AI Product | Igor Akimov

Claude и недельные лимиты увеличил. На 50%, на 2 месяца. Видимо GPU от Илона недозагружены пока, а надо долю рынка завоевать. Пользуемся, пока венчурные капиталисты платят :)

Google как-то за неделю до основного Google I/O решил провести отдельные мероприятия с анонсами (видимо на собственно главном будут разработческие штуки). Здесь же Gemini Intelligence для мобилок. Часть довольно прикольная – Мульти-шаговая автоматизация в приложениях (то, что давно обещала Apple). Gemini сам ходит по сайтам/приложениям, достает информацию из одного, кидает в другое, кнопочки нажимает сам. Пока обещают только на Galaxy S26 и Pixel 10, но выглядит неплохо. – Контекст экрана и камеры. Долгое нажатие поверх любого приложения – и Gemini действует по тому, что видит. Пишешь промпт, он достает текст или фото и может обработать или текст распознать, или расширить описание/переписать. Выглядит тоже полезно. – Gemini в Chrome (с конца июня). Ходит по вкладкам, ищет информацию, сравнивает, резюмирует. Chrome auto browse может, например, сам тыкать в брони встреч и паркинга. Это конечно супер-полезно, но возникает вопрос, а зачем тогда вообще приложения, какой-то там UI, какие-то завлекательные штуки или реклама, ее никто не смотрит... Экономика аппок летит к черту. – Умный Autofill. Заполняет сложные формы данными из подключённых приложений через Gemini Personal Intelligence. Подключение строго opt-in. Давно хотел такое сделать сам, но с безопасным хранилищем. Гугл тут явно поживится вашими данными, но вы уже отдаете в автофилл кредитки, адреса, контактные данные. – Rambler в клавиатуре. Голос в текст без "ну", "э-э" и повторов. Понимает code-switching между языками в одном сообщении (например, английский с русским). Аудио не сохраняется – только real-time транскрипция. И можешь голосом уточнять, что надо сделать с текстом. Помню делал такого бота для телеграмма, но в клавиатуре все это гораздо удобнее. – Create My Widget. Виджеты под себя описанием на естественном языке. "Покажи три high-protein рецепта для мил-препа каждую неделю" – собирается дашборд на главный экран. Работает и на Wear OS. Вопрос опять же, а будут ли тогда нужны вообще приложения? ) – Новый визуальный язык поверх Material 3 Expressive – анимации, которые "снижают отвлечения". (Сын порадуется). В общем, звучит на самом деле полезно и как понятный следующий шаг для AI в мобилке. Интересно будет потестить. https://www.android.com/gemini-intelligence/

Прикольно-прикольно, гугл представил Гуглобук, ноутбук с AI Что-то среднее между Chromebook, Android, Gemini. Что там интересного: - Magic Pointer, можно поболтать курсором и ИИ предложит действия с объектом, вокруг которого находится. Типа фотку обработать или письмо создать. - Сreate your Widget – виджеты по промпту. Описываешь словами – Gemini собирает персональный дашборд. Подключается к Gmail, Calendar и интернету. Планируешь поездку в Берлин? На рабочем столе появится виджет с рейсами, отелями, бронями ресторанов и обратным отсчётом. - Приложения с Android запускаются прямо в ноутбуке, файлы с телефона видны в файловом браузере Googlebook без переноса, уведомления и продолжение задач между устройствами. Добавили ещё полоску цветную, но зачем, не понятно. Типа премиум. Старт продаж – осенью 2026. Самое тут сильное пока - экосистема с Андроид, если будет также бесшовно, как у Apple, спрос будет. Ну а всякие AI-штуки пока смотрятся игрушечно, хотя потенциал AI OS конечно огромный и думаю тут Google будет фигачить на полную катушку. https://blog.google/products-and-platforms/platforms/android/meet-googlebook/

