Посты канала AI Product | Igor Akimov

И вот еще из интересного для saas сервисов Сборка, от каких сервисов люди с hackernews отказываются и почему. Примерно 100 продуктов. Потом можно по карточке посмотреть, почему, альтернативы платные и опенсорсные. https://hissingkitty.com/hacker-churn

Хах, Revolut пересадил 2000 инженеров с Claude Code и Codex на свой GLM Задолбались тратить кучу денег на внешних провайдеров и завели такую схему: – 56 Nvidia B200 в собственной инфраструктуре – примерно $0.30 за миллион токенов – в 10 раз дешевле, чем они платили Anthropic и OpenAI – lead time в разработке улучшился на 70% – Claude Code и Codex теперь в списке исключений, а не по умолчанию Прикол, что выигрыш дал не сам GLM, а то, что токены перестали экономить. Раньше ИИ-ку берегли для сложных тикетов, теперь гоняют на всём подряд. Модель чуть слабее, но без лимитов, обыгрывает топовую модель «по талонам». Короче, для больших команд со своим DevOps уже работает схема frontier – для исключений, open weights – по умолчанию. Для лабораторий, которые идут на IPO с ценой за токен в 10 раз выше, это так себе новость. А вот для небольших команд без своих GPU и людей, которые это всё поддерживают, API пока всё ещё проще и дешевле. Если брать индивидуального разработчика, то какой-нибудь Mac Studio будет окупаться по цене API лет 10. https://x.com/guilleflorvs/status/2117379073785696395

Vercel сделали agent-browser для десктопа Наконец что-то отвязанное от агентских харнесов и по сути что можно напускать на любую задачу (даже капчу проходить :) ) Причем это не просто скриншоты отсылать в модель. ОС и так знает, что у неё на экране. Есть accessibility tree – то, чем пользуются скринридеры: роли, названия, состояния, фокус. На маке это AX API, на винде UI Automation, на линуксе AT-SPI. agent-desktop читает это дерево и отдаёт агенту JSON, где у каждой кнопки есть ref. Агент нажимает по ref, снова читает дерево и проверяет, что всё сработало. Работает гораздо быстрее и надежнее. Внутри: – один бинарник на Rust, около 15 МБ, без зависимостей, ставится через npm install -g agent-desktop – 60 команд, одинаковых на всех трёх платформах, каждая печатает JSON и завершается – своей LLM внутри нет, это просто инструмент – цикл «посмотрел, сделал, проверил» живёт в вашем агенте – лицензия Apache-2.0, есть скилл, который агент читает перед работой – для Electron и Chromium открывает DevTools-порт, к нему подключается уже agent-browser Главная проблема – размер контекста. Полный дамп дерева Slack легко весит 50 000+ токенов. Поэтому сначала берётся «скелет» глубиной в пару уровней, а потом раскрывается только нужная ветка. По словам автора, на Slack, VS Code и Notion это экономит 78–96% токенов. Прикол, что начиналось всё как проект одного разработчика, вдохновлённый agent-browser, а теперь выходит под брендом Vercel Labs и лежит в их же доках. Вот так open source и работает :) Наняли чувака, ну либо купили разработку. Ограничения понятные: если приложение не публикует accessibility tree, агент его не видит. Самописные контролы, игры, часть Electron-сборок с выключенной доступностью – мимо. На винде ещё упрётесь в безопасность, если окно запущено с повышенными правами. Короче, это примерно то же, что Playwright сделал для веба: структура вместо пикселей. Для автоматизации внутренних десктопных систем, всяких 1С и бухгалтерских клиентов, это сильно дешевле и надёжнее, чем computer use на скриншотах. Если, конечно, приложение с accessibility дружит – а с этим у корпоративного софта пока так себе, надо проверять. Но в целом это огромный шаг вперед в автоматизации! RPA просто отдыхает! https://agent-browser.dev/desktop

И вот еще интересный тренд - уволенные разработчики «оккупируют» SaaS OccupySaaS – движение в духе Occupy Wall Street: уволенные инженеры с ИИ-агентами пересобирают популярные SaaS как open-source клоны, совместимые по API. Меняешь домен в SDK – и всё работает, только без оплаты за каждое место. Первые два: – ZeroAuthy – замена Auth0 – SalesCompel – замена Salesforce Пишут на Go, лицензия Apache-2.0, self-hosted. Код делают ИИ-агенты по спеке из публичной документации, а готовность проверяют официальными SDK вендоров. Оба проекта пока сырые. Короче, с Auth0 может и взлететь – там открытые стандарты. А Salesforce – это не только код, но и экосистема, интеграции и саппорт. Но тренд конечно жестокий... Потому что падение выручки саасов приведет к еще большим увольнениям разработчиков... https://occupysaas.com/

