У Claude 4.7 новый токенайзер, с более мелкими токенами. Что это значит? - подписка тратится в полтора раза быстрее, чем у 4.6.
Пожалуй, для долгих задач буду ставить старую модель.
Пожалуй, для долгих задач буду ставить старую модель.
Подключил к Claude code в виде плагина Codex (GPT-5.4), теперь когда мне Клод что-то напланирует, прошу его согласовать все с GPT-5.4. Получается согласовать не всегда, в последний раз они прошли 5 итераций, прежде чем согласились.
Полезная штука для поиска фантазий и ошибок. Пожалуй, зашью такой loop себе как обязательный при планировании и исполнении
Полезная штука для поиска фантазий и ошибок. Пожалуй, зашью такой loop себе как обязательный при планировании и исполнении
🔥2❤1
Но вообще, с новым Клодом я способен пятичасовой лимит токенов высадить за час. Да и с откатом на 4.6 все не сильно лучше. Халтурит Антропик…
Говорят, GPT-5.4 Pro (доступен только на высоких тарифах) стали обновлять и он чудо как хорош. Кладет Opus 4.7 на лопатки. Ждем официальных объявлений.
И что-то никак не дождемся DeepSeek 4… до конца апреля еще ждем?
И что-то никак не дождемся DeepSeek 4… до конца апреля еще ждем?
Тренды GitHub за неделю — github.com/trending?since=weekly.
Агенты и самоэволюция:
1. forrestchang/andrej-karpathy-skills — CLAUDE.md по наблюдениям Карпаты про типовые ошибки LLM при кодировании. 45.4k. github.com/forrestchang/andrej-karpathy-skills
2. NousResearch/hermes-agent — агент, который растёт вместе с пользователем. Python, 38.2k. github.com/NousResearch/hermes-agent
3. EvoMap/evolver — движок самоэволюции из EvoMap, Genome Evolution Protocol. JS, 3.4k. github.com/EvoMap/evolver
4. lsdefine/GenericAgent — самоэволюционирующий агент, отращивает дерево навыков из 3.3k строк ядра. Python, 3.5k. github.com/lsdefine/GenericAgent
5. multica-ai/multica — open-source платформа управления агентами. TS, 7.8k. github.com/multica-ai/multica
Память и навыки для Claude Code:
6. thedotmack/claude-mem — плагин Claude Code, захватывает сессии и автоматически подмешивает контекст в будущие. TS, 14.6k. github.com/thedotmack/claude-mem
7. addyosmani/agent-skills — production-набор skills от Эдди Османи. Shell, 4.6k. github.com/addyosmani/agent-skills
8. SimoneAvogadro/android-reverse-engineering-skill — skill для реверса Android-приложений. Shell, 1.9k. github.com/SimoneAvogadro/android-reverse-engineering-skill
Документы и мультимодальность:
9. microsoft/markitdown — конвертация любых файлов и документов в Markdown. Python, 9k. github.com/microsoft/markitdown
10. BasedHardware/omi — AI, который видит экран и слушает разговоры. Dart, 2.9k. github.com/BasedHardware/omi
Речь:
11. jamiepine/voicebox — open-source студия синтеза голоса. TS, 5.7k. github.com/jamiepine/voicebox
12. OpenBMB/VoxCPM — многоязычный синтезатор речи VoxCPM2. Python, 4.1k. github.com/OpenBMB/VoxCPM
Обучение и ниши:
13. Lordog/dive-into-llms — курс по работе с LLM. Jupyter, 5.5k. github.com/Lordog/dive-into-llms
14. shiyu-coder/Kronos — foundation-модель для языка финансовых рынков. Python, 4.5k. github.com/shiyu-coder/Kronos
15. virattt/ai-hedge-fund — симулятор AI-хедж-фонда. Python, 4.5k. github.com/virattt/ai-hedge-fund
Наблюдения недели:
— Волна саморазвивающихся агентов (Hermes, Evolver, GenericAgent) и платформ управления (Multica).
— Отдельный пласт — skills и memory для Claude Code (claude-mem, agent-skills, karpathy-skills).
— Речь и мультимодальность подтягиваются одновременно (VoxCPM, Voicebox, Omi).
