متاح الآن! بحث تيليغرام 2025 — أهم رؤى العام 
AI4Dev — AI for Development
الذهاب إلى القناة على Telegram
Что надо знать, чтобы остаться востребованным ИТ специалистом в мире с LLM? • Обзоры продуктов, фреймворков и способы взаимодействия с LLM для разработки софта • Реальные кейсы, pet и бизнес проекты с LLM • Публичные лекции В будущее берут не всех!
إظهار المزيد5 244
المشتركون
+124 ساعات
+177 أيام
+8130 أيام
جاري تحميل البيانات...
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
يونيو '26
يونيو '26
+90
في 1 قنوات
مايو '26
+187
في 4 قنوات
Get PRO
أبريل '26
+124
في 1 قنوات
Get PRO
مارس '26
+127
في 2 قنوات
Get PRO
فبراير '26
+178
في 2 قنوات
Get PRO
يناير '26
+542
في 1 قنوات
Get PRO
ديسمبر '25
+98
في 1 قنوات
Get PRO
نوفمبر '25
+260
في 4 قنوات
Get PRO
أكتوبر '25
+187
في 2 قنوات
Get PRO
سبتمبر '25
+95
في 2 قنوات
Get PRO
أغسطس '25
+198
في 2 قنوات
Get PRO
يوليو '25
+231
في 5 قنوات
Get PRO
يونيو '25
+309
في 0 قنوات
Get PRO
مايو '25
+159
في 1 قنوات
Get PRO
أبريل '25
+262
في 1 قنوات
Get PRO
مارس '25
+636
في 1 قنوات
Get PRO
فبراير '25
+471
في 2 قنوات
Get PRO
يناير '25
+582
في 1 قنوات
Get PRO
ديسمبر '24
+178
في 6 قنوات
Get PRO
نوفمبر '24
+200
في 2 قنوات
Get PRO
أكتوبر '24
+43
في 1 قنوات
Get PRO
سبتمبر '24
+320
في 2 قنوات
Get PRO
أغسطس '24
+168
في 1 قنوات
Get PRO
يوليو '24
+64
في 2 قنوات
Get PRO
يونيو '24
+544
في 1 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 24 يونيو | +1 | |||
| 23 يونيو | +2 | |||
| 22 يونيو | 0 | |||
| 21 يونيو | +7 | |||
| 20 يونيو | +2 | |||
| 19 يونيو | +3 | |||
| 18 يونيو | +4 | |||
| 17 يونيو | +5 | |||
| 16 يونيو | +5 | |||
| 15 يونيو | +2 | |||
| 14 يونيو | +1 | |||
| 13 يونيو | +4 | |||
| 12 يونيو | +1 | |||
| 11 يونيو | +5 | |||
| 10 يونيو | +4 | |||
| 09 يونيو | +2 | |||
| 08 يونيو | +3 | |||
| 07 يونيو | +4 | |||
| 06 يونيو | +6 | |||
| 05 يونيو | +3 | |||
| 04 يونيو | +7 | |||
| 03 يونيو | +8 | |||
| 02 يونيو | +7 | |||
| 01 يونيو | +4 |
منشورات القناة
Голосовой агент — это не просто чат-бот + TTS. Это эволюция от текстового бота через полудуплекс к full-duplex, где на каждом уровне появляются свои проблемы. Пройдем этот путь на реальном production-стеке (Rust, ~1600 строк).
Как построить голосового AI-агента, экономящего время пользователя, рассказывает Виктор Загускин — руководитель центра компетенций голосового ИИ в MWS.AI.
В программе:
→ Голос, файловое распознавание: offline ASR, 3-7с roundtrip, SSML для склонений, LLM-нормализация услуг
→ Стриминг, полудуплекс: streaming ASR, VAD, гибридное EPD, порог тишины
→ Полный дуплекс: AEC (WebRTC AEC3), barge-in, tool calls в асинхронном потоке, pipeline parallelism
→ Метрики: покомпонентная latency, эволюция метрик, бенчмарки (Full-Duplex-Bench v1.5, EVA-Bench)
→ Native Audio LLM: speech-native модели, DuplexSLA, Moshi, MiniMind-O
🎥 Запись доступна здесь и на других площадках:
YouTube
RuTube
ВКонтакте
ЯндексМузыка
Mave
| 2 |  В AI-тусовке на выходных разогнали «новость»: Mistral якобы выпустила модель Le Chaton Fat, которая обходит Claude в benchmark’ах.
