Google Veo 3 попросили показать блогеров в Парке Юрского периода, и вот что он сделал всего за несколько минут. Он даже музыку добавил. Поэтому абсолютно точно, что роботы и ИИ заменят в скором времени персональные компьютеры для решения сложных задач.

Strava подняла раунд по оценке $2,2 млрд, пишет WSJ. Это приложение для сбора статистики о тренировках (и не только). Если бегаете или катаетесь на велосипеде, то объяснять не нужно. Правда, размер раунда почему-то раскрывать не стали. Предыдущий раунд у них был в 2020-м — $110 млн по оценке $1,5 млрд. В компании говорят, что аудитория за последний год выросла на 50% и они близки к $500 млн ARR.

В качестве теста я использовал видеокодек, который я сейчас реализую, ~2 тыс. строк кода C++23. Я дал всем инструментам 3 попытки, чтобы сделать это правильно.

Первая задача: Внедрить дополнительный блок сжатия
Я отметил позицию в коде и вставил спецификацию. Сложность: средняя

Близнецы: Было очень быстро, реализация выглядела хорошо, но видео было искажено. Я мог бы загрузить фотографию видео, чтобы указать, что не так. К сожалению, Gemini не смогли это исправить.

Клод: Первая попытка сделала полную ерунду. Вторая попытка, сделал что-то, что выглядело нормально, но видео снова было искажено. Также не удалось исправить это с третьей попробой. Кодекс: Увлекательный, он выполнил множество странных команд (while true; do sleep 1; ls build/CMakeFiles/shared_lib.dir 2>/dev/null || true; done), но он сделал это в первую попытку.

Вторая задача: Рефакторинг двух функций и их объединение
Сложность: простая

Близнецы: Сначала попросили меня указать на файл, затем застряли и отказались что-либо редактировать. Вторая попытка что-то сделала, но забыла обновить тесты и не смогла сделать это после того, как я попросил. Рефакторинг также был только наполовину. Разочаровывает.

Клод: Также сделал только половину работы с первой стороны, но, по крайней мере, запустил и исправил тесты. Когда я указал, чего не хватает, он добавил серьезную ошибку. Когда я указал на это, он нашел гениальное исправление, которое не только исправило ошибку, но и значительно улучшило код. Лучше, чем я мог бы это сделать. Шапо!

Кодекс: Аналогично, с первой попробой выполнил только половину работы. Закончил работу второй попробой. Однако качество кода было хуже, чем у Клода.

Третья задача: Оптимизация производительности
Сложность: средняя/сложная

Gemini: Переписал много кода, добавил синтаксическую ошибку, которая смогла исправить вторую попытку. Сгенерированное видео было повреждено, и производительность не улучшилась. Плохо.

Клод: Первая попытка, ускорил код в 4 раза, но видео было невоспроизведимо. Вторая попытка в 3 раза ускоряется, но видео было только оранжевым. Третья попытка снова сломана, 3x ускоряется.

Кодекс: Закончился на удивление быстро, но видео было сломано, и на самом деле оно было МЕДЛЕННЕЕ, чем раньше. Потом стало смешно, когда я сказал это, это решило проблемы, но он также настаивал на том, что я ошибался, и код действительно был быстрее. Мне пришлось показать результаты теста, чтобы поверить мне. Затем он попробовал снова, но только допустился до первоначального времени.

https://www.reddit.com/r/ClaudeAI/comments/1k3uh42/agentic_showdown_claude_code_vs_codex_vs_cursor/

NotebookLM: не только подкасты
#google #llm

Как-то NоtebookLM настолько хайпанул именно как автоподкастерская, что кажется, обделили вниманием изначальную фичу – удобную подачу документов в контекст LLM. И вообще гуглер Steven Johnson начинал этот пет-проект с идеями пресонализации LLM. А-ля что если засунуть в конекст все тексты, которые человек когда-либо писал? Или все заметки о путешествиях. Или все когда-либо написанные комментарии к книжкам (про это Стивен твитил и в подкасте Hard Fork рассказывал).

В https://notebooklm.google.com/ можно закинуть кучу документов, ссылок, и Gemini будет отвечать именно на их основе.

Допустим, просят меня написать ревью проекта для имейл-рассылки. У меня есть примеры таких описаний и какой-нибудь длинный tech design док, из которого я как раз хочу вытащить пересказ.

