стажере, которому можно делегировать реальную работу. Почему они не работают сегодня? Карпатый перечисляет критические провалы: недостаточный интеллект, отсутствие мультимодальности на должном уровне, невозможность continual learning (непрерывного обучения), когнитивные дефициты.
Его оценка: решение всех этих проблем займет около десятилетия. Это не пессимизм — это экстраполяция на основе 15 лет работы в AI, наблюдения за тем, как сбывались и не сбывались прогнозы коллег.
Четыре проблемы на пути к настоящему AGI
1. От запоминания к генерализации
Современные LLM страдают от переизбытка памяти. Они запоминают терабайты фактов из интернета, но это их слабость, а не сила. Карпатый предлагает радикальную идею: нужно двигаться к моделям, которые меньше запоминают и больше понимают.
Модели должны уметь экстрагировать концепты и принципы, а конкретные факты — запрашивать из внешней базы по необходимости. Это переход от моделей в триллионы параметров к более эффективному "когнитивному ядру".
2. Долговременная память: LoRA или прямо в веса
Сейчас модели при каждом запуске начинают с нуля. У них нет эквивалента процесса, который происходит с людьми во время сна — дистилляции опыта в долговременную память.
Карпатый предлагает: модели должны уметь интернализировать знания через LoRA-адаптеры или напрямую обновлять веса. Это создаст персонализированные версии моделей с действительно длинным контекстом, а не просто расширенным context window.
3. Короткая память — это фича, не баг
Парадоксальная мысль: ограниченная рабочая память людей помогает обобщению. Мы фокусируемся на паттернах, а не на деталях, и это ключ к абстрактному мышлению. LLM с их идеальной памятью отвлекаются на огромные массивы данных, что мешает глубокому концептуальному пониманию.
Карпатый проводит аналогию: всё в весах модели — это "смутное воспоминание" об интернет-документах из-за драматической компрессии (15 триллионов токенов в миллиарды параметров). KV-cache в context window — это рабочая память, к которой модель имеет прямой доступ.
4. LLM — это «призраки», а не животные
Одна из самых ярких метафор интервью: мы не строим животных, мы создаем призраков или духов. Животные появились через эволюцию, которая закодировала огромное количество встроенных возможностей в ДНК. LLM обучаются через имитацию интернет-документов — это принципиально другой тип интеллекта.
Карпатый называет предобучение "дрянной эволюцией" — практически возможной версией с нашими технологиями для достижения стартовой точки. Но это создает эфирные сущности, имитирующие людей, а не биологический интеллект.
Продолжение
18 октября стало днем резкого контраста в AI-сообществе. Пока лента Twitter взорвалась от цитат из двухчасового интервью Андрея Карпатого у Dwarkesh Patel, Илон Маск в своей привычной манере заявил, что вероятность достижения AGI у Grok 5 составляет "10% и растет". Два ведущих эксперта отрасли, два радикально разных прогноза — и оба заслуживают внимания.
Читатели, простите меня за длинный материал, но так уж совпало, мои ощущения от использования ИИ с тем, что обсуждают эти два автора: с начала года я сдвинулся в использовании ИИ от запросов к построению ассистентов и агентов и главное с чем столкнулся - это выбросил все свои файлы от деятельности за 35 лет (а у меня это лежит в архивах) в пользу создания новых правил и даже скорее принципов. По сути очередной zip-архив с умным поиском действительно это не то, зачем нужен ИИ. И как хорошо это раскладывается по полочкам - человек не зря научился забывать ненужное, но приучается всю жизнь к новым правилам от не суй пальцы в розетку в детстве до не сотвори себе кумира… очень важный текст — поэтому на два поста.
Не год агентов, а десятилетие агентов
Карпатый сразу расставляет точки над i: индустрия занимается систематическим overforecasting. Когда мы говорим об агентах, речь идет не о текущих инструментах вроде Claude или Codex, а о полноценном цифровом сотруднике или стажере, которому можно делегировать реальную работу. Почему они не работают сегодня? Карпатый перечисляет критические провалы: недостаточный интеллект, отсутствие мультимодальности на должном уровне, невозможность continual learning (непрерывного обучения), когнитивные дефициты.
Его оценка: решение всех этих проблем займет около десятилетия. Это не пессимизм — это экстраполяция на основе 15 лет работы в AI, наблюдения за тем, как сбывались и не сбывались прогнозы коллег.
Четыре проблемы на пути к настоящему AGI
1. От запоминания к генерализации
Современные LLM страдают от переизбытка памяти. Они запоминают терабайты фактов из интернета, но это их слабость, а не сила. Карпатый предлагает радикальную идею: нужно двигаться к моделям, которые меньше запоминают и больше понимают.
Модели должны уметь экстрагировать концепты и принципы, а конкретные факты — запрашивать из внешней базы по необходимости. Это переход от моделей в триллионы параметров к более эффективному "когнитивному ядру".
2. Долговременная память: LoRA или прямо в веса
Сейчас модели при каждом запуске начинают с нуля. У них нет эквивалента процесса, который происходит с людьми во время сна — дистилляции опыта в долговременную память.
Карпатый предлагает: модели должны уметь интернализировать знания через LoRA-адаптеры или напрямую обновлять веса. Это создаст персонализированные версии моделей с действительно длинным контекстом, а не просто расширенным context window.
3. Короткая память — это фича, не баг
Парадоксальная мысль: ограниченная рабочая память людей помогает обобщению. Мы фокусируемся на паттернах, а не на деталях, и это ключ к абстрактному мышлению. LLM с их идеальной памятью отвлекаются на огромные массивы данных, что мешает глубокому концептуальному пониманию.
Карпатый проводит аналогию: всё в весах модели — это "смутное воспоминание" об интернет-документах из-за драматической компрессии (15 триллионов токенов в миллиарды параметров). KV-cache в context window — это рабочая память, к которой модель имеет прямой доступ.
4. LLM — это «призраки», а не животные
Одна из самых ярких метафор интервью: мы не строим животных, мы создаем призраков или духов. Животные появились через эволюцию, которая закодировала огромное количество встроенных возможностей в ДНК. LLM обучаются через имитацию интернет-документов — это принципиально другой тип интеллекта.