Вухаха, в Codex добавили импорт из Claude/ClaudeCode. Можно одним кликом перенести все проекты/диалоги и начать с того же места. Правильный ход, можно наконец показать возможности самой сильной текущей модели для ИИ-кодинга https://chatgpt.com/codex/switch-to-codex/

Наконец-то что-то совершенно новое от Миры Мурати (не зря все-таки 2 миллиарда вложили в них) Выпустили Interaction Models, новый подход к голосу и мультимодальности. Пишут, что сегодня голосовой ассистент – это набор подпорок вокруг пошаговой обработки: VAD ловит конец фразы, отдельный TTS лепит звук, отдельная логика рулит диалогом. Пока ты говоришь, модель глухая. Пока модель отвечает, она слепая. В итоге предлагают архитектуру работы в реальном времени: микрокусочками по 200 мс, где аудио + видео + текст идут параллельными потоками. Модель думает асинхронно по ходу диалога: длинные цепочки рассуждений, инструменты, поиск не мешают основному потому. Плюс фоновая модель докидывает результаты в живой разговор в подходящий момент. В итоге задержка не-thinking модели плюс интеллект thinking модели. Что научились делать – Перебивать пользователя, когда тот говорит чушь (раньше harness в принципе не давал такой возможности) – Говорить одновременно с тобой – синхронный перевод, лайв-комментарий – Реагировать на визуальные триггеры: "скажи, когда я подниму палец", "посчитай мои отжимания" – Держать чувство времени: "напоминай мне дышать каждые 4 секунды" – Вызывать инструменты и искать в вебе параллельно с разговором Модель конечно немаленькая, 276B MoE с 12B активных. На FD-bench v1.5 (качество интеракции) даёт 77.8 против 46–54 у GPT-Realtime и Gemini-Live. Turn-taking latency 400 мс – лучшая в категории. На их новых бенчах для проактивной речи (TimeSpeak, CueSpeak) и визуальных триггеров (RepCount, Charades) конкуренты выдают ноль или единицы процентов. Никто такого пока просто не умеет. Там прикольные на страницы примеры с подсчетом пальцев или перевода в реальном времени счетов из доллара в евро. Под капотом много всего интересного именно для стабильной работы, мультимодальности, оптимизации. Research preview закрытый, доступ начнут выдавать в ближайшие месяцы. Наконец глоток свежего воздуха и конкуренция. И подход реально классный, потому что кажется текущие голосовые подходы и правда уперлись в потолок. Видео: https://youtu.be/A12AVongNN4 Подробности: https://thinkingmachines.ai/blog/interaction-models/

Ну вот, то, о чем так много говорили: OpenAI запускает Deployment Company (кстати возможно намек на The Boring Company) – отдельный ИИ-консалтинг на $10 млрд. Купили Tomoro Consulting и 150 сотрудников теперь будут внедрять ИИ от OpenAI. Forward Deployed Engineers (FDE) сажают внутрь клиента – не "интегрируем поверх", а перепроектируем процессы под фронтирные модели. DeployCo юридически отдельная, но операционно – продолжение OpenAI: общий доступ к research, продуктовым релизам и будущим моделям. Ну и соответственно обмен самым передовым опытом. Портфельные компании PE-фондов превращаются в канал сбыта на сотни активов. Anthropic тоже самое делает в общем-то. То есть супер-легкий доступ к каналу сбыта без всяких там сейлзов, рекламы, тик-ток видео танцующих CEO. Потому что в общем-то на каждый $1 софта корпорации тратят ~$6 на услуги вокруг него. Именно этот шестикратный слой теперь забирают сами производители моделей. Для остальных консалтеров времена будут тяжелые: либо вот такие альянсы и партнерки с доступом "к телу", либо вертикализация или скорость. Что-то посередине умрет https://openai.com/index/openai-launches-the-deployment-company/

Они теперь и вместе нормально убираются https://youtu.be/8xEuFQz4E4A?is=AyPHA0lDhtOdgKBt

