💻 OpenAI объединит лимиты ChatGPT и Codex — теперь они будут расходовать одну квоту

С декабря 2026 года подписчики Plus, Pro и Business больше не смогут независимо использовать лимиты веб-версии ChatGPT и ИИ-агента Codex.

Теперь активное программирование в Codex будет уменьшать доступный ресурс ChatGPT, а долгие разговоры с нейросетью — расходовать лимит для работы с кодом.

Что изменится:

• ChatGPT и Codex получат общий лимит, основанный на количестве токенов.

• Быстрые ответы в режиме Instant не будут расходовать общую квоту.

• Остаток лимита можно будет проверить в разделе «Настройки → Использование».

• После исчерпания квоты придётся ждать обновления, покупать дополнительные кредиты или менять подписку.

При этом точные размеры новых лимитов OpenAI пока не раскрыла.

Новость уже вызвала недовольство пользователей, особенно разработчиков, которые привыкли одновременно работать с Codex и ChatGPT.

Источник

1 из 8 миллиардов

Самое важное решение вашей жизни – выбор правильных родителей в правильной стране. Берите профессоров в Цюрихе, избегайте безработных в Лагосе, так вы проживете счастливее, здоровее и богаче.

Наглядная иллюстрация этой максимы – симулятор человеческой жизни, корейский #стартапдня 1in8b. В начале партии сервер бросает монетку и выбирает вам случайное рождение по современной статистике: каждый шестой в Индии, каждый сотый в России. Дальше, опять же по статистике, с человеком происходят всякие события – болезни, встречи, расставания. Раз в пару лет на происходящее можно влиять: выбрать вариант образования, работы или решить с женой о декретном отпуске. Встроенная механика считает ваши финансовые накопления, оценивает здоровье, счастье и отношения с близкими. Скорость при разумных x16 – 4 секунды на год, 10 минут на жизнь с учетом пауз. Выиграть или проиграть нельзя, умирают все.

Мне весьма повезло, родился в Израиле в семье среднего класса. Дальше отвечал так, как кажется следует из моего реального характера – и в итоге получил судьбу обычного бухгалтера. На пике карьеры свое агентство на двоих с партнером было. Трое детей. Женился в 30 с чем-то, развелся в 58. Миллиона долларов за всю жизнь в руках не держал. Умер в 82 года, метрика счастья почти всегда держалась в районе 90%. Сравните это с самой первой жизнью в истории игры: Нигерия, смерть от малярии в 5 лет. Проиграть, наверное, все-таки можно.

Интерфейс проекта выглядит очень профессионально, ощущение как разработка на грант в пару миллионов долларов. Реально – вайбкод. Первая рабочая версия якобы с одного промпта была сделана, но с тех пор прошел месяц, и автор, видимо, без выходных работает.

Игра хайпует. Рекламу основатель, конечно, никогда не запускал, но виральности оказалось достаточно, чтобы даже мой сын из ТикТока об 1in8b услышал. Зарабаток идет от необязательных донатов, порядка пары тысяч долларов в день автору сейчас прилетает. Если популярность проекта продержится хотя бы год – ему можно больше уже и не работать в принципе.

https://1in8b.life/

#корея #насвои #развлечения

Диплом и двойник

Профессор ВШЭ Сергей Зверев сказал на митапе в МосХаб Сколково, что к 2028 году вузы будут выпускать студента вместе с ИИ-двойником. Двойник создается при поступлении, учится вместе с человеком и после выпуска остается его личным ИИ-агентом, сообщил «Прайм» 28 октября. Пока это прогноз преподавателя, а не решение вуза.

🧠 Следи за Канал Терагерцы

#ВШЭ #ИИ

😡 Глава Instagram* предупредил о растущей ненависти к искусственному интеллекту

Адам Моссери признал, что ИИ вызывает всё больше тревоги, разочарования и гнева, особенно среди представителей творческих профессий.

По его прогнозу, в ближайшие несколько лет негативное отношение к нейросетям будет только усиливаться.

При этом Моссери признаёт и другую проблему: Instagram* пока не всегда умеет эффективно отличать качественный ИИ-контент от так называемого *AI slop* — массово сгенерированного цифрового мусора.

Полностью запрещать нейросетевой контент платформа не собирается. Вместо этого Instagram* работает над маркировкой ИИ-аккаунтов и борьбой с дипфейками.

*принадлежит экстремистской организации и запрещен

Источник

Сформулируйте один измеримый результат проекта.
Создайте минимум двух консультирующих субагентов и одного независимого проверяющего.
Для каждого опишите роль, триггер, вход, результат и границы.
Создайте один Skill для повторяемого процесса минимум из пяти шагов.
Защитите исходные данные от автоматического изменения.
Получите наблюдаемый артефакт от каждого специалиста.
Соберите полезный итоговый файл или приложение.
Проведите независимую проверку и зафиксируйте решение человека.
Что сдавать: папку проекта без конфиденциальных данных, файлы агентов и Skill, итоговый артефакт, отчёт проверки и короткую ретроспективу из 5–7 предложений: где делегирование помогло, что пришлось уточнить человеку и какое правило команды вы изменили бы перед второй версией.