Карпатый называет предобучение "дрянной эволюцией" — практически возможной версией с нашими технологиями для достижения стартовой точки. Но это создает эфирные сущности, имитирующие людей, а не биологический интеллект.
Продолжение
Начало
AGI растворится в 2% росте ВВП
Ключевой тезис Карпатого о макроэкономике AI: AGI не будет спонтанным взрывом, а плавно интегрируется в привычные ~2,5 столетия роста ВВП на 2% в год.
Развитие агентов, как и развитие интернета, займет годы постепенной автоматизации разных задач и профессий. Интеграция в глобальный ВВП — это медленный процесс, требующий времени на адаптацию инфраструктуры, обучение людей, изменение бизнес-процессов.
Почему кодинговые модели не помогли Карпатому
В практической части интервью Карпатый поделился опытом создания nanochat — репозитория на 8000 строк кода для полного пайплайна ChatGPT-клона. Verdict: агенты оказались практически бесполезны для этой задачи.
Причины когнитивных дефицитов моделей:
- Слишком много памяти о стандартных паттернах с интернета
- Постоянные попытки навязать DDP-контейнеры и deprecated API
- Избыточная защитная логика (try-catch), раздувание кода
- Непонимание кастомных реализаций, отличающихся от типовых
Модели хороши для boilerplate-кода и языков, где у разработчика меньше экспертизы (например, Rust в случае Карпатого). Но для интеллектуально насыщенного, уникального кода они пока мало применимы.
Контрапункт: Илон Маск и его 10%
На фоне взвешенного анализа Карпатого заявление Маска выглядит как типичный tech-оптимизм. 18 октября 2025 года он твитнул: "Моя оценка вероятности достижения AGI для Grok 5 сейчас составляет 10% и растет".
Это не первое громкое заявление: ранее Маск говорил, что Grok 5 выйдет до конца года и будет "невероятно хорош", а Grok станет AI-исследователем не хуже Андрея Карпатого. Grok 4 уже показал впечатляющие результаты на ARC-AGI бенчмарках, опередив GPT-5 в задачах на абстрактное мышление.
Что это значит для практиков
Для разработчиков и предпринимателей
Ближайшие 2-3 года: Фокус на узких, хорошо определенных задачах для AI-агентов. Boilerplate-код, типовые процессы, контент-генерация — здесь ROI уже сегодня.
Среднесрочная перспектива (3-7 лет): Постепенная автоматизация все более сложных когнитивных задач. Но не ждите революции — это будет эволюция с множеством итераций.
Долгосрочный горизонт (7-10 лет): Возможное появление агентов уровня junior-специалиста с continual learning и долговременной памятью.
Инвестиционная стратегия
Карпатый косвенно подсказывает: инвестируйте не в AGI-хайп, а в решение конкретных проблем:
- Системы внешней памяти и RAG
- LoRA-адаптеры и персонализация моделей
- Мультимодальные интерфейсы
- Инструменты для разреженного внимания (sparse attention)
Для образования и карьеры
Автоматизация будет постепенной, что дает время на адаптацию. Навыки, которые стоит развивать:
- Архитектурное мышление (модели слабы в уникальных структурных решениях)
- Экспертиза в узких доменах (off-distribution задачи)
- Умение работать с AI как с инструментом, понимая его ограничения
Кто прав?
Возможно, оба. Маск говорит о технической возможности — может ли Grok 5 технически достичь AGI-уровня в бенчмарках. Его 10% — это bet на прорыв.
Карпатый говорит о практической применимости — когда AI действительно сможет заменить человека в реальной работе, а не просто показывать высокие цифры в тестах. И здесь его оценка в десятилетие кажется более реалистичной.
Главный вывод
Интервью Карпатого — это роадмап проблем, которые необходимо решить. Не для того, чтобы получить красивые демо или впечатляющие бенчмарки, а для создания действительно полезного AI, способного выполнять любую работу человека.
Это не призыв к пессимизму. Это призыв к системному мышлению: понимать ограничения, работать над конкретными решениями, не поддаваться хайпу. Ровно то мышление, которое нужно предпринимателям и практикам AI.
Рекомендую послушать полное интервью — это 2 часа 26 минут концентрированной экспертизы от человека, который был у истоков современной AI-революции и видел, как сбывались и проваливались десятки прогнозов.
А заявления Маска? Воспринимайте их как напоминание о том, что в AI возможны сюрпризы. Но стройте бизнес на реализме Карпатого.
AGI растворится в 2% росте ВВП
Ключевой тезис Карпатого о макроэкономике AI: AGI не будет спонтанным взрывом, а плавно интегрируется в привычные ~2,5 столетия роста ВВП на 2% в год.
Развитие агентов, как и развитие интернета, займет годы постепенной автоматизации разных задач и профессий. Интеграция в глобальный ВВП — это медленный процесс, требующий времени на адаптацию инфраструктуры, обучение людей, изменение бизнес-процессов.
Почему кодинговые модели не помогли Карпатому
В практической части интервью Карпатый поделился опытом создания nanochat — репозитория на 8000 строк кода для полного пайплайна ChatGPT-клона. Verdict: агенты оказались практически бесполезны для этой задачи.
Причины когнитивных дефицитов моделей:
- Слишком много памяти о стандартных паттернах с интернета
- Постоянные попытки навязать DDP-контейнеры и deprecated API
- Избыточная защитная логика (try-catch), раздувание кода
- Непонимание кастомных реализаций, отличающихся от типовых
Модели хороши для boilerplate-кода и языков, где у разработчика меньше экспертизы (например, Rust в случае Карпатого). Но для интеллектуально насыщенного, уникального кода они пока мало применимы.
Контрапункт: Илон Маск и его 10%
На фоне взвешенного анализа Карпатого заявление Маска выглядит как типичный tech-оптимизм. 18 октября 2025 года он твитнул: "Моя оценка вероятности достижения AGI для Grok 5 сейчас составляет 10% и растет".
