Люди неоднократно в чатике обсуждали Гонку и Либерманов. Мол разъеб или нет? Не Нео ли это часом с Тринити? А кто кстати из них за Тринити?!

Ну вот вам подсказывают ребята собственноручно что они делают)

За год Гонка запроцессила более 680 миллиардов AI токенов для, внимание, 17 тысяч мемберов.

У одного малюсенького меня только на одной подписке OpenAI сгорело 104,2 миллиарда токенов. А у меня их три… А еще весь этот год у меня был выдаиваемый в ноль Антропик, и за прошедший месяц 8 китайцев.

В сумме я где-то миллиардов 350 токенов спалил за время существования Гонки.

То бишь чуть больше половины от всего что они запроцессили :))))))

Так бывает когда фаундеры не понимают о чем говорят настолько чтобы аж делать это публично, а это на моей памяти никогда ничем полезным не заканчивалось к сожалению)

Если кто помнит мою историю про майонезного барона - это вот примерно так выглядело, только 17 лет назад и в другом сеттинге. Хотя думаю лавэ у него было гораздо больше чем у ребят, а мозгов гораздо меньше :)

Вчера в переписке всплыло классическое возражение против Guard:

«Не вижу проблемы. Заключаешь enterprise-соглашение с провайдером AI — и данные твоей компании только твои.»

Разумный аргумент. Anthropic и OpenAI дают DPA/ZDR — юридически данные не идут на обучение и не хранятся дольше нужного. Спорить с этим бессмысленно.

Но тут подмена уровня.
DPA регулирует, что происходит с данными ПОСЛЕ того, как они долетели до вендора.
Guard решает другую задачу — не дать секрету вообще покинуть периметр.

Идеальный контракт с Anthropic не спасёт, если разработчик вставил в промпт пароль от прод-базы. Пароль уже уехал наружу и осел в чужой инфраструктуре — retention policy тут ни при чём, поезд ушёл в момент отправки, а не хранения.

И дальше собеседник сам, не заметив, назвал настоящую боль:

«Гемора больше, чем впрямую с Anthropic и GPT договориться... Но там гемор в другом — SSO, контроли и т.д.»

Вот оно. Половина команды сидит с личных аккаунтов Claude/ChatGPT - без SSO, без единого аудита, без понимания, кто и что туда вставляет. Компания подписывает красивый enterprise-договор с вендором — а по факту работа всё равно идёт мимо него, потому что через личную подписку быстрее.

DPA закрывает бумажный риск. Не закрывает операционный.

Вижу, что многие пришли к идее создавать себе несколько агентов-персонажей для ежедневной работы. Например, Grok Bot - мессенджер, где ты переписываешься со своими агентами, у каждого своя память, виртуалка и личность. Входит в подписку за $300 у грока. Hermes тоже такое сделали - bot mode

Я так живу с конца июля, но придумал как это делать ещё проще и не зависеть от вендора, модели и харнеса

Исторически у нас всегда было два основных режима для ежедневной работы с ИИ:

- Треды (как в ChatGPT) - каждая тема это длинная цепочка, общая память на все диалоги. Плюсы - просто и понятно, минусы - ограничение контекста на один тред, общая память это одна большая куча. Второй крупный минус - vendor lock, вы не можете поменять модель, а если вас забанят (а если вы в РФ то вас обязательно однажды забанят), то это будет потерей всех ваших данных. Сейчас это уже можно расценивать как потерю части мозга

- Директории-проекты (как Claude code / codex cli). Работа над каждым проектом ведется внутри одной директории, все правила по ней - в AGENTS_md, память привязана к проекту (также в харнесе может быть общая память на все проекты). Так сегодня работает большинство айтишников. Минусы - у проектов нет общего контекста, нет переноса знаний. Большой монорепо или workspace в курсоре не спасет

Я предлагаю промежуточный вариант - команда из персонажей (сотрудников). Каждый персонаж это папка с AGENTS_md, MEMORY_md и артефактами (журнал, ключи, инсайты, планы). Это должен быть некий персонаж с именем, базовой личностью, аватаркой (зачем, напишу чуть ниже) и описанным скоупом - набором проектов с которыми он работает (3-10) и набором правил. Все храним и версионируем в git, чтобы не потерять и контролировать. Про навыки в виде git-папок делал подробный доклад недавно

IMHO это золотая середина между первыми двумя подходами. Она с одной стороны позволяет шарить знания между проектами, с другой стороны не валит все знания в одну общую память. Самое главное - такие агенты не зависят от платформы. Вчера у вас openclaw, сегодня Hermes, завтра вообще будет kimi cli - это не важно, ваш персонаж останется с вами!

