Хах, прикол. Google photos ищет одежду по всем вашим фоткам и формирует виртуальный гардероб вашей одежды. А потом позволяет подбирать образы и уверен в дальнейшем докупать более стильное у партнёров. https://blog.google/products-and-platforms/products/photos/google-photos-wardrobe-feature/
Gemini теперь умеет генерировать файлы прямо в чате – PDF, Word, Excel, Google Docs/Sheets/Slides, CSV, LaTeX, TXT, RTF и Markdown. Раскатили на всех юзеров приложения по всему миру. По сути, гугл догоняет то, что у ChatGPT и Claude уже из коробки есть. Полезно явно https://blog.google/innovation-and-ai/products/gemini-app/generate-files-in-gemini/
Хм, Amazon тоже хочет персональных AI ассистентов вам предложить. Представил десктопное приложение Amazon Quick Живёт на ноутбуке, подключается к локальным файлам, календарю, почте и десяткам рабочих приложений и постоянно учится на ваших действиях (вот это самое прикольное, но что-то кажется Амазон не в той форме, чтобы такую инновацию нормально сделать). Строит Personal knowledge graph – индексирует ваши документы, запоминает предпочтения, контакты команды, ключевые проекты и стиль бренда; чем дольше используешь, тем точнее ответы Добавили Shared Spaces – дашборды, агенты и автоматизации становятся общими для команды, наработки одного человека работают на всех Собственно инновация - Proactive-режим – ассистент крутится в фоне, мониторит приложения и сам подсвечивает то, что требует внимания. Ещё Browser automation плюс интеграция Claude Code – одной командой можно вытащить данные из внутреннего софта, прогнать через локальный Python-скрипт и вставить результат в документ. Плюс генерация контента из чата – документы, презентации, инфографика и картинки. Есть Custom apps в preview – дашборды и веб-страницы по описанию на естественном языке, с подключением к живым данным Есть Расширения для Microsoft 365 в preview – Quick встраивается прямо в Outlook, Word, PowerPoint и Excel Плюс нативные коннекторы – Google Workspace, Zoom, Airtable, Dropbox, Microsoft Teams AWS обещает, что ваши данные не используются для обучения чужих моделей, ну и готовы предложить всю возможную безопасную обвязку для Энтерпрайза. Вот видос с демо: https://youtu.be/_7Ucm0MWjrg?si=v-nOMxZ7ZGdIgdbp
Anthropic добавил коннекторы к дизайнерскому софту, бандл Claude for Creative Work Что подключили: – Blender – натуральный язык поверх Python API. Можно анализировать сцену, дебажить сетапы, писать скрипты для батч-операций над объектами, добавлять собственные тулзы прямо в интерфейс Blender. Anthropic при этом вступил в Blender Development Fund как патрон – редкий случай, когда AI-компания платит open-source проекту, а не наоборот. – Adobe для креативщиков – доступ к 50+ инструментам Creative Cloud: Photoshop, Premiere, Express и компания. – Ableton – пока только knowledge-коннектор, пишет ответы Claude официальной документацией Live и Push. – Autodesk Fusion – создание и правка 3D-моделей разговором. Нужна подписка Fusion. – Affinity by Canva – автоматизация рутины: батч-обработка изображений, переименование слоёв, экспорт. Плюс генерация кастомных фич прямо в приложении. – Resolume Arena и Wire – для VJ-ев и live-визуалистов, управление в реальном времени для AV-перформансов. – SketchUp – описал комнату или мебель словами, открыл в SketchUp, доделал руками. – Splice – поиск по библиотеке роялти-фри сэмплов прямо из Claude. Что Claude умеет в креативных задачах: – Учить пользоваться сложным софтом – объяснить, провести по технике синтеза, показать незнакомую фичу – Расширять инструменты кодом через Claude Code – кастомные шейдеры, процедурные анимации, параметрические модели. На выходе документированный код, который можно переиспользовать. – Связывать пайплайн – конвертировать форматы, синхронизировать ассеты между разными приложениями без ручных хэндоверов. – Брать на себя рутину – батч-процессинг, скаффолдинг проектов, повторяющиеся операции по сцене. Claude Design тоже в комплекте Плюс Anthropic заходит в дизайн-школы. Первые три программы – Art and Computation в RISD, Fundamentals of AI for Creatives в Ringling College, и MA/MFA Computational Arts в Goldsmiths (Лондон). Студенты и преподаватели получают Claude и новые коннекторы, а Anthropic – фидбек от живых креативных практиков. С разработчиками закончили - взялись за дизайнеров ) https://www.anthropic.com/news/claude-for-creative-work