Проблема в том, что такой модели нет.
Новость выросла из старого названия ассистента Mistral - Le Chat. Его уже переименовали в Mistral Vibe, а в X кто-то превратил «кота» в «толстого котёнка» и начал постить фейковые анонсы: MoE на десятки триллионов параметров, миллион токенов контекста, рекордные таблицы и прочий AGI к завтраку.
Дальше скриншоты разошлись, часть людей поверила, CEO Mistral Артур Менш подыграл фразой про le gros chaton, и мем на пару дней стал почти инсайдом. Но самой модели нет.
Разбор Numerama:
https://www.numerama.com/tech/2276253-cest-quoi-le-chaton-fat-le-modele-de-mistral-ai-qui-affole-les-reseaux-sociaux.html
Официальные новости Mistral:
https://mistral.ai/news/ | 914 |
| 3 |  +1У Claude будет жёстче проверка аккаунтов
С 8 июля новая privacy policy Anthropic разрешает запрашивать age/identity verification. Для возраста - селфи через Yoti или документ. Для проверки личности - government ID вроде паспорта и live selfie через Persona.
Это не значит, что 8 июля у всех разом попросят паспорт. Но если аккаунт попадёт под проверку, доступ может упереться в верификацию.
Для разработчиков неприятная часть не в самом KYC, а в зависимости от одного consumer-аккаунта. Если Claude уже сидит в вашем рабочем процессе, нужен план Б: резервная модель, сохранённые промпты, экспорт настроек и понимание, чем заменить сервис в день, когда он внезапно попросит документы.Anthropic пишет, что verification data не используется для обучения моделей.
Но вопрос в приватности и доступе к моделям в странах, которые Anthropic официально не поддерживает.
Privacy Policy: https://www.anthropic.com/legal/privacy
Age assurance: https://support.claude.com/en/articles/15171100-age-assurance-on-claude
Identity verification: https://support.claude.com/en/articles/14328960-identity-verification-on-claude | 1 098 |
| 4 | 🚀 Codex CLI: создаём автономный код‑ревьюер
Предлагаем обзор простого, но рабочего сетапа, который позволит:
→ посмотреть возможности Codex CLI;
→ собрать базовую инфраструктуру;
→ реализовать автономный код-ревьюер почти без вмешательства живого специалиста.
"Для работы с агентами нужны 3 главных навыка: адаптивность, слабоумие и отвага. Потому что иногда агент делает очень умные вещи, а иногда — очень странные", — говорит Артем Летюшев, tech project manager twinby.ru и автор канала @junior_pm.
Артем показал в онлайне:
⚡️ как настроить Codex CLI и MCP;
⚡️ как подключить Skills и защитные хуки;
⚡️ как спланировать roadmap и быстро запустить проект.
Запись доступна здесь и на других площадках:
YouTube
RuTube
ВКонтакте
ЯндексМузыка
Mave | 947 |
| 5 |  Разработчик успел до введеных Anthropics ограничений использовать Fable 5 для реинжиниринга DOS-игры Midwinter (1989). За ночь параллельные агенты разметили 602 функции экзешника, сэкономив полгода ручного реверс-инжиниринга.
Сценарий отлично переносится на анализ закрытых legacy-систем. Секрет в архитектуре: агенты парсили ассемблер через общий evidence ledger, записывая и валидируя гипотезы друг друга.
Результат — написанная ими Python-реплика алгоритма, побитово совпадающая с оригиналом.
Чтобы LLM не галлюцинировала в смещениях памяти и регистрах, критически важен именно такой журнал доказательств и локальный sandbox для тестов. Без жесткого фреймворка сверки фактов на выходе получается правдоподобный, но нерабочий код.
Технический разбор процесса:
https://midwinter-remaster.titanium-helix.com/decode
GitHub с ledger-журналом и тулзами:
https://github.com/DrEvil-TitaniumHelix/midwinter-decode
Видео пайплайна:
https://youtu.be/PonvG2whtkc | 1 238 |
| 6 |  Google Research показала Gemini-SQL2 — модель на базе Gemini 3.1 Pro, которая переводит обычный запрос в SQL.
На BIRD single-model leaderboard у неё 80,04% execution accuracy. Важная деталь: там проверяют не красоту SQL, а результат выполнения запроса.