Утекли провайдеры OpenAI и Anthropic Аналитики собрали стек обеих лабораторий по кейсам вендоров, вакансиям и trust-центрам. И там… обычный энтерпрайз :) Не все заменила ИИ-ка – CRM – Salesforce у обоих – HR и зарплата – Workday у обоих – Финансы – NetSuite у Anthropic, Oracle Fusion у OpenAI – Закупки – Zip, платежи – Stripe (у OpenAI ещё Metronome для usage-биллинга) – Найм – у Anthropic аж четыре инструмента: Greenhouse, Gem, ModernLoop, BrightHire. Видимо для разных вакансий и рынков. – Поддержка – у Anthropic Intercom Fin, у OpenAI Salesforce + Pylon + TaskUs (а это живые люди на аутсорсе!) Ну и так далее. Забавнее всего здесь видеть Workato с интеграциями между системами "прошлого поколения". Соответственно интересно, почему не завайбкодили своё за выходные. Я так понимаю основные затыки: – Это системы учёта. Зарплата, налоги, выручка – ошибка тут стоит дороже любой лицензии. Аудитор хочет видеть Workday и NetSuite, а не «наш агент посчитал» – Compliance вшит в продукт. Payroll в десятках стран, SOC 2, налоговые правила – это годы и юристы, а не код – Сетевой эффект. Slack, Stripe, Salesforce ценны тем, что к ним уже подключено всё остальное – Фокус. Инженер в лабе – самый дорогой ресурс на рынке, тратить его на свою CRM – ну такое – Данные. Там годы истории, миграция страшнее подписки Прикол, что заменяется уже сейчас как раз «слой над процессом»: координация интервью, заметки с собеседований, первая линия поддержки, ресёрч лидов, документация. И посмотрите, кто там стоит – Fin, BrightHire, Clay, Mintlify – это уже новое поколение – ИИ-агенты внутри SaaS. Короче, кажется, что "защита" сейчас примерно такая: – Будьте системой учёта, а не интерфейсом. Кто хранит «истину» (деньги, люди, контракты) – живёт. Кто красиво показывает чужие данные – на очереди – Берите на себя ответственность: сертификаты, гарантии, юридические риски. ИИ код напишет, а подпись под аудитом не поставит – Сделайте нормальный API и MCP. Агенты будут работать через вас – удобный для агента инструмент не выкинут, им будут пользоваться чаще – Уходите от оплаты за места к оплате за результат. Людей-пользователей станет меньше, а seat-модель умрёт вместе с ними – Встраивайте ИИ сами, как Intercom с Fin. Иначе кто-то сделает это поверх вашего API и заберёт клиента. Если у вас есть уникальные данные (например от тысяч клиентов), то вы еще жизнеспособны.

Посмотрел наконец видос с Тибо из OpenAI (тем самым на скрине выше) Как уже писал, самые крутые чуваки и "консультанты", рассказывающие как использовать AI максимально полезно, - это AI лабы, типа OpenAI/Anthropic. Поэтому максимальное внимание туда. Итого чего интересного говорил: – Повторил то, о чем я писал выше. Всякий ручной промпт-инжиниринг, графы, лупы и прочее уходит, остается просто тупо 1 большой агент со скиллами, который делает все сам. – Говорит, что скоро уберут выбор модели и ризонинга, оно само будет подбирать. Ну и Chat/Work сольют. – Dots будет на всех раскатан. Причем этот Dots - это по сути облачная виртуалка под вас (иногда мак мини, если нужны macOS штуки) и можно к ней подключать до 10 ваших устройств. Скоро можно будет несколько делать дотов, как в грок-боте. – У него кстати тоже был прикольный пример, когда дот сам понял, что прод упал перед конференцией и предложил починить :) У меня было такое у Dots с документами, когда у меня лежал черновик предложения, а ИИ-ка просто буднично (я вообще ничего не писал) проверила и уточнила, что по последним договоренностям цена выше. Я в шоке был... – Говорят, что все как-то пока недооценили sign in with chatgpt и плагины с revenue share, а там типа золотое дно. Причем они смотрят на ретеншен и пользу, а не всякие оптимизации названий в каталогах. Ну не знаю... В целом конечно скоро останется один ИИ на все с коннекторами. – Говорит, что агенты уже основной трафик в инете, а сайты вообще к этому не готовы пока. Ни с точки зрения API/UI (нафиг вообще нужен будет UI), ни с точки зрения нагрузки (в 1000х раз больше). – Про найм и джунов. Писать код руками – умирающий навык, будет как хобби. Типа как на лошадях катаются, а не ездят или там вышивают салфеточку в свободное время, а не шьют рубашки 8 часов в день, все остальное будет ИИ-ка делать в 100 раз быстрее. – Код в общем стоит как грязь, но растет цена продуктового вкуса и понимания пользователя (супер-согласен). Если раньше вы просто таски в джире закрывали - скорее всего стоит искать другую работу. Нужно понимание, ЧТО надо делать. Ну и активность. Например новую decision model тупо запилили 4 рядовых инженера за выходные, не ждали, когда там Сэм стратегически одобрит. – При этом у выпускников и джунов фора перед сеньорами (абсолютно согласен и вижу очень часто) - они сразу впитывают новые инструменты и фигачат и обучаются как проклятые. Пока сеньоры держатся за старый код и думают, что все фигня и надо читать и писать каждую строку руками, потому что "ИИ нельзя доверять". Хах. Короче, если пилите продукт – проектируйте так, будто через год модели станут в 10 раз лучше, быстрее и дешевле. Иначе всё устареет ещё до релиза. И да, развивайте вкус и понимание, что надо делать. https://www.youtube.com/watch?v=MM-C3JqCXBk