Задаем промпт вида

Based on the examples from file1, produce a similar summary for the New Company project based on the attached Tech Design doc

и пересказ есть. В целом то же, что с LLM, но удобнее оперировать входными файлами в контексте.

Так можно и с новым проектом знакомиться, и с новой областью знаний. Да и вообще только фантазия ограничивает.

Вдогонку про NotebookLM – вот видео на 4 минуты, примерно как я выше рассказал, но с видео. Канал Матрица вообще хорош (кажется, недооценен пока) – короткие ролики на русском, все по делу. Вот, например, 10 минут про Google I/O 10 или 4 минуты про то, шо за MCP такое.

несколько эмпирических правил:

важно давать нейронке максимально полный контекст - не только технический, но и описание самого проекта, его целей, ЦА и пр. Во многом такой документ пишется совместно с нейронкой в режиме диалога. на выходе - хорошо структурированный md. док кладётся в контекст проекта.

аналогично: нужен документ со полной актуальной структурой проекта (папки, файлы, описание БД).

качественный большой системный промпт с указанием порядка действий при написании кода, описанием стиля и пр.

после согласования описания нейронка создаёт подробный план работы, разбитый на относительно небольшие логически цельные этапы.

дальше идёт выполнение этапов с проверкой и итерационным исправлением ошибок. их сейчас, кстати, намного меньше, чем было полгода и тем более год назад.

мой стиль работы - "выращивание" проекта, я не знаю заранее всех тонкостей и даже довольно важных вещей. поэтому описание по ходу дела меняется и обновляется, это нормально.

соответственно, периодически надо рефакторить отдельные части, возвращаться к давно написанным кускам кода.

Если раньше первый коммит в репу - это был набросок кода, то теперь это README/AGENTS/CONTEXT, чтобы дать первоначальный импульс агентам.

Хрустальный шар неопределенности: почему гадания стали новой психотерапией

Знаете, я много думал о том, почему в последние годы астрология, карты Таро и вообще всякие гадания переживают ренессанс. Я называл это психотерапией для бедных. Но, поговорив с разными людьми, почитав книжки, я пришел к выводу, что был не совсем прав. Точнее, так оно и есть — это психотерапия для бедных, но причина популярности в другом.

Причина довольно банальна: в последние годы уровень неопределённости драматично вырос. Мы не знаем, что будет завтра. Если мужчины с этим живут и принимают как данность, то женщинам, на удивление, нужно знать будущее. Им важно знать, что случится, а эзотерические практики обещают именно это.

Только работают они совсем не так, как кажется. Никаких тайных знаний там нет. Есть карта, символ, цифра — а интерпретирует их тот, кто смотрит. И это довольно забавно, потому что одну и ту же карту можно интерпретировать как позитивно, так и негативно, исходя из того, как вы сами думаете о своем будущем, как вы сами себя программируете.

И вот здесь мы вступаем на зыбкую почву под названием «транссерфинг реальности». И мне кажется, я немножко понимаю Зеланда, автора этой концепции. Наша фантазия очень богата, настолько сильна, что может программировать нас на определенное восприятие событий. Повторюсь, с вами могут происходить как хорошие, так и плохие вещи, но в зависимости от того, как вы их интерпретируете, как вы к ним относитесь, как вы себя на них программируете, вы будете относиться к ним как к позитивным или негативным. И так и будет выстраиваться ваша жизнь: либо из череды белого и черного, либо из серого, либо из принятия того, что жизнь не соткана только из позитивных моментов.

Но вот это стремление иметь уверенность в завтрашнем дне двигает продажи услуг астрологов, экстрасенсов и любых других специалистов, обещающих заглянуть в завтра. В этом я не сомневаюсь. А заглядывают они не в завтра, а в глаза своего клиента, пытаясь понять, что он хочет услышать, что он ожидает. Потому что разные люди ждут разного. Кто-то ждет только позитива, а кто-то считает, что в его жизни происходит только негативное. И только так он будет слышать любой прогноз, который ему дадут.

И сила всех этих эзотерических деяний в том, чтобы человеку подарить уверенность в будущем — что либо завтра со стопроцентной вероятностью будет хорошо, либо плохо. А другого основным клиентам, которыми являются женщины, и не нужно. Им просто нужно знать: завтра будет хорошо или плохо. И не важно как, им важно знать.

