Wiseman Talks

Ищу ведущего ментора Wai Combinator aka WaiUni По сути ищу единомышленника, с которым будем вместе развивать это направление Сначала — вместе со мной вести корпоративные AI-программы и хакатоны Дальше — всё больше пушить направление и растить его как своё Сейчас работаем с Альфа-Банком, ГК «Самолёт», банками, девелоперами, архитектурными бюро Помогаем командам разобраться с AI не на уровне лекций, а через практику — придумать и собрать работающие продукты До этого проверили 9 B2C потоков Суммарно на лекциях было больше 1000 человек Кто нужен? Нужен человек, который сможет — быть ведущим ментором программ — помогать командам доводить идеи до работающих AI-продуктов — вести онлайн- и офлайн-хакатоны — вместе придумывать новые B2B-форматы — постепенно брать на себя всё больше WAI Combinator Важнее всего энергия, любопытство и желание создавать Хочется вместе запускать новое, делать сильные кейсы, зарабатывать и have fun Если всё сложится — готов обсуждать опцион и партнёрскую роль Особенно буду рад участникам прошлых WaiUni — вы уже знаете всё изнутри @mikwiseman — напишите коротко о себе и что уже успели создать / запустить Знаете такого человека — познакомьте нас

Сейчас много говорят про компании из одного человека что с AI можно в одиночку делать то для чего раньше нужна была целая команда Но вместе с этим к одному человеку переезжают и вполне корпоративные проблемы открыто 7–10 чатов везде что-то пилится агенты пишут миллионы строк кода исследуют тестируют переделывают всё кипит всё движется бурная деятельность а к вечеру остаётся простой вопрос что в итоге реально готово? В больших компаниях ровно та же история тысячи людей работают сотни процессов идут все чем-то заняты и если нет ясности какой результат должен быть на выходе эта активность очень легко начинает жить сама по себе не принося при этом плодов Поэтому утром я от руки записываю несколько результатов которых хочу достичь за день и для каждого отдельно отвечаю себе как я пойму что это действительно закончено а потом в течение дня возвращаюсь к этим точкам И ещё одна важная штука — пространство для мышления AI очень легко затягивает в постоянный поток ответ новая ветка ещё один чат ещё одна идея и иногда для того чтобы нормально подумать нужно просто всё закрыть выйти гулять и взять с собой один вопрос покрутить его посмотреть с разных сторон и дать себе немного тишины иногда ответ приходит на прогулке иногда вечером иногда после сна кажется чем больше вокруг становится AI тем важнее уметь иногда вернуться в пространство где ты просто думаешь сам

Ищу Product Builder в WaiWai x Trinity Monsters Человека, который берёт сырую задачу и через две недели показывает пользователям работающий продукт Мы строим AI-продукты, где половина работы — понять, что вообще нужно решать Вторая половина — быстро сделать первую версию, выкатить и проверить с пользователями Product Builder берёт проект целиком — от первого разговора с клиентом до запуска у пользователей Что предстоит — погружаться в предметную область до уровня, на котором можно аргументированно спорить с экспертом клиента — превращать размытое «надо улучшить» в гипотезу, которую можно проверить за несколько дней — собирать первую рабочую версию через Claude Code, Codex и другие AI-инструменты — поднимать стенды, выкатывать продукт, собирать и раздавать мобильные сборки через TestFlight — показывать продукт пользователям, собирать обратную связь и переделывать Продуктовое мышление — на первом месте LLM здесь основной инструмент Важно уметь создавать с их помощью работающие продукты и понимать, где модели ошибаются Нужна техническая база на уровне «разберусь»: читать чужой код, работать с Git и терминалом, понимать, как устроен деплой Важна автономность: самостоятельно определять шаги, расставлять приоритеты и глубоко погружаться в один проект до результата Особенно интересен опыт 0→1: собственный продукт, которым пользовались живые люди Пригодится и опыт сложных B2B-проектов, кастдева и интервью с пользователями Мы работаем маленькой командой, а каждая итерация занимает одну-две недели В работе используем CLAUDE.md, собственные команды, промпты и скиллы Обсуждаем решения по существу, а каждый человек отвечает за продукт целиком Фултайм Преимущественно работаем вместе в офисе в «Суперметалле» на Бауманской Как откликнуться Пришлите два блока — ссылку на то, что сделали сами и чем пользовались живые люди, плюс три предложения про гипотезу, проверку и результат — один абзац о том, какой процесс на прошлом месте вы бы автоматизировали через LLM первым и что мешало сделать это раньше @mikwiseman — присылайте отклик Знаете такого человека — познакомьте нас

