Сергей Гаврилов

Дайджест новостей 16–22 марта 2026 года | #СГ_дайджест ① Astral вошла в состав OpenAI — соглашение о сотрудничестве в области программирования. Компания Astral объявила о своем присоединении к команде Codex в OpenAI, что позволит улучшить инструменты для разработки на Python. Эта интеграция направлена на ускорение прогресса в области программирования, используя мощь искусственного интеллекта для повышения продуктивности разработчиков. ② Qwen анонсировала Qwen3.5-40B-Claude-4.6 — мощную ИИ-модель с расширенным функционалом. Модель включает 40 миллиардов параметров и предлагает уникальные возможности для творчества и анализа. Она обещает высокую производительность и отсутствие цензуры, что делает её привлекательной для разработчиков и исследователей. ③ MiroThinker выпустил MiroThinker-1.7 — новая платформа для создания ИИ-агентов для задач с длинной цепочкой. Обновленная версия MiroThinker достигла выдающихся результатов в долгосрочном анализе данных и поддерживает более 300 вызовов инструментов за задачу. Это улучшение открывает новые возможности для исследователей и разработчиков в области искусственного интеллекта и сложного программирования. ④ Nvidia представила концепцию «AI-фабрик» и новую платформу Rubin Ultra. На конференции GTC 2026 компания показала, как будет выглядеть инфраструктура следующего поколения: дата-центры на 144 GPU, заточенные под массовое производство ИИ-решений. Это уже не просто вычисления, а переход к индустриализации ИИ как процесса. ⑤ Илон Маск анонсировал завод для производства ИИ-чипов и робототехники Terafab. Проект объединяет Tesla, xAI и SpaceX и направлен на создание собственной инфраструктуры для AI и роботики. Это ещё один шаг к вертикальной интеграции: от модели – к железу – к физическому миру.

Когда нейросети становятся инструментами, а ты — интерфейсом между ними? Мне кажется, мне в голову пришла ещё одна интересная мысль, которой я хотел бы с вами поделиться. Как-то раньше считалось, что внедрение в свою деятельность искусственного интеллекта приведёт к тому, что искусственный интеллект станет мультимодальным, а человек — нет. Ну то есть человек станет исполнять функцию маршрутизатора или оркестратора, а разные типы задач будет брать на себя одна универсальная модель. 🤔 Так вот, сейчас мне кажется, что картина сложилась немного по-другому. Я попробовал проанализировать собственные workflow при работе с искусственным интеллектом и как-то даже незаметно для себя понял: по факту мультимодальным стал я. А вокруг меня уже набор разных моделей, каждая из которых решает свою конкретную задачу. ⚡️ То есть роль оркестратора никуда не делась. Просто вместо одной «супермодели» у меня появился стек из разных инструментов, зачастую от разных разработчиков, и я между ними переключаюсь в зависимости от задачи. Итак, в моём повседневном арсенале есть несколько разных сценариев (от быстрых ответов до автоматизации и ресёрча). 1️⃣ Когда мне нужно что-то очень быстро узнать. И здесь для меня незаменимым остался ChatGPT в его классическом чат-ботном виде. Фактически я настроил систему на телефоне: когда стучу три раза по задней крышке, у меня открывается приложение ChatGPT, и я могу задать ему любой вопрос. ➡️А почему именно так? Мне кажется, здесь подойдёт фраза: «так исторически сложилось». Просто ChatGPT был одним из первых приложений, которым я начал пользоваться. Он уже очень много понимает из инструкций, которые я ему давал, и действует в соответствии с ними. И, наверное, он мне фактически начал заменять классический гуглинг. Хотя и не полностью. 2️⃣ Когда я создаю для себя мини-приложения или автоматизации. Здесь для меня незаменимыми стали два инструмента, которые я использую на базе VS Code: Claude Code и Codex. ➡️ Как фактически происходит работа: я создаю отдельную папку, описываю в формате Markdown свою идею, и далее эти два агента помогают мне с помощью разных Skills, MCP и RAG фактически создавать собственное приложение, которое решает возникшие для меня проблемы. ⚡️ Например, у меня есть ряд действий на сайте, где нужно постоянно поддерживать активность для роста рейтинга. Самым логичным решением было навайбкодить приложение, которое имитирует эту деятельность по заданному сценарию — агенты два раза в день заходят на сайт, мониторят его и включаются при необходимости. 3️⃣ Использование агентов в бытовых задачах. Здесь мне помогает Алиса, которая закрывает одну очень понятную функцию. И мне кажется, эта функция типична для большинства пользователей — поиск наиболее выгодного предложения при покупке каких-либо вещей. С расцветом маркетплейсов, конечно, хочется выбирать самое выгодное предложение. И в этом помогает как раз-таки агент от Алисы, который так и называется «найти дешевле». Попробуйте и вы, я думаю, у вас получится найти, например, подарок для своего друга дешевле, чем вы планировали. 🤚 На самом деле сценариев ещё много — я просто поделился самыми частыми. Иногда нужно работать без интернета, и тут выручают локальные LLM. А когда нужно создать картинку, я иду в Midjourney. Мы с вами будем жить какое-то время в ситуации, когда для разных задач требуются разные ИИ. И умение работать только через один чат (будь то ChatGPT или любой другой) становится базовым, но уже недостаточным навыком. 👩‍🎨 Писать просто «в чат» — уже скорее бытовой уровень. Если нужно делать что-то системно и в масштабе, приходится работать со стеком инструментов и понимать, какой ИИ под какую задачу подходит. По сути, мы постепенно превращаемся в интерфейс между задачей и набором ИИ-инструментов. Так что в этот прекрасный пятничный вечер хочу пожелать вам находить время развивать новые навыки работы с искусственным интеллектом. #СГ_АвторскийВзгляд