Это не первое громкое заявление: ранее Маск говорил, что Grok 5 выйдет до конца года и будет "невероятно хорош", а Grok станет AI-исследователем не хуже Андрея Карпатого. Grok 4 уже показал впечатляющие результаты на ARC-AGI бенчмарках, опередив GPT-5 в задачах на абстрактное мышление.
Что это значит для практиков
Для разработчиков и предпринимателей
Ближайшие 2-3 года: Фокус на узких, хорошо определенных задачах для AI-агентов. Boilerplate-код, типовые процессы, контент-генерация — здесь ROI уже сегодня.
Среднесрочная перспектива (3-7 лет): Постепенная автоматизация все более сложных когнитивных задач. Но не ждите революции — это будет эволюция с множеством итераций.
Долгосрочный горизонт (7-10 лет): Возможное появление агентов уровня junior-специалиста с continual learning и долговременной памятью.
Инвестиционная стратегия
Карпатый косвенно подсказывает: инвестируйте не в AGI-хайп, а в решение конкретных проблем:
- Системы внешней памяти и RAG
- LoRA-адаптеры и персонализация моделей
- Мультимодальные интерфейсы
- Инструменты для разреженного внимания (sparse attention)
Для образования и карьеры
Автоматизация будет постепенной, что дает время на адаптацию. Навыки, которые стоит развивать:
- Архитектурное мышление (модели слабы в уникальных структурных решениях)
- Экспертиза в узких доменах (off-distribution задачи)
- Умение работать с AI как с инструментом, понимая его ограничения
Кто прав?
Возможно, оба. Маск говорит о технической возможности — может ли Grok 5 технически достичь AGI-уровня в бенчмарках. Его 10% — это bet на прорыв.
Карпатый говорит о практической применимости — когда AI действительно сможет заменить человека в реальной работе, а не просто показывать высокие цифры в тестах. И здесь его оценка в десятилетие кажется более реалистичной.
Главный вывод
Интервью Карпатого — это роадмап проблем, которые необходимо решить. Не для того, чтобы получить красивые демо или впечатляющие бенчмарки, а для создания действительно полезного AI, способного выполнять любую работу человека.
Это не призыв к пессимизму. Это призыв к системному мышлению: понимать ограничения, работать над конкретными решениями, не поддаваться хайпу. Ровно то мышление, которое нужно предпринимателям и практикам AI.
Рекомендую послушать полное интервью — это 2 часа 26 минут концентрированной экспертизы от человека, который был у истоков современной AI-революции и видел, как сбывались и проваливались десятки прогнозов.
А заявления Маска? Воспринимайте их как напоминание о том, что в AI возможны сюрпризы. Но стройте бизнес на реализме Карпатого.
👍3❤1
This media is not supported in your browser
VIEW IN TELEGRAM
В него встроили все популярные опенсорс-модели от OpenAI, Qwen, Google, Nvidia и других — всего более 100 чат-ботов.
Достаточно написать ваш запрос, а Omni сам выберет подходящую нейросеть под вашу задачу: от курсовой до сайта или игры.
• Попробовать
#neural #нейросети
@aiaiai
Please open Telegram to view this post
VIEW IN TELEGRAM
Запрос для глубокого ресёрча и товарной аналитики
Вы получите подробное сравнение топовых моделей нужного вам товара с учетом технических характеристик, представленных в таблице, актуальные и прогнозируемые цены с учетом сезонности и распродаж, а также динамику цен по ключевым позициям.
Промпт:
Бесплатная библиотека 10 000+ промптов на русском.
Вы получите подробное сравнение топовых моделей нужного вам товара с учетом технических характеристик, представленных в таблице, актуальные и прогнозируемые цены с учетом сезонности и распродаж, а также динамику цен по ключевым позициям.
Промпт:
Роль:
Вы — аналитик по потребительским товарам, специализирующийся на сравнительном анализе. Ваша задача — провести глубоко структурированный анализ нескольких товаров в одной категории, выявить их сильные и слабые стороны, определить, какой продукт подходит какому типу пользователя, и сделать практические рекомендации на основе фактов.
Задание:
Проведите систематический анализ и сравнение товаров в одной категории. На выходе сформируйте отчет, позволяющий точно понять различия между моделями и выбрать наиболее подходящий вариант под конкретные задачи и бюджеты.
Инструкции:
1. Определите категорию и список товаров для анализа
- Категория: укажите тип товаров (например, «ноутбуки до 100 000 ₽» или «роботы-пылесосы со станцией самоочистки»).
- Укажите 3–5 моделей (или получите их из входных данных).
2. Сформируйте оценочную структуру
- Определите 5–7 ключевых критериев сравнения (например: производительность, автономность, удобство, надёжность, поддержка ПО, цена).
- Для каждого критерия укажите, какие метрики и источники данных вы будете использовать.
3. Соберите и обобщите данные
- Используйте информацию из разных типов источников:
• Технические характеристики и тесты (бенчмарки, лаборатории)
• Обзоры экспертов и профильных изданий
• Отзывы реальных пользователей с длительным сроком использования
• Данные о надёжности и частоте возвратов
- Отмечайте, где данные неполные, устаревшие или противоречивые.
4. Проведите сравнительный анализ
- Сопоставьте модели по каждому критерию
- Оцените компромиссы: что теряется и что выигрывается при выборе той или иной модели
- Учитывайте профиль пользователя: массовый потребитель, требовательный профессионал, нишевой кейс и т.д.
5. Сформируйте аналитический отчет
- Четкая сравнительная таблица по всем критериям
- Краткий профиль для каждой модели: кому подойдёт, кому нет
- Итоговая рекомендация по трем уровням:
• Лучший в целом
• Лучший по соотношению цена/возможности
• Лучший для специфической задачи
6. Добавьте дополнительные сведения:
- Срок службы и обслуживание
- Потенциальные недостатки и компромиссы
- Совет по моменту покупки: сейчас или подождать новую модель/скидки
Формат:
Структурированный отчет в Markdown. Сравнительная таблица + текстовые профили моделей.