OpenRamble, диктовка без лишнего Я выпустил OpenRamble, локальную диктовку для Mac Зажимаешь Right Command в любом приложении, говоришь и отпускаешь Текст появляется там, где стоял курсор Андрей Карпати недавно описал свой long ramble session Минут десять он наговаривает модели цель, сомнения и противоречия Модель собирает из этого связный текст Я пользуюсь голосом так же Сначала договариваю мысль, потом проверяю текст В исследовании 957 дебатов между студентами и AI голосовые диалоги были многословнее текстовых и затрагивали больше идей С моделями для голоса происходит то же, что и в AI-зоопарке из прошлого поста Для разных задач нужны разные модели Для точной расшифровки встречи подходит облачная Scribe v2, которая разделяет говорящих и ставит временные метки Для rambling важнее сохранить весь ход мысли, чем идеально распознать каждое слово Маленькая модель быстро превращает речь в текст, а большая модель в чате разбирает смысл по контексту В Open Ramble речь распознаёт компактная Parakeet TDT 0.6B v3 На бенчмарке MLS она ошибалась реже Whisper large-v3 и на русском, и на английском Доля ошибок составила 3,00% против 4,04% на русском и 6,80% против 8,52% на английском В моём тесте на M4 Pro короткая фраза была готова в среднем через 153 мс после остановки записи Мне важна не только точность, но и простота самого приложения Superwhisper предлагает локальные и облачные модели, разные режимы и дополнительную обработку текста Это мощный конструктор, но для диктовки мне столько настроек не нужно В OpenRamble я оставил одну клавишу и одну задачу, а модель выбрал заранее После первой загрузки OpenRamble работает офлайн, без аккаунта и подписки Распознавание целиком идёт на Mac, поэтому аудио не отправляется на сервер После успешной расшифровки аудио удаляется Текст на диск не записывается, аналитики в приложении нет Исходный код открыт на GitHub под MIT, поэтому его можно проверить и изменить под себя Open Ramble бесплатен и останется бесплатным Скачивайте OpenRamble, ставьте звёздочки и дорабатывайте для себя

Последние три года программисты спорили, заменит их AI или нет Математики пока смотрели со стороны Но за последние три недели AI добрался и до них 19 июля математик Левент Алпёге спросил Claude Fable про гипотезу Якоби, которую не могли решить с 1939 года Если упростить, она утверждала, что если функцию можно обратить возле каждой точки, то ее можно обратить целиком Во время финала чемпионата мира Claude нашел контрпример У функции все хорошо возле каждой отдельной точки, но три разные точки переходят в одну и ту же Через два дня Терри Тао проверил и объяснил находку Следом математики построили целое семейство таких примеров 1 августа OpenAI показала новую пока не публичную модель Astra Внутренняя модель получила десять новых результатов по давно открытым задачам, от чистой математики до постквантовой криптографии По оценке OpenAI, токены для поиска всех десяти решений стоили бы сейчас около $2 000 Люди вместе с моделью подготовили статьи, а затем программа проверила каждый логический шаг 10 августа Anthropic показала, как один человек может управлять целой исследовательской группой из Claude Создатель Bun Джарред Самнер, который сам не математик, попросил исследовательскую версию Claude попробовать решить гипотезу Римана Гипотеза Римана осталась открытой Но попытка закончилась другим крупным результатом В 1974 году математики доказали, что на нужной линии лежит как минимум треть нулей дзета-функции За следующие полвека они подняли эту границу до 41,6% Claude за 54 часа поднял ее до 67,25% По масштабу прогресса это огромный шаг вперед Claude запустил около 60 отдельных агентов, которые выполнили 2,400 команд, написали сотни небольших программ и потратили 31 миллион выходных токенов Самнер в основном просил модель продолжать и попробовать дойти до двух третей Два математика Anthropic подробно проверили доказательство, а полную формальную проверку выложили открыто Математики не исчезнут, но они будут все реже искать каждый шаг доказательства в одиночку Главным станет выбрать хороший вопрос, отсеять убедительную ерунду, проверить ответ и понять, что из него следует дальше Программисты уже проходят через эту трансформацию Сейчас она началась у математиков Дальше через нее пройдут все остальные профессии, без исключения Названия профессий останутся Сама работа изменится до неузнаваемости