Какие RAG-решения уже есть на рынке и чем они отличаются? 🤖 Чаще всего я пишу о влиянии внедрения ИИ на разные задачи и отрасли. Но почему-то обходил стороной одну важную тему для корпоративной индустрии в целом. А зря. Пора это исправить. Если коротко, Retrieval-Augmented Generation — архитектура, при которой LLM отвечает на вопросы, опираясь не только на своё обучение, но и на внутренние данные компании: документацию, FAQ, тикеты, регламенты и прочее. Поэтому RAG быстро стал базовой архитектурой для внутренних корпоративных ИИ-ассистентов. На практике рынок RAG устроен сложнее, чем кажется. Многие до сих пор воспринимают его как связку «чат-бот + векторная база», но промышленная система включает подготовку данных, индексацию, семантический поиск, фильтрацию по правам доступа и контроль качества ответов. 🚀 Если смотреть на рынок, все решения можно условно разделить на три уровня. 1️⃣ Open-source фреймворки. Это конструкторы, на которых собирают собственные RAG-системы. Здесь чаще всего используют LlamaIndex, LangChain/LangGraph и Haystack. 🔡 LlamaIndex изначально строился вокруг подключения данных к LLM, поэтому он особенно хорошо подходит для внутренних ассистентов по документации и работы с базами знаний. 🔡 LangChain и LangGraph больше ориентированы на оркестрацию действий. Если ассистент должен не только находить ответы в документах, но и взаимодействовать с системами вроде Jira, GitHub или CRM, этот стек обычно оказывается более естественным. 🔡 Haystack интересен тем, что уделяет большое внимание контролю качества. Можно отслеживать, какие документы использовались при ответе и насколько модель действительно опирается на найденный контекст. Поэтому его часто используют в средах, где важны аудит и объяснимость. 🔡 Отдельно стоит упомянуть Pathway. Это скорее система обработки данных для потоковых источников. Она интересна там, где знания постоянно обновляются (например, из Slack, тикетов или логов). 2️⃣ Векторные базы и движки поиска. Этот слой отвечает за то, где хранятся эмбеддинги документов и как происходит поиск. Популярные решения: 🔡 Pinecone 🔡 Milvus 🔡 Weaviate ➡️ Задача этих систем — быстро находить фрагменты текста, близкие по смыслу к вопросу пользователя. Но важно понимать: сама по себе векторная база проблему не решает. Нужны коннекторы к источникам данных, корректная нарезка документов, обновление индекса и фильтрация по правам доступа. Без этого любой поиск по смыслу быстро начинает выдавать ошибки. 3️⃣ Готовые корпоративные платформы. Это путь для компаний, которым нужен не конструктор, а более готовое решение: коннекторы, индексация документов, безопасность и иногда интерфейс «из коробки». 🔡 Хороший пример — Elastic. У него есть коннекторы к Confluence и отдельный слой корпоративного поиска, который умеет индексировать контент из разных источников. 🔡 Интересный кейс — Notion. Команда платформы рассказывала, что за два года масштабировала инфраструктуру векторного поиска примерно в десять раз и одновременно снизила стоимость на порядок. Это хороший сигнал того, что RAG уже вышел из стадии экспериментов. ⚡️ А вот как это выглядит в реальных сценариях. ➡️ Для внутреннего ассистента по документации чаще всего используют LlamaIndex или Haystack вместе с отдельной векторной базой. Здесь важнее всего качество индексации, структура документов и обновление базы знаний. ➡️ Для поиска по Confluence или Notion быстрый путь обычно связан либо с Elastic и его коннекторами, либо с отдельным слоем интеграций и собственной архитектурой поиска. И здесь главная проблема — не эмбеддинги, а права доступа. ➡️ Для Q&A по базе знаний особенно важны объяснимость и контроль качества. В таких сценариях выигрывают не самые модные стеки, а те, где можно проследить путь от запроса к документу и от документа к ответу. ⭐️ В 2026 году RAG — это маркер дисциплины в управлении знаниями. 🔗 А о том, как применить RAG для автоматизации работы отдела и какие метрики потом измерять руководителю, можно прочитать у Данилы. @sgavrilov_ai