Вот, кто ждал видосы/презентации. https://t.me/communitysprints/54
C 1 июня GitHub Copilot переводит всех на per usage pricing, то есть по цене API. Вот так вот вырастят мультипликаторы (Opus/Sonnet - в 9 раз дороже, пара-пара-пам). Кажется, скоро наука строить пайплайны из дешевых моделей снова будет в моде, потому что иначе придется платить в 10 раз дороже. https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing#model-multipliers-for-annual-copilot-pro-and-copilot-pro-subscribers
Google Cloud Next – кучища анонсов от Google Обычно просматриваю такие вещи: в 99% случаев найдёшь что-то, что радикально упростит жизнь – функцию, библиотеку или софт. Собрал самое важное. Gemini Enterprise app (+$20–30 на сотрудника): Agent Designer, Inbox для работы агентов, Projects с памятью по файлам команды, Skills через @mention, Canvas для Docs/Slides с экспортом в Microsoft 365, Agent Gallery с партнёрскими агентами, BYO-MCP для своих систем. Для энтерпрайза, плотно сидящего на Google – супер-полезная штука. Gemini Enterprise Agent Platform – эволюция Vertex AI: – Agent Studio – low-code сборка агентов на естественном языке, с экспортом в код – Agent Development Kit получил graph-based framework для сетей суб-агентов – Agent Runtime – запускаются за секунды, могут работать часами – Agent Sandbox – безопасное исполнение сгенерированного кода и computer use задач – Memory Bank + Memory Profiles – долгосрочная память вместо сессий – Agent Registry – единый каталог агентов, tools и skills – Agent Identity – уникальный криптографический ID и audit trail для каждого агента – Agent Gateway – централизованный контроль политик – Agent Observability, Simulation, Evaluation, Optimizer – полный цикл тестирования и автодокрутки TPU 8t и TPU 8i – новые процы – TPU 8t (training) – 3x быстрее прошлого поколения, до 2x perf/Watt, до 9 600 чипов в superpod с 2 PB памяти – TPU 8i (inference) – 1 152 TPU в pod, 3x SRAM на чипе для больших KV cache, 80% лучше performance-per-dollar Agentic Data Cloud – Cross-Cloud Lakehouse (бывший BigLake) на Apache Iceberg – zero-copy запросы к данным в AWS и Azure, очень сильный – Knowledge Catalog – универсальный движок, через Gemini автоматически тэгирует, выводит логику и строит граф связей по всем данным – Deep Research Agent – подключён к BigQuery, отвечает по структурированным и неструктурированным данным BigQuery становится супер-полезной штукой – AI.PARSE_DOCUMENT – OCR, layout parsing и chunking одной SQL-функцией (убили десять стартапов снова) – TabularFM – zero-shot regression/classification (ещё десять) – AI.IF / AI.CLASSIFY с заявленным до 230x снижением расхода токенов. То есть всякие "Джеминай, проверь там, у меня чётное число или нет" становятся реальными :) – BigQuery-native Gemma embeddings, автономная генерация эмбеддингов – Hybrid search – semantic + full-text в одной функции (ещё меньше поводов искать что-то другое вместо BigQuery) – BigQuery Graph и agent analytics logs для ADK и LangGraph Cloud Run превращается в runtime для агентов – Full-stack apps, "vibe-coded" в Google AI Studio (с Firestore и Auth), деплоятся в Cloud Run – GA – Cloud Run Sandboxes – встроенный sandbox – Cloud Run Instances – долгие background-задачи – SSH прямо в работающий контейнер – NVIDIA RTX PRO 6000 Blackwell – inference 70B+ моделей – Spend Caps по проекту с авто-отключением (AI Studio, Agent Platform, Cloud Run, Maps) – Antigravity IDE на Gemini 3, через MCP подключена к Cloud Assist для отладки агентов прямо из IDE Workspace Intelligence Видит связи между Docs, Slides, Gmail, Drive, проектами