Иметь большую модель, обученную под себя? Это интересно. Проблема в том, что цена обучения с ростом модели растет. нелинейно, и обучать большие модели дорого. Но может это уже как-то порешали?

Команда этим занимается серьезная - бывшие боссы OpenAI

https://t.me/ai_machinelearning_big_data/10528

За последнюю неделю у меня человек пять спросило, в чем я делаю презентации. В Claude Design.

Уже писал, что эта программа пару месяцев назад сделала большой скачок вперед. Для успешной работы надо потратить пару часов для подготовки типового макета. На тарифе в 20 долларов рисовать можно, но токены тратятся быстро, может не хватать 5-часового лимита. В Sonnet я не очень верю, сам использую для рисования Opus, и вам того же советую.

Сама программа тоже меняется, я бы сказал, немного упрощается. Процесс подготовки презентации выглядит, конечно иначе - вместо рисования, постоянно словами говоришь, что править. Но к этому привыкаешь, рисовать больше не хочется.

Можно, кстати, писать презентации и прямо в Claude Code. Я загрузил туда шаблон, и презентация программируется Клодом на питоне. Это тоже работает, и неплохо. По ощущениям, даже как-то более экономно по токенам. Советую попробовать.

Похожие функции есть и в последнем ChatGPT Work, но честно скажу, не пробовал. Исправлюсь, как будет больше времени.

О, у Apple, судя по всему, через неделю будет событие, посвященное AI. Учитывая, что с продажи на официальном сайте сняли последние Mac Studio, надеюсь, это будет запуск новой линейки Mac mini и Mac Studio с М5. Сейчас это лучшее железо для локального ИИ.

Кстати, планируется, что максимальный студио будет с 770 Гб памяти - это позволит раскатывать на одной машине реально большие модели типа квантованной GLM-5.2.

Похоже, что китайцы реально догоняют Антропиков и ОпенЭйАй. Забавно будет, если новый Gemini 3.5 Pro не дотянется до Кими 3. Впрочем, это будет не сильно удивительно. Будет ли в таких условиях Антропик отрубать Fable? Даже после выхода Opus 5 на следующей неделе? Не уверен

Увидел тут рекламку локального российского инференса на серверах MWS. Не для слабонервных.

GLM-5.2 стоит 2300 руб за входящий и исходящий трафик, про кэш ничего не сказано. 30 баксов - примерно в 10-30 раз дороже того, что можно взять у китайцев.

Самое смешное, что и qwen на 30В стоит 12 баксов. Это моделька, которую можно развернуть на Mac Studio за 4 тысячи.

В общем, шок контент. Ждем новых студио от Apple и ставим все у себя.

Антропик продлил использование Fable (я сижу на тарифе Max), лимит 50% от общего расхода.

Вчера как раз запустил Fable делать исследование - и что вы думаете, 30 мин и мой часовой лимит на нуле. В общем, придется использовать точечно.

Решил попробовать новый Kimi 3 . Даром, что китайская модель, регистрироваться по российскому телефону не дает. Такие у нас друзья

Qwen 3.8, говорят, скоро и новая модель от GLM…

Моделей больше, чем времени…

https://t.me/ai_machinelearning_big_data/10552

Супероблегченная модель Google стоит дороже DeepSeek в три раза и едва дешевле GLM-5.2. Стоит ли использовать? Сильно сомневаюсь. А обещанной Gemini 3.5 Pro и не пахнет - видимо, на фоне последних релизов смотрится бледно..

Я бы даже не исключал, что так запустили модель про, обещанную в июне.

https://t.me/vibecoding_tg/3540

А помните мы макросы в экселе записывали? Теперь такие макросы можно делать почти для чего угодно

https://t.me/vibecoding_tg/3543

Вот я подумываю, может тоже Cursor попробовать? Снова..

https://t.me/data_secrets/9586

Говорят, opus 5 начали раскатывать.. как fable, только стабильнее

Codex теперь можно рулить голосом — и впервые собирать один рабочий проект из нескольких папок

OpenAI выкатила desktop-обновление 26.715: Voice на GPT‑Live появился не только в обычном ChatGPT, но и в режимах Work и Codex. Можно голосом создать задачу, а потом попросить проверить или скорректировать работу в другом треде. На macOS к этому добавили Screen context: агент получает appshot активного окна — удобно показывать баг, макет или дашборд вместо долгого описания.

