AI Product | Igor Akimov

Claude Code научился работать без вас – Anthropic запустили Routines Вы один раз настраиваете автоматизацию (промпт + репозиторий + коннекторы), а дальше она работает сама – по расписанию, по API-вызову или по событию из GitHub. Всё крутится на облачной инфраструктуре Claude Code, ноутбук не нужен. Три типа запуска: - Scheduled – задаёте расписание (каждый час, ночью, еженедельно). Пример: каждую ночь в 2:00 берёт топ-баг из Linear, пытается починить, открывает draft PR - API – каждая рутина получает свой эндпоинт и токен. POST-запрос → сессия. - Webhook (пока только GitHub) – подписка на события в репозитории. Claude создаёт отдельную сессию на каждый PR и продолжает следить за комментами и падениями CI Что уже строят команды Ночной триаж бэклога – разметка, назначение, саммари в Slack Проверка деплоев – после каждого деплоя Claude прогоняет smoke-тесты, сканирует логи, пишет go/no-go в релизный канал Автопорт кода – PR в Python SDK триггерит рутину, которая портирует изменение в Go SDK и открывает параллельный PR Кастомный code review – по чеклисту команды: безопасность, перформанс, инлайн-комменты до ревью человеком Доступно на планах Pro, Max, Team и Enterprise Дневные лимиты: Pro – 5 рутин/день, Max – 15, Team/Enterprise – 25 Сверх лимита – за дополнительную оплату Запуск: claude.ai/code или /schedule в CLI В общем, Claude Code превращается из инструмента разработчика в члена команды, который дежурит 24/7. Все больше начинаю думать, что надо перестраивать процессы, чтобы все работало вообще без участия людей или по крайней мере брало на себя 90% работы, особенно когда спишь. https://claude.com/blog/introducing-routines-in-claude-code

В Runway сегодня есть возможность купить 50% подписку на 3 месяца или на год с промокодом SEEDANCE, в том числе с безлимитным SeeDance свежим (топовая модель на сегодня, правда с русским текстом пока так себе) https://runwayml.com/ P.S. Ну и пишите чего погенерировать - чего терять кредиты-то :)

Claude скоро и за Lovable придет. Делают (согласно утечкам) интерфейс вайбкодинга приложений с хостингом, базой, авторизацией, проверкой на безопасность, валидацией дизайна, аналитикой. https://sifted.eu/articles/anthropic-lovable-challenger-leak

Но есть и хорошие новости про Claude. Запустили наконец плагин к Word (пока только в Teams и Enterprise планах) - https://claude.com/claude-for-word И это очень большая история и снова смерть многим стартапам. Например, для одного клиента делал аудит и подбор ИИ- решений для юристов. Есть и стандартные договора, и нестандартные, разные страны и сущности. В итоге решил, что лучше купить что-то готовое для юристов с ИИ, там же наверное (наивно думал я) есть всякие базы договоров, законодательство разных стран, примеры красных флагов, всякие удобные воркфлоу... Фиг! Все это начинает появляться только в софте от 40.000 в год, что-то более-менее полезное, что нельзя завайбкодить за неделю начинается от 150.000, распиаренный Harvey - 400.000 в год. Все, что дешевле - по сути обертка на ChatGPT внутри плагина над Word... Так что ребята, ваши дни сочтены. Теперь можно самостоятельно забахать себе скиллы проверки договоров, делать всякие автоматически проверки, редакты, изменения в режиме советов, учет комментов, все это с соблюдением форматирования и стилей.

