AI Product | Igor Akimov

"Выходные" адвенты. 20 день - про аналитику с помощью AI Могу сразу сказать, что просто закидывать в LLM данные и надеяться на хорошие результаты - плохая идея, работает только для совсем простых запросов, типа "какой там товар у меня самый популярный". Но вот если вы опишете, что конкретно вам надо и как это посчитать, можно получить код, который сам AI-помощник запустит, посчитает вам нужные данные, построит таблицы и графики. Это единственная сейчас рабочая схема. Пользуйтесь также встроенными решениями - Copilot в Excel, Gemini в Sheets, Claude for Excel, там все вычисления и формулы можно проверить и поправить, если что. А подробнее тут: https://advent.abasis.ai/ru/day/20

Кстати, Claude Code всем платникам разрешил браузерное расширение использовать https://youtu.be/rBJnWMD0Pho

Потестил Grok Voice. Голоса в целом художественные, с дыханием, шепотом, эмоциями, русский язык норм, кроме нескольких ударений, но это можно править, языков много поддерживает из коробки. Единственное - он как-то плохо реагирует на остановки, пока всю свою выдачу текста не произнесет - не останавливается :) Но опять же это можно в коде править. В общем, в качестве альтернативного провайдера вполне подойдет.

Воу-воу, Grok запилил свой speech-to-speech и он сразу в топе бенчмарков https://x.ai/news/grok-voice-agent-api По данным Artificial Analysis, работает и существенно быстрее, и качественнее даже классной и быстрой Gemini 2.5-Flash, на базе которой я переводилку делал. Еще и заявляют, что цена фиксированная, но честно говоря 5 центов за минуту уже не сильно и дешево, можно собрать примерно в 6 раз дешевле на Gemini. На русском языке судя по графику порвали OpenAI Realtime в клочья :) Короче, для тех, кому нужна супер-скорость и качество, но при этом можно цену "премиальную" платить - самое то. А еще говорят, что готовят отдельные speech-to-text и text-to-speech кусочки! Отличненько! На поле битвы за голос усиливается конкуренция. https://x.ai/news/grok-voice-agent-api https://artificialanalysis.ai/models/speech-to-speech

Кажется, все распробовали Agent Skills от Anthropic. От OpenAI следы использования уже находят и вот теперь MS добавляет скиллы в Visual Studio Code и GitHub Copilot https://code.visualstudio.com/docs/copilot/customization/agent-skills По сути это набор промптов+тулов, к которым агент может обращаться по мере надобности, чтобы не сжирать контекст. То есть надо вам фронт обновить - он подключает скилл про фронту, где вся информация нужна содержится, надо в базе поковыряться - вот скилл про работу с базой, надо тексты поменять - вот промпты, примеры, API для работы с текстами в соответствии с нашим корпоративным стилем. Очень полезные вещи как раз для длительной успешной самостоятельной работы LLM

AI Advent 19 - про автоматическую генерацию видео из текста Учитывая популярность видео-платформ, особенно среди поколения младше 30, если это ваша аудитория, боюсь, что если вы не делаете видео с обзором ваших продуктов или предложений, вы безнадежно отстаете. К счастью, есть сервисы, которые решают эту проблему, генерируют видео (из фотобанков или прям с нуля) из текста. Набор моих любимых сервисов и как их лучше использовать - в сегодняшнем посте: https://advent.abasis.ai/ru/day/19

