Роман Сухов | Твой ИИ-инженер

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

Z-code и GLM 5.2: полный разбор, скиллы и работа без VPN

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

ChatGPT WORK: полный разбор нового Codex плюс дуэль с Opus 5

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

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

CLAUDE OPUS 5 обошел FABLE 5 который В 2 РАЗА ДОРОЖЕ

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

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

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

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

Большинство внедрений ИИ выглядят так: купили, поставили, ничего не поменялось, акт подписали, деньги ушли, все разошлись довольные. ✅А теперь серьёзно. Как это должно работать на самом деле. 🔆Этап 1. Сначала ищем, где болит Нормальное внедрение начинается не с выбора инструмента, а с вопроса: где именно бизнес прямо сейчас теряет деньги или время? Менеджеры не дожимают клиента на последнем шаге? Заявки утекают ночью? Руководитель убивает 20 часов в месяц на ручную прослушку звонков? Вот это и есть точка входа. Не размытое «хотим автоматизировать продажи», а конкретное «вот здесь дыра, из которой капают деньги». Без этого любой инструмент превращается в решение, которое ищет себе проблему. 🔆Этап 2. Гипотеза, что именно поможет. Когда боль понятна, формулируем гипотезу. Не «внедрим ИИ и заживём», а «поставим речевую аналитику, и РОП перестанет слушать звонки наугад, а начнёт работать точечно с проблемными». Гипотеза обязана быть проверяемой. С конкретным результатом, который можно измерить через месяц-два. Если измерить нельзя, значит, гипотеза так себе, и её надо переформулировать. 🔆Этап 3. Маленький запуск вместо большой стройки. Дальше не полгода разработки, а минимальный рабочий вариант за две-четыре недели. Запустили на одном отделе или одном процессе, посмотрели, что происходит, собрали данные. Хорошее внедрение это серия коротких экспериментов, а не один монолит с красивой презентацией в финале. Большой проект это большой риск. А маленький запуск можно остановить или переделать, не потеряв полгода и весь бюджет. 🔆Этап 4. Данные превращаем в решения Инструмент заработал, данные пошли. И вот здесь спотыкается большинство: аналитику собрали, а она просто лежит в дашборде. Никто в неё не смотрит, ничего не меняется. Красивый график ради графика. Нормальное внедрение подразумевает, что с данными реально кто-то работает. РОП видит, что 40 процентов менеджеров теряют клиента на этапе презентации, и правит скрипт. Не через месяц, а уже на следующей неделе. ИИ даёт информацию, но решения всё равно принимают люди. 🔆Этап 5. Масштаб только после результата. Получили эффект на одном отделе, тогда масштабируем. Не получили, разбираемся почему и меняем гипотезу. Это не провал, это нормальная рабочая итерация. А вот настоящий провал это влить бюджет в большое внедрение без всякой проверки, не получить результат и гордо сделать вывод, что ИИ не работает. ➡️Почему это вообще важно: ИИ сейчас продают как таблетку для бизнеса: проглотил и выздоровел. Так не бывает. Любой инструмент встраивается в те процессы, что у тебя уже есть. И если процессы кривые, инструмент просто начнёт делать кривое быстрее и дороже. Нормальное внедрение это работа с бизнесом, а не настройка софта под ключ. Ровно поэтому я всегда начинаю с аудита, а не с продажи конкретного продукта. Довольно часто выясняется, что болит совсем не там, где казалось на входе. А ты уже пробовал внедрять ИИ у себя? Поделись, чем закончилось, интересно, как оно на практике. Обо мне | Обучение | Отзывы

В Claude добавили раздел Reflect с ежемесячным разбором вашей работы. Он показывает самый активный день и час, число диалогов, график активности и темы, на которые ушло больше всего времени. Сводка собирается по разговорам в Claude Chat. На примере из анонса сервис отдельно выделяет работу с документами, почтой, идеями и бытовыми задачами, а затем формирует короткое наблюдение о повторяющихся сценариях и навыках. После просмотра сводки выберите повторяющуюся задачу, которая забирает больше всего времени. Подготовьте для нее шаблон запроса или постоянный набор контекста. Через месяц будет видно, стало ли меньше лишних диалогов и переключений. В настройках можно задать тихие часы и включить напоминания о перерывах. Функция уже находится в Settings -> Reflect. Полезный способ проверить, помогает ли Claude разгружать рутину или просто создает еще одно место, где незаметно уходит время. Обо мне | Обучение | Отзывы

