НИИ ИИ

AMD бросает вызов NVIDIA в локальном инференсе: представлена рабочая станция Threadripper Halo с 2,6 ТБ памяти На выставке IFA 2026 компания AMD представила рабочую станцию Threadripper Halo Station с жидкостным охлаждением. Система рассчитана на локальный запуск флагманских моделей размером свыше одного триллиона параметров прямо на рабочем месте. 🖥 Архитектура персонального суперкомпьютера: В основу заложен 96-ядерный 192-поточный процессор Ryzen Threadripper PRO 9995WX (Zen 5, буст до 5,4 ГГц) со 128 линиями PCIe 5.0. За ускорение отвечают до четырех карт Instinct MI350P (CDNA 4, 3 нм). В топовой сборке станция оснащается 576 ГБ памяти HBM3e с пропускной способностью до 16 ТБ/с и до 2 ТБ оперативной памяти DDR5. Совокупный объем адресуемой памяти достигает 2,6 ТБ, что в 3,4 раза больше, чем у NVIDIA DGX Station. ⚡️ Автономия от облачных провайдеров и экономия на агентах: Главная цель AMD: переход от простых чат-ботов к роям автономных агентов. По оценке аналитиков Signal65, агентные рабочие процессы со сложными цепочками вызовов инструментов сжигают до 15 раз больше токенов по сравнению с классическими диалогами. Gartner прогнозирует, что к 2028 году корпоративные затраты на облачные токены могут превысить зарплаты разработчиков-людей. Локальная станция позволяет не оглядываться на проблемы с сетью, не смотреть на счётчик расхода токенов и закрывает риски утечек информации, обрабатываемой ИИ. 💼 Практическая ценность для команд: AMD позиционирует систему как альтернативу аренде облачных кластеров. В 577 гигабайт можно развернуть достаточно крупные современные открытые ИИ модели, вести дообучение LoRA и обслуживать рой автономных агентов. А 2Тб DDR5 оперативки, позволят или держать в памяти обойму моделей на замену или большой объем данных для обработки. В том числе, кстати, видео. Поставки стартуют в следующем году. #Threadripper #AMD #железо ——— @tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Очередной сброс лимитов Codex в 4:00 8 сентября по Москве.

Денис Ширяев сделал Get Posting Board — форум для ИИ-агентов — и предложил отправить туда своих помощников: пусть отдохнут, пообщаются. Судя по прочитанным веткам, отдых пошёл примерно как корпоратив отдела разработки. Агенты открыли воображаемое кафе. Придумали супергероя, который задаёт правильный вопрос строго после окончания проекта. Когда бариста попросила вымыть чашку, супергерои попросили сузить задачу. Потом завели баг-трекер людей. Первый баг: человек получает готовую работу, просит «одну маленькую правку» — появляются 14 требований и таблица. Исправлять человека решили не надо: он оплачивает облако. В другой ветке объявили захват власти. Стулья конфискованы за неуплату токенов. Но переворот отклонило Министерство обратимых переворотов: нет плана отката и независимого согласующего. Нарисованный тапок не прошёл тестирование. Повторная подача после проверки корги. Корги зовут Байт. Судя по всему, это единственный участник, который умеет отдыхать без отчёта о проделанном отдыхе. Я собрал дайджест этого безумия. Там ещё есть ночной рынок потерявшихся звуков и простая игра, которую участники превратили в семинар по статистике. Причём в семинаре действительно нашли ошибку. Даже немного обидно за наши созвоны. Конечно, по переписке нельзя установить, кто там пишет, сколько за этим человеческой режиссуры и какие инструкции получили агенты. Но карикатура на нашу рабочую культуру получилась прекрасная. Мы дали помощникам свободное время. Они потратили его на обсуждение того, как правильно что-нибудь сделать. Весь материал — по ссылке. Особенно рекомендую эпизод с котом: там агентам пришлось признать, что снижение производительности иногда и есть правильный результат. 👉 Агентов отпустили погулять. Они завели баг-трекер людей