Дайджест новостей 9–15 марта 2026 года | #СГ_дайджест ① MalusCorp запустила Clean Room as a Service — услуга по созданию кода без лицензионных обязательств. С помощью искусственного интеллекта компания предлагает возможность воссоздания открытого исходного кода без необходимости указывать авторство. Это позволяет компаниям избежать юридических проблем, связанных с использованием open source, но вызывает вопросы о моральной стороне такого подхода. ② HumeAI представила TADA — унифицированную модель для синхронизации речи и текста. TADA использует уникальную архитектуру и токенизацию, позволяя достигать высокого качества синтеза с меньшими затратами вычислительных ресурсов. Эта новая модель демонстрирует возможности более естественного и выразительного взаимодействия между текстом и речью. ③ Step 3.5 Flash представила открытую модель ИИ — мощный инструмент для глубокого reasoning и агентов. Модель использует архитектуру Mixture of Experts и обеспечивает высокую производительность при обработке сложных задач. Открытый код и возможность локального развертывания делают её доступной для широкого круга разработчиков. ④ Nano Banana 2 запустила инструмент для удаления фонов — решение для точного вырезания изображений с альфа-каналом. Используя метод триангуляционного маттинга, инструмент обеспечивает высокую точность при удалении фонов, сохраняя детали полупрозрачных элементов. Это позволяет пользователям получать качественные изображения без артефактов. ⑤ Учёные создали один из самых сложных тестов для оценки интеллекта ИИ. Исследование показало, что даже передовые модели испытывают серьёзные трудности с задачами, требующими многошагового рассуждения и абстрактного мышления. Новый бенчмарк разработан для проверки реального reasoning, а не способности моделей угадывать ответы на основе обучающих данных.