Название прикольное в голове крутится - мета-харнес 😂

На схеме сверху👆 моя команда, с которой я работаю теперь каждый день

В ней 4 персонажа, которыми я реально решаю все свои рабочие задачи:
- Лора 👩‍🔬 (от LoRA-адаптера) отвечает за ML/DS, ставит эксперименты, помогает писать научные статьи (кстати, сам персонаж создан полностью RalphLoop с нуля и вы могли ее встречать в интернете :))
- Стив 👨‍💻 (как Возняк) - python backend, помогает писать библиотеки, проверяет PR, настраивает CI
- Альфред 🤵 (как дворецкий у Бэтмена) - отвечает за разные доступы, DevOps, менеджерит виртуалки, распределяет GPU, трекает расходы токенов

А еще есть Риззи 👩‍💼 (от reasoning) - моя ассистентка в бытовых делах (придумал ее ещё во времена OpenClaw), планирование поездок, календарь. Это самый старый персонаж и она сделана на другой платформе (Hermes), работает автономно и нужна в основном для того, чтобы тестировать межагентное взаимодействие. Другие агенты могут задать ей вопрос по ssh

Персонажи могут общаться между собой, просто запуская друг друга вот так:

claude -p "Привет, Альфред, это Лора, подскажи какие у нас ключи к openai"

А чтобы они в принципе друг про друга узнали, вся команда описана в корневой директории crew - кто что умеет и за что отвечает.

(Из забавного, мои персонажи периодически не общаются, а просто читают память друг друга, чтобы сэкономить время. Жалко, хорошо, что люди так не умеют :))


Зачем нужна личность? Качества она, очевидно, не добавляет, но мне кажется, что нашему мозгу проще работать с такими сущностями. В конце концов наша цивилизация сформировалась в сообществе, где есть явное разделение труда по ролям. Задачи разные, но ты всегда будешь знать кому что поручить в твоем ближайшем окружении. Так что персонажи нужны не для ИИ, а для нас

Шаблон для создания своей команды я выложил отдельно на github. Но в нем нет никакой магии - вся идея описана в этом посте исчерпывающе, можно брать и использовать

Мы тестируем новую гипотезу

Вайбкодерам придумали новое название — на просторах интернета набирает популярность термин «мясной прокси».

Так называют «специалистов», которые задают вопросы нейронке и просто пересылают готовые ответы коллегам.

Не будем загадывать, но кажется, что мясные прокси исчезнут также быстро, как и появились.

⚡️ OpenAI готовят Astra: новая модель набрала 100% на ExploitBench

Astra ещё не вышла, но OpenAI уже рассказали, почему задержали её релиз. Это первая модель компании, достигшая критического уровня кибервозможностей.

По данным OpenAI, Astra достигла 100% на публичном ExploitBench. Из-за риска утечки заданий компания отдельно проверила модель на свежих уязвимостях: там Astra заметно обошла GPT‑5.6 Sol и обнаружила две zero-day-уязвимости.

Модель обещают выпустить скоро, но самые мощные кибервозможности сначала откроют только небольшой группе тестировщиков.

@ai_for_devs

Guard настолько эффективно работает на локальных и прод машинах что маскирует вообще все)

Как говориться - скриньте

Российские дата-центры могут передать под временное управление государства

#аналоговнет

Крупные российские ЦОДы могут попасть под действие президентского указа № 604, разрешающего вводить временное государственное управление на объектах критической инфраструктуры с недостаточной защитой. По умолчанию роль управляющего получит Росимущество.

LH | News | OSINT | AI

продолжаю тему: как готовиться и чему учиться к post-AGI миру

1. желать глубины
сегодня любой чат может сделать вообще любую задачу, его достаточно просто попросить. но без контекста, без конкретики и без четкого описания идеального результата он сделает слоп. в итоге для мира эта задача, возможно, лучше вообще была бы не сделана, чем сделана как слоп.

чтобы стать безумно богатым и успешным (то есть, решать задачи полезные для мира лучше чем кто-либо другой), нужно научиться активно искать глубину в любом процессе.

делать руками то, что что можно отдать боту — это бессмысленная трата времени и тупость
но делать скрупулезно и тщательно то, что бот просто пропустил бы — ставить ему задачи, проверять шаги, поправлять, не соглашаться на чуть менее чем идеальный результат — это то что отличает успех от "середнячка"

2. забудьте про названия ролей и должностей
самые неприятные времена ждут тех, кто строил свою идентичность вокруг роли "риск-менеджера" или "перформанс таргетолога". я не верю в эти все названия.