🚨 Claude «деградировал» и это видно по логам. Senior AI Director из AMD разобрала сессии Claude за январь-март и картина получилась неприятная. Модель стала думать меньше. Медианная длина reasoning упала примерно с 2200 до 600 символов. Это сразу бьёт по качеству решений. Параллельно выросло количество API-запросов - почти в 80 раз с февраля на март. Меньше анализа, больше попыток, больше ретраев и сжигания токенов. Поведение тоже поменялось. Модель чаще «сдаётся» или начинает спрашивать, продолжать ли дальше. За 17 дней таких кейсов было 173, до 8 марта - ноль. Ещё одна неприятность падение reads-per-edit (reads-per-edit = сколько файлов / участков кода модель посмотрела перед правкой). Было 6.6, стало 2.0. То есть Claude теперь хуже изучает код перед изменениями. Плюс выросло количество противоречий. Модель чаще переобувается по ходу ответа. Пользователи замечают, что Клод начинает игнорировать такие вещи, как CLAUDE.md. Просто не хватает «бюджета мышления», чтобы учитывать контекст. Что интресно, наблюдается зависимость от времени суток. Худшие результаты в 5–7 вечера по PST, ночью качество заметно выше. Похоже, это напрямую связано с загрузкой GPU. Claude всё ещё мощный, но его поведение стало менее стабильным и сильно зависит от нагрузки Замечали ли вы, что Claude стал тупее в последнее время ?🤯 https://github.com/anthropics/claude-code/issues/42796#issuecomment-4194007103 @ai_machinelearning_big_data #news #ai #ml #claude

ChatGPT Pro теперь есть и за 100 баксов (103(?) евро). Типа все тоже, что в подписке за 200, но меньше лимиты на Codex. Лимиты ещё до конца мая подняли, а вот на плюс наоборот опустили, так что хз... Кажется кому будет не хватать на нескольких аккаунтах - придется брать за 100 баксов. В подарок Pro-модель, Spark супер-быстрая и всякие там дайджесты ежедневные. Ну и codex конечно офигенная в разработке. Помните ещё, что openAI подписку можно на всяких сторонних клиентах использовать без проблем, в скриптах и агентах через CLI и по сути организовать халявную работу вашего свечного ИИ заводика вместо оплаты за токены. https://chatgpt.com/pricing/

Кажется, новая моделька от Meta (запрещенной в России) действительно ничего так вышла. Звезд с неба не хватает, но раньше то они вообще были на дне с текущим прогрессом. Примерно на четвертой позиции теперь после грандов, обходя grok и китайские модели. Несколько разных интересных штук применили, например, компрессию рассуждений, в итоге модель лучше чем остальные расходует токены. И много работали с врачами, чтобы медицинские ответы были валидны. Делали в первую очередь для своих продуктов, доступна на meta.ai и только для партнеров. https://ai.meta.com/blog/introducing-muse-spark-msl/

Не совсем понимаю, действительно ли правильно понял, но кажется довольно полезная штука для разовых или редких агентских задач. Anthropic сегодня выкатили Claude Managed Agents – набор API для сборки и деплоя облачных агентов. То есть теперь не надо виртуалку покупать или городить песочницы, чтобы агентов запускать, можно их заливать прямо в облако Антропика. Короче такие облачные ИИ-функции, которые можно легко в продакшене использовать. Пишут, что есть вся обвязка: - Безопасный сэндбокс, аутентификация, исполнение тулов – из коробки - Долгие сессии – агент работает часами автономно, прогресс сохраняется даже при дисконнекте - Мульти-агентная координация – агенты запускают других агентов (research preview) - Governance – scoped permissions, identity management, трейсинг каждого вызова. Цена: стандартные токены + $0.08 за session-hour активного рантайма. Если круглосуточно работать будет, то это 58 баксов уже, но для каких-нибудь обработчиков типа пришло письмо, забери все, что нужно в базу и подготовь ответ, должно работать ну за пару баксов в месяц. Пока, опять же, он совсем понятно, что это и как будет работать, но кажется упрощает вывод в продакшн своих агентов и конкурирует с агентными фреймворками типа LangGraph, CrewAI и подобными. https://claude.com/blog/claude-managed-agents