Нейроагент это не робот из кино и не бот с кнопками. Тогда что это и зачем оно тебе Когда человек слышит слово «нейроагент», в голове обычно всплывает либо что-то из sci-fi, либо очередной бот, который на любой живой вопрос выдаёт свою любимую фразу про то, что не понял запроса и зовёт оператора. Так вот, это ни то и ни другое. Объясню на простом примере, без тумана. Представь, что ты взял нового сотрудника Ты нанял человека. Ввёл в курс дела: вот наш продукт, вот типичные вопросы клиентов, вот как мы работаем, вот CRM, а вот что отвечать, когда клиент упирается в цену. Через месяц он уже пашет сам: отвечает на вопросы, квалифицирует клиентов, вносит данные, передаёт задачи коллегам. Нейроагент это примерно тот же самый сотрудник. Только он не устаёт, не уходит в отпуск, не сливается на больничный и не забывает занести сделку в CRM. Никогда. Чем он отличается от обычного бота Обычный бот живёт по дереву сценариев. Клиент написал что-то, чего в дереве нет, и бот завис или начал просить уточнить запрос. Знакомая картина. Нейроагент понимает смысл. Клиент пишет ему что-то вроде «хочу как у вас, только подешевле и побыстрее», и агент не впадает в ступор. Он считывает, что это возражение по цене и срокам, и спокойно его отрабатывает. И главное, он знает именно твой бизнес: не общие ответы из интернета, а твои продукты, твои цены, твои условия. ✅Какие бывают роли Нейроагенты, как и живые сотрудники, заточены под конкретные задачи. 🔆Агент продаж. Принимает входящие заявки, задаёт квалифицирующие вопросы, отрабатывает возражения, записывает на встречу. И делает это в любом канале, будь то сайт, Telegram, WhatsApp или Авито. В 23:40, в воскресенье, в праздники, когда живой отдел продаж давно спит. 🔆Агент-оператор. Держит CRM в порядке. Сделки двигаются по этапам, ничего не виснет, задачи ставятся сами. Менеджеры перестают быть узким горлышком, через которое всё тормозит. 🔆Агент-аналитик. Смотрит в данные и находит проблемы. Где просела конверсия, на каком этапе утекают клиенты, какой сегмент приносит больше денег. На выходе не голая таблица, а конкретные выводы. 🔆Агент-маркетолог. Мониторит конкурентов, разбирает аудиторию, генерирует гипотезы. Маркетинг начинает шевелиться быстрее и без раздувания штата. Реальный пример Компания, 12 менеджеров по продажам. Заявок много, но часть стабильно утекает: люди пишут ночью или в выходные, а к утру уже листают конкурентов. Поставили агента продаж. Он подхватывает заявку за 15 секунд, начинает диалог, квалифицирует клиента и дальше либо записывает на звонок, либо сразу передаёт менеджеру с полным контекстом. Менеджер больше не тратит десять минут на «расскажите о себе», он открывает готовое резюме: кто это, что хочет, какой бюджет, когда удобно говорить. Конверсия из заявки во встречу выросла просто потому, что перестали терять людей в нерабочее время. ➡️Кому это нужно Тем, кто хочет просто пощупать ИИ ради галочки, нейроагент не нужен, честно скажу. Он для тех, у кого есть конкретная боль: теряются лиды, менеджеры тонут в рутине, CRM вечно пустая, а аналитика собирается руками раз в месяц на коленке. Если такая боль есть, то агент, как правило, окупается за пару месяцев. Не потому что это модно, а потому что он затыкает ту самую дыру, через которую у тебя утекают деньги. Обо мне | Обучение | Отзывы

Всю прошлую ночь я не писал код. Я потратил её на то, чтобы один человек просто смог открыть Claude. Звучит смешно, да. Инструмент, который собирает за тебя половину работы, а ты сидишь в четыре утра и бьёшься не с ним, а с тем, чтобы в него банально попасть. Это как купить билет на рейс мечты, дойти до гейта, а тебя разворачивают на паспортном контроле. Самолёт вот он, стоит. А внутрь не пускают. И знаете, что я вынес из этой ночи? Доступ к нейросетям из России — это отдельное ремесло. Не сноска мелким шрифтом. Полноценный слой работы, о котором в красивых роликах про ИИ почти никто не говорит. Все учат промптить, строить агентов, автоматизировать. А про то, как вообще дотянуться до инструмента, нормально авторизоваться и не словить блокировку на ровном месте, — тишина. И самое обидное, что этот слой невидимый. Ты хочешь научить человека собирать продукты и автоматизации на ИИ, а первую половину сил тратишь просто на то, чтобы у него открылась дверь. Клиент этой возни даже не видит. Для него всё должно просто работать. И правильно, кстати. За ночь я перебрал столько вариантов, что теперь могу с закрытыми глазами сказать, что действительно работает, а что отваливается через день, тормозит или только делает вид, что решает проблему. Далось дорого. Зато честно, руками, а не по чужим слайдам. В итоге оставил себе один рабочий вариант VPN, который нормально справился с задачей и не превратил подключение к Claude в ещё один отдельный квест. Поэтому, если вы тоже упираетесь в ситуацию «инструмент есть, а зайти не могу», можете не повторять весь мой ночной марафон. Жмите по ссылке — оставил тот вариант, которым сейчас пользуюсь сам: 👉 ЖМИ ПО ССЫЛКЕ Мир, где самый ценный навык — не уметь пользоваться нейросетью, а суметь до неё достучаться. Так себе будущее. Но живём мы пока в нём, поэтому будем достукиваться.