И вот тут начинается самое интересное — механизм самопрограммирования. Мы работаем как сложные машины: то, что читаем, видим и слышим, формирует наши мысли о жизни и ожидания от неё. Это не эзотерика, а психология. Разница лишь в том, программируем ли мы себя осознанно или позволяем случайным картам делать это за нас.

🤖 MULTI AGENT ECONOMICS

Довольно часто слышу в последнее время про то, что мы стремительно идем в экономику мульти агентов и что сейчас будет появляться много single person unicorn companies и тут возникает вопрос, а как к этому подготовиться и чего ожидать?

Сначала надо понять, а что вообще такое agent?

По большей части агентом называют большие языковые модели (LLM) по типу ChatGPT/Claude/Gemini/DeepSeek, которые пользователь направил выполнять какую-то одну или несколько задач (это вполне может быть один промпт, который говорит иди напиши мне сценарий для видоса, посчитай мне финансы, сделай запрос по такому url и тд.)

Тут в целом понятно, мы зашли, сделали своего GPTs, который пишет нам посты в определенной стилистике и всё, у нас есть агент который нам супер круто автоматизирует нашу рутину, все довольны.

А теперь представь, что у тебя не просто один агент, который выполняет задачу по твоему триггеру, а их несколько и они могут друг с другом взаимодействовать.

Это и называется multi agent system

Тут представлены несколько определений разных мультиагентских архитектур

Network: each agent can communicate with every other agent. Any agent can decide which other agent to call next.

Supervisor: each agent communicates with a single supervisor agent. Supervisor agent makes decisions on which agent should be called next.

Supervisor (tool-calling): this is a special case of supervisor architecture. Individual agents can be represented as tools. In this case, a supervisor agent uses a tool-calling LLM to decide which of the agent tools to call, as well as the arguments to pass to those agents.

Hierarchical: you can define a multi-agent system with a supervisor of supervisors. This is a generalization of the supervisor architecture and allows for more complex control flows.

Custom multi-agent workflow: each agent communicates with only a subset of agents. Parts of the flow are deterministic, and only some agents can decide which other agents to call next.

И если мы посмотри как сейчас работают разные b2b компании/агентства, то увидим, что есть какое-то количество специалистов, которые выполняют какие-то задачи: пишут код, рисуют дизайны, составляют Go To Market стратегии, продают эти результаты другим таким же количествам таких же специалистов и в такой модели тебе надо каждому платить.

И на мой взгляд всё идет к тому, что b2b модель эволюционирует в человек2человек, где таких специалистов заменят AI агенты и системы из них, то есть по факту каждый человек станет такой b2b компанией на одного человека.

Ставьте лайкосы ❤️ если интересно посмотреть как мы создаем у себя внутреннюю multi agent system (запишу лумчик)

И пишите свои мысли по всей этой истории

Хорошего вечера!

Дублированный автоматический перевод на русский язык заработал на Youtube.

Чудеса, которые в Я.Браузере были доступны больше года назад

Пример: https://www.youtube.com/watch?v=XbXXKhfvSF0

немного из рефлексии последних дней:
- почти каждый большой бизнес был неоднократно при смерти/в серьезном кризисе, просто это не все знают
- делая онлайн мы даже не можем представить себе проблемы проектов с оффлайн составляющей-зависимость от GR, смерти людей из-за использования продукта, сотрудников и т.д.
- CEO очень одинокий человек-с акционерами нельзя поделиться всеми сомнениями и страхами, с сотрудниками тоже нельзя
- бесполезно читать истории успеха-большая доля удачи/тайминга (презентация владельца компании с капитализацией $x млрд)
- Для предпринимателя восстанавливаться после плохих новостей (которых постоянно много) важнейшая часть жизни
- Ты не один-есть другие предприниматели
- Попадание в тренд часто ключевой параметр капитализации
- Несколько примеров как компания почти закрывалась, никто не давал инвестиции-но ребята выдержали и через год оценка $xxx млн и дальше взлет-перед тем как сдаваться-надо понять-это просто трудно или нет перспектив

