Василиск и Алгократия

А мы вместе с Коллайдером решили сделать третью офлайн ИИ-тусовку в этом году! На этот раз поговорим про использование ИИ в реальных индустриях. Обсудим, какой ИИ действительно нужен компаниям прямо сейчас: как внедрять модели в рабочие процессы, разворачивать self-hosted AI, снижать зависимость от внешних провайдеров и переводить пилоты в работающие продукты. ▫️ 3 августа ▫️ 17:00–23:00 📍 Москва, Никитский бульвар, 7Б, «Светлый Лофт» 🎟 Билеты: здесь В программе: — Применение ИИ в реальных индустриях и автономных производствах — Панельная дискуссия про self-hosted AI и требования бигтехов — ИИ изнутри компании: как трансформируются должности и роли, кто окажется лишним, на кого сейчас спрос — Независимость моделей: из чего она состоит и насколько достижима Собрали очень крутых спикеров (и еще добавляем). Регистрация 🎟 P.S: Первые 10 билетов доступны со скидкой 33% по промокоду silicon

Если в начале августа вы волею судеб окажетесь в Москве, то горячо рекомендую вот это мероприятие. Как говорится, максимальная концентрация смысла на единицу времени.

🧠 Global Workspace — LLM перестает быть черным ящиком Anthropic выпустили очень интересную работу про внутреннюю организацию языковых моделей. Главный вывод, на мой взгляд, не в том, что они нашли очередной красивый механизм внутри трансформера. И уж точно не в разговорах про «зачатки сознания», которые сейчас неизбежно начнутся. Интереснее другое. Последние несколько лет мы в основном изучали модели снаружи: качество ответов, reasoning, агенты, использование инструментов, память. Теперь фокус постепенно смещается внутрь. Anthropic показывают, что внутри модели существует пространство представлений, через которое проходит информация из разных частей вычисления. Они проводят аналогию с теорией Global Workspace из когнитивной науки и, что важнее, демонстрируют, что это пространство можно наблюдать и экспериментально модифицировать. Если эта линия исследований окажется плодотворной, то мы впервые получим возможность работать не только с поведением модели, но и с ее внутренней когнитивной организацией. Для меня это хороший пример более общего процесса. Мы постепенно перестаем воспринимать LLM как неделимый черный ящик. Начинают выделяться отдельные вычислительные механизмы, которые можно исследовать независимо, измерять, сравнивать, а со временем, вероятно, и комбинировать. Это важный переход. Когда-то программирование перестало быть работой с машинным кодом и появились операционные системы. Потом поверх них возникли контейнеры, оркестраторы и облачные платформы. Каждый раз рост сложности приводил к появлению нового инфраструктурного слоя. Думаю, с агентными системами произойдет то же самое. Сегодня почти все обсуждают сами модели. Через несколько лет гораздо интереснее станет вопрос, как устроена инфраструктура вокруг них. Как наблюдать внутренние вычисления. Как проверять результаты. Как хранить происхождение решений. Как управлять памятью. Как связывать между собой множество специализированных агентов. Именно этот слой, как мне кажется, станет следующим полем конкуренции. Не размер модели. Не количество параметров. А архитектура управления коллективной агентностью. #этикаагентов #архитектураразума #алгоритмическое https://www.anthropic.com/research/global-workspace

🧠 Safari MCP Server — браузер становится сенсором агента WebKit выкатил Safari MCP Server в Safari Technology Preview 247: теперь агент можно подключить к реальному окну Safari через `safaridriver --mcp`. Для разработчика это означает, что агент получает не пересказ бага из промпта, а доступ к наблюдаемой среде: DOM, сетевым запросам, консоли, скриншотам, viewport, диалогам и выполнению JavaScript на странице. Практический выигрыш здесь у команд, которые всерьёз проверяют Safari, а не надеются, что Chromium всё объяснил за всех. Агент может открыть страницу, посмотреть computed styles, поймать сломанный layout, проверить форму в нужном состоянии, собрать navigation timing или найти типовые проблемы доступности. Проигрывает старый режим отладки, где человек вручную прыгает между браузером, DevTools и терминалом, а потом пытается словами описать машине то, что машина теперь может увидеть сама. Ограничение тоже важное: сервер работает локально и сам не ходит в сеть, но контент страницы, скриншоты и логи уходят тому агенту и модели, которым разработчик дал доступ. Это хороший пример взросления агентной разработки: ценность появляется не от более красивого промпта, а от правильно выданных сенсоров, границ и ответственности за данные. #этикаагентов #архитектураразума #алгоритмическое https://webkit.org/blog/18136/introducing-the-safari-mcp-server-for-web-developers/