OpenAI увидели, что ClaudeCode дает побольше вам токенов и решили, что надо бы вернуть клиентов и хоба - теперь в ваши подпсики на 100/200/500 баксов входит в 2 раза больше токенов. Спасибо!

Опа, Google выкатил Gemini 4 Carbon – через две недели после Argon. Только потрогать пока нельзя :) Сразу встал на 1-е место в Artificial Analysis Intelligence Index v5.0. То есть обошел вообще всех. Главный фокус – кибербезопасность и длинные агентные задачи. Типа там днями работала над сложными задачами. Бенчмарки: – SEC-bench Pro (поиск уязвимостей) – 88.2% – ExploitGym (эксплуатация) – 54.8% – CWE-bench (патчи) – 71.0% – WebDev Arena – +89 elo, 4-е место, слабовато (1769) – безопасного кода генерирует в 2 раза больше, чем Argon. Команда Chrome говорит, что по качеству патчей Carbon в 10 раз лучше «большой модели другой лаборатории». Без имен, но все поняли) Прикол, что лучшую модель в индексе получат пока только киберзащитники и «доверенные партнеры» через Fairwind Program, плюс модель проходит добровольное тестирование у правительства США. Короче, гугл снова в строю :) https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/

Кстати, по поводу задачки посложнее. Мой сын сегодня смог поставить хакинтош MacOS на рабочий ноут с Nvidia RTX 5090! Раньше можно было только на железо, что поддерживается Apple официальное. Так что это просто офигеть вообще! Несколько дней мучений с ИИ с драйверами и изучения аналогичных проектов и теперь вот можно запускать всякие нейронки в интерфейсе MacOS. И это сделал школьник! Так что хватит двигать кнопочки в UI и внедрять AI копилотов через ради бейджика AI-продукта. Беритесь за сложные вещи! Сейчас все возможно!

OpenAI рассказали, как работают их forward deployed engineers. Команду собрали в начале 2025, чтобы закрывать "deployment gap" – разрыв между тем, что модель вроде бы умеет, и тем, на что люди реально могут опереться в работе. Девиз команды был: начни с результата, сделай все, чтобы получилось, а масштабируй потом. И это кстати реально текущая работа. Мне кажется все вендоры говорят: модели уже супер-умные, а вот внедрений по всем вертикалям не хватает. По сути сейчас сжигают токены в основном стартапы за чужой счет :) Короче, рассказали о нескольких юзкейсах: – Инжиниринг полупроводников, середина 2025: около 15 FDE на 10+ юзкейсов – генерация тестов, поиск причин сбоев, ассистент по архитектуре. Верификация в отрасли съедает около 70% усилий проекта. Часть FDE пришла в OpenAI за несколько дней до этого и в чипах не понимала ничего – сидели с инженерами заказчика, учили предметную область, вместе строили метрики. За 3–6 месяцев все юзкейсы дошли до прода: около 48% экономии времени на генерации тестов, медианно 22% прироста производительности на оптимизации ядер, недели отладки превратились в часы. – Потом подрос Codex, и все юзкейсы перевели на общую обвязку с Codex в центре: кастомные приложения стали плагинами и скиллами, свои CLI и интерфейсы выкинули. Ушло около 90% кастомного кода в каждом проекте. Первое внедрение в одном кейсе заняло 2 месяца, расширение на вторую команду – 1 день. – Налоговый AI для бухгалтерских фирм Thrive Holdings: в пилоте обработали 7 000 деклараций, пропускная способность выросла примерно на 50%. Самые сложные – декларации по сдаче недвижимости: 6 недель инженерии и проверок практиками, чтобы выйти на 90% precision и recall. Хах, заполнение декларации я тооа не всякие красивые фичи) – Голос для телекома: голос – около 90% обращений в поддержку. Модель выдавала около 60% на ключевых evals, для прода мало. Подключили Research, за 6 месяцев довели до 80%, потом 90%+. Эта голосовая модель теперь работает и у других клиентов. Прикол, что их критерий успеха – делать себя ненужными каждые пару месяцев. Когда вышел Codex, кто-то в команде спросил, что делать, если он за раз собирает то, что они строили месяцами. Ответ – идти искать задачу посложнее. И это как раз ответ для разработчиков, которые думают, что все пропало. Короче, главный вывод для интеграторов: кастомный код – временный, через полгода его заменит платформа. Долговечный актив – это знание предметной области, датасеты, метрики вместе с экспертами клиента и понимание, где модель не вытягивает. И обратите внимание: OpenAI тоже ушли от мультиагентной архитектуры к одному агенту со скиллами, ровно как советует Anthropic в предыдущем посте. https://openai.com/index/forward-deployed-engineering-means