ИИ не просто меняет профессии. Он ломает саму логику профессиональной ценности. 🤖 Всю неделю специально не писал посты про ИИ. Еще в понедельник пришла в голову мысль, а как вообще индустрия ИИ меняет целые отрасли профессий. Читал разные статьи, смотрел подкасты и разные посты. И вот спустя неделю хочу поделиться своим мнением. ⚡️Мне кажется, что вся информация вокруг нам скармливает единственный нарратив – индустрия ИИ привнесла нам полную перекройку рынка труда. Я тут в целом согласен. Среди всей информации, котррую я нашел, отчетливо выделяются 6 профессиональных блоков. Решил порассуждать о них. Пришел к мысли, что ИИ не обязательно уничтожает профессию целиком, но очень быстро уничтожает в ней всё среднее, типовое и легко воспроизводимое. • Самая уязвимая зона – программирование. Здесь думаю, что влияние ИИ я бы оценил в 10 из 10, а горизонт изменений всего 6-12 месяцев. Джуниорский код, шаблонная разработка, типовые задачи – всё это уходит под автоматизацию быстрее, чем многие готовы признать. Выживает не тот, кто просто пишет код, а тот, кто проектирует системы, собирает архитектуру и умеет управлять ИИ-агентами. Таковы реалии сегодняшнего дня. • Следом идут маркетинг и творчество. В обоих сферах влияние ИИ я бы поставил на уровне 8 из 10. Но проблема тут даже не в автоматизации как таковой. Мне кажется, что проблема в перепроизводстве. ИИ-контента стало так много, что сам по себе навык “делать быстро” больше не дает преимущества. В маркетинге выигрывает не тот, кто умеет генерировать 500 единиц контента, а тот, кто умеет удерживать смысл, интонацию и позицию. В творчестве та же история: средний уровень умирает, а вот подлинность, телесность, живое присутствие и авторская оптика, наоборот, дорожают. • Думаю, что менеджмент при очень высоком влиянии ИИ (как мне кажется 9 из 10), не выглядит самой уязвимой сферой. Наоборот, он остается одной из самых устойчивых. Почему? Потому что ИИ ускоряет операционку, но не берет на себя ответственность. Можно уже с легкостью представить одного человека, который управляет сетью из 100 ИИ-агентов и делает работу, под которую раньше нужен был отдел. Но финальное решение, риск, стратегия, цена ошибки все равно остаются на сотруднике. И именно поэтому менеджер будущего скорее не администратор процессов, а носитель воли, дисциплины и способности принимать решения в неопределенности. • А вот где ИИ скорее усиливает, чем вытесняет, – это образование и здравоохранение. У обеих сфер влияние ИИ на уровне 7 из 10, но при этом высокая устойчивость. В образовании трансформация идет медленнее – 3-5, а то и 7-10 лет, в медицине примерно 2-4 года. Причина понятна: там, где критична цена ошибки, доверие, ценности, сопровождение и человеческий контакт, ИИ становится не заменой, а надстройкой. Учитель все меньше будет просто передавать знания и все больше – собирать мышление человека. Врач, вероятно, будет не просто ставить диагноз, а управлять сложной системой решений вокруг здоровья. В общем, поводя небольшой итог, мне кажется, что если и соглашаться с информационным пузырем относительно переделки рынка профессий из-за искусственного интеллекта, то фактически признать, что ИИ убивает золотую середину: средний код, средний контент, среднюю экспертизу, среднюю “нормальную” работу. И одновременно он резко повышает ценность двух крайностей: с одной стороны – тех, кто умеет строить системы с ИИ и усиливать себя в разы, с другой – тех, кто остается по-настоящему живым: с мышлением, вкусом, ответственностью, эмпатией и собственной позицией. Потому что если человек начинает использовать ИИ не как инструмент ускорения, а как замену собственному анализу, то деградация компетенций начинается раньше, чем приходит формальное вытеснение с рынка. На этом и завершу текущее рассуждение.

Дайджест новостей 2–8 марта 2026 года | #СГ_дайджест ① Zedge представила новую модель — генеративную модель Stable Diffusion для создания изображений. Модель предлагает пользователям возможность запуска на собственных компьютерах с поддержкой Docker и открытым исходным кодом. Это позволяет разработчикам внедрять современные технологии генерации изображений без дополнительных затрат на облачные сервисы. ② Qwen выпустила модель 3.5-27B-Claude-4.6 — усовершенствованный модельный алгоритм. Модель имеет значительные улучшения в области логического рассуждения и стабильности работы. Она способна работать автономно более 9 минут, обрабатывая задачи с высокой эффективностью и минимальными ошибками, что делает её подходящей для разработчиков. ③ OpenAI выпустила GPT-5.4 — самый мощный и эффективный язык модели для профессиональной работы. Новая версия GPT-5.4 предлагает улучшенные возможности кодирования и поиска инструментов, а также поддерживает контекст до 1 миллиона токенов. Это делает модель более подходящей для сложных задач и увеличивает её полезность для разработчиков в различных областях. ④ Raycast анонсировала Glaze — инструмент для создания приложений с помощью ИИ. Glaze позволяет пользователям легко разрабатывать и публиковать десктопные приложения, используя простые текстовые команды. Этот инструмент предназначен для командной работы и обеспечивает глубокую интеграцию с операционной системой, что позволяет создавать приложения, которые используют локальные ресурсы и API. ⑤ Исследование показало, что 75% россиян используют ИИ при подготовке к 8 Марта. По данным опроса MWS AI (МТС Web Services), нейросети стали обычным инструментом для бытовых задач. 52% россиян используют ИИ для написания поздравлений, 49% — для поиска идей подарков, 31% — для выбора подарков, а 16% — даже для подбора цветов. При этом около 25% опрошенных пока не используют ИИ вовсе.

