AI Product | Igor Akimov

Потестил быстро на трехминутном фрагменте в их демке и сравнил с лучшими на текущий момент. Вот такой фрагмент. И вот результаты распознавания - https://docs.google.com/document/d/1w5IXXSsDhOFFAh6Q-ATauBJ1fUJRF_ZUAcPE360k_x8/edit?usp=sharing Выводы: Gigaam-RNNT — самая связная и близкая к исходной речи, нормальная пунктуация, почти нет мусора. Ошибки мелкие (типа «тремстам» без «ё»), но смысл не страдает. Vosk — читаемо, но больше огрехов (дубли “то/что”, местами сбитые формы и ударения). Gigaam-CTC — мало пунктуации и встречаются странные вставки («е», «но там»), но в целом смысл держится. Omnilingual — заметные лексические и орфографические ошибки («взростового», «19» вместо «90-е» и т. п.). Parakeet — мешает русский с украинским/английским, ломает синтаксис и интонацию. Whisper-base — много “шума”, повторов и мусорных фрагментов, местами вовсе уезжает в бессмыслицу.

Ух ты, Meta (запрещённая в России) наконец подняла веки и разродилась супер распознавалкой речи на 1600 языках! Omnilingual ASR. - Базовая модель: wav2vec 2.0 (на первой версии мы делали распознавание кипрского, на неделе выложим уже), масштабированная до 7B параметров - Два варианта декодера: традиционный CTC и трансформер. - LLM-подход даёт in-context learning – можешь дать несколько примеров аудио-текст пар и получить рабочее качество транскрипции без тренировки! Вау! Результаты: - Character Error Rate (CER) ниже 10% для 78% языков - State-of-the-art качество на всех 1,600+ языках - Можно добавить новый язык на лету без переобучения Выложили: - Весь набор моделей от лёгких 300M (для мобильных устройств) до мощных 7B - wav2vec 2.0 foundation model для других задач со звуком, типа распознавания эмоций или разметки. - Omnilingual ASR Corpus – крупнейший датасет спонтанной речи на 350 низкоресурсных языках - Всё под Apache 2.0 и CC-BY лицензиями, можно применять для чего угодно. Работали с локальными организациями по всему миру, нанимали носителей языков из удалённых регионов. Партнёрились с Mozilla Common Voice, Lanfrica/NaijaVoices и другими. Очень интересно потестить на русском. Но в целом очень-очень масштабный и полезный проект для всех стран. GitHub: https://github.com/facebookresearch/omnilingual-asr Статья: https://ai.meta.com/blog/omnilingual-asr-advancing-automatic-speech-recognition/ Позалипать в демку, какие языки подключили: https://aidemos.atmeta.com/omnilingualasr/language-globe Попробовать на своих коротких файлах: https://huggingface.co/spaces/facebook/omniasr-transcriptions

Ну и напоминаю, что есть еще места на консультации. Нужно всего лишь форму небольшую (уже даже сильно сокращенную) заполнить: https://docs.google.com/forms/d/e/1FAIpQLScIdsQHA7PrDUUQL4maq1ZGjEq0DD81RBfRT5tp78s_S-y4EA/viewform?usp=header

Решил описать свой опыт внедрения AI в разные компании на хабре. Читайте, комментируйте, лайкайте, пересылайте коллегам, там самый сок https://habr.com/ru/articles/965016/

Вау, Inworld выпустил новую модель генерации речи (кстати, русский язык теперь есть) и с 1 дня вырвался в лидеры на арене Artificial Analysis. Обошел на английском и ElevenLabs, и OpenAI, и MiniMax. При стоимости гораздо ниже. Сделали лучшую артикуляцию, улучшенное клонирование голоса и более точную работу с многоязычной речью. Плюс на задержкой поработали (сервера поближе, веб-сокеты, оптимизацию кода), добавили тайм-стемпы, чтобы в нужный момент произносились сгенерированные слова, сделали клонирование голоса через API и кастомное произношение (например, имени или названия компании) Подробности: https://inworld.ai/blog/tts-custom-pronunciation-timestamps-websockets

Если ситуация выше похожа на вашу, вы пробовали AI и “не завелось” и устали от завышенных ожиданий – заполните короткую анкету. Мы обработаем все заявки до конца недели и сможем назначить встречи в ближайшее время. И по любым вопросам можете писать в личку @akimovpro.

