Вышел бесплатный курс по Claude Code: это подробный гайд о том, как выжать максимум из ИИ-агента для написания кода.
Рассказывают, как:
Всего — 15 лекций, ролики общей длительностью ~1 час и квиз для закрепления материала. Можно пройти за пару часов.
Забираем по ссылке.
Рассказывают, как:
– Пользоваться горячими клавишами и создавать свои команды для ускорения повторяющихся процессов;
– Эффективно управлять контекстом;
– Использовать ключевые инструменты Claude Code для обработки файлов, выполнения команд и анализа кода;
– Настроить интеграцию с GitHub для автоматизации проверки кода.
Всего — 15 лекций, ролики общей длительностью ~1 час и квиз для закрепления материала. Можно пройти за пару часов.
Забираем по ссылке.
5👍1
Почему 95% корпоративных AI-проектов сливают бюджет — и как это исправить за €4,400
Исследование MIT обнажило неприятную правду: 95% enterprise AI-проектов не приносят ROI. Главная причина — LLM не умеют непрерывно учиться из взаимодействий с пользователями.
Проблема глубже, чем кажется
Классические LLM работают как калькуляторы: получили данные при обучении — и всё. Хотите добавить корпоративные знания? Три пути, все плохие:
телями.
Проблема— дорого ($50k-500k), медленно (недели), и модель "забывает" общие навыки
RAG (Retrieval Augmented Generation) — поисковик не понимает контекст LLM, плюс квадратичная сложность: каждое удвоение контекста = рост затрат в 4 раза
Расширенный контекст — упирается в длину окна и катастрофически растёт в цене
Решение: Grafted Titans
Исследователь Maria Sukhareva взломала архитектуру Google Titans (которую обычно обучают за миллионы долларов) и создала plug-and-play версию за €4,400.
Как это работает:
- Берёте замороженную open-source LLM (например, Qwen-2.5-0.5B)
- "Прививаете" к ней trainable модуль памяти через cross-attention
- Модель непрерывно учится из каждого взаимодействия, сохраняя знания
Результаты на бенчмарке BABILong:
- Базовая модель с полным контекстом: 34% точности
- Grafted Titans с памятью: 44.7% точности
- При этом память была инициализирована случайно, а не pre-trained
Почему это важно для бизнеса
1. Демократизация AI — технология уровня Google доступна на consumer GPU
2. Continuous learning — система растёт вместе с вашими данными, без дорогих retraining
3. Open-weight — полный контроль, без зависимости от OpenAI/Anthropic
Применение в российских реалиях
Для компаний, которые:
- Накапливают уникальные корпоративные знания
- Работают с конфиденциальными данными (нельзя в облако)
- Нуждаются в адаптации под специфику бизнеса
- Ограничены бюджетом
Это путь от "AI-эксперимента" к рабочему инструменту, который окупается.
Ссылка на исследование: https://msukhareva.substack.com/p/grafted-titans-i-built-a-plug-and
#AI #LLM #EnterpriseAI #MachineLearning #OpenSource
Исследование MIT обнажило неприятную правду: 95% enterprise AI-проектов не приносят ROI. Главная причина — LLM не умеют непрерывно учиться из взаимодействий с пользователями.
Проблема глубже, чем кажется
Классические LLM работают как калькуляторы: получили данные при обучении — и всё. Хотите добавить корпоративные знания? Три пути, все плохие:
телями.
Проблема— дорого ($50k-500k), медленно (недели), и модель "забывает" общие навыки
RAG (Retrieval Augmented Generation) — поисковик не понимает контекст LLM, плюс квадратичная сложность: каждое удвоение контекста = рост затрат в 4 раза
Расширенный контекст — упирается в длину окна и катастрофически растёт в цене
Решение: Grafted Titans
Исследователь Maria Sukhareva взломала архитектуру Google Titans (которую обычно обучают за миллионы долларов) и создала plug-and-play версию за €4,400.
Как это работает:
- Берёте замороженную open-source LLM (например, Qwen-2.5-0.5B)
- "Прививаете" к ней trainable модуль памяти через cross-attention
- Модель непрерывно учится из каждого взаимодействия, сохраняя знания
Результаты на бенчмарке BABILong:
- Базовая модель с полным контекстом: 34% точности
- Grafted Titans с памятью: 44.7% точности
- При этом память была инициализирована случайно, а не pre-trained
Почему это важно для бизнеса
1. Демократизация AI — технология уровня Google доступна на consumer GPU
2. Continuous learning — система растёт вместе с вашими данными, без дорогих retraining
3. Open-weight — полный контроль, без зависимости от OpenAI/Anthropic
Применение в российских реалиях
Для компаний, которые:
- Накапливают уникальные корпоративные знания
- Работают с конфиденциальными данными (нельзя в облако)
- Нуждаются в адаптации под специфику бизнеса
- Ограничены бюджетом
Это путь от "AI-эксперимента" к рабочему инструменту, который окупается.