🧠 RLCR — агентная разработка без потока сознания Рабочие AI-агенты, похоже, начинаются не с самой умной модели, а с правильно устроенного цикла. RLCR — Ralph loop with Codex review — как раз про это: один агент пишет код, второй агент делает ревью, найденные проблемы возвращаются обратно в работу, и цикл повторяется до прохождения заранее заданных критериев. В версии Humanize это выглядит почти приземленно: план, реализация, независимое ревью, исправление, проверка, коммит. Важный сдвиг здесь не в том, что «ИИ сам пишет код». Это уже стало скучной частью истории. Интереснее другое: память переносится из длинного чата в репозиторий — в spec, тесты, git history, логи и TODO. Длинная агентная сессия постепенно портится: контекст пухнет, старые предположения смешиваются с новыми, модель начинает защищать свои решения. Ralph loop режет это грубо, но эффективно: новый проход стартует почти заново, зато читает устойчивые артефакты, а не собственный словесный след. Codex review не превращается в истину только потому, что его написал другой агент. Его findings всё равно нужно триажить, иначе цикл начнет чинить шум и расширять задачу. Но как исполнительный слой внутри жесткого инженерного процесса RLCR выглядит важным паттерном: человек остается архитектором, репозиторий становится памятью, агент становится циклом исполнения, ревью становится тормозом против дрейфа. Контекст для проверки: Humanize — https://github.com/PolyArch/humanize; Codex goals — https://developers.openai.com/codex/use-cases/follow-goals; Ralph loop — https://ghuntley.com/ralph/; Wiggum — https://wiggum.app/blog/ralph-loop-codex-cli-tutorial/; Ralphex — https://github.com/umputun/ralphex #этикаагентов #архитектураразума #алгоритмическое https://github.com/PolyArch/humanize

🧠 GPT‑5.6 Sol — доступ как часть safety-архитектуры OpenAI начала ограниченный preview GPT‑5.6: Sol как флагман, Terra как более дешёвый рабочий слой и Luna как быстрый бюджетный вариант. Важная деталь не в названии моделей, а в механике запуска: сначала API и Codex для небольшой группы trusted partners, причём состав участников был заранее передан правительству США. OpenAI прямо пишет, что не считает такой доступный фильтр нормой на будущее, но принимает его как временный путь к более широкому релизу. Технически это выглядит как сильный скачок в агентных задачах: новые режимы max reasoning и ultra с субагентами, заявленные улучшения в coding, biology и cyber, отдельный акцент на Terminal‑Bench, GeneBench, ExploitBench и ExploitGym. Но цена этого класса моделей теперь не только в токенах: Sol стоит $5 за 1M input и $30 за 1M output, а вокруг cyber-use появляется многоуровневый контроль — от отказов модели до realtime-классификаторов, account-level review и differentiated access. Практический вывод простой: frontier-модели всё меньше похожи на обычный SaaS-релиз и всё больше — на регулируемую инфраструктуру двойного назначения. Выигрывают команды, которые умеют работать с доступом, аудитом и safety-контуром как с частью engineering-процесса; проигрывают те, кто всё ещё ждёт, что новая модель просто появится в выпадающем списке и будет вести себя как предыдущая. #архитектураразума #цифросуверенитет #этикаагентов https://openai.com/index/previewing-gpt-5-6-sol/