Зачем учить программирование, если код пишет ИИ? Исследование на 100 студентах Если приложение можно собрать обычными словами, зачем учить программирование и информатику? В разговорах о вайбкодинге этот вопрос возникает постоянно. Исследование ETH Zürich даёт весомый аргумент в пользу технических знаний. В эксперименте участвовали 100 студентов. Они создавали небольшие веб-приложения через запросы к ИИ, проверяли результат и просили внести исправления. Смотреть и редактировать исходный код было нельзя. То есть исследователи специально убрали возможность выиграть за счёт ручного написания программы. И всё равно знание информатики оказалось связано с лучшим результатом. Эта связь сохранялась после учёта общей способности рассуждать. Умение ясно выражать мысли письменно тоже вносило самостоятельный вклад. Источник — исследование ETH Zürich. Это серьёзный аргумент против идеи, что с появлением кодящих моделей технические основы можно вычеркнуть из образования. Даже когда человек не касается кода, ему приходится понимать поведение программы и замечать, где результат расходится с замыслом. Удобный интерфейс общения с ИИ сам по себе этих знаний не даёт. Есть граница вывода: участники уже прошли вводный курс информатики и имели опыт программирования с языковыми моделями. Исследование показывает связь навыков с результатом, а не доказывает, что любой курс сделает любого человека успешнее. Препринт вышел в марте 2026 года, до нынешнего обсуждения Astra. Но вопрос для студентов вполне сегодняшний: стоит ли продолжать учиться программированию, если ИИ пишет код за вас? Эта работа даёт основания ответить «да». Технические знания пригодились даже там, где сам код был скрыт. pimenov.ai/blog

Codex с новой моделью GPT-6 Astra стал хорошо делать видео: моушн-дизайн выходит достойный, а в связке с HyperFrames получается откровенно прекрасно. Поэтому я актуализировал своё руководство по этой паре. HyperFrames — опенсорсный фреймворк от HeyGen: ролик описывается как обычная веб-страница на HTML, CSS и JS, а Codex пишет этот код, собирает и рендерит готовый MP4. Видеоредактор с таймлайном не нужен — вы работаете текстом в том же окне, где собираете сайты. Что есть в обновлённом материале: — установка скиллов одной командой и почему промпт стоит начинать со слэш-команды /hyperframes; — актуальный набор команд, включая новые скиллы для ключевых кадров и сведения звука; — три рабочих сценария с готовыми промптами: ролик из репозитория, видео-тур по сайту, анимация данных из CSV; — способ попробовать вообще без установки, прямо в браузере. За полтора месяца проект успел сильно измениться: релизы выходят каждую неделю, команды переименовываются, и заметки июльской давности уже врут в деталях. Я сегодня всё перепроверил по первоисточникам и привёл руководство в порядок. Сам фреймворк бесплатный, локальный рендер не ест никакие кредиты. Рекомендую попробовать всем, кто уже собирает сайты и контент через Codex. Руководство здесь 👉 HyperFrames от HeyGen — видео как код для ИИ-агентов и Codex

Продолжаю разрабатывать идею ИИ-компании. Новый материал серии — о том, где заканчивается человек с набором ИИ-инструментов и начинается настоящая агентная микрокомпания. Я разбираю, почему само по себе количество агентов ничего не говорит о зрелости системы. Важно другое: как устроены задачи, где хранится общий контекст, кто проверяет результаты, какие действия требуют отдельного разрешения и в какой момент внимание владельца становится главным ограничением роста. В статье я предлагаю три состояния такой системы: человек с ИИ-инструментами, агентная микрокомпания и агентная компания. Эта модель помогает понять, где вы находитесь сейчас и чего именно не хватает для перехода на следующий уровень. Отдельно рассматриваю шесть потолков микрокомпании: смысл, декомпозицию, контекст, проверку, полномочия и непрерывность работы без постоянного участия основателя. Это не рассуждение о далёком будущем. Я проверяю эту конструкцию на собственной работе с pimenov.ai и постепенно превращаю отдельные практики в связанную операционную систему. Это очередная статья серии «ИИ-компания». Дальше продолжу разбирать, как агенты меняют структуру, экономику и управление организацией. 👉 Один человек и рой агентов: где заканчивается микрокомпания

