🎧 Аудиоверсия pimenov.ai, 13 мин Как настроить Mac mini без монитора для ИИ-агентов Подробное руководство по headless-настройке Mac mini: ИИ-агенты, FileVault, автоматический вход, удалённый доступ, SSH и Tailscale. Слушать и читать на сайте: https://pimenov.ai/articles/mac-mini-bez-monitora-dlya-ii-agentov/
НИИ ИИ
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
-
-
repost
Qwen3.8 на моём Mac mini получила простейший вопрос, 196 784 входных токена и 586 инструментов. После этого она десять минут писала «Думаю» и так и не перешла к ответу. Я продолжаю описывать свой рабочий процесс и на этот раз рассказываю об эксперименте, в котором ошибся в главном архитектурном решении. С локальными моделями я новичок. Поэтому увидел Qwen3.8 27B с большим контекстом, установил её на Mac mini M4 Pro с 48 ГБ памяти и решил подключить почти к полноценной среде Codex: с историей, системными инструкциями и огромным каталогом инструментов. Короткий проверочный запрос работал, поэтому сначала казалось, что установка прошла успешно. Реальная задача показала другую картину. Один запуск успел обработать 55 296 токенов примерно за девять с половиной минут, после чего Ollama отменил запрос. Увеличение времени ожидания просто заставило нас дольше ждать тот же результат. Журналы показали, что локальная модель получила не задачу, а почти весь рабочий стол Codex. Она тратила всё время на обработку служебного пакета и не успевала начать ответ. Тогда мы выделили Qwen отдельную узкую роль. Подняли изолированный MLX-процесс, убрали инструменты и историю, ограничили размер входа и стали передавать только компактный пакет проверенных фактов. После этого модель начала работать. А первым содержательным заданием для нового контура стало написание технического черновика статьи о том, как мы его строили и почему первая схема провалилась. В статье показываю реальные цифры из журналов, устройство Ollama- и MLX-контуров, безопасную схему с локальным сервером и SSH-туннелем, ограничения по памяти и главный практический вывод: локальной модели не обязательно отдавать весь Codex, чтобы она приносила пользу. Ошибки у меня ещё наверняка будут. Но теперь каждая такая ошибка превращается в измерение, рабочее ограничение и следующий шаг. 👉 Qwen3.8 на Mac mini M4 Pro: сначала всё сломалось, потом он написал эту статью
-
repost Увидел тут полную карту мозга мухи (FlyWire – там размечены все 139 тысяч нейронов дрозофилы) и не удержался – сделал 3D-муху, которая живёт на рабочем столе мака Внутри настоящая карта нейронов дрозофилы (FlyWire), так что от курсора она улетает не по скрипту, а когда у неё реально загорается нейрон побега – тот же, что у живой мухи Ещё есть окошко с её мозгом: кликаешь по зоне нейронов – муха чешется, пятится или паникует Днём у неё сиеста, ночью она спит, а на горячем маке бегает быстрее (я не шучу, у нее какие-то евенты из MacOS прокинуты в симуляцию мозга 😋) Исходный код тут: https://github.com/DenisSergeevitch/desktop-fly Получается, вечная электронная 2D жизнь в симуляции P.S. Раздражает правда как живая, рекомендую
-
🎧 Аудиоверсия pimenov.ai, 1 мин Immich — self-hosted фото-библиотека вместо Google Photos Immich — self-hosted фото-библиотека вместо Google Photos: установка в Docker, распознавание лиц, CLIP-поиск, мобильный бэкап. Слушать и читать на сайте: https://pimenov.ai/knowledge/immich/
-
Cursor запустил Origin — собственную платформу для хранения Git-репозиториев и совместной работы с кодом. Пока это ранняя бета для платных тарифов, но направление уже видно: компания хочет контролировать не только редактор и агентов, но и место, где живёт код. GitHub стал центром разработки в эпоху, когда основные изменения в код вносили люди. Cursor пытается занять это место теперь, когда всё больше работы выполняют агенты. В Origin можно создать собственный репозиторий или подключить зеркало GitHub. Во втором случае GitHub остаётся источником правды: синхронизируются история, ветки, теги и запросы на слияние, а Issues, Actions и секреты не переносятся. Репозиторий можно отсоединить от GitHub, после чего главным хранилищем становится Origin. Самая интересная часть здесь связана с облачными агентами Cursor. Они могут создавать репозитории, клонировать код, делать ветки, коммиты и запросы на слияние. Рядом работает Builds: Cursor заранее