Mikhail Omelchenko - AI IT

Открываю набор в новый сезон клуба по AI агентам. Стартуем 22 сентября. Сезон устроен так: месяц на понимание базы (написан новый курс), дальше три месяца один общий проект на всех участников. Первый месяц идёт без проекта, уроки курса по LangChain с дедлайнами, плюс теория на встречах. Теория отвечает на вопрос "что это такое и почему устроено именно так". Что занимает контекстное окно, откуда берётся цикл агента, чем субагент отличается от инструмента и т.д. Со второго месяца начинается общий проект. В этом сезоне это агент археолог легаси. Он отвечает на вопросы, которые возникают в любом незнакомом репозитории. Для этого обходит код, собирает граф зависимостей, а свой ответ проверяет запуском. У него восемь слоёв, от обхода репозитория до оценки качества. В каждом из трёх блоков проекта вы берёте новый слой, а прежний передаёте другому участнику вместе с описанием, как он устроен и где грабли. 1. За сезон вы работает руками над трема слоями из восьми. Остальные пять видите на разборах и принимаете от коллег вместе с описанием, как они устроены. 2. Встречи по вторникам в 18:00 мск, каждую неделю. Разбор идёт вживую, поэтому сезон рассчитан на участие, а записи нужны, чтобы догнать пропущенное 3. Первый месяц идёт по курсу с дедлайнами и к началу проекта у всех есть база Для участия нужен опыт разработки на python. Языковые модели знать не нужно. Сезон длится с 22 сентября по 22 января, четыре месяца по четыре встречи, с пропуском недели на новогодние каникулы. Стоимость 5 000 ₽ в месяц, оплата помесячная. Созвоны в Телемосте, общение в Телеграм чате клуба. Беру 10-12 человек, отбор по анкете. Анкету принимаю до 21 сентября, потом закрываю набор. Присылайте мне в личку, @DJWOMS. Анкета: 1. Что вы уже умеете и на чём пишете: язык, фреймворки, сколько лет в разработке, работали ли с языковыми моделями и агентами. 2. Чего вы ждёте от клуба, своими словами 3. Чему конкретно хотите научиться за эти четыре месяца. Чем конкретнее ответ, тем точнее я распределю участников по проекту 4. Сможете ли участвовать по вторникам в 18:00 мск: да, нет, или могу не всегда, поясню Если сомневаетесь, подходит ли вам, тоже напишите.

OpenAI представила GPT-6 Astra новый флагман, который, судя по первым цифрам, совершил серьезный скачок относительно прошлого поколения. По бенчмаркам Astra демонстрирует впечатляющее превосходство: в Terminal-Bench 4.0 она набрала 57,7%, обойдя Fable 5.1 и значительно опередив GPT-5.6 Sol. В научных задачах Terminal-Bench Science отрыв еще заметнее 64,6% против 52,6% у ближайшего конкурента, а в тестах ARC-AGI-3 и ExploitBench модель показала практически абсолютный результат. Стоимость в API составит 10 за миллион входных и 50 за миллион выходных токенов, а для тех, кому важна скорость, доступен режим Fast mode, работающий в 2,5 раза быстрее при двойном тарифе. Пока Astra доступна лишь ограниченному числу организаций, но в ближайшие дни OpenAI обещает открыть доступ всем платным пользователям. Теперь остается дождаться массового релиза и первых независимых тестов.

Anthropic выкатила Claude Fable 5.1 и Mythos 5.1. Fable 5.1, это новый флагман для всех пользователей. Mythos 5.1, это та же модель с ослабленными ограничениями по кибербезопасности и биологии, доступная только проверенным организациям. По бенчмаркам апдейт заметный: - Terminal-Bench 4.0: 55,8%, у Mythos 60,9% - Terminal-Bench-Science: 52,6% против 24,7% у прошлой версии - Humanity's Last Exam: 60,9% без инструментов и 65% с ними - OSWorld 2.0: 77,9% Цена прежняя, $10/$50 за миллион токенов, зато чтение кэша подешевело на 75%, до $0,25 за миллион. По оценке Anthropic, это снижает расходы примерно на 25% в обычных сценариях и до 45% в агентных. На Low/Medium effort Fable 5.1 уже может выдавать результат уровня Fable 5 дешевле. В Claude Code по умолчанию High, в Cowork и claude.ai Medium. Фильтры кибербезопасности срабатывают примерно на 60% реже, а модель разрешили использовать для поиска уязвимостей, но не для написания эксплойтов. Ссылка скрыта

