Forwarded from Ebout Data Science | Дима Савелко
SGR - Ликвидация галлюцинаций в LLMНадоело, что LLM-ка на один и тот же запрос выдаёт то стихи, то рецепт борща, то вообще уходит в астрал? Ловит постоянно галлюны и никакого структурированного ответа, как будто обожралась грибов с Бали?
Но есть решение, которое уже набирает обороты и становится must have — SGR (Schema Guided Reasoning). Это подход, который превращает LLM из капризного «чёрного ящика» под грибами в управляемый и предсказуемый инструмент.
Как это работает?
SGR заставляет модель рассуждать по заранее определённым схемам. Вместо того чтобы дать ей полную свободу творчества, мы даём ей чёткий чертёж, по которому она должна построить свой ответ. Это жёстко снижает количество галлюцинаций и повышает предсказуемость
На практике: вместо того чтобы просто попросить LLM «по-братски проанализировать документ», мы даем ей строгую схему, которая заставляет её выполнить последовательный и логичный мыслительный процесс:
Вся магия работает через Structured Output (SO) с помощью JSON Schema. Если не душить терминами, то мы просто описываем чёткую структуру, которую хотим получить на выходе из каждого этапа
Простейший пример на Pydantic смотри на 1 картинке.
Дальше мы просто говорим модели: «Твой ответ должен соответствовать схеме ComplianceAnalysis, или я умру». И на выходе получаем чистенький, структурированный JSON, с которым уже можно нормально работать.
Базовые паттерны SGR
Для практического применения удобно использовать несколько базовых паттернов:
задач, где важен чёткий порядок действий (например, создание отчета).
зависимости от условий.
через этот паттерн можно реализовать ReAct-агента, где повторяются шаги
«Reasoning → Action».
Итог
SGR — это мощный инструмент, который превращает LLM из «творческого» генератора текста в надёжный и предсказуемый инструмент для анализа, чей процесс принятия решений прозрачен и легко проверяется. Короче, это мощный инструмент, который заставляет LLM работать по твоим правилам, а не генерировать рандомный грибной бред.
Почитать подробнее можно здесь, а про паттерны здесь
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Ebout Data Science | Дима Савелко
РАБОТА В DS НА ВАЛЮТНУЮ УДАЛЁНКУ: разбор собеседования на $8000/мес
Сегодня разбираю реальное собеседование с валютной удалёнки моего ученика на 8к зелёных грязных бумажек, он кста туда оффер получил, сейчас в Испании с дельфинами катается
Видос получился крайне сочный и информативный, поэтому если хочешь кайфовать не с 300к, а 800к ЗПшкой где-нибудь в Тайланде, причмокивая кокос, то видео обязательно к просмотру
Специально для вас заморочился с продакшном и картинкой, чтобы ваши глазки радовались
Ссылочка на видосик
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
РАБОТА В IT DS НА ВАЛЮТНУЮ УДАЛЁНКУ: разбор собеседования на $8000/мес
Бесплатная консультация, разберём твои страхи, подсветим буть к офферу 💸 - https://ds-mentor.ru/
Разбираем реальные вопросы с собеседования на валютную удалёнку моего ученика, который получил оффер на 800к и катается с дельфинами в Барселоне
В списке уничтожения:…
Разбираем реальные вопросы с собеседования на валютную удалёнку моего ученика, который получил оффер на 800к и катается с дельфинами в Барселоне
В списке уничтожения:…
Forwarded from Data Blog
Внимание. С картинками.
До того, как стала популярна механистическая интерпретируемость, в трансформерах много надежды возлагалось на Attention. Кажется, что сейчас интерес к голому исследованию Attention спал, но всё же это чертовски красивый механизм.
Один из примеров визуализации красоты — наткнулась сегодня — визуализация Attention Flows. И вот, в статье, авторы попробовали понять механизм fine-tuning на основе сравнения Attention для претрейненной и нет модели.
Что сделали:
1. Рассмотрели граф внимания, рассмотрев как отправной [CLS] токен (на последнем слое);
2. Для каждой головы внимания выбрали токены, на которые [CLS] смотрит с весом выше порога (τ).