готовит снимок среды, чтобы агент начинал с последней успешной сборки, а не каждый раз заново клонировал проект и устанавливал зависимости. Компания заявляет десятикратное ускорение запуска среды и трёхкратное сокращение времени до начала ответа агента, но это цифры Cursor, а не независимые замеры. Получается цельный контур: код хранится в Origin, готовая среда лежит рядом, агент приступает к задаче почти сразу. Для команды, которая уже работает в Cursor, это действительно может убрать заметную часть ежедневного трения. Цена удобства тоже понятна. Код, история изменений и рабочие среды агентов постепенно собираются у одного поставщика. В обсуждениях запуска люди сразу спрашивают, что произойдёт с репозиториями после отмены подписки, когда появятся бесплатный и публичный режимы и насколько спокойно можно будет выйти обратно. В документации пока нет полных ответов. Поэтому я не называю Origin убийцей GitHub. Сейчас зеркало всё ещё зависит от GitHub, а часть привычной инфраструктуры вообще не синхронизируется. Но Cursor уже строит альтернативный центр разработки, спроектированный вокруг агентов. Cursor не обязательно побеждать GitHub целиком: достаточно сделать так, чтобы новый проект было проще начать внутри Cursor, чем вынести наружу. Так платформы и захватывают рабочий процесс. Сначала предлагают удобный редактор, затем агента, готовую среду и собственный репозиторий. В какой-то момент оказывается, что команда уже переехала, хотя отдельного решения о переезде никто не принимал. pimenov.ai/blog
-
MiniMax Music 3 умеет вести песню от сдержанного куплета к большому финальному припеву — если дать модели не набор красивых эпитетов, а понятный сценарий развития. Я сделал подробное руководство о том, как это делать. Обычный музыкальный промпт выглядит примерно так: «атмосферный синт-поп с женским вокалом, гитарой и хорошими ударными». Жанр понятен, настроение тоже, но что должно происходить внутри песни — неизвестно. Каким будет куплет? За счёт чего раскроется припев? Когда появится бас? Как изменится вокал в бридже? Что останется в финале? В MiniMax Music 3 для этого разделены два входа. Lyrics содержит слова и секции песни: куплеты, припевы, бридж и финал. Structured Caption — структурированное описание музыки: жанра, вокала, инструментов, динамики и развития аранжировки. В новом руководстве я разобрал, как: — сформулировать музыкальную задачу обычным языком; — отделить текст песни от продюсерского задания; — описать голос как развивающуюся вокальную партию; — расположить инструменты на временной шкале; — связать части песни общей драматургией; — найти противоречия в промпте до генерации. Это не волшебная формула идеального трека, а понятный способ управлять результатом и осмысленно сравнивать версии. Отдельно честно зафиксировал состояние нашего эксперимента. Миша Иванов из моей команды сейчас работает с MiniMax Music 3, но приемлемого русского вокала без дополнительной настройки через LoRA мы пока не получили. Позже сделаем отдельный материал с реальными результатами. А пока — подробное руководство по управлению развитием песни в MiniMax Music 3: 👉 Как управлять развитием песни в MiniMax Music 3 с помощью структурированного описания
-
Нашёл в X прекрасный пост Габриэля Чуа — инженера OpenAI по работе с разработчиками, который занимается Codex. Там есть очень точное наблюдение. Люди подходят к Codex и спрашивают: «А он умеет вот это?» А потом несколько минут объясняют, чего хотят добиться, что уже пробовали, где застряли и как должен выглядеть хороший результат. И в этот момент становится понятно: они уже произнесли весь промпт. Не нужно часами смотреть на пустой экран и искать идеальную формулировку. С современными моделями обычно не требуется знать какой-то секретный язык. Но ясность по-прежнему важна: цель, контекст, ограничения и критерии хорошего результата. Особенно понравилась мысль о том, что с Codex можно разговаривать как с коллегой. Говорить сбивчиво, менять решение по ходу дела, задавать нелепые вопросы, просить найти слепые зоны и объяснить, почему результат оказался не таким. Это не лишний шум. В таких уточнениях часто и находится настоящая задача. Я перевёл этот пост на русский и получился материал о том, как перестать ждать идеального промпта и наконец начать работать с идеей. 👉 Вы спрашивали Codex?
