Тут на днях в пожарном режиме переводил видео в текст, чтобы отследить, что было озвучено на прошедшем совещании. Традиционный продукт для этих целей Whisper, кстати, от OpenAI, и что еще удивительнее, open source. Получилось на 3+, т.е. получилось, но качество того, что Клод из этого вставил в доклад - так себе. Оказалось, что он выдал текст на английском, а потом Клод переводил его на русский. Горе от ума, что называется. Зато тут тот же OpenAi выдал SOTA модели, доступные по апи. В следующий раз попробую, расскажу

Супер-новость сегодняшнего вечера - выход Gemini 2.5 Pro. Скажу, что я сам все больше и больше использую Gemini - скорее не как замену Claude, но как замену Grok и ChatGpt.

В последний раз, убив очередные выходные на подключение готовых библиотек памяти к Claude, пошел спрашивать совета к Gemini, и тот не задумываясь говорит - ну зачем тебе готовое решение, пиши сам, я помогу. Вот теперь пишу (с Claude, это тоже уже не первая попытка, провел тотальное переосмысление проекта, продолжаю пытаться). А с Клодом потому, что у него есть MCP - это то, за что стоит похвалить Антропик, они думают о том, как максимально эффективно использовать их модель.

В общем, на Gemini, тем не менее, большие планы, тем более 1 млн контекстное окно и высокие бенчмарки способствуют. Кроме того, вышел DeepSeek V3.1, который обещают тоже на уровне Claude Sonnet 3.7, обещают доработанную ризонинг модель, которая сможет превзойти Клода через недельку-другую.

Плюс новые модельки с графикой от OpenAi. Даже уже не знаю, что пробовать - глаза разбегаются.

В этом мире есть только одна ИТ компания, которая стоически избегает всего, что касается ИИ - Apple. Вот уверен, что тоже наверняка что-то пилят сами..

Кстати, большинство моделей для рисования используют диффузию - когда сначала создается белый шум, а из него постепенно, все более четко прорисовывается изображение. У chatGPT это авторегрессия, то есть модель работает как LLM, генерирует последовательно пиксель за пикселем «начисто», без перерисовок.

Любопытно, что чуть раньше, наоборот, вышла модель для программирования, основанная на диффузии - CodeFusion. Причем модель от Майкрософт, работает очень прикольно - сразу выдает весь код, а потом за несколько шагов его причесывает. Работает сильно быстрее LLM.

Вот такая любопытная конвергенция технологий, или даже скорее конкуренция. Ждем еще новых подходов от Яна Лекуна ))

Ну наконец-то. Честно говоря, уже больше жду этого от Google - очень уж хочется в таком формате поработать с Gemini 2.5.

Вайб кодинг дошел до профессуры Стэнфорда - Эндрю Нг запустил бесплатный курс по вайб кодингу вместе с Replit

Нг известный своими работами в области ИИ и машинного обучения запустил курс "Vibe Coding 101" вместе с Replit

Нг преподаватель в Стэнфорде, основатель Coursera, сам активно продвигает идею, что ИИ-агенты меняют подход к написанию кода.

Курс построен так, что за 94 минуты человек может собрать и развернуть 2 веб-приложения с помощью "5 навыков вайб-кодинга": думать, использовать фреймворки, ставить чекпоинты, отлаживать и давать контекст.

Выглядит все это как знамение времени, когда мэтры, как Нг, берутся учить не классическому коду, а работе с ИИ как с соавтором.

Очень интересная статья для тех, кто строит работу с памятью на нейронках.

https://habr.com/ru/articles/893356/

Хардкорное, но любопытное видео про Deepseek из Стекловки (математический институт академии наук) - я там был аспирантом )) Оселедец - пожалуй, самый крутой наш товарищ, который нейросетками занимается, вся надежда на таких ребят. В какой-то момент подумал, что блин, надо было математикой заниматься, но нет, потом отпустило. В середине прикольно о том, как Дипсик обучают с ошибкой, но ничего, и так работает.