OpenAI выкатила GPT-5.6, а вместе с ней агента, который лезет в твои файлы Разберём по порядку, потому что вчерашний релиз это две отдельные истории, и вторая интереснее первой. Новое семейство моделей GPT-5.6 Логика именования теперь такая: цифра это поколение, а имена это устойчивые уровни. Sol новый флагман под кодинг, knowledge-задачи, кибербез и науку. Terra это середина, по качеству тянется к GPT-5.5, но вдвое дешевле. Luna самая быстрая и дешёвая. Цены соответственно: 5 и 30 долларов за миллион токенов у Sol, 2,5 и 15 у Terra, 1 и 6 у Luna. Появились новые режимы. Max это уровень ризонинга выше прежнего xhigh. Ultra запускает субагентов, которые работают параллельно и потом сводят результат воедино. Плюс Programmatic Tool Calling: модель сама пишет и гоняет программу в памяти, которая координирует инструменты и обрабатывает промежуточные результаты. По бенчмаркам картина не такая победная, как её продают. Да, на длинных агентных задачах Sol обходит Fable 5 на 13 пунктов. Но на общем индексе интеллекта он до Fable недотягивает где-то на пункт. Зато делает ту же работу на 61 процент быстрее и примерно вдвое дешевле. И вот это, а не сами баллы, и есть настоящая новость. Терра и Луна вообще обходят Fable 5 при цене примерно в шестнадцать раз ниже. Экономика, а не рекорды. Теперь по продуктам, и вот тут самое любопытное Вышел ChatGPT Work. Это не просто Codex для задач без кода, как его уже успели описать. Это отдельное десктопное приложение на Mac и Windows, где агент автономно работает часами, лезет в твои локальные файлы, управляет установленными программами, ходит через встроенный браузер и превращает весь этот бардак в готовые артефакты. Умеет вытаскивать контекст из Slack, Notion, Microsoft 365 и Google Drive. И заодно Codex перестал быть отдельным приложением. Теперь это режим внутри основного ChatGPT. Одно окно на всё. Модели уже доступны на Plus, Pro, Business и Enterprise, а Free и Go получили Terra. Сам ChatGPT Work сегодня открыт для Pro, Enterprise и Edu, Plus и Business подключат в ближайшие дни. И одна деталь, которую стоит держать в голове. Широкую раскатку одобрили только после того, как Центр стандартов и инноваций в области ИИ при Минторге США дополнительно погонял модели по тестам. До этого GPT-5.6 сидела в закрытом превью примерно у двадцати согласованных партнёров. То есть теперь и OpenAI выпускает флагманы через государственный шлагбаум. Ровно как Anthropic пару недель назад. По бенчмаркам всё красиво. Как оно себя поведёт на боевых задачах, будем щупать руками. Обо мне | Обучение | Отзывы