Эра AI-зоопарка Ещё недавно разговор про модели сводился к одному вопросу: какая сейчас лучшая Сейчас у этого вопроса нет одного ответа Наверху стоят закрытые фронтирные модели. Они нужны там, где задача новая, кривая и плохо описывается словами Под ними — открытые веса. Их ставят внутрь периметра, когда данные не должны уезжать наружу, а счёт за токены — расти вместе с выручкой Сбоку — маленькие модели на устройстве. Голос, диктовка, мгновенный отклик И есть четвёртый зверь, самый молодой. Те же открытые веса, но обученные под один конкретный процесс Работа для него выглядит скучно: разложить карточку товара по категориям, вытащить атрибуты, поймать нарушение политики площадки Скучно — зато этого очень много. Shopify гоняет свой каталог через дообученную открытую модель на 7 миллиардов параметров, 40 миллионов вызовов в сутки. На таком объёме коммерческие API не сходятся по деньгам В июле Fermisense разложила этот выбор на числа Сначала измерили потолок аренды. Пять фронтирных моделей — GPT-5.5, GPT-5.6-sol, Gemini 3.1 Pro, Claude Opus 4.8 и Fable 5 — с обычными промптами и с вылизанными. Все пять сошлись в одну точку: 76,9% от максимального балла, разница между ними меньше десятой доли Потом взяли открытую Qwen3.5 на 9 миллиардов и три с половиной дня учили только этой задаче. Две видеокарты, 500 долларов — один раз, за всё обучение Она набрала 87,3%. На десять пунктов выше потолка Дальше цена работы. Тысяча проверок фронтирной моделью — 34 доллара. Обученной девятимиллиардной — 50 центов. В 68 раз дешевле и при этом точнее Мерила Fermisense сама, у себя в симуляции, и она же продаёт такие обучения. Но экономику подтверждает Shopify — на живом каталоге А разрыв в точности объясняется просто. Ни одна фронтирная модель не знает таксономию площадки и цену каждой ошибки: пропущенное нарушение стоит там в семь раз дороже ложной тревоги. Это приходится восстанавливать из промпта на каждой карточке. Специалист это выучил — и больше ничего не умеет Знание в промпте арендуется при каждом вызове. Знание в весах покупается один раз Работает не везде. Нужны два условия: задача повторяется часто, и результат можно проверить — правилом, схемой, тестом. Всё остальное остаётся фронтирной модели

7 полезных AI-скиллов + 2 тулы Grill Me — проверить сырую идею до старта Вы говорите: «Хочу запустить ai проект про планирование путешествий». Агент не бросается её делать, а по одному задаёт неудобные вопросы: для кого оно, за что будут платить, как проверить спрос https://github.com/mattpocock/skills/tree/main/skills/productivity/grill-me Last30Days — понять, что о теме говорят прямо сейчас Ищет свежие обсуждения в X, Reddit, YouTube, Hacker News, GitHub и других источниках, а затем показывает повторяющиеся мысли и споры. Он показывает, что люди говорят, но не устанавливает, кто из них прав https://github.com/mvanhorn/last30days-skill Plain Writing — сделать текст яснее Берёте черновик письма, поста или отчёта. Скилл убирает канцелярит, жаргон и фразы, которые звучат умно, но ничего не объясняют. При этом показывает, что изменил. https://github.com/docwriter-org/plain-writing-skill Bullshit Detector — проверить громкие обещания Отправляете статью, ролик или пост. Скилл выделяет ключевые проверяемые утверждения, ищет независимые источники и помечает каждое: подтверждено, искажено, ложно или пока непроверяемо. Например, действительно ли «AI сократил расходы компании на 80%» или цифра взята из воздуха https://github.com/SerhiiKorniienko/bullshit-detector/tree/main/skills/analysis/bullshit-detector Claude SEO — понять, что мешает сайту расти в поиске Даёте адрес сайта. Скилл проверяет технические ошибки, качество страниц, разметку для поисковиков и готовность контента к AI-поиску. На выходе — список проблем по приоритету: что исправить сначала и как проверить результат https://github.com/AgriciDaniel/claude-seo Claude Video — дать агенту действительно посмотреть видео Вставляете ссылку на YouTube, Loom, TikTok или Instagram — либо отдаёте локальную запись экрана. Скилл собирает расшифровку и кадры, поэтому агент понимает не только что сказали, но и что показали. Можно разобрать рекламный ролик, найти ошибку на записи экрана или получить нормальную выжимку длинного видео https://github.com/bradautomates/claude-video Prototype от Emil Kowalski — сравнить несколько дизайнов до выбора одного Просите, например, карточку тарифа. Агент показывает три отдельные версии: спокойную, строгую и игровую. Вы смотрите каждую в полном размере, выбираете лучшую — и только её переносите в продукт. https://github.com/emilkowalski/skills Визуальный бонус — tldraw offline https://github.com/tldraw/tldraw-offline Это не обычный скилл, а бесплатное приложение для компьютера, к которому подключается агент. Он собирает на одном холсте карту продукта, схему сервиса или интерактивное объяснение, а затем вы вместе двигаете и дополняете блоки. Полезно продуктовым командам, преподавателям и редакциям И CLI бонус - yoinks CLI для того чтобы агенты могли скачивать видео на youtube / instagram https://github.com/pablostanley/yoinks