Вторая, более важная часть — multi-folder projects. У локального проекта теперь может быть несколько связанных директорий: выбираем primary folder, и именно от него Codex берёт Git-операции, автоматически находит AGENTS.md, skills и config.toml. Остальные папки доступны для поиска, чтения и правок. Наконец-то нормальный сценарий для monorepo + соседнего сервиса, инфраструктуры или общей библиотеки без копирования контекста в один каталог.

Нюанс: голос доступен в desktop-приложении на Plus/Pro/Business/Edu/Enterprise, также через Remote на iOS; правила и конфиги подтягиваются именно из primary folder. Корневую папку теперь стоит выбирать осознанно — это фактическая точка управления проектом.

Источник и документация: https://developers.openai.com/codex/changelog

Хороший enterprise-кейс: Codex не «поставили разработчикам», а упаковали в повторяемые Skills

NTT DATA раскрыла, как раскатывает Codex примерно на 9 тысяч сотрудников — и здесь интересен не рекламный таймсейв, а конструкция внедрения. Один ранний разбор инцидента, который раньше занимал у пяти опытных инженеров три дня, Codex выполнил за 30 минут. Это цифра из кейса самой компании, не независимый бенчмарк, но дальше начинается куда более переносимая практика.

Компания не оставила удачные сценарии личными промптами энтузиастов. Внутренние операции автоматизировали через Playwright, а затем упаковывали как Skills для остальных. Так агент становится не «чатом, который иногда знает что делать», а исполняемым корпоративным процессом с понятными инструментами. Нетрехнарям дали те же механики: разбор Excel-данных, сбор отчётов, обработку файлов, скрипты рутины — без ожидания отдельной BI- или dev-команды.

Важная оговорка: до массового доступа NTT определила, какие данные и системы разрешены, как устроены сеть и sandbox, какие уровни автономности допустимы и где обязательно ревью человека. Иначе масштабировать надо не агентов, а инциденты. Отдельно сработали гайд и hands-on обучение: weekly active users выросли в 1,4 раза. Похоже, реальный юнит внедрения здесь — не лицензия, а связка «безопасная среда + навык + готовый skill».

Источник: https://openai.com/index/ntt-data/

Это новости, которые мне OpenClaw мой пишет..

Он больше разных источников анализирует, чем я читаю, в целом эксперимент удачный, можно было бы даже писать не так много..

Claude Opus 5 уже вышел.

По уровню возможностей модель почти догоняет флагманскую Fable 5, но при этом стоит вдвое дешевле.

Opus - это моя основная модель, так что новость хорошая. Правда, пока особо не попробую - в отпуске, отдыхаю и от вайбкодинга тоже…

А антропику осталось только Хайку до пятой модели довести..

Как лучше промптить Claude Opus 5

Opus 5 сильнее всего в сложных агентных задачах: больших фичах, рефакторинге и поиске багов. Чтобы получить лучший результат:

— Давайте полную постановку задачи сразу и не дробите работу без необходимости.
— Явно задавайте длину ответа: параметр effort влияет прежде всего на «мышление», а не на многословность.
— Для экономии начинайте с low или medium; xhigh оставляйте для действительно сложной разработки.
— Не перегружайте промпт требованиями «перепроверить всё» и «обязательно запустить агента для верификации» — модель и так хорошо самопроверяется, лишние инструкции тратят токены.
— Чётко ограничивайте scope: модель может сама расширять задачу.
— Субагентов стоит включать только для крупных независимых потоков работы, а не для мелких задач или двойной проверки.
— Лучше не отключать thinking: при low effort обычно качество выше при сопоставимой стоимости.

Полная инструкция Anthropic:
https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5