Ссылка на исследование: https://msukhareva.substack.com/p/grafted-titans-i-built-a-plug-and
#AI #LLM #EnterpriseAI #MachineLearning #OpenSource
🔥1
Любителям пожаловаться на коленки: учёные нашли способ заново вырастить хрящ прямо в суставе
С возрастом в организме накапливается белок 15-PGDH и он мешает тканям восстанавливаться, исследователи заблокировали появление белка с помощью инъекции - и у старых мышей хрящ в коленях заметно утолщился и начал работать как новый
Самое интересное: никаких стволовых клеток не понадобилось, существующие клетки хряща просто «перепрограммировались» на более молодой режим работы. Бонусом метод предотвратил развитие артрита после травм, похожих на разрыв передней крестообразной связки - частую проблему спортсменов
И самое клевое: человеческие образцы хряща, взятые при операциях по замене сустава, тоже отреагировали положительно
Таблеточная версия препарата уже проходит клинические испытания (пока для лечения мышечной слабости)
Если всё пойдёт по плану, в будущем можно будет восстановить изношенный хрящ уколом или таблеткой - короче записываем бабушек и дедушек на игры в падел, пора
С возрастом в организме накапливается белок 15-PGDH и он мешает тканям восстанавливаться, исследователи заблокировали появление белка с помощью инъекции - и у старых мышей хрящ в коленях заметно утолщился и начал работать как новый
Самое интересное: никаких стволовых клеток не понадобилось, существующие клетки хряща просто «перепрограммировались» на более молодой режим работы. Бонусом метод предотвратил развитие артрита после травм, похожих на разрыв передней крестообразной связки - частую проблему спортсменов
И самое клевое: человеческие образцы хряща, взятые при операциях по замене сустава, тоже отреагировали положительно
Таблеточная версия препарата уже проходит клинические испытания (пока для лечения мышечной слабости)
Если всё пойдёт по плану, в будущем можно будет восстановить изношенный хрящ уколом или таблеткой - короче записываем бабушек и дедушек на игры в падел, пора
SciTechDaily
Anti-Aging Injection Regrows Knee Cartilage and Prevents Arthritis
A treatment that blocks an age-related protein restored cartilage in aging and injured joints by reprogramming existing cells rather than using stem cells. Researchers at Stanford Medicine report that blocking a protein linked to aging can restore cartilage…
👍1
Путь_Основателя_Венчур_или_Прибыль.pdf
9.8 MB
Венчур или дивиденды: дорожная карта масштабирования бизнеса
Этот материал представляют собой комплексное руководство по выбору между венчурной моделью и дивидендным бизнесом, подчеркивая, что ключевое различие заключается в масштабируемости и потенциале возврата инвестиций.
В нем описывается шесть этапов развития компании — от поиска идеи до зрелости — и приводят конкретные целевые показатели, такие как темпы роста, рентабельность и стоимость привлечения клиентов.
Особое внимание уделяется типичным ошибкам на каждой стадии, которые ранжируются по степени их критичности и финансовым последствиям. С помощью наглядных схем и сравнительных таблиц объясняется, как трансформировать стратегию в зависимости от того, нацелен ли предприниматель на доминирование на рынке или на стабильное получение прибыли.
В конечном итоге источники служат дорожной картой для принятия стратегических решений, помогая определить, стоит ли привлекать внешнее финансирование или развиваться за счет собственных средств.
Этот материал представляют собой комплексное руководство по выбору между венчурной моделью и дивидендным бизнесом, подчеркивая, что ключевое различие заключается в масштабируемости и потенциале возврата инвестиций.
В нем описывается шесть этапов развития компании — от поиска идеи до зрелости — и приводят конкретные целевые показатели, такие как темпы роста, рентабельность и стоимость привлечения клиентов.
Особое внимание уделяется типичным ошибкам на каждой стадии, которые ранжируются по степени их критичности и финансовым последствиям. С помощью наглядных схем и сравнительных таблиц объясняется, как трансформировать стратегию в зависимости от того, нацелен ли предприниматель на доминирование на рынке или на стабильное получение прибыли.
В конечном итоге источники служат дорожной картой для принятия стратегических решений, помогая определить, стоит ли привлекать внешнее финансирование или развиваться за счет собственных средств.
👍1
Forwarded from Индекс дятла
Поколение сломанной математики
Последнее время много общаюсь с основателями 20-25 лет.
Они выросли на ютубе, где показывали феррари и Бали. Потом увидели реальность: занюханная квартира — 10 млн, китайский драндулет — от 3. При стартовой зарплате — 70к. Математика не сходится.
И «дети» меняют игру. Мои наблюдения:
1) Мы используем ИИ как гугл. Они — как операционку.
2) Мы делаем рекламу. Они — тикток, который случайно продаёт.
3) Мы строим бизнес. Они собирают портфель ставок. Большинство сдохнет. Одна выстрелит.
4) Мы прячем провалы. Они их снимают. Их стартап — это сериал; документалка со встроенными трейлерами.
Мир, который сломал предыдущие поколения, вырастил самых находчивых ублюдков в истории предпринимательства. Системный сбой — их конкурентное преимущество.
Детки в порядке.
Последнее время много общаюсь с основателями 20-25 лет.
Они выросли на ютубе, где показывали феррари и Бали. Потом увидели реальность: занюханная квартира — 10 млн, китайский драндулет — от 3. При стартовой зарплате — 70к. Математика не сходится.
И «дети» меняют игру. Мои наблюдения:
1) Мы используем ИИ как гугл. Они — как операционку.
2) Мы делаем рекламу. Они — тикток, который случайно продаёт.
3) Мы строим бизнес. Они собирают портфель ставок. Большинство сдохнет. Одна выстрелит.
4) Мы прячем провалы. Они их снимают. Их стартап — это сериал; документалка со встроенными трейлерами.
Мир, который сломал предыдущие поколения, вырастил самых находчивых ублюдков в истории предпринимательства. Системный сбой — их конкурентное преимущество.
Детки в порядке.
Что показывают триллионные оценки ИИ-компаний
«Microsoft достигла триллиона долларов за 44 года. OpenAI — за 4. Вот она, скорость новой эры», — говорят нам «эксперты». И это — ловушка.
Microsoft стартовала в мире без венчурного капитала, без глобального интернета, без мгновенного масштабирования. OpenAI начала с $1 млрд. от инвесторов, эксклюзивным партнерством с той же Microsoft и доступом к лучшим исследователям планеты.
Сравнивать годы — всё равно что сравнивать скорость парусника и самолёта и делать выводы о качестве капитана.
Интереснее другое.
