AI Product | Igor Akimov

Огонь, LM Arena добавила бесплатную генерацию видео в своей Арене - lmarena.ai/video Надо только аккаунт завести. Промпты свои собственные, доступны Google's Veo 3, Sora 2, Seedance v1.5 Pro, Kling-2.6-pro, WAN-2.5, and Hailuo-2.3. Можно скачивать себе! То есть можно и сравнить разные движки и бесплатно видео себе погенерить! Супер! https://lmarena.ai/blog/video-arena/

Inworld запустила версию 1.5 своего лучшего движка текст-в-речь. Пишут, что это самый быстрый и качественный Realtime AI на рынке, который занял первое место в лидерборде Artificial Analysis. Главные фишки - супер-низкая задержка 1.5 Mini: <130 мс (идеально для гипер-чувствительных задач). 1.5 Max: <250 мс (максимальное качество). Это в 4 раза быстрее предыдущих поколений. Плюс модель стала на 30% эмоциональнее и делает на 40% меньше ошибок (WER). Обещают звучание уровня профессиональных актеров озвучки. Цена вообще сказочная: Mini: $0.005 за минуту. Max: $0.01 за минуту. Поддержка 15 языков (русский есть) Плюс возможность развертывания On-Prem (на своих серверах) для энтерпрайза. Отлично! У ElevenLabs и OpenAI появился все более серьезный конкурент. https://inworld.ai/blog/introducing-inworld-tts-1-5

Manus тоже делает публикацию в App Store и Google Play в один клик. Скоро можно сейчас целую корзинку приложений наделать за вечер. Вы описываете идею, а Manus расписывает, рисует дизайн, пишет код, рисует и сразу деплоит его в сторы для быстрой отдачи бета-тестерам (естественно аккаунт надо регистрировать). Учитывая, как заведение новых приложений - та еще боль даже для разработчиков, это прям отличный шаг вперед. По сути, барьер между «придумал» и «запустил» практически исчез. Manus теперь работает как ваш личный DevOps и разработчик в одном окне. Подробнее: https://manus.im/blog/manus-app-publishing

Возвращаемся к нормальной жизни :) Сегодня общался с клиентом, которому-таки нужна локальная модель для обработки данных клиентов, и полез обновлять знания, что там нового появилось. Кажется, для "малышей", которые в одну видюху помещаются, qwen-4b is the best, а вот для какого-нибудь собственного сервака небольшого с GPU вполне подойдет свежая "зайка" - GLM-4.7-Flash 30B https://huggingface.co/zai-org/GLM-4.7-Flash Прогресс в SWE-Bench Verified для таких маленьких моделей впечатляет больше всего. И кстати не обязательно это должна быть какая-то дорогущая видюха от Nvidia, можно спокойно взять Mac Studio и поставить тихо в серверной. https://huggingface.co/zai-org/GLM-4.7-Flash

Уикенд прошел удачно, иии... Мы заняли первое место в транспортном хакатоне! 🎆 https://www.surf.com.cy/news-and-events/call-for-participation-1st-cyprus-transport-hackathon-january-17-2026/ Это было очень неожиданно и приятно, так как всего участвовало 26 команд, в том числе довольно опытные. Но и мы были не лыком шиты, команда собралась очень крутая и реализовавшая несколько транспортых проектов на Кипре: gtfs.guru, cyprusbus.info, urbaneel.com. Решали очень болезненную проблему потери GPS-сигнала от автобусов (или их "залет" в соседние страны из-за искажений) с помощью предсказаний положения по историческим данным и краудсорсинга. AI, конечно, помогал очень сильно, мы успели доделать модель, сделать и API, и интеграцию в веб и мобилки, и сын сделал голосового ассистента для нашего API поиска маршрута. Прикол, что основное время заняла "адаптация" в фид, что отдает министерство транспорта (а там довольно много "нестандартных решений"), чтобы можно было бесшовно переключаться. Обязательно участвуйте в хакатонах! AI супер-ускоряет разработку "оболочек" и разных первых версий и позволяет показать реальную магию и реализовать проекты, что вы всегда хотели сделать. Конечно, как и обычно дальше вы упираетесь в "продакшн-интегракции" и данные, которых всегда не хватает. Но это дает отличный опыт и знакомства, потому что оказалось, что проблема для транспортных провайдеров и государства даже более актуальная, чем мы думали! Нам обещали помочь и с данными, и с интеграцией во внутренние системы. И это как раз гораздо круче и интереснее, чем просто грамоту и приз получить! 🤩