Снова про ИИ в науке. Тимоти Гауэрс – математик с Филдсовской медалью, это аналог Нобелевки в математике. Он рассказал в блоге об эксперименте, после которого ему пришлось серьёзно пересмотреть оценку способностей LLM. Гауэрс взял несколько открытых задач из свежей статьи коллеги по теории чисел и просто отдал их модели. Никаких хитрых промптов, никакого математического вклада с его стороны. Первая задача: была известная конструкция, и автор спрашивал, нельзя ли её улучшить. ChatGPT думал 17 минут и предложил решение, которое уже больше нельзя улучшить в принципе – математически оптимальное. Потом по запросу оформил результат как научный препринт за две минуты. Вторая задача была серьёзнее. Студент MIT Айзек Раджагопал недавно опубликовал статью с экспоненциальной оценкой одной величины. ChatGPT за несколько итераций улучшил эту оценку до полиномиальной – это качественный скачок, не косметическое улучшение. Раджагопал прочитал получившийся препринт и сказал, что результат "почти наверняка верный" – причём на уровне идей, а не построчной проверки. Причем, ключевая идея, которую использовала модель, оригинальна. Он сам гордился бы, если бы дошёл до неё за неделю-две раздумий. ChatGPT нашёл её меньше чем за час. То есть не так, что "модель собрала готовое решение из учебника". Это был новый математический ход, который никто раньше не предлагал. Гауэрс оценивает результат как добротную главу диссертации – ровно тот уровень, на котором обычно учат начинающих аспирантов. Короче, уровень PhD в переднем крае науки уже точно достигнут. И кстати модель была GPT-5.5 Pro. https://gowers.wordpress.com/2026/05/08/a-recent-experience-with-chatgpt-5-5-pro/

Фух. ЕС перенёс сроки AI Act. Но все равно AI-стартапы будут страдать. Сдвинули главный дедлайн (2 августа 2026), которого все боялись. Жёсткие требования к "системам высокого риска" – это AI в найме, биометрии, образовании, кредитном скоринге, погранконтроле, критической инфраструктуре – теперь применяются: – с 2 декабря 2027 для самостоятельных продуктов – с 2 августа 2028 для AI, встроенного в регулируемые продукты (медтехника, машины, транспорт) Там для таких систем нужно было миллион документов готовить (документация, аудит, оценка рисков), это месяцы работы. При этом если вы там еще обрабатываете расу, здоровье, ориентацию, то я вам не завидую... Это еще больше ужесточили. В целом с 2 августа осталась маркировка AI-контента в саппорте, дипфейках, контенте для публичных целей. Можно просто дисклеймером. Со 2 декабря 2026 – обязательная техническая маркировка любого AI-сгенерированного контента (картинки, видео, аудио, текст). Машиночитаемая, чтобы платформы могли её детектить (как это сделать я не знаю). Со 2 декабря 2026 – запрет приложений, "раздевающих" людей на фото, и AI-генерации детской порнографии. Льготы, которые были только для малого бизнеса (упрощённая документация и т.д.), теперь распространяются на компании до 500 человек. Но все равно надо регистрировать систему в "реестре"... Дедлайн для запуска национальных "песочниц" – мест, где можно тестировать AI-продукты без полного compliance – сдвинут на август 2027. Ох... У ЕС как всегда "самое лучшее" законодательство в мире. Пойду узнаю подробнее, что там по открытию компании в США. https://ec.europa.eu/commission/presscorner/detail/en/ip_26_1024