3. Этим токенам присвоили значения узлов на предыдущем слое, а ребра (связь слоя l-1, со слоем l) — обозначили за силу их влияния.
4. Повторили процесс для каждого выбранного токена, двигаясь слой за слоем назад, пока не будут пройдены все слои.
Если алгоритм вас не впечатлил — просто посмотрите на картинку. Получилось безумно красиво.
Чего достигли на основе построения таких картинок:
Решили 3 задачи. Вернее, попробовали решить.
* T1 – Trace and query self-attention: выбор токенов или голов внимания и просмотр, как внимание распространяется по слоям вперёд и назад.
* T2 – Discover attention functionality: понимание того, какие головы и слова наиболее важны для решения задачи — как в сумме, так и по отдельности.
* T3 – Compare models: сравнение внимания в исходной и дообученной модели, поиск уникальных и общих голов внимания и различий в слоях.
Модели между собой посранивали интересно. Инсайты можно найти в статье. И очень ведь красивый инструмент — сравнивать модели на основе вот этих визуальных карт. Красивый, но чертовски непродуктивный — можно упустить детали, если анализировать своими глазами.
Но картинки — просто чудо.
До того, как стала популярна механистическая интерпретируемость, в трансформерах много надежды возлагалось на Attention. Кажется, что сейчас интерес к голому исследованию Attention спал, но всё же это чертовски красивый механизм.
Один из примеров визуализации красоты — наткнулась сегодня — визуализация Attention Flows. И вот, в статье, авторы попробовали понять механизм fine-tuning на основе сравнения Attention для претрейненной и нет модели.
Что сделали:
1. Рассмотрели граф внимания, рассмотрев как отправной [CLS] токен (на последнем слое);
2. Для каждой головы внимания выбрали токены, на которые [CLS] смотрит с весом выше порога (τ).
3. Этим токенам присвоили значения узлов на предыдущем слое, а ребра (связь слоя l-1, со слоем l) — обозначили за силу их влияния.
4. Повторили процесс для каждого выбранного токена, двигаясь слой за слоем назад, пока не будут пройдены все слои.
Почему [CLS] — в BERT финальное эмбеддинг-представление используется для классификации (через линейный слой). И всё, что модель «собирает» из текста, в итоге агрегируется в [CLS]. Поэтому, чтобы понять, какие слова повлияли на решение, начали анализ именно с этого токена.
Если алгоритм вас не впечатлил — просто посмотрите на картинку. Получилось безумно красиво.
Чего достигли на основе построения таких картинок:
Решили 3 задачи. Вернее, попробовали решить.
* T1 – Trace and query self-attention: выбор токенов или голов внимания и просмотр, как внимание распространяется по слоям вперёд и назад.
* T2 – Discover attention functionality: понимание того, какие головы и слова наиболее важны для решения задачи — как в сумме, так и по отдельности.
* T3 – Compare models: сравнение внимания в исходной и дообученной модели, поиск уникальных и общих голов внимания и различий в слоях.
Модели между собой посранивали интересно. Инсайты можно найти в статье. И очень ведь красивый инструмент — сравнивать модели на основе вот этих визуальных карт. Красивый, но чертовски непродуктивный — можно упустить детали, если анализировать своими глазами.
Но картинки — просто чудо.
Forwarded from Korenev AI - GPT в тапочках🩴
Начал экспериментировать с повышением качества ботов, основываясь на обратной связи от пользователей.
Добавил в бота по переговорам функцию оценки результатов. Теперь после завершения каждой сессии пользователь может оценить, насколько полезной оказалась полученная информация.
Все оценки автоматически отправляются в Langfuse, где я вижу статистику по каждой сессии и по каждой задействованной версии промпта.
Что это дает:
Если вы до сих пор не используете систему отслеживания работы ллм - настоятельно рекомендую начать попробовать)
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Korenev AI - GPT в тапочках🩴
This media is not supported in your browser
VIEW IN TELEGRAM
Зацените как можно на лету добавлять различные элементы в видео: юнцу - бороду, тигру - полосы, афродядьке - новую голову
Все выглядит вполне консистентно
Добавить себе татухи или подкачать бицухи можно тут:
https://ebsynth.com/
Nano banana + Veo + EbSynth: и ты сам себе режиссер!