😂

OpenAI запускает рекламу в ChatGPT. Парам-парам-пам. • ChatGPT Go за $8/мес теперь везде • Через пару недель тестируют рекламу в free и Go (только взрослые в США) • Pro/Business/Enterprise без рекламы • Реклама внизу ответов, можно отклонить Обещания: "реклама не влияет на ответы", "разговоры приватны", "можно отключить персонализацию". https://openai.com/index/our-approach-to-advertising-and-expanding-access/

По скиллам вот например. Vercel выложил react-best-practices - 10+ лет оптимизаций React/Next.js, упакованных для AI-агентов. https://vercel.com/blog/introducing-react-best-practices 40+ правил в 8 категориях, отсортированных по важно. Правила с примерами кода: что ломается и как фиксить. Все может сохраняться в AGENTS.md - AI-агенты могут использовать при code review и рефакторинге. Устанавливается одной командой в Cursor, Claude Code, Codex: npx add-skill vercel-labs/agent-skills

А, еще из важного. OpenAI выложил подробный гайд по персонализации AI-агентов через долгосрочную память. На примере travel concierge агента – тот, что помнит ваш любимый ряд в самолёте, программы лояльности и диетические предпочтения. https://cookbook.openai.com/examples/agents_sdk/context_personalization Главная идея: агент должен перестать быть общим и начать чувствоваться как "ваш" агент. Это и UX-преимущество (доверие пользователя), и бизнес-"ров", защита от перехода к конкурентам (у которых нет ваших накопленных данных). Архитектура памяти: State-based вместо retrieval-based. То есть не RAG по истории переписок, а структурированное состояние с чёткими полями и правилами приоритетов. Retrieval ломается на перефразировках и не умеет разрешать конфликты – state это решает. Мы к такой же архитектуре пришли интуитивно, когда делали агента бронирования. То есть не месиво из сохраненных чатов, а база с атрибутами и самым важным, типа имя, город, предпочтения по еде, предыдущие бронирования, предыдущие поиски, текущее бронирование. Тут даже более AI-но, потому что LLM сама решает, что извлекать. Жизненный цикл памяти: Memory Distillation – извлечение важного из разговора в реальном времени через отдельный tool Memory Consolidation – в конце сессии мерж session notes в глобальную память, дедупликация, разрешение конфликтов Memory Injection – в начале следующей сессии инъекция релевантного контекста (YAML для структурированного, Markdown для свободного) Ключевой инсайт про forgetting: Забывание – не баг, а фича. Без агрессивного забывания память засоряется устаревшими и дублирующимися фактами. Консолидация – самый хрупкий этап, где легко сломать всё: потерять важное, добавить шум или создать противоречия. Очень много пишут про оценку качества (evals): Distillation: precision/recall по сохранённым предпочтениям Injection: правильно ли используется свежее vs устаревшее Consolidation: нет ли галлюцинаций и потери данных Если строите любых персональных агентов – это must-read. Очень системный подход к теме, которую обычно делают "на коленке". P.S. Гляньте, какую офигенную иллюстрацию Gemini сгенерировал. Я без значка никогда бы не подумал, что это AI. Особенно недотертые подтеки от черного маркера и отражения на гладкой поверхности :)