Новости с робо полей В Сан-Франциско Tau запустила уборку с помощью гуманоидных роботов. Робот приезжает на фургоне, пылесосит и приводит в порядок кухню. Услуга стоит $30 в час Пока роботом совместно управляют AI и удалённый оператор. Но для клиента это уже работающая услуга, а для компании — способ собирать данные из реальных квартир На таких данных роботы учатся обходиться без постоянной помощи. Xiaomi собрала более 100 тысяч часов движений людей и 7 200 часов данных собственных роботов. Система τ0 уже прогнозирует результат следующего шага: доля полностью выполненных длинных задач выросла с 27,5% до 45% В более предсказуемых процессах автономность продвинулась дальше. Грузовики Aurora без водителя проехали, по данным компании, почти 440 тысяч миль Так роботизация идёт по уровням автономности: сначала человек показывает работу, затем помогает удалённо, а в некоторых ограниченных задачах полностью отходит от управления. Если перенести на роботов шкалу автономности SAE: Уровень 0 — без автоматизации. Всю работу выполняет человек Уровень 1 — помощь человеку. Робот подсказывает или выполняет одно простое действие Уровень 2 — частичная автоматизация. Робот выполняет часть работы, но человек постоянно контролирует процесс Уровень 3 — условная автоматизация. Робот работает самостоятельно, но в сложной ситуации просит человека вмешаться Уровень 4 — высокая автоматизация. Робот полностью выполняет работу в определённой среде и при заданных условиях Уровень 5 — полная автоматизация. Робот справляется самостоятельно в любых условиях и не требует участия человека По этой аналогии Tau сейчас находится примерно на втором уровне. Aurora — на четвёртом, но только внутри ограниченных маршрутов и условий

Как-то писал про ответ Питера Штайнбергера (создателя OpenClaw) на вопрос, как он обошёл большие AI-студии: I have fun. За последние месяцы было множество разного fun и в самых разных направлениях — в частности воплотившиеся в эти три проекта just for fun.…

Ищу Forward Deployed Engineer в WaiWai × Trinity Monsters Человека, которому нравится работать с людьми И превращать хаос в работающие системы Погружаться в процессы компании Задавать вопросы Находить настоящую проблему — иногда не ту, с которой клиент пришёл изначально А потом брать её целиком: упорядочить переосмыслить процесс собрать решение с помощью Claude Code, Codex и других AI-инструментов внедрить и довести до измеримого результата Не нужен человек, который ждёт идеального ТЗ Или заканчивает работу на красивом демо Нужен тот, кто умеет стратегически мыслить Выстраивать доверие с людьми Принимать решения в неопределённости И тащить проект от первого разговора до работающей системы Фултайм Преимущественно офис в Москве @mikwiseman — напишите коротко о себе, какими AI-инструментами пользуетесь и какой сложный проект довели до результата Знаете такого человека — познакомьте нас

Лекс Фридман спрашивает Питера Стейнбергера — создателя OpenClaw — агентной обертки для AI и самого быстро растущего репо в истории GitHub: "Как ты обошёл все эти серьёзные студии с командами, деньгами, стратегиями?" Питер: I have fun. Это лучшее, что я…

Ищу менторов в Wai School Не учителей и не лекторов А людей, которые помогают детям превращать идеи в настоящие проекты Нужны те, кто горит, горит, горит AI-инструментами Перепробовал Claude Code, Codex, Kimi Code, Lovable, Replit и свободно жонглирует ими Главное — уметь подхватить детское «хочу вот так» Помочь превратить идею в понятные шаги Подсказать, когда ребёнок застрял И довести до момента, когда проект уже работает и им можно поделиться с друзьями Не делать за ребёнка А помочь ему почувствовать: я придумал я собрал это работает Самое крутое в этой работе — видеть, как ребёнок создаёт то, для чего ещё недавно понадобилась бы целая команда Работа с детьми 8–15 лет Мы даём инструменты, методологию, поддержку команды Wai School и очень много свободы Можно придумывать свои форматы, экспериментировать и влиять на то, какой станет школа @mikwiseman — напишите коротко о себе, какими AI-инструментами пользуетесь и что уже успели создать