Продолжаем разбирать статьи AI-лаб: Anthropic советует выкинуть половину сабагентов. Еще одна провокационная статья из опыта реальных внедрений. Команда Applied AI посмотрела на корпоративные внедрения и увидела, что один агент со скиллами часто обходит по качеству и вариант "один промпт на все", и вариант с кучей сабагентов. И часто выходит дешевле и быстрее. У одного клиента одиночный цикл отработал примерно в 2 раза быстрее, чем мультиагентная обвязка. У другого дюжина сабагентов-специалистов в клиентском агенте ломала единый тон бренда и добавляла задержку. Короче, все как в бизнесе: архитектура агента копирует оргструктуру :) Каждая команда пилит своего сабагента, сверху платформа ставит оркестратор. Что из этого вырастает: – контекст теряется при передаче между агентами – сотни пересекающихся сабагентов без стандартов и владельца – "франкенштейн-промпт", куда каждая команда дописала по предложению – локальные evals, по которым руководство принимает решения – задержки Что вместо этого надо делать: – один цикл, одно контекстное окно, лимиты по ходам и бюджету – постепенное раскрытие: модель видит короткие описания скиллов и инструментов и подгружает полные только когда нужно. Так они сократили системный промпт Claude Code больше чем на 80% – инструменты группировать по намерениям пользователя, а не по API. После 30–50 описаний инструментов выбор начинает деградировать – права доступа проверять внутри инструментов и возвращать понятный модели отказ, тогда один цикл обслуживает пользователей с разным доступом Сабагенты все еще нужны, если есть измеримая деградация от раздутого контекста, нужны параллельные задачи со свежим контекстом, или агент путается в инструментах и противоречивых инструкциях. Но делить их надо по контексту, а не по типу задачи – иначе получается испорченный телефон. Как мигрировать: сначала примеры (как же без них), хватит даже 10 штук. Потом сливать самых используемых и сильно связанных сабагентов, потом звать оставшихся как инструменты, потом по одному превращать в скиллы и сравнивать. Команды перестают владеть агентами и начинают владеть скиллами и инструментами, а системным промптом и качеством целиком владеет одна маленькая центральная команда. Есть кстати их скилл migration kit на GitHub. Короче, как обычно, сначала в прошлом году все строили оркестраторов и агентов, а теперь это уже легаси. И забавно, что OpenAI в посте про своих Forward Deployted Engineers пришли к тому же самому – об этом в следующем посте. https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop

OpenAI выкатили GPT-6.1 Terra Давно ее не обновляли, теперь полноценное место между сол и луна. Цены за 1M токенов (вход / выход): – GPT-6 Luna – $0.10 / $0.50 – GPT-6.1 Terra – $1 / $5 – GPT-5.6 Terra – $2 / $12 – GPT-6.1 Sol и Sonnet 5.5 – $2 / $10 – Opus 5.5 – $4 / $20 По качеству: – против прошлой Terra – в кодинге 50.3% против 21.5%, ошибок на провокационных запросах в 3 раза меньше – против Sol – на max reasoning обходит, и в 3 раза быстрее – против Opus 5.5 – отстаёт меньше чем на 5 пунктов при цене в 5+ раз ниже – Luna всё ещё в 10 раз дешевле – для классификации и простого извлечения остаётся она. Заточена на Computer use, так что для агентов, которые заполняют формы и бегают по интерфейсам, будет норм. А Sonnet за $2/$10 теперь выглядит дороговато – ждём ответа Anthropic) https://openai.com/index/introducing-gpt-6-1-terra/