Все выглядит вполне консистентно
Добавить себе татухи или подкачать бицухи можно тут:
https://ebsynth.com/
Nano banana + Veo + EbSynth: и ты сам себе режиссер!
Forwarded from Korenev AI - GPT в тапочках🩴
В статье Битва за агентов подробно расписано про разницу подходов у OpenAI и LangChain к работе ИИ агентов. Рекомендую к изучению.
Для тех, кому не хочется погружаться в технический дебри, я сделал более простое (как мне кажется) изложение. Заодно и сам хоть понял что к чему
Итак, в мире ИИ-сервисов существует три основных подхода к организации работы:
Pipeline - это конвейер, где данные проходят через фиксированную последовательность этапов, как деталь на заводе: получили запрос → проанализировали → обработали → выдали ответ. Просто, предсказуемо, но негибко — если клиент на этапе оплаты решил изменить заказ, придётся начинать сначала.
Декларативный подход - похож на схему метро: все возможные маршруты прорисованы заранее, есть развилки и альтернативные пути, но вы не можете поехать там, где рельсов нет. Вы описываете граф состояний и переходов, а система следует по нему, выбирая нужную ветку в зависимости от условий. За этот подход топит ЛангГраф.
Императивный подход - работает совершенно иначе - вы даёте AI цель и набор инструментов, а дальше он сам решает, как действовать. Чаще всего в основе лежит паттерн ReAct (Reasoning + Acting): AI размышляет о задаче, выбирает действие, наблюдает результат и решает, что делать дальше. Это как отправить опытного сотрудника решить проблему клиента - он сам определит, нужно ли сначала выяснить бюджет или важнее понять сценарий использования, когда привлечь специалиста, а когда справится сам. За этот подход топит ОпенАИ.
Примеры декларативного и императивного подходов
Пример 1: Служба поддержки банка
У вас два AI-агента:
Сценарий клиента:
"Хочу перевести деньги и узнать про кредит на машину"
ДЕКЛАРАТИВНЫЙ ПОДХОД (карта)
1. Анализ запроса → два вопроса обнаружено
2. Сначала → Агент переводов (критично по времени)
3. Потом → Агент кредитов (может подождать)
4. Проверка → все ли решено?
5. Завершение
✅ Клиент всегда получит ответ в одинаковом порядке
✅ Легко проверить для аудита
❌ Негибко для нестандартных ситуаций
ИМПЕРАТИВНЫЙ ПОДХОД (компас)
AI сам решает:
- Может спросить "Что важнее сейчас?"
- Может параллельно запустить обоих агентов
- Может предложить сначала оформить кредит, чтобы были деньги для перевода
✅ Адаптируется под контекст
✅ Может найти неочевидные решения
❌ Непредсказуемый результат
❌ Сложно контролировать
Пример 2: Интернет-магазин техники
Агенты:
Сценарий клиента:
"Посоветуйте ноутбук для работы и доставьте завтра"
ДЕКЛАРАТИВНЫЙ:
Жёсткая последовательность:
Консультант выясняет требования
Предлагает 3 модели
После выбора → передача менеджеру доставки
Менеджер проверяет возможность на завтра
Проблема: Что если завтра доставки нет? Клиент зря потратил время на выбор.
ИМПЕРАТИВНЫЙ:
AI может сразу проверить доставку на завтра и предложить только те модели, которые успеют привезти. Или спросить, что важнее — конкретная модель или срочность?
Пример 3: Медицинская система
ГДЕ НУЖЕН ДЕКЛАРАТИВНЫЙ:
Пациент: "У меня болит голова и нужен больничный"
Фиксированный протокол:
1. Сбор симптомов → обязательно все пункты
2. Проверка противопоказаний → без пропусков
3. Только потом → выдача больничного
Нельзя пропускать шаги или менять порядок!