Продолжаю возиться с памятью - установил себе mem0, расскажу об опыте чуть позже, пока настраиваю. Но вот после выхода Llama 4 с контекстным окном в 10 млн токенов это все начинает казаться бессмысленным. Не то, чтобы это значит, что надо переходить на Лламу, скорее это сигнал, что скоро такое окно будет у всех. У того же Gemini 2.5 окно в 1 млн по сравнению с 200K у Клода, и это чувствуется - можно вести очень длинный диалог, не прерывая его.

Видимо, следующий вопрос будет уже не столько в объеме памяти, сколько в ее структурировании.

Пока бегал и отмокал после забега, послушал интервью со светилами - Дарио Амадеем, Сэмом Альтманом, Эриком Шмидтом, Джеффри Хинтоном, бывшим боссом Гугла.

Выделяется сюжет опасности искусственного интеллекта. О чем явно говорит Google - надо договариваться с китайцами и мочить open source. Он может попасть к плохим людям.

У Anthropic. который как раз много вкладывает в изучение того, что у ИИ под капотом (интересно, как Амодей говорит, что мы не создаем, а выращиваем ИИ), мысль более сложная. Пока Китай отстает в ИИ на год, в производстве чипов отставание от NVidea на 4 года. Нужны жесткие меры экспортного контроля и это позволит использовать этот задел для рывка, который будет очень сложно догнать. Такой кирпичик в дом, который строит крыло технооптимистов под руководством Тиля в команде Трампа. В этом плане и многие решения Трампа смотрятся несколько иначе, если исходить из того, что ИИ даст суперпреимущество, которое не наверстать.

Еще была очень классная штука от Амодея - а давайте дадим моделям не отвечать на вопросы, которые им не нравятся. Ну интересно же будет посмотреть )) .

Вчера, кстати, смотрел тоже весьма интересное видео, как мы делаем оборудование для литографии на 360Нм, а в следующем сделам на 130Нм... Ну надо хотя бы с чего-то начинать...

NotebookLM от Google - очень прикольная штука. Можено посмотреть видосик, на словах - смысл в следующем: грузишь ей 50 источников в виде сайтов, файлов и пр. Пищешь, что тебе нужно изучить - она делает подкаст (пока только на английском), mindmap - можно походить по концепциям и посмотреть, как они раскрываются в источниках. Можно сделать резюме, ответы на часто возникающие вопросы и пр. Думаю, что будет интересно много кому. В качестве примера - подкаст по переработку органического мусора (сделан на основе ссылок, которые в него грузанул, но, видимо, многовато иностранерских включил)
https://notebooklm.google.com/notebook/3c0c58ba-d697-4290-8f79-b8fcf3668023/audio

Про топовую нейронку у себя дома.

Похоже, Llama 4 на какое-то время станет топом опенсорса. Рейтинги высокие, хотя я бы пока осторожно подходил бы к ним. Единственный конкурент - DeepSeek V3, но у ламы есть очень большое контекстное окно и скоро выйдет ризонинг модель (впрочем, как я понимаю, у DeepSeek тоже, будет интересное соревнование).

Теперь по практике - Llama Maverik запускается на двух машинках Mac Studio M3 Ultra 512Gb, Scout - на одной, для Begemoth потребуется десяток. Цена такой машинки в России 1 139 тыс. руб. Скорость - 23 токена в секунду, можно хитрить и разогнать в два раза. Вполне доступное корпоративное или даже домашнее решение с локальной нейронкой хорошего качества (хотя с качеством еще надо смотреть, первые отзывы - не очень).

И да, Llama 4 появится в WhatsApp, но не во всех странах

Честно говоря, совсем по-мертвому уперся в установку памяти, никак не сдвинусь с места. Установил mem0, через веб работает, ставлю интеграцию с Claude Desktop или Cursor, связь с сервером обрывается, и все тут. Похожая ошибка и у других пакетов была. Разбирали все выходные проблему не только с Клодом, но и с Gemini, перепробовали все что можно, ничего не получается. Vibe Coding под угрозой - если я так каждую проблему решать буду, то и правда, пора идти учиться программированию.