Четверть новых миллиардеров 2025 года — из ИИ. Но почти все они — основатели или ранние сотрудники буквально нескольких компаний. OpenAI, Anthropic, пары инфраструктурных стартапов.
Это — концентрация богатства. Несколько команд с исключительным сочетанием: доступ к вычислительным мощностям, лучшие исследователи, правильные инвесторы в правильный момент.
«Порог входа минимальный» — опасная полуправда. Да, API доступен всем. Но когда у всех одинаковый доступ к моделям, конкурентное преимущество смещается к тому, что API не даёт: уникальные данные, экспертиза в узкой области, дистрибуция.
Настоящий вопрос не «почему вы ещё не запустили ИИ-продукт». А «что у вас есть такого, чего нет у тысяч людей с таким же доступом к Claude и GPT?»
Если честный ответ — «ничего» — повод сначала построить это преимущество.
Окно действительно открыто. Но в него все ломятся одновременно.
«Microsoft достигла триллиона долларов за 44 года. OpenAI — за 4. Вот она, скорость новой эры», — говорят нам «эксперты». И это — ловушка.
Microsoft стартовала в мире без венчурного капитала, без глобального интернета, без мгновенного масштабирования. OpenAI начала с $1 млрд. от инвесторов, эксклюзивным партнерством с той же Microsoft и доступом к лучшим исследователям планеты.
Сравнивать годы — всё равно что сравнивать скорость парусника и самолёта и делать выводы о качестве капитана.
Интереснее другое.
Четверть новых миллиардеров 2025 года — из ИИ. Но почти все они — основатели или ранние сотрудники буквально нескольких компаний. OpenAI, Anthropic, пары инфраструктурных стартапов.
Это — концентрация богатства. Несколько команд с исключительным сочетанием: доступ к вычислительным мощностям, лучшие исследователи, правильные инвесторы в правильный момент.
«Порог входа минимальный» — опасная полуправда. Да, API доступен всем. Но когда у всех одинаковый доступ к моделям, конкурентное преимущество смещается к тому, что API не даёт: уникальные данные, экспертиза в узкой области, дистрибуция.
Настоящий вопрос не «почему вы ещё не запустили ИИ-продукт». А «что у вас есть такого, чего нет у тысяч людей с таким же доступом к Claude и GPT?»
Если честный ответ — «ничего» — повод сначала построить это преимущество.
Окно действительно открыто. Но в него все ломятся одновременно.
👏2❤1🤔1
Почему я перешёл на Perplexity Max?
1. Лимиты сложных запросов — боль
На Pro всего 300+ сложных запросов в день — вроде много, но при интенсивной работе упираешься в потолок. Можно было покупать несколько аккаунтов — так и работал пол-осени. Но на праздниках начал путаться, и дико бесило таскать за собой контекст между аккаунтами.
2. Email-ассистент — киллер-фича
Самое раздражающее в моей работе — когда присылают расписания в чёрт-знает-каком формате: таблицы, PDF, фото с экранов... Всем кажется — легко открыть календарь, проверить время, поставить встречу. Но это 2–4 раза в неделю × 30–40 минут = 2–3 часа убитого времени. Раньше на это был секретарь. А теперь просто пересылаю письмо на assistant@perplexity — и он сам всё разруливает: парсит расписание, проверяет мой календарь, ставит события. Лучше любого живого ассистента.
3. Работа с репозиториями
Много стал «кодить» — писать правила и инструкции для агентов. Храню всё в GitHub. Perplexity Max умеет анализировать репозиторий и помогает дополнять правила с учётом контекста всего проекта.
Что ещё даёт Max:
- Безлимитный Labs — генерация отчётов, таблиц, дашбордов без оглядки на квоты
- Топовые модели — o3-pro, Claude Opus 4 всегда доступны, без даунгрейдов при нагрузке. Я практически полностью перешел на Claude Opus 4 - она больше всего для меня дает правильные ответы, остальные использую для проверки готовых ответов.
- Comet Assistant — автоматизация постинга, публикаций, действий в браузере - в максе он работает чуть быстрее.
- Deep Research без ограничений — многочасовые исследования запускаются одной командой
Почему заплатил в 50 раз дороже Pro?
Посчитал: моё время простоя из-за путаницы между аккаунтами стоит дороже. Это инвестиция в фокус. Если кому интересно как я это сделал - пишите Max в коментарии - пришлю ссылку.
P.S. Да, параллельно использую Claude Code, Antigravity, Windsurf — всё это помогает выстраивать структуру собственного оркестра агентов для работы в большой компании. Скоро начну делиться, как мы это делаем. Там бомба получается!
P.S.S. Еще не пробовал - но в Mac Destop - Perplexity - можно подключать MCP - а всех своих агентов я сразу делаю с такой функцией. Это обозначает, что как только доделаю правила корпоративные - то я смогу из Perplexity на реальных живых данных опрашивать всех агентов и документы - и например - перед новой встречей с Клиентом - Perplexity соберет всю последнюю переписку - звонки, обсуждения - и задачи по клиенту - чтобы все не забыть обсудить.
1. Лимиты сложных запросов — боль
На Pro всего 300+ сложных запросов в день — вроде много, но при интенсивной работе упираешься в потолок. Можно было покупать несколько аккаунтов — так и работал пол-осени. Но на праздниках начал путаться, и дико бесило таскать за собой контекст между аккаунтами.
2. Email-ассистент — киллер-фича
Самое раздражающее в моей работе — когда присылают расписания в чёрт-знает-каком формате: таблицы, PDF, фото с экранов... Всем кажется — легко открыть календарь, проверить время, поставить встречу. Но это 2–4 раза в неделю × 30–40 минут = 2–3 часа убитого времени. Раньше на это был секретарь. А теперь просто пересылаю письмо на assistant@perplexity — и он сам всё разруливает: парсит расписание, проверяет мой календарь, ставит события. Лучше любого живого ассистента.