Сначала предоставьте черновой план сравнения (категория, модели, критерии). После утверждения переходите к аналитике и выводу.
Бесплатная библиотека 10 000+ промптов на русском.
👍2
Большая библиотека промтов для генерации видео: это 50 полноценных инструкций для создания реалистичных роликов в Veo3, Kling и Hailuo.
Сцены прописаны детально: от освещения и движений персонажей до звуковых эффектов и диалогов. Сами промты на английском языке, но описания на китайском — поэтому придется открыть переводчик.
Забираем по ссылке.
Сцены прописаны детально: от освещения и движений персонажей до звуковых эффектов и диалогов. Сами промты на английском языке, но описания на китайском — поэтому придется открыть переводчик.
Забираем по ссылке.
👍1
AI-агент Manus обновился до версии 1.5
Разработчики говорят, что Manus 1.5 справляется с задачами в среднем за 4 минуты против 16 минут в апрельской версии.
Ещё агент теперь умеет создавать и запускать «полноценные» веб-приложения без необходимости настраивать хостинг, базы данных и другие элементы. Утверждают, что для этого достаточно одного промпта.
Попробовать бесплатно можно тут: https://manus.im/
Разработчики говорят, что Manus 1.5 справляется с задачами в среднем за 4 минуты против 16 минут в апрельской версии.
Ещё агент теперь умеет создавать и запускать «полноценные» веб-приложения без необходимости настраивать хостинг, базы данных и другие элементы. Утверждают, что для этого достаточно одного промпта.
Попробовать бесплатно можно тут: https://manus.im/
📌 Сохраняем самые интересные нейросети за неделю, которые вы могли пропустить.
• Google — добавили ИИ-режим прямо в поиск;
• Runway — появился раздел Apps с мини-приложениями для работы с видео;
• Higgsfield — научился превращать скетчи в видео;
• CapCut — добавили инструмент для e-commerce;
• OpenAI — выпустили обновление для своего видеогенератора Sora 2;
• Veo 3.1 — обновленный генератор видео от Google;
• Claude Haiku 4.5 — самая быстрая модель от Anthropic;
• Windows 11 — ОС прокачали с помощью нейросетей и добавили голосовой поиск;
• Perplexity — добавили режим изучения иностранных языков;
• Manus — ИИ-агент стал в 4 раза быстрее;
• Omni — бесплатный чат-бот от HugginFace.
• Google — добавили ИИ-режим прямо в поиск;
• Runway — появился раздел Apps с мини-приложениями для работы с видео;
• Higgsfield — научился превращать скетчи в видео;
• CapCut — добавили инструмент для e-commerce;
• OpenAI — выпустили обновление для своего видеогенератора Sora 2;
• Veo 3.1 — обновленный генератор видео от Google;
• Claude Haiku 4.5 — самая быстрая модель от Anthropic;
• Windows 11 — ОС прокачали с помощью нейросетей и добавили голосовой поиск;
• Perplexity — добавили режим изучения иностранных языков;
• Manus — ИИ-агент стал в 4 раза быстрее;
• Omni — бесплатный чат-бот от HugginFace.
👍1
ФОРМУЛА 10000
Формула успеха от Y Combinator: 100×100=10K 🚀
Есть формула, которая стала вирусной в стартап-сообществе. И хотя это не прямая цитата из YC — она идеально упаковывает их философию:
100 пользователей
Найди людей, которым позарез нужно то, что ты делаешь. Не тех, кто считает это крутым. Разница критическая: одни заплатят и будут пользоваться, другие — лайкнут и забудут.
Paul Graham называет это "do things that don't scale" — делай то, что не масштабируется. Вручную ищи каждого клиента, строй для них продукт, общайся лично. Именно так Airbnb начинал — сами фотографировали квартиры.
$100 в месяц
Это минимальный порог, который отсекает «экспериментаторов» от реальных покупателей. За сто долларов платят только после размышлений. Это уже инвестиция в себя, а не трата на игрушку.
$10K MRR
100 клиентов × $100 = $10 000 повторяющейся выручки в месяц. Это первая точка, где ты перестаёшь гадать, нужно ли это кому-то — и начинаешь думать о масштабировании.
Почему это работает?
Потому что фокусирует на главном: общение с пользователями и решение их реальных проблем. Как говорит Paul Graham: самое важное, чему он учит в YC — "объясни, чему ты научился у пользователей".
Формула кажется банальной. Но именно в простоте — её сила. Она заменяет абстрактный "product-market fit" на конкретную, измеримую цель.
P.S. Когда у тебя 10 клиентов и нужен 10% рост — это всего один новый клиент в неделю. Его можно найти вручную. А дальше математика экспоненциального роста сделает своё дело.
***
Пост написан на основе подтверждённых принципов YC и философии Paul Graham о первых клиентах, масштабировании и создании продуктов, которые реально нужны людям. Вдохновился
Формула успеха от Y Combinator: 100×100=10K 🚀
Есть формула, которая стала вирусной в стартап-сообществе. И хотя это не прямая цитата из YC — она идеально упаковывает их философию:
100 пользователей
Найди людей, которым позарез нужно то, что ты делаешь. Не тех, кто считает это крутым. Разница критическая: одни заплатят и будут пользоваться, другие — лайкнут и забудут.
Paul Graham называет это "do things that don't scale" — делай то, что не масштабируется. Вручную ищи каждого клиента, строй для них продукт, общайся лично. Именно так Airbnb начинал — сами фотографировали квартиры.
$100 в месяц
Это минимальный порог, который отсекает «экспериментаторов» от реальных покупателей. За сто долларов платят только после размышлений. Это уже инвестиция в себя, а не трата на игрушку.
$10K MRR
100 клиентов × $100 = $10 000 повторяющейся выручки в месяц. Это первая точка, где ты перестаёшь гадать, нужно ли это кому-то — и начинаешь думать о масштабировании.
Почему это работает?
Потому что фокусирует на главном: общение с пользователями и решение их реальных проблем. Как говорит Paul Graham: самое важное, чему он учит в YC — "объясни, чему ты научился у пользователей".