Вот такая будет домашка

Кстати развернул на страте квена 3,8 flash.. честно, доволен как удав. 320 т/с полностью локальный, контекст 512к. Как агент-узбек (черновая работа, поиск, чтение, суммаризация) бля идеальный вариант

Как попасть в ответы нейросетей: почему ответа в первом абзаце мало и как проверить начало страницы

Как попасть в ответы нейросетей? Первым делом вам посоветуют дать ответ в первых строках страницы, а это значит браться за начало каждой страницы на сайте. Search Engine Journal пересказал анализ TJ Robertson из агентства TJ Digital на 193 507 ответах ChatGPT и ИИ-ответов Google (AI Mode и AI Overviews): процитированные страницы и правда чаще начинались с прямого ответа. Но против страниц, которые ИИ нашёл и не стал цитировать, разрыв небольшой, а сам Robertson считает это связью и причиной не называет. Переписывать весь сайт рано: сначала стоит проверить начало важных страниц, каждую по её целевому вопросу. Я опираюсь на логи замера ответов ИИ-моделей и аудит цитируемости страниц, так что для меня это рабочая задача. Читать далее

#как_писать_текст_для_нейросети #попасть_в_ответы_нейросетей #geoperplexity #ответы_нейросетей #chatgpt #техническая_документация #llm #python | @habr_ai

работа с dsh

кодинг агентами - 400ч
кодинг руками ибо dsh умер - 20ч

Андрей Карпати устал от рекомендаций YouTube и всего за два часа создал собственную альтернативу с помощью Claude Code и Opus 5.5.

Проект получил название HackerTube. Он собирает рекомендации видео из комментариев Hacker News за последние почти 20 лет. В результате получился каталог из 6454 видео, распределённых по 150 темам, с возможностью персонализированных рекомендаций.

https://hackertube.org/

Значит история: свой YouTube за пару часов работы агента

Андрей Карпаты в пятницу вечером открыл Ютуб, увидел ленту из кликбейтных превью и одинаковых рекомендаций, и наутро попросил Клода собрать ему собственный Ютуб из видео, которые советовали на Hacker News. Так появился HackerTube.

Opus скачал весь архив комментариев HN, потом Sonnet в Workflow прошелся по нему, выкинул спам и вытащил около 40 тысяч комментариев, где кто-то советует ролик. В итоге собралось 6454 видео по 150 темам, которые люди на HN рекомендовали друг другу с 2007 года.

Превью там берутся из середины ролика, лица с открытым ртом и красные стрелки пропадают сами собой. Рекомендации For You работают без аккаунта и хранятся прямо в браузере, есть хоткеи, а данные всего сайта можно выгрузить и отдать своему агенту, чтобы он собрал вам такую же штуку под себя.

Руками Андрей сделал две штуки:

1. создал API-ключ в Google Cloud, чтобы тянуть метаданные с YouTube
2. поднял VPS и купил домен.

Так что, если сервис надоел, можно за выходные собрать себе свой, из того, что советуют люди, которым доверяешь. Осталось только найти эти выходные.

Ян ЛеКун оказался прав, но в этой индустрии никто не хочет говорить об этом вслух.

Модель со 109 млн параметров превзошла модель с 72 млрд.

Уже несколько лет ЛеКун утверждает, что масштаб модели сам по себе не заставляет её понимать окружающий мир. Meta сделала ставку на противоположный подход. В ноябре он покинул компанию и основал собственную лабораторию в Париже.

В прошлый четверг он опубликовал доказательства своей теории.

С 2024 года индустрия придерживается идеи, согласно которой достаточно обучать всё более крупные модели на текстах, изображениях и звуках, чтобы в итоге они сформировали одинаковое внутреннее представление об окружающем мире. Считалось, что всё решает масштаб. Но эту гипотезу никто так и не доказал.

Рэндалл Балестриеро и Ян ЛеКун проверили её. И результаты показали, что дело вовсе не в размере модели.

Решающую роль играет то, какие именно данные модель получает вместе друг с другом.

Фотография и её описание представляют собой два разных способа передачи информации об одном объекте. Модели, обученные на таких парах, достигают нужного результата значительно быстрее.

А вот два абзаца из одного документа не являются двумя представлениями одного и того же объекта. Модели, обученные на таких данных, достигают аналогичного результата гораздо медленнее и требуют значительно больше вычислительных ресурсов.

Именно ко второму типу относится предсказание следующего токена. На этом принципе работают практически все современные чат-боты.

В ходе экспериментов первый метод позволил достичь аналогичного уровня понимания всего на 21,6 млн примеров. Для обучения с предсказанием следующего токена потребовалось 900 млн.

Более того, текстовая модель со 109 млн параметров сформировала представление об окружающем мире, которое оказалось ближе к представлению модели, обученной на изображениях, чем у языковой модели с 72 млрд параметров.

