Роман Сухов | Твой ИИ-инженер

Ко мне регулярно приходят с одним запросом: собери контент-завод, чтобы двадцать единиц контента в неделю сами уходили на пять площадок. Я такие заводы собираю, один крутится у клиента прямо сейчас. Но до старта я всегда спрашиваю: кто стоит на последнем метре? Если ответа нет, завод превращается в генератор помоев. Merriam-Webster не зря выбрал словом 2025 года slop. Помои. Определение у них буквальное: цифровой контент низкого качества, произведённый в количестве при помощи ИИ. В B2C помои видно сразу, по шестипалым людям и Иисусу из креветок. ✅В B2B они выглядят приличнее и работают злее. 🔆Первое. Текст без единой мысли. Открываешь статью, читаешь три абзаца про адаптацию к динамично меняющемуся рынку и понимаешь, что не узнал ничего. Читатель чувствует это за десять секунд и закрывает вкладку. 🔆Второе. Галлюцинации в мелочах. Модель уверенно пишет про деревянный стул из высококачественного пластика, ссылается на статью закона, которой нет, называет состав препарата, которого не существует. Смешно ровно до того момента, пока это не твоё КП на столе у клиента. 🔆Третье. Боты в комментариях. Одинаковая благодарность за экспертизу под каждым постом, аккаунты без аватарок, все заведены в один день. Это тоже информация о компании, просто не та, которую хотели передать. Дальше техника. Google выкатил спам-апдейт в марте 2026 и ещё один в июне. Формально они не про ИИ, Google прямо говорит, что генерация текста нейросетью сама по себе не нарушение. Под нож идёт масштабирование ради масштабирования, контент без собственной ценности. YouTube ещё в июле 2025 переименовал политику про повторяющийся контент в неаутентичный, а в июле 2026 разложил её на три категории и закрыл им монетизацию: шаблонные ролики под копирку, выжимающая эмоцию дичь и ИИ-персонажи, изображающие врача или финансового консультанта. Автоматизировать контент нужно, я на этом зарабатываю. Но завод собираю так, чтобы машина делала черновики, сбор фактуры и рутину, а смысл, проверку цифр и финальную правку ставил живой человек. Убери человека с последнего метра, и получишь идеально работающий конвейер, который каждый день понемногу портит твою репутацию. Обо мне | Обучение | Отзывы

А вот и Grok 4.6 подъехал. И у него неожиданно взрослая заявка SpaceXAI выкатила Grok 4.6, и это не рывок в сыром интеллекте, а точечная заточка под то, что сейчас всех и волнует: долгоживущие агенты. По баллам расклад такой. На индексе интеллекта Grok 4.6 встал вровень с GPT-5.6 Sol, а выше только Opus 5 и Fable 5. То есть до самой верхушки чуть-чуть недотягивает, но дышит ей в спину. По агентным и knowledge-тестам где-то обходит соперников, где-то уступает, но держится в лиге лидеров. А вот главная фишка не в баллах, и это важно понять. Grok 4.6 умеет долго не терять фокус на задаче. Он идёт через десятки шагов, не сползая и не разваливаясь: копает тему, ковыряет кодовую базу, доводит идею до готового приложения. И самое интересное тут экономика. На длинной задаче он закрывает работу примерно за 53 хода там, где Opus 5 тратит около 103, и жрёт вчетверо меньше входных токенов. Для долгоживущих агентов это прямая экономия, потому что в таких задачах платишь именно за накопленный контекст и количество итераций, а не за красивую строчку в бенчмарке. Но пара нюансов, чтобы без розовых очков. Контекст у него 500 тысяч токенов, это меньше, чем у конкурентов с их миллионом. И есть ценовая ловушка: базово это 2 доллара за вход и 6 за выход, но как только запрос переваливает за 200 тысяч токенов, всю пачку пересчитывают уже по 4 и 12. Так что фишка не в том, чтобы пихать по 500 тысяч в каждый запрос, а в том, чтобы держать контекст в узде и грамотно чистить. Уже можно щупать. Модель живёт в Grok Build, Cursor и по API. https://dslab.tech/ai/models/llm/grok-4.6 Бенчмарки закину в комментарии, а мой практический совет прежний: не верь таблицам на слово. Если гоняешь длинных агентов, возьми свою реальную задачу и сравни Grok 4.6 с тем, чем работаешь, именно по числу итераций, ретраям и итоговому счёту за работу. Вот там и станет ясно, твой это рабочий конь или нет. Обо мне | Обучение | Отзывы