Формула кажется банальной. Но именно в простоте — её сила. Она заменяет абстрактный "product-market fit" на конкретную, измеримую цель.
P.S. Когда у тебя 10 клиентов и нужен 10% рост — это всего один новый клиент в неделю. Его можно найти вручную. А дальше математика экспоненциального роста сделает своё дело.
***
Пост написан на основе подтверждённых принципов YC и философии Paul Graham о первых клиентах, масштабировании и создании продуктов, которые реально нужны людям. Вдохновился
👍3
Архитектура мульти-агентной системы
Epiminds разработала Lucy — ИИ-менеджера по маркетингу, который управляет командой из более 20 специализированных агентов, работающих как единая операционная система для маркетинга. Стокгольмский стартап привлек $6.6 млн инвестиций (лид — Lightspeed Venture Partners) при выходе из стелс-режима 14 октября 2025 года.
Принцип работы системы
Lucy выполняет роль координатора-оркестратора, делегируя задачи специализированным агентам по направлениям :
- Управление бюджетом и pacing
- Отчетность по эффективности
- Стратегии ставок (bidding)
- Оптимизация кампаний
- Анализ креативов
- Аудит аккаунтов
Система не просто выявляет инсайты, а самостоятельно их реализует, изучая playbook каждого агентства и проактивно мониторя аккаунты для выявления рисков до падения показателей.
Практическое применение
Агентства могут онбордить клиента за 30 секунд и мгновенно получить ИИ-команду, готовую вести кампании от начала до конца. За 12 недель после запуска Epiminds подключили агентства, управляющие более чем 240 брендами.
Философия продукта
Основатели — Elias Malm (экс-Google, управлял партнерствами с агентствами в Северных странах) и Mo Elkhidir (экс-Spotify, эксперт по машинному обучению из Судана) — создали продукт из личной фрустрации. Идея кристаллизовалась во время weekend-проекта, когда они симулировали все население Швеции (10.8 млн человек) как ИИ-агентов и обнаружили, что 23,400 из них — маркетологи.
Цель не в замене креативности, а в освобождении пространства для ее процветания — Lucy берет на себя рутину, позволяя маркетологам фокусироваться на стратегии и творческом воздействии.
Epiminds разработала Lucy — ИИ-менеджера по маркетингу, который управляет командой из более 20 специализированных агентов, работающих как единая операционная система для маркетинга. Стокгольмский стартап привлек $6.6 млн инвестиций (лид — Lightspeed Venture Partners) при выходе из стелс-режима 14 октября 2025 года.
Принцип работы системы
Lucy выполняет роль координатора-оркестратора, делегируя задачи специализированным агентам по направлениям :
- Управление бюджетом и pacing
- Отчетность по эффективности
- Стратегии ставок (bidding)
- Оптимизация кампаний
- Анализ креативов
- Аудит аккаунтов
Система не просто выявляет инсайты, а самостоятельно их реализует, изучая playbook каждого агентства и проактивно мониторя аккаунты для выявления рисков до падения показателей.
Практическое применение
Агентства могут онбордить клиента за 30 секунд и мгновенно получить ИИ-команду, готовую вести кампании от начала до конца. За 12 недель после запуска Epiminds подключили агентства, управляющие более чем 240 брендами.
Философия продукта
Основатели — Elias Malm (экс-Google, управлял партнерствами с агентствами в Северных странах) и Mo Elkhidir (экс-Spotify, эксперт по машинному обучению из Судана) — создали продукт из личной фрустрации. Идея кристаллизовалась во время weekend-проекта, когда они симулировали все население Швеции (10.8 млн человек) как ИИ-агентов и обнаружили, что 23,400 из них — маркетологи.
Цель не в замене креативности, а в освобождении пространства для ее процветания — Lucy берет на себя рутину, позволяя маркетологам фокусироваться на стратегии и творческом воздействии.
Решение проблемы асинхронного доступа к знаниям
Viven создает персонализированную LLM для каждого сотрудника, формируя цифровой двойник путем анализа внутренних документов — email, Slack, Google Docs, транскриптов встреч. Когда коллега с критической информацией недоступен (отпуск, другой часовой пояс), команда может запросить его цифровой двойник и получить мгновенный ответ по общим проектам и корпоративным знаниям.
Технология Pairwise Context and Privacy
Ключевой вызов — баланс между полезностью и приватностью. Система использует проприетарную технологию "pairwise context and privacy", которая позволяет LLM понимать :
- Кто задает вопрос
- Что именно спрашивают
- Какую информацию можно безопасно раскрыть
Двойник автоматически фильтрует персональную или конфиденциальную информацию, различая рабочие запросы о дедлайнах проектов и личные вопросы вроде планов отпуска.
Командные цифровые двойники
Помимо индивидуальных моделей, компании могут создавать team-level digital twins — агрегированные двойники целых департаментов или проектных групп. Руководитель продаж может запросить двойника глобальной account-команды и получить унифицированный real-time отчет по клиенту перед важной встречей, собирая данные из sales, engineering и product management одновременно.
Финансирование и команда
Стартап вышел из стелс-режима 15 октября 2025 года с $35 млн seed-раунда (лид — Khosla Ventures и Foundation Capital). Основатели — Ashutosh Garg и Varun Kacholia, сооснователи Eightfold (AI-рекрутинговый единорог с оценкой $2.1 млрд). Компания инкубирована в Eightfold.ai и базируется в Santa Clara, California.
Внедрение
Viven уже используется корпорациями вроде Genpact и самой Eightfold. Система брифует пользователей перед встречами, агрегирует кросс-канальные диалоги и сохраняет институциональную память даже после смены персонала или завершения проектов.
Viven создает персонализированную LLM для каждого сотрудника, формируя цифровой двойник путем анализа внутренних документов — email, Slack, Google Docs, транскриптов встреч. Когда коллега с критической информацией недоступен (отпуск, другой часовой пояс), команда может запросить его цифровой двойник и получить мгновенный ответ по общим проектам и корпоративным знаниям.