О, ответочка по голосу от OpenAI: GPT-Realtime-2, GPT-Realtime-Translate и GPT-Realtime-Whisper. GPT-Realtime-2 – первая голосовая модель с ризонингом класса GPT-5 Напихали кучу всего: - Preambles – модель может сказать "секунду, проверяю" перед основным ответом, чтобы юзер понимал, что агент работает - Параллельные tool calls с озвучкой действий ("смотрю в календарь", "ищу сейчас") - Грейсфул recovery – модель говорит "у меня сейчас сложности с этим", а не падает в тишину - Контекстное окно увеличено с 32K до 128K токенов - Управляемый уровень ризонинга – minimal/low/medium/high/xhigh, по умолчанию low - Лучше держит специализированную терминологию, имена собственные, медицинские термины - Тоном можно управлять явно – спокойный при разрешении проблемы, эмпатичный при фрустрации На Big Bench Audio модель в режиме high даёт 96.6% против 81.4% у GPT-Realtime-1.5 (+15.2 п.п.). На Audio MultiChallenge для instruction following – 48.5% против 34.7% (+13.8 п.п.) в режиме xhigh. Zillow в раннем тестировании получил рост успешности звонков на 26 пунктов – 95% против 69% после оптимизации промптов на их бенчмарке. GPT-Realtime-Translate – синхронный перевод Живой перевод речи в речь – 70+ языков на вход, 13 на выход. Блин, я не смог найти, какие языки поддерживаются. Надеюсь русский есть. GPT-Realtime-Whisper – стриминговая транскрипция Speech-to-text с низкой задержкой, текст появляется по ходу речи. Под live-сабтайтлы на встречах и трансляциях, заметки в процессе разговора, голосовых агентов с непрерывным пониманием пользователя. Цены гуманные: - GPT-Realtime-2 – $32 / 1M audio input ($0.40 за cached input), $64 / 1M audio output, на уровне конкурентов - GPT-Realtime-Translate – $0.034 / минута - GPT-Realtime-Whisper – $0.017 / минута Надо тестить. https://openai.com/index/advancing-voice-intelligence-with-new-models-in-the-api/

Хах, а вот и ответочка от Меты (запрещенной в России) - тест, как модели могут генерировать проги с нуля по бинарнику и документации - ProgramBench Взяли 200 задач из открытых GitHub-репозиториев на Rust (107), Go (46), C/C++ (45) и паре других языков Диапазон – от мелких CLI-утилит до FFmpeg, SQLite, интерпретатора PHP, DuckDB, ripgrep, fzf, jq Агент получает только исполняемый файл (с правами 111, чтобы нельзя было реверсить) и доку – исходники и тесты вырезаны Интернет заблокирован – иначе модели начинают клонировать оригинальный репозиторий с GitHub (и они это и правда делали) Оценка – через behavioral-тесты (stdout/stderr, exit codes, файлы), сгенерированные отдельным агентом Всего 248 853 теста, медиана 770 на задачу Ни одна модель не решила полностью ни одной задачи из 200! Лучший – Claude Opus 4.7: прошёл ≥95% тестов на 3%(!) задач Claude Opus 4.6 – 2.5%, Sonnet 4.6 – 1.6%, остальные шесть моделей – 0%, в том числе Gemini 3.1-Pro и GPT-5.4 Еще открыли (и это не секрет), что все модели фигачат все в 1 файл и монолит, с огромными функциями, какого-то там архитектурного разнообразия и синьорности не наблюдалось. Просто фигачили как бы побыстрее сделать. Прикол еще, что даже когда документация на Rust/С++, большая часть все равно писала на Питоне ) Но! Когда специально заставляли менять на нужный, то результаты улучшались! И соответственно в дискуссиях к исследованию написали, что если управляет инженер-архитектор, который рассказывает, как правильно делать, то результаты становятся сильно. В общем, разработчики все еще нужны, все ок ) https://arxiv.org/abs/2605.03546

