AI Product | Igor Akimov

Вау, это ж то, что решает проблемы в куче компаний, кто внедряет AI своими силами разрозненно! OpenAI запустил Frontier – enterprise-платформу для управления AI-агентами. По сути, заявка на "операционную систему для enterprise". Проблема, которую решают: 75% enterprise-работников говорят, что AI позволил им делать то, что раньше было невозможно. Но внедрение буксует – агенты работают в изолированных песочницах, данные разрозненные, каждая интеграция превращается в отдельный проект. OpenAI взяли модель онбординга людей и применили к агентам. Получилось 4 компонента: 1. Business Context (семантический слой) Объединяет data warehouses, CRM, тикетинг-системы, внутренние приложения в единый слой. Агенты понимают, как течёт информация, где принимаются решения, что важно для бизнеса. 2. Agent Execution (среда выполнения) Открытая среда, где агенты могут: - Работать с файлами - Запускать код - Использовать инструменты - Планировать и выполнять сложные многошаговые задачи Можно запускать локально (вау), в enterprise-облаке или на инфраструктуре OpenAI. 3. Memory & Learning Агенты накапливают "память" – прошлые взаимодействия улучшают будущую работу. Встроенные evaluation и optimization loops показывают, что работает, а что нет. 4. Identity & Governance Каждый агент получает: - Собственную идентичность - Явные permissions - Guardrails для регулируемых сред (финансы, healthcare) - Аудируемые действия Ключевое отличие – открытость: Frontier работает с агентами от любых вендоров: OpenAI, Google, Microsoft, Anthropic, собственные enterprise-агенты. Можно работать через ChatGPT, через Atlas workflows, или внутри существующих бизнес-приложений. Реальные кейсы: Крупный производитель полупроводников: оптимизация чипов сократилась с 6 недель до 1 дня Глобальная инвестиционная компания: агенты по всему sales-процессу освободили 90% времени сейлзов для работы с клиентами Энергетическая компания: +5% к выработке = +$1B дополнительной выручки Финансовая компания: 90% времени вернули client-facing команде Tech-компания: экономия 1,500 часов в месяц в product development Enterprise Frontier Program: OpenAI выделяет Forward Deployed Engineers, которые работают с командой клиента: проектируют архитектуру, операционализируют governance, запускают агентов в production. Цель — создать повторяемые паттерны, которые команда сможет развивать самостоятельно. Клиенты: Ранний доступ: HP, Intuit, Oracle, State Farm, Thermo Fisher, Uber Пилоты: BBVA, Cisco, T-Mobile и "десятки" других Прикольно, что если агент от лица всех сотрудников логинится в какую-нибудь систему, то per seat модели практически умерли. Пока это все - через сейлзов и вейтлист, но хотят запустить на все компании. Интересно, что OpenAI делает ставку на то, что ценность не в моделях, а в инфраструктуре управления агентами Открытость к другим вендорам – прагматичный ход, учитывая что enterprise не будет делать all-in на одного провайдера. https://openai.com/index/introducing-openai-frontier/

Mistral видимо окончательно забил на LLM и делает миништуки полезные на своем железе. Вот новый транскрибатор, в том числе с русским. Две STT-модели: Voxtral Mini Transcribe V2 для batch и Voxtral Realtime для live. Realtime открыли под Apache 2.0. Voxtral Mini Transcribe V2: - WER ~4% на FLEURS - $0.003/мин - дешевле всех при лучшей точности - В 3 раза быстрее ElevenLabs Scribe v2, в 5 раз дешевле - Бьет GPT-4o mini, Gemini 2.5 Flash, Assembly, Deepgram Voxtral Realtime: - Латентность от 200ms - При 480ms задержке WER всего на 1-2% хуже batch - $0.006/мин - 4B параметров - можно на локалке запускать. Ну и стандартный набор: - Speaker diarization - кто, что и когда сказал - Context biasing - до 100 терминов для правильного распознавания (имена, названия) - Word-level timestamps - метка для каждого слова - 13 языков включая русский - До 3 часов аудио в запросе - GDPR/HIPAA - можно on-premise Надо тестить. $0.003/мин при лучшей точности - для наших кейсов в Abasis.AI это снижение затрат в разы. Realtime с открытыми весами и 4B параметрами - можно деплоить локально для регулируемых отраслей. https://mistral.ai/news/voxtral-transcribe-2

