Глеб Кудрявцев — мастер AI

Пообщались в сентябре с @neuraldeep про ЛЛМ-ки и RAG'и. Он очень глубокий практик, так что было очень интересно послушать его мысли. Наконец-то домонтировали выпуск. Enjoy 🙂 https://www.youtube.com/watch?v=6MJ7cUN5xbc

Опус хорош, надежная рабочая лошадка.

Вышел новый Опус и вот уже пересуды, дескать, круче ли модель всего существующего, или нет. И многие судят по странным бенчмаркам, типа "о господи, она работала 5/20/50/100500 минут и все сделала как нужно!" Я и сам грешным делом этому поддаюсь. На деле же риал шит риал толк в том, насколько модель может имплементировать фичу с высокой связностью для большого проекта. Ну а по-проще, бенчмарк — это если она корректно и без подсказок сделала фичу, для которой уже есть с десяток методов, разбросанных в разных файлах, каждый из которых нельзя изобретать заново, а нужно использовать имеющийся. И при этом проект имеет размер не в жалкие 5 тысяч строк/50к контекста, а что-нибудь типа от миллиона, а лучше от пяти. В идеале еще, чтобы эта фича использовала свойства новых библиотек (вышедших вот вчера), то есть для корректной разработки нужно бы еще и погуглить, и не запутаться в версиях. Вот тогда можно назвать модель прорывной в задачах кодинга. Потому что с более примитивными задачами они и так справляются почти все нормально, и отличия там небольшие.

Купил себе мак, буду делать iOS приложения. Напишите в комментарии лучший сетап вайбкода под них. — Какая ide? (Xcode понятно, что-то еще?) — Какой фреймворк (Native Swift понятно, может что-то другое?) В наличии подписки на chatgpt (кодекс) и курсор. Последний раз прогал под iOS 13 лет назад, с тех пор все сильно изменилось 😅

Контекст — это всё То, какой результат вы получаете от нейросетей, напрямую связан с умением подавать в них правильный контекст. В четверг 27 ноября в 16 часов по Москве проведу открытую лекцию по контексту нейросетей. Лекция для новичков. Ничего не нужно знать про сети и то, как они работают. Подойдет как разработчикам и сотрудникам ИТ компаний, так и не-айтишникам. Вы выйдете с пониманием, как работают приложения на их основе, и как сделать свое. — Как часто начинать новые чаты? — Что такое страшные слова типа structured output, или mcp — простым языком? — Какой длины должен быть промпт? (вы удивитесь) Лекция бесплатная. Регистрация тут

Ищу альтернативу gpt-4o-mini, потестил на досуге разные модельки. Могу сказать, что Grok-4.1 хороша. Она практически такая же по цене, но на два порядка умнее. Рекомендую присмотреться.

Мы тут конфу вчера провели по AI в бизнесе. Такие вот отзывы пишут. Приятно ☺️ На самом деле в принципе хорошо получилось. Много практических кейсов, не только из кодинга (там про это я говорил), а в принципе из разных дисциплин. Классные были доклады про то как тексты писать, как креативы делать и т.д. Доклады оформим и выложим в ютубе, поделюсь потом ссылочкой. Дух, наверное, удалось уловить — нейронки — это для тех, кто умеет и хочет включать мозг. Тем они дают x100. А кто не умеет и не может — ну... Учитесь, пока не поздно 😁