С большим удовольствием посмотрел на интервью Бориса Чёрного из Claude Code. Понятно, что там в 100500-й раз, как случайно они сделали Claude Code и как улучшение моделей наконец заставило это все заработать, но самые прикольные мысли такие: "Кодинг уже решенная задача". Можно сгенерировать что угодно на каком угодно языке. Да, остались еще сложные кодовые базы и редкие языки, но это дело выхода следующей модели, 3-6 месяцев. Он в последнее время кодит с телефона, с мобильного приложения запускает 5-10 параллельных сессий с сотней субагентов, ночью - несколько тысяч субагентов для исследований. В основном это loops с ревью, фикс тестов, сбор фидбека, заведение задач, фикс багов автоматический. Сейчас в команде Claude Code код пишут все: менеджеры, продакт, дизайнеры, data scientists, финансист, user researcher. Каждый специализируется в чём-то, но кодят все. Борис ставит на то, что таких генералистов широкого профиля (продукт + дизайн + data science + инженерия в одном человеке) станет сильно больше. Говорит, что SaaS-апокалипсис (то есть банкротства всевозможных SaaS-сервисов) будет и стоит внимательнее посмотреть, где вы работаете и чем занимаетесь, безопасна ли ваша позиция, но в целом разбирает это через фреймворк «7 Powers» Хэмилтона Хелмера. Что теряет силу: – Switching costs (сложность перехода на другой продукт) – модель легко портирует с одного решения на другое – Process power (уникальность процесса или продукта) – Claude 4.7 умеет тащить любой процесс, если задать цель и попросить итерировать до результата Что остаётся в силе: – Network effects (чем больше пользователей - тем больше ценность) – Scale economies (чем больше ты, тем дешевле стоимость продукта/услуги) – Cornered resources (уникальный ресурс, типа патента или монополии) – Branding (собственно бренд) Но при этом количество стартапов-разрушителей в ближайшие 10 лет вырастет в 10 раз. Маленькая команда теперь может построить продукт уровня большой компании и конкурировать с ней лоб в лоб – у крупного игрока уйдут годы на перестройку процессов и переобучение людей. Внутри Anthropic – ноль ручного кода – «Мы используем Claude буквально для всего» – Claude-ы общаются между собой через Slack – Никакого ручного кода в компании – даже SQL пишет модель – Главный отрыв Anthropic от рынка не в технологии (она у всех одна), а в организационной структуре и процессах Это ровно та зона, где у стартапов преимущество над корпорациями – перестроиться с нуля проще, чем переучить 10 000 человек. Пишет, что программирование – новая всеобщая грамотность. Типа до печатного станка было ~10% грамотных, через 50 лет после изобретения литературы напечатали больше, чем за тысячу лет до этого, ещё за пару столетий грамотность дошла до 70%. С программированием будет то же самое, только сильно быстрее. Ключевой тезис: лучший человек, чтобы написать бухгалтерский софт – не инженер, а хороший бухгалтер. Знание домена – сложная часть, кодинг – лёгкая. С этим согласен на 100%. Про будущее - модель будет все больше самостоятельно решать, что и как делать, например если видит измененный код. MCP нравится, будут больше продвигать, где нет MCP - Computer use, медленно, но работает. Дальше будут дорабатывать loops и batch, параллельную работу, computer use, claude design. В общем, самое важное, что пишет, – про организационный отрыв. Anthropic выигрывают не потому, что у них модель лучше (она лучше, но временно), а потому, что они перестроили процессы под агентную работу. Все кодят, скрипты общаются между собой, вместо ручных PR – тысячи агентов в фоне. Просто купить всем cursor/claude - это лажа, надо перепроектировать команду и контур работы. https://youtu.be/SlGRN8jh2RI?si=WmNgCKOTNINhFAes

Прикольно, Anthropic подняли лимиты и забрали весь Colossus 1 у SpaceX Заключили партнерство со SpaceX на всю свободную емкость дата-центра Colossus 1, 300МВт, 220000 GPU. SpaceX оставили себе Colossus 2 с 550000 более свежих видюх. Короче, отдали старье. И кроме того заявили об интересе к совместной разработке мультигигаваттных орбитальных AI-датацентров. И на радостях подняли всем лимиты: Claude Code – удваивают 5-часовые rate limits для Pro, Max, Team и seat-based Enterprise Claude Code – убирают снижение лимитов в часы пик для Pro и Max API – заметно поднимают rate limits для моделей Claude Opus Гуляем! https://www.anthropic.com/news/higher-limits-spacex