OpenAI анонсировала GPT-5.2-Codex - специализированную версию GPT-5.2, оптимизированную под агентное программирование и сложные инженерные задачи. Модель заточена под реальные инженерные сценарии: рефакторинг больших кодовых баз, создание проектов с нуля, код-ревью, добавление новых фич и тестов. В отличие от базовой GPT-5.2, Codex-версия может работать над задачей 7+ часов подряд, не теряя контекст. Это критично для сложных рефакторингов и миграций. На простых задачах отвечает быстро (на 93.7% меньше токенов чем GPT-5), на сложных думает дольше и глубже. Лучше следует инструкциям, более стабильный tool-calling. Плюс обучена не только писать код, но и находить уязвимости на уровне code review. По бенчмаркам: SWE-Bench Pro (500 задач) - 56.4%. Это рекорд на момент релиза. Предыдущие версии показывали около 50%. Уже интегрирована в Codex через CLI, IDE-расширения, веб-интерфейс, GitHub Actions и API (по цене GPT-5). По умолчанию используется для облачных задач и код-ревью. Кажется, весьма полезная штука: крупные рефакторинги, миграции, написание тестов можно делегировать полностью. Автоматический код-ревью с поиском уязвимостей до деплоя. Модель понимает что нужно без длинных промптов про стиль кода. Мои мысли: 7+ часов непрерывной работы - это уже не "помощник", а полноценный агент, который берёт проект и доводит до результата. OpenAI явно делает ставку на долгоиграющие автономные задачи. Можно наверное использовать для написания версии приложений под другую ОС, как они сами сделали с приложением под Андроид. В общем, ощущение, что скоро код будет генерироваться силой мысли... Просто нереальный прогресс https://openai.com/index/introducing-gpt-5-2-codex/

Мистраль зарелизил новый OCR, и конечно же сразу завалил всех конкурентов (хотя бы сравнивает с нормальными сервисами, а не с VLLM), но честно говоря что-то не верится... Надо тестить. Пишут, что выросли по качеству на 74% по сравнению с Mistral OCR 2 при обработке форм, отсканированных документов, сложных таблиц и рукописного текста (это какой же был отстой предыдущая версия, которую они тоже объявляли бест-оф-зе-бест) https://mistral.ai/news/mistral-ocr-3

Интересно посмотреть, как изменились арены с выходом моделек новых. https://lmarena.ai/ru/leaderboard Тексты - Gemini 3 Pro, Grok, Gemini 3 Flash Веб-разработка - Opus 4.5, GPT-5.2, Gemini 3 Pro, Gemini 3 Flash Вижен (понимание картинок) - сплощной GeminI Text-to-Image - удивительно, но GPT-Image обошел Nano-Banana (видимо люди более простые вещи делают или голосуют за более точное соблюдение промпта) Image Editing - тоже на первом месте ChatGPT Image Latest, потом уже Google Поиск - Google, GPT, Grok Text-to-video - Veo, Sora, Wan Image-to-video - Veo, Wan, Kling https://artificialanalysis.ai/ Text Gemini 3 Pro, GPT-5.2, Gemini 3 Flash, Opus 4.5 (flash прям топчик за свою цену) Image creation/editing - GPT Image 1.5, Nano Banana Pro, Flux2 Max Text-to-Video - Runway-4.5 (?), Kling, Veo Image-to-Video - GenFlare (?), Kling, Veo Text-to-Speech - Inworld, Minimax, Elevenlabs, OpenAI

OpenAI сегодня разрешила свои приложухи выкладывать, которые можно вызывать из чата Вот гайдлайны: https://developers.openai.com/apps-sdk/app-submission-guidelines

Сегодняшний пост в AI Advent - про переиспользование контента Опять же основная мысль - ВЫ творец и создать основного текста. Не AI. Можете попросить у LLM взять у вас интервью, надиктовать или написать из головы черновик, но потом этот контент можно переиспользовать во множестве форматов и мест, чем разные компании очень активно пользуются и пробираются через завесу "пузырей" разных соцсетей. Там правильный совет внутри: Один лонгрид может стать 50+ единицами контента. Правило 1->10: каждая статья = 10 постов, 20 твитов, 5 видео, 3 письма. Переиспользование – это не повтор, а стратегическая дистрибуция. Контент с 3+ каналами дистрибуции получает на 150% больше вовлечения. Источник: CoSchedule Подробности и промпт на страничке - https://advent.abasis.ai/ru/day/18