ГДЕ ПОДОЙДЁТ ИМПЕРАТИВНЫЙ:
Фитнес-консультант AI:
"Хочу похудеть и накачать пресс"
AI свободно решает:
- Начать с питания или тренировок?
- Предложить сначала обследование?
- Адаптироваться под ответы человека
Главный вывод
Декларативный = Рецепт
Вы даёте AI пошаговый рецепт. Он не может от него отступить.
Когда нужно: банки, медицина, юридические услуги
Императивный = Цель
Вы даёте AI цель. Он сам выбирает путь.
Когда нужно: творческие задачи, консультации, обучение
Кто же прав в споре?
OpenAI: "Дайте AI свободу, модели уже достаточно умные"
LangChain: "Без контроля AI может навредить. Нужен баланс"
Реальность: Идеальная система умеет работать в обоих режимах. Для оформления кредита — строгий протокол. Для выбора подарка — творческая свобода.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Korenev AI - GPT в тапочках🩴
Размышлять - не мешки ворочать. Поэтому хочу поделиться этой простыней с мыслями о построении инфраструктуры по созданию SEO-оптимизированных сайтов, максимально используя возможности ЛЛМ.
Контекст и предпосылки
Имея за плечами 16+ лет в SEO, я хорошо понимаю классические подходы к построению сайтов. Но сейчас, с появлением ЛЛМ и ИИ-инструментов, открываются совершенно новые возможности для автоматизации и оптимизации процессов.
Этот текст будет затравкой для общения - может кто-то скажет "есть такие-то готовые решения, стоит туда идти". Предметной области я не касался уже более 5 лет, и возможно многое изменилось в мире SEO и веб-разработки. И я придумываю велосипед. Если так – просьба сообщить в каментах.
Исходная ситуация
Есть простой сайт-визитка про ремонт помещений на Тильде. Задача - превратить его в многостраничник, где каждый вид услуг будет на отдельной странице.
Почему это важно? Поисковики любят, когда под каждый запрос есть отдельная релевантная страница — это значительно повышает шансы попасть в топ выдачи.
Где будем использовать ИИ?
Да практически везде! Пока это будет не полностью автоматизированный пайплайн
Итак, задействуем ИИ тут:
Концепция вайб-SEO:
Шаг 1: Перенос и структурирование
Пересобираем исходный сайт-визитку в ИИ-сервисе Lovable. Там же закладываем правильную структуру:
Шапку и подвал делаем отдельными блоками - так проще вносить изменения на весь сайт сразу.
Шаг 2: Подключение системы управления сайтом
Здесь нужны два инструмента, которые предстоит развернуть:
Переносим в Курсоре код из Lovable на Astro
Альтернатива Strapi + Astro - что-то типа вордпреса, но очень он кривой и неспешный.
Шаг 3: Сбор семантики с помощью ИИ
Используем Яндекс.Вордстат для сбора всех вариантов запросов (как люди ищут услуги ремонта). Получаем сотни разных формулировок: "ремонт квартир", "отделка помещений", "евроремонт под ключ" и т.д.
Роль ИИ: Отправляем все эти запросы в ЛЛМ для кластеризации - ИИ сам сгруппирует похожие запросы и подскажет, какие страницы нужно создать.
Шаг 4: Анализ конкурентов через ИИ
Для каждого ключевого запроса:
1. Через SerpApi находим топ-3 сайта в выдаче (лучше смотреть Москву — там самая жесткая конкуренция и качественные сайты)
2. Отправляем ссылки в Perplexity, чтобы он извлек текст со страницы и метаданные (ключевые слова, мета-теги, описание для поисковых роботов)
3. Генерируем там же свой вариант.
Результат: ИИ создает для нас "идеальную" страницу, которая объединяет лучшие практики топовых конкурентов.
Вместо Perplexity можем использовать вэбскрапперы (системы для парсинга вебстраниц – их часто целесообразно использовать для обхода защит от ботов) . Я лично использую scrapeops.io – он достаточно дешев и стабилен
Шаг 5: Автоматическое наполнение
Вместо ручного создания десятков страниц:
Шаг 6: Сайт залетает в ТОП яндекса
Как следствие:
Кста, кому такое надо внедрить? Кто хочет такое научиться делать?