DeepSeek тихо сломал ценник на ИИ. И вот на сколько Вчера DeepSeek без лишнего шума перевёл свой флагман V4 Pro из превью в релиз. Раскатали на API и в DeepSeek Chat, миллион токенов контекста, режимы с размышлением и без. По агентному кодингу модель подобралась вплотную к территории Fable 5, но платишь ты за неё примерно в шестьдесят раз меньше. И это ещё не самое интересное. Самое интересное показал один наглядный тест. Ребята попросили три модели за один запуск собрать Flappy Bird и выставили оценки с ценой генерации. Смотри, что вышло: DeepSeek V4 Pro: 8 из 10 за 0,0005 доллара. Kimi K3: 9,5 из 10 за 0,074. GLM 5.2: 9 из 10 за 0,048. По качеству DeepSeek проиграл, честно. Балл-полтора он уступает. Но теперь переведи это в деньги. DeepSeek вышел в 148 раз дешевле Kimi и в 96 раз дешевле GLM. Не на проценты, а в сотню раз. И вот тут ломается привычная логика. Мы приучены думать в категории «какая модель лучше». А правильный вопрос давно звучит иначе: за сколько ты получаешь достаточно хороший результат. Для гигантской доли задач вариант «чуть хуже, но в сто раз дешевле» бьёт премиальную модель всухую. А если завернуть DeepSeek в нормальный харнес, с планированием и проверкой на циклах, разрыв в качестве съедается почти полностью, а разрыв в цене остаётся. ✅Но прежде чем ты побежишь всё переносить, три отрезвляющих момента, о которых в восторженных постах молчат. 🔆Первое: у V4 Pro нет зрения. Картинки, скрины, документы с версткой он не видит. Для части задач это сразу мимо. 🔆Второе: DeepSeek уже официально предупредил, что цены скоро поднимет. Так что вот эти сказочные доли цента не навсегда, считай экономику с запасом. 🔆Третье, и для нас с тобой самое важное: данные идут через китайскую инфраструктуру. Гонять туда обезличенные тексты, код и черновики нормально. А вот персональные данные клиентов лить нельзя, это ровно та трансграничная передача, за которую по ФЗ-152 прилетает штраф. Про полки я уже писал: чувствительное держим отдельно. Так что да, вероятно, в августе часть людей и правда задумается, а зачем они платят по 100-200 долларов за подписки, если рутину можно закрывать за копейки. Но умный ход не в том, чтобы всё бросить и пересесть на DeepSeek. Умный ход в том, чтобы поставить дешёвую модель туда, где она справляется, а дорогую оставить там, где она реально отрабатывает свои деньги. Вот это и есть навык, который сейчас стоит денег. Обо мне | Обучение | Отзывы

Ещё одна модная тема сейчас: loop-инжиниринг. Разбираюсь, магия это или маркетинг Если по-простому, loop-инжиниринг это работа циклами, обёрнутыми вокруг агента. Агент делает задачу, сам проверяет результат и, если тот сырой, запускается заново. И так по кругу, пока не пройдёт тест или пока его не остановит человек. Подают это как прорыв, который рвёт все шаблоны в работе с нейронками и прокачивает твоего агента на максимум. Мол, теперь нейронка пашет сама, а тебе остаётся только открыть пиво и ждать готового результата. Красивая картинка. Только я с ней не очень согласен, и вот почему. Есть базовый закон работы с нейросетями, который никакие лупы не отменяют. Мусор на входе, мусор на выходе. Сколько раз ты ни гоняй агента по кругу, если задача поставлена криво, он будет криво крутиться. Чем точнее, подробнее и понятнее ты сформулировал, тем выше шанс, что на выходе получится нужное. А это значит, что настоящая работа не в цикле, а до него. ➡️И вот тут кроется неприятная правда: планирование это самая долгая и самая муторная часть. На хороший план проекта, статьи или чего угодно легко уходит час, а то и два. Зато по действительно хорошему плану нейронка отработает чисто и вообще без всяких лупов. А по кривому плану луп просто быстрее приведёт тебя к красиво оформленной ерунде. Поэтому мой вывод такой. Не надо пытаться слепить из агента гения во всём. Гораздо полезнее сделать его гением в одном: в планировании. Научить его думать как ты, понимать, как ты принимаешь решения и почему рассуждаешь именно так. Потому что как только ты научишься планировать вместе с нейронкой быстро и точно, все остальные задачи перестанут отнимать время сами собой. Лупы это костыль для плохого плана. А хороший план это и есть тот самый рычаг, который решает. Обо мне | Обучение | Отзывы