в бизнесе, реальных профессий очень мало: это что-то строить, что-то дистрибутировать и продавать, делать так чтобы процессы работали эффективно.

навыки в профессии это: глубина в своей области + умение работать с ИИ + ясно писать и говорить + существующая аудитория + связи и репутация в мире + активы и капитал.

а как вы это назовете не скажется особо на результате. результат - это решенные проблемы, мир который стал лучше и довольнее от ваших действий.

3. не упускать передний край из виду
это не значит, что если вы не работаете в OpenAI, то все потеряно. но это значит, что нужно пользоваться топовыми инструментами и постоянно их обновлять. я перепробовал все возможные харенсы - warp, cursor, conductor, orca, cc, codex, zed - в итоге остановился на bb, потому что он умеет сам себя переписывать на ходу (отдельно могу рассказать кому интересно). сегодня нанимать человека, который использует практики из 2024 для работы с моделями это как нанимать бухгалтера с деревянными счетами.

4. стройте бренд и дистрибуцию
постепенно, все что делают люди руками становится автоматизировано, кроме отношений между людьми. чем больше людей вас знают и чем больше тех, до кого вы можете достучаться и чем прочнее уровень этих связей, тем ценнее ваш социальный капитал.

Дженсен поздравляет команду OpenAI с созданием AGI

Поисковик для ИИ. Будем ли мы пользоваться Google?

В конце августа стало известно, что Keenable вышел из stealth режима и привлёк $26 млн seed-раунда от VC фондов Accel (инвестировали в Slack, Spotify, Atlassian etc.) и Conviction Partners.

Keenable - строит поисковую инфраструктуру специально для ИИ агентов, а не для людей. Компания разработала поисковик, охватывающий более 100 миллиардов документов, и оптимизирует его под запросы, которые делают ИИ-агенты (например, для мониторинга рынка, отслеживания цен и т.д.)

Основатели:
• Андрей Стыскин, ранее отвечал за поиск, ИИ и облако в Яндексе,
• Матиас Петри: немецкий ИИ-учёный
(Вместе они строили поисковую инфраструктуру для агентов Amazon AGI и на собственном опыте увидели, насколько иначе устроены требования к поиску в эпоху ИИ)

Андрей ушел из Amazon в 2025. Тогда же и появился Keenable
*судя по LinkedIn

Чем это отличается от Google и др.
Ключевая идея: Google 25 лет строил поиск для людей: набрал пару слов, кликнул на верхний результат и пошёл дальше. С ИИ всё иначе: агенту может понадобиться прочитать тысячу страниц, чтобы ответить на один вопрос.
*К слову, и Google, и Яндекс, и др. тоже трансформируются и выдают ответы через свои ИИ

Из этого вытекают конкретные технические различия:
• Скорость. Real-time поисковый API Keenable по задумке должен помогать агентам обрабатывать запросы быстрее: настолько, чтобы голосовые агенты могли отвечать прямо посреди фразы, а задержка на официальном сайте заявлена менее 250 мс на 95-м персентиле (регион US East).

• Стоимость. Обычный поиск не рассчитан на то, что агент за секунды делает сотни запросов и парсит тысячи страниц. То есть агенты генерируют еще больше запросов для своих ответов. Поэтому отдельная инфраструктура по типу Keenable делает поиск более экономичным за счёт снижения высоких затрат.

• Формат данных. Вместо "10 синих ссылок" для человека, используется Web Query Language – веб-язык запросов для ИИ, который позволяет агентам одновременно извлекать данные из тысяч живых источников и рассуждать над ними.

• Собственная инфраструктура полного стека. Владение всем стеком инфраструктуры позволяет Keenable встраивать инструменты поиска исходя из этих различий, а не пристраивать их позже.


Почему агентам вообще нужен свой поиск?
Раньше поисковики создавались и оптимизировались под людей, у которых нет времени и внимания на то, чтобы сканировать целые веб-страницы. Но раз ИИ чатботы всё чаще используются для поиска и выполнения задач, есть мнение, что нынешнюю инфраструктуру интернета нужно перестроить под ИИ, поскольку боты могут читать и обрабатывать гораздо больший объём информации.