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Андрей Созыкин (Andrey Sozykin)
19 сентября в 11:30 ЕКБ на Студкемпе Яндекса и УрФУ буду рассказывать про протокол MCP. Очно уже не пускают, но можно смотреть онлайн трансляцию.
education.yandex.ru
Студкемп Яндекса по безопасному генеративному ИИ
Бесплатный очный интенсив по информационной безопасности LMM‑приложений. Научитесь работать с уязвимостями, видеть риски, строить безопасную архитектуру, а затем проверьте новые знания на BlackBox Hackathon
Forwarded from Андрей Созыкин (Andrey Sozykin)
YouTube
Защищенные сетевые протоколы | Компьютерные сети 2025 - 39
Вводная лекция по защищенным протоколам компьютерных сетей.
Как поддержать курс:
- Boosty - https://boosty.to/asozykin
- Cloudtips - https://pay.cloudtips.ru/p/45a4055b
Заранее спасибо за помощь!
Сайт курса - https://www.asozykin.ru/courses/networks_online…
Как поддержать курс:
- Boosty - https://boosty.to/asozykin
- Cloudtips - https://pay.cloudtips.ru/p/45a4055b
Заранее спасибо за помощь!
Сайт курса - https://www.asozykin.ru/courses/networks_online…
Защищенные сетевые протоколы
Завершился основательный раздел курса по компьютерным сетям, посвящённый транспортному уровню. В следующем разделе будем рассматривать Защищенные сетевые протоколы.
Какие протоколы будем изучать:
- TLS – Transport Layer Security
- HTTPS – HTTP Secure
- DNS-over-TLS, DNS-over-HTTPS
- DNSSEC – DNS Security Extensions
Если плохо работает YouTube, то можно смотреть в Дзен или VK.
Поддержать создание курса можно на Boosty или CloudTips.
Завершился основательный раздел курса по компьютерным сетям, посвящённый транспортному уровню. В следующем разделе будем рассматривать Защищенные сетевые протоколы.
Какие протоколы будем изучать:
- TLS – Transport Layer Security
- HTTPS – HTTP Secure
- DNS-over-TLS, DNS-over-HTTPS
- DNSSEC – DNS Security Extensions
Если плохо работает YouTube, то можно смотреть в Дзен или VK.
Поддержать создание курса можно на Boosty или CloudTips.
Forwarded from Тимлид Очевидность | Евгений Антонов
Я принес. Каким лидером быть? Стили лидерства, помогающие достичь результатов
Я вам как-то уже этого товарища приносил в посте про денежную мотивацию. Но оказалось, что хорошие видео у него — не разовая акция.
Вообще чувствую какую-то схожесть с ним по мнениям на разные управленческие вопросы. А еще плакат из The Legend of Zelda у него, за что отдельный мой респект 🙂
Сегодня видео про разные стили лидерства https://www.youtube.com/watch?v=U8KqU4TiJyQ
Мне понравился взгляд на геройский стиль лидерства. Знаю и таких лидеров, и команды с такими лидерами, подтверждаю, что оно примерно так и бывает, как говорит автор.
А еще мне импонирует сбалансированная позиция про то, что руководитель должен владеть разными стилями и ловко переключать между ними в зависимости от конкретного контекста. Есть у вас срочный пожар и разброд — быстро и оперативно решаем авторитарно или геройски, если есть подходящий набор скиллов. Есть стабильное время — помогаем людям расти и контролируемо наступать на грабли в коучинговом или сервант-стиле.
Я понимаю, что у каждого есть свои предпочтения и доминирующий стиль, но больше всего меня расстраивает, когда его применяют всегда вне зависимости от ситуации. Или всегда всем ультимативно говорят, что делать и как, или, наоборот, всех целуют во все места, даже когда это начинает расхолаживать.
Я вам как-то уже этого товарища приносил в посте про денежную мотивацию. Но оказалось, что хорошие видео у него — не разовая акция.