Самое подробное ТЗ за месяц мне прислал человек, которому я через два сообщения отказал. Приходит лид в личку. Расписывает процесс так, как расписывают единицы: что делают сейчас, какими инструментами, где узкое место, что именно надо автоматизировать, какой результат считать успехом. Я читал и думал, что вот он, идеальный клиент. Не «хочу бота, сколько стоит», а нормальная инженерная постановка. Суть такая. Рекрутинговое агентство. Публикуют вакансии в Threads, вручную по 5-10 постов в день на каждом из 10-20 аккаунтов, которые заводят каждый день заново через антидетект-браузер с ротацией IP. Просят генерацию текстов и автопостинг, плюс отдельный контур: чтобы система сообщала, на каком аккаунте площадка удалила пост, и такой аккаунт можно было вовремя списать. Технически задача решаемая. Сигналы там были в каждой строчке, но по отдельности каждый из них объясним. Аккаунты одноразовые. Площадка регулярно сносит посты. На нормальных job-площадках эти вакансии почему-то не размещают. Я не стал считать часы и уточнять интеграции. Задал один вопрос: что за вакансии, покажите пример объявления. Ответ: ищем девушек для работы на OnlyFans. Дальше два сообщения, и тема закрыта. Вот что я из этого забрал. Качество ТЗ не говорит о качестве клиента. Оно говорит ровно одно: человек делает этот процесс руками достаточно долго, чтобы описать его по шагам. Тот, кто три года отлаживал серую схему, сформулирует задачу лучше честного предпринимателя, который автоматизирует что-то первый раз в жизни. Подробность это следствие опыта, а не порядочности. Поэтому в квалификации лида у меня теперь первым идёт не бюджет и не стек. Первым идёт скучная просьба показать, что именно вы публикуете и кому продаёте. Техническую часть я оценю за полчаса в любой момент. А понять, во что тебя втягивают, стоит одного сообщения, отправленного до того, как ты начал рисовать архитектуру. Обо мне | Обучение | Отзывы

Самая обсуждаемая модель лета продаётся так же, как билеты на закрытый концерт: очередь есть, касса закрыта. Kimi K3 обходит Fable 5 и GPT-5.6 по фронтенду, все про неё говорят, а подписку купить нельзя. На всех четырёх тарифах, от 15 долларов до 159, вместо кнопки оплаты висит лист ожидания. Третью неделю. Обходной путь есть, и он рабочий. Но там своя история с сюрпризами, из-за которых половина обзоров в интернете написана людьми, которые модель толком не потрогали. А потом я скормил одну и ту же задачу четырём моделям сразу: Kimi K3, Claude Fable 5, GPT-5.6 и GLM 5.2. Три задачи, двенадцать результатов, все живые и все можно потыкать руками. Одна вещь меня там реально удивила. Три модели независимо друг от друга сделали то, чего в задании не было вообще. И сделали по-разному. ✅Все ссылки из ролика: 🔆Пошаговая инструкция по установке, со всеми командами 🔆Приложение Kimi Work 🔆Платформа разработчиков и API-ключ 🔆Витрина со всеми тестами Ролик уже на канале. ▶️Ищите на YouTube по названию: Я протестировал KIMI K3 на РЕАЛЬНЫХ задачах и сравнил с CLAUDE, GPT и GLM