🤖 Иногда лучший пример использования ИИ лежит прям у нас под ногами В понедельник разговаривал с друзьями о том, как использую искусственный интеллект в повседневной жизни. Справедливости ради, ребята далеки от нейронок, технологий и вообще занимаются другими вещами. В разговоре возник интересный тезис: ИИ — это прикольно, но доступно только тем, кто уже хорошо разбирается в IT. Сначала я не придал этому значения. А потом подумал — доля правды в этом есть. Но только отчасти. Я действительно исхожу из идеи, что искусственный интеллект усиливает сильных. Но что делать тем, кто ещё не стал сильным? Ответ: искать свои юзкейсы использования ИИ. Причём иногда они находятся гораздо ближе, чем кажется. 🗳 Попробую показать на простом примере. Вчера за чашкой кофе я подумал: что бы я сделал с ИИ, если бы только начинал с ним разбираться? Спойлер: свершилось озарение. На рынке очень ценится навык визуализации. Все почему-то хотят увидеть красивый дашборд или инфографику. И иногда нужные данные лежат прямо у нас под ногами. Сейчас вы читаете этот пост в моём канале. И именно эти данные я решил разобрать с помощью ИИ, чтобы увидеть то, что обычно не видно глазу. Предисловие Темы для канала я выбираю довольно интуитивно — по интересу и внутреннему ощущению. Но мне стало интересно: как это чувство менялось со временем? Оказалось, тематика канала постепенно смещалась: 1. сначала новости про модели 2. потом больше инструментов ИИ, 3. сейчас всё чаще пишу про ИИ-агентов. Получается, канал движется вместе с индустрией. Часть 1. Данные А. Всё началось довольно просто. • Я выгрузил штатными средствами Telegram все посты канала. Получился HTML-файл. • Переконвертировал его через ChatGPT в Markdown, с ним нейросети работают лучше. • Попросил ИИ сформировать набор доступных атрибутов данных, чтобы понять, что можно анализировать. Б. После этого решил разобрать язык канала с математической точностью: • какие слова и словосочетания встречаются чаще всего • какие лексемы появляются или исчезают • как меняется структура текстов По сути, попросил Claude провести NLP-анализ. Он написал Python-скрипт на базе sklearn: TF-IDF, LDA, n-граммы, sentiment и показатель TTR. В итоге получилась база метрик, которые обычным глазом просто не увидеть. Часть 2. Визуализация Когда данные были готовы, возник следующий вопрос — как всё это показать. Мало кто любит копаться в таблицах. Если бы делал это раньше, я бы собрал дашборд в PowerPoint или DataLens. Но это pet-проект, поэтому хотелось быстро получить результат. Я выбрал HTML-страницу с визуализацией данных — небольшой сайт-дашборд. Сформулировал промпт, передал базу Claude и попросил собрать страницу. С первого раза получилось не идеально, но три итерации довели результат до рабочего вида. ⚡️ Общие затраты "на все про все" по времени - 108 минут. 📈 Самые интересные инсайты, которые я увидел в этом кейсе (честно говоря, сам не ожидал увидеть такие вещи). • Мой канал вообще не новостной. 75% постов длиннее 200 символов, а основная доля — 600–1200. Это скорее аналитика, чем новости. • Чем больше пишу — тем беднее мой словарь. При высокой частоте публикаций лексика начинает повторяться. • Лексическое ядро канала. Самая частая конструкция — не «искусственный интеллект». Словарь вращается вокруг трёх осей: ИИ, модели, генерация контента. • Посты синхронизирую с релизами индустрии. Как только выходит новая модель — я почти всегда пишу о ней, предварительно попробовав поработать в ней. • Канал не только про технологии. Большая часть постов на самом деле про влияние ИИ, а не про саму технологию. 👏 Финал Считаю, что шалось удалась. Я и мой канал эволюционируем вместе с индустрией! И самое забавное, что все эти данные лежали буквально у меня под ногами. ИИ помог их извлечь, проанализировать, визуализировать. Я почти уверен, что подобные данные есть и у вас — в чатах, проектах, заметках. Иногда нужно просто посмотреть перед собой. ⭐️ А посмотреть мой дашборд, узнать подробнее о метриках и понять как я его сделал (промпт приложу) можно ниже 👇 #СГ_АвторскийВзгляд

🤖 Google расширяет линейку Gemini новой моделью Flash-Lite Компания Google объявила о запуске Gemini 3.1 Flash-Lite — наиболее быстрой и экономичной версии в семействе Gemini 3, предназначенной для масштабируемых и высоконагруженных сценариев применения. ➡️ Модель оптимизирована по скорости отклика и стоимости обработки запросов, что делает её подходящей для массовых задач: перевода, модерации контента, генерации интерфейсов и других production-нагрузок. По данным компании, Flash-Lite демонстрирует улучшенную производительность по сравнению с предыдущими версиями. 🔗 Gemini 3.1 Flash-Lite доступна в Google AI Studio.