Вообще чувствую какую-то схожесть с ним по мнениям на разные управленческие вопросы. А еще плакат из The Legend of Zelda у него, за что отдельный мой респект 🙂
Сегодня видео про разные стили лидерства https://www.youtube.com/watch?v=U8KqU4TiJyQ
Мне понравился взгляд на геройский стиль лидерства. Знаю и таких лидеров, и команды с такими лидерами, подтверждаю, что оно примерно так и бывает, как говорит автор.
А еще мне импонирует сбалансированная позиция про то, что руководитель должен владеть разными стилями и ловко переключать между ними в зависимости от конкретного контекста. Есть у вас срочный пожар и разброд — быстро и оперативно решаем авторитарно или геройски, если есть подходящий набор скиллов. Есть стабильное время — помогаем людям расти и контролируемо наступать на грабли в коучинговом или сервант-стиле.
Я понимаю, что у каждого есть свои предпочтения и доминирующий стиль, но больше всего меня расстраивает, когда его применяют всегда вне зависимости от ситуации. Или всегда всем ультимативно говорят, что делать и как, или, наоборот, всех целуют во все места, даже когда это начинает расхолаживать.
YouTube
Каким лидером быть? Стили лидерства, помогающие достичь результатов
В арсенале хорошего руководителя должна быть обойма разных типов лидерства. В этом ролике поговорим о том какие это типы лидерства, что делает разные стили лидерства полезными или вредными. По большому счету, это разговор о том, как руководить. Каким менеджром…
Forwarded from Refat Talks: Tech & AI
#ReDigest
Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.
Дайджест недели:
- OpenAI представила GPT-5-Codex — версию GPT-5, заточенную под агентное программирование. Может работать часами автономно, на SWE-bench Verified показывает 74.5%. Доступна в VSCode, JetBrains и терминале для всех подписчиков.
- xAI выпустили Grok 4 Fast с поражающим соотношением цена/качество: $0.20/M input против $1.25 у Gemini 2.5 Pro при схожем качестве. Плюс 340+ токенов в секунду и в 25 раз дешевле по итоговой стоимости благодаря эффективности.
- Meta представила Ray-Ban Display за $799 — очки с экраном и управлением жестами через нейронный браслет. На презентации дважды подвисали, но компания рассчитывает продать 100 тысяч к концу года.
- Google запустил крупнейший апгрейд Chrome с встроенным Gemini, который разбирает сложные страницы и работает с несколькими вкладками. AI Mode прямо в адресной строке.
- США и Китай наконец договорились о сделке по TikTok - ByteDance лицензирует алгоритм американской компании, сохранив технологию. Классический "TACO trade" от Трампа после всех угроз запрета.
- OpenAI опубликовали исследование 1.5 млн чатов с ChatGPT. Программирование оказалось нишей, зато половина запросов — просьбы совета. ChatGPT стал цифровым советником, а не инструментом автоматизации. 70% использования вообще не связано с работой.
- Anthropic выпустил третий отчет Economic Index — 40% сотрудников в США уже используют AI на работе (рост с 20% за два года). Израиль лидирует по использованию на душу населения в 7 раз выше ожидаемого. А еще там клевые интерактивные графики на сайте.
- @llm_arena выпустили исследование о выборе моделей (изучали мнение AI-инженеров, экспертов и т.д. - я тоже участвовал в опросе), почитайте, интересно вышло, например выяснилось что 82.2% команд полагаются на собственные тесты, а не бенчмарки. Более четверти вообще не используют рейтинги из принципа, предпочитая обзоры.
- Google выпустил Agent Payments Protocol (AP2) для безопасных платежей агентами через цифровые мандаты. В проекте участвуют 60+ партнеров, включая Mastercard и PayPal.
- Илон Маск назначил 20-летнего студента Диего Пасини руководителем команды аннотации данных для Grok после массовых увольнений 500+ сотрудников. До этого место занимал человек с 10-летним опытом из Tesla.
- YouTube представил AI-инструменты для подкастеров — автонарезка клипов и Shorts, плюс генерация видеоряда из аудио. Запуск в ближайшие месяцы для избранных, всем к концу 2026.