Google прокачал managed RAG в Gemini API – теперь не нужно самим собирать связку vector store + embedder + reranker для 80% типовых задач. Для огромного количества простых RAG для документов/баз знаний этого будет вполне достаточно. Выпустили 3 апдейта: – Мультимодальность. Под капотом новый Gemini Embedding 2, понимает картинки нативно. Можно искать по архиву визуала запросом на естественном языке: "найди изображение со спокойной утренней атмосферой" – Кастомные метаданные. К файлам прикручиваются key-value лейблы (department: Legal, status: Final). На запросе фильтр сужает корпус до нужного слайса до того, как модель что-то ищет. Обычно такое делаешь на postgresql + pgvector или векторная база. - Цитирование на уровне страниц. Было грустно раньше и надо было вручную делать, теперь ответ модели привязан к конкретной странице исходного PDF. Пользователь может ткнуть и проверить, откуда взят факт. В общем, File_search и OpenAI, и Google - отличные первые шаги для RAG-системы. Единственное, о чем стоит беспокоиться, - вендор лок-ин, переход будет не так прост, но если вы и клиенты уже внутри инфраструктуры гугла, то это самый просто и рабочий вариант https://blog.google/innovation-and-ai/technology/developers-tools/expanded-gemini-api-file-search-multimodal-rag/

Специально оставил на утро внимательно почитать и потестить. Inworld (я кажется их один из фанатов) выпустили Realtime TTS-2 – голосовую модель, заточенную под живой диалог, а не аудиокниги Уже #1 в голосовой арене на https://artificialanalysis.ai/text-to-speech/leaderboard То есть выше и OpenAI, и Gemini, и ElevenLabs, а теперь переходят в скорость и бьют по Cartesia, Minimax и быстрые традиционные озвучки. Теперь еще и на 100 языках (русский и раньше был). Пишут, что все TTS до этого учились на аудиокнигах и нарративе – модель получает текст, выдаёт звук, никогда не слыша того, кто на другой стороне. Realtime TTS-2 делает лучше – модель слышит всю аудио-историю диалога и подстраивает подачу под состояние пользователя. Выделяют 4 фишки: - Voice Direction – режиссёрские ремарки прямо в тексте в скобках. Не пресеты эмоций, не слайдеры, а свободный prompt в стиле LLM. Например: [speak tired but warm, like she just got home] – и модель меняет подачу. Длинные описательные промпты работают лучше коротких лейблов. - Conversational Awareness – модель получает на вход не транскрипт, а реальное аудио предыдущих реплик. Одна и та же фраза после шутки и после плохой новости звучит по-разному, потому что модель слышала предыдущую реплику. - Crosslingual – одна идентичность голоса в 100+ языках, включая переключение языка в середине фразы внутри одной генерации. Тембр, высота, характер сохраняются. Никаких флагов языка, никакой библиотеки голосов под каждый язык. - Advanced Voice Design – генерация нового голоса из текстового описания. Прозой описал персонажа, сохранил как голос, дальше используешь как любой другой. Без референсного аудио. Заявляют <200мс до первого аудио (то есть на уровне топов), совместимость с OpenAI Realtime API, клонирование голоса по 15 секундам, 3 режима (для персонажей, сбалансированный и для озвучки). Стоимость - 3.5с за минуту, дешевле практически всего аналогичного качества (Google стоит 3.7, Cartesia 3.9, ElevenLabs 10). Больше информации и демки: https://inworld.ai/blog/realtime-tts-2 Вот здесь можно лайкнуть на ProductHunt (сегодня у них запуск): https://www.producthunt.com/products/inworld-ai

Нда. Преподавателей йоги тоже скоро заменят.