А вот от OpenAI – про агенты, которые не пишут новое, а чистят старое Пишет команда Core Experimentation, которая отвечает за систему экспериментов во всей компании. Раньше мертвый код искали статическим анализом плюс рантайм-логи, и все равно бывали инциденты из-за ошибочных удалений. Что сделали: – GPT-6 Astra дали один расплывчатый промпт (прямо с опечатками): найди мертвый код, проверь в Slack, Statsig и где угодно, что он не используется. Вот чего писали :) Can you help identify and clean up dead code in the repo please, feel free to check slack, statsig [a feature flag and experimentation platform we use], or any other source you need to confirm that things are indeed no longer being used and can be cleaned up or simplified – модель сама смотрела старые PR, треды в Slack, трекеры и прод-профилирование, и объясняла каждое удаление – 5 инженеров между делом за две недели смержили 1 400+ PR и удалили 800k+ строк – образ одного сервиса похудел с 3.31 до 1.72 GB, из тестов ушло около 400 вариантов визуальных снапшотов Дальше – устаревшие эксперименты и фичефлаги. Это сложнее, потому что такой код может еще выполняться в проде. Промпт для полного аудита они попросили написать саму модель, и она же посчитала стоимость каждого флага по CPU. Нашелся флаг, который годами незаметно размножал проверки на все фичи сразу. Модель его не удалила сама, а подняла на ревью человеку, потому что он был помечен как "Permanent". После удаления – около 0.42% экономии CPU на сервисе. Самое практичное – сравнение моделей на одном аудите (6 000 файлов, 1 млн строк на Python, TS, Go и Rust): – GPT-6 Astra Ultra: $109.06, 142 находки, $0.77 за находку – GPT-6.1 Sol Ultra: $15.12, 131 находка, $0.12 за находку – GPT-6.1 Sol Medium: $5.27, 86 находок, $0.06 за находку То есть 92% находок за 14% цены. Разницу разобрали – Sol пропускал флаги, от которых зависят другие флаги, и это компенсировали промптом. То есть можно добить среднюю модель до лучшей просто нормальным промптом. Плюс CI: модель предложила оптимизации по истории прогонов, смержили около 30 PR, медиана CI упала с ~10 до 4.5 минут, p90 – с 12.5 до 6. Один набор из 63 тестов ускорился с 592.6 до 29.8 секунд. Вот таким вот базовым промптом: What ideas do you have to relieve CI load in this repository? List your ideas in a table and rank all of them by estimated CI minutes saved per day based on this repo's CI run history :) Прикол, что они честно пишут: часть предложений добавляла больше сложности, чем пользы. Модель находит столько оптимизаций, что без приоритизации и метрик в них тонешь. Короче, берите одну мелкую задачу (мертвый код, флаг, флаки-тест), сравните модели и уровни effort, а комментарии из ревью скармливайте в следующий промпт. Когда все ок - можно масштабировать на более крупные вещи. Для любой компании с легаси это самый быстрый ROI от агентов. https://developers.openai.com/blog/maintaining-software-with-the-gpt-6-family