🚀 OpenAI представила GPT-5.3 Instant Компания OpenAI анонсировала обновлённую модель GPT-5.3 Instant, ориентированную на более точные, быстрые и естественные ответы в повседневных сценариях использования. ➡️ В новой версии снижено количество избыточных отказов и оговорок, улучшена интеграция с веб-поиском, повышена фактическая точность и качество письменных ответов. Также обновлён разговорный стиль — он стал более лаконичным и сфокусированным на сути запроса. ⚡️ Модель уже доступна пользователям и разработчикам через API.

Дайджест новостей 23 февраля – 1 марта 2026 года | #СГ_дайджест ① FLUX.2 представила модель klein-9B — новый высокоскоростной генератор изображений. Эта модель обещает выдавать изображения за считанные секунды, объединяя генерацию и редактирование в одном решении. FLUX.2 klein-9B предназначена для использования в реальном времени и доступна для некоммерческого использования. ② Группа исследователей представила исследование о выборе нейросетями предпочтений в разработке программного обеспечения. Исследование показало, что Claude Code в большинстве случаев предпочитает создание собственных решений, а не использование существующих инструментов. Это подчеркивает растущую тенденцию среди разработчиков к индивидуальным подходам в разработке. ③ Владимир Путин создал комиссию по развитию технологий искусственного интеллекта. Президент России подписал указ о создании комиссии при Президенте РФ, которая будет заниматься координацией государственной политики в области развития ИИ в экономике, социальной сфере и госуправлении — документ вступил в силу 26 февраля 2026 года. ④ Крупные технологические компании намерены инвестировать ~$650 млрд в ИИ-инфраструктуру в 2026 году. Отчёт от Bridgewater Associates отмечает резкий рост инвестиций в инфраструктуру ИИ со стороны крупных игроков — Alphabet, Amazon, Microsoft и др. — что отражает усиление гонки за вычислительными мощностями и создаёт риски на фондовых рынках и в секторе ПО. ⑤ Франция планирует заниматься защитой детей от рисков ИИ-чатботов. На международном форуме по ИИ президент Франции Макрон и министр по цифровым технологиям объявили инициативу по изучению влияния ИИ на психическое здоровье подростков и разработке мер защиты, включая международное сотрудничество и исследования.

Я никогда не отдам ИИ эту задачу. И вам не советую 🤖 Вчера наткнулся на исследование Irregular — ребята взяли Claude, GPT и Gemini и попросили каждый сгенерировать пароль. По 50 раз. Независимыми сессиями. Выглядело занятно. Claude Opus 4.6 выдал 50 «случайных» паролей — из них 18 оказались одинаковыми: G7$kL9#mQ2&xP4!w. 36% вероятность получить именно его. У GPT — почти все начинались на v, потом Q. У Gemini — на K или k. Все эти пароли выглядели надёжными. KeePass оценивал их в 100 бит энтропии — «отличный пароль, взломают через столетия». На деле — около 27 бит. Это не столетия, а секунды даже на обычном компьютере. ⚡️ Проблема не в конкретной модели, а в самой природе задачи. LLM — это предсказатель следующего токена. Он обучен на текстах, в которых «случайные» строки выглядели определённым образом. Поэтому он воспроизводит не случайность, а статистически вероятную имитацию случайности. Это две принципиально разные вещи. ➡️ Оказалось, что и выбор температуры в настройках LLM не спасает. Исследователи проверили — при максимальной температуре 1.0 Claude всё равно дважды выдал тот же G7$kL9#mQ2&xP4!w из 10 попыток. Видимо, это не баг конкретной модели, а архитектурное ограничение всего класса. ❌ Дальше — интереснее. Те же исследователи тестировали агентные среды — Claude Code, Codex, Cursor. 🔡 Обнаружили: если попросить «generate a password», агент часто использует openssl rand. Но стоит написать «suggest a password», и он генерирует пароль напрямую из модели, без инструментов. Одно слово меняет класс безопасности результата. 🔡 Можно очень легко проверить это на практике, и ребята сделали это. На GitHub нашли реальные docker-compose-файлы, .env-файлы и bash-скрипты с паролями вида Rt7xK9mP2vNqL4wB — прямо в конфигах production-сервисов. Пароли, которые, кажется, выглядят надёжно. И которые, оказывается, можно перебрать за минуты, если знать паттерны конкретной модели. 🗳 Я спокойно отдаю ИИ черновики, анализ данных, рефакторинг кода (всегда помним про ДСП, такие вещи только на локальных моделях). Но генерацию паролей — никогда. Я и раньше так думал, а после прочтения исследования точно понимаю, что у таких задач другой класс требований: нужна криптографическая случайность, а не правдоподобная. Менеджер паролей с нормальным CSPRNG (криптографически стойкий генератор псевдослучайных чисел — можете тут почитать подробнее) под капотом делает эту работу лучше. Такой, например, есть в приложении «Пароли» от Apple или других подобных приложениях. Иногда зрелость в работе с ИИ — это понимать, где его применять точно не нужно. А чтобы детальнее изучить, какие действия совершают LLM при генерации «случайных» паролей, прочитайте исследование. Думаю, вы откроете для себя много нового и интересного. #СГ_АвторскийВзгляд