Важный анонс. Последний год я помогаю компаниям внедрять AI решения в бизнес без хайпа и грандиозных бюджетов. Я не постил в свое время исследование MIT, что 95% AI-проектов проваливаются, потому что не верилось в эти цифры, хотя они широко обсуждались по всему интернету. Но я действительно часто вижу абсолютно такую же картину: компания покупает корпоративные лицензии на LLM или позволяет сотрудникам использовать свои (или они тайком используют), заказывает или разрабатывает сама кастомный AI (“сейчас мы сделаем AI-first компанию”), пишет "агентов" и "фабрики контента", но все это через месяц прозябает в пыли и откатывается до "давайте вручную, AI нельзя доверять, исправлять потом дольше, чем с нуля делать". Не всегда проекты долгосрочно выживали, и меня это очень угнетало. И я все время их сравнивал с успешными проектами. И кажется, разобрался, в чем дело. AI не работает не потому, что он "галлюцинирует" или там “модели еще недостаточно умные”. А потому что в компании Excel 2008 года вместо ERP-системы, семь «актуальных» версий стратегии, пять разных систем хранения данных (которые никто не заполняет), три презентации с «самыми точными цифрами» и несколько человек, кто “держит все в голове”. Добавляя к этому AI мы получаем хаос в квадрате. Мы пытаемся это разгребать руками и скриптами, что держится, пока вовлекаемся в проект, но без поддержки и постоянной работы все откатывается к первоначальной версии. Что, например, не работает без порядка в данных: Саппорт, продажи и маркетинг: - Саппорт-бот выдаёт устаревшие инструкции или противоречивые ответы, клиенты недовольны и просят вернуть людей. - Квалификация лидов проваливается — AI-бот не получает бизнес-контекста, необходимого для ведения осмысленного диалога и выявления релевантности лида - Персонализированные Email/WhatsApp-триггеры для онбординга и активации срабатывают невпопад. Аналитика и отчётность: - Дашборды показывают цифры, которым никто не верит, все равно люди копипастят и строят модели в эксельке. - AI-аналитика строит выводы на противоречивых данных из разных источников, и в итоге, конечно же, получается, что “AI нельзя доверять”.. - Отчёты генерируются быстро, но бесполезны, на них никто не обращает внимание. Внутренние процессы: - Папочка с гордым названием “база знаний” или несколько шаблонных документов делает генерацию текстов или ответов только хуже, потому что путается от несвязанных текстов. - Извлечение данных через AI занимает больше времени, чем ручной ввод - «Умная» автоматизация ломается на каждом исключении. И попытка создать каких-нибудь “AI-агентов”, в идеале забирающих часть работ, проваливается без постоянного наблюдения и правок сотрудниками. Довольно часто я сталкиваюсь с завышенными ожиданиями, что AI – это добрая фея, которая решит все проблемы – "Подключаем LLM ко всему болоту, которое у нас есть в компании, и думаем, что AI сам во всём разберется", а по факту это просто один из инструментов автоматизации, который нужно использовать в рамках обычных и скучных проектов по автоматизации бэкофиса (к таким же выводам пришли и в MIT). В общем, ничего нового. Garbage in -> Garbage out. И никакой AGI тут не поможет. И я понял, что мне понадобится помощь. И нашел – бывшего коллегу из стартапа по AI-аналитике, специалиста по автоматизациям, аналитике и data quality. Хочется теперь подтвердить, что подход, в котором укрощение и централизация данных настраиваются в связке с AI, действительно дает результаты лучше. А потому в ближайшие 2 недели мы проводим 10 бесплатных консультаций для компаний, которые: - Понимают, что проблема в данных, а не в технологиях - Готовы навести порядок, а не искать волшебную кнопку и ждать AGI - Хотят, чтобы AI давал реальные результаты, а не создавал новый хаос На консультации разберём: - Где у вас утечки и противоречия в данных - Какие процессы можно автоматизировать прямо сейчас, возможно даже без помощи AI. - Что нужно сделать, чтобы AI заработал «неизбежно хорошо»