Команда Claude Code рассказала, как ревьюит код, который на 90% пишет сам Claude. Очень люблю читать именно статьи OpenAI/Anthropic/Google, потому что они сейчас в фарватере изменений, а не блогеры и инфлюенсеры. Рекомендую больше, чем всякие курсы. Как раз хотел на этой неделе разобрать несколько. В общем, цель они сформулировали так: минимум человеческого времени на ревью при том же уровне откатов и инцидентов. Меряют число апрувов на PR, комментарии и время ожидания человека, а откаты и инциденты – как ограничитель. Что внутри: – До PR. Claude сам гоняет тесты, билд и линтер, потом сабагент со свежим контекстом смотрит дифф. Плюс внутренние скиллы: поиск багов, упрощение диффа, e2e-проверка. – AI-ревью на каждый PR. Несколько агентов параллельно ищут баги, отдельная группа голосует за каждую находку, чисто стилистика выкидывается. Находки размечены: Important, Nit, Pre-existing – чтобы старый баг не повесили на автора. На каждую находку обязательно надо ответить. Когда запускали превью, доля PR с содержательными комментариями выросла с 16% до 54%. – Security-ревью, которое блокирует мерж. – Обычный CI: линт, типы, тесты на всех платформах. – Апрув по риску. Классификатор решает, сколько людей нужно: доки, тексты, фичи за флагом – ноль, обычные изменения – один, самое критичное – двое. Биллинг, автоапдейтер и CI-воркфлоу всегда требуют человека. – Merge queue, флаги, сначала внутренние пользователи, потом канал latest, потом stable. – Быстрый откат. Важные правила: уровень риска определяется изменением, а не автором. Облегченный путь – только для доверенных авторов. Апрув агента никогда не засчитывается за человеческий. А тот, кто дал агенту задачу, отвечает за код так, будто написал его сам(!) Прикол, что агент-автор и агент-ревьюер могут бесконечно гонять друг друга. Один PR за ночь прошел 50+ раундов ревью, пока автор его не остановил. Посмотрели – около 59% замечаний касались старого кода, то есть ревьюер каждый раунд находил еще пару старых багов, а не новых. Ввели лимит в 3 раунда и повторное ревью только по новому диффу. С июня по сентябрь мержей стало в 2+ раза больше, а доля откатов упала больше чем на 40%. Каждый прошлый инцидент превратили в eval, ревьюера гоняют по нему каждый день, и любое изменение промпта или модели, ухудшающее скор, откатывают. Короче, это лучший публичный разбор того, как ревьюить агентский код, который я видел. Это можно внедрять хоть завтра, Code Review для Claude Code как раз вышел в GA на Team и Enterprise. Можно просто натравить ваших агентов на эту статью и попросить применить лучшие практики. Я еще когда токены не закончились недельные гоняю код-ревью по всем продуктам, тоже находится много чего среднего уровня. В общем, не верьте всему, что делает даже самая умная ИИ-ка - создавайте системы, в которых ее действия тщательно проверяются. https://claude.dev/blog/solving-code-review-at-anthropic/

Кстати, OpenAI модели появятся в Google Cloud, а скоро и в Antigravity и Gemini https://openai.com/ru-RU/index/openai-models-google-cloud/ Кажется, выручка увеличится в несколько раз, потому что кто сидел чисто на облаке гугла мог использовать только gemini, anthropic и опенсорс https://openai.com/ru-RU/index/openai-models-google-cloud/

А Антропик тоже решил своего персонального бота выпустить - Claude Duet. Отдельное приложение (iOS, Android и в claude.ai), где Claude не ждёт промпта, а сам следит за твоими сервисами и пишет, когда что-то требует внимания. Целятся в профессионалов и малый бизнес, у которых дел больше, чем рук. Все в принципе стандартно: – под капотом Opus 5.5, память, скиллы и коннекторы подтягиваются из твоего аккаунта Claude – утром присылает короткий брифинг по всем подключённым приложениям, днём пишет, только если реально надо – своя виртуалка с браузером, так что работает, даже когда ноут и телефон выключены – один тред на всё: голосом или текстом, от «перенеси встречу» до «собери финмодель» – 6000+ коннекторов и плагинов: Gmail, Slack, QuickBooks, Stripe, Gusto (зарплата), HubSpot, Docusign, Shopify, Canva – покупки через Stripe Link виртуальной картой, чекаут через Shop Pay, скоро – логин через 1Password Безопасность: – перед отправкой сообщения, платежом, подписью или удалением показывает, что именно собирается сделать, и ждёт апрува – торговать бумагами и переводить деньги между счетами нельзя даже с апрувом – отдельный классификатор не даёт слить номера карт и документов, медицину и личные финансы отправляет только по явной команде – пароли агент вообще не видит, всё по схеме Managed Agents Прикол, что сервисы он проверяет раз в несколько часов, а не постоянно – иначе лимиты подписки сгорят слишком быстро. Фоновые проверки и тяжёлые задачи едят те же лимиты Pro/Max, что и обычный чат. Подозреваю, на Pro будет сложновато :) Из кейсов понравился владелец сети кебабных на 110 сотрудников – разбирал инвойсы по точкам без «сотни вкладок». Доступ – research preview по вейтлисту, только Pro и Max в США. Скорее всего все очень сыро пока. Но тренд конечно прикольный. Короче, это уже не чат-бот, а секретарь с правом голоса. Типа такой помощник для малого бизнеса – большинству владельцев не нужен агент, который пишет код, им нужен тот, кто напомнит про неоплаченный счёт и подготовит зарплату. Хороший продукт, но кажется сильно "приземленнее" пока, чем у того же GrokBot или Dots. https://claude.com/resources/articles/claude-duet