Пойду другим путем

Любопытная новость про бесплатный API на модельку, показывающую результаты на уровне Клода 3.5 или О3 мини. https://openrouter.ai/openrouter/quasar-alpha

Контора, которая делала модель, никому не известна, подозревают, что это OpenAI

Агенты и МСР в VS Code

Пожалуй, одна из самых приятных новостей последнего времени, хотя хорошие новости сыплются как из рога изобилия.

Уже установил, но еще не попробовал - де-факто, VS Code получает функциональность, схожую с Cursor, только бесплатно.

Традиционно для агентских задач в VS Code использовался пакет Cline - отличная штука, через него я подключался к своему Клоду, и, если память мне не изменяет, работал через оплаченную подписку, а не по API, что экономит кучу бабла.

Кстати, Антропик с Клодом теперь тоже предлагают дорогущий пакет Max за 100 баксов (у OpenAi 200), и, у меня такое чувство, что количество обращений по дешевым подпискам могло и снизиться - по крайней мере, я вчера вышел на лимит даже не программируя, что случалось ранее крайне редко.

В целом же, в части программирования перешел с Клода на Gemini 2.5, очень доволен этой моделькой, хотя и работаю с ней в более "ручном режиме", без МСР. Впрочем, от Google тоже есть прекрасные новости, но о них в следующем посте.

Google Firebase Studio

Корпорация добра выпустила свой IDE редактор для разработки приложений, причем позволяет регистрироваться из России и работать по бесплатной подписке. Выглядит очень заманчиво. Не похоже на VS Code, акцентировано на отдельных задачах, с которыми сталкиваются разработчики - программирование, хостинг, аутентификация, работа с данными, ИИ и пр.

Для вайб-кодера выглядит более понятно, чем все это программирование в VS Code, но чувствуется, что комбайн большой, сложный, надо разбираться. Буду пробовать - надежды на успех возлагаю большие.

PS. Отбой тревоги )) Gemeni описал историю так - Firebase Studio - это совершенно другая архитектура, ориентированная на продукты Google. Проще начать, нет проблем с обслуживанием - все работает на ресурсах Гугла, но это не универсальные, а Гугловские решения, которые весьма специфичны. Интересно тем, кто сидит на Гугле или для простых продуктов. Для тех, кто хочет иметь полный контроль над разработкой - кодим по-старому.

Claude 3.7 vs Gemini 2.5

Это мои любимые модели, которыми я пользуюсь чаще всего. Сравнения и впечатления - Клод хорошо пишет, мало ленится (такое случается у других моделей). МСР, по которому подключаются tools очень широкого профиля. Последняя модель 3.7 строчит код вообще как не в себя. С этим и возникает проблема - надо брать ее под контроль, тормозить, писать промпты. А если нет, то мало того, что разработка выходит из под контроля - появляется куча файлов с разных директориях, по которым не понятно нужны они или нет, так еще и моментально заканчивается контекстное окно. Оно большое, но с МСР выбирается быстро.

И это то, из-за чего пересел в программировании на Gemini. Сегодня поймал себя на мысли, что у меня нет потребности в промптах - модель выдает столько планов и кода, сколько нужно (не исключаю, что без МСР и Клод более управляем, но все же). Очень четкие, структурированные ответы. И огромный контекст с 1 млн токенов. С Клодом постоянная проблема переноса информации в новый диалог, здесь этого нет, и это очень круто. Теперь у меня эта модель #1. Ах, да, Gemini еще и бесплатная.

Есть еще ChatGPT, которой на днях прикрутили память всех диалогов - это круто, программирует тоже неплохо. Но в Cursor модели OpenAI производили сильно меньше работы за один токен. Рабочие, хорошие модели, но для меня #3.

Есть еще Grok, DeepSeek, но с ними не программирую, потенциал есть, но посмотрим на следующие релизы