AI 2040. Авторы самого мрачного пророчества про ИИ переписали финал Наткнулся на разбор в одном канале и полез в первоисточник. Оказалось, команда, что написала нашумевший AI 2027, выпустила продолжение. И финал на этот раз другой: сверхчеловеческий разум не стирает человечество с лица земли. Сразу важное. Это не прогноз. Авторы честно называют новый сценарий рекомендацией: не «так будет», а «так стоило бы действовать, чтобы выжить». Держи это в голове, дальше поймёшь почему. Первый их сценарий выглядел приговором по простой причине. Теория игр не даёт сверхдержавам и корпорациям раскрыть карты. Никто не покажет конкуренту свои вычислительные мощности и свои разработки. Гонка без тормозов, и в финале всё горит. Но в сиквеле появляется деталь, которая ломает эту логику. Риск полного взаимного уничтожения. Мы это уже проходили с ядерным оружием: когда обе стороны способны стереть друг друга, правила игры меняются целиком. ✅Вот как авторы расписывают следующие годы, шаг за шагом: 🔆2028: политический шок, страх перед ИИ на пике, США и Китай впервые садятся за стол. 🔆2029: соглашение по compute по образцу ядерных договоров, с взаимными аудитами. 🔆2030: консорциум и наднациональный орган при ООН, который регулирует ИИ. 🔆2030: все исследования в ИИ становятся публичными. 🔆2031: технология расходится по миру, доступ к моделям у всех, а не у двух-трёх гигантов. 🔆2032: контролируемый индустриальный взрыв. 2033: лимиты на выпуск роботов. 🔆2034: дивиденды от ИИ и роботов гражданам. 2034: режим взаимного гарантированного уничтожения уже для compute. 🔆2035: пауза в тренировке топовых моделей. 🔆2036: эпистемический шок, работа теряет ценность, экономика почти полностью автоматизирована, ИИ заходит в институты и политику. 🔆2038: alignment становится главной наукой планеты. 🔆2039: власть в странах и на планете передаётся ИИ. 🔆2040: человечество выходит на пенсию. ➡️Целиком я в это не верю. Слишком много допущений, что все вдруг возьмут и договорятся, а сами авторы и не скрывают, что рисуют желаемое, а не ожидаемое. Тем более это лишь один из пяти путей, которые расходятся от развилки 2029 года, а реальность, судя по трекерам, пока идёт вообще не туда, а в сторону гонки. Но одна мысль тут по-настоящему сильная. Ядерное оружие не отменило конкуренцию сверхдержав. Оно просто сделало так, что играть до конца стало самоубийством. И если с вычислительными мощностями сработает та же логика, у нас есть шанс дожить до 2040-го, а не сгореть по дороге. Почитать сценарий целиком можно на ai-2040.com, там он подробный, с разбором по шагам. Обо мне | Обучение | Отзывы

Конфиденциально: сольёт ли ИИ ваши данные конкурентам? Разбираю как есть Каждое моё касание с бизнесом рано или поздно упирается в один и тот же вопрос: а что с конфиденциальностью данных? Вопрос абсолютно здоровый, особенно с оглядкой на ФЗ-152. По моим наблюдениям, бизнес тут делится на два лагеря. Первый боится закона. Второй боится, что его информация утечёт к конкурентам. И вот второй обычно рисует себе такую картину: сотрудник загрузит нашу финмодель в ChatGPT, а конкурент потом задаст модели вопрос, и она ему всё и выложит. Спешу обрадовать: так это не работает. И давай объясню почему, без тумана. Модель это не база данных. Когда ты отправляешь запрос, она считает ответ и забывает его. Твоя переписка сохраняется в истории аккаунта, но у самой модели к этой истории доступа нет. Это два разных хранилища, между которыми нет провода. Обучение на данных это тоже не запоминание текстов. Раз в несколько месяцев модель тренируют на гигантском массиве, и в неё записываются закономерности языка, а не твои документы. Представь юриста, который прочёл 10 тысяч договоров. Он понял, как договоры устроены в принципе, но не помнит наизусть договор ООО «Ромашка». С моделью ровно та же история. И вот факт, который обычно всех успокаивает. За все годы нет ни одного подтверждённого случая, чтобы конкурент вытащил чужую коммерческую тайну через запрос к модели. Даже знаменитый кейс Samsung, которым любят пугать, был про запрет хранить данные на чужом сервере, а не про реальную утечку через чат. Тогда где риск на самом деле? А он есть, просто не там, где его ищут. Первое это личный бесплатный аккаунт сотрудника. В бесплатных версиях данные по умолчанию могут уходить в обучение, а пароль уровня «123456» открывает историю чатов кому угодно. В корпоративных тарифах и по API данные в обучение не идут вообще, это прямо прописано в условиях OpenAI и Anthropic. Второе, и вот это уже серьёзно, ФЗ-152. Точнее, дорого. Отправка персональных данных клиентов в зарубежный сервис это трансграничная передача, а штрафы там доходят до 6 миллионов рублей. Но ключевое: закон бьёт именно по персональным данным. Финмодель, стратегия, тексты без ФИО и телефонов персональными данными не считаются. И риск тут не в том, что перс данные якобы застрянут внутри модели, а в том, что нарушается сам закон о трансграничной передаче. Разница принципиальная. Как я развёл это у себя, чтобы спать спокойно. Разложил всё по трём полкам. Обычные рабочие задачи идут через корпоративный доступ. Данные клиентов уходят в модель только после обезличивания. А там, где персональных данных много, стоит локальная модель на своём сервере, и эти данные вообще не покидают периметр компании. Вывод простой. Главная уязвимость не в технологии, а в отсутствии правил. ИИ не сливает данные конкурентам. Это делают бардак с аккаунтами и непонимание того, как вообще пользоваться моделями. Наведи порядок в доступах, и половина страхов отваливается сама собой. Обо мне | Обучение | Отзывы