Кажется завтра интернет будет как минное поле... ИИ нашёл дыру в PHP – языке, на котором работает ~70% сайтов мира. В России таких 90%~ Прочитал об этом во многих местах и скорее всего видели уже, но честно говоря это пипец даже для тех, кто никто не писал на PHP и не знает, что это за фигня такая. Потому что это WordPress, Drupal, Joomla и прочее. Сегодня разработчики PHP выпустили экстренное обновление. Проблема в самом языке – уязвим любой сайт на нём, даже если его код написан идеально. Оценка опасности - выше 9 из 10... То есть полная жесть. Как работает: – хакер может без логина и пароля захватить сервер: украсть данные, подменить сайт, атаковать посетителей – можно вытащить из памяти сервера чужие пароли и ключи доступа – под удар попадает всё за последние 10+ лет – WordPress, Drupal, Joomla, интернет-магазины. То есть огромная туча сайтов... – атаки начались ещё до выхода патча, а Финляндия и Нидерланды на время отключили госсайты Нашли это ИИ-модели: GPT-5.6 Sol от OpenAI и Gemini 4 Argon от Google – их использовали две компании по кибербезопасности, Calif и Wiz. Прикол, что ошибки сидели в коде больше десяти лет. Люди о них в целом догадывались, но превратить их в рабочий взлом было настолько сложно, что никто не довёл до конца. С ИИ один исследователь сделал за неделю то, на что у сильной команды ушли бы месяцы. Короче, если у вас сайт на ведущих бесплатных CMS-ках – срочно обновляйтесь. К сожалению, для старых версий патчей нет, лучше сразу отключиться. И куча давно не обслуживаемых сайтов будет 100% взломана в ближайшее время... И пострадают не только владельцы, но и посетители. Будьте крайне осторожны! И смените пароли, если были на каком-нибудь из вордпресных сайтов. Вот подобное описание: https://www.wiz.io/blog/php2shell-php-rce И вот хорошая статья на русском https://www.rbc.ru/technology_and_media/21/10/2026/6ad8faa567d49206c6d15fc0?from=main_lines_1

Без текста

Без текста

Без текста

Без текста

Без текста

Без текста

Без текста

Без текста

Top-100 Consumer AI Apps – очень интересная статистика и анализ. Много классных графиков. Главное: – ChatGPT по-прежнему лидер: в 2 раза больше трафика, чем у Gemini, и в 6 раз больше, чем у Claude. На мобилке разрыв ещё сильнее – 2.5x и 14x – Claude теперь уверенный №3: обогнал DeepSeek и Perplexity, а по платным подписчикам в США в начале года обошёл Gemini – Пересечение подписчиков ChatGPT и Claude – всего 8%. Это уже не взаимозаменяемые чатики, а разные аудитории – Платят за ИИ только 4.5% американцев (год назад было 2.1%). Каждый день пользуются – 25% – Топ-1% платящих тратит в среднем $903 в месяц и даёт 19.5% всех денег. Это больше, чем нижние 50% вместе взятые. У медианного пользователя – $25, и эта цифра почти не растёт – 29 из топ-50 по выручке вообще нет в рейтингах по трафику – Новичков в списке всего 11 – минимум за все семь выпусков. Рынок застывает Прикол, что на тарифе Max за $100+ сидят 7.3% платящих пользователей Claude – против 1.3% у Gemini и 1.1% у ChatGPT. Anthropic отказался от рекламы и монетизирует power users по полной :) Правда, летом у Claude вырос отток, а ChatGPT снова разогнался на GPT-5.6 и ChatGPT Work. Ещё один тренд – персональные агенты. Instinct в iMessage набрал 100K юзеров за 3 недели, причём только по инвайтам. 40% пользователей привязывают карту, тратят через него в среднем ~$1,300 в месяц, а годовой оборот уже больше $1 млрд. Meta Muse – 5M загрузок за месяц (Threads в своё время сделал 15M за 22 дня). Где стартапы ещё выигрывают у гигантов: своя модель (Suno, ElevenLabs, Midjourney), мультимодельность (Cursor, OpenRouter), узкая аудитория (OpenEvidence для врачей), железо (Plaud). И забавная деталь – NSFW-продукты из рейтинга исключили, иначе они заняли бы 20%+ веб-списка. Короче, массовый ИИ пока широкий, но неглубокий. Деньги делают те, кто с его помощью что-то строит и создаёт. Вывод для бизнеса простой: ваш клиент – не «все», а тот самый 1%, готовый платить $900 в месяц. Остальных, похоже, будут монетизировать по-старому – рекламой (у ChatGPT она уже даёт $1 млрд run rate) и комиссиями агентов. https://www.a16z.news/p/top-100-consumer-ai-apps-seventh