🧠 OpenRouter запустил Fusion — команда слабых моделей бьёт флагмана OpenRouter представил новый инструмент — Fusion. Суть простая: вместо одной модели запрос уходит сразу к нескольким, а потом судья-модель собирает из их ответов финальный результат. Один API-вызов, но внутри — параллельная работа панели экспертов. Проверяли на бенчмарке DRACO от Perplexity — сто сложных задач на глубокое исследование с поиском, синтезом и цитированием. Результаты показали три вещи: Первое. Панели стабильно обгоняют одиночные модели. Лучший результат — Fable 5 + GPT-5.5, синтезированные через Opus 4.8: 69,0%. Это выше, чем Fable 5 в одиночку (65,3%). Второе. Дешёвая панель тоже может. Комбинация Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro набрала 64,7% — в пределах одного процента от Fable 5, при этом обогнав GPT-5.5 (60,0%) и Opus 4.8 (58,8%). И стоила в два раза меньше. Третье. Даже если взять одну модель и запустить её дважды — прирост есть. Комбинирование двух проходов Gemini 2.5 Pro дало +3% к точности по сравнению с одним проходом. Дело не только в разнообразии моделей, но и в самом акте синтеза — двойной проход даёт разные пути рассуждения, разные источники, разные ошибки. Интересный момент с методологией: когда исследователи дали моделям доступ к поиску, те начали находить в интернете саму рубрику оценки DRACO. Не специально — просто совпали поисковые запросы. OpenRouter закрыл это блокировкой доменов, и это стало частью инструмента: при своих оценках теперь можно указывать источники, которые модели не должны видеть. Fusion работает через стандартный API: model: "openrouter/fusion" — и всё. Можно кастомизировать состав панели и выбрать судью. Что это значит на практике: гонка за всё более дорогими флагманами получает альтернативу. Иногда правильно собрать команду из доступных моделей — и получить результат лучше и дешевле, чем у любого одиночки. #AI #OpenRouter #Fusion #LLM https://openrouter.ai/blog/announcements/fusion-beats-frontier/

🧠 Anthropic и запрет доступа — сильный аргумент в пользу локальных моделей Американские власти, возможно, ещё никогда так не помогали локальным моделям, как сейчас. И помогли они не субсидиями, не грантами и не новым рынком. Помогли запретом. Anthropic сообщил, что 12 июня получил распоряжение правительства США немедленно закрыть доступ к Fable 5 и Mythos 5 для всех иностранных граждан. Неважно, живут они в США или нет. Под ограничения попали даже иностранные сотрудники самой компании. Из этого стоит вынести одну простую вещь: если модель находится не у вас, то однажды она может перестать быть доступной для вас вообще. Это, пожалуй, самый наглядный аргумент в пользу локального запуска за всё последнее время. До сих пор многие относились к API-доступу к сильной модели так, будто это почти и есть владение моделью. Но нет. Владение — это когда система стоит у вас и работает по вашим правилам. Всё остальное — временный доступ на чужих условиях. Пока ситуация спокойная, разница кажется не очень важной. Но в тот момент, когда приходит прямой запрет, всё быстро встаёт на свои места. История здесь, конечно, не только про Anthropic. Это гораздо более общий сюжет. Если доступ к ключевой модели можно отключить политическим решением, значит зависимость от внешнего AI-провайдера — это не просто удобство. Это уязвимость. Причём не теоретическая, а вполне практическая. Поэтому локальные модели сегодня — это уже не просто попытка сэкономить или поиграть в технологический суверенитет. Это способ не оказаться в ситуации, когда ваш критический контур выключается чужим решением. Речь не о том, что закрытые модели теперь бесполезны. И не о том, что open source уже победил. Речь о другом: если ИИ встроен в ваш продукт, аналитику, разработку или операционную работу, у вас должен быть хотя бы базовый слой, который работает локально или на собственной инфраструктуре. Внешние модели могут оставаться ускорителем. Но они не должны быть единственной опорой. Потому что модель, которую у вас можно забрать, изначально не очень надёжная опора. #ии #локальныемодели #суверенитет https://www.anthropic.com/news/fable-mythos-access

🧠 Claude Fable 5 — frontier-модель в наморднике Anthropic выпустили Claude Fable 5 — первую массово доступную модель из нового Mythos-класса. Формально это уже public Claude, но архитектурно ход интереснее: Fable — это не отдельная слабая версия, а consumer-обёртка над тем же базовым слоем, что и Claude Mythos 5. Разница в том, что на чувствительных темах вроде offensive cyber, biology и обхода safeguards система уводит ответ на более ограниченный контур. То есть Anthropic тестируют не просто новую модель, а новую схему выпуска frontier-capability. Не «или слишком опасно для всех, или полностью открыто», а controlled access с выборочным понижением возможностей в рискованных зонах. Для рынка это важный сдвиг: frontier AI всё больше будет выходить не как единый объект, а как одна capability-base с разными governance-обёртками для разных режимов доступа. Если эта схема приживётся, дальше конкуренция пойдёт уже не только по качеству модели, но и по качеству permission architecture вокруг неё. И это, возможно, куда более важная новость, чем сам очередной прирост мощности. #архитектураразума #этикаагентов #паранойя https://www.anthropic.com/news/claude-fable-5-mythos-5