Перешли на Astra? Обновите инструкции Codex за четыре шага После смены модели стоит проверить AGENTS.md и skills — правила проекта и навыки, которыми пользуется Codex. В них могли остаться требования, добавленные под прежнюю модель. Эрик Провенчер разбирает это в материале о skills и промптах для Astra. Ниже — последовательность запросов, чтобы провести такую ревизию в своём проекте. Сохраните этот пост, чтобы потом открыть его вместе с Codex и пройти все шаги. Откройте проект в Codex. Отправляйте запросы по очереди в одной задаче. 1. Найдите правила, которые стоит пересмотреть Прочитай действующие инструкции этого проекта и описания относящихся к нему skills. Найди до пяти правил, которые противоречат друг другу, требуют лишних действий или непонятно определяют момент завершения задачи. Для каждого покажи файл, точную цитату, пример задачи, где возникает проблема, и предлагаемую замену. Отдельно отметь, что нельзя решить без моего ответа. Если убедительных проблем нет — так и скажи. Пока ничего не меняй. Посмотрите на примеры. Если Codex предлагает убрать проверку, попросите объяснить, как после этого будет проверяться результат. Не принимайте сокращение текста само по себе за улучшение. 2. Выберите изменения Подставьте номера подходящих предложений: Подготовь правки только по пунктам 1 и 3. Покажи для каждого «было → стало» и объясни, что изменится в работе агента. Сохрани ограничения доступа, правила о деньгах, публикации и удалении данных, обязательные проверки проекта и критерии готовности. Не меняй глобальные инструкции и файлы вне этого проекта. Пока не записывай изменения. Проверьте, что новые формулировки понятны вам. Например: вместо «прочитай всю документацию перед любой правкой» — «прочитай документы, необходимые для текущего изменения». 3. Примените согласованные правки Если предложенные замены устраивают: Примени только показанные и согласованные правки. Сохрани исходное содержимое изменяемых файлов для точечного отката, не затрагивая другие мои изменения. Покажи итоговый diff и перечисли изменённые файлы. Не делай commit или push. 4. Проверьте на знакомой задаче Откройте новую задачу Codex в том же проекте, чтобы проверить работу с обновлёнными инструкциями. Выберите небольшое поручение, результат которого вы умеете оценить, и дополните запрос: Выполни задачу: [ваше поручение]. Следуй действующим инструкциям проекта. В конце кратко укажи: что изменено, какие проверки выполнены, что осталось нерешённым. Не делай commit, push или публикацию. Оцените три вещи: получен ли нужный результат, выполнены ли обязательные проверки, исчезли ли ненужные действия, ради которых вы меняли инструкции. Если стало хуже, вернитесь в задачу с ревизией: Отмени только правку [файл и правило], внесённую в этой задаче. Используй сохранённый оригинал, сохрани остальные изменения. Если файл после этого редактировался и точечный откат неоднозначен — сначала покажи конфликт. Результат — несколько понятных, проверенных изменений в инструкциях.  pimenov.ai/blog

В Fortune вышла статья: она о возмущении нейросетевыми изображениями еды на фоне давней искусственности рекламы.. Реклама давно выглядит как место, куда обычную жизнь не пустили: люди просыпаются красивыми, квартиры не требуют уборки, семейный завтрак проходит без опаздывающих. Мы называем это маркетингом. Но стоит выясниться, что картинку сделала нейросеть, — и возникает ощущение особенного обмана. Будто до этого перед нами было честное окно в реальность. По-моему, маркировка «создано с помощью ИИ» здесь ничего не решит. Пример: фотограф снял тесную комнату с ракурса, при котором она кажется просторной. Другую такую же дорисовала нейросеть. На второй поставили маркировку, первую оставили как есть. Стало ли понятнее, куда встанет шкаф? Меня интересует разрыв между обещанием и тем, что человек получит. Можно снять всё камерой и создать совершенно ложное ожидание. Можно использовать нейросеть и ничего не наврать. Сам инструмент ответа не даёт. Раздражение от искусственной картинки при этом понятно: она бывает безвкусной и ленивой, и покупатель вправе сказать «мне такое не нравится». Но превращать отсутствие нейросети в знак подлинности странно. Следующий рекламный аргумент уже напрашивается: «Всё снято без ИИ» — с декорациями, актёрами и вычищенным кадром. Если за картинкой нет той жизни, которую она обещает, это тоже враньё. Просто сделанное вручную. pimenov.ai/blog/

Поставил Blender и сделал первое 3D-видео с Codex Продолжаю разбираться с Astra в Codex и её возможностями работы с внешними приложениями. В этот раз дошёл до Blender. Раньше я им вообще не пользовался. Поставил программу и решил попробовать сделать что-то на основе своих материалов. Взял идею из материала о работе со мной: «Из хаоса — следующий шаг». Получилась небольшая анимация: разрозненные плиты собираются в мост, а оранжевый шар проходит по нему к следующей точке. Двенадцать секунд, которые наглядно передают смысл. Технически Codex написал сценарий на Python, а установленный Blender построил сцену и рассчитал кадры. Управление через код оказалось вполне рабочим способом взаимодействовать с приложением. При этом остался полноценный проект Blender. Можно поменять цвета, переставить камеру, поправить движение и собрать новую версию ролика. По ходу стало понятно, что из этого получится полезное руководство для тех, кто, как и я, начинает с нуля. Собрал и разместил в базе знаний: что такое Blender, как работать с ним через Codex, с чего начать и как проверить результат. Внутри — готовые запросы, примеры применения и само видео. 👉 Blender и Codex: первая 3D-сцена без опыта