Это уже похоже на рабочий интерфейс к данным для админок, BI и саппорт-инструментов. Но не на автопилот для продовой базы.
Человеческий результат в BIRD — 92,96%, поэтому безопасная схема всё ещё скучная: read-only доступ, лимиты, allowlist таблиц, EXPLAIN перед запуском и логирование SQL.
NL2SQL можно пробовать уже сейчас. Но лучше держать такого агента не у руля, а в песочнице.
BIRD leaderboard:
https://bird-bench.github.io/
Разбор Google Cloud:
https://cloud.google.com/blog/products/databases/how-to-get-gemini-to-deeply-understand-your-database | 1 039 |
| 7 |  🤖 AI-агент с нуля: руководство по Tool Calling
Как работают современные AI-агенты «под капотом» и как создать своего, не полагаясь на тяжелые фреймворки? Представляем гайд по созданию AI-агентов от ML-инженера Artezio Антона Максимова! В этом видео вы узнаете всё о работе с Tools: как они устроены, как их создать и как внедрить в агента.
Будем экспериментировать с локальной LLM Gemma 4 на 31B параметров. Посмотрим, как построить нативного агента с нуля без Lang Chain, в чем заключается архитектура агентов и как это связано с тулами. Поговорим о принципах проектирования тулов, системных промптах и работе со специальными токенами. Разберем не только теорию, но и подводные камни, которых не избежать на практике, если не знать о них.
Начнем проектировать собственного ReAct-агента. Обсудим, как сделать его работу стабильной на длинной дистанции и как оптимизировать взаимодействие LLM с внешними сервисами.
🎬 Смотрите на YouTube или RuTube!
Этот выпуск — первая часть видеокурса о том, как работать с агентами, как их разрабатывать и внедрять в разработку. В следующей части будем настраивать MCP, не переключайтесь :) | 1 483 |
| 8 |  🚀 Codex CLI: создаём автономный код‑ревьюер за полчаса
Предлагаем обзор простого, но рабочего сетапа, который позволит:
→ посмотреть возможности Codex CLI;
→ собрать базовую инфраструктуру;
→ реализовать автономный код-ревьюер почти без вмешательства живого специалиста.
"Для работы с агентами нужны 3 главных навыка: адаптивность, слабоумие и отвага. Потому что иногда агент делает очень умные вещи, а иногда — очень странные", — говорит Артем Летюшев, tech project manager twinby.ru и автор канала @junior_pm.
Артем покажет в онлайне:
⚡️ как быстро настроить Codex CLI и MCP;
⚡️ как подключить Skills и защитные хуки;
⚡️ как спланировать roadmap и влет запустить проект.
Когда?
Завтра, 2 июня, в 12:00.
Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Артему! | 1 869 |
| 9 | 🤝 6 рукопожатий — почему информация находит короткий путь?
Известный эксперимент социолога Стэнли Милгрэма 1967 года открыл феномен "тесного мира" — любых двух людей разделяет малое число рукопожатий. Другими словами, сети имеют малый диаметр. Само по себе это свойство сложно считать чем-то удивительным — это скорее естественное свойство случайных графов. Впечатляющим было другое открытие: структура сети позволяет информации (письму) следовать коротким путём.
Этот феномен математически пытался объяснить Джон Клейнберг. В 2001 году он показал, как добиться нужного эффекта с помощью специальной конструкции: длинные связи строятся с вероятностью, обратно пропорциональной расстоянию. Однако сложно представить, что люди в реальной жизни формируют связи согласно такому принципу.
⚡️Как же естественные сети приобретают это свойство? Вследствие какого процесса? Александр Пономаренко представил модель геометрического предпочтительного присоединения, которая во многом проливает свет на эту загадку.
Александр Пономаренко — лауреат стипендии им. Ильи Сегаловича, IBM PhD Fellowship Award, научный сотрудник ИПФ РАН, научный сотрудник лаборатории алгоритмов и технологий анализа сетевых структур ЛАТАС, доцент кафедры прикладной математики и информатики НИУ ВШЭ.