В Antigravity подвезли скиллс, теперь практически все основные платформы поддерживают. Skills по сути промпты для конкретных задач, типа "нарисуй дизайн в соответствии с нашими гайдами", "проверь код по вот этим шагам", "сформируй стратегию по книге". Агент видит список доступных скиллов и сам решает, какой применить по контексту. И народ уже написал много чего полезного (но лучше всего конечно адаптировать под себя, а не просто копипастить с гитхаба). https://github.com/travisvn/awesome-claude-skills В общем, можно закидывать теперь тоже. Есть два уровня: .agent/skills/ - для проекта (деплой, тесты команды) ~/.gemini/antigravity/skills/ - глобальные для всех проектов https://antigravity.google/docs/skills

Гугл собирает вместе механики работы с большими проектами из опенсорса в "Конструктор" - расширение для Gemini CLI, которое добавляет планирование перед кодингом. Это как раз то, что делают продвинутые AI команды разработчиков и как получают отличный результат даже на больших старых легаси проектах. Теперь все делают за вас! Три шага: /conductor:setup - описываешь продукт, стек, рабочие практики /conductor:newTrack - для каждой фичи создаёшь спеку и план /conductor:implement - агент идёт по плану, отмечая выполненное Главная фишка - работа с существующими проектами (brownfield). Conductor анализирует кодовую базу и строит понимание архитектуры, которое потом использует при генерации. Для команд: настройки проекта задаются один раз и становятся общим контекстом для всех. Стайлгайды, тестовые стратегии, архитектурные решения - агент будет следовать им независимо от того, кто его запускает. https://developers.googleblog.com/conductor-introducing-context-driven-development-for-gemini-cli/

Replit запустил генерацию мобильных приложений. Описываешь на человеческом языке - получаешь полноценное React Native приложение - тестируешь через QR-код в Expo Go - публикуешь в App Store в три клика. Это не просто фронтенд-генератор. Сразу с бэкендом, базой, AI-фичами, платежами (Stripe), SMS (Twilio), авторизацией. Полный стек. Xcode, сертификаты, provisioning profiles - всё это теперь не нужно. Android обещают скоро https://blog.replit.com/mobile-apps

Мозилла выпустила движок для работы агентов с браузером - https://tabstack.ai/blog/intro-browsing-infrastructure-ai-agents Вместо возни с headless-браузерами и парсингом HTML - три API: /markdown - URL в чистый Markdown для LLM /json - страница в структурированный JSON /automate - агент сам кликает и навигирует (кстати в разделе цен названия и суть апишек другая, лол) Примеры использования: автономные ресёрч-агенты, которые читают новости и документацию; агенты, которые бронируют, заполняют формы, проверяют статус заказов; мониторинг цен на маркетплейсах в реальном времени. Главное: это Mozilla, данные не хранят и не используют для обучения. Early access открыт.

Так, тут пришло кучу обновлений по разным темам, так что будет "1 строкой" 100М параметров супер-компактная и быстрая (даже на CPU работает) библиотека для генерации речи. Правда только английский, но можно дообучить - http://kyutai.org/blog/2026-01-13-pocket-tts

Гугл выложил в опенсорс модели перевода с/на 55 языков - TranslateGemma. 3 разных размера, дистилляция из крупных моделей, обходит обычную гемму (она и так была неплоха). Для всяких мультиязычных агентов будет весьма кстати. https://goo.gle/translategemma

Хах, ChatGPT сделал аналог Google Translate :) Навайбкодили https://chatgpt.com/translate

Ещё один эксперимент с длительной работой AI и генерация браузера с нуля! Теперь от команды Cursor. Миллионы строк кода за пару недель https://habr.com/ru/news/985330/ При этом GPT-5.2 оказалась значительно лучше других моделей для долгих автономных задач: держит фокус, следует инструкциям, не дрейфует. Opus 4.5, по наблюдениям Cursor, склонна останавливаться раньше и срезать углы. При этом разные модели лучше справляются с разными ролями: GPT-5.2 лучше планирует, чем специализированная на коде GPT-5.1-codex. Главный инсайт команды: промпты важнее, чем выбор модели или архитектура системы. Координация сотен агентов, избегание патологий и удержание фокуса на протяжении недель потребовали долгих экспериментов именно с инструкциями. Система пока не оптимальна — агенты иногда работают слишком долго, а периодические перезапуски нужны для борьбы с "туннельным зрением". Но ответ на главный вопрос оказался оптимистичнее ожиданий: масштабирование работает.