LMSYS запустили Arena Expert – новую систему оценки LLM на реальных экспертных задачах. В чём идея: Обычная Chatbot Arena отлично работает для средних задач, но не показывает, как модели справляются с реальным экспертным уровнем – задачами математиков, врачей, программистов, юристов. Теперь появился отдельный лидерборд для таких промптов. Как определяют "эксперта": Только 5.5% всех промптов попадают в категорию Expert Используют DeepSeek-v3 для автоматической разметки по признакам глубокого понимания домена Промпты должны демонстрировать продвинутое рассуждение, а не просто сложность В прошлом году была категория Arena Hard – она захватывала ~33% промптов. Expert гораздо жёстче – всего 5.5%. Ключевое отличие: Hard промпты могут быть просто технически сложными. Expert – это когда промпт явно от человека, который глубоко разбирается в теме. Результаты топ-6: Claude Sonnet 4.5 (thinking-32k) Claude Opus 4.1 (thinking-16k) Gemini 2.5 Pro Qwen3 Max Preview Qwen3-235b Thinking GPT-5 High Дополнительно ввели разбивку промптов по 23 профессиональным категориям. Самые популярные: Software and IT Services – 28% Writing, Literature, and Language – 25% Life, Physical, and Social Science – 17% Итого получилось, что Claude доминирует в Software и Mathematical, Gemini 2.5 Pro лидирует в Writing и Science, OpenAI модели сильны в Medicine Для определения лучшего "универсала" пересчитали рейтинг с равными весами по всем категориям. Результат: 1) Gemini 2.5 Pro 2) Claude Opus 4.1 3) o3 и GPT-5 Еще сравнили арену с GDPal (экспертных задачах с человеческой разметкой). LMArena использует автоматическую разметку LLM. Порядок моделей в обоих случаях почти идентичен, что говорит: автоматическая разметка большого объёма данных может конкурировать с аккуратно размеченными бенчмарками. В общем, если используете LLM для экспертных задач (код, математика, наука), смотрите на Expert лидерборд и специализированные категории, а не только на Overall. Полный отчёт с примерами промптов: https://news.lmarena.ai/arena-expert/ Dataset: https://huggingface.co/lmarena-ai Смотреть результаты тут: https://lmarena.ai/leaderboard/text/expert

AI - всего лишь "статистический попугай", ничего он придумать не может, никаких открытий сделать, ага. Вот читаю про Kosmos – AI-учёный от FutureHouse и Edison Scientific, который может работать автономно по 12 часов, проводя ряд этапов научных исследований. Как работает: Даёшь Kosmos датасет и цель → он запускает параллельно анализ данных и поиск по литературе → синтезирует находки в научные отчёты. За один запуск пишет в среднем 42,000 строк кода и читает 1,500 статей. Что умеет: - Воспроизводит существующие открытия из препринтов - Предлагает новые методы анализа - Делает собственные клинически значимые открытия Учёные оценили эквивалент работы одного запуска Kosmos в 6 месяцев исследовательского времени. Точность утверждений в отчётах – 79%. Примеры открытий (тут верю на слово авторам статьи): - Механизм нейропротекции при гипотермии - SOD2 как драйвер миокардиального фиброза - Механизм уязвимости нейронов энторинальной коры при старении Всё прослеживаемо – каждое утверждение ссылается либо на код, либо на первичную литературу, галлюцинаций минимум. arXiv: https://arxiv.org/pdf/2511.02824