🎥 Запись доступна здесь и на других площадках:
YouTube
RuTube
ВКонтакте
ЯндексМузыка
Mave | 1 546 |
| 10 |  Кроме новой модели Opus 4.8 Anthropic показала следующий шаг в агентской разработке -- dynamic workflows. Claude сам пишет скрипт-оркестратор и разводит задачу по десяткам-сотням субагентов, которые проверяют и опровергают находки друг друга, пока ответы не сойдутся. Принципиально новым тут является масштаб: рой агентов уходит работать над большой задачей надолго и задорого, Anthropic даже предупреждает про кратно больший расход токенов. По ссылке статья Anthropic и пример того, как AI-агенты с помощью dynamic workflows за 11 дней портировали Bun (JavaScript-рантайм и тулкит) с языка Zig на Rust: 750 000 строк кода, 99,8% проходящих тестов.
Заодно стоит обратить внимание на смежный продукт, Managed Agents, который Anthropic запустила в бете еще в апреле. Это управляемая инфраструктура для долгоживущих агентов: разработчик описывает агента (естественный язык или YAML, промпты, инструменты, разрешения, MCP-подключения), а песочницы, состояние сессий, восстановление после сбоев и масштабирование Anthropic берет на себя. Оплата по факту -стандартные тарифы на токены плюс 0,08 доллара за активный час сессии, простой не тарифицируется. Ниша многих стартапов строилась на том, чтобы разрабатывать агентов, поднимать и поддерживать агентскую инфраструктуру, а теперь этот слой Anthropic тоже забирает себе.
https://claude.com/blog/introducing-dynamic-workflows-in-claude-code | 1 753 |
| 11 |  Эрик Шмидт на церемонии вручения дипломов в Университете Аризоны заявил, что традиционный способ написания кода исчерпан.
Бывший CEO Google указал октябрь 2025 года как точку, после которой инструменты ИИ-разработки достигли уровня, удивляющего опытных инженеров.
Дословная формулировка: "Если вы пишете код любым традиционным способом -- остановитесь. Это закончилось".
Отдельный посыл адресован менеджменту: руководителям компаний предложено спросить, почему их инженеры пишут код так же, как полгода назад. Шмидт сравнил нынешний момент с появлением компьютера и описал переход от написания кода к управлению системами, которые делают это сами.
Один разработчик с правильной оркестровкой агентов, по его оценке, теперь способен на задачи, ранее требовавшие команды. Тезис пересекается с практикой крупных компаний.
Spotify в квартальном отчете сообщил, что лучшие разработчики не написали ни строки кода с декабря 2025 года, а изменения уходят в production через Claude Code прямо из Slack.
Ознакомиться с публикацией можно по ссылке (paywall) https://ai.plainenglish.io/the-last-line-of-code-d1ae5de4cede | 1 911 |
| 12 |  ⚡️ Что прячет Anthropic?
Claude Mythos — модель компании Anthropic, разработанная под кодовым названием Capybara. Это самая производительная модель в мире. Она наделала много шума, но так и не была выпущена в открытый доступ. И тем не менее избежать утечек информации не удалось...
Доктор технических наук Владимир Крылов проанализирует историю появления Claude Mythos и опишет хронологию уникального инцидента от ошибки конфигурации до изоляции. Поговорим о прорыве исторических трендов в прохождении бенчмарков и о 100% доминировании агента в области кибербезопасности.
Вы узнаете, как человечество впервые получило систему ИИ, представляющую собой почти идеальное кибероружие, и как поступили те, кто им владеет.
Мы взглянем на Claude Mythos как на черный ящик и посмотрим, какие предположения делают эксперты о том, как он устроен изнутри.
⏰ Запускаем трансляцию завтра, 28 мая, в 13:00.
Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы лектору! | 1 563 |
| 13 |  Голосовой агент — это не просто чат-бот + TTS. Это эволюция от текстового бота через полудуплекс к full-duplex, где на каждом уровне появляются свои проблемы. Пройдем этот путь на реальном production-стеке (Rust, ~1600 строк).
Как построить голосового AI-агента, экономящего время пользователя, расскажет Виктор Загускин — руководитель центра компетенций голосового ИИ в MWS.AI.
В программе:
→ Голос, файловое распознавание: offline ASR, 3-7с roundtrip, SSML для склонений, LLM-нормализация услуг
→ Стриминг, полудуплекс: streaming ASR, VAD, гибридное EPD, порог тишины
→ Полный дуплекс: AEC (WebRTC AEC3), barge-in, tool calls в асинхронном потоке, pipeline parallelism
→ Метрики: покомпонентная latency, эволюция метрик, бенчмарки (Full-Duplex-Bench v1.5, EVA-Bench)
→ Native Audio LLM: speech-native модели, DuplexSLA, Moshi, MiniMind-O
Когда?