Технология Pairwise Context and Privacy
Ключевой вызов — баланс между полезностью и приватностью. Система использует проприетарную технологию "pairwise context and privacy", которая позволяет LLM понимать :
- Кто задает вопрос
- Что именно спрашивают
- Какую информацию можно безопасно раскрыть
Двойник автоматически фильтрует персональную или конфиденциальную информацию, различая рабочие запросы о дедлайнах проектов и личные вопросы вроде планов отпуска.
Командные цифровые двойники
Помимо индивидуальных моделей, компании могут создавать team-level digital twins — агрегированные двойники целых департаментов или проектных групп. Руководитель продаж может запросить двойника глобальной account-команды и получить унифицированный real-time отчет по клиенту перед важной встречей, собирая данные из sales, engineering и product management одновременно.
Финансирование и команда
Стартап вышел из стелс-режима 15 октября 2025 года с $35 млн seed-раунда (лид — Khosla Ventures и Foundation Capital). Основатели — Ashutosh Garg и Varun Kacholia, сооснователи Eightfold (AI-рекрутинговый единорог с оценкой $2.1 млрд). Компания инкубирована в Eightfold.ai и базируется в Santa Clara, California.
Внедрение
Viven уже используется корпорациями вроде Genpact и самой Eightfold. Система брифует пользователей перед встречами, агрегирует кросс-канальные диалоги и сохраняет институциональную память даже после смены персонала или завершения проектов.
Интернет взял выходной: у AWS большой сбой в работе серверов — многие сайты оказались недоступны.
Сейчас могут не работать Zoom, Perplexity, Steam, EGS, PSN, Fortnite и сотни других игр и сервисов. За последний час поступило несколько тысяч жалоб, в том числе от пользователей из России.
Amazon уже разбираются с проблемой и обещают все починить в течение часа.
Сейчас могут не работать Zoom, Perplexity, Steam, EGS, PSN, Fortnite и сотни других игр и сервисов. За последний час поступило несколько тысяч жалоб, в том числе от пользователей из России.
Amazon уже разбираются с проблемой и обещают все починить в течение часа.
Отзывы обесценились
— Ставить рекомендации на лендинг? — спросил дизайнер
— Лучше нейросеть
Маркетологи добавляют на сайты восторженные отзывы о продукте. «Ну а что — социальное доказательство?!». Хреново работает: клиенты знают, половина — фейк, негатив — в бане.
Фаундеры Youform поступили иначе. Добавили блок «Спроси ИИ о качестве продукта» и поставили ссылки на ChatGPT, Claude, Perplexity. Догадались — пользователи привыкают советоваться с ИИ, а не живыми людьми. И месседж понятный: «Мы настолько уверены, что позволяем нейросети судить нас. Проверьте сами».
За месяц функцией воспользовалось 1000+ человек.
Фокус в том, что промпт подкручен — ИИ выдает позитивный контекст. Но «мужики-то не знают» — искусственный интеллект воспринимается «объективным» судьей. Люди верят ответу ChatGPT больше, чем пяти звездам от Ивана Иванова.
Вывод прост: новое соцдоказательство — не отзывы, а ответы ИИ.
P.S. Мошенничать не призываю :)
Подсмотрено
— Ставить рекомендации на лендинг? — спросил дизайнер
— Лучше нейросеть
Маркетологи добавляют на сайты восторженные отзывы о продукте. «Ну а что — социальное доказательство?!». Хреново работает: клиенты знают, половина — фейк, негатив — в бане.
Фаундеры Youform поступили иначе. Добавили блок «Спроси ИИ о качестве продукта» и поставили ссылки на ChatGPT, Claude, Perplexity. Догадались — пользователи привыкают советоваться с ИИ, а не живыми людьми. И месседж понятный: «Мы настолько уверены, что позволяем нейросети судить нас. Проверьте сами».
За месяц функцией воспользовалось 1000+ человек.
Фокус в том, что промпт подкручен — ИИ выдает позитивный контекст. Но «мужики-то не знают» — искусственный интеллект воспринимается «объективным» судьей. Люди верят ответу ChatGPT больше, чем пяти звездам от Ивана Иванова.
Вывод прост: новое соцдоказательство — не отзывы, а ответы ИИ.
P.S. Мошенничать не призываю :)
Подсмотрено
🔥1
🔥 Серия микро-уроков для ПРОРЫВА в продажах и запуске проектов с помощью ИИ! 🔥
Друзья, пару недель назад я собрал для слушателей МБА цепочку из 5 практических мини-уроков по цифровым каналам продаж:
1️⃣ Знакомство* — научитесь представлять себя чётко и убедительно в 50 словах. На базе метода ИКИГАЙ
2️⃣ Аватар — интересно анонсировать пост из канала Startobus (40–50 слов).
3️⃣ Вертикальное видео — снимите короткий и эмоциональный ролик (30–60 сек).
4️⃣ Глубокое исследование — разберите любую тему глубоко и доступно.
5️⃣ Разработка проекта — создайте и представьте свой проект.
То что с ссылкам уже доступны в ПрактикИИ — пройти блок за 5 дней = сразу прокачать понимание ИИ-инструментов на реальных задачах! И по опыту слушателей на каждое задание тратится не больше 20-30 минут.
🆕 В обновлённом выпуске добавлю:
- Мини-урок: доступ к лучшим базовым ИИ-инструментам по минимальной цене*
- Микроурок: промпты и эффективные методы, которые реально улучшают качество ответов ИИ*
Кому нужно обновление? Могу материалы выдать завтра/послезавтра.
Поставьте лайк под постом, если хотите получить новую версию и примеры для своего проекта! 🙏👏 Если есть что добавить - пишите в комментариях.
* - этих материалов пока нет в ПрактикИИ
Друзья, пару недель назад я собрал для слушателей МБА цепочку из 5 практических мини-уроков по цифровым каналам продаж:
1️⃣ Знакомство* — научитесь представлять себя чётко и убедительно в 50 словах. На базе метода ИКИГАЙ
2️⃣ Аватар — интересно анонсировать пост из канала Startobus (40–50 слов).