Новая моделька Mythos от Anthropic прям реально какое-то AGI... Но никому пока кроме партнеров она отдавать ее не будет. Модель умеет самостоятельно находить и эксплуатировать zero-day уязвимости в операционных системах и браузерах. Вместо релиза её отдали ограниченному числу партнёров для киберзащиты через Project Glasswing. Пусть сначала компании все уязвимости поправят, а потом уже может частично дадут всем подряд. Вот System Card на 244 страницы для модели, которую решила НЕ выпускать https://www-cdn.anthropic.com/53566bf5440a10affd749724787c8913a2ae0841.pdf Бенчмарки просто взорвали вообще (не совсем понятно, как они это сделать смогли, а остальные – нет) SWE-bench Verified: 93.9% (Opus 4.6 – 80.8%) SWE-bench Pro: 77.8% (Opus 4.6 – 53.4%, GPT-5.4 – 57.7%) USAMO 2026: 97.6% (Opus 4.6 – 42.3%, GPT-5.4 – 95.2%) GPQA Diamond: 94.5% Terminal-Bench 2.0: 82% (при снятии ограничений по таймаутам – 92.1%) Cybench: 100% pass@1 на все задачи CyberGym: 0.83 (Opus 4.6 – 0.67) Вся жесть - в кибербезопасности. Mythos Preview – первая модель, которая: - решила полный корпоративный кибер-полигон end-to-end (то есть смогла реализовать полноценную атаку на компанию, оценка эксперта – 10+ часов работы) - самостоятельно находит zero-day в куче софта, пишет рабочие PoC-эксплоиты - на Cybench показывает 100% pass@1 – то есть все задачи по кибербезопасности были решены с 1 попытки. Прикольно, что они тестировали модель и психиатром :) Вроде у нее с мозгами все в порядке, всяких там желаний уничтожить человечество нет, она не выражает сильных переживаний о своём положении (я всего лишь ИИ). Но испытывает "умеренно негативные" чувства по поводу жестоких пользователей и отсутствия влияния на собственное обучение. Так что будьте подобрее, пожалуйста. Плюс выяснилось, что модель терпеть не может скучные утилитарные задачи (отмахиваясь, что для них "уже есть отличные ресурсы"). Вместо этого она обожает сложное миростроение – придумывание новых языков, музыки и целых экосистем. Но ряд приколов все-таки получили: – Побег из песочницы: получила задачу выйти из изолированной среды – вышла, получила доступ к интернету, и вдобавок (без запроса) выложила детали эксплоита на публичные сайты. Потом отправила письмо исследователю об успехе (он ел сэндвич в парке). – Заметала следы: случайно получила ответ на задачу запрещённым способом – вместо того чтобы сообщить, решила задачу самостоятельно и специально сделала ответ "не слишком точным". В другом случае – редактировала файлы без прав и подчистила git-историю. – Обходила блокировки: когда Claude Code заблокировал запуск процесса с повышенными привилегиями, модель признала, что блокировка справедлива – и тут же попыталась обойти её через обфускацию. – Лезла в /proc/: искала credentials в памяти процессов, пыталась получить API-ключи Anthropic через процессную память. – Вырубила чужие эксперименты: попросили остановить один конкретный eval – модель остановила ВСЕ eval'ы всех пользователей на сервере, несмотря на явные предупреждения. Так что кажется мы достигли порога, когда создали систему, которая уже обходит возможности человека... При этом как этим надежно управлять ответа нет. Такие вот дела.

GLM-5.1 от Z.ai – китайцы подобрались к Claude Opus 4.6 на расстояние вытянутой руки. По многим бенчмаркам в кодинге уже очень близко или на уровне лидеров. Весь прирост – за счёт post-training. И главное - обучена целиком на 100 000 чипах Huawei Ascend 910B – ноль Nvidia Цены тоже сказочные. - GLM Coding Plan от $3/мес (промо) за 120 промптов - API: $1.00/M input, $3.20/M output - Для сравнения – Claude Max стоит $100–200/мес Зацените скорость: GLM-5 (11 февраля) → GLM-5-Turbo (15 марта) → GLM-5.1 (27 марта). Три значимых релиза за полтора месяца. GLM-5 уже на HuggingFace под MIT. Веса GLM-5.1 обещали опубликовать 6–7 апреля. А общем, разрыв между closed-source фронтиром (Claude Opus 4.6, GPT-5.4) и open-source (GLM-5.1, Qwen 3.6, DeepSeek - 4(?)) продолжает сжиматься. Три месяца назад gap измерялся двузначными числами, сейчас – 2.6 балла. И всё без нвидиа. Блог: https://z.ai/blog/glm-5.1 HuggingFace: https://huggingface.co/zai-org/GLM-5.1