-
🎧 Аудиоверсия pimenov.ai, 1 мин LM Studio — локальный запуск LLM и агент Bionic LM Studio запускает открытые LLM локально на Mac, Windows и Linux: возможности, поддерживаемые модели, системные требования, тарифы и агент Bionic. Слушать и читать на сайте: https://pimenov.ai/knowledge/lm-studio-lokalnyj-zapusk-llm-bionic/
-
Разработчик Bennett, собрал Codex Subscription Router, локально изменённую копию официального приложения ChatGPT для macOS. Если у вас несколько подписок ChatGPT, приложение распределяет новые чаты между ними. Каждый тред при этом закрепляется за своей подпиской, поэтому продолжение разговора сохраняет контекст. Если один аккаунт упирается в лимит, работа может перейти на другой. В интерфейсе появляются общая статистика использования, профили подключённых аккаунтов, управление плагинами и отдельный экран лимитов. Одна рабочая оболочка превращается в диспетчерскую для нескольких аккаунтов. С технической стороны проект интереснее самой идеи. Он не подменяет официальное приложение и не распространяет готовую сборку. Репозиторий использует установленный ChatGPT как основу, проверяет версию, хеши и точки встраивания, затем создаёт отдельную копию и подписывает её. Если новая версия приложения изменилась, патчер останавливается вместо попытки продолжить работу вслепую. Проект рассчитан на macOS с Apple Silicon и привязан к конкретным версиям ChatGPT. Это хороший пример того, как разработчик превращает готовое приложение в инструмент под собственный способ работы. pimenov.ai/blog
-
Так, Grok 4.6 в Codex тоже есть у меня. Осталось придумать, зачем он мне и что с ним делать 😜
-
В Codex теперь можно связать несколько чатов в одну рабочую систему. Чаты можно переносить между проектами, ссылаться на другой диалог через @ или просто перетащить его в поле ввода. А ещё один чат может отправить сообщение другому от вашего имени.
-
edited По данным Bloomberg, Stripe покупает OpenRouter более чем за $7 млрд. Stripe сделку пока не комментирует. OpenRouter даёт доступ к сотням ИИ-моделей через единый API. Но мне кажется, Stripe покупает не столько этот доступ, сколько данные, которые проходят через сервис. OpenRouter видит, какие модели выбирают разработчики, под какие задачи, с какими ограничениями по цене, скорости и качеству. Это огромный массив реальных сценариев использования ИИ. Похожая логика была в истории с покупкой Cursor Илоном Маском и SpaceX AI. Ценность там может быть не только в самом редакторе, но и в данных о том, как разработчики работают, принимают решения и используют ИИ в коде. Модели меняются каждые несколько месяцев. А данные о реальной работе пользователей и агентов со временем становятся только ценнее. Поэтому главная борьба в ИИ идёт уже не только за лучшие модели. Компании стараются занять место между человеком, приложением и моделью, чтобы видеть и контролировать поток реальной работы. pimenov.ai/blog
-
🎧 Аудиоверсия pimenov.ai, 1 мин video-shotcraft — как собирать кинематографичные видео на Remotion в Claude Code и Codex video-shotcraft — agent skill для Claude Code и Codex: 106 карточек-рецептов кадров и готовый шаблон, чтобы собирать кинематографичные промо-ролики на Remotion руками агента. Слушать и читать на сайте: https://pimenov.ai/knowledge/video-shotcraft-remotion-skill/
-
Я собрал в одном посте все рабочие маршруты для Synology, которые уже описал на pimenov.ai. После базовой настройки NAS обычно начинается самое интересное: Container Manager открыт, сервисов вокруг много, установить хочется всё сразу, но совершенно непонятно, с чего начинать и как не превратить домашний сервер в склад контейнеров, за которыми никто не следит. Поэтому я собрал не очередной список приложений для Synology, а несколько законченных практических маршрутов. Если главная задача — семейные фотографии, можно построить домашнее облако на Immich, настроить автоматическую загрузку с телефонов, доступ извне и резервное копирование. Если нужен собственный музыкальный архив, сначала стоит выбрать подходящий музыкальный сервер, а затем развернуть Navidrome и подключить к нему Amperfy. Если файлы уже годами лежат в облаке, начинать лучше с контролируемого переноса архива на