Хах, прикольный совет: Зачем будить Клода ночью? Вот зачем. У Клода «скользящее» окно пятичасовых лимитов. То есть если вы встаёте и начинаете работать (шлёте первый за день запрос), например, в 7 утра, то 5-часовая квота считается до 12 часов. Не знаю, как вы, но я свою квоту вырабатываю за 1.5–2 часа, и что делать дальше? Вот что: 1. Идём в интернетный Claude Code → Routines 2. Ставим рутину, которая ежедневно в 4 утра делает что-то маленькое (с какой-то дешёвой моделью). Как результат: когда вы начинаете работать в 7 утра, ваша квота обновится через два часа, а не через пять. Аналогично, можно поставить "пиналки" в течение дня таким образом, чтобы в ваши самые активные рабочие часы у вас квота обновлялась в нужные моменты. Хочешь клодить – умей вертеться! https://www.linkedin.com/posts/vovahimself_%D0%B7%D0%B0%D1%87%D0%B5%D0%BC-%D0%B1%D1%83%D0%B4%D0%B8%D1%82%D1%8C-%D0%BA%D0%BB%D0%BE%D0%B4%D0%B0-%D0%BD%D0%BE%D1%87%D1%8C%D1%8E-%D0%B2%D0%BE%D1%82-%D0%B7%D0%B0%D1%87%D0%B5%D0%BC-%D1%83-%D0%BA%D0%BB%D0%BE%D0%B4%D0%B0-activity-7455285885148966912-Nl-e

Хм... Вот смотришь на миллионы AI-каналов, а чаще всего новое, что узнаешь, - только то, что кто-то выпустил новую модельку. Реального использования очень мало. В итоге совершенно случайно в блогах OpenAI за апрель находишь золото. Например, новый оркестратор от OpenAI - Symphony. Давно думал переходить на что-то типа канбана для AI и видел, что экс-команда Wrike делала подобное в ZenFlow, но увидеть примеры от ведущей лаборатории - это сильно. Решали абсолютно ту же проблему, что сейчас стоит у всех, кто использует ИИ для генерации кода в промышленных масштабах. Вот есть Codex – AI-агент, который пишет код. Но даже с ним инженеры упираются в потолок: один человек может одновременно вести 3–5 сессий с агентом, дальше начинается ад переключения. Агенты быстрые, но человек, который их направляет – узкое место. Получилось как с командой джуниоров: вроде бы их много и они способные, но тимлид в мыле, потому что каждому надо объяснить и проверить. Что придумали и протестировали: перестали управлять агентами напрямую. Вместо этого подключили агентов к таск-трекеру (Linear – аналог Jira). Логика такая: - Открыл задачу в трекере → автоматически запускается агент, который её делает - Агент работает в своей папке, видит код, может открывать pull request, отвечать на ревью - Если упал – перезапускается. Если завис – система его перезапускает - Если нашёл по дороге другой баг – заводит новый тикет, который тоже подхватит другой агент То есть таск-трекер стал пультом управления для AI. Завёл задачу – забыл, через какое-то время приходишь смотреть результат. Что в итоге изменилось: - Замёрженных PR стало в 5 раз больше - Один инженер сделал три серьёзные правки прямо с телефона из домика с плохим вайфаем – просто заводя задачи в Linear - Продакт-менеджеры и дизайнеры теперь сами кидают фичи в систему, минуя инженеров. Получают обратно видео с работающей фичей - Стало дёшево пробовать идеи – завёл десять тикетов «попробуй так», плохое выкинул Пишут, что было и еще два важных момента: 1) процесс команды должен быть записан текстом. Раньше передавалось устно: «заведи ветку, поставь статус In Progress, открой PR, дождись CI, перенеси в Review». Теперь это явный файл WORKFLOW.md в репозитории. Полезно даже если агентов нет – новички понимают как работать. 2) единица работы это задача, а не сессия с AI. Не «открой чат и попроси AI написать код», а «опиши задачу в трекере». Это снижает порог входа для неинженеров. И можно на фоне сделать все нужные проверки и обвязки. Короче, нормальное описание задач все еще рулит, но теперь можно не инженеров на таски направлять, а AI. Как сделать своё. Тут прикол. Они выложили по сути набор промптов, а не код :) Текстовый файл SPEC.md с описанием как должна работать система. Кажется, это будущее разработки ПО - набор инструкций для ваших ИИ агентов, типа инструкция от ИКЕА :) Завтра вот как раз обсудим с командой, пользуемся Linear тоже. https://openai.com/index/open-source-codex-orchestration-symphony/