3. Работа с репозиториями
Много стал «кодить» — писать правила и инструкции для агентов. Храню всё в GitHub. Perplexity Max умеет анализировать репозиторий и помогает дополнять правила с учётом контекста всего проекта.
Что ещё даёт Max:
- Безлимитный Labs — генерация отчётов, таблиц, дашбордов без оглядки на квоты
- Топовые модели — o3-pro, Claude Opus 4 всегда доступны, без даунгрейдов при нагрузке. Я практически полностью перешел на Claude Opus 4 - она больше всего для меня дает правильные ответы, остальные использую для проверки готовых ответов.
- Comet Assistant — автоматизация постинга, публикаций, действий в браузере - в максе он работает чуть быстрее.
- Deep Research без ограничений — многочасовые исследования запускаются одной командой
Почему заплатил в 50 раз дороже Pro?
Посчитал: моё время простоя из-за путаницы между аккаунтами стоит дороже. Это инвестиция в фокус. Если кому интересно как я это сделал - пишите Max в коментарии - пришлю ссылку.
P.S. Да, параллельно использую Claude Code, Antigravity, Windsurf — всё это помогает выстраивать структуру собственного оркестра агентов для работы в большой компании. Скоро начну делиться, как мы это делаем. Там бомба получается!
P.S.S. Еще не пробовал - но в Mac Destop - Perplexity - можно подключать MCP - а всех своих агентов я сразу делаю с такой функцией. Это обозначает, что как только доделаю правила корпоративные - то я смогу из Perplexity на реальных живых данных опрашивать всех агентов и документы - и например - перед новой встречей с Клиентом - Perplexity соберет всю последнюю переписку - звонки, обсуждения - и задачи по клиенту - чтобы все не забыть обсудить.
👍5
Искусственный интеллект впервые в истории смог победить программистов на хакатоне. Sakana AI — один из участников турнира AHC058. ИИшка обошла 800 человек из 35 стран.
Машина решила за 1,5 минуты 98 задач из 100. На это у людей уходило по 3–6 часов.
@lobushkin
Машина решила за 1,5 минуты 98 задач из 100. На это у людей уходило по 3–6 часов.
@lobushkin
👎1
Forwarded from LLM под капотом
Новый кейс - автоматический перевод YouTube с озвучкой и AI Researcher
Айгиз Кунафин как раз закончил проект по автоматическому переводу YouTube видео с русского на башкирский язык. Под капотом - ASR и диаризация, перевод, подбор голосов и синтез речи, которая синхронизирована с оригинальной дорожкой.
Самое классное в этом проекте - использование AI coding агентов в режиме автоматической постановки экспериментов с Feedback Loop (про это - ниже).
LLM под капотом проекта:
- ASR (Speech Recognition) - Сберовская gigaam-v3-ctc
- Диаризация (разбор голосов) - DiariZen
- Перевод на башкирский - Gemini-3 flash со своим контекстом
- TTS (сама озвучка) - две модели: своя с клонированием RVC для детских голосов, Silero - для взрослых.
При переводе видео у системы есть библиотека из ~80 голосов (в 6 группах), которые автоматически получают фиксированные роли в видео.
Это Chrome/Firefox Extension, который заменяет аудио при проигрывании в YouTube. Дорожки генерируются пайплайном заранее на серверах (по запросу), а потом подбираются расширением. Всего три сервера, которые связаны напрямую через P2P HTTPS:
- Hetzner (для доступа к Gemini + YouTube), там же на CPU крутится и ASR.
- Свой GPU - для запуска моделей - диаризации, синтеза речи.
- 1GB - для хранения готовых аудио-дорожек.
Самое сложное в проекте - экспериментальный подбор правильных моделей в пайплайн с точки зрения ресурсоемкости, качества и стоимости. Целевой язык - башкирский, поэтому некоторые вещи приходилось реализовывать самостоятельно. Но у Айгиза уже есть многолетный опыт работы с голосовыми проектами (например, умная колонка Homai), что сэкономило много времени.
Система разрабатывалась при помощи агентов - Claude Code для UI и OpenAI Codex CLI с Feedback Loop.
Feedback Loop - когда у агента есть исходный код, Ground Truth цель/метрика/тесты для контроля качества и благословение на автономную работу. Причем, в AGENTS.MD прописан протокол написания экспериментов:
(1) Запускаем make eval, чтобы выяснить текущий score, который записываем в
(2) Анализируем код, проглядываем журнал экспериментов и в файл
(3) реализуем код и запускаем
(4) если score стал хуже, то откатываем код, но сохраняем описание эксперимента, чтобы в будущем агент не повторял старых ошибок.
Все это запускается с полными правами и задачей “копай отсюда и до обеда” в цикле. Например:
Такой AI Researcher, может стабильно работать часами в автономе. Этот же подход использовался в ERC3 для автоматической оптимизации кода базового NextStep SGR агента до 9 места в Prize Leaderboard.
Айгиз открыт для коммерческих предложений. Если вам нужна консультация или участие в проекте, можно написать ему лично в Телеграм @AigizK или по контактам RU / EN.
Ваш, @llm_under_hood 🤗
PS: Список всех кейсов канала
Айгиз Кунафин как раз закончил проект по автоматическому переводу YouTube видео с русского на башкирский язык. Под капотом - ASR и диаризация, перевод, подбор голосов и синтез речи, которая синхронизирована с оригинальной дорожкой.
Самое классное в этом проекте - использование AI coding агентов в режиме автоматической постановки экспериментов с Feedback Loop (про это - ниже).
LLM под капотом проекта:
- ASR (Speech Recognition) - Сберовская gigaam-v3-ctc
- Диаризация (разбор голосов) - DiariZen
- Перевод на башкирский - Gemini-3 flash со своим контекстом
- TTS (сама озвучка) - две модели: своя с клонированием RVC для детских голосов, Silero - для взрослых.