и коллабораторами. Ask Gemini в Chat, AI Inbox и AI Overviews в Gmail (наконец-то) Генерация Sheets/Docs/Slides из промпта Drive Projects можно собирать Workspace MCP Server (наконец-то) Take Notes for Me (включая Zoom/Teams, надо подробнее посмотреть). Миграция с Microsoft 365 до 5x быстрее. Security: Wiz интегрируется широко – Model Armor – защита от prompt injection, tool poisoning, data leakage – Wiz поддерживает Databricks, AWS Agentcore, Microsoft Azure Copilot Studio, Salesforce Agentforce – Red / Blue / Green Agents – автономные red-team тесты, расследование, root cause remediation – Vibe coding integration – Wiz сканирует код прямо в Lovable (вау :)) MCP везде Google Cloud services выставлены как MCP-серверы. Gemini Enterprise поддерживает BYO-MCP. Cloud Run получает managed remote MCP. Looker и базы данных – MCP-интеграции. Вот здесь можно глянуть все и подробнее посмотреть что заинтересовало https://cloud.google.com/blog/topics/google-cloud-next/google-cloud-next-2026-wrap-up
Нормальные такие предложения, надо добавить Сэма в друзья )
Вау, интервью с Head of Product Claude: Главная мысль – классическая схема разработки рассыпается. Скорость: с 6 месяцев до 1 дня Раньше циклы планировались на 6–12 месяцев вперёд. Сейчас в Anthropic путь от идеи до релиза – месяц, неделя, иногда день. PRD и роадмапы эволюционировали: roadmap перестал быть «планом на год» и стал живой системой приоритетов. Product taste важнее execution Когда AI удешевляет код, bottleneck переезжает. Главный дефицит – не «написать», а «понять, что стоит писать». Роли PM и инженера сливаются. Самая эффективная единица теперь – инженер с сильным product taste. Один такой человек обходит команду из 10 с синками и alignment-коллами. Claude Code vs Cowork – разные режимы – Claude Code – когда результат это код. Десктоп-версия хороша для фронтенда: превью сразу. – Cowork – когда результат не код: Slack, почта, research, документы. Cat подключает Cowork к своему Drive и Slack, и он сам собирает 20-страничную презентацию за пару часов в фирменном дизайне Anthropic. Будущий workplace – не один AI-чат, а набор специализированных агентов под разные типы работы. Строить на границе возможностей модели Нужно строить продукты, которые сегодня «почти не работают», чтобы быть готовым, когда следующая модель закроет gap. Capabilities скачут раз в 3–6 месяцев. Ждать – значит опоздать: к релизу конкуренты уже с дистрибуцией и данными. 95% автоматизация – это ещё не автоматизация Если AI делает 95%, но последние 5% требуют постоянного контроля – это не автоматизация, а новая операционная нагрузка. Надо доводить до 100% – только это высвобождает те самые 20% времени на стратегию. Клиент не покупает «почти». Evals – недооценённый продуктовый навык В AI нельзя писать acceptance criteria как в обычном SaaS. PM должен формализовать: что хороший ответ, что провал, какие edge cases критичны, как сравнить версии агента. Без evals ты не управляешь качеством, а молишься. Personality как часть продукта Claude успешен не только из-за accuracy. Характер модели – как она спорит, признаёт ошибки – часть UX. Косвенный маркер: 79% корпоративных клиентов OpenAI также платят Anthropic. Люди выбирают разные модели под разные задачи и «характеры». Миссия убирает организационное трение Главный секрет скорости Anthropic (с $1B до $14B+ ARR меньше чем за год) – жёсткий mission alignment. В больших компаниях 80% энергии уходит на согласования и политику. Здесь этого трения нет. «Just do things» как основной принцип Стоимость попытки резко упала. Раньше неправильная ставка стоила месяцы. Сейчас собрал прототип с Claude Code, проверил, выбросил или запустил. Опаснее не ошибиться, а слишком долго согласовывать. Строить то, чем пользуешься сам AI-демо обманчивы: магически выглядят один раз. Настоящий продукт – там, где ты используешь его каждый день. Если AI-продукт не хочется включать ежедневно – это не продукт, это демо. Разрыв между скептиками и верующими растёт WAU Claude Code удвоились с 1 января 2026 – органически, без массового маркетинга. Те, кто не работает в AI ежедневно, принимают стратегические решения с задержкой в 6–12 месяцев. И этот гэп растёт. Честно говоря кажется, что самые большие бенефициары - продакт-менеджеры, потому что они как раз были готовы делать 100500 фичей, но разработка была медленная. Сейчас же ты можешь сделать хоть десяток продуктов за пару дней, если знаешь, что конкретно хочешь. А вот знать это и есть самая сложная часть. https://youtu.be/PplmzlgE0kg