Мне нравятся всякие сериалы про скорую помощь, но кажется скоро там будет сплошной ИИ. Прочитал про Гарвардское исследование, опубликованное в Science. Доказали, что LLM-системы точнее людей ставят диагнозы в условиях экстренной медицины – тех самых первых минут в приёмном покое, когда от решения зависит жизнь. Авторы пишут, что языковые модели "превзошли большинство бенчмарков клинического мышления". Причем это была не какая-нибудь супер-свежая модель, а просто o1 годовой давности! Тестировали на 76 пациентов реального бостонского госпиталя, дали одинаковые электронные карты для ИИ и пар врачей: жизненные показатели, демография, пара фраз от медсестры о причине обращения. ИИ дал точный или близкий диагноз в 67% случаев, врачи – в 50–55%. При большем объёме данных точность o1 от OpenAI выросла до 82%, у врачей – 70–79% (разница уже статистически незначима). Плюс на пяти клинических кейсах с долгосрочными планами лечения (схемы антибиотиков, паллиативная помощь) ИИ против 46 врачей: 89% против 34%, причём врачи могли пользоваться поисковиками. Авторы пишут, что конечно медиков не заменят, но называют LLM одной из самых влиятельных технологий за десятилетия. Плюс это все тестировали не в стрессовых условиях, а у ИИ-нет нет когнитивной усталости и желания строчки анализов пропускать. То есть уже год назад можно было спасать на несколько жизней больше в день, чем сейчас. Самый большой затык тут в определении ответственности и страховых компаниях. Возможно скоро у вас будет прям форма "вы согласны дать ИИ возможность поставить вам диагноз"? И кажется данные говорят, что надо соглашаться. https://www.theguardian.com/technology/2026/apr/30/ai-outperforms-doctors-in-harvard-trial-of-emergency-triage-diagnoses

О, продолжение и улучшение супер-выгодной подписки от Lenny! Добавили еще продуктов (правда и цена поднялась до 400 баксов в год с 350), но это все равно супер-супер выгодно и лучшее наверное на рынке предложение, особенно после ухудшения Github for Students. Выгода примерно 5-10х от затрат. Что добавили: Cursor Pro – AI-кодинг в IDE, тот самый. $240 (1 год Pro). Supabase Pro – база данных, авторизация, storage, edge functions, realtime, vector search в одном пакете. $300 (1 год Pro). Google AI Pro – Gemini, Flow, NotebookLM плюс AI прямо в Gmail, Docs и остальных гугловых приложениях. Бонусом 5 ТБ облака. $240 (1 год). Вау! Жалко, что все только для новых аккаунтов, но можно взять запасной чисто из-за гугла. Notion Business – AI-воркспейс для команд с возможностью собирать агентов под свои процессы. $240 (1 год). Gumloop Pro – платформа для сборки AI-агентов без кода. Описываете задачу – агент собирается сам. $444 (1 год). Fin AI Agent + Intercom Advanced – AI-агент для customer support. 5 мест и $100/мес кредитов на AI-outcomes. $7,140 (1 год). Подписка и так окупалась одним-двумя промокодами, теперь – тем более. https://www.lennysproductpass.com/ P.S. И кстати были вопросы, чем я пользуюсь из прошлого набора. Это ElevenLabs, Gamma, Granola, Wispr Flow, Canva, Manus, Perplexity, Replit, Lovable В этом наборе суперполезно Supabase, Google AI Pro, возможно буду пользоваться Notion Business и Intercom