При переводе видео у системы есть библиотека из ~80 голосов (в 6 группах), которые автоматически получают фиксированные роли в видео.
Это Chrome/Firefox Extension, который заменяет аудио при проигрывании в YouTube. Дорожки генерируются пайплайном заранее на серверах (по запросу), а потом подбираются расширением. Всего три сервера, которые связаны напрямую через P2P HTTPS:
- Hetzner (для доступа к Gemini + YouTube), там же на CPU крутится и ASR.
- Свой GPU - для запуска моделей - диаризации, синтеза речи.
- 1GB - для хранения готовых аудио-дорожек.
Самое сложное в проекте - экспериментальный подбор правильных моделей в пайплайн с точки зрения ресурсоемкости, качества и стоимости. Целевой язык - башкирский, поэтому некоторые вещи приходилось реализовывать самостоятельно. Но у Айгиза уже есть многолетный опыт работы с голосовыми проектами (например, умная колонка Homai), что сэкономило много времени.
Система разрабатывалась при помощи агентов - Claude Code для UI и OpenAI Codex CLI с Feedback Loop.
Feedback Loop - когда у агента есть исходный код, Ground Truth цель/метрика/тесты для контроля качества и благословение на автономную работу. Причем, в AGENTS.MD прописан протокол написания экспериментов:
(1) Запускаем make eval, чтобы выяснить текущий score, который записываем в
experiments/007-experiment.md(2) Анализируем код, проглядываем журнал экспериментов и в файл
experiments/007-experiment.md дописываем план для улучшения текущего score(3) реализуем код и запускаем
make eval. Если score стал лучше, то отправляем все в коммит с описанием(4) если score стал хуже, то откатываем код, но сохраняем описание эксперимента, чтобы в будущем агент не повторял старых ошибок.
Все это запускается с полными правами и задачей “копай отсюда и до обеда” в цикле. Например:
PROMPT_TEMPLATE="запусти следующий эксперимент, который оптимизирует код генрации wav файла"
for ((start_index=0; start_index<=50; start_index+=1)); do
codex exec --sandbox danger-full-access "$PROMPT_TEMPLATE"
done
Такой AI Researcher, может стабильно работать часами в автономе. Этот же подход использовался в ERC3 для автоматической оптимизации кода базового NextStep SGR агента до 9 места в Prize Leaderboard.
Айгиз открыт для коммерческих предложений. Если вам нужна консультация или участие в проекте, можно написать ему лично в Телеграм @AigizK или по контактам RU / EN.
Ваш, @llm_under_hood 🤗
PS: Список всех кейсов канала
👍1
Вам может показаться, что предыдущий пост очень сложный — так и я думал до 1 января 2026. Но ближе к концу каникул начал понимать уже каждое второе слово.
Оставлю этот пост себе как закладку — вернусь и отмечу, когда буду понимать всё.
Да, я, как и многие дураки на старости лет, окунулся в Vibe Coding. Это не про программистов, а про стратегов, которые ставят задачи AI-агентам, а те уже программируют.
Но вот ошибка новичка: за 3 часа сжечь $20 месячного лимита кредитов на кодинг. И тогда начинаешь задумываться — а как делать проекты так, чтобы не переплачивать за AI? Пост выше как раз про это: как выстраивать специальных агентов, которые следят за разработкой и помогают принимать более взвешенные и эффективные решения.
Оставлю этот пост себе как закладку — вернусь и отмечу, когда буду понимать всё.
Да, я, как и многие дураки на старости лет, окунулся в Vibe Coding. Это не про программистов, а про стратегов, которые ставят задачи AI-агентам, а те уже программируют.
Но вот ошибка новичка: за 3 часа сжечь $20 месячного лимита кредитов на кодинг. И тогда начинаешь задумываться — а как делать проекты так, чтобы не переплачивать за AI? Пост выше как раз про это: как выстраивать специальных агентов, которые следят за разработкой и помогают принимать более взвешенные и эффективные решения.
👍1
Сколько я трачу на ИИ
Меня часто спрашивают — вот честный расклад.
Кодинг и разработка:
- Claude Code Max 5x — 15 000 ₽/мес. Основная среда для прототипов. Задачи крутятся часами без моего участия.
- Antigravity (Google) — 1 000 ₽/мес. Щедрые лимиты на Gemini + можно подключить Claude.
- Lovable Pro — 540 ₽/мес (годовая) + ~10 000 ₽/мес на кредиты. Интерфейсы и веб-приложения с полной логикой.
- Windsurf — 1 500 ₽/мес. Финальный прогон на ошибки и безопасность.
Исследования и продуктивность:
- Perplexity Max — 2 000 ₽/мес (реальная цена ~20 000 ₽)
- Google AI Ultra + NotebookLM — 500 ₽/мес по промо (реальная цена ~25 000 ₽)
Креатив и медиа:
- Higgsfield.ai — 9 000 ₽/мес. Фото и видео для проекта Даши.
- Транскрибация, картинки, презентации — ~20 000 ₽/мес
Инфраструктура:
- OpenRouter, хостинги, бэкапы — ~10 000 ₽/мес
Итого плачу: ~70 000 ₽/мес
Реальная стоимость: ~112 000 ₽/мес
Экономия на промо и годовых: ~42 000 ₽/мес
И знаете, я всё равно чувствую себя нищебродом.
Один специалист как-то сказал: «Чем же вы тогда занимаетесь, если не можете позволить себе ИИ на 150 тысяч в месяц? Это же повышает производительность в 10 раз».
Он прав. Моя цель — агенты на 150–200 тысяч ₽/мес. Не ради понтов, а ради математики: если они помогают создавать пользу на 2–5 млн ₽ — это ROI x10–30.
До цели осталось 80–130 тысяч. Масштабируюсь. Расскажу, когда дойду.