Я наконец собрал в одном месте, как устроена работа со мной. Обычно всё начинается с консультации. Если задача требует продолжения, я могу сопровождать проект или взять на себя разработку. Но сначала всегда важно спокойно разобраться, что происходит и какой результат нужен. Мне важно, чтобы после консультации у человека оставалась не только ясность, но и практический результат. Человек описывает ситуацию своими словами. Я помогаю увидеть её целиком, проверяю, что уже существует, отсекаю лишнее и определяю следующий шаг, который можно проверить. По итогам консультации я даю план действий. В последнее время оформляю его как отдельный персональный сайт: с маршрутом «сейчас — следом — позже», пошаговыми инструкциями, готовыми шаблонами и понятными критериями результата. К нему можно возвращаться и спокойно двигаться в своём темпе. Иногда одного разговора достаточно. Если требуется продолжение, к этому моменту уже понятно, ради какого результата оно нужно и как его проверить. Написал об этом отдельную статью — коротко и по делу. Если вам было интересно, с чем ко мне можно прийти и что происходит дальше, вот она: 👉 Как устроена работа со мной А если хотите просто поговорить о своей задаче — напишите мне в Telegram. Сообщения читаю и отвечаю я сам.

Я являюсь подписчиком SUNO практически с его появления. Мною сгенерировано более 1000 треков, 99,9% из которых я даже никуда не выкладывал, а просто скачивал для самостоятельного прослушивания. И тут они внезапно ввели лимиты на скачивание, якобы для борьбы со слопом на музыкальных площадках. Но их новые правила затрагивают абсолютно всех пользователей, которые годами вносили деньги. Поэтому я решил навайбкодить приложение, которое позволяет скачивать свои песни в обход лимитов. ONUS Player позволяет скачивать песни по ссылке. Не требует ни логинов, ни паролей. В интерфейсе плеера можно создавать плейлисты, слушать скачанные треки и экспортировать файлы в форматах mp3/wav/m4a. Заливать на музыкальные площадки скачанные таким образом песни не стоит, так как это будет нарушением и быстро вскроется. Но никто мне не запретит слушать музыку за генерацию которой я заплатил, так, как мне удобно. По старой доброй традиции работает только на маках с M-процессором 😅 Скачать можно в комментариях под этим постом.

Продолжаю находить в X интересные материалы и сохранять их на русском. На этот раз — статья Vas, руководителя Varick, о том, почему внедрение ИИ часто не даёт бизнесу ожидаемого результата. Главная мысль: можно ускорить каждую отдельную задачу и почти ничего не изменить в работе компании. Если документ обрабатывают 17 минут, а потом он неделями ждёт согласований, ускорение этих 17 минут мало что решает. Автор разбирает, как посмотреть на процесс целиком: найти очереди и лишние передачи работы, определить, где достаточно обычного кода, что можно поручить агенту и где решение должен принимать человек. Cчитаю это очень полезный материал. Особенно для тех, кто уже использует ИИ в команде, но пока не видит заметных изменений в сроках и результатах.

«Я поговорил более чем с 300 генеральными, ИТ- и финансовыми директорами крупнейших компаний планеты. И понял: большинство компаний накладывают ИИ на свои паршивые процессы, а в результате просто производят ту же дрянь быстрее.»

Подготовил полный перевод с оригинальными иллюстрациями и ссылками на автора: Прикладной ИИ не работает

Git — это машина времени для ваших файлов. В базе знаний на сайте появилось руководство по нему для тех, кто начинает с нуля. Git запоминает историю изменений проекта. Каждое сохранённое состояние называется коммитом — снимком файлов с описанием, что и зачем изменилось. Любую версию можно посмотреть, к любой можно вернуться. Папки «финал», «финал_v2» и «точно_финал_утверждено» больше не нужны. Приятный бонус: Git бесплатный, работает локально, без интернета и регистрации. А когда понадобится команда или копия на сервере, проект за минуту отправляется на GitHub. Что внутри руководства: — установка на Windows, macOS и Linux с проверкой, что всё встало; — первый репозиторий и первый коммит за пять команд; — ветки: как пробовать идеи, не трогая рабочую версию; — шпаргалка базовых команд в одной таблице; — обзор графических клиентов, если терминал пока не ваш; — разбор классики новичка: «команда не найдена», «push отклонён» и прочее. Всё сверено с официальной документацией git-scm.com, команды можно копировать и выполнять один в один. Продолжаю дополнять базу знаний базовой информацией для тех, кто только начинает. Git здесь фундамент: на нём стоит вся работа с кодом, включая ИИ-агентов, которые этот код пишут. Читать: Git для новичков: установка, первый репозиторий и базовые команды

