НИИ ИИ

@ai_rostov · ai · Russian · active

НИИ ИИ Сергея Пименова. Я смотрю на мировые тренды в ИИ из Ростова. Про то, как ИИ реально меняет людей, города и профессии — сегодня, а не «к 2035 году» Закрытый чат ПЕРЕЗАГРУЗКА https://t.me/reload_pimenov_ai_bot?start

Subscribers 4.4K Subscribers, last 30 days: 4.3K → 4.4K +40 24h
Reach per post (ERR) 23.0%1K avg views
Posting 10.6/day last 3 hours ago
Reactions per 1K views 3.1 ⭐
  1. Прямая трансляция OpenAI DevDay [2026] начнётся в 20:00 по московскому времени здесь: https://openai.com/ru-RU/live/ Некоммерческая организация OpenAI Foundation теперь входит в число самых обеспеченных благотворительных фондов в истории — её капитал оценивается примерно в 130 млрд долларов США. Она продолжает контролировать коммерческую организацию OpenAI, которая теперь является общественно-полезной корпорацией. pimenov.ai

  2. 🎧 Аудиоверсия pimenov.ai, 14 мин Лимиты ChatGPT Pro закончились: как я подключил в Codex DeepSeek, Kimi и GLM за $10 в месяц Лимиты ChatGPT Pro закончились. Как я подключил в Codex DeepSeek, Kimi и GLM через Codex Router и OpenCode Go за $10 в месяц вместо второй подписки. Слушать и читать на сайте: https://pimenov.ai/articles/limity-chatgpt-pro-deepseek-kimi-glm-v-codex/

  3. edited

    Pro за $200: подписка возвращается — условия ужесточаются Тибо сделал очередной анонс в преддверии Dev Day. Как я и предполагал ранее, условия использования подписки ужесточаются. 30 сентября OpenAI снова открывает Pro за $200 для новых подписчиков и меняет расчёт расхода лимита. В пересчёте на стоимость тех же запросов через API подписка будет давать вдвое меньше прежнего объёма. При этом пятичасовой лимит обещают не возвращать: недельную квоту можно расходовать тогда, когда вам удобно. Объяснение Тибо такое: модели становятся эффективнее, цены API снижаются, поэтому даже с новой квотой пользователь, по его словам, сможет сделать больше, чем на Pro месяц назад, и получить более качественный результат. В пример он приводит GPT-6 Sol и Luna со снижением цен примерно вдвое. Направление обозначено прямо: со временем разница между подпиской и оплатой по мере использования должна сократиться настолько, что большинству станет разумно платить за фактический расход. На Dev Day также обещаны новые возможности в подписке, которые не будут расходовать квоту. Какие именно, Тибо пока не раскрывает. Об изменении лимитов он решил предупредить заранее, до остальных анонсов. Мой прежний прогноз подтверждается: условия становятся жёстче. OpenAI обещает компенсировать это эффективностью моделей и новыми функциями. Насколько компенсация сработает в реальных задачах, ещё предстоит увидеть. pimenov.ai/blog

  4. Недавно писал о Vitals за $5 — небольшом приложении, которое помогает понять, что происходит с вашим Mac. А вот ещё один вариант: Stats, бесплатный монитор с открытым исходным кодом. Живёт в строке меню и показывает загрузку процессора и графики, использование памяти, активность дисков, скорость сети, температуры и состояние батареи. Можно выбрать нужные показатели и настроить их отображение. Работает на Intel и Apple Silicon, начиная с macOS 12. Но особенно интересна возможность смотреть статистику другого компьютера удалённо. На нём нужно установить Stats, включить модуль Remote и связать приложение с аккаунтом System Stats. После этого показатели доступны через веб-панель с другого устройства. Например, Mac mini занят рендером или локальной моделью, а вы с ноутбука проверяете, насколько загружен процессор и хватает ли памяти. Сам Stats бесплатный. У System Stats бесплатно доступны до пяти компьютеров и история за 14 дней; уведомления и более подробная история входят в платные тарифы. Для удалённого режима метрики передаются в сервис. Полезная находка, если хочется держать состояние Mac перед глазами. А когда компьютеров несколько, удалённый мониторинг делает её ещё интереснее. pimenov.ai/blog