Меня часто спрашивают — вот честный расклад.
Кодинг и разработка:
- Claude Code Max 5x — 15 000 ₽/мес. Основная среда для прототипов. Задачи крутятся часами без моего участия.
- Antigravity (Google) — 1 000 ₽/мес. Щедрые лимиты на Gemini + можно подключить Claude.
- Lovable Pro — 540 ₽/мес (годовая) + ~10 000 ₽/мес на кредиты. Интерфейсы и веб-приложения с полной логикой.
- Windsurf — 1 500 ₽/мес. Финальный прогон на ошибки и безопасность.
Исследования и продуктивность:
- Perplexity Max — 2 000 ₽/мес (реальная цена ~20 000 ₽)
- Google AI Ultra + NotebookLM — 500 ₽/мес по промо (реальная цена ~25 000 ₽)
Креатив и медиа:
- Higgsfield.ai — 9 000 ₽/мес. Фото и видео для проекта Даши.
- Транскрибация, картинки, презентации — ~20 000 ₽/мес
Инфраструктура:
- OpenRouter, хостинги, бэкапы — ~10 000 ₽/мес
Итого плачу: ~70 000 ₽/мес
Реальная стоимость: ~112 000 ₽/мес
Экономия на промо и годовых: ~42 000 ₽/мес
И знаете, я всё равно чувствую себя нищебродом.
Один специалист как-то сказал: «Чем же вы тогда занимаетесь, если не можете позволить себе ИИ на 150 тысяч в месяц? Это же повышает производительность в 10 раз».
Он прав. Моя цель — агенты на 150–200 тысяч ₽/мес. Не ради понтов, а ради математики: если они помогают создавать пользу на 2–5 млн ₽ — это ROI x10–30.
До цели осталось 80–130 тысяч. Масштабируюсь. Расскажу, когда дойду.
🤨6❤3👍2🤡1
Nike выпустили серию обуви Nike Mind для улучшения концентрации и снижения тревожности. Ее разработали вместе с нейробиологами.
В линейку вошли кроссовки и тапки. На их подошве расставили специальные шарики, которые стимулируют мозг через тысячи рецепторов на стопе.
Нам точно надо. Кажется я знаю что попрошу себе на день рождение в начале лета)
В линейку вошли кроссовки и тапки. На их подошве расставили специальные шарики, которые стимулируют мозг через тысячи рецепторов на стопе.
Нам точно надо. Кажется я знаю что попрошу себе на день рождение в начале лета)
Nike Mind официально поступила в продажу 8 января 2026 года — буквально вчера. Однако с доставкой в Россию есть сложности.
Текущий статус
Обе модели уже распроданы на официальном сайте Nike US и у ритейлеров (DICK'S). На европейских сайтах Nike (например, Нидерланды) также статус Sold Out. Цены на старте:
Mind 001 (мюли/тапки) — $95 (~7 200 ₽)
Mind 002 (кроссовки) — $145 (~11 600 ₽)
Доставка в Россию
Nike официально не осуществляет прямую доставку в Россию. Доступные варианты:
Посредники-мейлфорвардеры — сервисы типа Prostobox или BXBox позволяют заказывать с американских магазинов с пересылкой в РФ (доставка от $3.99 за 100 грамм)
Ресейл-платформы — StockX, GOAT, Poizon, где появятся перепродажи, но с наценкой
Российские байеры — закупают за рубежом и перепродают (срок доставки 5–15 рабочих дней)
❤1🔥1
Автоматизируем рутину по максимуму: появилась платформа Manus Academy с бесплатными курсами по ИИ-агентам.
Дают все необходимую базу, с которой можно осваивать продвинутые инструменты вайбкодинга. Научат писать приложения без кода, настраивать кастомные воркфлоу и писать качественные промты.
Изучаем по ссылке.
Дают все необходимую базу, с которой можно осваивать продвинутые инструменты вайбкодинга. Научат писать приложения без кода, настраивать кастомные воркфлоу и писать качественные промты.
Изучаем по ссылке.
👍1
хочется поделиться некоторыми фактами, которые стали очевидны за последние три недели примерно всему интернету
1. эра слоп-кода закончилась. да, если руки из ягодиц, то вы все равно будете производить слоп, но это больше не ограничения системы, а только лень/глупость пользователя.
2. любой человек может сегодня создать любой софт, нужно только желание и фокус. вопрос "зачем?" и вопрос мотивации/агентности это делать и доводить до конца LLM не снимают.
3. лучшие организации (на скриншоте СЕО Shopify) получат 100х преимущество от AI-native процессов, худшие — не получат никакого и останутся за гранью релевантности
4. (my bet) то, что сегодня происходит с кодом, в течении года будет происходить со всеми областями knowledge work: продажи, юристы, финансы, контент, логистика, управление, наука, what have you
5. каждый человек теперь является корпорацией, в которой вы - босс, а на вас работают десятки агентов. вашей задачей становится теперь миссия, стратегия, структура управления, постановка задач в этой корпорации
6. каждая компания теперь не просто коллектив людей, но кибернетическая организация, в которой на каждого человека приходятся десятки агентов. структура менеджмента меняется. организационный дизайн перестраивается. это куда важнее (и больнее, дороже), чем классическая «ИТ-трансформация» и «внедрения»
7. навык выстраивать собственную агентскую систему для жизни и бизнеса становится одним из важнейших, а важнейшим — по-прежнему агентность. особенно сейчас, когда возможностей в мире больше, чем когда-либо. но и времени заработать денег тоже всё меньше :)
8. софт постепенно (от простого к все более сложному) перестает быть чем-то уникальным, маржа падает. если клиенту не хочется платить $50 в мес, то он может сделать себе похожий продукт и использовать по себестоимости
9. любая железка — это информационный поток. любой робот — это софт. в конечном счете, это не про то чтобы двинуть атомы из точки а в б, а про процесс: нанять людей, прочитать их резюме, провести интервью, собрать инструкции, заказать оборудование, заполнить таможенные декларации, найти поставщика, купить метериалы, заказать доставку, запустить машины, построить процесс, произвести детали, собрать робота, договориться с ритейлером, продать робота, посчитать налоги.
