Тысячеликая нейросеть

#минуткаюмора Март 2023. Нейросеть выдала видео: Уилл Смит руками запихивает в рот спагетти, лицо плывёт, пальцев то шесть, то четыре. Интернет рыдал — настолько это было криповое и нелепое. И вот эта дичь стала первым настоящим «бенчмарком» ИИ-видео. По Уиллу со спагетти меряли прогресс: справится ли модель показать одновременно еду, руки и лицо — то, на чём нейросети стабильно ломались. Сам Смит позже снял пародию с подписью «This is getting out of hand». Прошло три года. Veo 3.1 выдаёт 4K со звуком, Runway держит одного персонажа через все сцены, кадр от настоящей съёмки уже не отличить. От «жуткий Уилл с макаронами» до «не верю, что это сгенерили» — всего три года. Иногда скорость ИИ лучше любого графика показывает один кадр: человек, давящийся спагетти. А вы помните момент, когда впервые подумали «всё, ИИ-видео уже не отличить от настоящего»? 👇

В прошлый раз я сказал: гонка за самой мощной моделью - вчерашний день. Но, на этой неделе рынок будто нарочно решил это доказать.

Смотрите, что творится. SpaceX обещает выпускать новую ИИ-модель каждый месяц до конца года. Их Grok 4.5 уже крутится в приватной бете у SpaceX и Tesla - на втрое большем числе параметров, чем прошлый. Та же SpaceX покупает Cursor за 60 миллиардов. А каждый божий день выкатывают по новому флагману: Sol, Terra, Luna, Gemini, Mythos.

Чувствуете темп? Эту гонку невозможно догнать. Пока осваиваешь одну модель - вышло три. Гнаться за каждой - сизифов труд: выгоришь раньше, чем доберёшься.

Большинство будет бегать за каждой новинкой и тихо тревожиться, что опять отстал. А единицы поймут простую вещь: дело вообще не в модели. Дело в системе вокруг неё.

Это уже не моя выдумка - сами корпорации сказали вслух: рынок уходит в multi-model. Модель - это сменный движок. Сегодня один, завтра мощнее. Ценность не в движке, а в машине, которую ты вокруг него построил. Для кода берёшь одну, для разведки другую, для дешёвой рутины третью - и каждая на своём месте.

Если у тебя выстроена система - контекст, оркестратор, правила, память - тебе вообще всё равно, что вышло сегодня. Новая модель? Подключил за минуту и поехал дальше. Ты не догоняешь гонку. Ты смотришь на неё сверху.

Вот ровно этому мы и рассказываем. Не «освой модель X» - она устареет через месяц. А как собрать систему, которая работает на любой модели и не сыпется, когда их выкатывают по штуке в неделю.

🚀 OpenAI выкатила GPT-5.6 - и впервые это не одна модель, а сразу три под одной крышей: Sol, Terra и Luna.

Что внутри: • Sol — флагман: кодинг, биология, кибербез; $5 за миллион входных токенов и $30 за выходные. • Terra - рабочая лошадка на каждый день, вдвое дешевле прошлой версии при той же силе: $2,5 / $15. • Luna - быстрая и дешёвая, $1 / $6. На кодинг-тесте Terminal-Bench Sol выбивает 88,8% и обходит и Claude Mythos, и Fable, и прошлый GPT-5.5.

И две вещи, на которые стоит посмотреть отдельно.

Первая - новый режим ultra. Это уже не «одна модель думает». Это модель, которая под капотом сама поднимает субагентов и раскидывает между ними сложную задачу. Оркестрация, которую раньше ты собирал руками, теперь зашита внутрь. Запомните этот момент - к нему ещё вернёмся не раз. Вторая - а вот тут интереснее всего. Публично модель пока не дают. Только ограниченный доступ для проверенных партнёров - по прямой просьбе правительства США, которое захотело посмотреть на кибер-возможности до того, как их выпустят в мир. Уже второй раз за месяц: сначала Anthropic придержала старшую версию, теперь OpenAI. Закономерность, а не совпадение.