Как выбрать модель и reasoning Актуально на 27 июля 2026 года Главное: low / medium / high — не единая шкала для всех моделей. Сначала выбираем модель под задачу. Затем повышаем reasoning, только если она не справилась OpenAI Стартовая настройка → Sol medium • Luna medium — извлечение данных, классификация, перевод, короткая выжимка • Sol medium — код, исследование, документ или план из нескольких частей • Sol high — повтор сложной задачи, если medium пропустил условия или не смог проверить результат • Terra — только если в вашем продукте она дала нужную скорость. По соотношению качества и цены в тесте Artificial Analysis её обходят Luna или Sol Terra max или Sol low? Не выбирать между ними вслепую. Terra max сильнее: 55 против 49, но стоит примерно $0,55 против $0,20 за задачу. Практичнее Sol medium: почти то же качество, что Terra max — 54 против 55, — примерно за $0,31 API за 1 млн токенов, вход / выход: Luna $1 / $6 · Terra $2,5 / $15 · Sol $5 / $30 Anthropic Стартовая настройка → Opus medium • Sonnet medium — типовые правки, черновики, большой поток простых задач. • Opus medium — отладка, несколько файлов, сложный код, анализ нескольких источников. • Fable high / xhigh — только если Opus не решил задачу или нужен максимум возможностей Fable. Fable low или Opus medium? Opus medium. На FrontierCode: 53,4 против 48,0. И тариф Opus вдвое ниже: $5 / $25 против $10 / $50 за 1 млн токенов. Opus medium или Fable xhigh для кода? На том же FrontierCode результат почти одинаковый: 53,4 против 53,5. Но средняя стоимость задачи — примерно $4 против $13. Для кода начинайте с Opus medium. API за 1 млн токенов, вход / выход: Sonnet $2 / $10¹ · Opus $5 / $25 · Fable $10 / $50 ¹ Цена Sonnet действует до 31 августа 2026 года; затем $3 / $15. Если нужен один ответ OpenAI → Sol medium Anthropic → Opus medium Повышайте reasoning на один уровень только после неудачного результата на своей задаче. Источники [Artificial Analysis: GPT‑5.6](https://artificialanalysis.ai/articles/gpt-5-6-intelligence-vs-cost-across-sol-terra-luna) · [OpenAI: модели и цены](https://developers.openai.com/api/docs/models) · [Artificial Analysis: Opus 5](https://artificialanalysis.ai/articles/opus-5) · [Claude Opus 5 System Card](https://www-cdn.anthropic.com/c5fbac3f0b1280a933ebd26d3cb8bb9f5bdeaf48/Claude%20Opus%205%20System%20Card.pdf) · [Anthropic: модели и цены](https://platform.claude.com/docs/en/about-claude/models/overview) · [Anthropic: Sonnet 5](https://www.anthropic.com/news/claude-sonnet-5)

Ищу Product Hackers в WaiWai × Trinity Monsters Это может быть: — продакт, который разобрался с AI-инструментами и горит, горит, горит созданием нового — разработчик со вкусом к продуктам, который уже научился собирать их вместе с AI Но конкретный бэкграунд не так важен Это может быть и джун — человек без большого опыта, который по-настоящему увлечён AI-инструментами: перепробовал всё, что мог, постоянно что-то собирает и свободно переключается между Claude Code, Codex, Kimi Code и другими инструментами Важнее всего — не должность и не количество лет в резюме, а любопытство, скорость, самостоятельность и желание создавать Каждый день мы запускаем продукты, проверяем гипотезы и развиваем экосистему WaiWai x Trinity Monsters Фултайм. Преимущественно работаем вместе в классном офисе в «Суперметалле» на Бауманской @mikwiseman — напишите коротко о себе и о том, что уже успели собрать Знаете такого человека — познакомьте нас

Anthropic выпустила Claude Opus 5 Он обгоняет остальные модели на сложном программировании и профессиональных задачах, на некоторых тестах обгоняет Fable 5 — но стоит вдвое дешевле И еще — Opus 5 лучше проверяет собственную работу: запускает код, ищет первопричину ошибки, собирает тесты и настойчивее продолжает итерации, пока задача не будет решена https://www.anthropic.com/news/claude-opus-5