Классный обзор, что происходит с миром saas (в там полный п в связи с вайбкодингом) Акции SaaS-компаний падают на 30-40% с декабря. HubSpot, Atlassian, Jira - все вниз. Morgan Stanley уже пишет заметки "No Reasons to Own" про софтверные акции. Почему? Клиенты поняли, что могут сами навайбкодить себе инструменты. И это создаёт экзистенциальную угрозу для B2B SaaS: как просить за renewal $50К в год, когда клиент чувствует, что может сам за выходные что-то собрать? Проблема не в том, что клиенты реально могут сделать качественный продукт (автор правильно пишет - большинство не понимают, что идёт в архитектуру надёжных систем, и их самописные решения рано или поздно развалятся). Проблема в том, что они *чувствуют*, что могут. И этого достаточно для отмены подписки. Как выживать (три стратегии): 1) Быть System of Record, а не просто сервисом. Если вся компания работает на твоей платформе каждый день - ты интегрирован глубоко. Простые wrapper-продукты (типа дашбордов для визуализации) - легко заменяются вайб-кодингом. 2) Безопасность, аутентификация, надёжность Это сложные части, которые клиенты пока не понимают. Но надо активно это коммуницировать, пока не поздно. 3) Адаптация под клиента, а не наоборот Времена "меняйте свои процессы под наш софт" закончились. Побеждают ультра-кастомизируемые решения. Самый интересный кейс: Автор работал с SaaS для ремонтных операций. Проблема - UI слишком сложный для техников, использование было 35%. Решение - сделали whitelabel vibe-coding платформу поверх их SaaS. Customer success команда за несколько дней навайбкодила специфичные мобильные веб-аппы для техников. Результат: usage вырос с 35% до 70%. Техники видят только создание work orders (что им нужно), а руководство вайб-кодит кастомные репорты. И всё это поверх основного SaaS, который остаётся System of Record. В общем, AI не убивает B2B SaaS. Он убивает B2B SaaS, которые отказываются эволюционировать. Выживут не те, у кого лучшие фичи, а те, кто станет платформой - позволит клиентам строить *поверх* себя, а не *вместо* себя. https://nmn.gl/blog/ai-killing-b2b-saas

Разработчикам под iOS подарок от Apple - встроила AI-агентов в Xcode Вышла RC-версия Xcode 26.3 с поддержкой agentic coding. - Claude Agent и OpenAI Codex работают напрямую из IDE - Разбивают задачи на подзадачи автономно - Лезут в документацию, файловую структуру, настройки проекта - Проверяют код через Xcode Previews, прогоняют билды, исправляют ошибки - Полный цикл разработки, а не просто автокомплит. https://www.apple.com/newsroom/2026/02/xcode-26-point-3-unlocks-the-power-of-agentic-coding/

Claude упал и как раз вышла новая модель для кодинга от Qwen - Qwen3 Coder Next :) https://qwen.ai/blog?id=qwen3-coder-next Модель размера 80B параметров, но активных 3B, так что быстрая, но все равно видюха нужна промышленная. Но для своего размера весьма неплохая. Тренировали много на синтетических данных в контролируемой среде, так что должна быть весьма хороша на понятных атомарных задачах.

Вау, кодекс десктоп апп! И дали бесплатно для всех планов и лимиты подняли платникам! Теперь полноценная среда ("командный центр") для работы с AI-агентами. - Нативная интеграция - приложение работает в связке с вашим терминалом и IDE, сохраняя весь контекст разработки. - Skills - можно создавать прям в UI в кастомные навыки и воркфлоу для агента (например, стандартные процедуры по фиксу тестов или сбору логов, написание документации, анализ данных). - Автоматизация - можно запускать в определенное время разные скиллы, типа подготовки к встрече, запуск тестов, анализ багов. - Песочница - агент работает в изолированной среде. Вы сами решаете, к каким папкам или сетевым ресурсам у него есть доступ. И хотят делать интеграцию с облаком бесшовную, чтобы работало и при выключенном компьютере. Пока доступно только на macOS, но скоро и windows. https://openai.com/index/introducing-the-codex-app/