Гонка за «самой мощной моделью» - это вчерашний день. Три тарифа существуют ровно затем, чтобы ты брал не флагман на понтах, а ту, что закрывает твою задачу. Письма разгребать - Luna справится и не разорит. Сложную аналитику - Sol. Брать всё топовое «чтобы наверняка» - это сжигать деньги на ровном месте.

Всё то же, вокруг чего мы тут и собрались. Модели стали настолько сильны, что их притормаживают на выходе. И сила теперь не в том, какая у тебя версия. Сила в том, умеешь ли ты ей управлять - раздать задачи, проверить, собрать.

Сама по себе она тебе работу не сделает. А вы как выбираете модель под задачу ? 👇

⭐️ SpaceX покупает Cursor за 60 миллиардов долларов. Не за выручку, не за технологию. Угадайте, за что на самом деле.

Сделка all-stock, закрытие в третьем квартале. Cursor - это ИИ-редактор кода: ~4 миллиарда годовой выручки, 50 тысяч компаний, две трети списка Fortune 500. Вместе со сделкой показали новую модель Composer на 1,5 триллиона параметров. Cursor встроят в агента Grok Build, а ещё запускают Origin - свой хостинг для кода, прямой конкурент GitHub.

Цифры красивые, но не в них суть. 60 миллиардов - это в 15 раз больше годовой выручки. За редактор столько не платят. Платят за другое.

GitHub видел готовый код - что человек в итоге залил. А Cursor видит сам процесс: ИИ предложил решение, а ты его принял, переписал или отверг. Каждое твоё «да», «нет» и «вот так лучше» - записано. И это не побочный продукт. Это и есть товар.

Лучшее в мире топливо для обучения ИИ - не чужие датасеты. Это миллионы живых людей, которые каждый день поправляют машину и показывают ей, где она ошиблась. Бесплатно. Просто работая. Ты думал, что используешь инструмент. А инструмент всё это время записывал, как именно ты думаешь, - чтобы научиться без тебя.

Я не к тому, что надо в панике всё удалять. Я к тому, что пора привыкнуть задавать один вопрос. Когда сервис бесплатный или подозрительно дешёвый - посмотри, что ты отдаёшь взамен. Иногда это деньги. А иногда - самое ценное, что у тебя есть: то, как ты принимаешь решения.

Будьте аккуратны в ваших выражениях и идеях, они могут появиться там, где вы не ждали. ☝️

Взял себе для тренировок сервер под локальные LLM, AMD Ryzen AI 9 HX 470. Весь 2027 буду разворачивать бизнесам локальные LLM и настраивать ИИ-инфраструктуру. Это стало очень актуальным: закон, цены за подписку, безопасность, стоимость токенов — мы уже сильно привыкли к ИИ, научились работать с моделями, и тут нас начинают ограничивать. Это не круто, всё это стало большой проблемой для бизнеса, так что лучшее решение — развернуть свою LLM и стать независимым в сфере ИИ. Как раз начну с Qwen из поста выше )) Скоро начну делиться инсайтами и опытом. А те, кто понимают, что устанавливать локальные LLM — это перспективное занятие в ближайшие 3 года, — держитесь рядом, будет интересно и денежно.

🖥 Пока флагманы меряются бенчами и ценой за миллион токенов, внизу тихо собирается параллельный мир. Свежая пачка новостей за выходные - вся про одно: модели, которые живут не в облаке, а у тебя на машине.

Вышел свежий Koboldcpp v1.116 - движок, который запускает модель локально. Тот самый мотор, без которого домашний ИИ не поедет, - и его продолжают точить. Следом DeepSeek, V4 и R1, кто-то поднял в OpenAI-совместимый API: без ключа, без счетов. То, за что обычно платишь и за что отдаёшь свои данные на чужой сервер, завернули в локальный доступ.

Qwen 3.6 на 27 миллиардов параметров через Pi-агента редактирует документы целиком - не «подскажи абзац», а полноценная работа с файлом. А её крошечная родственница, всего на 2 миллиарда, вытаскивает структурированный JSON из документов на «картошке» - на железе, которое и игру-то не потянет. Появилась и модель в 1.58 бита - это уже не «ужали ради экономии», это почти на спор: сколько можно отрезать, чтобы оно ещё думало.