У врачей тоже скоро сплошной ИИ - OpenAI выпустил ChatGPT for Clinicians – отдельную конфигурацию для медиков с фокусом на клинические задачи: документацию, ресёрч и разбор кейсов. Доступ бесплатный, но только для верифицированных врачей, NP, PA и фармацевтов в США. Цифры по рынку, которые они приводят: 72% американских врачей уже используют AI в практике – год назад было 48%. Использование ChatGPT медиками за год удвоилось. И соответственно убили еще 10 стартапов :) Что внутри – Доступ к фронтирным моделям (GPT-5.4 и далее) без лимитов на типичные клинические задачи – Skills – переиспользуемые шаблоны для повторяющихся workflow: направления, описание диагноза, инструкции пациентам – Клинический поиск с цитатами из peer-reviewed источников в реальном времени – Deep Research по медицинским журналам с возможностью задать список доверенных источников – CME-кредиты автоматически засчитываются за работу с клиническими вопросами – без отдельных курсов – Опциональный HIPAA (работа с медицинскими данными клиентов) для подходящих аккаунтов – Чаты не уходят в обучение моделей Параллельно открыли новый бенчмарк – реальные клинические чаты по трём сценариям (консультации, документация, ресёрч). Авторы – сами врачи, треть примеров собрана через red-teaming, отбирали в 3.5 раза более сложные диалоги. Результаты: – GPT-5.4 в ChatGPT for Clinicians – 59.0 – GPT-5.4 базовый – 48.1 – Claude Opus 4.7 – 47.0 – GPT-5 – 46.2 – GPT-5.2 – 45.9 – Gemini 3.1 Pro – 43.8 – Живые врачи (с интернетом и без ограничения по времени) – 43.7 – Grok 4.20 – 36.1 Специализированная обработка поверх GPT-5.4 даёт +11 пунктов к базовой модели и обходит врачей-людей. На подмножестве из 355 примеров с тремя независимыми экспертами система цитировала нужные источники чаще, чем сами врачи. Перед релизом 6924 диалога проверили терапевты – 99.6% признали безопасными и точными. Пока только США. Расширение обещают через Better Evidence Network – пилоты для врачей в других странах "по мере того, как разрешает локальное регулирование". https://openai.com/index/making-chatgpt-better-for-clinicians/
Grok Voice Think Fast 1.0 – кажется, голос скоро будет AI везде... Потому что стоит она 3 бакса в час! Заточена под поддержку клиентов, телефонные продажи, бронирование, корпоративные интеграции с тяжёлым tool calling. – 25 языков с автоопределением, включая русский, 5 голосов – Точный сбор данных: адреса, email, номера счетов – обрабатывает оговорки и самокоррекции в духе "1410, нет, 1450 Page Mill Street, точнее Road" – Поддержка web_search, x_search, file_search, MCP и кастомных функций в одной сессии Запущено у Starlink на +1 (888) GO STARLINK: – 20% конверсия – каждый пятый звонок в продажах заканчивается покупкой прямо на линии – 70% обращений в поддержку решаются автономно, без человека Помню первые голосовые модельки были на уровне низкого качества саппорта и стоили 15-20 долларов в час, сейчас кажется людей на линиях уже не останется скоро, потому что за 3 доллара я даже не знаю кто согласится работать. https://x.ai/news/grok-voice-think-fast-1