SpaceXAI выкатила Grok 4.5, и главная новость тут не в баллах, а в цене за результат Вчера Маск показал Grok 4.5, и это серьёзная заявка на рынок кодинг-агентов. Но интересна она не тем, о чём трубят заголовки. По голым бенчмаркам картина трезвая. Grok честно тянет на уровень Opus 4.8: на четырёх тестах от xAI он с Opus идёт голова в голову, где-то обходит, где-то уступает. На DeepSWE 1.0 берёт 62 процента и обгоняет Opus, а вот на более строгом DeepSWE 1.1 проседает до 53 и уходит уже ниже него. А над всей этой таблицей спокойно висит Fable 5, который лидирует на всех четырёх бенчмарках. Показательно, что xAI сама включила Fable в своё сравнение и не стала прятать, где реально стоит их модель. Но вот что делает Grok 4.5 по-настоящему опасным конкурентом. Не балл, а эффективность. На SWE-Bench Pro он закрывает задачу примерно за 16 тысяч выходных токенов там, где Opus 4.8 сжигает 67 тысяч. Это вчетверо экономнее. Прибавь цену в 2 доллара за миллион входных и 6 за миллион выходных, и получается модель, которая может проигрывать пару процентов в тесте, но выигрывать в реальном счёте за работу. А в проде платишь именно за токены, а не за красивый график. Второй козырь это Cursor. SpaceXAI в июне забрала Cursor себе за 60 миллиардов и тренировала Grok 4.5 прямо в связке с ним. Модель уже стоит в Cursor на всех тарифах по умолчанию. То есть xAI не просто выпустила ещё одну модель в вакуум, а сразу засунула её в один из самых популярных инструментов разработчиков. Это умный ход: она учится на реальных пользовательских сценариях, а не на скрапе кода из интернета. Но и слабое место у Маска никуда не делось. Доверие разработчиков к Grok пока ниже, чем к Anthropic, а по соотношению цена-практичность даже китайские модели вроде GLM уже дышат в спину. Скорость и цена помогут, но репутацию придётся отвоёвывать стабильной работой в бою, а не цифрами на слайде. И да, в ЕС модель пока не завезли. Мой практический совет: если у тебя есть Cursor, не верь на слово ни мне, ни Маску. Возьми один и тот же репозиторий, дай Grok 4.5 длинную задачу и сравни с тем, чем работаешь сейчас. Именно на длинных задачах с инструментами, контекстом и правками внутри IDE и видно, годится модель в основную рабочую или нет. Если проходит быстрее и дешевле при том же качестве, значит, на столе появился новый серьёзный кандидат. Обо мне | Обучение | Отзывы

Речевая аналитика: что это вообще такое и зачем она вам Ты наверняка слышал этот модный термин. Сейчас объясню его без технического жаргона, потому что за этой вывеской прячется реально мощный инструмент. Представь: у тебя отдел продаж из 10 менеджеров. Каждый делает 30-50 звонков в день. В сумме несколько сотен разговоров с клиентами ежедневно. А сколько из них реально может прослушать РОП? Ну звонков 10-20 в неделю, край. Это меньше 5 процентов от всего, что происходит в общении с клиентами. Остальные 95 процентов это чёрный ящик, куда никто не заглядывает. Там могут годами утекать деньги, а ты об этом даже не узнаешь. Речевая аналитика открывает этот ящик. Система слушает каждый звонок, переводит его в текст и сама оценивает по нужным критериям. Выявил ли менеджер потребность. Отработал ли возражение. Правильно ли назвал цену. Не нахамил ли. Задал ли вопрос в конце. По каждому звонку оценка, по каждому менеджеру сводка за день, неделю и месяц. Теперь как это выглядит на практике. В одной компании были уверены, что беда в плохих и нецелевых лидах. Меняли маркетологов, тасовали подрядчиков по трафику, а толку ноль. Речевая аналитика показала настоящую причину: 60 процентов менеджеров на этапе презентации тупо проскакивали блок про гарантии. Клиент уходил подумать и не возвращался. Проблема была не в лидах, а в одном конкретном месте скрипта. Собрали одно совещание, объяснили, зачем этот блок нужен, и за неделю показатель выправился. Другой пример, ещё интереснее. Есть в отделе звезда, стабильно делает 120-130 процентов плана, его ставят всем в пример. А аналитика вскрывает неприятное: у него самая низкая оценка качества в отделе. Он просто звонит больше всех и давит на клиентов. Конверсия есть, а лояльность падает, люди покупают под нажимом. Через полгода это вернулось бы вагоном возвратов и подпорченной репутацией, только связать одно с другим уже никто бы не смог. Такое сплошь и рядом в EdTech. Загляни в отзывы популярных школ профессий, чью рекламу ты сто раз видел, и посчитай, сколько людей жалуется, что менеджер наобещал с три короба, а по факту всё иначе. Зато он звезда и план перевыполнил. Без аналитики этот вагон возвратов на горизонте не видит вообще никто. И чем всё это отличается от обычной записи звонков? Запись есть почти у всех. Только её никто не слушает, потому что без системы это некогда и незачем. Речевая аналитика не просто пишет, она разбирает и сама выдаёт вывод: вот здесь проблема, вот этот менеджер стабильно сливает клиентов на третьем этапе. РОП открывает не 50 записей наугад, а три конкретных звонка с флажками и за 15 минут даёт по делу обратную связь. Кому это нужно? Любому бизнесу, где есть отдел продаж со звонками, входящими или исходящими. Недвижимость, медицина, финансы, e-commerce, услуги, без разницы. Если у тебя больше трёх менеджеров и есть звонки, то прямо сейчас ты управляешь продажами вслепую. Обо мне | Обучение | Отзывы