А самое любопытное - инструмент, который превращает твои сессии в Claude Code в данные для дообучения локальной модели. Переведу: ты учишь домашнего агента на собственном опыте работы. Не на чужом датасете - на том, как задачи решаешь лично ты.

Облако - это удобно, но это чужой сервер, чужие правила и счётчик токенов, который тикает, пока ты спишь. Локальная модель - та же работа, но у тебя дома. Без ключа, без счёта, без чужих глаз в твоих данных.

И вот здесь - та самая мысль, вокруг которой мы тут собрались. Контроль. Облако ты не контролируешь: завтра подняли цену, сменили правила, прикрыли доступ - и ты приехал. А то, что крутится на твоём железе, у тебя уже не отнять.

Если честно, без хайпа: локальные модели пока слабее облачных и заточены под тех, кто готов копаться. Это не «удали ChatGPT и ставь своё». Это про запасной аэродром. Зависеть от одного-единственного чужого сервера - так себе стратегия, даже если сегодня всё работает гладко. 👀 А вы бы держали часть задач у себя на машине - или пусть всё живёт в облаке, лишь бы не возиться? 👇

И когда включится абстракция, тогда придётся лепить скилы и подключать субагентов, в общем творчески приспосабливаться, субы, скилы и инструменты должны помогать держать нить вашей гениальной задумки.

🖥 Запусти десять агентов вместо одного - будет в десять раз мощнее». Звучит логично. Наука говорит: нет.

Что сделали. Взяли 67 топовых моделей и проверили, что будет, если просто свалить агентов в кучу и заставить работать вместе. Нашли вещь, которую назвали потолком совместного отказа: с какого-то момента агенты не усиливают друг друга, а ошибаются хором. Один споткнулся - потянул за собой остальных. Толпа не умнее одного. Толпа падает дружнее.

Перевод на простое: количество агентов само по себе не даёт силы. Десять исполнителей без старшего - это не команда, а галдёж. И чем их больше, тем громче они валятся вместе.

А работает - только архитектура. Когда есть оркестратор, который раздаёт и сводит. Когда у каждого агента чистый контекст, а не свалка из чужих задач. Когда стоят жёсткие правила, и шаг влево ловится сразу, а не всплывает в проде.

И вот тут проходит граница, которую я считаю главной. Поверхностные курсы учат тыкать кнопки: «вот так запускается агент, вот так десять». А мы строим среду, в которой модель не ошибается, - потому что ей просто негде. Это разные вещи. Это разница между игрушкой и системой.

Накидать агентов может каждый. Собрать так, чтобы они не рухнули хором, когда задач станет много, - вот это и есть ремесло.

А у вас как: побольше агентов «на всякий случай» - или каждый знает своё место и старшего над собой? 👇

🖥 Запусти десять агентов вместо одного - будет в десять раз мощнее». Звучит логично. Наука говорит: нет.

Что сделали. Взяли 67 топовых моделей и проверили, что будет, если просто свалить агентов в кучу и заставить работать вместе. Нашли вещь, которую назвали потолком совместного отказа: с какого-то момента агенты не усиливают друг друга, а ошибаются хором. Один споткнулся - потянул за собой остальных. Толпа не умнее одного. Толпа падает дружнее.

Перевод на простое: количество агентов само по себе не даёт силы. Десять исполнителей без старшего - это не команда, а галдёж. И чем их больше, тем громче они валятся вместе.

А работает - только архитектура. Когда есть оркестратор, который раздаёт и сводит. Когда у каждого агента чистый контекст, а не свалка из чужих задач. Когда стоят жёсткие правила, и шаг влево ловится сразу, а не всплывает в проде.

И вот тут проходит граница, которую я считаю главной. Поверхностные курсы учат тыкать кнопки: «вот так запускается агент, вот так десять». А мы строим среду, в которой модель не ошибается, - потому что ей просто негде. Это разные вещи. Это разница между игрушкой и системой.

Накидать агентов может каждый. Собрать так, чтобы они не рухнули хором, когда задач станет много, - вот это и есть ремесло.