Агенты и самоэволюция:
1. forrestchang/andrej-karpathy-skills — CLAUDE.md по наблюдениям Карпаты про типовые ошибки LLM при кодировании. 45.4k. github.com/forrestchang/andrej-karpathy-skills
2. NousResearch/hermes-agent — агент, который растёт вместе с пользователем. Python, 38.2k. github.com/NousResearch/hermes-agent
3. EvoMap/evolver — движок самоэволюции из EvoMap, Genome Evolution Protocol. JS, 3.4k. github.com/EvoMap/evolver
4. lsdefine/GenericAgent — самоэволюционирующий агент, отращивает дерево навыков из 3.3k строк ядра. Python, 3.5k. github.com/lsdefine/GenericAgent
5. multica-ai/multica — open-source платформа управления агентами. TS, 7.8k. github.com/multica-ai/multica
Память и навыки для Claude Code:
6. thedotmack/claude-mem — плагин Claude Code, захватывает сессии и автоматически подмешивает контекст в будущие. TS, 14.6k. github.com/thedotmack/claude-mem
7. addyosmani/agent-skills — production-набор skills от Эдди Османи. Shell, 4.6k. github.com/addyosmani/agent-skills
8. SimoneAvogadro/android-reverse-engineering-skill — skill для реверса Android-приложений. Shell, 1.9k. github.com/SimoneAvogadro/android-reverse-engineering-skill
Документы и мультимодальность:
9. microsoft/markitdown — конвертация любых файлов и документов в Markdown. Python, 9k. github.com/microsoft/markitdown
10. BasedHardware/omi — AI, который видит экран и слушает разговоры. Dart, 2.9k. github.com/BasedHardware/omi
Речь:
11. jamiepine/voicebox — open-source студия синтеза голоса. TS, 5.7k. github.com/jamiepine/voicebox
12. OpenBMB/VoxCPM — многоязычный синтезатор речи VoxCPM2. Python, 4.1k. github.com/OpenBMB/VoxCPM
Обучение и ниши:
13. Lordog/dive-into-llms — курс по работе с LLM. Jupyter, 5.5k. github.com/Lordog/dive-into-llms
14. shiyu-coder/Kronos — foundation-модель для языка финансовых рынков. Python, 4.5k. github.com/shiyu-coder/Kronos
15. virattt/ai-hedge-fund — симулятор AI-хедж-фонда. Python, 4.5k. github.com/virattt/ai-hedge-fund
Наблюдения недели:
— Волна саморазвивающихся агентов (Hermes, Evolver, GenericAgent) и платформ управления (Multica).
— Отдельный пласт — skills и memory для Claude Code (claude-mem, agent-skills, karpathy-skills).
— Речь и мультимодальность подтягиваются одновременно (VoxCPM, Voicebox, Omi).
GitHub
GitHub - multica-ai/andrej-karpathy-skills: A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's…
A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls. - multica-ai/andrej-karpathy-skills
🔥1
Forwarded from Anton Vdovitchenko — One Man Enterprise
Media is too big
VIEW IN TELEGRAM
Hola, эврибади! Вот запись митапа, который мы проводили в пятницу по теме OME (One Man Enterprise).
Кратко что это: OME — это новая форма бизнеса, где владелец работает архитектором внутри цифрового и физического миров: проектирует систему, контракты с агентами, точки эскалации, резервные маршруты.
Часы владельца не входят в стоимость. Клиент платит только за
результат, который воспроизводимо выдаёт система.
00:00 Что сломалось в старой экономике
02:48 Сигналы: микро-команды против корпораций
06:33 Архитектор: куда переехал дефицит ценности
12:01 One Man Enterprise — определение и критерии
16:41 5 форм одиночных бизнесов, что продаёт OME
20:13 Архитектура системы: владелец, агенты, артефакты, резервы
28:36 Software on Demand и мультиагентные команды
31:55 Не оптимизируй хаос. Теория ограничений Голдратта
36:43 Кому OME подходит, кому нет, тест из 9 вопросов
42:01 Первые шаги и план на 90 дней
45:59 Книги для фундамента и book-to-skill
50:22 Сценарии будущего и срочность
58:55 Возможности открыты — итог и куда вкладывать силы дальше
Книги, упомянутые в выступлении (есть ссылки на Озон, найдите наиболее удобные варианты):
• Донелла Медоуз. Азбука системного мышления (Thinking in Systems)
• Павел Безручко. Практики регулярного менеджмента
• Элад Гилл. High Growth Handbook
• Джеймс Стейнер. Карьера Software Engineering Manager
• Уильям Детмер. Теория ограничений Голдратта
• Элияху Голдратт. Цель / Цель 2
Кратко что это: OME — это новая форма бизнеса, где владелец работает архитектором внутри цифрового и физического миров: проектирует систему, контракты с агентами, точки эскалации, резервные маршруты.