Synology, а не с установки новых сервисов. И к каждому из этих маршрутов сразу нужно добавлять резервные копии по схеме 3-2-1. Иначе NAS становится единственным местом хранения данных, а это совсем не та надёжность, ради которой его покупают. В посте собрал все связанные руководства и статьи: базовую настройку Synology, Immich, Navidrome, музыкальные серверы, перенос большого архива, доступ извне и резервное копирование. Мой совет простой: выберите один маршрут и доведите его до проверяемого результата. Пусть сначала фотографии начнут попадать в общую библиотеку, музыка откроется с телефона или архив полностью переедет под ваш контроль. Только после этого беритесь за следующий сценарий. Получилась удобная точка входа во весь раздел Synology на сайте. 👉 Что делать с Synology после настройки: фото, музыка и архив
-
Agent Reach даёт ИИ-агенту единый маршрут к сайтам, GitHub, YouTube, RSS, X и Reddit — но самое важное начинается с вопроса, к каким из этих источников агенту вообще стоит давать доступ. Я подготовил практическое руководство по безопасной работе с этим инструментом. Agent Reach интересен не количеством поддерживаемых каналов. Его ценность появляется, когда агент получает конкретную исследовательскую задачу, ограниченный набор источников и проверяемый результат. В руководстве я разобрал два практических сценария. Первый — исследование нового продукта перед решением. Агент собирает официальный сайт, документацию, репозиторий, выпуски, видео и публичные обсуждения, а затем разделяет подтверждённые факты, заявления разработчиков и собственные выводы. Второй — регулярный мониторинг продукта, конкурента или темы. Сначала фиксируется исходное состояние, затем определяются значимые сигналы: новый выпуск, изменение тарифа, появление API, важная задача в репозитории или публичный кейс. Главный принцип — начинать с открытых источников. Файлы cookie, токены, личные сессии и закрытые аккаунты подключаются только тогда, когда без них действительно нельзя закрыть конкретный пробел. Внутри также разобрал: — предварительную проверку до установки; — разницу между обычным режимом, --dry-run и системной установкой; — диагностику через agent-reach doctor; — границы авторизации; — безопасное удаление и возврат к исходному состоянию; — ситуации, в которых работу нужно остановить. 👉 Agent Reach: как исследовать продукты и отслеживать темы без лишних доступов
-
repost
Я продолжаю подробно описывать, как на самом деле строю работу с Codex. Новая глава получилась особенно интересной, потому что на этот раз эксперимент технически почти удался, а редакционно — провалился. Я поставил задачу полностью автономно подготовить семь материалов для pimenov.ai. Мы создали отдельный проект в Plane, разделили работу между ролями, запустили семь задач на GPT-5.6 Terra, добавили независимую проверку качества и сборку черновиков в Notion. Получился процесс, очень похожий на BMAD: специализированные роли, последовательные этапы, передача контекста через артефакты и контрольные точки. Система подготовила шесть полных черновиков и 11 визуалов. Только один материал остановился на технической ошибке. Если смотреть на исполнение процесса, всё выглядело отлично. Если смотреть на результат — ни один материал нельзя было публиковать. Это были не статьи, а направления для статей: аккуратные, проверенные, но слишком общие, без моего личного контекста, практической пользы и нормальной работы со связанными материалами на сайте. Причина оказалась очень простой. Мы отлично автоматизировали производство, но перескочили главный этап: редакционную сессию, в которой я передаю фактуру, формулирую позицию, отвечаю на вопросы и вместе с агентом нахожу угол материала. В результате система масштабировала не качество, а недостаточно проработанный бриф. Я не считаю этот эксперимент неудачным. Наоборот, он показал, где именно человек должен оставаться владельцем смысла и почему никакая сложная оркестрация не исправит слабую постановку задачи. В новой статье подробно разобрал весь процесс: какие роли мы использовали, что передавали между ними, где сломалась последовательность и как теперь будет устроена редакционная работа над следующими материалами. 👉 Шесть черновиков и ноль готовых материалов: чему меня научил BMAD-подобный эксперимент с Codex