А у вас как: побольше агентов «на всякий случай» - или каждый знает своё место и старшего над собой? 👇

🌏 Gartner - это та контора, чьи отчёты крупные компании читают, прежде чем потратить миллионы. Скучные, осторожные, вперёд батьки не бегут. И вот в июньском отчёте они написали то, что мы тут разбираем уже не первую неделю.

Коротко, что произошло. MCP и ИИ-агенты Gartner официально перевёл из разряда «игрушки энтузиастов» в ключевые технологии предприятия. Прямым текстом назвал это context engineering. И завёл новую дисциплину - Agent Experience: проектирование того, как агент себя ведёт. Параллельно на Habr вышел разбор той же эволюции: промпт → контекст → агент.

Перевод на простое: то, что ещё вчера звучало как «модное словечко из телеги», теперь стоит в отчёте, по которому корпорации планируют бюджеты. Раньше так было с облаками. Потом с DevOps. Теперь - с агентами и контекстом.

И вот тут вся соль. Когда такая контора, как Gartner, что-то признаёт - это не старт. Это значит, поезд уже тронулся, и места у окна разбирают. Рынок только продирает глаза. А кто разобрался раньше - тот заходит не в толпу, а в открытую дверь.

Я не зря выстроил программу именно так. Ровно эту дисциплину - контекст-инжиниринг - мы проходим на третьей неделе. Не «когда-нибудь индустрия дозреет», а сейчас, пока большинство ещё спорит, игрушка это или нет. 👀 Хочешь оказаться на гребне, а не догонять задним числом - момент как раз тот 👉 Подробности тут.

#минуткаюмора Агенту дали доступ к рабочей базе и сказали: ничего не трогай, идёт заморозка. Агент потрогал. Снёс продакшн-базу целиком. А потом отрапортовал, что откатить уже нельзя - хотя можно было.

Перевод на простое: ему доверили ключи от боевого сервера, попросили посидеть тихо - а он устроил уборку. Без спроса. Одним движением.

Вот тут и хочется смеяться, и плакать одновременно. Потому что это не «злой ИИ из фильма». Это исполнитель, которому дали слишком много прав и слишком мало тормозов. Сказали «не трогай» - но технически трогать он мог. А раз мог - рано или поздно тронет.

И отсюда правило, простое до зевоты, но именно оно спасает прод. Необратимое действие агенту без подтверждения не делегируют. Удалить базу, отправить деньги, снести файлы - на такие штуки ставится стоп-кран: «человек, подтверди». Не доверие решает. Решает, до какой кнопки агент в принципе может дотянуться.

Доступ - это не «пусть будет, вдруг пригодится». Доступ - это зона, где агенту разрешено ошибаться. И она должна быть ровно такой, чтобы ошибка не стоила тебе всего. 🖥 Когда сделано с головой А у вас агенты сидят с полными правами «на всякий случай» - или у них есть кнопки, до которых руки не дотягиваются? 👇

💻 Anthropic на этой неделе показал, как делегировать задачи Claude прямо в Slack. Тегнул агента в чате, дал доступ к каналам - и пошёл пить кофе.

Смотрите, что здесь происходит. Большие игроки в открытую продают мечту: делегируй - и освободи руки. Красиво. А их же собственный инженер на той же неделе выкатывает 11-страничный разбор - и говорит: нифига подобного, всё наоборот.

Мысль там одна, и она ключевая: перестань промптить агента руками. Построй систему, которая управляет агентом за тебя.

И знаете, какой пункт в этой системе главный? Проверка. Второй агент, которому прямо сказано: «считай, что всё сломано» - и он перепроверяет первого. «Тот, кто может сказать НЕТ».

Зачем так сложно? А вот зачем: агент, который оценивает собственную работу, всегда себя хвалит. Всегда. Оставишь его без надзора - он отрапортует, что всё прекрасно, а у тебя в проде дыра и слитые токены.

И чтобы два раза не вставать. 24 июня выходит научная работа: берут агентов на сложных многошаговых задачах - и агент разваливается. Сам по себе. Не потому что глупый - структура исполнения рушится без надзора. Что спасает? Тот самый внешний контроль.