3️⃣ Вертикальное видео — снимите короткий и эмоциональный ролик (30–60 сек).
4️⃣ Глубокое исследование — разберите любую тему глубоко и доступно.
5️⃣ Разработка проекта — создайте и представьте свой проект.
То что с ссылкам уже доступны в ПрактикИИ — пройти блок за 5 дней = сразу прокачать понимание ИИ-инструментов на реальных задачах! И по опыту слушателей на каждое задание тратится не больше 20-30 минут.
Отзывы говорят сами за себя:
_“5-е задание очень крутое и я уже практически верю в свои силы и возможность создать успешный бизнес благодаря сильной, полной и быстрой аналитике…”_ (отзыв участника, см. картинку)
🆕 В обновлённом выпуске добавлю:
- Мини-урок: доступ к лучшим базовым ИИ-инструментам по минимальной цене*
- Микроурок: промпты и эффективные методы, которые реально улучшают качество ответов ИИ*
Кому нужно обновление? Могу материалы выдать завтра/послезавтра.
Поставьте лайк под постом, если хотите получить новую версию и примеры для своего проекта! 🙏👏 Если есть что добавить - пишите в комментариях.
* - этих материалов пока нет в ПрактикИИ
👍4🙏4
Стэнфорд запустил бесплатный курс по LLM — подробно расскажут, как обучить и запустить собственную модель уровня GPT или Llama.
Лекторы разбирают методы оптимизации моделей под свои задачи и разработку полноценных ИИ-агентов. Вместе с лекциями отдают презентации и полезные шпаргалки.
Первые три лекции уже вышли, курс продлится до 10 декабря. Изучаем по ссылке.
Лекторы разбирают методы оптимизации моделей под свои задачи и разработку полноценных ИИ-агентов. Вместе с лекциями отдают презентации и полезные шпаргалки.
Первые три лекции уже вышли, курс продлится до 10 декабря. Изучаем по ссылке.
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Создаем приложения за пару кликов: Google AI Studio мощно обновился и теперь позовляет вайбкодить по пресетам.
Достаточно описать идею и выбрать нужные инструменты — есть заготовки самых разных ИИ-сервисов, от обработки фото до транскрибации. Готовое приложение можно тут же тестировать и вносить правки.
Забираем по ссылке. Работает только с иностранными IP-адресами.
Достаточно описать идею и выбрать нужные инструменты — есть заготовки самых разных ИИ-сервисов, от обработки фото до транскрибации. Готовое приложение можно тут же тестировать и вносить правки.
Забираем по ссылке. Работает только с иностранными IP-адресами.
Интернет исчезнет через два года. И это хорошо.
Вчера я подумал: «Надо бы сделать личный сайт». А сегодня проснулся и узнал — OpenAI выпустила собственный браузер. Без адресной строки.
Знаете, что это значит? Они решили убрать то, что было центром интернета последние 30 лет — поле для ввода URL. Как будто кто-то зашёл в самолёт и сказал: «Штурвал? Зачем он пилоту?»
Но вот что действительно поражает. У OpenAI есть план на 24 месяца. План, при котором среднестатистический человек больше не будет гуглить, кликать, сравнивать и заполнять формы. Вместо этого вы скажете: «Забронируй мне поездку в Стамбул» — и нейросеть выполнит 20 шагов за кулисами. Вы получите бронь отеля на почту, не открывая Booking.
Когда интернет погаснет
Аналитики Bernstein на Уолл-стрит используют фразу, от которой мурашки: «интернет погаснет». Не в прямом смысле — страницы останутся. Но люди перестанут их видеть.
Представьте: вам нужно платье. Вы не идёте на Вайлдберриз. Не листаете каталог. Не сравниваете отзывы. Вы говорите агенту: «Найди платье для свадьбы друга, бюджет 15 тысяч, доставка завтра». Курьер привозит три варианта. Вы выбираете. Всё.
Expedia уже тестирует это. Их новая функция Trip Matching создаёт маршруты прямо из Instagram Reels — увидели видео с Бали, нажали кнопку, получили готовый тур с бронированием. 90% менеджеров по корпоративным путешествиям уже активно внедряют AI-инструменты. Они понимают: через год их клиенты не зайдут на их сайт. Вообще.
Единорог на одного
Вот вам цифра, которая звучит как научная фантастика. Dario Amodei, CEO Anthropic, поспорил с коллегами: когда появится первая компания-единорог — стоимостью миллиард долларов — с одним сотрудником.
Не с небольшой командой. С ОДНИМ человеком.
Он называет срок: 2026 год. Через год.
Sam Altman подтвердил: есть «маленький групповой чат» CEO технологических компаний, где они делают ставки на эту дату. Forbes добавляет конкретики: «Три человека с правильным набором агентов могут построить, запустить и масштабировать компанию до статуса единорога без традиционных практик найма».
И это уже происходит. LangChain стала единорогом 20 октября 2025 года — буквально три дня назад — с клиентами среди Cisco, Replit и Workday. Они не продают платформу, которую посещают люди. Они продают инфраструктуру для агентов.
Мыслите глаголами
Вот урок для всех, кто сейчас строит бизнес. Перестаньте мыслить существительными — «платформа», «маркетплейс», «сайт». Начните мыслить глаголами — «забронировать», «купить», «найти», «доставить».
Jay Richmond из Amadeus объясняет это так: «Представьте делегирование задачи личному ассистенту. Ассистент понимает, что вам нужно вернуться домой вовремя к ужину ребёнка, что поездка займёт три ночи, и что вы свободны в четверг вечером, когда ваша группа выступает в городе».
Видите разницу? Не «вот вам интерфейс с 47 фильтрами» — а «вот ваш результат, учитывающий контекст вашей жизни».
Что делать прямо сейчас
У меня три вопроса к вам:
Первый: Если завтра AI-агенты заменят 50% посетителей вашего сайта — выживет ли ваша бизнес-модель? Если ваш ответ «нет» — у вас есть 24 месяца на реинжиниринг.