Часы владельца не входят в стоимость. Клиент платит только за
результат, который воспроизводимо выдаёт система.
00:00 Что сломалось в старой экономике
02:48 Сигналы: микро-команды против корпораций
06:33 Архитектор: куда переехал дефицит ценности
12:01 One Man Enterprise — определение и критерии
16:41 5 форм одиночных бизнесов, что продаёт OME
20:13 Архитектура системы: владелец, агенты, артефакты, резервы
28:36 Software on Demand и мультиагентные команды
31:55 Не оптимизируй хаос. Теория ограничений Голдратта
36:43 Кому OME подходит, кому нет, тест из 9 вопросов
42:01 Первые шаги и план на 90 дней
45:59 Книги для фундамента и book-to-skill
50:22 Сценарии будущего и срочность
58:55 Возможности открыты — итог и куда вкладывать силы дальше
Книги, упомянутые в выступлении (есть ссылки на Озон, найдите наиболее удобные варианты):
• Донелла Медоуз. Азбука системного мышления (Thinking in Systems)
• Павел Безручко. Практики регулярного менеджмента
• Элад Гилл. High Growth Handbook
• Джеймс Стейнер. Карьера Software Engineering Manager
• Уильям Детмер. Теория ограничений Голдратта
• Элияху Голдратт. Цель / Цель 2
Forwarded from Data Secrets
Исследователь из Google написал статью о том, почему ИИ никогда не сможет обладать сознанием
Он утверждает, что ни при какой мощности моделей, ни через 10, ни через 100 лет, в них не сможет зародиться сознание. ИИ может только идеально имитировать сознание.
Причина – в логической ошибке, которую автор обозвал Abstraction Fallacy (ошибка абстракции). Сейчас, в основном, считается, что если система ведет себя разумно, значит при достаточной сложности она может стать сознательной. Но это заблуждение, и вот краткий пересказ, почему⬇️
Дело в том, что сознание – это физическое явление, а вычисления (ИИ) – это лишь его описание. В статье приводится хорошая аналогия с картой и реальными территориями. Сколь бы точна не была карта, из нее никогда не возникнет земли.
Вычисления работают так: есть физическое состояние (ток, напряжение, состояние транзистора и тд) и есть абстрактное состояние – смыслы, которые мы закладываем в физику. Человек (mapmaker) задает между этими двумя состояниями соответствие (mapping), которого не существует в природе самого по себе.
Без этого соответствия вычисления невозможны в принципе. То есть для ИИ смысл всегда приходит извне, система его не переживает, как реальный опыт. Компьютер, сколь бы "умным" он не был, не оперирует смыслами – он оперирует физикой, которую мы интерпретируем как смыслы.
Наконец-то кто-то это сформулировал
deepmind.google/research/publications/231971/
Он утверждает, что ни при какой мощности моделей, ни через 10, ни через 100 лет, в них не сможет зародиться сознание. ИИ может только идеально имитировать сознание.
Причина – в логической ошибке, которую автор обозвал Abstraction Fallacy (ошибка абстракции). Сейчас, в основном, считается, что если система ведет себя разумно, значит при достаточной сложности она может стать сознательной. Но это заблуждение, и вот краткий пересказ, почему
Дело в том, что сознание – это физическое явление, а вычисления (ИИ) – это лишь его описание. В статье приводится хорошая аналогия с картой и реальными территориями. Сколь бы точна не была карта, из нее никогда не возникнет земли.