  5. Навык /validate-idea Сахила Лавингии помогает проверить бизнес-идею до разработки Я недавно писал про основателя Gumroad, который превратил идеи своей книги в навыки для ИИ. Хочу отдельно показать один из них. Представьте: вы рассказали ИИ идею сервиса. Он описал аудиторию и составил план запуска. Всё выглядит убедительно, хочется скорее начинать. Только потенциальные клиенты в этом разговоре пока не участвовали. Навык /validate-idea задаёт ИИ порядок разбора вашей идеи. Начать он предлагает с вопросов: - У кого конкретно есть эта проблема? - Как эти люди решают её сейчас? - Насколько сильно она им мешает? - Готовы ли они платить за решение? Допустим, вы хотите сделать сервис, который превращает записи встреч в список задач. Уже представляете личный кабинет, интеграцию с календарём, автоматические напоминания. Но сначала полезно поговорить с людьми, которые проводят такие встречи. Выяснить, кто фиксирует договорённости и что происходит, если задачу забыли. Возможно, существующий способ их вполне устраивает. А возможно, кто-то каждую пятницу тратит на это несколько часов. Навык помогает найти пробелы в ваших предположениях и подготовить проверку. По итогам разбора ИИ должен оценить, достаточно ли оснований двигаться дальше, какие сведения ещё нужны или что стоит пересмотреть в самой идее. При этом даже вердикт «идея подтверждена» стоит разобрать: на какие факты он опирается? Обещание заплатить и полученная оплата дают разные основания для решения. Полезный результат такого разговора с ИИ — понимание, что именно нужно выяснить у будущих клиентов, прежде чем увлечься разработкой. pimenov.ai/blog

  6. Eleven v4: голос с эмоциями и быстрые разговорные агенты ElevenLabs выпустила Eleven v4 и Eleven v4 Turbo. Для меня это абсолютный лидер во всём, что связано с генерацией голосов. Очень качественно, дорого — и этот анонс хорошо показывает, за что здесь платят. Главное в новой версии: голосом можно управлять как исполнением. Описать словами, как произнести реплику, задать эмоцию, темп или акцент. Добавить смех, шёпот и звуковые эффекты. По данным компании, модель лучше понимает контекст и удерживает характер голоса: это важно для длинной озвучки, аудиокниг и диалогов нескольких персонажей. Обе модели поддерживают более 90 языков. Один и тот же голос можно перенести в другой язык, сохранив его узнаваемость и получив местный акцент. Для быстрого клонирования достаточно 10 секунд записи; для более точного результата есть профессиональное клонирование. Это большие возможности для дубляжа, образовательных материалов и проектов, которым нужен собственный узнаваемый голос. Eleven v4 Turbo рассчитана на разговорных агентов. Компания заявляет медианное время до начала речи около 150 мс без учёта сетевой задержки. Такая скорость вместе с управлением интонацией особенно интересна там, где агент должен поддерживать живой разговор: в поддержке, обучении или игре. Модели уже доступны в ElevenCreative, ElevenAgents и через API. В анонсе на Reddit компания также объявила стартовую скидку на две недели: $22 за миллион символов для v4 и $11 для Turbo. Это временные условия, а не постоянный тариф. Посмотрите видео со звуком. В случае голосовых моделей разницу в интонации полезнее услышать, чем прочитать о ней. Для меня главный минус остаётся прежним: для серьёзных проектов в России ElevenLabs практически недоступен. Компания прямо ограничивает доступ из России. Для личных экспериментов я ещё рассматриваю такие инструменты, но строить на них рабочий проект здесь не стал бы. Качество выдающееся; возможность надёжно использовать его в своём проекте — отдельный вопрос. pimenov.ai/blog