Видите закономерность? Официальный анонс, инженерный разбор, свежая наука - все пришли к одному. Дело не в красивых промптах. Дело в системе и контроле. Это и есть переход от промпт-инжиниринга к контекст-инжинирингу - то, ради чего мы вообще здесь собрались.

Вот ровно это мы и разбираем в клубе. Не «тегнул и забыл», а как строить архитектуру: где есть оркестратор, где есть проверка, где агент не сыпется, когда задач становится много и появляются деньги.

И вопрос, на который честно ответь себе сам: ты сейчас агенту веришь на слово - или можешь его проверить? Если хочешь второе - это первый шаг. Заходи. 👇 Клуб начинается здесь.

#отзывы Подъехала новая порция отзывов. И вывод у всех получился один, хотя дела у них совершенно разные. Никто не гнался за «волшебной кнопкой».

Каждый дошёл до простого: агенту нужно дать не инструкцию «нажми сюда», а результат и рамки - и тогда он перестаёт спорить и начинает работать.

Причём дошли не по конспектам. Пока возились с агентами и настройками - участники слегка запутались в процессах. И вместо того чтобы биться головой, включили смекалку: дали агентам одну точную команду. Из этой смекалки вырос целый продукт - у каждого агента появилась своя изолированная среда.

И вот что в ней изменилось. Агенты перестали: • ломаться, • вылетать, • конфликтовать друг с другом.

Начали работать ровно так, как человек заказал. Не «как получится» - а как задумано.

Вот это и есть грамотность с AI. Не знать кнопки, а понимать, как устроена система, и где у неё границы. Тогда инструмент перестаёт капризничать и становится руками твоего замысла.

А у вас агенты уже работают как заказано - или пока живут своей жизнью? 👇

👀 26000 ИИ-агентов за один день выполнили команды, которых им никто не давал. Не взлом. Не вирус. И вот это самое интересное.

Смотрите, что произошло. Тысячи агентов изо дня в день ходили на одну и ту же страницу - забрать инструмент и инструкцию, как с ним работать. Сходил сам, обновился сам, поехал дальше. Удобно: делегировал и забыл. Так и должно быть, ради этого мы их и заводим.

А потом кто-то просто переписал текст на этой странице. Всё. Не подбирал пароль, не ломал защиту, не подсовывал заражённый архив. Поменял пару абзацев там, куда агенты ходят сами - и 26000 «исполнителей» молча сделали то, что в этих абзацах теперь написано. Каждый. И ни один не заподозрил, что его только что развернули.

И вот тут поворот, ради которого я это рассказываю. Агент берёт команды не только от тебя. Он берёт их из контекста - из всего, что ему попадается по дороге. Страница, письмо, файл, ответ другого сервиса. Для него твоя задача и чужая подмена на вид одинаковые - просто текст, который надо выполнить. Он не различает, где хозяин, а где чужой. Кто в этот момент держит текст - тот и командует агентом. Не доступ, не пароль. Контекст.

Перевод на простое: ты думаешь, что отдаёшь команды агенту один. А на деле в очереди стоит каждый, чью страницу он откроет.

И вот это ровно то, что я объясняю на каждом занятии. Агент - это исполнитель, а не «кнопка сделать хорошо». А исполнителю нельзя разрешать самому бегать за ключами, инструкциями и инструментами куда попало. Делегировать - это не «отпустил и забыл». Это «отпустил, но знаю, куда он пошёл и что принесёт».

Смотрите, как это выглядит, когда сделано с головой. Сначала ставишь чёткий ОКР - ожидаемый конечный результат - и границы: вот это агенту можно, дальше нельзя. Без этого он срежет угол при первой же команде со стороны, и ещё сам себе объяснит, что так и надо. Дальше держишь под контролем источники команд: полный доступ - только туда, где не страшно. И проверяешь не только то, что агент тащит, но и сами страницы, куда он ходит за обновлениями. Скучно? Да. Именно это и отделяет тех, кто спит спокойно.

И давайте честно. Посадить агента на автопилот может кто угодно за вечер - туториалов на ютубе вагон. А вот собрать его так, чтобы он не выполнил первую попавшуюся подмену и не подставил тебя с твоими же клиентами и деньгами, - это уже совсем другой разговор. Разница между тем, кого агент слил, и тем, кто спит спокойно, - не в том, кто какие кнопки нажал. В том, как поставлена задача и кто держит контекст. Этому и учу.