DeepSeek-V4! DeepSeek наконец выпустил превью новой модели – прямой конкурент Claude, GPT и Gemini, только в open-source. Посмотрел в общем бенчмарки и отчет. Ну-у... Если бы вышла в начале года, - это был бы просто нереальный прорыв. Сейчас просто лучший опенсорс :) Да и сейчас в общем-то базовые архитектурные вещи на основе всех самых последних инноваций, так что добивать его дообучением и обходить топ-США модели смогут без проблем. Выпустили 2 версии: – V4-Pro – флагман, 1.6T параметров. Для сложного ризонинга, кодинга, агентных задач – V4-Flash – младшая модель, 284B параметров. Быстрее, дешевле, но умнее многих старых гигантов Основная фишка - контекст 1 миллион токенов. Ну то есть у многих уже такой контекст есть, но оно во-первых дорого, во-вторых медленно, в третьих - ненадежно. А Deepseek практически все эти проблемы решили: – В 4 раза меньше вычислений на миллионном контексте vs DeepSeek-V3.2 – В 10 раз меньше памяти под KV-кэш – Flash ещё экономнее: 10% вычислений и 7% памяти от предыдущей модели Там огромная куча оптимизаций внутри, в том числе прям передний край науки. Проще говоря – длинный контекст перестал быть премиум-фичей и стал рутиной. И все это в том числе на дешевых процессорах Huawei. Три режима размышления – Non-think – быстрые ответы на простые вопросы, без лишних раздумий – Think High – глубокий анализ для сложных задач и планирования – Think Max – максимальное усилие, модель прописывает каждый шаг, тестирует все варианты, не ищет лёгких путей. Для агентных задач в Max теперь сохраняется вся история рассуждений между ходами – в V3.2 она выбрасывалась при каждом новом сообщении пользователя. Это важно для длинных сценариев, где агент накапливает контекст задачи. С миллионом контекста рабочим теперь это будет сильное преимущество на дальнейшем дообучении. По бенчмаркам: – Кодинг: на Codeforces рейтинг 3206 – 23-е место среди живых программистов мира, паритет с GPT-5.4. Впервые open-source модель догнала закрытый фронтир на соревновательном программировании – Математика: HMMT 2026 – 95.2, IMOAnswerBench – 89.8, обходит большинство конкурентов – Знания: SimpleQA Verified – 57.9 (Opus 4.6 – 46.2, но Gemini 3.1 Pro – 75.6, до него ещё не дотянули) – Reasoning: отстают от GPT-5.4 и Gemini 3.1 Pro на 3-6 месяцев – но это всё равно близко к фронтиру – Внутренний R&D-кодинг: 67% – между Sonnet 4.5 (47%) и Opus 4.5 (70%). Новые модельки не тестировали, но грубо говоря это базовая модель, которую фигачили год, дальше дотренировка будет гораздо проще и быстрее. Плюс модель специально тренировали на реальных сценариях: анализ данных, отчёты, редактирование документов, поиск в интернете с итеративным использованием инструментов. На внутреннем тесте V4-Pro-Max обошёл Opus 4.6-Max на 63% задач – в основном за счёт того, что сам проактивно добавляет проверки и выдаёт связные нарративы вместо сухих буллетов. Опрос 85 разработчиков самого DeepSeek: 52% готовы использовать V4-Pro как основную модель для кодинга, ещё 39% склоняются к "да". Меньше 9% сказали "нет". Ну такое себе сравнение все-таки :) Короче, главное тут не очередная строчка в таблице бенчмарков, а сдвиг в экономике длинного контекста. Миллион токенов задёшево меняет правила для всех, кто строит агентов и работает с большими документами. DeepSeek продолжает свою линию: берут лучшие идеи, собирают их вместе и выпускают бесплатно то, за что OpenAI и Anthropic просят деньги. Это не прорыв уровня "обогнали всех", никто из окон кидаться не будет, но методичное сокращение разрыва – именно такое давление держит индустрию в тонусе и заставляет закрытые лабы шевелиться. Плюс это ещё один голос в пользу тезиса, что архитектурные инновации (sparse attention, FP4-квантизация, hybrid KV-кэш) дают больше, чем просто наращивание параметров. V4-Flash на 13B активных параметров местами обходит модели в несколько раз крупнее. Кажется прав был Карпатый, что умная модель в итоге будет в 1B параметров и с доступом к базе данных. https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro
🚀 OpenAI представила GPT-5.5 Она заметно сильнее в самом главном: код, ресёрч, аналитика и работа с документами. GPT 5.5 хороша в многоступенчатых задачах. И почти во всём обходит конкурентов - например, на Terminal-Bench выбивает 82,7% против 69% у свежей Claude. GPT-5.5 уже доступна пользователям Plus, Pro, Business и Enterprise - в ChatGPT и Codex. Модель стала дороже: ~$5 / $30 за млн токенов. Уже раскатывают на всех подписчиков. Тестим! 🔥 https://openai.com/index/introducing-gpt-5-5/