  7. Вышла стабильная EmDash 1.0 — open-source CMS от Cloudflare для быстрых сайтов на Astro. Очень крутой инструмент, всем рекомендую. Что это такое. Полноценная CMS, которая подключается к Astro-проекту как обычная интеграция. Админка встроена прямо в сайт, контент хранится в структурированном виде, вход по passkey без паролей. Деплой бесплатно на Cloudflare или на любом хостинге с Node.js. Дальше самое интересное — плагины. Главная боль WordPress в том, что любое расширение работает в общем процессе и добирается до всего сайта. В EmDash каждый плагин живёт в изолированной песочнице и получает только те разрешения, которые вы подтвердили при установке. С релизом 1.0 заработал официальный реестр таких плагинов, причём децентрализованный: он построен на AT Protocol, том самом протоколе Bluesky. Разработчик публикует релизы из своего аккаунта, а каталог физически не может подменить код, потому что сайт проверяет подпись и контрольную сумму перед установкой. Второе, за что её люблю, — встроенный MCP-сервер. ИИ-агент может читать и править контент через OAuth с узкими правами: например, только чтение и правка записей, без доступа к настройкам. Редкий случай, когда доступ агента нарезается по-настоящему тонко. Надёжность уже проверена: официальный блог Cloudflare работает на EmDash с августа. За одну неделю запусков он отдал около трёх миллионов просмотров и пережил DDoS-атаку в 28 000 запросов в секунду. Я обновил своё руководство по EmDash в базе знаний: что нового в 1.0, быстрый старт, переход с версий 0.x, тарифы Cloudflare и честный список ограничений. Всё по официальной документации. 👉 EmDash — open-source CMS от Cloudflare на базе Astro Если собираете сайт на Astro, как pimenov.ai, попробуйте: npm create emdash@latest — и через несколько минут у вас админка с первым контентом.

  8. 🎧 Аудиоверсия pimenov.ai, 1 мин Open WebUI — собственный интерфейс для любых языковых моделей Open WebUI — открытая self-hosted платформа для работы с любыми LLM: локальные модели и облачные API, RAG по документам, инструменты и доступ для команды. Слушать и читать на сайте: https://pimenov.ai/knowledge/open-webui-self-hosted-llm/

  9. repost

    Рад и счастлив представить pimenov.ai 2.0! 🎉 Десять дней плотной работы с Codex — и новая версия моего сайта готова. Очень хочу вам её показать. Всё началось с того, что меня достала страница статьи на собственном сайте. Хотел немного её упростить. А потом посмотрел внимательнее и понял: переделывать будем всё. За семь месяцев на сайте накопилось более 900 материалов об искусственном интеллекте: мои статьи, практические руководства, новости, инструменты, промпты. Первая версия уже стала тесной для этой библиотеки. Захотелось дать ей больше пространства и сделать так, чтобы во всём этом было удобно искать, читать и разбираться. Мы со Степаном, моим помощником в Codex, основательно за это взялись. Работали с моделью Astra. Сначала генерировали картинки будущих страниц, выбирали направление, а затем превращали их в работающий сайт. Я открывал страницы прямо во внутреннем браузере Codex, оставлял аннотации, обсуждал правки голосом, спорил, менял решения. Потом смотрел всё на телефоне — и начинался следующий круг. По моим ощущениям, проверки и оптимизация заняли больше половины работы. Главным требованием оставалась скорость: чтобы сайт быстро открывался и сразу реагировал. Что теперь можно попробовать: • Искать по полным текстам всей библиотеки. Поиск доступен из любого места сайта через ⌘K / Ctrl+K. • Слушать материалы, озвученные моей голосовой моделью, и продолжать с того места, где остановились. • Читать с удобным размером текста, оглавлением и возможностью увеличить иллюстрации. Мобильной версии досталось особенно много внимания. • Копировать промпты и открывать их в ChatGPT или Claude, чтобы сразу пробовать прочитанное на своих задачах. • Выбрать светлую, тёмную или мою любимую киберпанк-тему. Её жёлтый цвет тянется ещё с моего сайта 1998 года. И ещё много всего. Мы даже сделали отдельное руководство по сайту и вынесли его в меню — там можно познакомиться со всеми возможностями и найти то, что пригодится именно вам. Заходите на pimenov.ai. Попробуйте ввести в поиск вопрос, который сейчас вас занимает. Очень интересно, что вы найдёте среди этих 900 с лишним материалов. А всю историю пересборки — с решениями, переделками, расходом лимитов и моментами «ну теперь-то точно готово» — я рассказал в статье: 👉 900 материалов и десять дней с Codex: как я пересобрал pimenov.ai Я очень рад тому, что получилось. Приходите смотреть, пользоваться и рассказывать, что понравилось, а что ещё стоит поправить. Поздравления принимаются!