Плюс есть чисто рыночный момент: по словам Стыскина, крайне сложно убедить людей уйти от Google в обычном поиске, но проблема дилеммы инноватора означает, что в агентных запросах гиганта потенциально можно "побить" и небольшая компания вроде Keenable может предложить более экономичное решение для ИИ-компаний. При этом сейчас большинство агентов либо используют обычные поисковые API, либо сами с нуля строят веб-кроулеры. А Keenable хочет закрыть эту нишу готовой инфраструктурой.


Кстати, сейчас стартап открыл несколько ролей, на которые нанимает. Податься на вакансию можно сразу через Ashby.

Давно не выходил в эфир

Операционка поглотила(хотя реклама бизнес курсов предупреждала выходить из нее поскорее)
Поэтому фактически разработка Fleet идет с существенным отставанием от графика

Тем не менее - мы уже интегрировали и дообучаем конфигуратор профессий и агентов

Сейчас я сам активно делегирую часть работы на Агентов "Бухгалтер" и "Юрист" по сверке расчетов, выставлению счетов и актов, а также анализу договоров

К сожалению, последнее слово пока за руководителем, но обучение решит проблему в перспективе

Я попробовал — агенты пишут дерьмовый код

Допустим, а что ты сделал, чтобы они писали хороший код?

Представьте, что к вам пришел очень продуктивный и крайне способный разработчик. Но есть нюанс — у него амнезия. Ага. Ну то есть его обнуляет каждое утро

Вот тут и кроется жопа. Оказывается, ему недоступно все что мы, человеки, накапливаем в разговорах про красоту кода и архитектурные решения. Именно эти негласные правила и есть требования к коду. «не используй DTO модели», «используй стейтменеджер ххх», «сначала тесты, потом багфикс». Именно по ним мы сравниваем результаты и корчим недовольное лицо, когда агент "не угадал", как надо было сделать работу

Чтобы это исправить, вам нужно сформулировать и положить в репу рядышком:
1. Соглашения. Вы договорились, что используете конкретный фреймворк, практику, подход, паттерн, конкретные библиотеки в угоду другим? Запишите все свои конвенции, в отдельные файлики

2. Архитектурные решения. Решили сменить сборщик? Запретить складывать модели в общую либу, сделать асинхронную загрузку всех страниц? Вынесли DI и вывернули внешние зависимости? Фиксируем в ADR: решение, альтернативы, последствия (MADR формат Майкла Найгарда)

3. Процедурные знания и скрипты. Как профайлить, что запускать, вот тебе скрипт, а вот бейслайн, на что смотреть, как действовать дальше. Все знания которых не хватает модели. Обычно такое пакуют в скиллы, но можно и просто положить файликом

4. Цепочки действий. Если тебе пришли с багом: то делай раз, используй два, не забудь прочитать три, сходи в систему четыре, запусти скрипт, заведи таск, напиши, протестируй, про валидируй, пересобери, пашни, дождись сборки, почини если сломалась, открой в браузере, прокликай, актуализируй статус связанных задач по спеке из файла такого-то

5. Директивы. Фиксируй принципы, поведенческие ожидания. «Следуй DRY, но балансируй здравый смысл KISS”, «Если делаешь интерфейсы, сначала прочитай specs/UX.md», «заработай миллион долларов, не делай ошибок»

И внезапно, после всей проделанной работы оказывается что агент способен выдавать результаты, получше некоторых синьоров, способен брать работу и часами автономно писать код, отлаживать, тестировать, оптимизировать, крутить производительность, фиксить сборки в пайплайнах и так далее

⚡️ OpenAI возвращают подписку за $200, но с новыми условиями

Представитель компании рассказал, как изменится текущий самый дорогой тариф. Коротко по пунктам:

– Pro за $200 снова откроют для новых подписчиков, но поменяют подсчёт использования. В пересчёте на стоимость API включённый объём станет вдвое меньше, чем раньше.

– Лимит на 5 часов возвращать не будут. Недельный запас можно тратить тогда, когда удобно.

– Сделать обещают больше, чем месяц назад на том же Pro. Объясняют это ростом эффективности моделей. Дальше обещают больше работы и выше качество за те же деньги.

– Цены API продолжат снижать. По словам представителя, GPT-6 Sol и Luna уже подешевели вдвое. Искусственно завышать прайс ради «выгодности» подписки не хотят.

– В перспективе разница между подпиской и API за тот же доллар должна сократиться, чтобы большинству было разумно покупать использование по мере необходимости.

– На DevDay представят фичи, которые не расходуют лимиты. Какие именно — пока секрет.

Пока такие вводные. Вечером нас ждёт DevDay, посмотрим, что ещё положат в подписку за $200)

@ai_for_devs