Мне очень нравится идея подключения к корпоративным документам и хранилищам, это все существенно увеличивает качество ответов и упрощает работу, если данные чистые и актуальные. Вот OpenAI делится юзкейсами использования их коннекторов в бизнес-плане https://www.linkedin.com/posts/openai-for-business_we-recently-launched-company-knowledge-for-activity-7391166289345691649-WKcs/ ✅ Превращайте отзывы клиентов в стратегию: ChatGPT может извлекать информацию из каналов Slack, результаты опросов в Google Презентациях и тикеты из заявок в службу поддержки для планирования роадмапа. ✅ Создавайте отчёты с использованием актуальной информации: после завершения кампании ChatGPT может просматривать сделки или контакты в HubSpot, брифинги и отчеты о проделанной работе в Google Документах, а также основные моменты по электронной почте для составления правильного отчёта об эффективности рекламной кампании. ✅ Планируйте выпуски функций: ChatGPT может сканировать GitHub на наличие открытых TODO, проверять Linear на наличие заявок и просматривать инженерные каналы Slack, чтобы суммировать невыполненные задачи и то, что уже в работе.

Много хайпа было по поводу того, что польский и русский лучше для промптов, чем английский, из-за вот этого исследования - https://arxiv.org/abs/2503.01996, но сомнения были, что там как-то не то исследовали и выводы такие точно рановато делать. И вот прочитал-таки пейпер. В общем, и правда не все так однозначно :) Итак, исследователи из Мэрилендского университета, Microsoft и UMass Amherst создали OneRuler - бенчмарк для оценки способности языковых моделей работать с длинными контекстами на 26 языках. По сути это вариации поиска иголки в стоге сена (в большой текст закидывается ключевое слово и потом просят LLM его найти) и агрегации (найти самое частотное слово) для контекста в 8-32-64-128К токенов на разных языках. Итого получилось, что польские промпты для польских текстов дали самые лучшие результаты (89%). Русский язык для русских текстов оказался на 2 месте (88%). Далее Французский — 87% Итальянский — 86% Испанский — 86% Английский — 83.9% Основные гипотезы, почему так распределилось: хорошие токенизаторы для этих языков, много данных на них в обучающих корпусах, Gemini 1.5 Flash показал лучшие результаты Qwen 2.5 72B на втором месте o3-mini-high неожиданно плохо справился с длинными контекстами (67% на английском при 128K) Но никто не тестировал русские промпты на английских текстах и наоборот. Проверяли только английский, корейский и польский (инструкции<->тексты). Табличка в аттаче. Польские промпты на английских источниках ХУЖЕ. Английские промпты на корейских источниках лучше, чем корейские и лучше, чем "победитель" - польский язык. Что опять же дезавуирует фразу, что "польский и русский - лучшие языки для промптинга". Плюс опять же - задача была не творческая, а чисто поиск 1 слова на тысяче страниц.

Робособака всего за $1000, офигеть! Rover X1. И таскает всякое барахло за тобой, и снимать может, и охранять, и стакан воды принести. Отсюда: https://www.ithome.com/0/894/464.htm

Интересный новый "компактный JSON" специально для LLM-ок для экономии токенов и улучшения качества работы - TOON Было { "users": [ { "id": 1, "name": "Alice", "role": "admin" }, { "id": 2, "name": "Bob", "role": "user" } ] } Стало users[2]{id,name,role}: 1,Alice,admin 2,Bob,user Говорят, что экономит до двух раз по сравнению с JSON/XML, при этом качество не теряется, а на некоторых LLM даже выше. Тестировали на 4 различных типов данных: табличные (100 данных о сотрудниках), иерархические (50 заказов) временные (60 дней аналитики) и реального времени (100 данных из гитхаб репозиториев). И задавали 3 типа вопросов: извлечь определенные данные (типа кто заказал товар Х), агрегировать данные (сколько сотрудников работают в инжиниринге) и фильтровать данные (сколько сотрудников имеют опыт больше 8 лет). И тестировали на TOON, CSV, XML, YAML, JSON, JSON Compact. TOON на этих датасетах ведет себя в среднем лучше остальных. Здесь подробнее: https://github.com/toon-format/toon

С Хеллоуином, что ли. Честно говоря ночью такого увидеть - можно запросто наложить в штаны.