Без текста

Cekura выложили большой бенчмарк TTS для голосовых агентов – 26 моделей Раз уж мы про голос немного говорим. Кажется, что там уже близок момент, когда человек не сможет определить, что с ним говорит агент. Итак, прогнали 104 фразы, которые реально говорит телефонный агент (от приветствия до ответов на 500 символов), каждую по 3 раза из одного региона US East – всего 30 564 запроса. Мерили задержку до первого звука, как модель замолкает, когда её перебили, цену и насколько правильно она читает номера, коды, адреса и названия лекарств. Все к сожалению на английском, но вы можете хотя бы топ-5 взять в свой анализ и протестировать на нужных языках. Что получилось: – Самый быстрый – Gradium TTS: −64 ms в стриминге, т.е. начинает говорить раньше, чем пришло последнее слово :) Но точность чтения 79.5% и $36 за 1M символов – Лучший баланс – Inworld TTS-2 Flash: 45 ms, точность 93.2%, $15 за 1M. Старший TTS-2 – лидер по точности, 93.4%, за $25. Снова поздравляю команду Inworld. Видимо уже просто отдам клоду монтировать с ними интервью, дизайнер-монтажер бесит :) – ElevenLabs v4 Turbo – 69 ms, но 79.9% точности и $40. v4 – уже 561 ms и $80, а старый Flash v2.5 правильно читает коды и телефоны только в 55% случаев. А ведь раньше казалась топ-моделька. – Cartesia Sonic 3.6 – 270 ms и после перебивания продолжает говорить ещё ~0.8 сек. Для агента, которого постоянно перебивают, ну такое – Самые дешёвые – Soniox TTS RT v2 ($14.81) и Grok TTS ($15), оба замолкают мгновенно – Самый естественный голос – Fish Audio Drama 3 (4.54 по UTMOS), точность 91.3%. Удивительно... – Gemini, GPT-4o mini TTS, Qwen3-TTS и MAI-Voice не принимают текст по словам, поэтому в рейтинг по стримингу не попали Точность TTS тут оценивает… STT (я тоже так делаю :) ): записи прогоняют через Deepgram Nova-3 и Whisper. Кстати «St. Mary’s on Main St.» оказалась сложнее, чем «levothyroxine» – медтермины почти все читают на 97–100%, а Saint vs Street Cartesia, например, угадывает в 54–58%. Короче, если собираете голосового агента – смотрите не на общий скор, а на то, что критично именно вам: задержку, перебивания или чтение номеров заказов. Inworld сейчас выглядит как дефолтный выбор, а ElevenLabs за свои деньги заметно отстаёт. Харнесс и фразы открыты на GitHub – можно прогнать на своих сценариях. Очень советую, кстати, брать, чтобы не пилить самостоятельно коннекторы ко всем провайдерам. https://benchmarks.cekura.ai/text-to-speech

Mistral внезапно зашли во временные ряды Выпустили Timestral – первое семейство foundation-моделей для временных рядов. Это не LLM, а чисто числовая модель: на вход история датчиков, метрик, продаж, на выход – прогноз. Что внутри: – 4 размера: 5M, 28M, 123M и 209M параметров, супер-компактная. Можно запускать без GPU-шек – контекст 32K шагов, на выходе вероятностный прогноз на несколько шагов вперед. – мультивариантность: например, вибрация, температура и давление насоса прогнозируются вместе, а не каждый датчик сам по себе – ковариаты: прошлые, известные заранее (график производства, праздники, прогноз погоды) и категориальные (день недели, состояние станка) – zero-shot на данных, которые модель никогда не видела Прикол, что обучали практически только на синтетике. Бенчмарки: – 209M – 1-е место на всех трех основных бенчах (GIFT-Eval, TIME, fev-bench) по всем пяти метрикам, с 2/3 параметров прошлого лидера, один чекпоинт без ансамблей – 28M обходит Chronos-2, который примерно в 4 раза больше – 209M обходит TimesFM-3 и Falcon-2.0 Я бы сильно не верил, потому что как уже писал с OCR, мистраль очень любит свои бенчмарки использовать или хакать их. Но присмотреться можно. Лицензия – modified MIT, веса на Hugging Face, код на GitHub. Короче, для всякого спроса, нагрузки, телеметрии, денежных потоков, где только всякая АРИМА/Профет, может быть полезно. Но я бы не сильно верил, что это best-of-the-best. Зато Европейский суверенный AI! https://mistral.ai/news/timestral/

Без текста