  10. Сегодня, 29 сентября, в 20:00 по Москве буду смотреть трансляцию OpenAI DevDay. И впервые жду его с тем чувством, с которым давным-давно ждал ранние выступления Стива Джобса с анонсами Apple. Не знаю, почему такое чувство. Просто хочется, чтобы было круто и интересно. Вкладка OpenAI Developers появилась прямо в Codex, там есть вся программа и смотреть можно будет прямо там. Большая часть разговора будет вокруг Codex и агентов, которым можно поручать всё более самостоятельную работу. Одна из самых любопытных сессий посвящена внутреннему агенту OpenAI, который больше тысячи часов поддерживал работоспособность сборок и тестов в большой общей кодовой базе. У него были цели, подагенты и сохраняемые планы, с помощью которых он разбирался в сбоях и координировал исправления. В программе также упоминаются создание плагинов, агентов и приложений прямо внутри Codex, игровая студия Codex Game Studio и выступление создателя OpenClaw Питера Штайнбергера о работе агентов в командах открытых проектов. Отдельная сессия посвящена переходу от простых агентных циклов к нескольким взаимодействующим агентам. По этому предварительному списку вырисовывается вполне конкретное направление: Codex получает больше возможностей вести длительную работу и участвовать в жизни команды. Видно, что OpenAI решили сместить акцент с гонки за мощностью моделей на создание целой среды для пользователей. Среды с инструментами, в которой можно делать практически всё, что задумал: собирать приложения, создавать игры, запускать агентов и объединять их в рабочие процессы. Именно эту концепцию они сейчас и продвигают. И мне очень интересно, насколько далеко они с ней продвинулись. Очень хочется снова испытать это ощущение после презентации: увидел что-то новое — и сразу захотел попробовать. Посмотрим, что получится. pimenov.ai/blog

  11. repost

    Jev не нужен! NVIDIA с учёными из университета, который с прошлого года запрещено упоминать, выпустила свой аналог Jev 📋 NVIDIA выпустила CLM-8B, первый открытый представитель класса контрастных языковых моделей. Модель, как и Jev, не пишет ответ по токенам: она превращает текущее состояние и каждый возможный вариант действия в векторы и выбирает самый близкий. Веса под лицензией Apache 2.0. ⚙️ Как устроено. В основе замороженный Qwen3-8B, поверх которого обучены две проекции примерно по 20 млн параметров, одна для состояний, другая для действий. Учили в три этапа: 60 млн пар вопрос-ответ Nemotron, 30 млн правдоподобных неверных вариантов, 1 млн траекторий реальных агентов. В работе модель считает близость состояния и действий и превращает её в вероятности. 📊 Скорость. В игре T-Rex решение занимает всего 16,5 мс против 149,8 мс у закрытой модели Jev, почти в 9 раз быстрее. В Super Mario 33,5 мс против 132,6 мс. Векторы действий считаются заранее и лежат в памяти: при смене состояния они не меняются. На одной RTX 4090 повторный заход в ту же ситуацию падает с 1,7 мс до 0,6 мс, а при тысяче вариантов действий модель обгоняет Jev в 13 раз. ⚖️ Ограничение. Новых действий модель придумать не может, она выбирает только из готового набора. Схема получается такая: языковая модель порождает варианты, CLM быстро выбирает, агент выполняет. По точности выигрыш не везде: в вызове инструментов CLM набирает 95,2% против 99,2% у Jev, в WikiRacing решает 26 задач из 30 против 30 из 30. Быстрее при этом везде. 💼 Зачем бизнесу. Обучаемой части всего около 40 млн параметров, весит она 75 МБ и работает на одной видеокарте. Для агентов, которые много раз выбирают из одного набора действий, это ускоряет работу без переобучения основной модели. 📎 Ссылки: • Блог проекта • Веса на Hugging Face • Код на GitHub Очень похоже на RSI эксперимент, который мы делали с Гермесом на той неделе, только у меня было 4 разных области задач, - змейка, тетрис, текст и картинки, а тут заточка под 1 задачу, что ещё проще. потому и скорость выше в 10 раз. #LLM #агенты #Jev #CLM #NVidia ——— @tsingular