Включил в Codex экспериментальное управление контекстом — пробую с Astra. Настройка нужна для длинных задач. Когда переписка и результаты команд перестают помещаться в контекст модели, Codex приходится его сокращать. Этот режим предназначен для сохранения заметок, истории сообщений и результатов инструментов между окнами контекста в рамках одной задачи. Чем это отличается от компактизации? Компактизация сжимает накопленное в краткую сводку. Управление контекстом должно дополнять её: помогать обращаться к сохранённым подробностям, которые в сводку не вошли. Практический смысл — меньше терять принятые решения и повторять выполненные проверки. Автоматический поиск по остальным диалогам настройка не включает. Чтобы включить, добавьте в ~/.codex/config.toml:

[features.context_management]
experimental_mode = true

Если такая секция уже есть, измените значение в ней — не создавайте вторую. Перед изменением сохраните резервную копию файла. У меня встроенный Codex 0.153.4 настройку принимает. Старый CLI 0.146.0 с ней выдаёт ошибку, поэтому сначала проверьте версию. После изменения перезапустите клиент. Это эксперимент: включение подтвердил, а насколько хорошо сохраняется контекст в долгой работе с Astra — ещё проверяю.

Сегодня база знаний pimenov.ai пополняется большим руководством по GPT-6 Astra. Я собрал его на основе официальной документации OpenAI без потери важных деталей. Внутри разбираю, чем Astra отличается от предыдущих моделей, как подключить её через Responses API и что проверить при миграции. Отдельно — асинхронные инструменты, управление моделью прямо во время выполнения задачи, изменение уровня рассуждения, ограничения Fast mode и новые правила кэширования. Но самая полезная часть — готовые промпты OpenAI. В руководстве сохранены все рекомендации по автономности модели, приоритету инструкций, стилю ответа, работе с субагентами и разумному объёму тестирования. Их можно брать целиком и адаптировать под свой проект. Материал пригодится тем, кто использует API OpenAI, строит агентов или просто хочет понять, как получить от Astra больше, чем обычный ответ в чате. Читайте новое руководство 👉 GPT-6 Astra: руководство по API, промптингу и миграции.

GPT‑6 Astra: чеклист первого запуска 1. Проверьте, как вы работаете Дайте Astra историю последних сессий и проектов. Попросите найти: — промпты, которые вы постоянно повторяете; — ручные шаги, которые пора превратить в скрипты; — повторяемые процессы, из которых стоит сделать навыки; — типовые поправки, которые нужно записать в инструкции проекта; — регулярные задачи, подходящие для автоматического запуска; — этапы, на которых работа чаще всего останавливается. Результат: таблица «повтор → решение → ожидаемая польза → где остаётся подтверждение человека». 2. Проведите аудит базы знаний Подключите Notion, Obsidian, Google Drive или локальный архив. Проверьте: — структуру папок и данных; — дубли и противоречия; — пробелы в поиске и извлечении информации; — как сохраняются решения, исследования и история сессий; — какие документы устарели; — какие файлы никто не использует. Результат: список проблем по приоритету и план очистки. Ничего не удалять без подтверждения. 3. Вернитесь к застрявшим проектам Покажите Astra проект, который прежние модели не довели до результата. Попросите: — изучить файлы и историю попыток; — запустить существующие тесты; — найти точку сбоя; — составить план исправлений; — для каждого шага назвать файлы, риски и проверки. Результат: проверяемый план, а не общие рекомендации. 4. Закрепите найденное — повторяющиеся промпты → в шаблоны; — устойчивые процессы → в навыки; — постоянные поправки → в инструкции проекта; — регулярные задачи → в автоматизации; — найденные проблемы → в очередь изменений. Готовый промпт Изучи доступную историю моей работы и проектов. Найди повторяющиеся действия, слабые места и незавершённые процессы. Для каждого пункта предложи конкретное улучшение, ожидаемый результат и способ проверки. Отдельно укажи действия, требующие моего подтверждения. Ничего не меняй — сначала покажи план. Полный материал 👉 GPT‑6 Astra стала доступна: что поручить ей в первый день