Сходил в четверг на очень классную встречу про AI в будущем мире ("разговор про свободу в цифровую эпоху, этику, роль государства и то, какими будут tech-лидеры следующего десятилетия"). Мои основные инсайты: 1) Даниил Либерман / Gonka AI – «у нас уже есть железо и энергия, просто тратим их странно» Очень внятно подвёл к очевидной мысли: сейчас десятки гигаватт энергии уходят на майнинг ради майнинга (денежный принтер без социальной пользы), при этом несколько компаний фактически контролируют львиную долю AI-мощностей и дальше могут просто диктовать условия. Значит, логичный ход: объединить распределённое железо, все эти асиксы и видюхи для майнинга + электроэнергию и дать людям использовать это на полезные задачи: сначала инференс, дальше – дообучение моделей Уже есть протокол, набрали первый пул, сейчас допиливают механику, чтобы больше людей могли подключаться и реально пользоваться. Если это взлетит - это «анти-монополизация инфраструктуры» на практике, хотя мне кажется проблем там может быть довольно много и инфраструктурных, и технологических. 2) Тимур Турлов / Freedom Finance – как строить цифровой банк в реальном регулировании (и почему будущее за масштабом). Самое интересное: истории «изнутри», как делаются цифровые финпродукты на регулируемом рынке, а не в презентациях. Из запомнившегося: - автокредиты: по камерам с улиц/компьютерному зрению проверяли реальность машины, состояние, вмятины и т.д. - ипотека: научились вносить доки/оценивать/выдавать/проводить/фиксировать в реестрах за ~2 часа Ключевая мысль, которая прям зацепила: банки будущего будут либо глобальные, либо мёртвые. Потому что AI резко поднял способность учитывать локальные нюансы (регуляторика, язык, документы) и при этом масштабировать инновации сразу на много стран И да – они движутся в сторону супер-аппа, где можно купить/сделать что угодно внутри одной экосистемы, чтобы быть брендом и платформой, а не «ещё одним банком». 3) Александр Шкуратов / The Island School – образование как предпринимательский продукт Рассказывал про Island School на Кипре: сейчас около 350 учеников, и параллельно – амбиция и даже потенциальные инвесторы на мега-кампус: садик + школа + универ + жилье + офисы. БОльшая часть родителей - айтишники и предприниматели сейчас, делают разные совместные проекты, лекции, образовательные курсы. По сути, образовывается хороший образовательный хаб с предпринимательским уклоном, можно развивать не только математику с физикой, но и предпринимательские и софт-скиллы. Кажется, за этим и правда будущее. Я с ним отдельно поговорил про образование для ребёнка. Позиция у него довольно прагматичная: роль сильного вуза пока ничто нормально не заменило, поэтому стратегия: всё под подготовку к топ-вузу, а дальше уже можно играться с инновациями, самообучением и обучением через AI.

Классный конкурс ИИ статей на хабре и действительно интересные статьи победителей: https://habr.com/ru/specials/991036/

А эта статья тоже прям ломает шаблоны. Исследование от Vercel про то, как учить AI-агентов работать с фреймворками. Они тестировали два подхода для Next.js 16: Skills – открытый стандарт, где агент сам решает, когда загрузить документацию AGENTS.md – просто markdown-файл с индексом доков в корне проекта Результаты смотрите на картинке, AI плевать на ваши скиллы :) Агент их не вызывал практически никогда, пока прям напрямую не будешь писать, что их прям очень надо использовать, и даже тогда только в 79% случаев ИИ вызывала. А вот тупой markdown agents.md, в котором запихнули практически без красивостей все ссылки на документацию в итоге помогли в 100% случаев. Потому что агенту не надо принимать решение "а надо ли мне смотреть доки?", информация уже в контексте. Ключевая строчка, которую они добавили: IMPORTANT: Prefer retrieval-led reasoning over pre-training-led reasoning То есть смотри короче в файл и из него информацию бери, а не из своих закромов Практические рекомендации от Vercel: Не ждите, пока skills станут лучше – результат нужен сейчас, лучше использовать надежный agents.md Сжимайте агрессивно – полные доки в контексте не нужны, достаточно индекса на файлы Тестируйте на API, которые вышли недавно – именно там доступ к докам критичен Структурируйте доки так, чтобы агент мог читать конкретные файлы, а не грузить всё сразу Для Next.js проектов можно попробовать одной командой улучшить ваш agents.md: npx @next/codemod@canary agents-md Она скачает доки под вашу версию Next.js и добавит индекс в AGENTS.md. https://vercel.com/blog/agents-md-outperforms-skills-in-our-agent-evals