"Сходил" вчера вечером на онлайн-конференцию по применению ИИ в бизнесе. Прошел бы мимо, но некоторых докладчиков знаю давно — например, Всеволода Устинова. И знаю, что они люди прагматичные, работают на результат и имеют за спиной опыт создания серьёзных вещей (в том числе приносящих прибыль - как критерий нужности того, что они делают). Подумал, что если бы ИИ им не давал реального преимущества (снятие личной рутины, доп.эффективность в бизнес-процессах и пр), то они бы этим не занимались и решил-таки послушать. Пошел с целью пособирать "кубики для лего", т.е. посмотреть, какие атомарные функции люди отдают на откуп ИИ-нежити (писал про это в этом посте — там, где про салат). Но кроме этого получил оглушительную порцию почвы для размышлений и экспериментов. Такое ощущение, что парни-докладчики прилетели с какой-то параллельной планеты Земля, где время идет вперед лет на 50. Чтобы не оказаться в состоянии бездумного ИИ-фанатизма, вот немного рациональных наблюдений и мыслей. Общий паттерн, который встречался почти в каждом докладе: если у человека нет профессиональных знаний в своей предметной области, то надёжного и качественного результата в каких-то серьезных вещах ИИ не даст. Будет много мусора на входе и очень много мусора на выходе. Для меня это своеобразный маркер (не единственный и не 100% точный), что докладчик - не инфоцыган, который пытается втянуть тебя в свою воронку и что-то продать на хайпе темы ИИ, говоря про нулевую цену входа в новую предметку без опыта ("ща покажу как настроить ИИшечку и будете собирать бабло лопатами, не надо даже уметь читать"). Любая деятельность на реальный результат - это всё еще необходимость думать человеческим мозгом и тяжелый труд. Просто можно сделать его на порядки быстрее и с меньшим количеством ресурсов (в этом плане мне понравилась концепция "One-room company", по которую рассказывает Дмитрий Алексеев из DNS). Пара цитат из докладов (местами не совсем дословных): - в программировани: ИИ-инструменты не сильно помогут, если совсем никогда не писал код. Нужно быть инженером - в видеопродакшене: платят не за то, что умеешь писать промты — сейчас это умеют все. Платят за экспертизу. А ИИ - это расширитель вашего таланта. Решает вкус, понимание композиции, насмотренность, понимание, что есть хорошо, а что плохо, внимание к деталям и пр. - при создании текстов: без опыта и понимания что такое хороший текст - будут получаться бездумные статьи, которые никто не захочет читать — ими завален интернет. А я посмею сделать еще более дерзкое предположение — чтобы получить гораздо более мощный буст, под этим всем должен быть ещё слой фундаментальных знаний, переносимых между разными предметными областями. И это даже не про понимание того, как устроены нейросети — хотя понимать это было бы хорошо (так можно вообще ювелирно точно требовать от них то, что хочешь под свою задачу). Это я про эти все душные системноинженерные штуки (применимые хоть для инженеров-ракетостроителей, хоть для танцоров), про которые вещаю из каждого своего утюга с 2018 года. По моей личой статистике - из тех, кому я про это рассказывал за все эти годы — только один человек более-менее прорвался через это зубодробительное знание (у него, кстати, все прекрасно с карьерой, причем не в ИТ, а в нефтедобыче). Ну может это даже к лучшему. В общем, кроме всего прочего получил для себя очередное подтверждение, что вложение сил в освоение фундаментальных знаний — это отличная инвестиция, которая пригодится в том числе для ИИ-усиления человеческих возможностей. И мой интерес к теме ИИ (в плане практического/рационального) применения продолжает потихоньку расти. * Иллюстрацию к посту взял из доклада Павла Молянова

Гугл — с помпой релизит gemini 3 pro Факт: модель вообще не тащит в агентском кодинге OpenAI — ну у нас тут codex-max вышел, может долго работать (нахера?). Ну и еще у него такое название как будто он только для богатых (нет), мы просто не умеем называть модели. Факт: модель лютый вин. Умная и хорошо работает с контекстом, делает все детально как нужно. Полностью на нее переключился 🙂

Попробовал поработать с ним как с основной моделью. Ну, короче, в Курсоре гемини 3 убог донельзя. Не используйте. Похоже у него очень плохой тулинг, либо квантизация, либо контекста жестко зажимают. Очень поверхностно правит. Откатился для имплементаций на кодекс. А гемини пока для планов. Через шотган 🥰

Gemini3 за 5 минут ваншотнул универсальную библиотеку на Go для доступа к любым LLM через любых провайдеров, с использованием всех особенностей каждой из моделей. Как работает еще не проверял 😅

Gemini 3 pro очень сильная модель В двух разных задачах вчера предложила очень элегантные оптимизации, до которых я бы не догадался самостоятельно. Посмотрите, насколько быстрее стал работать Шотган вчерашней версии — это его заслуга. Ни с одной сеткой раньше такого не было — все их решения были для меня очевидны. Баги тоже щелкает влет. Так что текущий базовый пайплайн проапгрейжен: — Пишем спеки/ищем баги: gemini 3, через ai studio (все еще бесплатно!). Под это как раз и зарелизил новый шотган. — Пишем код по спекам: codex в codex cli для сложных задач и gpt-5.1 high в курсоре для мейнстрима.