Подсмотрено
1. эра слоп-кода закончилась. да, если руки из ягодиц, то вы все равно будете производить слоп, но это больше не ограничения системы, а только лень/глупость пользователя.
2. любой человек может сегодня создать любой софт, нужно только желание и фокус. вопрос "зачем?" и вопрос мотивации/агентности это делать и доводить до конца LLM не снимают.
3. лучшие организации (на скриншоте СЕО Shopify) получат 100х преимущество от AI-native процессов, худшие — не получат никакого и останутся за гранью релевантности
4. (my bet) то, что сегодня происходит с кодом, в течении года будет происходить со всеми областями knowledge work: продажи, юристы, финансы, контент, логистика, управление, наука, what have you
5. каждый человек теперь является корпорацией, в которой вы - босс, а на вас работают десятки агентов. вашей задачей становится теперь миссия, стратегия, структура управления, постановка задач в этой корпорации
6. каждая компания теперь не просто коллектив людей, но кибернетическая организация, в которой на каждого человека приходятся десятки агентов. структура менеджмента меняется. организационный дизайн перестраивается. это куда важнее (и больнее, дороже), чем классическая «ИТ-трансформация» и «внедрения»
7. навык выстраивать собственную агентскую систему для жизни и бизнеса становится одним из важнейших, а важнейшим — по-прежнему агентность. особенно сейчас, когда возможностей в мире больше, чем когда-либо. но и времени заработать денег тоже всё меньше :)
8. софт постепенно (от простого к все более сложному) перестает быть чем-то уникальным, маржа падает. если клиенту не хочется платить $50 в мес, то он может сделать себе похожий продукт и использовать по себестоимости
9. любая железка — это информационный поток. любой робот — это софт. в конечном счете, это не про то чтобы двинуть атомы из точки а в б, а про процесс: нанять людей, прочитать их резюме, провести интервью, собрать инструкции, заказать оборудование, заполнить таможенные декларации, найти поставщика, купить метериалы, заказать доставку, запустить машины, построить процесс, произвести детали, собрать робота, договориться с ритейлером, продать робота, посчитать налоги.
Подсмотрено
💯3
This media is not supported in your browser
VIEW IN TELEGRAM
🎬 Higgsfield Cinema Studio 1.5
Ну что, стартуем новый год с классного релиза! Higgsfield выпустили обновление Cinema Studio v1.5 – и это тот случай, когда апдейт действительно влияет на язык AI-видео, а не просто добавляет «ещё кнопок».
Теперь можно управлять диафрагмой и глубиной резкости, а все форматы кадра собраны в продуманные DP-пресеты. Плюс более вменяемое управление проектом, что для сложных сцен критично.
Из важного: • эмуляция камер ARRI Alexa, RED, Sony Venice, IMAX
• 6 камер
• 11 объективов
• более 15 движений камеры
Higgsfield всё больше уходит от формата пресетов и собирает пайплайн, в котором ты думаешь как оператор: про фокус, движение, оптику, ритм.
ТГ: Арт, дизайн и нейросети
@art_design_ai
#higgsfield@art_design_ai
Ну что, стартуем новый год с классного релиза! Higgsfield выпустили обновление Cinema Studio v1.5 – и это тот случай, когда апдейт действительно влияет на язык AI-видео, а не просто добавляет «ещё кнопок».
Теперь можно управлять диафрагмой и глубиной резкости, а все форматы кадра собраны в продуманные DP-пресеты. Плюс более вменяемое управление проектом, что для сложных сцен критично.
Из важного: • эмуляция камер ARRI Alexa, RED, Sony Venice, IMAX
• 6 камер
• 11 объективов
• более 15 движений камеры
Higgsfield всё больше уходит от формата пресетов и собирает пайплайн, в котором ты думаешь как оператор: про фокус, движение, оптику, ритм.
ТГ: Арт, дизайн и нейросети
@art_design_ai
#higgsfield@art_design_ai
Мое открытие года
Джефф Хантли придумал штуку под названием Ralph (помните тупенького персонажа Симпсонов). Это не сервис, не приложение. А простой скрипт на 50 строк, который запускает нейросеть в бесконечный цикл.
Как работает:
1) Описываешь фичу голосом (2-3 минуты болтовни)
2) Нейросеть превращает это в список микро-задач с четкими критериями «сделано/не сделано»
3) Запускаешь скрипт и идешь спать
4) А ИИ берёт задачу, делает, проверяет, сохраняет, берёт следующую
Утром у тебя готовая фича
Ключевое: задача должна быть маленькой. Никаких «сделай мне CRM».
Claude Opus 4.5 отлично понимает — задача выполнена или нет. Раньше я сидел и проверял каждый шаг. Теперь — нет.
Стоимость цикла из 10 задач — $10. Это меньше, чем час работы начинающего программиста. При этом нейросеть не отвлекается, не уходит на созвоны и не просит повышения.
И как всегда 80% успеха — в подготовке. Если криво описал задачу и не объяснил, как проверить результат — получаешь 10 повторений мусора. Ральф усиливает и ясность мышления, и лень.
Самое крутое — ИИ после каждого шага записывает, что узнал. Это как заметки для нового разработчика, только пишет их сама нейросеть для себя будущей. Код становится понятнее с каждым запуском. Скрипт лежит тут.