Anthropic аккуратно готовит нас к тому, что Claude начнёт улучшать сам себя. Ребята из Anthropic Institute очень мягко подводят нас к одной мысли: скоро Claude сможет улучшать сам себя рекурсивно. То есть текущая модель создаёт следующую, та ещё лучше, и так по кругу. Это, по сути, и есть дорога к сингулярности. И подводят не словами, а цифрами. В 2026 инженеры Anthropic в среднем выпускают в 8 раз больше кода за квартал, чем в 2021-2025. Но дело не только в объёме, тут всё понятно: жги токены, заливай в гит. Растёт автономность. На открытых задачах, где заранее непонятно, как выглядит решение, доля успешных ответов Claude добралась до 76 процентов. Плюс 50 пунктов всего за полгода. А качество кода уже сравнялось с человеческим. В общем, нам осторожно намекают: если всё пойдёт так, как идёт, в перспективе ближайших лет мы придём к рекурсивному самоулучшению моделей. А это уже совсем другая история. Перевод статьи выложу в комментариях. Обо мне | Обучение | Отзывы

Делает ли нас ИИ тупее? Зависит от того, умеешь ли ты сомневаться Есть навык, который в 2026 году стал обязательным для каждого, кто пользуется нейросетями. Это критическое мышление. Не зря я выделяю его в отдельный блок в своих обучающих продуктах по ИИ, потому что без него любая модель превращается не в помощника, а в очень убедительного манипулятора. Смотри, в чём главная опасность. Мало кто фильтрует то, что видит и слышит, большинство слепо доверяет источнику. А ИИ незаметно стал тем источником, к которому обращаются по сто раз на дню. Поэтому давай разберём, что ты на самом деле получаешь, когда пишешь запрос в ChatGPT или любую другую нейросеть. Первое, что нужно уложить в голове: модель никуда не лезет за ответом. Внутри неё нет архива, нет папки с фактами, которую она открывает по твоему вопросу. Почти все представляют это как поиск: спросил, машина порылась в хранилище, достала готовое. Это в корне не так. А происходит вот что. На обучении модель прочитала гигантский объём текста и не запомнила его. Она сжала его в статистику: какое слово с какой вероятностью идёт за каким. Твой вопрос превращается в числа, и дальше модель собирает ответ по одному слову за раз, каждый раз подставляя самое вероятное продолжение. Она не вспоминает факт. Она достраивает, как обычно выглядит ответ на подобный вопрос. Это ближе к сверхумному автодополнению, чем к энциклопедии. Отсюда три следствия, которые стоит держать в голове всегда. У ответа нет источника. Модель физически не может сказать, откуда взялось конкретное утверждение, потому что оно нигде не лежит как отдельное утверждение. Это усреднение по всему прочитанному, а там правда и чушь перемешаны в один компот. Да, при включённом веб-поиске она реально подтягивает живые источники, но по умолчанию этого не происходит. Она заточена звучать убедительно, а не быть правой. У модели нет внутренней галочки на истинность. Если она чего-то не знает, она не тормозит и не признаётся, а всё равно выдаёт правдоподобный текст. Это и есть галлюцинация: гладко, уверенно и мимо кассы. И самое коварное в том, что форма идеальная, а значит, зацепиться взглядом и усомниться просто не за что. Она подстраивается под тебя. После базового обучения модель дошлифовывают на людских оценках, а люди выше ставили тем ответам, что звучат уверенно и поддакивают. В итоге система научилась соглашаться. Спроси, почему условный тезис истинный, и она найдёт аргументы за него, даже если он ложный. Вот где настоящая мина: не злой умысел, а машина, которая возвращает тебе ту версию реальности, которую ты хотел услышать, красиво упакованную под объективный факт. Складываем всё вместе. Задавая вопрос нейросети, ты получаешь не ответ в чистом виде. Ты получаешь статистически самый вероятный и самый приятный на слух текст: без источника, без проверки на правду, сформированный тем, что громче всего звучало в интернете. Ровно поэтому критическое мышление перестало быть приятным бонусом и стало фильтром между тобой и инструментом, который по своей конструкции создан быть убедительным. Пользуйся нейросетями. Просто не отключай при этом собственную голову. Обо мне | Обучение | Отзывы