В 660 раз меньше параметров.

https://www.alphaxiv.org/pdf/2610.39302

Может. Если в правилах написано запускать сабагентов через codex, опус просто выполнит ту же команду, ему всё равно, под какую модель их писали 🙂 Мы делаем zeroshot.sh, там шаги запускает движок, а не модель, и модель для каждого шага задаётся в конфиге. Так что процесс не зависит от того, какая модель сегодня главная.

Обычно фабрики контента все привыкли представлять как конвейер коротких видео, где агенты режут ролики, клеят субтитры и пачкой раскидывают их по соцсетям.

Вот еще один пример, но с бóльшим количеством возможностей. И виртуальным городом-офисом:)

Все эти виртуальные офисы с агентами за столами кажутся бесполезной штукой, кроме того, что в них прикольно поиграть и позалипать, работать от этого агенты быстрее не начинают. НО для ознакомления здесь благодаря городу наглядно видно, из каких кусков состоит фабрика и как задача переходит от одного агента к другому.

Вот кто там чем занят:

- Scout сидит в Newsroom и ищет AI-новость дня, пока она еще не разлетелась
- Hook пишет три варианта первой фразы, прогоняет их через Grok, и автору остается одним кликом выбрать лучший
- Reply отвечает на комментарии
- Reel рендерит видео в студии и сам относит его на почту
- Post выкладывает тред с видео в X, и из здания вылетает бумажный самолетик
- Ledger в банке считает, сколько принес каждый пост

Сверху все это связывает пайплайн от найденной новости до подсчета денег и живой лог, в котором видно каждое действие агентов, а в отдельное окошко needs you падают только решения, которые нужны от человека.

Нечто похожее я усердно строил несколько месяцев назад, но пока так и не дошли руки доделать, так как я закопался в харнессе системы, рассчитывая сделать ее самоулучшающейся, надо бы уже добить (город добавлять не планирую).

Интернетик и телеграмчик преподвзорвались новостью о том, что Андрей Карпатый написал свой YouTube за два часа. 

Разбираемся, как работает HackerTube, сколько там видео, где они хранятся и какую роль во всём этом сыграл Опусянский.

Начнём с главного: Карпатый не создавал новый YouTube. Он сделал альтернативный интерфейс для просмотра НЕКОТОРЫХ роликов, которые уже находятся на YouTube. Но с совершенно другой системой рекомендаций. И там всего 6 454 уникальных видео.

Карпатому надоели рекомендации YouTube с кликбейтными обложками и однообразным контентом. Он решил собрать собственную какбы “видеотеку” на основе рекомендаций пользователей Hacker News, популярного сообщества программистов и технических специалистов.

Как отбирались видео?

Claude обработал архив из 43 миллионов комментариев Hacker News за 2007-2026 годы.

Сначала система отфильтровала комментарии со ссылками на YouTube, затем с помощью Claude Sonnet проанализировала оставшиеся упоминания и отсеяла спам.

В результате получилось около 40 тысяч упоминаний и 6 454 уникальных видео, распределённых по 150 темам.

Именно столько роликов было в HackerTube на момент запуска. Это не весь YouTube, а небольшая тематическая коллекция. Причём многократные упоминания не гарантируют, что каждый ролик действительно хвалили.

Где лежат сами видео?

На обычном YouTube. Карпатый не скачивал и не размещал их на собственном сервере.

HackerTube предоставляет каталог, поиск, рекомендации и интерфейс просмотра. Сами видеоролики воспроизводятся через YouTube.

Можно искать видео по темам, получать персональные рекомендации, сохранять понравившееся и вести историю просмотров. Регистрация не требуется, пользовательские предпочтения хранятся в браузере.

Вместо адских обложек авторов сайт показывает кадр точно из середины каждого видео.

Как он это изваял?

По словам Карпатого, на создание всего проекта ушло около двух часов.

Он использовал Claude Code с Opus 5.5, которая координировала разработку. Для массового анализа комментариев привлекался Sonnet.

Карпатый утверждает, что вообще не писал код. Он только общался с Claude, объясняя, что нужно сделать.

Вручную ему понадобилось выполнить три действия:

Создать API-ключ Google для получения метаданных YouTube.

Арендовать виртуальный сервер VPS.

Купить доменное имя.

После этого он передал Claude IP-адрес сервера и поручил установить, настроить, защитить и развернуть приложение. По утверждению Карпатого, агент выполнил всё самостоятельно.

Про что этот пост? 

Не про то, что появился ещё один интерфейс YouTube с шестью тысячами видео. А про то, что один человек (тут правда надо быть Карпатым)  за пару часов, практически не прикасаясь к коду, смог организовать обработку огромного массива данных, создать работающий веб-сервис и разместить его в интернете.

Правда, с учетом того, что Антропик теперь запрещает копировать приложения и игры, я думаю, эту лавочку тоже могут закрыть. Как небогоугодную. 

HackerTube:
https://hackertube.org/

Описание проекта:
https://karpathy.bearblog.dev/hacker-tube/

@cgevent