О, новая Gemini 3 Flash! Pro-grade reasoning с минимальной задержкой и ценой. На некоторых бенчмарках обходит даже Pro. При этом 3× быстрее предыдущего поколения Gemini 2.5 Pro и использует на 30% меньше токенов для обычных задач. Стоит чуть дороже предыдущей flash: $0.50/1M input tokens $3/1M output tokens Модель неплоха в агентных сценариях, а также в realtime анализ видео в играх, A/B тестирование дизайнов, создание вариаций кода из одного промпта. У нее хорошая мультимодальность, так что можно и скриншоты, и видео, и аудио грузить и обрабатывать. Если нужна высокая скорость для итеративной разработки, интерактивных приложений или обработки больших объемов – Gemini 3 Flash оптимален. Мне лично модель эта очень нравится. Вообще трудяга и для текстов, и для обработки, и для агентов. Подробности: https://blog.google/products/gemini/gemini-3-flash/

17 дней AI Advent - про длинные статьи с помощью AI https://advent.abasis.ai/ru/day/17 Сразу скажу, что идея нагенерировать контента просто AI - очень плохая! Он очень легко обнаруживается и пессимизируется поисковиками и людьми, поэтому не надо так делать! Используйте его как соавтора и партнера по написанию текста, но основные идеи и что вы хотите заложить должны идти от вас! Ну и в посте, как лучше потом дорабатывать это все.

Google в deep research (правда пока для бояр на плане Ultra) добавил возможность визуализации графиками, картинками и симуляциями. Кажется, Accenture всякие скоро вообще загрустят. https://blog.google/products/gemini/visual-reports/

OpenAI выкатил GPT Image 1.5 – обновленную модель генерации изображений для ChatGPT с 4-кратным ускорением и точным редактированием. - Модель меняет только то, что вы просите - Сохраняет освещение, композицию, черты лица при правках - Работает с добавлением/удалением/совмещением элементов - Решает главную проблему GenAI-редакторов: раньше модели "переосмысливали" всё изображение вместо точечных правок Обещают генерацию до 4× быстрее предыдущей версии. Сделали отдельную секцию Images в сайдбаре ChatGPT, работает как "креативная студия": - Трендовые промпты - Пресеты фильтров - Библиотека созданных изображений (автосохранение) - Раздельные экраны просмотра и редактирования Доступно для всех, в том числе в Апи https://openai.com/index/new-chatgpt-images-is-here/

Сегодняшний день - про трафик для сайта из LLM - https://advent.abasis.ai/ru/day/16 Насколько я понимаю, LLM-ки очень любят не SEO-оптимизированные странички, а написанные ответы на вопросы, которые люди спрашивают (что и для обычного поиска тоже хорошо). Главное - не генерировать тексты целиком, править и улучшать тексты руками (и как обычно включать мозг). Так можно попадать в выдачу ChatGPT/Gemini/Claude и даже в саммари от гугла (а значит обходить всех конкурентов)

Блин, скоро все эти старые фильмы, где детективы в 100 раз увеличивали картинку со старой камеры и видели номер машины, будут весьма актуальны... Новая работа по деблюру и увеличению разрешения FMA-NET++ https://kaist-viclab.github.io/fmanetpp_site/#

15 AI Advent Day - про озвучивание роликов, перевод аудио и рекламу https://advent.abasis.ai/ru/day/15 Мне кажется это очень недооцененный совет. AI-голоса уже настолько крутые и человечные, что вы никогда их не узнаете, например, в аудио-рекламе. Главное - использовать качественные сервисы, которые в клонирование голосов вложились очень сильно. Сейчас по рейтингам качества лидируют - Inworld.AI (кстати их TTS бесплатен до конца года). Минус только, что мало языков и мало голосов. - Minimax (достаточно много языков, но голосов все еще не слишком много) - ElevenLabs конечно же (очень-очень много классных голосов и языков, но недешево) - ChatGPT TTS-1 (всего десяток голосов, но языки потенциально любые, плюс очень дешево) Но в адвент добавил еще Gemini AI Studio. Можно быстро и бесплатно на множестве языков и голосов сделать что угодно, от рекламного ролика и перевода до подкаста на 2 человек про ваш продукт.