- Anthropic опубликовали постмортем по недавним проблемам с производительностью — три параллельных инфраструктурных бага создали запутанную картину, которую сложно было диагностировать в мультиплатформенной среде.
- Meta Superintelligence Labs выпустила REFRAG — новый подход к ускорению RAG-систем с 30.85× ускорением TTFT и 16× расширением контекстного окна через умное сжатие чанков контекста.
- Stripe представил практический фреймворк ценообразования AI продуктов на основе опыта с 78% компаний из Forbes AI 50. 56% используют гибридные модели подписка + usage-based fees.
- Gamma выкатили 3.0 с собственным AI-агентом для создания презентаций, который превращает сырые идеи в визуальные коммуникации одной командой и может исследовать темы в интернете.
Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.
Дайджест недели:
- OpenAI представила GPT-5-Codex — версию GPT-5, заточенную под агентное программирование. Может работать часами автономно, на SWE-bench Verified показывает 74.5%. Доступна в VSCode, JetBrains и терминале для всех подписчиков.
- xAI выпустили Grok 4 Fast с поражающим соотношением цена/качество: $0.20/M input против $1.25 у Gemini 2.5 Pro при схожем качестве. Плюс 340+ токенов в секунду и в 25 раз дешевле по итоговой стоимости благодаря эффективности.
- Meta представила Ray-Ban Display за $799 — очки с экраном и управлением жестами через нейронный браслет. На презентации дважды подвисали, но компания рассчитывает продать 100 тысяч к концу года.
- Google запустил крупнейший апгрейд Chrome с встроенным Gemini, который разбирает сложные страницы и работает с несколькими вкладками. AI Mode прямо в адресной строке.
- США и Китай наконец договорились о сделке по TikTok - ByteDance лицензирует алгоритм американской компании, сохранив технологию. Классический "TACO trade" от Трампа после всех угроз запрета.
- OpenAI опубликовали исследование 1.5 млн чатов с ChatGPT. Программирование оказалось нишей, зато половина запросов — просьбы совета. ChatGPT стал цифровым советником, а не инструментом автоматизации. 70% использования вообще не связано с работой.
- Anthropic выпустил третий отчет Economic Index — 40% сотрудников в США уже используют AI на работе (рост с 20% за два года). Израиль лидирует по использованию на душу населения в 7 раз выше ожидаемого. А еще там клевые интерактивные графики на сайте.
- @llm_arena выпустили исследование о выборе моделей (изучали мнение AI-инженеров, экспертов и т.д. - я тоже участвовал в опросе), почитайте, интересно вышло, например выяснилось что 82.2% команд полагаются на собственные тесты, а не бенчмарки. Более четверти вообще не используют рейтинги из принципа, предпочитая обзоры.
- Google выпустил Agent Payments Protocol (AP2) для безопасных платежей агентами через цифровые мандаты. В проекте участвуют 60+ партнеров, включая Mastercard и PayPal.
- Илон Маск назначил 20-летнего студента Диего Пасини руководителем команды аннотации данных для Grok после массовых увольнений 500+ сотрудников. До этого место занимал человек с 10-летним опытом из Tesla.
- YouTube представил AI-инструменты для подкастеров — автонарезка клипов и Shorts, плюс генерация видеоряда из аудио. Запуск в ближайшие месяцы для избранных, всем к концу 2026.
- Anthropic опубликовали постмортем по недавним проблемам с производительностью — три параллельных инфраструктурных бага создали запутанную картину, которую сложно было диагностировать в мультиплатформенной среде.
- Meta Superintelligence Labs выпустила REFRAG — новый подход к ускорению RAG-систем с 30.85× ускорением TTFT и 16× расширением контекстного окна через умное сжатие чанков контекста.
- Stripe представил практический фреймворк ценообразования AI продуктов на основе опыта с 78% компаний из Forbes AI 50. 56% используют гибридные модели подписка + usage-based fees.
- Gamma выкатили 3.0 с собственным AI-агентом для создания презентаций, который превращает сырые идеи в визуальные коммуникации одной командой и может исследовать темы в интернете.