Завтра, 26 мая, в 12:00.
Смотрите на YouTube, в ВК или прямо в этом канале — и задавайте вопросы Виктору! | 2 090 |
| 14 | В копилку Specification-Driven Development: Thariq Shihipar, инженер Anthropic из команды Claude Code, поделился полезным промптом для AI-агентов:
implement <SPEC> and while you do, keep a running implementation-notes.html file (or markdown) with decisions you had to make weren't in the spec, things you had to change, tradeoffs you had to make or anything else I should know
Смысл: агент не просто реализует спецификацию, а параллельно ведет заметки о том, где ему пришлось принимать решения самому.
Это помогает не превращать AI-разработку в черный ящик: Ведь, как бы тщательно вы ни описали спецификацию, всегда остаются неоднозначности и непредвиденные нюансы, которые всплывают в процессе. Этот подход даёт модели возможность принимать решения, но при этом держать вас в курсе.
Интересно, что Тарик рекомендует html, а не md. | 1 834 |
| 15 |  Большие языковые модели - это настоящий интеллект?
В IT-сообществе не утихают горячие споры: есть ли в современных LLM (таких как Claude, ChatGPT или DeepSeek) хоть капля подлинного разума, или перед нами просто раздутая до триллионов параметров таблица поиска, угадывающая следующее слово?
В новом материале на Хабре вышло интервью с доктором технических наук и научным консультантом Artezio Владимиром Крыловым. В нем он подробно разбирает, что на самом деле происходит «под капотом» современных AI-систем и почему привычные метрики оценки интеллекта больше не работают.
О чем пойдет речь в статье:
🔹 Является ли колмогоровская сложность объективным критерием интеллекта?
🔹 Почему применять стандартные человеческие IQ-тесты к нейросетям бессмысленно?
🔹 Законы масштабирования (Scaling Laws) и почему время на «обдумывание» ответа в момент генерации меняет правила игры.
🔹 Феномен суперпозиции от Anthropic: почему смыслы запутаны так сложно, что мы никогда не сможем в прямом смысле «прочитать мысли» ИИ.
👉 Читать статью на Хабре | 1 924 |
| 16 | SpecKit: описываем фичи вместо того, чтобы сразу писать код
Лёша Берёзка, техлид iOS в Додо Пицце и автор канала о разработке, показал в онлайне, как упростить разработку с помощью инструмента SpecKit от GitHub.
➡️Разобрали, как описывать то, что нам надо от продукта, с помощью SpecKit и что это даёт в перспективе.
➡️Реализовали одну фичу с нуля до рабочего состояния.
🎥 Запись доступна здесь и на других площадках:
YouTube
RuTube
ВКонтакте
ЯндексМузыка
Mave | 1 510 |
| 17 |  🤝 6 рукопожатий — почему информация находит короткий путь?
Известный эксперимент социолога Стэнли Милгрэма 1967 года открыл феномен "тесного мира" — любых двух людей разделяет малое число рукопожатий. Другими словами, сети имеют малый диаметр. Само по себе это свойство сложно считать чем-то удивительным — это скорее естественное свойство случайных графов. Впечатляющим было другое открытие: структура сети позволяет информации (письму) следовать коротким путём.
Этот феномен математически пытался объяснить Джон Клейнберг. В 2001 году он показал, как добиться нужного эффекта с помощью специальной конструкции: длинные связи строятся с вероятностью, обратно пропорциональной расстоянию. Однако сложно представить, что люди в реальной жизни формируют связи согласно такому принципу.
⚡️Как же естественные сети приобретают это свойство? Вследствие какого процесса? Александр Пономаренко представит модель геометрического предпочтительного присоединения, которая во многом проливает свет на эту загадку.
Александр Пономаренко — лауреат стипендии им. Ильи Сегаловича, IBM PhD Fellowship Award, научный сотрудник ИПФ РАН, научный сотрудник лаборатории алгоритмов и технологий анализа сетевых структур ЛАТАС, доцент кафедры прикладной математики и информатики НИУ ВШЭ.
Когда?
Завтра, 18 мая, в 12:00.