Вот презентация. В принципе все основные вещи, что рассказывал про распознавание документов классное, там есть. Основное - берете классический OCR, оттуда распознанный текст с регионами и отдаете это в LLM. Она уже может и восстанавливать, и структуру вычленять, и нужные данные искать. Если брать только VLLM, то вы можете получить непроверяемые галлюцинации Update: запись: https://youtu.be/DHNMQv_1yg8?t=9176
Через 10 минут рассказываю про хороший и надежный пайплайн распознавания документов https://us06web.zoom.us/j/86506835353
OpenAI таки хочет добраться до консультантов и внедренцев. Создает DeployCo – $10B совместное предприятие с Private Equity-фондами для захвата энтерпрайза. OpenAI гарантирует PE-инвесторам 17.5% годовых на горизонте 5 лет Операционная модель – калька с Palantir. Инженеры DeployCo внедряются внутрь клиентов – автоматизируют процессы, перестраивают операционку на инструментах OpenAI. Монетизация – не лицензии, а services-plus-software: ценность захватывается на этапе внедрения, а не на уровне модели. Со временем совместное предприятие может приобретать технологии и IP для усиления позиций. Почему именно Private Equity-фонды (то есть которые напрямую владеют компаниями)? Четыре фонда, которые войдут в СП суммарно контролируют 1200+ портфельных компаний – готовая install base, которую ни один прямой сейлз не соберёт за сопоставимые сроки Каждое успешное внедрение превращает портфельную компанию в референс – кейсы и выручка перед возможным IPO OpenAI. Reuters в марте сообщал, что Anthropic ведёт аналогичные переговоры с Blackstone и Hellman & Friedman по дистрибуции Claude. Конкуренция сместилась с качества моделей – обе уже достаточны для энтерпрайза – на скорость и глубину дистрибуции. Короче, пора внедрять ИИ в компании. https://capacityglobal.com/news/openai-deployco-enterprise-ai-infrastructure-demand/
OpenAI наступает на пятки Claude, запустила Workspace Agents в ChatGPT. Крутятся в облаке и делают ваши задачи. – Запускаются по расписанию или по триггеру в Slack – не нужно держать чат открытым – Шарятся внутри организации: построил один раз – пользуется вся команда – Имеют память и улучшаются в процессе использования, можно поправить прямо в диалоге – Перед чувствительными действиями (письмо, правка таблицы, ивент в календаре) могут спрашивать подтверждение – Доступны из ChatGPT и Slack, дальше обещают больше поверхностей Примеры от OpenAI: – Software Reviewer – проверяет заявки на софт по политикам и заводит IT-тикеты – Product Feedback Router – собирает фидбек из Slack, саппорта и публичных каналов, превращает в приоритезированные тикеты и weekly-саммари – Weekly Metrics Reporter – по пятницам тянет данные, рисует графики, пишет нарратив, отправляет отчёт – Lead Outreach Agent – квалифицирует входящие лиды, пишет персональные follow-up, обновляет CRM – Third-Party Risk Manager – проверяет вендоров на санкции, финансовые и репутационные риски Есть готовые шаблоны для финансов, продаж и маркетинга. Для админов – Compliance API с видимостью по конфигу, апдейтам и запускам каждого агента, контроль доступа к коннекторам по группам, кнопка "приостановить агента". Анонсирована встроенная защита от prompt injection при работе с внешним контентом. Доступно в research preview для ChatGPT Business, Enterprise, Edu и Teachers. Бесплатно до 6 мая 2026, дальше – credit-based pricing. OpenAI догоняет то, что Anthropic частично уже сделала через Skills и Claude apps, но заходит с другой стороны – через Slack и команды, а не через индивидуального разработчика. Это правильный ход: агент идёт туда, где люди уже работают, а не зовёт их в очередной интерфейс. Выбор Codex как движка – тоже логичный. Реальные бизнес-процессы это всегда микс из кода, коннекторов и документов, и универсальный кодовый агент покрывает это лучше, чем чисто чат-обёртка вокруг tool calls. Главный вопрос – экономика. До 6 мая всё бесплатно, потом credit-based, и тут важно заранее посчитать, какие процессы реально окупают агента, а какие дешевле оставить людям (читал, что иногда дешевле нанять Джуна :) ) openai.com/index/introducing-workspace-agents-in-chatgpt