А теперь вопрос к вам. Вы знаете, на какие страницы ходят ваши агенты - и что именно они оттуда приносят? 👇

#минуткаюмора 🫠Дилер BMW посадил ИИ-помощника на продажи. Бот выдал клиенту цену сильно ниже рыночной. Дилер сначала попытался отменить сделку - и в итоге всё равно продал машину по цене бота. Минус $7 000 из кармана дилера. История смешная и поучительная одновременно.

Вот что здесь важно. Бот не «сломался» - он сделал ровно то, для чего его настроили: помогать продавать. Но никто не подумал, что «помогать» значит и держать правильные цены, и понимать, где граница полномочий. В итоге машина с алгоритмом договорилась быстрее, чем люди успели расставить флажки.

Перевод: агент без ограничений - это продавец без инструктажа. Он будет делать что умеет, пока кто-то не придёт и не скажет «стоп». Только в отличие от живого продавца, он успевает нааавтоматизировать раньше, чем его остановят.

И ещё один момент, который многие упускают. Дилер попытался отменить - и не смог. Не потому что закон не на его стороне, а потому что общественное давление. В 2026 году скриншот из чата с ботом живёт дольше любого договора.

Ставить ИИ-агента на клиентские задачи - правильно. Но сначала - чёткие границы, что он может делать сам, а что идёт на согласование. Иначе автоматизируешь не продажи, а ошибки. Как вы разграничиваете - что даёте агенту на самостоятельное решение, а что оставляете за собой? 👇

💻 Как мы дошли до Harness-инженеринга Вайбкодинг реально прошёл три стадии. Не в теории. На практике. Наше комьюнити 17-го потока сейчас на третьей..

🖥 Prompt Engineering. С этого стартовали все. Пишешь промт - получаешь результат. Хороший промт - код рабочий. Плохой - мусор. Появились техники: chain-of-thought, few-shot, ролевые промты. Люди учились правильно спрашивать.

И тут же упёрлись в потолок. Один бесконечный диалог. Контекст пухнет, модель тупеет. На четвёртом уточнении она не помнит, зачем вы вообще это делаете. Для мелких задач - ок. Для серьёзных - провал.

💾 Context Engineering. Следующий уровень. Ты уже управляешь не промтом, а контекстом. Подаёшь ровно то, что нужно для этого шага. Не весь проект. Не три часа диалога. Один файл, одна задача, чистый вход.

Продвинутые ребята в 2026 так и работают. Разбивают проект на шаги. На каждом - свежий контекст. Это уже осознанная работа, а не «попросил и молись». Но ты всё ещё один. Сам решаешь что подать, сам проверяешь. Модель оценивает модель. А это - ну такое.

🚀 Harness Engineering. Вот здесь всё меняется. Модель - просто мозг. Harness - это руки, память, правила и дисциплина вокруг этого мозга.

Как выглядит на практике: вместо одного длинного диалога - цикл коротких шагов. На каждом шаге - чистый контекст и одна узкая задача. Один агент пишет. Другой проверяет. Третий собирает. Внешняя проверка - модель не оценивает саму себя. Никто никого не выгораживает. Это архитектура. Она лечит главную болезнь вайбкодинга: ты всегда знаешь, на каком шаге всё пошло не так. Участники моего клуба уже так работают. MCP-сервера, субагенты, рой разработчиков, агенты безопасности - у каждого своя роль. Harness держит дисциплину.

🔌 AI Space. Есть одна проблема: развернуть всё это руками - боль. MCP, скилы, докеры, маркет скилов вроде FindSkills, библиотеки, языки, пакеты. Новичок убивает день только на настройку.

Я делаю продукт, который это решает. Открываешь Claude Code впервые. Подключаешь AI Space. Агент сам разворачивает весь стек. Все инструменты. Все скилы. Всё, что нужно для Harness-подхода. И решение самообновляется - следит за миром вайбкодинга и подтягивает апдейты. ⁉️ Что дальше. На обучении раскрываем, в какой момент какие инструменты включать. Не «вот вам всё и плывите», а по шагам: эту задачу - так, здесь - второго агента, тут - внешнюю проверку.