  12. Anthropic выпустила Claude Sonnet 5.5 — вторую модель семейства 5.5 после Opus. По данным компании, она генерирует ответы более чем на 30% быстрее Sonnet 5, а выполнение большинства задач обходится до 30% дешевле. Цена токенов при этом не изменилась: $2 за миллион входных и $10 за миллион выходных. Экономия получается за счёт того, что новая модель тратит меньше токенов на ту же работу. Для агентных сценариев, где один запрос запускает длинную последовательность действий, это существенная разница. Sonnet 5.5 рассчитан на повседневные задачи с понятными границами: исправить ошибку, доработать интерфейс, подготовить документ, презентацию или таблицу. Opus 5.5 Anthropic оставляет для сложной работы, где нужно долго удерживать контекст и принимать неоднозначные решения. По отдельным тестам модели уже близки. В оценке профессиональных задач GDPval-AA у Sonnet 5.5 — 1844 балла, у Opus 5.5 — 1846. В CursorBench, который проверяет работу с кодом на задачах из реальных сессий Cursor, результаты составили 55,5% и 57,8% соответственно. Следующей в семействе станет Haiku 5.5. Её обещают в ближайшие недели для массовых сценариев, чувствительных к стоимости. pimenov.ai/blog

  13. repost

    Воскресенье, а лучше прямо сейчас — лучший день на неделе для профилактики и заботы о своём замечательном агенте. Снимаете с себя все головняки (не берёте новые задачи, несмотря на стынущие свободные токены), заходите в какую-нибудь папку, типа ~/Projects или ~/Projects/maintenance, запускаете агента и весь ресурс вваливаете в то, чтобы он... а дальше на выбор, чем пользуетесь чаще всего, или что больше всего кортизола вызывает. Вот что можно сделать: - Изучить чейнджлоги, все новые функции какого-нибудь инструмента, сделать апдейт, если ещё не. Исследовать, как сейчас пользование этим инструментом описано в глобальных правилах и ранбуках, провести аудит, обновить документацию по использованию этого инструмента, чтобы агент работал с ним эффективнее и полнее. - Проанализировать последние свои сессии за неделю, дать инсайты с точки зрения мест для повышения эффективности или даже захвата большего количества дофамина от работы. Можно попросить найти места, которые вас на этой неделе больше всего раздражали, проанализировать промпты, и собрать релевантную панель для того, чтобы снизить уровень негатива — одновременно и в инструменте перебрать какие-то инструкции, и для вас написать советы с примерами, и в принципе добавить выдачу большего количества отчётов о маленьких достижениях внутри сессий. - Попросить дать топ-5 конкретных достижений, открытий, результатов недели, прямо максимально мотивирующих, позитивных, созидательных, которые вы могли упустить во время зомбикодинга. И так далее. Будьте креативны, отвлекитесь от шаблонов и рутины, это ж знания всего мира в ваших руках. Работа может быть в удовольствие, на этом и сосредоточьтесь :) Например, сегодня я перебрал ранбук по дизайну — по работе клода с pen.dev. Он стал короче вдвое, клод проверил сам себя, порисовал, потестил, и уже делает новую мелкую задачу. Просто чтобы мне было наглядно понятно, как это всё стало быстрее, выше, сильнее. До этого я анализировал с fable 5.1 max effort просто свой глобальный CLAUDE.md на предмет противоречий или неактуальных инструкций. Периодически прошу проверить обновления консольного системного софта, пакетов. Тут не всё так однозначно, но если попросить подсказки по совместимости и анализ актуальных проектов, то всё становится гораздо предсказуемее. В общем, профилактика от замусоривания рабочего пространства и регулярная уборка — приятный и полезный процесс, ещё и переключающий мышление чуть в сторону от рутины, если она вдруг стала становиться вязкой и тягучей.