И да, разобрался, что означал анонс от Гугла, что AI Studio теперь в подписке Google AI Pro/Ultra. Короче, теперь не надо эту жесть с биллингом проходить, если нужно API. Расширили бесплатные лимиты и теперь можно даже продукты запускать с ключом из студии. Честно говоря наконец-то, и это щелчок по носу конкурентам, которые до сих пор сильно разделяют апи и подписку. В общем, с подпиской за 20 баксов от Гугла у вас: – увеличенные квоты на запросы, можно прототипировать дольше, не упираясь в free tier – доступ к Gemini 3 Pro и Nano Banana Pro прямо из браузера – расширенный доступ к Google Antigravity, Jules, Gemini Code Assist и Gemini CLI – предсказуемая фиксированная стоимость запросов, без всяких там нескольких баксов за вызовы апи. По сути конкурентный ход против OpenAI и Anthropic, где потребительская подписка и API – два полностью изолированных мира (платишь $20 за ChatGPT или Claude, и отдельно настраиваешь billing для API с нуля, с картой и лимитом). Google же делает unified подписку: один аккаунт, одна оплата, ты и пользователь, и разработчик. Для тех, кто и так платит за Gemini Pro – это фактически бесплатный апгрейд. https://blog.google/innovation-and-ai/technology/developers-tools/google-one-ai-studio/
OpenAI тихо выложили на Hugging Face специализированную модель для детекции и маскировки персональных данных в тексте. Очень полезная штука для работы с LLM в энтерпрайзе и с клиентскими данными. Раньше для этого PII библиотеку от Майкрософт использовали, всякие NLP библиотечки или маленькие локальные модели. Что внутри – Архитектура на базе gpt-oss – 1.5B параметров всего, 50M активных – Контекстное окно 128k – Запускается в браузере или на ноутбуке Детектит 8 категорий: имена, адреса, email, телефоны, URL, даты, номера счетов и секреты (API-ключи, токены и пр.). Маскирует и потом их разворачивает обратно. Полезный и неожиданный релиз. У всех, кто строит AI-продукты с обработкой клиентских данных, болит одно и то же – перед отправкой в LLM-провайдера нужно вычищать PII, а регулярки и классический spaCy NER ловят далеко не всё. Локальная модель, которая может бегать на ноутбуке, закрывает реальную дыру – особенно для тех, кто работает в GDPR-периметре или хочет on-prem. https://huggingface.co/openai/privacy-filter
А вот даже не просто эксперимент, в реальные изменения от Guthub – Регистрация на Pro, Pro+ и Student поставлена на паузу. Новых не пускают, чтобы спасти качество для текущих. – Лимиты для индивидуальных планов ужесточаются. Pro+ даёт в 5+ раз больше, чем Pro – если упираешься в потолок, дорога одна. – Opus убрали из Pro вообще. В Pro+ остаётся только Opus 4.7, версии 4.5 и 4.6 удаляют и оттуда. Как теперь работают лимиты: Их два – session (на короткое окно, чтобы не положить сервис в пиках) и weekly (потолок токенов на 7 дней, введён недавно специально против длинных параллельных агентских прогонов). Считаются как токены × мультипликатор модели. Это отдельная штука от premium requests – можно иметь нетронутые запросы и всё равно упереться в лимит по токенам. Если всё-таки упёрся в weekly – модель не выбираешь, остаётся только Auto до сброса окна. В VS Code и Copilot CLI теперь показывают индикатор приближения к лимиту, чтобы не было сюрпризов. Что советуют делать, чтобы не выжирать лимит: – Брать модели поменьше для простых задач – Жить в plan mode (он же повышает success rate) – Не злоупотреблять параллельными воркфлоу типа /fleet – Ну и, понятно, апгрейдиться на Pro+ Тем, кому новые правила вообще не подходят, между 20 апреля и 20 мая можно отменить подписку и получить возврат за оставшийся период. https://github.blog/news-insights/company-news/changes-to-github-copilot-individual-plans/