Интересная статья от Anthropic про влияние ИИ на формирование новых навыков https://arxiv.org/abs/2601.20245 Дали 52 разработчикам изучить новую библиотеку Trio (асинхронка в Python). В итоге использование AI-ассистента снизило результаты проверочного теста на знания на 17% (2 балла из 27). При этом супер-значимого ускорения (типа в 2 раза) работы не дало. - Те, кто полностью делегировал код AI, закончили быстрее всех (19.5 мин vs 23 мин), но провалили тест на понимание - Группа без AI встречала больше ошибок в своем коде, но именно это заставляло разбираться в концепциях - Самая большая разница - в вопросах на дебаг решений по этой библиотеке. В общем, полную делегацию написания кода, если вы потом собираетесь с этим жить, делать не стоит... А вот генерацию + вопросы к ИИ по ней, просьбы пояснения сгенерированного кода и работа с ИИ в режиме консультанта (а код пишешь сам) – помогает и навык развивать, и чуть скорость развивать. В общем, если нужно реально освоить новый инструмент/библиотеку – работай руками, встречай ошибки, разбирайся. AI используй для объяснений и уточнений, не для copy-paste решений. Особенно актуально для школьников, студентов и джунов.

Залипательное видео. Особенно как он закрывает посудомойку (как говорится, смотреть до конца) https://youtu.be/lQsvTrRTBRs?si=SDwfVL6_roXWPN1R

Google тоже хочет переключить бесплатников на хоть какой-нибудь платный тариф (что в целом хорошая идея). Раскатили на все страны за $8 в месяц тариф Google AI Plus Есть повышенные лимиты на 3 Pro, Deep Research, Nano Banana Pro, Veo 3.1, генерацию видео в Flow/Whisk, больше возможностей в NoteBookLM, Gemini в Gmail/Doc/Vids/Chrome и еще 200 гигабайт облака. Кодингового, к сожалению, ничего нет, но многим и не надо. https://blog.google/products-and-platforms/products/google-one/google-ai-plus-availability/ Плюс еще подкинули 10 облачных долларов (на google API) в pro план и 100 баксов в ультра план (что тоже весьма полезно) https://developers.google.com/program/my-benefits

Прикольно, Anthropic запустил MCP Apps. Такие типа API с UI... Звучит очень странно, но кажется это действительно органичное расширение возможностей. Но на самом деле действительно не всегда удобно в чате текст набирать, особенно когда какие-нибудь карты/диаграммы/PDF надо показывать. И это сильно напоминает Телеграмм Аппс :) Говорят, что OpenAI уже поддержит тоже на этой неделе https://blog.modelcontextprotocol.io/posts/2026-01-26-mcp-apps/

🐋 DeepSeek выпустили DeepSeek-OCR 2 - новое поколение OCR с SOTA качеством DeepSeek представили DeepSeek-OCR 2 - 3B модель для продвинутого понимания изображений, документов и OCR, которая выходит на уровень SOTA. Ключевая новинка - DeepEncoder V2. В отличие от классических vision LLM, которые «читают» картинку как сетку (слева-направо, сверху-вниз), DeepEncoder V2 работает ближе к тому, как читает человек: - Сначала формируется глобальное понимание изображения - Затем модель определяет логический порядок чтения — что важно первым, что дальше Что это даёт на практике 📄 Лучше работает со сложными макетами документов 📊 Корректно читает таблицы 🧾 Связывает подписи и значения 📰 Понимает колонки и структурированный текст 🔀 Надёжнее обрабатывает смесь текста и визуальной структуры По качеству - Обходит Gemini 3 Pro на ряде бенчмарков - Даёт >4% прироста по сравнению с прошлой версией DeepSeek-OCR И это при размере модели всего 3B параметров. Можно запускать и дообучать Теперь DeepSeek-OCR 2 можно удобно запускать и fine-tune через Unsloth по готовому гайду. 🔗 Guide: https://unsloth.ai/docs/models/deepseek-ocr-2 🔗 Model: https://huggingface.co/deepseek-ai/DeepSeek-OCR-2 🔗 Github: https://github.com/deepseek-ai/DeepSeek-OCR-2/tree/main 🔗 Paper: https://github.com/deepseek-ai/DeepSeek-OCR-2/blob/main/DeepSeek_OCR2_paper.pdf @ai_machinelearning_big_data #DeepSeek #ocr #opensource