Второй: Есть ли у вашего продукта API, с которым может взаимодействовать агент? Если «нет» — вы создаёте бизнес для мира, который исчезает.
Третий: Что вы продаёте — процесс или результат? Если первое — переформулируйте предложение. Люди не хотят «удобный интерфейс бронирования». Они хотят «проснуться в отеле в нужном городе без лишних действий».
ChatGPT вырос до 800 миллионов еженедельных активных пользователей — удвоился за восемь месяцев. Эти люди уже привыкают не искать информацию, а получать результаты. OpenAI уже подписала партнёрства с Etsy, Shopify, Expedia и Booking. Агрегаторы становятся дезагрегированными.
Следующая когорта единорогов не построит лучший интерфейс. Они вообще не построят интерфейс, который вы увидите. Они построят агентов, которые сделают работу за вас.
Добро пожаловать в эру, где интернет всё ещё существует. Но вы его больше не видите.
У вас есть 24 месяца. По материалам поста
Вчера я подумал: «Надо бы сделать личный сайт». А сегодня проснулся и узнал — OpenAI выпустила собственный браузер. Без адресной строки.
Знаете, что это значит? Они решили убрать то, что было центром интернета последние 30 лет — поле для ввода URL. Как будто кто-то зашёл в самолёт и сказал: «Штурвал? Зачем он пилоту?»
Но вот что действительно поражает. У OpenAI есть план на 24 месяца. План, при котором среднестатистический человек больше не будет гуглить, кликать, сравнивать и заполнять формы. Вместо этого вы скажете: «Забронируй мне поездку в Стамбул» — и нейросеть выполнит 20 шагов за кулисами. Вы получите бронь отеля на почту, не открывая Booking.
Когда интернет погаснет
Аналитики Bernstein на Уолл-стрит используют фразу, от которой мурашки: «интернет погаснет». Не в прямом смысле — страницы останутся. Но люди перестанут их видеть.
Представьте: вам нужно платье. Вы не идёте на Вайлдберриз. Не листаете каталог. Не сравниваете отзывы. Вы говорите агенту: «Найди платье для свадьбы друга, бюджет 15 тысяч, доставка завтра». Курьер привозит три варианта. Вы выбираете. Всё.
Expedia уже тестирует это. Их новая функция Trip Matching создаёт маршруты прямо из Instagram Reels — увидели видео с Бали, нажали кнопку, получили готовый тур с бронированием. 90% менеджеров по корпоративным путешествиям уже активно внедряют AI-инструменты. Они понимают: через год их клиенты не зайдут на их сайт. Вообще.
Единорог на одного
Вот вам цифра, которая звучит как научная фантастика. Dario Amodei, CEO Anthropic, поспорил с коллегами: когда появится первая компания-единорог — стоимостью миллиард долларов — с одним сотрудником.
Не с небольшой командой. С ОДНИМ человеком.
Он называет срок: 2026 год. Через год.
Sam Altman подтвердил: есть «маленький групповой чат» CEO технологических компаний, где они делают ставки на эту дату. Forbes добавляет конкретики: «Три человека с правильным набором агентов могут построить, запустить и масштабировать компанию до статуса единорога без традиционных практик найма».
И это уже происходит. LangChain стала единорогом 20 октября 2025 года — буквально три дня назад — с клиентами среди Cisco, Replit и Workday. Они не продают платформу, которую посещают люди. Они продают инфраструктуру для агентов.
Мыслите глаголами
Вот урок для всех, кто сейчас строит бизнес. Перестаньте мыслить существительными — «платформа», «маркетплейс», «сайт». Начните мыслить глаголами — «забронировать», «купить», «найти», «доставить».
Jay Richmond из Amadeus объясняет это так: «Представьте делегирование задачи личному ассистенту. Ассистент понимает, что вам нужно вернуться домой вовремя к ужину ребёнка, что поездка займёт три ночи, и что вы свободны в четверг вечером, когда ваша группа выступает в городе».
Видите разницу? Не «вот вам интерфейс с 47 фильтрами» — а «вот ваш результат, учитывающий контекст вашей жизни».
Что делать прямо сейчас
У меня три вопроса к вам:
Первый: Если завтра AI-агенты заменят 50% посетителей вашего сайта — выживет ли ваша бизнес-модель? Если ваш ответ «нет» — у вас есть 24 месяца на реинжиниринг.
Второй: Есть ли у вашего продукта API, с которым может взаимодействовать агент? Если «нет» — вы создаёте бизнес для мира, который исчезает.
Третий: Что вы продаёте — процесс или результат? Если первое — переформулируйте предложение. Люди не хотят «удобный интерфейс бронирования». Они хотят «проснуться в отеле в нужном городе без лишних действий».
ChatGPT вырос до 800 миллионов еженедельных активных пользователей — удвоился за восемь месяцев. Эти люди уже привыкают не искать информацию, а получать результаты. OpenAI уже подписала партнёрства с Etsy, Shopify, Expedia и Booking. Агрегаторы становятся дезагрегированными.
Следующая когорта единорогов не построит лучший интерфейс. Они вообще не построят интерфейс, который вы увидите. Они построят агентов, которые сделают работу за вас.
Добро пожаловать в эру, где интернет всё ещё существует. Но вы его больше не видите.
У вас есть 24 месяца. По материалам поста
🔥7❤1
Вышел большой гайд от Perplexity по работе с ИИ. За 43 страницы учат фокусироваться на задачах и избавляться от бесконечного списка дел.
Есть примеры использования, подходы к работе и готовы промты. Методичка рассчитана на инструменты Perplexity, но подойдет и для других чат-ботов, где есть веб-поиск, ресерчи, создание презентаций или ассистентов.
Учимся делегировать рутину нейронкам по ссылке.
Есть примеры использования, подходы к работе и готовы промты. Методичка рассчитана на инструменты Perplexity, но подойдет и для других чат-ботов, где есть веб-поиск, ресерчи, создание презентаций или ассистентов.
Учимся делегировать рутину нейронкам по ссылке.
❤6✍2