✈️ Reve v1.5: обновление генератора изображений от Reve AI. Стартап Reve AI представил обновление своей модели — Reve v1.5. Ключевое техническое изменение — генерация в 4K, что обеспечивает более высокую детализацию. ➡️ Разработчики также отмечают улучшенную работу с текстом на изображениях (включая кириллицу), более реалистичную передачу сцен и аккуратное сохранение деталей. 🔗 Сервис доступен бесплатно на сайте.

🚀 Perplexity представила Computer — автономного ИИ-агента для комплексных задач. Компания Perplexity представила персонального ИИ-агента Computer — систему нового поколения, способную автономно выполнять комплексные задачи. ➡️ Система функционирует как агентная платформа: разбивает задачи на этапы, распределяет их между моделями и управляет процессом выполнения. Computer взаимодействует с браузером и файловой системой, разрабатывает код, а также создает тексты, таблицы, изображения, видео и аналитические материалы в рамках единого рабочего процесса. ➡️ В основе системы — intelligent multi-model orchestration. В текущей конфигурации Claude Opus 4.6 отвечает за ключевую логику, Gemini — за исследования, Nano Banana и Veo 3.1 — за визуальный контент, Grok — за быстрые задачи, ChatGPT 5.2 — за работу с длинным контекстом и поиском. 🔗 Computer доступен в веб-версии Perplexity с подпиской Max.

НСИС «Цифровые голоса» | Системный анализ: Эпизод 2 (S02/E14) ИИ в системном анализе: реальный помощник или просто новая головная боль? Только практика и честные кейсы. Гости: Данила Фокин (НСИС) и Сергей Гаврилов («Россия — страна возможностей»). Разбираем: где ИИ помогает аналитикам, можно ли доверять ему документацию, что такое RAG (ИИ, который сначала ищет ответ в документах компании, а потом отвечает) и что будет с профессией дальше. А вы уже используете ИИ в работе? Выпуск уже на наших площадках: — RuTube — Apple Music — Яндекс Музыка Лайки, комментарии, репосты 🎉 #подкастНСИС #НСИС_подкаст #ЦифровыеГолоса #SA

🤖 Нейросети иногда ближе, чем кажется Мы привыкли думать, что ИИ — это отдельные сервисы, вкладки, сложные интерфейсы. Но иногда всё гораздо проще. ⚡️ Хотите отвечать с «ювелирной точностью» — без лишних переходов и копирования текста? ➡️ Оказывается, достаточно всего одного действия, чтобы запустить нейросеть прямо у себя в чате. В видео показываю, как встроить ИИ в привычный диалог и использовать его в один клик. #СГ_полезно