Прикольный проект - автоматический критик вашего AI кодинг агента. Работает с Claude Code, но можно подключить и к любому другому. С чем помогает справиться: - Придумывание результатов без запуска команд. - Невыполнение тестов или пропуск этапов проверки. - Несоблюдение стиля и шаблонов кодирования. - Выдумывание цифр, показателей или функциональных возможностей. - Создание новых шаблонов вместо использования существующих. - Внесение изменений, не соответствующих намерениям пользователей. https://github.com/fulcrumresearch/quibbler

Cursor 2.0 — это прорыв? Не стал писать сразу, когда появилась новость — дал себе время попробовать обновление на практике. Разберём всё по порядку 👇 1. Агенты теперь могут использовать браузер для тестирования. Эта функция появилась в Windsurf ещё несколько месяцев назад, и теперь наконец-то добралась до Cursor. Работает стабильно, действительно полезная фича. 2. Параллельная работа нескольких агентов над одной задачей. Теперь можно запускать нескольких агентов одновременно — причём на разных моделях. Такое уже было в веб-версии Codex, но теперь это доступно и в IDE. Особенно полезно для багфиксов и планирования, когда хочется сравнить результаты от Sonnet и Codex. Но есть нюанс: Cursor — дорогой инструмент, и тут скорее встаёт вопрос, как снизить косты и сделать один точный запрос, а не увеличивать расходы за счёт нескольких параллельных версий. 3. Голосовой режим управления агентом. Вот это прямо по-вайбкодерски — как Карпаты завещали 😄 По сути, функция заменяет Wispr Flow и подобные решения. Минус одна подписка — плюс одно удобство. 4. Собственная модель — Composer 1. По уровню примерно как Claude Haiku 4.5 или gpt-5-codex-mini, а по цене — как gpt-5-codex (medium). Контекст — 200 000 токенов, без режима *thinking*. Хорошо, что появилась своя модель, но без режима размышления ей можно поручать разве что мелкие задачи — дополнение локализаций или правку ошибок линтера. Код она пишет ощутимо слабее — будто откат на полгода назад. 5. Режим Agent вместо Editor. Теперь можно переключить интерфейс и превратить Cursor почти в чат с агентом на весь экран. Подходит для планирования или для тех, кто хочет использовать Cursor примерно как Lovable. 6. Режим песочницы. Теперь можно включить sandbox mode, чтобы команды агента выполнялись в изолированной среде. Удобно для безопасных тестов. 7. Командный файл Rules и десяток косметических улучшений. Если у вас тариф Team, теперь можно создавать общий Rules-файл. И ещё с десяток минорных косметических изменений 💡 Итог: Прорыва тут нет, но обновление сильное. Добавили удобства, расширили функциональность и сделали шаг в сторону гибридного формата — где Cursor остаётся инструментом для технарей, но при этом становится дружелюбнее к тем, кто использует его как веб-агента, наподобие Codex Web или Lovable. Ну и своя модель — всё же шаг вперёд. #вайбкодинг #разборы @oh_my_zen

Ну и еще про "ИТ-гигантов", которые на самом деле получают гигантскую выгоду от внедрения AI инструментария и просто пожирают стартапы на темы около-AI. Google выложил экспериментальный Pomelli, возможность для малого-среднего бизнеса создавать рекламные объявления и кампании буквально за 1 минуту. Даете ссылку на ваш сайт, из него извлекаются ваши креативы, логотип, фирменные цвета, стиль написания текстов. AI генерирует идеи рекламных кампаний специально под ваш бизнес и клиентов, а можно и промптом еще накидать идей. Ну и создает изображения для всех соцсетей, для сайта, для баннеров. Далее можно поменять все, что хочется, как промптом, так и в UI. Пока доступно только в США, Канаде, Австралии и Новой Зеландии, ну и не дает доступ из-за высокой нагрузки, но понятно, что это будет пользоваться огромным спросом. Особенно учитывая возможности и датасеты гугла, которые даже недоступны "снаружи". А все эти креативы и рекламные генерации будет подпитывать рекламную выручку Google. https://blog.google/technology/google-labs/pomelli/