  14. 🎧 Аудиоверсия pimenov.ai, 1 мин Как поднять свою LLM и подключить к Codex Как поднять локальную LLM через Ollama и Open WebUI и подключить её к Codex CLI: рабочий контур для приватной работы с моделями без утечки данных. Слушать и читать на сайте: https://pimenov.ai/knowledge/lokalnaya-llm-ollama-open-webui-codex/

  15. Что взять из архитектуры Palantir для своих ИИ-агентов В статье «Организация как онтология» я разбирал, зачем людям и ИИ-агентам общий язык компании. Агенту нужно понимать, что считается клиентом, как заказ связан с оплатой и кто имеет право изменить его статус. В архитектуре Palantir AIP видно, как такой подход становится основой рабочей системы. Из неё можно взять несколько принципов для собственных агентов. 1. Начните с онтологии Опишите объекты, с которыми работает агент, их связи и допустимые действия. Например: клиент оформляет заказ, заказ связан с оплатой, возврат относится к конкретному платежу. Затем дайте агенту инструменты с понятным назначением: проверить оплату, изменить статус заказа, подготовить возврат. Каждый инструмент должен проверять условия выполнения и права доступа. Так общий язык компании становится частью исполняемой логики. 2. Соберите обращения к моделям в одном месте Общий слой подключения позволяет учитывать расходы, задавать лимиты и обрабатывать ошибки. Здесь же можно проверять, какие данные допустимо передавать внешнему провайдеру. В небольшом проекте начать можно с общей функции обращения к модели, через которую проходят все агенты. 3. Предусмотрите смену модели Отделите выбор модели от бизнес-логики. Тогда для проверки другой модели не придётся переписывать весь процесс. Само переключение стоит сопровождать проверкой на ваших задачах: одинаковый интерфейс ещё не означает одинаковое поведение. 4. Определите, когда агент начинает работу По расписанию, при событии или по внешнему запросу. Например, проверка просроченных заказов запускается каждое утро, а обработка нового заказа — после его появления. Правила работы с заказом должны оставаться общими для всех способов запуска. 5. Проверяйте изменения на реальных сценариях Соберите небольшой набор примеров с ожидаемым результатом. Что делать, если оплата не найдена? Если заказ уже отменён? Если у пользователя нет права на возврат? Прогоняйте эти сценарии после изменения инструкций, инструментов или модели. Ошибки из реальной работы добавляйте в набор проверок. 6. Сохраняйте историю действий Должно быть понятно, кто запустил агента, какие инструменты тот вызвал, что изменил и чем закончилась задача. Это позволяет разобрать конкретную ошибку и проверить результат. Начать можно с одного процесса. Опишите его объекты и состояния, подключите ограниченный набор действий, добавьте проверки и журнал. Онтология станет полезной в тот момент, когда начнёт определять, что агент действительно может сделать. pimenov.ai/blog

  16. repost

    Я исследовал зависимость от вайбкодинга. Потому что в работе с Codex узнал ощущения, которые мне уже знакомы. У меня есть собственный опыт зависимости. Когда ИИ позволяет самостоятельно сделать то, для чего раньше нужна была команда, это очень сильное переживание. Мне стало интересно: что именно нас так увлекает и почему иногда настолько трудно остановиться? Я собрал научные исследования и разобрал эту тему через собственный опыт. Получилась большая авторская статья — Вайбкодинг и зависимость: ловушка “я же работаю”. Главный вопрос для меня — как заметить потерю контроля в занятии, которое действительно приносит пользу? Ты создаёшь проекты, получаешь результаты, можешь зарабатывать больше. И у тебя всегда есть убедительное объяснение, почему нужно продолжать. В статье разбираю, как связаны ожидание результата, удовольствие и желание сделать ещё одну попытку. Почему лимиты и подписки становятся частью рабочего ритма. Как возможность делать больше превращается в постоянное увеличение нагрузки. И почему заработок сам по себе ничего не говорит о цене, которую ты платишь сном и отдыхом. Арсений Камышев подробно рассказал о своём опыте: четырёх подписках, выросших доходах, трудностях с остановкой и правилах, которые помогают защищать отдых. Психиатр-нарколог Тимур Мамедов прокомментировал границу между увлечённостью и потерей контроля, покупки ради успокоения и признаки, на которые стоит обратить внимание. Научные работы связал с конкретными ситуациями из нашей жизни. В конце добавил самопроверку и готовый промпт для Codex: он поможет разобрать доступную историю ваших задач, задаст вопросы и сопоставит пользу работы с её последствиями. Мне хотелось разобраться в вопросе, который легко пропустить именно потому, что всё выглядит продуктивно: я сейчас выбираю продолжать — или уже не могу закончить? 👉 Вайбкодинг и зависимость: ловушка «я же работаю»