Твой Claude Code из России держится на честном слове. Оплата слетает, доступ отваливается, без VPN вообще тишина. И ты сидишь заложником одного инструмента, который в любой момент может отвалиться. А теперь представь другую картину. Модель, которая по мощности вплотную подошла к топам, работает из России без VPN и без костылей, и стоит в разы дешевле флагманов. Звучит как сказка про бесплатный сыр, я сам так думал. Поэтому я не стал верить на слово. Я взял GLM 5.2 в её родной среде ZCode и посадил её работать бок о бок с привычным Claude Code. Одинаковое строгое ТЗ, одна реальная задача, и проверка не по красивой картинке, а по цифрам до копейки. Кто из них сколько стоит, кто быстрее, и главное, кто вообще довёл дело до конца, показываю прямо в ролике. Отдельно разобрал то, что пугает всех при переходе: а как же мои скиллы из Claude Code. Спойлер, экосистема переезжает, и я показываю как, за пару минут. Не буду спойлерить, кто победил в очной ставке. Скажу только, что результат меня самого заставил пересмотреть пару привычек. Если кодишь из России и устал плясать вокруг блокировок, это ролик для тебя. 🔗 Полезные ссылки: 🔆Скачать ZCode: https://zcode.z.ai/en 🔆Тарифы GLM Coding Plan: https://z.ai/subscribe 🔆Рейтинг моделей Artificial Analysis: https://artificialanalysis.ai 😊Ищи на YouTube по точному названию: Z-code и GLM 5.2: полный разбор, скиллы и работа без VPN

Если ты за последний месяц хоть раз обращался к новым моделям OpenAI и не лез в настройки, то платил по самой дорогой ставке. Просто по умолчанию. Раньше в Codex была одна модель на всё. Просишь переписать одно предложение, платишь как за архитектуру проекта.…

Если ты за последний месяц хоть раз обращался к новым моделям OpenAI и не лез в настройки, то платил по самой дорогой ставке. Просто по умолчанию. Раньше в Codex была одна модель на всё. Просишь переписать одно предложение, платишь как за архитектуру проекта. Понятно, что это надо было чинить. Починили так: моделей теперь три, от флагмана до самой дешёвой. Разброс между крайними пятикратный. Только вот если ты явно не выбрал, запрос молча уезжает на самую дорогую. Это как такси, которое по умолчанию присылает бизнес, пока ты сам не ткнёшь в эконом. Формально выбор есть. Практически им никто не пользуется, потому что про него не знают. И это только про деньги. Там ещё появился отдельный режим, который живёт прямо у тебя на компьютере, видит твои папки и ведёт себя как агент, а не как чат. Если ты сидел в Cowork у Клода, ты уже понял, о чём речь. Разобрал всё по порядку: что из нового реально работает, а что пока сырое. Плюс то, чего я сам не ожидал на тесте. 😊Ищем на YouTube по названию: ChatGPT WORK: полный разбор нового Codex плюс дуэль с Opus 5

Видел тест, который стоит показать. Четыре модели, одна задача, и очень наглядный вывод про деньги. Задание такое: собрать три HTML-сцены с физикой. Торнадо втягивает объекты с поля, шар-разрушитель ломает дом в момент удара, перегруженный грузовик обрушивает мост. ➡️Итог за все три сцены: GPT-5.6: 20.1К токенов, 0.31 доллара Kimi K3: 35.7К токенов, 0.55 Opus 5: 55.9К токенов, 1.40 Fable 5: 55.1К токенов, 2.82 Самый дешёвый прогон обошёлся в 31 цент. Но по оценке автора теста все три сцены корректно собрал только результат за 1.40. И вот тут начинается интересное. Посмотрите на Fable 5 и Opus 5. Токенов они сожгли практически одинаково, 55 тысяч против 56. А по деньгам разница ровно вдвое. Просто потому что токен у флагмана стоит дороже. Теперь на GPT и Kimi. Они уложились в треть бюджета Opus, но задачу целиком не закрыли. Это как нанять бригаду за полцены. Смета радует ровно до того момента, когда выясняется, что переделывать придётся всё, и вторая бригада возьмёт уже полную стоимость. Поэтому цену за миллион токенов я давно перестал считать главной цифрой. Считать надо стоимость одного результата, который не стыдно сдать. По этим двум метрикам рейтинг моделей получается разный. Обо мне | Обучение | Отзывы