🎥 Смотрите на YouTube или прямо в этом канале — и задавайте вопросы лектору! | 1 631 |
| 18 |  Большая хакерская атака Mini Shai-Hulud бьет по разработчикам, которые пишут код с ИИ: через зараженные npm-пакеты вредонос попадает в JavaScript/TypeScript-проекты, закрепляется в .claude/settings.json и .vscode/tasks.json, а затем может запускаться снова даже после удаления пакета из node_modules.
Риск не ограничивается npm: если вредонос украл GitHub-, cloud-, npm/PyPI- или CI/CD-токены, атака может расползтись на Python-проекты, PyPI-пакеты, внутренние репозитории и сборочные пайплайны; технический разбор и индикаторы компрометации опубликованы у StepSecurity. | 2 085 |
| 19 | Мы периодически рассказываем про полезные инструменты, а сегодня покажем нашу собственную разработку BPMN-AI.
Это инструмент, который превращает описание процесса, регламент или расшифровку интервью в BPMN-модель: выделяет шаги, роли, условия, ветвления и подпроцессы.
Польза: практически мгновенно перейти от хаотичного описания «как у нас это работает» к схеме, которую можно обсуждать с бизнесом, аналитиками и разработкой.
Мы довольны качеством диаграмм на выходе: не зря изучали подходы наших аналитиков и на основе этих наблюдений прорабатывали агентскую логику.
Посмотреть, как работает: YouTube / VK Video
Связаться: здесь или через https://bpmnai.ru/ | 1 741 |
| 20 |  ИИ ускоряет разработку на 35-40% на новом коде и всего на 10% на легаси
Первый год после внедрения большинство команд просто проседает в производительности. Это главные цифры из свежего отчета DORA по экономике ИИ-разработки.
DORA выпустила первую внятную методичку по расчету ROI от внедрения ИИ в разработку и онлайн-калькулятор в придачу. Главный посыл идет вразрез с продающей риторикой вендоров: ИИ сам по себе ничего не ускоряет, он только усиливает то, что уже есть. Если у команды зрелая платформа и нормальные процессы, отдача приходит быстро. Если деплой все еще ручной, тесты хрупкие, а контекста модели взять негде, ИИ просто разгоняет накопление техдолга.
Если нарисовать график производительности команды до и после внедрения ИИ, получится буква J: сначала несколько месяцев просадки ниже исходного уровня, потом резкий выход вверх. Эту траекторию у DORA и называют J-кривой.
В типовом расчете провал составляет 15% производительности на три месяца. Объяснение бытовое: люди разбираются с инструментом, ревью съедает больше времени, чем раньше, а конвейер не тянет внезапно выросший поток коммитов. На этом этапе руководители часто решают, что инструмент не работает, и закрывают бюджет. Так и хоронят вполне окупаемые внедрения.
DORA подтвердила цифрами и второе неприятное наблюдение: после внедрения ИИ деплои начинают чаще ломаться, а не реже. Объем кода растет быстрее, чем способность ревью и пайплайнов его переварить. Привычное трение в работе разработчика никуда не делось, оно просто сдвинулось. Раньше время уходило на написание рутины, теперь оно уходит на проверку того, что нагенерил ИИ. Авторы отчета называют это «налогом на верификацию».
Финансовая часть построена вокруг онлайн-калькулятора. На входе размер штата, средняя стоимость инженера в год, расходы на лицензии и обучение, ожидаемые глубина и длительность J-кривой.
На выходе совокупные затраты первого года, ожидаемый возврат, ROI и срок окупаемости. Горизонт намеренно ограничен одним годом: он самый сложный из-за просадки, дальше цифры можно экстраполировать самим. Внутри есть переключение между консервативным, базовым и оптимистичным сценариями, а отдельные источники ценности можно обнулить, если CFO будет придираться к «мягким» статьям вроде дополнительной выручки от ускоренного выпуска фич.
На стандартном примере команды из 500 инженеров калькулятор выдает 39% ROI за первый год при окупаемости около восьми месяцев. Любопытнее процентов выглядит структура затрат: стоимость inference за последние два года упала в 280 раз, и основные деньги теперь не на токенах, а на governance: верификации сгенерированного, переделке пайплайнов, обучении людей. Кто пытается ужать бюджет за счет дешевых моделей, тот ужимает не ту часть. | 1 896 |