Вывод прост: вопрос не в том, заменит ли ИИ программистов. Вопрос — сколько фич ты выкатишь, пока они спорят об этом в комментах :)
Подсмотрено
Джефф Хантли придумал штуку под названием Ralph (помните тупенького персонажа Симпсонов). Это не сервис, не приложение. А простой скрипт на 50 строк, который запускает нейросеть в бесконечный цикл.
Как работает:
1) Описываешь фичу голосом (2-3 минуты болтовни)
2) Нейросеть превращает это в список микро-задач с четкими критериями «сделано/не сделано»
3) Запускаешь скрипт и идешь спать
4) А ИИ берёт задачу, делает, проверяет, сохраняет, берёт следующую
Утром у тебя готовая фича
Ключевое: задача должна быть маленькой. Никаких «сделай мне CRM».
Claude Opus 4.5 отлично понимает — задача выполнена или нет. Раньше я сидел и проверял каждый шаг. Теперь — нет.
Стоимость цикла из 10 задач — $10. Это меньше, чем час работы начинающего программиста. При этом нейросеть не отвлекается, не уходит на созвоны и не просит повышения.
И как всегда 80% успеха — в подготовке. Если криво описал задачу и не объяснил, как проверить результат — получаешь 10 повторений мусора. Ральф усиливает и ясность мышления, и лень.
Самое крутое — ИИ после каждого шага записывает, что узнал. Это как заметки для нового разработчика, только пишет их сама нейросеть для себя будущей. Код становится понятнее с каждым запуском. Скрипт лежит тут.
Вывод прост: вопрос не в том, заменит ли ИИ программистов. Вопрос — сколько фич ты выкатишь, пока они спорят об этом в комментах :)
Подсмотрено
❤1🤔1
VC-реальность 2025–2026: MVP больше ничего не значит
Будущее - в руках убийц, а не строителей!
В разговорах с VC-коллегами последнее время слышим одну и ту же жалобу.
Инвесторы утонули в нескончаемом потоке MVP (MVP = прототип).
То, что ещё 6–9 месяцев назад было редкостью, сегодня — шквал из пожарного шланга.
AI убил редкость билдинга.
Точнее — обесценил сам факт создания продукта.
Сегодня любой может пройти путь от идеи и исследования до MVP - за выходные.
На то, на что раньше уходило 3–6–9 месяцев, сейчас хватает 24–48 часов … с попиванием кофейка в перерывах.
Факт, что у вас есть MVP, больше ничего не доказывает.
Это не преимущество — это минимум.
Всё, что ниже, не попадает в поле внимания.
Нет работающего прототипа на встрече с инвестором?
Это не ранняя стадия. Это отставание.
Менее года назад, капитал все еще шел под идею - чтобы построить MVP.
Сегодня можно констатировать: эти времена остались в глухом прошлом.
Теперь капитал идет только в MVP с подтвержденным спросом!
И это только начало.
AI-агенты уже уничтожают сервисные профессии.
Роботы постепенно вытеснят физический труд.
Миллионы умных, опытных людей оказываются с временем, навыками и экзистенциальным вопросом: «что делать дальше?»
Ответ всё чаще один — запуск.
Теперь следим за причинно-следственной цепочкой
⁃ Больше умных людей со временем + AI-инструменты → ещё больше MVP
⁃ Больше MVP -> больше шума -> коллапс внимания -> еще сложнее получить встречу с инвестором
⁃ Внимание дороже -> нулевая терпимость инвесторов к сырости
Сегодня узкое горлышко — подтверждение спроса. Но, и оно в ближайший год-полтора будет автоматизироваться.
В итоге будущее — НЕ за теми, кто строит быстрее.
Будущее — за теми, кто способен быстро убивать плохие гипотезы и усиливать хорошие!
А для этого нам нужен совершенно другой мир с другим набором инструментов!
#стартапы #венчур #инвестиции #фаундер #MVP #ai
Будущее - в руках убийц, а не строителей!
В разговорах с VC-коллегами последнее время слышим одну и ту же жалобу.
Инвесторы утонули в нескончаемом потоке MVP (MVP = прототип).
То, что ещё 6–9 месяцев назад было редкостью, сегодня — шквал из пожарного шланга.
AI убил редкость билдинга.
Точнее — обесценил сам факт создания продукта.
Сегодня любой может пройти путь от идеи и исследования до MVP - за выходные.
На то, на что раньше уходило 3–6–9 месяцев, сейчас хватает 24–48 часов … с попиванием кофейка в перерывах.
Факт, что у вас есть MVP, больше ничего не доказывает.
Это не преимущество — это минимум.
Всё, что ниже, не попадает в поле внимания.
Нет работающего прототипа на встрече с инвестором?
Это не ранняя стадия. Это отставание.
Менее года назад, капитал все еще шел под идею - чтобы построить MVP.
Сегодня можно констатировать: эти времена остались в глухом прошлом.
Теперь капитал идет только в MVP с подтвержденным спросом!
И это только начало.
AI-агенты уже уничтожают сервисные профессии.
Роботы постепенно вытеснят физический труд.
Миллионы умных, опытных людей оказываются с временем, навыками и экзистенциальным вопросом: «что делать дальше?»
Ответ всё чаще один — запуск.
Теперь следим за причинно-следственной цепочкой
⁃ Больше умных людей со временем + AI-инструменты → ещё больше MVP
⁃ Больше MVP -> больше шума -> коллапс внимания -> еще сложнее получить встречу с инвестором
⁃ Внимание дороже -> нулевая терпимость инвесторов к сырости
Сегодня узкое горлышко — подтверждение спроса. Но, и оно в ближайший год-полтора будет автоматизироваться.
В итоге будущее — НЕ за теми, кто строит быстрее.
Будущее — за теми, кто способен быстро убивать плохие гипотезы и усиливать хорошие!
А для этого нам нужен совершенно другой мир с другим набором инструментов!
#стартапы #венчур #инвестиции #фаундер #MVP #ai
🤨1