Час назад я закончил тест, который планировал на пятнадцать минут. Идея была простая: четыре фотографии на телефон, банковская карта в кадре вместо линейки, и один вопрос к модели. Какие у этого предмета размеры. Это как посадить инженера в пустую комнату без единого прибора, попросить измерить стол и выдать ему только линейку из детского набора. Технически решаемо. Практически всё зависит от того, насколько он честен сам с собой. Дальше началось интересное. Opus 5 нашла ошибку в собственном допущении, пересобрала метод с нуля и построила себе проверочный тест на данных, где ответ известен заранее. Я об этом не просил ни строчкой в промпте. Чем всё закончилось и сошлись ли цифры с реальностью, показываю в новом ролике. Там же разбор промпта по шагам и три строки в таблице Anthropic, где Opus 5 проигрывает конкурентам. Эти строки они опубликовали сами, но в обзорах о них молчат. 😊Ищите на YouTube по названию: CLAUDE OPUS 5 обошел FABLE 5 который В 2 РАЗА ДОРОЖЕ

Anthropic выложила два документа по Claude Opus 5: официальный гайд по промптингу и System Card на 194 страницы про возможности, ограничения и оценки безопасности модели. Собрал из них выжимку на русском. PDF, 20 страниц. Что вошло: настройка effort и thinking, контроль длины ответов и файлов, рамка scope, лимиты на субагентов, работа с недоверенными данными и необратимыми действиями, ограничения модели из System Card, чеклист миграции с Opus 4.8 и собранный системный промпт. Сегодня записываю по Opus 5 ролик.

Opus 5. Разбор по документации: что реально умеет новая модель Вышел Claude Opus 5, и это не просто плюс один к версии. Полез в официалку, чтобы отделить маркетинг от того, что важно на практике. Главное в одной строке. Opus 5 подобрался вплотную к интеллекту флагманского Fable 5, но делает ту же работу вдвое дешевле. Цена при этом осталась ровно как у Opus 4.8: 5 долларов за миллион входных токенов и 25 за выходные. То есть ты не доплачиваешь за новый уровень, а получаешь его по старому прайсу. На Max это теперь модель по умолчанию, на Pro самая мощная из доступных. По коду заявка серьёзная. На Frontier-Bench Opus 5 обошёл вообще все модели и больше чем вдвое перекрыл результат Opus 4.8, причём дешевле за задачу. На CursorBench при максимальном усилии он в полупроценте от пикового результата Fable 5, но опять же вдвое дешевле. Ребята из Cursor и Devin в отзывах говорят одно и то же: почти уровень Fable, но по скорости и цене это Opus. Но по-настоящему цепляет не проценты, а поведение модели на живых задачах. В одном тесте ей дали чертёж детали и попросили собрать по нему 3D-модель в FreeCAD, но специально не дали возможности этот чертёж увидеть. Opus 5 не сдался, а сам написал свой конвейер компьютерного зрения, вытащил геометрию из сырых пикселей и восстановил деталь целиком. Ни одна другая модель в тех же условиях не решила это даже за пять попыток. Ещё история в ту же копилку. Инженер из трейдинговой фирмы за одну сессию собрал с Opus 5 биржевой поток данных под новую площадку. Прошлые модели не вытягивали это вообще, даже с подробным планом на руках. А когда не нашлось живого потока для проверки, Opus 5 сам построил себе тестовый стенд, чтобы убедиться, что его код правильно читает данные биржи. И вот это ключевое. Opus 5 заметно лучше проверяет собственную работу и доводит её до конца, а не бросает на середине. Один из тестировщиков описал это так: модель открыла свои страницы в браузере на десктопе и на телефоне, сама заметила товар, спрятанный под сгибом на мобилке, и кнопку оформления заказа за экраном, и починила оба косяка ещё до сдачи. Для тех, кто делает клиентские проекты руками, это дороже любого лишнего процента в бенчмарке. Отдельно про визуал и 3D, потому что тут реальный скачок. Один из ранних клиентов назвал Opus 5 самым большим шагом в семействе Opus со времён версии 4.5 и говорит, что по анимациям, играм и 3D это лучший фронтенд, что он видел от Opus. Anthropic и сами показывают, как Opus 5 собрал интерактивную аэродинамическую трубу и разборную модель клетки прямо в артефактах. Пара слов про безопасность, чтобы без мифов. Opus 5 не двигает вперёд опасные способности. На кибербезе он по-прежнему уступает Mythos 5, особенно в написании эксплойтов, хотя искать уязвимости научился почти на уровне старшего. При этом по внутреннему аудиту Anthropic это их самая согласованная и безопасная модель на сегодня. И приятный практический момент: кибер-классификаторы у Opus 5 срабатывают примерно на 85 процентов реже, чем у Fable 5, а значит, меньше ложных блокировок на обычной разработке. Если совсем коротко: Opus 5 это не про новые рекорды ради заголовков, а про модель, которую реально выгодно гонять каждый день. Почти интеллект Fable, цена Opus, и главное, она думает перед тем, как писать, и сама проверяет за собой. Для тех, кто собирает на ней рабочие продукты, это и есть та разница, которую чувствуешь руками, а не на графике. 🎥Уже завтра-послезавтра сниму по Opus 5 ролик и покажу вживую, что из этого правда, а что маркетинг. ➡️А что вам интереснее увидеть в разборе первым, код или 3D? Пишите в комментах.