Вычисления работают так: есть физическое состояние (ток, напряжение, состояние транзистора и тд) и есть абстрактное состояние – смыслы, которые мы закладываем в физику. Человек (mapmaker) задает между этими двумя состояниями соответствие (mapping), которого не существует в природе самого по себе.
Без этого соответствия вычисления невозможны в принципе. То есть для ИИ смысл всегда приходит извне, система его не переживает, как реальный опыт. Компьютер, сколь бы "умным" он не был, не оперирует смыслами – он оперирует физикой, которую мы интерпретируем как смыслы.
Ждать сознания от алгоритма – все равно что ждать, что формула гравитации начнет притягивать объекты.
Наконец-то кто-то это сформулировал
deepmind.google/research/publications/231971/
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from эйай ньюз
Moonshot обновили Kimi до версии 2.6
Модель теперь куда сильнее в длинных кодинг задачах, а на бенчах обгоняет Composer 2 от Cursor (который основан на K2.5). Кроме этого компания продолжает инвестировать в рои агентов — K2.6 тренировали использовать вплоть до 300 субагентов параллельно, другие команды не фокусируются на этом настолько сильно (а зря). Ну и говорят что модель теперь лучше работает с OpenClaw и прочими подобными агентами.
Веса
Блогпост
@ai_newz
Модель теперь куда сильнее в длинных кодинг задачах, а на бенчах обгоняет Composer 2 от Cursor (который основан на K2.5). Кроме этого компания продолжает инвестировать в рои агентов — K2.6 тренировали использовать вплоть до 300 субагентов параллельно, другие команды не фокусируются на этом настолько сильно (а зря). Ну и говорят что модель теперь лучше работает с OpenClaw и прочими подобными агентами.
Веса
Блогпост
@ai_newz
Forwarded from Machinelearning
Компания представила 2 новых автономных агента в Gemini API - Deep Research и Deep Research Max. Оба построены на Gemini 3.1 Pro и доступны через Interactions API.
Главное изменение по сравнению с декабрьским превью - поддержка MCP: теперь агент умеет выходить за пределы открытого веба и работать с закрытыми корпоративными источниками данных.
Типичный сценарий: асинхронные фоновые процессы, например ночной cron-job, готовящий аналитикам к утру набор подробных аналитических отчётов.
По внутренним замерам Google, Max консультируется с заметно большим числом источников и точнее взвешивает противоречивые свидетельства, чем декабрьская версия. Все отчёты полностью сопровождаются ссылками (от документов SEC до открытых рецензируемых журналов).
Инструменты агента можно включать одновременно: Google Search, URL Context, Code Execution, File Search и произвольные удалённые MCP-серверы. Веб при желании отключается (тогда поиск идёт только по пользовательским данным). В качестве опорных данных принимаются PDF, CSV, изображения, аудио и видео.
Отдельное новшество - нативная генерация графиков и инфографики прямо в теле отчёта через HTML или Nano Banana, без внешних библиотек.
Для интерактивных интерфейсов предусмотрен стриминг промежуточных рассуждений и результатов в реальном времени.
Появился и режим совместного планирования: план исследования можно просмотреть и скорректировать до того, как агент начнёт его выполнять.
Deep Research и Deep Research Max доступны в режиме public preview на платных тарифах Gemini API.
В ближайшее время оба агента появятся в Google Cloud для корпоративных клиентов.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
С генерацией картинок у OpenAI случился прорыв. Google с Nano Banana нервно курит в сторонке
https://t.me/machinelearning_interview/2712
https://t.me/machinelearning_interview/2712
Telegram
Machine learning Interview
Сделано с помощью GPT Image 2)
Антропик не прекращает зверствовать. Claude code теперь доступен только на МАХ тарифе от 100 баксов. Ну что ж, используйте Codex - то же самое, только в профиль. Да и лимитов больше
Forwarded from дядя_д
На заметку:
В предыдущих версиях генераторов изображений это было не так, но выбранный вами LLM оказывает огромное влияние на результат работы GPT-imagegen-2. GPT-5.4 Thinking и GPT-5.4 Pro будут создавать гораздо лучшие изображения, особенно для сложных объектов.
Конечно, это не интуитивно понятно и нигде не объясняется.
