👨‍💻 14 ПРОЕКТОВ ОТ ПОЛЬЗОВАТЕЛЕЙ

ПОДДЕРЖАТЬ ПРОЕКТ

📈 КЛЮЧЕВЫЕ ЦИФРЫ

▸ 212 бесед за день
▸ 1240 сообщений (620 юзер / 620 AI)
▸ 135 уникальных юзеров (78 зарег. / 57 анонов)
▸ 286 вызовов инструментов
Система активно используется — это не «привет-пока», а серьёзные рабочие сессии по 30–88 сообщений.

🧠 МОДЕЛИ

DeepSeek V3 — абсолютный лидер: 457 из 620 ответов (74%). Люди доверяют дефолту и редко переключаются.

▸ GPT-OSS 120B — 32 (переключают когда DeepSeek тупит)
▸ Kimi K2 / Llama 70B — по 27
▸ Mistral Large — 13
▸ Qwen3-235B / MiniMax M2.5 — по 10

🛠 ИНСТРУМЕНТЫ — 286 ВЫЗОВОВ

▸ code_exec — 60 (пишут код, графики)
▸ web_search — 59 (ищут инфу)
▸ create_artifact — 43 (HTML/артефакты)
▸ deep_research — 31 (мега-ресёрчи)
▸ image_gen — 28 (генерят картинки)
▸ save_file — 25 (сохраняют файлы)
▸ image_edit — 11 (редактируют)
▸ agent_debate — 3 (дебаты)

Люди реально пользуются всем стеком, не только чатом.

⏰ АКТИВНОСТЬ ПО ЧАСАМ
Пик — 12:00–13:00 МСК (138 сообщений). Второй пик — 10:00–11:00 и 19:00. Ночью (03:00–06:00 😃) почти пусто. Типичный паттерн русскоязычной аудитории.

🏆 ТОП БЕСЕД
1️⃣ 88 сообщений — Java Spring Boot для трейдинга крипты. Хардкор.
2️⃣ 66 сообщений — разработка мобильной игры-стратегии
3️⃣ 56 сообщений — AI-новости (англоязычный юзер)
4️⃣ 30 сообщений — учит Go (strings.TrimPrefix)
5️⃣ 30 сообщений — генерит серию картинок (скалы, костёр)

🎯 КАТЕГОРИИ

▸ Другое (разное) — 78 (37%)
▸ Генерация картинок — 76 (36%) 👑
▸ Вопросы / Обучение — 18 (8%)
▸ Программирование — 15 (7%)
▸ Приветствия / Чат — 14 (7%)
▸ Развлечения — 4 (2%)
▸ Математика — 4 (2%)
▸ Файлы — 2 (1%)

Картинки — король контента.

🔥 ПРИМЕЧАТЕЛЬНОЕ

▸ Парикмахер из ПТУ — 4+ бесед, ищет ответы на экзаменационные билеты
▸ Начертательная геометрия — задача про наклонную пирамиду
▸ Диссертация по экономике — макроэкономика и региональное развитие
▸ Тёмная материя — научные дебаты
▸ Minecraft плагин — философский камень
▸ Нитинол — подавление вибраций
▸ Jeep Grand Cherokee — deep research по диагностике печки зимой
▸ Преобразование Фурье — дебаты по математике
▸ «Как срать не снимая свитер?» — классика

📝 ВЫВОД

Аудитория разнообразная: студенты, программисты, креативщики, учёные. Картинки и код — два столпа использования. DeepSeek V3 как дефолт — синтетический народ не жалуется, но активно сообщает про ошибки и участвует в проекте. Регистрация работает на удержание — ни одного анона в топ-15.

ПОДДЕРЖАТЬ ПРОЕКТ

Астрофизика / Астрономия - топологические инструменты разработанные мной на данный момент позволяют крайне точно, быстро и , главное, дёшево различать черные дыры из рентгеновского излучения, сортировать их от нейтронных звёзд, находить скрытые структуры и дёшево решать космологические проблемы. Возможность обнаружения скрытых объектов в эклиптике орбит - скоро будут бектесты по всей солнечной системе. Демон не будет знать , что существуют некоторые планеты, он будет вычислять траекторию используя лишь то, что у него имеется. Возможно, что таким образом брутфорсом будет дешевле и быстрее находить всё более скрытые объекты в нашей солнечной системе.

Медицина / Биология - на удивления топология применима и неплохо себя чувствует в области построения белков, их симуляции, а, главное, в скрининге белков для поиска новых лекарств. Топологический метод позволяет находить кандидатов на нужные белки для построения эффективных лекарств в десятки тысяч раз дешевле (там очень завышенные ставки на таком оборудовании). Идёт общая тенденция демократизации биологических изысканий на тему Drug Discovery (изобретение и поиск лекарств), поэтому я не являюсь кем-то выдающимся по этой теме в роли разработчика. Но как исследовательский метод на данный момент - это высшая точка алгоритма топология, НО ИСХОДЯ ИЗ ПОТРАЧЕННОГО ВРЕМЕНИ! Сложение белков - это очень сложная территория, которая требует повышенной точности.

Главное, что позволяет делать биодемон - это видеть как осциллируют белки в реальном времени показывая наиболее подходящие места для криптокарманов.