Ночью Сэм Альтман ничего нового не представил, но рассказывал про будущее с ИИ https://www.youtube.com/live/Wpxv-8nG8ec?si=DbCyLVi0ag068lBm Смотреть особо нет времени, но Gemini уже основное вытащил: 🛠 Для Разработчиков (Developers) 1. Эволюция профессии инженера и Парадокс Джевонса Инсайт: ИИ делает написание кода быстрее и дешевле, но это не убьет профессию, а изменит её. «Кодинг» всё меньше будет про написание текста программы и отладку, и всё больше – про умение заставить компьютер делать то, что вам нужно. Прогноз: Спрос на программное обеспечение не упадет. Наоборот, мы увидим рост создания «кастомного» софта, написанного под конкретного человека или задачу. 2. Главная проблема смещается с «Как создать?» на «Как продать?» (GTM) Инсайт: Раньше самым сложным было создать продукт. Сейчас, когда ИИ позволяет быстро билдить сложные вещи, "бутылочным горлышком" становится Go-To-Market (выход на рынок). Совет: Техническая реализация больше не является главным конкурентным преимуществом. Фокус смещается на дистрибуцию, поиск Product-Market Fit и борьбу за внимание пользователя, которое остается ограниченным ресурсом. 3. Огромные возможности в интерфейсах для Агентов Инсайт: Никто (включая OpenAI) еще не знает, как должен выглядеть идеальный интерфейс для мульти-агентных систем. Будет ли это «центр управления полетами» с кучей экранов или голосовой режим с одной командой в час? Возможность: Существует огромный разрыв (overhang) между тем, на что способны модели, и тем, что из них могут извлечь обычные люди. Создание инструментов, которые перекрывают этот разрыв — это огромная ниша для разработчиков прямо сейчас. 4. Чего ждать от следующих моделей Роадмап: Разработчикам стоит закладывать архитектуру под модели, которые будут в 100 раз мощнее, быстрее и дешевле, с контекстом, увеличенным в 100 раз. Ожидается идеальная работа с инструментами (tool calling) и высокая связность (coherence). 👤 Для Пользователей (Users) 1. Идеальная персонализация требует полной прозрачности Инсайт: Чтобы ИИ стал по-настоящему полезным помощником, ему потребуется доступ ко всей вашей «цифровой жизни» (компьютеру, почте, документам). Будущее: Альтман считает, что ручная настройка контекста (например, «это моя рабочая личность», «это личная») уйдет. ИИ должен сам понимать контекст вашей жизни, иерархию задач и нюансы, чтобы вам не приходилось это объяснять. 2. Какие навыки качать в эпоху ИИ? Инсайт: Умение программировать (как знание синтаксиса) теряет актуальность. Главные скиллы: High Agency (Высокая агентность): способность самостоятельно добиваться результата вопреки обстоятельствам. Генерация идей: умение придумывать новое. Адаптивность и Резилиентность: способность быстро переучиваться в меняющемся мире. Альтман отметил, что эти качества можно натренировать (как это делают в стартап-акселераторах). 3. Персональный софт для каждого Видение: Мы движемся к миру, где вы не просто скачиваете массовое приложение, а используете софт, который создан (сгенерирован) специально под ваши уникальные нужды в данный момент.

Anthropic тоже добавляет себе apps, которые можно добавлять в чаты. Всякие Slack, Canva, Figma, Box, Clay. https://youtu.be/bluAmTHoEow?si=OsDGZEmwv9wd35YC

Нашел полезную библиотеку для оптимизированной офлайн работы с голосом под Mac/iOS (через mlx) https://github.com/Blaizzy/mlx-audio Поддерживает кучу моделей из коробки. Text-to-Speech (TTS): Kokoro-82M-bf16 Qwen3-TTS-12Hz-1.7B-VoiceDesign-bf16 CSM-1b Dia-1.6B-bf16 OuteTTS-0.2-500M SparkTTS-0.5B-bf16 Chatterbox-bf16 Soprano-bf16 Speech-to-Text (STT): whisper-large-v3-turbo-asr-fp16 parakeet-tdt-0.6b-v2 Voxtral-Mini-3B-2507-bf16 VibeVoice-ASR-bf16 Speech-to-Speech (STS): sam-audio-large LFM2.5-Audio-1.5B-8bit MossFormer2_SE_48K_MLX Есть, и UI, и клонирование голоса, и LLM поддержка, и библиотека под swift. Можно делать приложения для работы с голосом или собрать под себя.