14 день адвента - про коммерческие придложения персонализированные - https://advent.abasis.ai/ru/day/14 В принципе, все понятно, что делать надо (хотя честно, даже я часто ленюсь, надо автоматизировать). — Промпт: Ты эксперт по коммерческим предложениям. Набросай готовое к отправке предложение для [клиент, индустрия] по [проект] с бюджетом [диапазон] и сроками. ЛПР: [роль]; успех = [результат]. Разделы: Резюме (Executive Summary), Контекст/Задача, Решение (этапы), Почему мы (факты/кейсы), Объем работ/Результаты, График (этапы), Стоимость (тарифы), Допущения, Риски, Кейс (пример), Следующие шаги. Включи призыв к действию (CTA) на подпись и график коммуникации. Пиши кратко, тезисно; подсвечивай окупаемость (ROI). — Тут интересны советы от Harvard Business Review: Начинайте с их проблемы, а не вашего решения. Используйте 'вы/ваше' в 3 раза чаще, чем 'мы/наше'. 3 варианта цены повышают конверсию на 40%. Всегда указывайте следующие шаги.

😂 https://x.com/gothburz/status/1999124665801880032?s=20 В прошлом квартале я внедрил Microsoft Copilot для 4000 сотрудников. $30 за место в месяц. $1,4 миллиона в год. Я назвал это "цифровой трансформацией". Совету директоров понравилась эта формулировка. Они одобрили за одиннадцать минут. Никто не спросил, что это вообще будет делать. Включая меня. Я всем говорил, что это "увеличит продуктивность в 10 раз". Это не реальная цифра. Но звучит как реальная. HR спросил, как мы будем измерять это увеличение в 10 раз. Я сказал, что мы "задействуем аналитические дашборды". Вопросы прекратились. Три месяца спустя я проверил отчёты по использованию. 47 человек открывали его. 12 использовали больше одного раза. Один из них — это я. Я использовал его, чтобы пересказать письмо, которое мог прочитать за 30 секунд. Это заняло 45 секунд. Плюс время на исправление галлюцинаций. Но я назвал это "успешным пилотом". Успех означает, что пилот не провалился явно. Финдир спросил про ROI. Я показал ему график. График шёл вверх и вправо. Он измерял "AI-enablement". Я эту метрику придумал. Он одобрительно кивнул. Теперь мы "AI-enabled". Я не знаю, что это значит. Но это есть в нашей инвесторской презентации. Старший разработчик спросил, почему мы не используем Claude или ChatGPT. Я сказал, что нам нужна "энтерпрайз-безопасность". Он спросил, что это значит. Я сказал "комплаенс". Он спросил, какой именно комплаенс. Я сказал "все виды". Он выглядел скептически. Я назначил ему "встречу по развитию карьеры". Вопросы прекратились. Microsoft прислала команду для кейс-стади. Они хотели представить нас как историю успеха. Я сказал, что мы "сэкономили 40 000 часов". Я рассчитал эту цифру, умножив количество сотрудников на число, которое придумал. Они не проверяли. Они никогда не проверяют. Теперь мы на сайте Microsoft. "Глобальная компания достигла экономии 40 000 часов продуктивности с Copilot". CEO поделился этим в LinkedIn. Он получил 3000 лайков. Он никогда не использовал Copilot. Никто из руководства не использовал. У нас есть исключение. "Стратегический фокус требует минимальных цифровых отвлечений". Я написал это правило. Лицензии продлеваются в следующем месяце. Я запрашиваю расширение. Ещё 5000 мест. Мы не использовали первые 4000. Но на этот раз мы "обеспечим внедрение". Внедрение означает обязательное обучение. Обучение означает 45-минутный вебинар, который никто не смотрит. Но завершение будет отслеживаться. Завершение — это метрика. Метрики идут в дашборды. Дашборды идут в презентации для совета директоров. Презентации для совета директоров дают мне повышение. К третьему кварталу я буду старшим вице-президентом. Я до сих пор не знаю, что делает Copilot. Но я знаю, для чего он нужен. Он нужен, чтобы показать, что мы "инвестируем в AI". Инвестиции означают траты. Траты означают приверженность. Приверженность означает, что мы серьёзно относимся к будущему. Будущее — это то, что я скажу. Пока график идёт вверх и вправо.