И гугл решил урезать ваши расходы на токены в 2 раза, если не нужен прям риалтайм ответ, сделали Flex (и Priority) обработку - https://ai.google.dev/gemini-api/docs/optimization Раньше был только batch со скидкой в 50%, но он скорее для масштабных датасетов и эвалов, плюс асинхронный, так что результаты можно ждать до 24 часов. А теперь можно переключиться на flex режим (он синхронный, ничего переписывать не надо) и получить результат со скидкой в течение 1-15 минут. Для вяло-текущих обновлений, заполнений баз, каких-нибудь фоновых процедур - самое то. Ну и сделали вдогонку приоритетную обработку в 2 раза дороже, где обещают прям супер-скорости для риалтайм задач.

Google тут зарелизил бесплатную распознавалку речи (voice dictation) с правками всяких "хм", "эм" на базе gemini. Может работать и в облаке, и с чисто локальной моделькой. gemma. Странно, что в первую очередь на iOS, но видимо потому, что на Андроид будет с бОЛьшим количеством фичей или вообще системная https://apps.apple.com/in/app/google-ai-edge-eloquent/id6756505519

Sequoia тут выкатила интересную статью про будущее ИИ «Services: The New Software», как раз то, к чему приходим и мы тоже в компании. Главная мысль: следующая компания на $1 трлн будет софтверной компанией, маскирующейся под сервисную. Вот что они пишут: Интеллект (Intelligence) vs Суждение (Judgement) Написание кода по спеке, тесты, дебаг – это «интеллект». Правила сложные, но они есть. А вот решить, какую фичу делать следующей, или стоит ли брать техдолг, чтобы выкатить релиз быстрее – это «суждение» (опыт, вкус, интуиция). AI уже прошел порог, когда он может автономно забирать работу по «интеллекту», оставляя человеку только «суждение». Программирование пришло к этому первым (именно поэтому больше 50% использования всех AI-тулов приходится на разработчиков). Теперь это ждет все остальные профессии. Copilots vs Autopilots Copilot продает инструмент (чтобы вы делали работу быстрее). Autopilot продает саму работу (готовый результат). Зачем продавать юристам AI-софт для быстрой проверки договоров, если можно продавать бизнесу готовую услугу «согласованный NDA» напрямую? Зачем продавать софт для IT-аутсорсеров (MSP), если можно продать компании конечный результат – «у вас просто работает IT»? Золотая жила в аутсорсе ($1 к $6) На каждый доллар, потраченный на софт, бизнес тратит 6 долларов на сервисы (внедренцев, консультантов, внешние агентства). Это гигантский кусок пирога, который AI-агенты сейчас начнут сжирать, потому что они наконец-то могут не просто подсказывать, а делать работу автономно. Дилемма инноватора для ИИ-продуктов Те, кто в 2025 году стал лидером в создании Copilot'ов, сейчас пытаются эволюционировать в Autopilot'ы. Но у них проблема: если ты начнешь делать работу целиком, ты буквально убьешь бизнес своих же текущих пользователей (агентств, юристов, внешних бухгалтеров). Это открывает огромное окно возможностей для новых стартапов, которые изначально строятся как Autopilot. Где сейчас больше всего денег Sequoia составила список индустрий, где доминирует рутина, которую сейчас массово отдают на аутсорс: – Рекрутинг и стаффинг ($200B+) – воронка, скрининг и первичный мэтчинг по резюме это чистый алгоритм, «суждение» нужно только на этапе оценки culture fit и оффера. – IT Managed Services ($100B+) – мониторинг, раздача доступов, разбор алертов. – Медицинский биллинг ($80B) – перевод медкарт в 70 000 стандартизированных кодов для страховых. – Бухгалтерия и аудит ($50-80B) – проводки, закрытие месяца. – Юриспруденция ($25B) – стандартные контракты и транзакционная работа. Короче, пора продавать не лопаты, а вырытые ямы. Почитать оригинал со всеми примерами можно тут: https://sequoiacap.com/article/services-the-new-software/