  17. Stackfull: посмотрите, из чего собран знакомый сервис Stackfull помогает посмотреть, какие технологии стоят за знакомыми продуктами. Вводите название компании или её домен — и сервис собирает набор инструментов: от фреймворков и хостинга до аналитики, платежей и мониторинга ошибок. Подача у него забавная: внизу страницы лежит россыпь логотипов, а после поиска нужные инструменты поднимаются из этой кучи. У каждого есть короткое описание и ссылка на сайт. Можно сразу разобраться, что это за штука и зачем она нужна. Среди готовых примеров — Linear, Vercel, Notion, Cursor, Supabase и Stripe. Для Supabase сервис, например, показывает Next.js, React, Tailwind CSS, PostHog и Sentry. Удобная отправная точка, если вы собираете свой продукт и хотите понять, какие решения используют другие команды. Например, можно выбрать несколько похожих на ваш проект сервисов и посмотреть, что повторяется: где размещают сайт, чем принимают платежи, как собирают аналитику и отслеживают ошибки. Получится список инструментов, которые стоит изучить перед выбором собственного стека. Данные здесь разного происхождения: часть технологий определяется по сайту, часть взята из опубликованных списков поставщиков или добавлена в каталог. Поэтому результат полезнее читать как набор ориентиров для исследования. Устройство внутренних систем по одному домену целиком не восстановить. Практичный способ использовать Stackfull — найти незнакомый инструмент у знакомого продукта, открыть его сайт и понять, какую вашу задачу он может решить. Особенно когда собираете что-то с ИИ и хотите осознанно выбирать, на чём это будет работать. pimenov.ai/blog

  18. Решил сделать на pimenov.ai серию материалов про Hugging Face. Начал с обзора для новичков: что это за платформа, зачем она нужна и как ею пользоваться. Если вы работаете или планируете работать с локальными моделями, рекомендую разобраться с Hugging Face. Скорее всего, вы уже встречали ссылки на него, когда искали, откуда скачать очередную модель. Но скачиванием файлов его возможности далеко не ограничиваются. Здесь разработчики и исследователи публикуют модели, наборы данных и готовые приложения. Можно найти инструмент для распознавания речи, генерации изображений или работы с текстом, прочитать описание и ограничения, а иногда сразу попробовать его в браузере. Главная ценность Hugging Face — в том, что вокруг моделей собрана целая среда. Рядом с файлами можно найти примеры использования, обсуждения и другие версии той же разработки. Это помогает понять, что перед вами и подходит ли оно для вашей задачи. Для локального запуска это особенно полезно. Недостаточно увидеть название модели и нажать «скачать»: нужно разобраться, кто сделал сборку, с какой программой она совместима, сколько памяти потребуется и какие условия у лицензии. В первом материале объяснил основные разделы платформы, показал, что читать в карточке модели и с какого небольшого эксперимента начать. Для знакомства достаточно браузера — мощная видеокарта пока не нужна. Дальше планирую отдельные практические материалы: про готовые приложения в Spaces, выбор моделей, запуск на своём компьютере, работу с данными и подключение по API. Начните с первого обзора. Он поможет увереннее ориентироваться в том, что вы скачиваете и собираетесь запускать. 👉 Hugging Face для новичков: что это и как пользоваться

  19. Older posts