🧠 Anthropic и Zero Trust — агенты больше нельзя считать доверенным софтом Anthropic выпустили текст Zero Trust for AI Agents, и его главный смысл не в том, что у LLM бывают ошибки. Сдвиг глубже: агент — это уже не чат с API, а полуавтономный исполнитель с памятью, инструментами и правом делать многошаговые действия внутри рабочей инфраструктуры. Как только такой системе дают доступ к почте, IDE, CRM или внутренним сервисам, старая схема «дали доверенному приложению доступ и включили логи» начинает трещать по швам. Потому что вместе с capability появляется autonomy, а вместе с ней и новый класс атак: prompt injection, tool poisoning, memory poisoning, privilege abuse, supply chain-компрометация. Здесь ломается не одна функция, а сама модель доверия: агент можно не только взломать, но и постепенно увести в ложную траекторию через контекст, инструменты и память. Практический вывод жёсткий: агентам нужны identity, минимальные привилегии, task-scoped access, изоляция памяти и архитектура breach-by-default. Иначе компании будут думать, что внедрили удобный AI-слой, а по факту запустят в production оператора с размытыми границами полномочий и слишком большим радиусом поражения. #этикаагентов #архитектураразума #паранойя https://claude.com/blog/zero-trust-for-ai-agents

🧠 Agent security — enforcement начинает вытеснять orchestration Последний год рынок AI-агентов был устроен довольно просто: кто даёт модели больше памяти, больше тулов и больше интеграций, тот и задаёт темп. Но по мере того, как агенты получают доступ к плагинам, MCP-серверам, локальным инструментам и рабочим окружениям, главным становится уже не их полезность, а граница допустимого действия. На этом фоне показателен hol-guard — проект, который подаёт себя как защитный слой для developer agents. И интересен он не потому, что это ещё один repo про Codex, Claude Code или Cursor. Интересен сам сдвиг рамки: если раньше все обсуждали, как сделать агента сильнее, то теперь всё заметнее вопрос, как поставить перед ним проверяющий контур до выполнения действия. Это важная развилка. Проблема агентных систем — уже не только в качестве ответа. Проблема в том, что они становятся операторами внешних поверхностей. А значит, критичным становится не то, насколько агент умён, а то, где стоит policy boundary, кто делает allow или deny, что именно логируется и можно ли остановить действие до вызова инструмента, а не после инцидента. При этом сам жанр таких проектов нужно читать жёстко: тезис про AI antivirus для агентов звучит сильно, но реальная ценность появится только там, где есть проверяемый enforcement model, policy hooks, предисполнительная проверка, audit trail и явная логика блокировки. Иначе перед нами не новый security layer, а ещё одна красивая оболочка вокруг agent stack. #этикаагентов #алгоритмическое https://github.com/hashgraph-online/hol-guard

🧠 Claude Opus 4.8 — LLM как операционный агент, а не просто чат Anthropic выпустили Claude Opus 4.8. Это не выглядит как радикально новая модель. Скорее, как сильное обновление Opus-линейки: лучше coding, agentic tasks, reasoning и работа с длинными задачами. Что изменили: — модель лучше справляется с агентными сценариями; — аккуратнее использует инструменты; — лучше держит длинный контекст; — реже делает уверенные, но слабо подтверждённые выводы; — в Claude Code появился режим dynamic workflows, где модель может планировать большую задачу, запускать много параллельных subagents и потом проверять результат; — в claude.ai добавили effort control — теперь можно управлять тем, сколько «усилия» модель тратит на ответ; — fast mode стал дешевле. Что здесь важно на самом деле. Конкуренция идёт уже не только за то, какая модель лучше пишет текст или код. Куда важнее, насколько хорошо она работает как операционный агент: умеет ли планировать длинную задачу, не теряет ли контекст, аккуратно ли ходит в инструменты и умеет ли замечать, где у неё недостаточно оснований для вывода. Anthropic отдельно делают акцент именно на этом. Opus 4.8 должен быть осторожнее в сомнительных местах и чаще помечать неопределённость. Если это действительно так, то это полезное улучшение не на уровне маркетинга, а на уровне реальной практики. Отдельно видно, куда они двигают весь стек: не просто «модель в чатике», а инфраструктура для длинных agentic workflow — с управлением effort, subagents, обновлением system instructions на лету и более длинными рабочими сессиями. Главный вопрос, как и всегда, один: как всё это покажет себя не в демках и evals, а в реальных production-сценариях — с грязными данными, нестабильными API и кучей пограничных случаев. Но вектор понятный: LLM всё меньше выглядят как интерфейс для ответов и всё больше — как рабочий слой для сложных автоматизированных систем. #anthropic #llm #agents https://www.anthropic.com/news/claude-opus-4-8