Год назад я бы не собрал руками даже простой лендинг без разработчика. Сегодня за спиной больше тридцати клиентских проектов, а чеки доходят до нескольких сотен тысяч за один. Дело не в том, что я внезапно стал программистом. Дело в подходе. Вайб-кодинг это когда вы не пишете код руками, а объясняете задачу словами и ведёте Claude Code как толкового джуна, который работает круглые сутки и не просит печеньки в офис. Я так собираю ботов, веб-приложения и автоматизации для медицины, авто, юриспруденции, бьюти. Ниши разные, механика под капотом одна. Всю эту механику я по кусочкам разложил в курсе по Claude Code внутри Digital Makers. Восемнадцать уроков, где я не пересказываю документацию, а показываю руками: как из идеи в голове получается рабочий продукт, который не стыдно отдать клиенту и взять за него деньги. Считайте этот курс фундаментом. Или, если хотите, трамплином. Без него любой разговор про свой AI-продукт или заказы на разработку это прыжок в пропасть с надеждой, что крылья отрастут где-то по пути. ➡️А теперь то, ради чего половина из вас дочитала до этого места. Я готовлю новый большой продукт. Пока без имён и деталей, их я раскрою позже. Скажу только одно: это будет фундаментальная история, куда я упаковываю весь свой опыт практика целиком. Следите за каналом, скоро всё будет. И вот что важно уже сейчас. Кто пройдёт курс по Claude Code в Digital Makers, зайдёт в новый продукт не с чистого листа, а уже с базой и понятной механикой в руках. Это и есть трамплин, о котором я говорю. Порог входа в разработку сейчас низкий как никогда. Через год он снова поднимется, но уже за счёт тех, кто занял место раньше. Я бы на вашем месте занимал.⚡️

Какие процессы и каких сотрудников реально можно заменить на ИИ в 2026 году Этот вопрос мне задают почти на каждой встрече. Причём часто с лёгкой опаской, мол, кого увольнять-то. Поэтому давай разложу честно и без хайпа: что ИИ уже делает лучше человека, что пока хуже, но уже годится, а что не тронь ещё долго. ✅Что ИИ уже делает лучше человека 🔆Контроль качества звонков. Раньше РОП вручную слушал 5-10 звонков в неделю и делал вид, что видит картину. ИИ слушает все звонки подряд и выдаёт оценки, флаги и статистику. Отдельная должность специалиста по контролю качества и ОКК как явление в малом и среднем бизнесе, по сути, уже не нужны. 🔆Квалификация лидов. Клиент оставил заявку в одиннадцать вечера, ИИ ответил за десять секунд, задал три вопроса и занёс всё в CRM. Менеджер утром открывает уже готовый, тёплый лид. Оператор на первичный приём в этой схеме лишний. 🔆Работа с базой. В любой CRM лежат тысячи мёртвых контактов. ИИ режет их на сегменты, пишет каждому персональное сообщение и возвращает часть обратно в воронку. Причём это та задача, которую раньше не делал вообще никто, потому что руками это физически нереально. 🔆Аналитика и отчёты. Недельный отчёт по продажам, сводка по конверсиям, разбор причин отказов. То, на что аналитик убивал три дня в Excel, ИИ собирает за минуты. А человек в это время занимается тем, что реально требует головы. 🔆Поддержка клиентов. Ответы на типовые вопросы, статус заказа, условия возврата. 70-80 процентов обращений в поддержку это одни и те же повторяющиеся сценарии, и ИИ закрывает их без участия человека. ➡️Что ИИ делает хуже, но уже вполне сносно ❎Вести сложные переговоры он пока не умеет. А вот подготовиться к ним, разобрать клиента, накидать черновик КП это уже спокойно. ❎Управлять командой нет. А контролировать выполнение задач, слать напоминания и фиксировать договорённости да. ❎Продавать на высокий чек без живого человека не выйдет. Но дожать тёплые лиды через мессенджеры, напомнить о себе, сделать follow-up ИИ справляется на ура. 📦Что не заменить ещё долго Сложные продажи, где всё держится на отношениях. Нестандартные ситуации, где нужен банальный здравый смысл. Управление людьми. Стратегия. Везде, где нет шаблона и решает живой контекст, ИИ пока плавает. И вот главная мысль, которую стоит забрать. ИИ не увольняет людей пачками, он вынимает из их расписания конкретные задачи. Должности остаются, меняется их содержание. Оператор на первичный приём уходит. Ручная прослушка звонков уходит. Человек, который вручную клепал отчёты, уходит. А вот тот, кто работает с клиентами, принимает решения и двигает бизнес, становится сильнее, потому что у него наконец освобождается время на это самое. Обо мне | Обучение | Отзывы