Ладно, раз такой праздник, я капитально обновил первый шотган. — Теперь можно автоподбирать контекст и автоэкзекьютить промпты с помощью ллм по вкусу — История промптов хранится в приложении, всегда можно посмотреть. — Сильно ускорил работу всех частей Ну и обновил условия использования. Потому что этот ваш уопенсорс какая-то безблагодать. Так что если вы зарабатываете более 1 млн долларов, то приходите за платной лицензией 😁 Забирать тут https://github.com/glebkudr/shotgun_code Для новеньких. Шотган — это маленькая десктопная утилита, которая помогает вам компоновать файлы в контекст при работе с другими кодинговыми агентами, а так же моделями из веба. Незаменимая штука в арсенале разработчика.

😬 хорошего понемножку Твиттеры говорят — всем вырубили. Видимо такой пиар вброс был, чтобы дать попробовать сладкого 🥲

Пока что впечатления самые приятные, очень мощная модель, как минимум уровень GPT-5. Отмечу, что ровно держит инструкции. Дал в одной таске пять разнородных задач и она смогла выполнить их все, а не как обычно — половину забыв, а половину сломав. Надо делать скидку на то что это превью, обычно при старте наливают моделям максимум мощности. Для примера — кнопочка со сложной анимацией. Заваншотал и визуал и функционал и связку с бд и вьюху на соседней вкладке.

Пошла жара. Выпустили превьюшку Gemini 3 pro Попробовать можно через курсор. Добавить custom model "gemini-3-pro-preview". У меня работает 🔥 Буду тестить.

Решил выпустить подгон для любителей минимализма. Шотган про в форм-факторе шотгана 1 😁 Подбор контекста по кнопке + отправка результатов промпта в апишку и получение ответа. Скоро залью. Вот чего пока нет — нету скана системы. Помогите мне сделать скан. С ним контекст будет подбираться на порядок качественнее. Репа открыта — нужен умелец, который вкорячит сюда SGR процесс. Подход из большого шотгана объясню и покажу как работает. Напишите 🙂

Итак, правильный ответ. Я вас вчера немножко дезинформировал, так как пока сидел, нашел еще парочку хороших моделей 😎 В итоге две модельки из топа смогли корректно распознать как размытый текст с передней части упаковки, так и перевернутую табличку. 1️⃣ Qwen3 VL 235b - самый качественный результат 2️⃣ Gemini 2.5 flash - уровень по ощущениям чуть ниже qwen, но почти-почти 3️⃣ GLM 4.5 VL - распознал много, но уже не все. Вся первая троица уложилась в 0.2 цента за запрос Отдельная номинация — малые модели спецом под OCR. Тестил Paddleocr-VL и granite-docling-258m Обе они с этой картинкой не справились совсем. Однако, для более простых случаев они работают хорошо, а еще — сохраняют позиционную информацию, поэтому подходят для массовой экстракции текстов из сканов. С paddleocr-vl я смог отсканить здоровенный учебник на 200 страниц с формулами и т.д. И все это заняло 2 часа на моей дохлой ноутбучной 3060 видеокарте. "Из коробки" заработало не все, но пошаманив с постобработкой bbox и формул, смог добиться очень похожего воспроизведения pdf страниц в виде html. Очень даже годно, можно пользоваться. Доклинг показался мне похуже, но тут большой разброс какие именно брать бенчмарки, мой вывод очень субъективен. Итого: если вам нужно сканить всякую рандомную дичь, то я бы брал квен. Если дешево и на большом потоке какие-то бумажные странички, то paddleocr-vl PS Самое же удивительное для меня, это то, что в конце 2025 года все еще нет решения уровня "засунул, оно пожужжало и идеально отсканило". Даже с крутыми модельками куча шаманства и пайплайнинга, чтобы получить какой-то полезный итоговый результат.

Тестирую OCR модели. Вот эту картинку осилила ровно одна — угадайте какая? Так же делайте предположения про топ-2 и топ-3. Завтра напишу результаты

Есть такой проект — OpenSCAD, представляет собой язык и среду исполнения для рисования 3d моделек нормальным способом (через код), а не мудохаясь в редакторе. Пользуюсь ей уже лет десять. А еще, у софтины есть форк, в котором можно рисовать все на питоне — PythonSCAD. Он работает аналогично, но питон взял как раз для чистоты — тут уж не погрешить, что модель просто не знает языка. Так вот. Решил в нем порисовать. Засунул в курсор и кинул задачу GPT-5. Ожидаемо, вердикт — пространственное мышление амебы. Модель тупа как пробка. Благо в математику она еще немного может, то есть запараметризировать какую-нибудь сеть ей удается. Но комбинации фигур — сразу вилы. А жаль. Жду недождусь, когда агенты станут способны так же лихо программировать в 3d, как сейчас в питоне. Ух я развернусь тогда с 3d принтером 😎