Openai Codex-5.2 добавили в API! Эта та самая модель, что написала десятки тысяч строк кода для меня. Была эксклюзива в codex, но теперь доступна будет во всех ide. Она очень крута! https://developers.openai.com/codex/models/

Google потихоньку отжирает у конкурентов и у всяких специализированных агентов, теперь для покупок. Разобрался полнее и кажется для магазинов в США это точно надо внедрять. Два дня назад Google анонсировал UCP – Universal Commerce Protocol. Вот как описывают: сейчас если ты спрашиваешь AI-ассистента "найди мне чемодан для путешествий до $200" – он ищет, показывает, а потом ты всё равно идёшь на сайт, регаешься, вводишь карту, адрес... Конверсия убивается. UCP – это открытый протокол, который позволяет AI-агентам совершать покупки за тебя. Прямо из чата с Gemini или Search. Без редиректов, без брошеной корзины. В общем, такие диплинки для агентов (кто работает с мобильными приложениями - тот поймет). Протокол разработан совместно с Shopify, Walmart, Target, Etsy, Wayfair. Плюс поддержали Visa, Mastercard, Stripe, PayPal, Best Buy, Home Depot, Macy's и ещё 20+ компаний. UCP совместим с уже существующими протоколами: – MCP (Model Context Protocol от Anthropic) – A2A (Agent2Agent) – AP2 (Agent Payments Protocol) Agentic commerce – это точно следующий этап эволюции ИИ агентов. Мы уже видим как Claude и Gemini становятся операторами, а не просто советчиками. Open standard = vendor lock-in будет сложнее. Хорошо для рынка. Для бизнеса добавили интеграцию в Merchant Center, новые атрибуты для conversational discovery и возможность покупки в 1 клик. Что запустили в анонсе: – Checkout прямо в AI Mode в Search и Gemini (США) – Business Agent – чат с брендом прямо в поиске (Lowe's, Reebok уже подключены) – Direct Offers – персональные скидки в момент покупки Ссылка: https://blog.google/products/ads-commerce/agentic-commerce-ai-tools-protocol-retailers-platforms/

Опа, Anthropic выпустил Cowork - Claude Code для неразработчиков: https://claude.com/blog/cowork-research-preview Разработчики Claude Code начали использовать его не только для кода, а вообще для всего подряд. Anthropic это заметили и сделали логичный шаг – упаковали те же возможности в более простой интерфейс. Что умеет Cowork: – Получает доступ к папке на вашем Mac – Читает, редактирует, создаёт файлы – Работает автономно: ставишь задачу → Claude сам планирует и выполняет Примеры из анонса: разобрать и переименовать файлы в Downloads, собрать таблицу расходов из скриншотов, написать черновик отчёта из разрозненных заметок. Можно подключить коннекторы к внешним сервисам и даже связать с Claude in Chrome для задач в браузере. Важный нюанс: Claude может удалять файлы, если его попросить (или если неправильно поймёт). Плюс риски prompt injection никуда не делись – agent safety пока в активной разработке у всей индустрии, но в целом это конечно отличная возможность использовать нейросети для локальных данных, а не только для десятка файлов, что закидываешь в контекст. Кажется, скоро можно будет утром просто поставить задачи и пойти гулять, всё будет сделано за вас. Правда, зарплатой возможно тоже надо будет делиться :) Пока это research preview только для Claude Max ($100/мес) на macOS. Windows и синхронизация между устройствами – в планах.