Сколько денег ты теряешь прямо сейчас, пока не внедрил ИИ? Давай посчитаем Фраза «ИИ экономит деньги» звучит как маркетинговая жвачка. Расплывчато и ни о чём. ✅Поэтому давай по-другому: возьмём типичный отдел продаж и посчитаем на цифрах, где именно у тебя капает. 🔆Дыра 1. Заявки в нерабочее время Клиент оставил заявку в десять вечера. Менеджер перезвонит утром. Только к утру этот клиент уже успел поговорить с двумя твоими конкурентами. Допустим, 30 заявок в месяц прилетают после шести вечера. Сколько из них ты реально закрываешь? Обычно процентов двадцать-тридцать от возможного. Остальное забирает тот, кто просто ответил быстрее. Посчитаем: средний чек 100 тысяч, конверсия хотя бы 20 процентов, и вот у тебя 600 тысяч рублей в месяц валяются на полу. ИИ-агент отвечает за 15 секунд в любое время суток и просто подбирает эти деньги. 🔆Дыра 2. Время руководителя, слитое на контроль РОП в среднем убивает 15-25 часов в месяц на ручную прослушку звонков. Причём берёт случайную выборку, которая всё равно не даёт полной картины. Это треть его рабочего времени, за которое ты платишь зарплату. Речевая аналитика слушает все звонки и сама подсвечивает проблемные места. РОП открывает три-четыре конкретные записи с флажками и тратит 20 минут вместо 20 часов. Переведи в деньги: минимум 50-80 тысяч рублей в месяц ты платишь за то, чтобы руководитель сидел в наушниках. А мог бы в это время работать с командой, дожимать сделки и разбирать узкие места в воронке. 🔆Дыра 3. Менеджеры, которые сливают клиентов в одном и том же месте Почти в каждом отделе продаж есть этап, где конверсия проваливается. Кто-то пропускает блок в скрипте, кто-то не отрабатывает возражение, кто-то торопится закруглить звонок. Без аналитики этого не видно вообще. Кажется, что лиды плохие или рынок просел. В моём кейсе с агентством недвижимости вскрылось, что менеджеры пропускали блок про гарантии в 60 процентах звонков. Одно собрание, и за неделю проблема ушла. Следование скрипту выросло на 12 процентов, а вместе с ним и результат отдела. Если твой отдел делает 200 звонков в месяц и теряет на таком этапе хотя бы 5 процентов клиентов, посчитай сам, во что это обходится. 🔆Дыра 4. Мёртвая база В любой CRM лежат лиды, которые когда-то попросили вернуться попозже или просто растворились. Менеджеры к ним не возвращаются: некогда, забыли, неловко, потеряли. ИИ берёт эту базу, режет по причинам отказа и пишет каждому подходящее сообщение. Даже 3-5 процентов возврата с базы в тысячу контактов это десятки новых сделок вообще без затрат на трафик. ➡️Складываем по типичному среднему бизнесу Нерабочее время: от 300 тысяч до миллиона упущенной выручки в месяц. Время РОПа: 50-80 тысяч прямых затрат. Потери на скрипте: зависит от чека, но обычно 5-15 процентов текущей выручки. Мёртвая база: разово от 200 тысяч и выше. Цифры не с потолка. Я беру их у клиентов до внедрения и после. Как понять, сколько теряешь именно ты Универсальной формулы нет. У одного главная дыра это нерабочее время. У другого качество звонков. У третьего мёртвая база размером с телефонный справочник. И заметь, это мы разобрали только продажи. А есть ещё маркетинг, операционка, найм, финансы, и в каждом своя версия ровно тех же дыр. Просто их пока никто не считал. Как думаешь, сколько теряешь ты? Обо мне | Обучение | Отзывы