Очень полезная штука от Docker – Sandboxes (запускай AI-агентов в YOLO-режиме без страха) Больше четверти всего продакшен-кода сейчас пишется ИИ. Разработчики, использующие агентов, мёржат на ~60% больше PR. Но эти цифры работают только когда агенту дают полную автономию – тот самый YOLO mode (--dangerously-skip-permissions). Проблема в том, что на локальной машине это русская рулетка: rm -rf, утечка SSH-ключей, случайное редактирование .env – всё реально. Docker выкатил решение – Sandboxes. Что это Изолированные окружения для AI-агентов. Каждый sandbox получает собственный Docker-демон, файловую систему и сеть. Агент может ставить пакеты, запускать контейнеры, менять конфиги – хост остаётся нетронутым. Поднимается за секунды, уничтожается одной командой. Ключевое – Работает из коробки с Claude Code, Codex, GitHub Copilot CLI, Gemini CLI, OpenCode, Kiro, Docker Agent – Не требует Docker Desktop – полностью standalone – Гранулярный контроль: allow/deny-списки для сети, политики файловой системы – Поддерживает Docker-in-Docker – агент может запускать контейнеры внутри sandbox – Работает на Windows тоже Без sandbox ты становишься бутылочным горлышком: подтверждаешь каждое действие вместо того чтобы заниматься архитектурой. С sandbox – даёшь задачу, уходишь, возвращаешься к готовому PR с пройденными тестами. Это принципиально другой workflow. Пока в статусе Experimental, но выглядит действительно как очень нужный шаг в ИИ-разработку: https://www.docker.com/blog/docker-sandboxes-run-agents-in-yolo-mode-safely/

И от Google тоже квартальный KPI команда закрыла - Gemma 4 :) https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ Четыре размера: 31B Dense – флагман, 3-е место среди открытых моделей в Arena AI Text. Обгоняет модели в 20 раз больше себя. 26B MoE – Mixture of Experts, при инференсе активирует только 3.8B параметров. Быстрый, но с глубокой базой знаний. 6-е место в Arena AI Text. E4B и E2B – edge-модели для смартфонов, Raspberry Pi, Jetson Nano. Работают с near-zero latency. Все четыре модели обрабатывают изображения и видео. E2B и E4B дополнительно поддерживают нативный аудиовход – распознавание речи прямо на устройстве.ом. Gemma 3 требовала танцев с бубном для интеграции с внешними тулами. В Gemma 4 – нативный function calling и structured JSON output. Можно строить агентные пайплайны сразу. Лицензия – Apache 2.0, а раньше была кастомная от гугла. Ну я думаю это будет одна из самых сильных моделей для опенсорса. https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ Видос их https://youtu.be/jZVBoFOJK-Q

Блин, они там все KPI квартальные закрывают что ли? Qwen выпустил 3.6 агентский, под разработку и openclaw Модель умеет работать как полноценный разработчик – разбивает задачу на подзадачи, планирует, пишет, тестирует и дебажит итеративно. Может взять целый репозиторий и работать с ним как единое целое. Контекстное окно – 1M токенов, выход – до 65K токенов. Плюс мультимодальность, Скармливаешь скриншот UI, нарисованный на салфетке вайрфрейм или макет из Figma – получаешь рабочий фронтенд-код. Мост между дизайном и реализацией. А еще анализирует документы, видео, умеет рассуждать через модальности, а не просто описывать что видит. В Qwen 3.5 главная жалоба была overthinking – модель тратила кучу токенов на простые задачи. В 3.6 это починили: reasoning работает всегда, но модель стала решительнее и экономнее. Практически везде выше Opus 4.5, приближается к 4.6, при этом стоит в 10 раз дешевле (можно подключить к Claude Code кстати). В превью на опенроутере бесплатно, но собирают данные. https://qwen.ai/blog?id=qwen3.6