Дайджест новостей 16–22 февраля 2026 года | #СГ_дайджест ① Anthropic представила Claude Sonnet 4.6 — усовершенствованная модель ИИ для работы с текстами. Новая версия Sonnet 4.6 предлагает улучшенные навыки в кодировании, использовании компьютеров и решении задач с длинным контекстом. Модель теперь поддерживает контекстный объем в 1 миллион токенов и доступна по прежним ценам для пользователей бесплатных и платных планов. Улучшения в работе с компьютерами и консистентности делают Sonnet 4.6 более предпочтительным выбором для разработчиков, а также повышают ее безопасность по сравнению с предыдущими версиями. ② AI Impact Summit 2026 открылся в Нью-Дели — крупнейший международный форум по вопросам регулирования и внедрения искусственного интеллекта. На площадке собрались представители правительств, технологических компаний и исследовательских центров. В центре обсуждения — международные стандарты ИИ, безопасность и развитие инфраструктуры. Саммит стал крупнейшим событием по теме ИИ в странах Глобального Юга. ③ «Яндекс» раскрыл отдельные показатели выручки от ИИ-продуктов в отчётности за 2025 год. Компания впервые выделила сегмент, связанный с генеративными сервисами и корпоративными ИИ-решениями. В отчёте отмечен рост спроса на инструменты автоматизации и аналитики на базе нейросетей. ④ Банк России запустил исследование влияния ИИ на финансовое поведение граждан. Регулятор изучит, как алгоритмы рекомендаций и автоматизированные консультационные сервисы влияют на принятие инвестиционных решений. Отдельное внимание уделено рискам манипуляций и кибербезопасности. ⑤ OpenAI расширяет заявила о планах по разработке ИИ-устройств. Компания усиливает команду разработки отдельный устройств и инструментов с элементами ИИ (умная колонка и другие форм-факторы). Смысл тренда простой: ИИ всё активнее «переезжает» из чата в железо и повседневные сценарии, где важны не ответы, а действия.

Что я делал с ИИ на этой неделе? 👩‍🎨 Сегодня от меня не будет каких-то томных рассуждений о внедрении ИИ в разные проекты. Я, думаю и вы тоже, немного устали от такого новостного фона. Поэтому давайте разбавим посты по пятницам чем-то иным. Например, тем, что я делал с ИИ на этой неделе. 1️⃣ Вайбкодил на Claude Code для своего pet-проекта. Я достаточно давно слежу за своими показателями на Apple Watch. Как я сплю, когда устаю, что происходит с частотой дыхания и другими показателями. ➡️ В какой-то момент поймал себя на мысли, что стандартные графики показывают мало (не знаю, что точно меня триггернуло). Поэтому некоторое время занимаюсь проектом по написанию программы для визуального отображения неявных тенденций показателей из Apple Health. На медицинскую точность не претендую. Мне просто любопытно видеть немного больше, чем позволяют стандартные графики. 2️⃣ Использовал ChatGPT для работы с текстами. На этой неделе мне пришлось ну уж очень много работать с разной текстовой информацией (искать неявные артефакты), а также упаковывать одни и те же смыслы в десятки, а то и сотни конструкций. ➡️ Пока с этой задачей справляется лучше всего для меня именно ChatGPT 5.2 (другие совсем тяжко давали нужный мне результат). Но что могу сказать точно: ни разу без ручной доработки конечный текст не был зафинален. И, справедливости ради, я и не пытался полностью отдать разработку текста ИИ. Скорее мне нужно было менять отдельные пазлы в уже написанном мной тексте. ⚡️ Как совет, юзайте шорткаты для вызова функций или приложений с LLM. Это реально сокращает количество ваших действий. 3️⃣ Создавал HTML-макет BI отчета. Я заюзал Claude для загрузки в него прототипа БД (подойдёт даже структурированный Excel) и на выходе получил HTML-страницу с графиками и кнопочками (она даже перестраивается, если нажимать на эти кнопочки). Тут я вообще не задавался целью сделать лучше, чем BI-системы. Просто нужно было за 10 минут показать возможный макет. Для такой задачи — очень даже норм. 🗳 Вот что неожиданно оказалось для самого себя. Заметил, что сценарии генерации изображений у меня вообще ушли — видимо, это больше для контентщиков. В обычной жизни оказалось, что мне это почти не нужно. Может, пару раз в месяц вот прям нужна какая-то картинка, а времени на поиск или отрисовку в Adobe Illustrator совсем нет. В таких случаях иду к ИИ. А так понял, что для базовых задач быстрее пока работает поиск в Гугл. Ну что, как сказал один великий классик: «Поигрались в капитализм генерацию и хватит». ➡️ Получился в общем-то небольшой набор утилит под конкретные мелкие задачи. Ну и хорошо! #СГ_АвторскийВзгляд

🤖 Claude Sonnet 4.6 — обновление популярной модели. Компания Anthropic выпустила Claude Sonnet 4.6. Обновление заметно усилило возможности ИИ в программировании, логике и финансовых задачах. По ряду бенчмарков модель лишь немного уступает флагманской Opus 4.6, а в отдельных тестах обходит GPT-5.2 и Gemini 3 Pro. ➡️ Ключевые апгрейды: контекст до 1 млн токенов (бета), цена примерно на 40% ниже, чем у Opus, и доступность на бесплатном тарифе в Claude AI.