Что нужно для того, чтобы увеличить плотность удачи в текущих проектах
- среди фаундеров/топов AI-native человек (умеет сам собрать приложение/сервис)
- Фандрейзинг-нужен топовый человек внутри "тренда", чтобы усилить FOMO

Про собственные инвестиции
- Seed - статистически плохо окупаются, магия в доинвестировании, на старте положить мин чек и следить. Ключевая проблема, которая кратко уменьшает возврат инвестиций - когда проекты сами приходят и не получается собрать в портфель тех, за кем надо "гоняться".
- По мат. ожиданию выглядит что основной upside - вылавливать компании в моменте капитализации около $1-3 млрд (но крайне сложно попасть, когда не внутри фонда и инвестиции не основная профессия)

EBAC – мой первый проект, который мы делали в кросс-культурной и распределенной командой в новой для меня стране.
На что я бы себе "5-летней давности" рекомендовал обратить внимание:
1. Профессиональные ощущения. Если кажется, что «что-то не так» - партнер местный странный и не варит мышей, руководитель слишком медленный и водит за нос - то скорее всего это так и есть и не вестись на то, что «ну тут так принято». Свой опыт не просто так. При этом часто верно обратное - человек "своей культуры" (например поработавкший в американской компании в Бразилии с иностранным образованием), прошедший отсев нескольких людей, которые посмотрели под разным углом - стал сразу тащить.
2. Костяк команды должен быть изначально свой, сработанный или сразу должно быть ощущение, что человек тянет. Мы 2 года разбирались с местным «опытным» руководителем оффлайн-маркетинга, которая ивенты по 6 мес делала и не понимала как делать СММ, набирала не тех людей и тд. Но мы все "ждали, т.к. тут иной рынок"
3. Любой запуск в другой стране – это мгновенно работа в прогрышных условиях, поэтому а) или несколько лет жить и искать pmf, не торопиться б) если модель рабочая – то все ключевые руководители должны быть своими, с которыми сработались
4. Культура. С самого начала проводить тренинги, объясняя, что «мы не грубые, а так даем обратную связь» и «нам в ответ надо четко говорить, что хотите». Как пример – только через 2 года мы поняли, что команда местная не понимает, что такое ‘)’, обсуждая между собой «этих странных русских». Обьяснили, что это ‘:)’ просто из-за особенной русской клавиатуры мы не привыкли ставить двоеточие.
5. Практика «разговоров ни о чем» - для удаленной команды очень важна, чтобы считывалось то, что обычно обсуждают на кухне в офисе.
6. Крайне сложно, почти невозможно удаленно и в кросс-культурной команде делать 2 вещи
a. Pivot – менять модель после размера в 50 человек– вся система «тупит». Нужно на берегу решить, как станет понятно, что «лошадь сдохла»/курс не летит, и как только это диагностируется – или закрывается – или ключевая команда должна собраться вместе в офисе в оффлайне работать
b. Быстро внедрять улучшения – например «а давайте СММ станет креативнее, чтобы метрики утроились» или «а пусть сейлзы делают карьерные консуьтации» - аналогично решается через новые команды, снос старых или вывод в оффлайн.
7. Хорошо работает связка «русскоязычный тим-лид»+местный сениор
8. Country-manager – хорошая позиция с точки зрения HR и командообразования, но только в паре с тем, что фактически делает бизнес. Мы здесь два раза делали ошибки - сначала сами хотели рулить и жестили с командой, а потом в другой стране решили, что "country-manager' все сдеалет раз "она руководитель". Похоже, что правильная модель - в паре.
9. Детальнее погрузиться в рынок труда. Мы не сразу поняли, что базовое образование очень плохое и сотрудников надо брать только из узкого числа топ-вузов – иначе возникает болото с веселыми, но неэффективными ребятами
10. Удаленная работа. Должны быть видны результаты. Несколько месяцев и «графики должны расти». Если нет – прекращать тратить деньги, невозможно следить и контролировать удаленных seniors.
11. Супер-детально разбираться в местных особенностях бизнеса и закладывать стресс-сценарии в бизнес-план, самое жесткое, что нам прилетело
a. Оборотные налоги
b. Разница курсов валют
c. Процентные ставки
d. Увольнение людей
12. Научиться слышать "тихие сигналы". самое сложное. незаметный фидбек сотрудника или клиента, предостережения, советы потенциальных партнеров - все это часто тонет в общем шуме.