Многие уверены, если купить команде доступ к нейросети, дальше люди сами разберутся и начнут работать быстрее. А через месяц оказывается, что всё идёт по-старому. Почему так выходит? В новом выпуске подкаста я снова поговорил с основателями школы Стратоплан, Александром Орловым и Вячеславом Панкратовым. Те же, с кем в июле разбирали уход из кода в менеджмент. Разобрали, почему инструмент, за который заплатили, лежит без дела. Заодно поговорили про то, что делать, когда сотрудник говорит, что с нейросетью работает медленнее. Это саботаж или он говорит правду, и как это проверить не на одном человеке, а на контрольной группе. А ещё обсудили, можно ли требовать использовать нейросеть так же, как требуют соблюдать регламент. Где заканчивается управление и начинается слежка, если переписку команды обрабатывать нейронкой. Разговор получился про то, с чем возможно столкнётесь, когда принесёте нейросеть команде. 👉 Смотреть на YouTube 👉 Смотреть на Rutube А у вас инструмент прижился или лежит купленным?

На GitHub набирает популярность Godogen проект с открытым исходным кодом, который фактически автоматизирует создание полноценных игр. Репозиторий уже собрал более 5 тысяч звезд. Система берет на себя весь цикл производства: от проработки архитектуры и создания ресурсов до написания кода и запуска движка. Уникальность Godogen заключается в собственном цикле контроля качества, ИИ сам делает скриншоты запущенной игры, анализирует визуальные ошибки и тут же пытается их исправить. Инструмент поддерживает движки Godot 4, Bevy и Babylon.js, работая на базе Claude Code или Codex. Внутри него зашиты справочники и документация для 850+ классов GDScript, которые подгружаются по мере необходимости. При этом весь процесс генерации можно запускать прямо на обычном домашнем компьютере.

Ко мне пришёл фаундер строительной компании, для понимания возможностей нейросетей и их применения в жизни и бизнесе. За четыре занятия разобрали, как модель выдаёт ответ: что такое контекстное окно и токены, откуда берутся выдуманные факты, почему модель соглашается с собеседником. Как ресерчить, как сделать память, где можно встроить ее в бизнес и как. Отдельно разобрали персональные данные и что в модель не отправляют. Дальше работали на его задаче, он получил план с цифрами. Там же проверили эти цифры и увидели, что два прогона одного запроса дают разные суммы и где модель может ошибаться. Его слова: "Многие вещи, о которых раньше имел только общее представление, стали гораздо понятнее, а главное, появилось понимание, как ИИ уже сегодня можно использовать в реальных задачах". Формат: занятия по часу и переписка между ними. Подходит руководителю, который решает, что делать с ИИ у себя в компании. Написать мне: @DJWOMS

Официальная документация Python теперь доступна на русском языке. Тут

DeepSeek Harness демонстрирует впечатляющие результаты в реальной работе. После тестирования самостоятельно развернутой версии DeepSeek V4 Flash 0731 главным преимуществом стал показатель попадания в кэш на уровне 98,2%. Такая высокая эффективность позволяет системе крайне экономно расходовать токены, что критично для масштабных задач. Проект вызывает огромный интерес у сообщества GitHub-репозиторий набрал более 188 тысяч звезд менее чем за две недели.

Месяц назад ко мне пришла помощница фаундера строительной компании по его рекомендации. Не разработчик, использует ChatGPT каждый день для писем и т.д. Месяц пошёл на процедуру работы с моделью, которая переносится в любую работу. Из чего состоит запрос, почему модель забывает то, что было выше, как забрать результат файлом. Сама между третьим и четвёртым занятием, за один день, она собрала себе ассистента с четырьмя функциями и протестировала две на своих задачах. Формат: 4 занятия по часу за месяц и переписка между занятиями. Подходит вам, если у вас есть повторяющаяся задача, вы не разработчик и отдать её разработчику нельзя. Пишите мне: @DJWOMS