дядь_д
В предыдущих версиях генераторов изображений это было не так, но выбранный вами LLM оказывает огромное влияние на результат работы GPT-imagegen-2. GPT-5.4 Thinking и GPT-5.4 Pro будут создавать гораздо лучшие изображения, особенно для сложных объектов.
Конечно, это не интуитивно понятно и нигде не объясняется.
дядь_д
Тестам я не верю, но судя по всему, сейчас в размере около 30В нужно смотреть на Qwen 3.6 и Gemma 4. Новую dense модель можно развернуть на двух моих мак мини - попробую на выходных.
https://x.com/alibaba_qwen/status/2046939764428009914?s=46
https://x.com/alibaba_qwen/status/2046939764428009914?s=46
X (formerly Twitter)
Qwen (@Alibaba_Qwen) on X
🚀 Meet Qwen3.6-27B, our latest dense, open-source model, packing flagship-level coding power!
Yes, 27B, and Qwen3.6-27B punches way above its weight. 👇
What's new:
🧠 Outstanding agentic codin…
Yes, 27B, and Qwen3.6-27B punches way above its weight. 👇
What's new:
🧠 Outstanding agentic codin…
Перешел с Opus 4.7 обратно на Opus 4.6 - понаблюдаю, будут ли токены тратиться с так же быстро. Жду сегодня GPT - 5.5. Честно говоря, у OpenAI и 20 баксов подписки тратятся достаточно экономно - все чаще использую именно их модель
Если вы хотите скормить нейронке много документов, то не стоит ей пихать word и pdf - лучше перевести их в любимый текстовый формат нейронок md.
Именно поэтому слежу за подобными обновлениями
Именно поэтому слежу за подобными обновлениями
X (formerly Twitter)
PaddlePaddle (@PaddlePaddle) on X
🚀 PaddleOCR 3.5 is here!
Introducing PaddleOCR 3.5 — now with browser-based OCR, document-to-Markdown conversion, and Transformers backend integration.
📊 Key Highlights:
🔸 PaddleOCR.js for direct browser deployment
🔸One-click conversion: Word/Excel/PPT…
Introducing PaddleOCR 3.5 — now with browser-based OCR, document-to-Markdown conversion, and Transformers backend integration.
📊 Key Highlights:
🔸 PaddleOCR.js for direct browser deployment
🔸One-click conversion: Word/Excel/PPT…
Forwarded from Machine learning Interview
🚀 50+ команд Claude Code, которые реально ускоряют разработку
Если ты используешь Claude Code как обычный чат - ты теряешь 80% его мощности.
Это не просто AI. Это полноценная система разработки внутри терминала.
Вот как его правильно использовать:
База, без которой никуда:
-
-
-
-
Работа с кодом:
-
-
-
-
Контроль процесса:
-
-
-
Продвинутые фичи:
-
-
-
-
Модели и режимы:
-
-
-
Что важно знать:
- Claude Code = не чат, а инженер внутри проекта
- память (CLAUDE.md) решает больше, чем промпты
- агенты дают x2-x5 ускорение на сложных задачах
Если ты используешь Claude Code как обычный чат - ты теряешь 80% его мощности.
Это не просто AI. Это полноценная система разработки внутри терминала.
Вот как его правильно использовать:
База, без которой никуда:
-
/init - создаёт CLAUDE.md и память проекта -
/memory - открывает контекст проекта -
/add-dir - подключает новые директории -
/compact - чистит контекст и экономит токены Работа с кодом:
-
/diff - показывает изменения -
/review - ревью кода -
/simplify - 3 агента анализируют код -
/debug - системный дебаг Контроль процесса:
-
/plan - сначала думает, потом пишет код -
/permissions - контроль действий -
--dangerously-skip-permissions - полный автопилот Продвинутые фичи:
-
/agents - параллельные агенты -
/loop - повтор задач -
/bash - выполнение команд -
/remote-control - управление через браузер Модели и режимы:
-
/model - переключение моделей -
/effort - глубина мышления -
/fast - быстрый режим Что важно знать:
- Claude Code = не чат, а инженер внутри проекта
- память (CLAUDE.md) решает больше, чем промпты
- агенты дают x2-x5 ускорение на сложных задачах