Microsoft добавила в Copilot возможность навайбкодить приложения, автоматизации и агентов по 1 промпту. Выглядит, на удивление, довольно интересно и рабоче. Можно подключать рабочие хранилища, документы и подключенные приложения, хостится это все одной кнопкой внутри Microsoft. Вот какие примеры приводят: - Приложения: создай приложение для процесса запуска продукта, в котором команды могут отслеживать этапы запуска, назначать задачи и просматривать ход кампании на панели инструментов. - Потоки (автоматизации): каждый понедельник отправляйте в Teams обновления с предстоящими сроками запуска и ключевыми задачами из Planner. Размести напоминания о сроках утверждения в канале в Teams. - Агенты: создай агента, который будет отвечать на вопросы о запуске продукта, например, каков следующий этап, как отправить творческие материалы или когда состоится мероприятие по запуску, используя ресурсы SharePoint и разговоры в Teams. https://www.microsoft.com/en-us/microsoft-365/blog/2025/10/28/microsoft-365-copilot-now-enables-you-to-build-apps-and-workflows/ Недавно аналогичные вещи анонсировал Google c AI Studio https://blog.google/technology/developers/introducing-vibe-coding-in-google-ai-studio/ В удобство таких вещей для обычного пользователя, на самом деле, я верю больше, чем в low-code/no-code. Даже N8N вокруг себя сформировала довольно закрытую оболочку, которую трудно понять и отладить чисто "чатом", а для обычного пользователя разбираться в этом может быть сильно сложнее, чем в паре предложений описать, чего делать надо, а потом расширять функциональность. Плюс все рабочие интеграции "из коробки", как в Microsoft, так и в Google, никаких админских согласований и разбирательств с ключами и правами доступа.

Маск все же запустил свою википедию, где все факты верифицирует грок: https://grokipedia.com Пока только на Английском и 0.1 версия; кажется они форкнули википедию и факты уже поверх реальных статей проверяли

Хм, интересное. И потенциально убивает десяток стартапов - Claude for Excel Anthropic запустила бету Claude для Excel. Не плагин, не интеграция - Claude прямо в твоих финансовых моделях. Что умеет: - Мгновенный анализ - спрашиваешь про любую ячейку, формулу или целый лист. Ответ с цитатами конкретных ячеек. - Тест сценариев - меняешь допущения по всей модели, формулы остаются целыми. Все изменения подсвечены с объяснениями - Дебаг за секунды - #REF!, #VALUE!, циклические ссылки - Claude находит источник и фиксит без разрушения модели - Создает финмодели или заполняет шаблоны, сохраняя структуру Как это работает: - Claude видит весь workbook - формулы, зависимости между вкладками, логику расчетов - Все изменения в реальном времени с объяснениями - Сохраняет структуру и форматирование Excel - Работает в рамках существующих прав и политик безопасности компании. Сейчас в бете нет: pivot tables, conditional formatting, data validation, data tables, macros, VBA. Но работают над этим. Сейчас в бете через waitlist для 1000 пользователей на тарифах Max, Team и Enterprise. Постепенное расширение по мере тестирования. Форматы: .xlsx и .xlsm Ограничения по размеру: зависят от плана. Будет работать скорее для аналитиков и финансистов. Если у тебя сложные финмодели и ты тратишь часы на трейсинг формул через десятки табов - это твой случай. Пока функционал базовый, но направление правильное. Для ежедневных простых таблиц — избыточно. Подробнее тут: https://www.claude.com/claude-for-excel