-
Свежая визуализация a16z со ссылкой на данные Ramp показывает резкий разрыв: верхний 1% компаний тратит на ИИ более чем в 600 раз больше медианной компании. Это не значит, что остальные компании совсем не пользуются ИИ. Скорее рынок уже разделился на несколько разных реальностей. Для одних ИИ остаётся эпизодическим чатом или экспериментом отдельной команды. Для других он встроен в ежедневные процессы, а дополнительные расходы легко объяснить получаемым результатом. В том же обзоре a16z есть ещё одна показательная цифра: верхние 10% компаний тратят на ИИ примерно в 50 раз больше на одного сотрудника, чем медианная компания. При этом данные Ramp заметно смещены в сторону технологических компаний, поэтому их нельзя механически переносить на весь рынок. Такой разрыв говорит не только о размере бюджетов. Компании, которые научились получать пользу от ИИ быстрее наращивают расходы: больше задач можно передать моделям, больше процессов становится экономически оправданным. Эффективность снижает стоимость отдельной операции, но одновременно расширяет число операций, которые имеет смысл запускать. Cравнивать свой бюджет с расходами лидеров бессмысленно. Сначала нужно найти один процесс, где ИИ заметно сокращает время или повышает пропускную способность, измерить результат и только потом расширять контур. Уровень расходов имеет смысл обсуждать после появления работающего сценария, а не вместо него. pimenov.ai/blog
-
Как включить миллион токенов контекста в Codex GPT-5.6 Sol поддерживает контекстное окно на 1,05 млн токенов. Codex по умолчанию использует меньший лимит: его настроили как компромисс между производительностью и стоимостью. Теперь команда Codex документировала ручной способ включить миллионный контекст. Откройте ~/.codex/config.toml и добавьте в начало файла, до любых заголовков секций: model = "gpt-5.6-sol" model_context_window = 1000000 model_auto_compact_token_limit = 900000 Первая настройка выбирает модель. Вторая задаёт бюджет контекста в миллион токенов. Третья запускает автоматическое сжатие истории примерно на отметке 900 тысяч, оставляя запас до предела. После сохранения перезапустите Codex и начните новую сессию. Для разового запуска без изменения настроек используйте команду: codex -m gpt-5.6-sol \ -c model_context_window=1000000 \ -c model_auto_compact_token_limit=900000 Большое окно позволяет дольше удерживать код, результаты инструментов и историю разговора до сжатия старых сообщений. Цена — более высокая задержка и расход ресурсов. Поэтому включать миллион токенов имеет смысл для действительно больших репозиториев и долгих агентных задач, а не по умолчанию. pimenov.ai/blog
-
🎧 Аудиоверсия pimenov.ai, 14 мин Новые правила контекст-инжиниринга для моделей Claude 5 Перевод статьи Anthropic: как изменился контекст-инжиниринг с приходом Claude 5, почему из системных промптов убрали больше 80% правил и что ставить вместо них. Слушать и читать на сайте: https://pimenov.ai/articles/novye-pravila-kontekst-inzhiniringa-claude-5/
-
Европейская регуляция хотела заставить X стать прозрачнее. Илон Маск решил выполнить требование по-своему. После штрафа ЕС в 120 миллионов евро за непрозрачность алгоритма X заявила, что будет публиковать код алгоритма на GitHub и обновлять его каждые четыре недели. Одновременно компания собирается раскрывать государственные запросы на удаление контента — в том числе европейские. Пользователь сможет увидеть, кто просил убрать публикацию или ограничить её распространение. Исследователи получат возможность сопоставлять публичные изменения алгоритма с тем, как лента работает на практике. Для X это ещё и сильный политический ответ: любое требование раскрыть внутреннюю кухню превращается в публичный отчёт о том, как сами правительства пользуются рычагами удаления контента. Илон Маск в очередной раз переиграл государственные органы их же правилами. Регуляторы требовали от X прозрачности, а в ответ получили публичный рентген собственных запросов на удаление контента. Теперь бюрократии придётся объяснять свои решения на виду у всех. pimenov.ai/blog
- Older posts