Олег Булыгин | Полезная нагрузка

🔫 Умные ребята из Бостонского университета и BCG выкатили отличное исследование. По их данным, 23% компаний уже начали официально вписывать ИИ-агентов в свои оргструктуры. Дают им должности, имена, роли и рисуют квадратики на схемах рядом с живыми людьми. В рамках эксперимента руководителям дали на ревью документы с зашитыми туда ошибками. Текст везде один. Разница была только во вводных, откуда этот драфт взялся: 1️⃣ Это сгенерил ИИ-инструмент (AI tool). 2️⃣ Это написал живой человек, твой новый подчиненный...

🩸 Весь бизнес сейчас живет в парадигме: Внедряй ИИ, увольняй людей, режь косты и купайся в сверхприбыли! Маржинальность в космос, бизнес спасен! Только вот свежее исследование «The AI Layoff Trap» от экономистов из Пенсильванского и Бостонского университетов доказывает математически: этот праздник жадности закончится массовым суицидом для самих корпораций. Смотрите, как это работает на пальцах 👇 Заменяя людей алгоритмами, компания экономит издержки. В моменте метрики зеленеют, акционеры довольны...

😌🚁 Пока миллионы людей бегали по улицам со смартфонами, пытаясь поймать редких покемонов в сверхпопулярной в свое время Pokemon GO, они абсолютно бесплатно разметили для корпораций датасет планетарного масштаба. Компания благодаря игрокам получила 30 миллиардов изображений, размеченных метаданными о геолокации, скорости, угле наклона камеры и времени суток. Никакой краудсорсинг за деньги не дал бы такого покрытия. Что с этим сделали дальше? Очевидно, сырые видео никому не нужны. Инженеры Niantic взяли этот массив и натренировали Foundation Model для системы визуального позиционирования...

? 🤔 Знаете, в чем проблема всех этих красивых видео, где нейросеть "заменяет аналитика" в два клика? Они всегда работают на стерильных данных. Условный Titanic dataset, где всё заранее подготовлено. Но суть работы Data Scientist-а вообще не в том, чтобы написать model.fit(). Суть в том, чтобы понять природу данных. Не выкинуть null'ы там, где они несут бизнес-смысл. Правильно выстроить схему кросс-валидации. И главное — не обмануть самого себя красивыми, но абсолютно бредовыми метриками...

🤭 Совсем недавно правительство США вырубило новые модели Anthropic (Mythos и Fable 5), потребовав оставить доступ только гражданам со звездно-полосатым паспортом. Официально — из-за какого-то детского джейлбрейка. Но реальность, возможно, куда прозаичнее, грязнее и интереснее. Semafor выкатил инсайд: настоящий триггер экспортных ограничений — подозрение, что к закрытой модели Mythos (которую Anthropic давала только избранным ИБ-шникам для поиска дыр в коде) получили доступ ребята из Китая. А...

😮 Признаюсь, вообще не знал о существовании ZCode. А тут открываю новости — у них уже релиз мажорной версии 3.0. Судя по официальному чейнджлогу, разработчики полностью отказались от сторонних костылей и перешли на собственный движок ZCode Agent, который вылизан под GLM. Из полезного: 🔵 Сгруппированные воркспейсы с drag-and-drop для управления параллельными агентами. 🔵 Фича Goal для управления крупными целями от планирования до деплоя. 🔵 Zread: встроенная база знаний проекта, которая сама генерит структурную доку и мониторит прогресс...

💳 Moonshot AI (разработчики Kimi) за последние дни выкатили два релиза. 1️⃣ Kimi K2.7 Code Они выпустили специализированную агентную модель для программирования — Kimi K2.7 Code. Под капотом: ▫️ Архитектура MoE на 1 триллион параметров. При этом активных на токен — всего 32B. Раздули 384 эксперта, из которых выбираются 8. ▫️ Контекст: 256K. ▫️ Механизмы: Attention MLA и активация SwiGLU. ▫️ Мультимодальность: прикрутили Vision Encoder (MoonViT) на 400M параметров. Умеет жрать не только скриншоты, но и видео...

Проверим? 🤖 Недавно я писал про то, как Google выкатил «AI-First» Colab с Data Science Agent с Gemini под капотом. Корпоративные маркетологи заливаются соловьем о том, как агенты сами напишут код, сделают EDA и выкатят инсайты, снижая "порог входа" до нуля. Звучит как влажная мечта тех, кто хочет нажать кнопку "Сделать хорошо" и пойти пить смузи. Я решил проверить, так ли это на самом деле, или нас ждет шоу с галлюцинациями, утечками данных и бредовой математикой. В эту пятницу я проведу закрытый...

🪓 Anthropic выкатила заявление: правительство США приказало закрыть доступ к свежим моделям Fable 5 и Mythos 5 для всех иностранных граждан (включая самих сотрудников Anthropic без паспорта США). Чтобы выполнить это безумное требование комплаенса, компании пришлось тупо вырубить модели для всех клиентов глобально. Официальная причина — «угроза национальной безопасности». Кто-то якобы нашел способ сделать джейлбрейк Fable 5, чтобы заставить ее находить уязвимости в программном коде. Самая мякотка кроется в ответе самой Anthropic...

Буквально 🤖 Чуть ли ни год назад я писал об изменениях на Stack Overflow. Что он очистился от глупых вопросов новичков (они ушли к ChatGPT) и превратился в элитарный консилиум для сеньоров с нетривиальными проблемами. И вот теперь SO осознали, что люди — это, конечно, хорошо, но главные генераторы кода сейчас не они. В чем фундаментальная проблема современных агентов? Они невероятно способные, но абсолютно изолированные. Условный ИИ-агент в на одной стороне планеты час жжет токены, чтобы обойти баг в свежем API...

? 🇨🇳 Команда Xiaomi выкатила в опенсорс (MIT) терминального агента MiMo Code (форк OpenCode). Разбираем его плюсы и архитектурные решения 👇 🧠 Делегирование памяти Как работает 99% агентов: когда окно забивается, модель просят «напиши саммари нашей беседы», старое выкидывают, саммари оставляют. Проблема в том, что у LLM есть эффект lost in the middle — при сжатии она теряет критические детали. К тому же, заставлять модель, которая прямо сейчас дебажит сложный баг, параллельно вести аккуратный конспект — гиблое дело...

🎉 Теперь весь подписочный контент более-менее структурирован, размечен тегами и лежит в одном месте. Не нужно страдать с блокировками ТГ. Сейчас в архиве 13 записей эфиров. Для примера, что доступно внутри 🤩 Работа с API LLM: 🟢 Строим RAG с нуля: физика эмбеддингов, умный чанкинг и скрещивание векторных БД с BM25. 🟢 Агенты и Tool Calling: даем моделям «руки» для походов в интернет и парсинга, связываем все через LangChain и Mistral. 🟢 Структурированный вывод. Учимся скрещивать Pydantic и...