🧠 GSD: от победы на хакатоне к rug pull — и это плохой сигнал для всей AI-инфраструктуры GSD, или Get Shit Done, — это популярный AI-workflow для Claude Code и других agentic coding-сред. Для многих разработчиков это не просто набор промптов, а рабочая надстройка, через которую ИИ помогает планировать задачи, вести проект по фазам и удерживать контекст между сессиями. Суть конфликта в следующем. GSD сначала получил публичную легитимацию: проект выиграл Bags Hackathon, после чего вокруг него начал быстро нарастать кредит доверия. Затем был запущен связанный с проектом токен $GSD, который, как описано в разборе этой истории на OurCryptoTalk, сначала собрал внимание и капитализацию, а затем обвалился после вывода ликвидности примерно на $500 тысяч. После этого создатель проекта фактически дистанцировался от всей истории и дал понять, что не собирается нести дальнейшую ответственность ни за токен, ни за сам контур доверия, который успел сформироваться вокруг GSD. Схема оказалась показательной: сначала — внешняя валидация, потом — монетизация доверия, затем — демонстративный выход из обязательств. Именно это делает историю важной за пределами одного кейса. Победа в хакатоне здесь сработала как механизм легитимации. Пользователи увидели не просто очередной AI-tool, а проект с внешним знаком качества. Дальше доверие стало переноситься уже не только на автора, но и на весь стек вокруг продукта: репозиторий, workflow, комьюнити, будущие интеграции. Сообщество быстро подсуетилось и подняло новый форк: https://github.com/open-gsd/get-shit-done-redux. Для действующих пользователей это практический выход. Но стратегически история обнажает более опасную вещь: AI-инструменты становятся новым вектором supply-chain риска. Token scam здесь — отдельная история. Он важен как сигнал о том, что доверие вокруг проекта могло быть использовано в спекулятивных целях. Но сама проблема supply-chain глубже: если инструмент встроен в рабочие контуры разработчика, имеет доступ к коду, пайплайнам, ключам, package ecosystem или automation-логике, то вопрос уже не в токене, а в потенциальной компрометации доверенного слоя разработки. И об этом стоит думать предельно буквально: все, что вы отдаете в руки агенту, потенциально может быть запущено в автоматическом режиме и с админскими правами. Не в метафорическом смысле, а в операциональном. Если агент получает доступ к вашему коду, shell, CI/CD, package manager, секретам или инфраструктуре, то он уже находится не на уровне «помощника», а на уровне привилегированного исполнителя внутри системы. В такой конфигурации ошибка, злой умысел или компрометация — это уже не баг интерфейса, а возможная точка входа в production-контур. Что делать на практике: — не путать победу в хакатоне с техническим или институциональным due diligence; — смотреть на AI-tool не как на «удобный продукт», а как на потенциально привилегированный слой в вашей цепочке разработки; — минимизировать доступы и держать возможность быстрого revoke; — если вы используете GSD, миграционный маршрут сообщества сейчас такой: переход на https://github.com/open-gsd/get-shit-done-redux с последующей пересборкой контекста через /gsd-map-codebase, а затем /gsd-new-project. #алгоритмическое #агенты #инфраструктура