Забавно. Чувак взял все признаки AI сгенерированного текста из википедии и сделал скилл, чтобы AI переделывал текст и избавлялся от этих признаков, то есть делал более "человечным". Назвал Humanizer - https://github.com/blader/humanizer Например, 1. Эмодзи в заголовках Было: «🚀 Фаза запуска: 💡 Ключевой инсайт:» Стало: «Фаза запуска. Ключевой инсайт:» 2. Фразы-костыли чат-бота Было: «Надеюсь, это поможет! Дайте знать, если нужно что-то ещё...» Стало: убрать 3. Правило трёх AI любит группировать по три – это сразу выдаёт генерацию. Было: «инновации, вдохновение и инсайты» Стало: естественное количество пунктов (2, 4, 5 – сколько нужно) 4. Жирный шрифт на всём подряд Было: «Используйте OKRs, KPIs и BMC для анализа» Стало: «Используйте OKRs, KPIs и BMC для анализа» 5. Рекламный язык Было: «уютно расположившийся в живописном регионе» Стало: «город в регионе Гондэр» 6. Шаблонные выводы Было: «Будущее выглядит многообещающим» Стало: конкретные планы или факты

Прикольно, Jetbrains добавил Codex в свои IDE, OpenAI выложил в свой LinkedIn https://www.linkedin.com/posts/codex-now-runs-inside-jetbrains-ides-plan-ugcPost-7420308357753798656-iq6A И самое крутое, что там использование бесплатно! Так что го использовать Вот пост обзорный - https://blog.jetbrains.com/ai/2026/01/codex-in-jetbrains-ides/

⚡️ ERNIE 5.0 - официальный релиз. Baidu выкатили нативную omni-modal модель, которая умеет понимать и генерировать текст, изображения и аудио. Ключевая фишка архитектуры - MoE на 2,4 трлн параметров, но в каждом запросе активируется менее 3% параметров. То есть модель пытается держать качество “больших” систем, но с более эффективным инференсом по стоимости и скорости. Самое интересное - результаты на бенчмарках (по графикам Baidu): - Text: ERNIE-5.0 уверенно держится в топ-группе на широком наборе тестов по знаниям, инструкциям, reasoning, математике и коду - на многих метриках близко к GPT-5 (High) / Gemini-3-Pro, а местами выглядит сильнее (особенно на части задач по кодингу и агентным бенчмаркам типа BFCL / BrowserComp / SpreadsheetBench). - Visual Understanding: по “пониманию картинок” ERNIE-5.0 в ряде STEM/VQA тестов идёт очень высоко - рядом с GPT-5 (High) и Gemini-3-Pro, хорошо выступает на DocVQA/OCR-подобных задачах (документы, таблицы, текст на изображениях) и на блоке General VQA. - Audio: в speech-to-text chat и audio understanding ERNIE-5.0 показывает конкурентный уровень рядом с Gemini-3-Pro, а по распознаванию речи (ASR) близко к топам на LibriSpeech / AISHELL. - Visual Generation: по генерации изображений (GenEval) ERNIE-5.0 сравнивают с топовыми генераторами уровня GPT-Image, Seedream, Qwen-Image - и ERNIE выглядит на одном уровне по total score. По генерации видео - рядом с Veo3 / Wan2.1 / Hunyuan Video, с сильными Quality/Semantic оценками. Baidu делает ставку на “унифицированную мультимодальность” + MoE-эффективность - и судя по бенчмаркам, ERNIE 5.0 реально попадает в верхнюю лигу не только по тексту, но и по vision/audio. Доступно: - на сайте ERNIE Bot - через Baidu AI Cloud Qianfan (для бизнеса и разработчиков) https://ernie.baidu.com