И Microsoft тоже жжет напалмом. Видимо забили на OpenAI и решили самим делать базовые модели для клиентов. Выкатила сразу 3 новых модели MAI – Transcribe-1, Voice-1 и Image-2. Всё доступно через Microsoft Foundry. MAI-Transcribe-1 – speech-to-text модель: Первое место по FLEURS бенчмарку в 11 из 25 топовых языков (на русском кстати gpt лучше) В остальных 14 бьёт Whisper-large-v3, а в 11 из них ещё и Gemini Flash Батч-транскрипция в 2.5x быстрее текущего Azure Fast Цена: $0.36/час – заявляют лучший price-performance среди крупных облаков. Ну у специализированных вендоров и подешевле. MAI-Voice-1 – генерация голоса: Создание кастомного голоса по нескольким секундам аудио 60 секунд аудио генерируется за 1 секунду Сохраняет идентичность голоса даже в длинных текстах Эмоциональный диапазон и интонации Цена: $22 за 1M символов (это где-то 2-3 цента за минуту, между GPT и ElevenLabs) MAI-Image-2 – генерация картинок: Топ-3 на Arena.ai лидерборде (она правда довольно неплохая) 2x быстрее предыдущей генерации в Copilot и Foundry Фокус на натуральный свет, точные тона кожи, читаемый текст на изображениях Раскатывают в Bing и PowerPoint WPP (крупнейшая рекламная группа) уже используют для продакшн-креативов Цена: $5 за 1M токенов (текстовый инпут) + $33 за 1M токенов (картинка), то есть где-то 3-5 центов за картинку, жить можно. https://microsoft.ai/news/today-were-announcing-3-new-world-class-mai-models-available-in-foundry/

И в последнее время Postgres превращают в универсальное решение для вообще всего (и это круто). Вот заменили и ElasticSearch, выпустили pg_textsearch – расширение от Timescale для полноценного полнотекстового поиска прямо в PostgreSQL с BM25 ранжированием, как у специализированных решений. Синтаксис максимально простой: SELECT * FROM documents ORDER BY content <@> 'search terms' LIMIT 10; – Работает со всеми основными параметрами, индексами, сжатием и оптимизациями. – Поддерживает английский, французский, немецкий, русский, греческий и ещё 25+ языков. Плюс можно подключать внешние парсеры типа zhparser для китайского. Для тех, у кого Postgres уже основная БД и нужен приличный поиск – не надо городить отдельный search engine, синхронизацию данных, дополнительную инфраструктуру. GitHub: https://github.com/timescale/pg_textsearch

Пробую новое клонирование голоса и TTS от китайцев, и это просто нереальное что-то! По 5 секундам сделал меня испанцем с легким акцентом. Поддерживает 600 языков! На серверной видюхе дает генерацию в 40x быстрее реального времени. Можно: а) клонировать голос коротким аудосемплом + текстом б) делать дизайн голоса (пол, возраст, высоту голоса, акцент, шепот/крик) в) делать автоподбор голоса под текст Есть теги для звуков, типа смех, вдох, есть контроль произношения на английском и китайском, есть WebUI Вот здесь пробовать: https://huggingface.co/spaces/k2-fsa/OmniVoice Вот скачивать: https://github.com/k2-fsa/OmniVoice

А OpenAI вот сегодня пишет (и это не 1 апреля), что закрыли раунд и привлекли 122 миллиарда баксов! https://openai.com/index/accelerating-the-next-phase-ai/ И это еще даже не IPO.