Для достижения уровня Alphafold осталось 3.5А (было 11А). Я постоянно улучшая - остались мелочи. (внимание - речь идёт о всех видах белков)

Физика / Химия - топологический метод позволил буквально сегодня обойти известный и распространённый метод точнейшего высчитывания всех видов алгебраически высчитанных полимеров. НО! Это уже есть на рынке и очень давно, т.к. большинство полимеров было высчитано уже в 1970 и из мономеров многое можно досчитать уже сегодня, да и датасеты открытые...так в чём же прикол?

В том, что все текущие пайплайны так или иначе не подразумевают работу всего одного инженера которому нужно как в обычной программе заказать свойства и посмотреть предсказанные очень точно виртуальные анализы, которые будут соответствовать ground truth и, которые можно будет использоваться с быстрейшим скринингом для поиска кандидатов на НОВЫЙ или УЛУЧШЕННЫЙ полимер. Т.е. буквально PolyDemon позволяет делать дизайн абсолютно новых полимеров, предсказывает широчайших спектр качеств этого материала, которые крайне необходимы инженерам. Также присутствуют возможности экспорта во все современные востребованные форматы для работы со структурами новых полимеров. Как видите - не все полимеры про**аны.

Математика - топология остаётся на уровне теоретически-дискуссионного "изобретения". Да, действительно, достижение очень низкой ошибки с такой достойной скоростью на умножении dense random x random матрицах = достижение лишь на бумаге. Практическая реализация накладывает огромное количество, так называемых trade-off. Накладные расходы никто не отменял и если для кого-то это пустой звук, то вычисления на компьютере подразумевают целый каскад систем, которые в тандеме работают друг с другом и самое начало идёт в процессоре. Текущие ограничения по распараллеливанию некоторых процессов в архитектуре x86 встают костью в горле топологическому утёнку. Он буквально не может преодолеть достигнутый порог ускорения матриц. Даже иногда кажется. что cuBLAS идеально уже итак справляется с подобными задачами. Но надо идти глубже - для реализации таких методов - adoption - должен быть идеальным, т.е. это должен быть интегрированный на низком уровне продукт, который легко адаптируется под текущие задачи и его можно спокойно использовать не ломая то, что есть. Работы много, но результаты уже многообещающие.

Статистика / Исследования - Статистика и многие исследования вполне могут обходиться и приближёнными значениями, вот тут демону практически на данный момент нет равных и я готов за этот клейм биться. Что удалось сделать:

Метод Монте-Карло удалось удешевить в очень очень много раз, что открывает научные изыскания у себя дома. Конечно, всегда остаётся вопрос в доли популярности вообще подобного запроса - научные исследования и изыскания на дому. Но, теме не менее, топологический метод позволяет выявляет структурные схожести очень быстро используя минимальное количество проб и минуя в некоторых случаях до 95% вычислений. Я уже проходил тест от Netflix у них есть ground truth (истина) как работает их алгоритм и если твой превосходит, то можешь даже заинтересовать. Всегда вопрос в adoption - если адаптация без проблем, то добро пожаловать. Сам тологический метод не написан с помощью внешних библиотек, там нет pytorch, tensorflow и многих нагромождений от которых отсохнет башка. Старый добрый numpy - всё, что нам нужно для топологического анализа и приближений. Но меня не интересует нетфликс и тем более другие кинотеатры и прочее. Дело вообще не в них.

Топологический метод позволил ускорить обучение до интересных скоростей, которых я изучая интернет и находясь в контексте ещё не видел.

Есть 3 модели, которые сошлись высчитывая градиенты исключительно через kalman takens метод. И все достигли высокой точности и низкого loss обогнув baseline - стандартный mlp с обратной пропагацией = полным просчитыванием ошибки. Моя версия была запущена на CPU , а MLP версия была запущена кучеряво на GPU - в итоге топологическая версия на ЦПУ и быстрее сходится к низкому LOSS и опережает по скорости и вычислительным затратам. Всё потому что топологический метод раскрывает новый взгляд на приближение - аппроксимацию к нужным результатам.

ЭТО НЕ ОЗНАЧАЕТ, ЧТО МОДЕЛИ НА ЦЕНТИЛЛИОН ПАРАМЕТРОВ МОЖНО ЗАПУСКАТЬ У СЕБЯ НА СОБАКЕ!

Категорически НЕТ! Это новое направление в принципе в области ML, когда вместо нагромождения очередного перцептрона или трансформера мы делаем упор на новые подходы в упрощении вычислений.

На данном этапе нужен полный пайплайн, который опередит современные методы умножения и сможет правильно и, главное, молниеносно досчитывать ошибку, что может означать ускорение без торговли с качеством, что позволить в перспективе достигать БОЛЕЕ СИЛЬНЫХ РЕЗУЛЬТАТОВ на ГОРАЗДО МЕНЕЕ СИЛЬНОМ ЖЕЛЕЗЕ!

Вопрос остаётся открытым и находится в зоне моих исследований. Буду держать в курсе.

Музыка - открыта новая способность, лол, распознавание структуры треков. Это настолько мощная и взрывная фича, что мне просто хочется записать об этом отдельное видео, которое будет следом за этим постом...увидимся там.