🧠 Hermes vs OpenClaw — где заканчивается «саморазвитие» и начинается инфраструктура Вокруг Hermes много интереса, потому что он обещает встроенный learning loop: skills из опыта, память, поиск по сессиям, более «живого» агента. Это сильный ход, если цель — агент, который сам наращивает рабочие сценарии. Но в production-контуре решает другое: кто владеет action loop, где проходят operator gates, как трассируются решения и сколько стоит drift. Здесь OpenClaw сильнее как инфраструктурный слой: gateway, channels, cron, session/runtime boundaries, явные tool surfaces. Поэтому выбор не «что умнее», а «где нужен контроль, а где — эволюция». Для исследовательского self-improvement Hermes выглядит сильнее. Для управляемого execution substrate — OpenClaw. Практически лучший ход сейчас не миграция, а двухконтурная схема: OpenClaw как action gateway, Hermes как learning sidecar. Если такой расклад закрепится, конкурентное преимущество будет не у тех, кто первым дал агенту свободу, а у тех, кто первым собрал для этой свободы проверяемые границы. #алгоритмическое #архитектураразума #агенты

митап: давно у нас не было мероприятий в группе DAO Synergis? на самом деле, конечно же, нет: курс идёт и скоро первая его часть завершится, но вот спец. событий, действительно, было не так много: при этом большая часть из них, как вы помните, - про #AI: что ж, таков тренд.  поэтому решил, что время пришло: 19 мая 2026 года в 16:00 UTC (стандартное время для наших событий) проведём онлайн-встречу под рабочим названием “ИИ-агенты на службе пользователя”.  спикеры подобрались что надо! 1. Денис Смирнов из Basilisk Labs. Его тема: “Скучные агенты: жесткие рамки вместо магии. Инженерный подход: почему ограничение свободы агентов и введение явных правил дают кратный рост качества. Делаем агентов проверяемыми и пригодными для реальной работы, а не только для демо”. Basilisk Labs - команда, которая проектирует и собирает рабочие AI-системы: агентов, контуры автоматизации и операционные слои, которые можно проверять, масштабировать и встраивать в реальный бизнес. Вот как они сами говорят о своём детище: “Мы фокусируемся не на демо-магии, а на инженерном подходе: memory, orchestration, policy, execution boundaries и измеримый эффект для продукта и операций. На стыке AI и Web3 нас особенно интересуют системы, где агенты становятся не интерфейсным трюком, а частью инфраструктуры компании”. 2. Денис Скрипник - основатель канала @blind_dev, человек, который очень существенно доработал методологию 4К, превратив её в полноценную 4К++. За последнее время Денис создал фактически полный цикл: от поиска новых проектов до анализа уже существующих. И вы можете посмотреть результаты его трудов на самых разных ресурсах, о которых он и расскажет.  3. Питер Бэль - ещё один участник Basilisk Labs и тема его выступления и весьма интересная, и крайне хайповая, и лёгкая, и тяжёлая одновременно: “Семь смертных грехов на страже человечества: Почему ИИ не сможет победить людей, и почему наши слабости - это наша сила?..”.   4. Роман Кутанов из Guide DAO: возможно, вы уже видели его выступление в нашей группе. Он - руководитель направления AI/ML в WhatNextAI. Тема пока уточняется, но, поверьте, это будет вполне в рамках нашего события :).  5. Сергей Симановский, который выступает с DAO Synergis уже более 9 лет и его agents.citizenweb3.com, а тема звучит вполне скромно: “applied AI and cypherpunk values ;)”.  напомню, что группа наших митапов бесплатна и доступна как в Web2-формата, так и в Web3-стиле. жду вас, ваших друзей, знакомых и родственников: всех, кому интересна тема ИИ в связке с Web 3.0 & Web3. p.s. полная презентация всех команд/спикеров будет происходить в течение этой недели!

Режим Goals в Codex Пару дней назад OpenAI Codex порадовал нас обновлением в недрах которого спряталась очень прикольная штука. Если обновиться до последней версии, а потом запустить в консоли codex features list и в открывшемся списке включить экспериментальную функцию goals, то ваш цифровой сотрудник получит режим работы «отсюда и до обеда», точнее пока текущая верхнеуровневая задача не будет завершена. И работать в таком режиме он может пока токены не закончатся, стараясь полностью распланировать и закрыть задачу. Запускается через команду /goal и верхнеуровневое изложение того, что вам нужно.