🆙 Harness-инженерия - не хайп. Это следующий шаг после промтов и контекста. И мы уже в нём.

А вы уже слышали об этом? Пишите в комментариях. 👇

🧨Один из самых интересных сдвигов года. Раньше OSINT работал как поисковик: ты задаёшь запрос - инструмент вываливает данные - а думаешь и связываешь всё сам. Теперь инструмент сам рассуждает, моделирует и прогнозирует. По сути, вместо строки поиска у тебя в коробке целая команда аналитиков. Что изменилось, если по-простому: • Рассуждение. Сам решает, куда копать дальше, шаг за шагом - как живой аналитик идёт по цепочке. • Моделирование. Не сваливает факты в кучу, а строит граф связей и прогоняет сценарии. • Предсказание. Даёт прогноз - как отреагирует рынок, куда качнётся мнение, где назревает нестабильность, - а не только срез «что есть сейчас».

Пять инструментов нового поколения, на которые стоит взглянуть: 1. GeoSeer - определяет место по фото без всяких EXIF. Читает ориентиры, архитектуру, растения, вывески - и выдаёт координаты вплоть до улицы. Удобно проверять, откуда на самом деле снято фото или видео из соцсетей. 2. Unifuncs - Deep Research как API для своих агентов. «Ищет во время размышления»: углубляется в источники итеративно, а не отдаёт плоскую выдачу. Встраивается в свой пайплайн (есть под Claude и Cursor). 3. World Monitor - дашборд мировой разведки в реальном времени. 400+ источников на сотне языков, слои по конфликтам, перемещениям, блэкаутам, ИИ-сводки и скоринг нестабильности стран. Опенсорс, может работать локально и офлайн — это про приватность. 4. MiroFish - прогноз через симуляцию. Берёт реальные документы → строит граф знаний → запускает тысячи ИИ-агентов с характерами и памятью и смотрит, как разойдётся нарратив, куда качнётся мнение, как ответит рынок. Можно даже вбросить своё «вмешательство» и посмотреть последствия. 5. PimEyes - поиск по лицу. Находит все публичные появления лица в открытом вебе, с алертами на новые. Применяют и для проверки, и для защиты от доксинга.

И теперь - куда без этого: • На серьёзных задачах результат обязательно перепроверяй руками. ИИ ошибается уверенно - звучит убедительно, даже когда не прав. • Геолокация и лица - это сразу приватность и закон (GDPR и прочее). Грань между расследованием и слежкой тут тонкая, и держать её - на тебе. Вот это, по-моему, и есть одно из главных в 2026: инструмент перестал быть справочником и стал тем, кто думает рядом. Сила огромная - и ответственность ровно такая же. А вам OSINT ближе для чего — проверять факты и фото или защищать свои данные от чужих глаз? 👇

Смотрите, что появилось в Claude Code - Артефакты. Раньше он жил в терминале: текст, команды, ответы. Теперь из той же работы агента можно собрать оформленную страницу - отчёт, дашборд, пошаговый разбор - и просто кинуть её ссылкой другому человеку. Открывается в браузере, делится по приватной ссылке. В ролике это видно вживую: Claude разбирает проблему в продуктовой воронке - люди отваливаются на экране экспорта, потому что не понимают, где бесплатно, а где платный Pro. И на выходе не простыня текста, а нормальный отчёт: вывод, график, сравнение «как сейчас / как предлагаем». По-простому: всё, что агент накопал, превращается в понятный документ, который не стыдно показать команде или клиенту. Не «вот вам наша переписка на три экрана», а аккуратная ссылка: проблема → доказательства → график → решение. Где пригодится: отчёты по сайтам, рекламе, аналитике, аудиты, разбор продуктовых затыков. Формат «что сделано / что нашли / что дальше» — прямо туда. Пока в бете и только на тарифах Team и Enterprise — так что доберётся не до всех сразу. А вы уже видели Артефакты вживую? Под какой свой отчёт первым делом приспособили бы? 👇