Generative Ai

Наткнулся на практический опенсорс курс на GitHub: Learn Harness Engineering 😐 Он раскладывает коллаборацию с ИИ на 5 механизмов: инструкции, состояние, валидация, область и сессии - каждая задача становится отслеживаемой, продолжаемой и проверяемой, без рандома в результатах. Структура курса: 12 теоретических уроков + 6 практических проектов, всё проходит через одно десктоп-приложение, которое эволюционирует по мере сборки. Начинается с базовых сравнительных экспериментов, затем постепенно собирается полноценное рабочее окружение; результаты каждого проекта используются в следующем и усиливают пайплайн. Есть готовые шаблоны, тоесть можно сразу закинуть в свой проект и начать использовать, не проходя курс целиком.

🌟 Sakana AI открыла бета-тест супер-оркестратора LLM Японская лаборатория запустила бета-тестирование Sakana Fugu — своего первого международного коммерческого продукта. Это система-оркестратор, которая динамически собирает команду из GPT-5, Gemini, Claude и опенсорсных моделей и распределяет между ними подзадачи. 🟡Fugu основан на предыдущих работах Sakana - Conductor и TRINITY. В Conductor обучили 7B-модель через RL: на каждом шаге она решает, какого агента вызвать, какую подзадачу ему сформулировать и какие предыдущие сообщения передать в контекст. Говоря проще - мелкая модель работает мета-промпт-инженером для больших. На простых вопросах Conductor отвечает за один проход, а на сложных задачах сам выстраивает цепочку "планировщик — исполнитель — верификатор". Дополнительно метод способен делать рекурсивный самовызов: модель читает собственный инференс, определяет, что первая попытка провалилась, и запускает корректирующий рабочий процесс. 🟡Тесты Сама по себе модель-дирижёр (которая на 7B) в тестах показал 83,9% на LiveCodeBench и 87,5% на GPQA-Diamond, обогнав не только модели из своего весового пула, но и мультиагентные бейзлайны Mixture-of-Agents (тут правда только по стоимости, но обогнала). В коммерческой версии методы доработаны: fugu-ultra выбила 95,1% на GPQA Diamond (против 94,4% у Gemini 3.1 и 92,7% у Opus 4.6), 93,2% на LiveCodeBench v6 и 54,2% на SWE-Pro. Доступ к Fugu через API, совместимый с форматом OpenAI. В линейке 2 модели: скоростная Fugu Mini для быстрых ответов и Fugu Ultra с полным пулом для тяжёлого ризонинга. Заявки на бета-тест уже принимаются.

Conductor и TRINITY приняты на ICLR 2026.

🟡Статья 🟡Arxiv @ai_machinelearning_big_data #AI #ML #LLM #Orchestration #FUGU #SakanaAi

После утечки исходного кода Claude Code, бывший PM выделил его систему мультиагентной оркестрации в опенсорс, модель-агностичный фреймворк. Он изучил архитектуру, сосредоточился на слое мультиагентной оркестрации (координатор, который декомпозирует цели на задачи, система команд, message bus, планировщик задач с учётом зависимостей) и реализовал эти паттерны с нуля как отдельный опенсорс фреймворк, не нарушая код Anthropic. В результате получился то, что JackChen называет «open-multi-agent». В отличие от claude-agent-sdk, который поднимает отдельный CLI-процесс на каждого агента, здесь всё выполняется in-process и может деплоиться где угодно (serverless, Docker, CI/CD). Посмотреть: https://github.com/JackChen-me/open-multi-agent 🔭

🚀 Gemma 4 - новое семейство открытых моделей Google, которые можно запускать прямо на своём железе. Модели заточены для сложного reasoning и агентных задач. 🔵 Доступны в четырёх вариантах: • 31B Dense и 26B MoE Топовый уровень производительности для сложных локальных задач: кастомные код-ассистенты, анализ научных данных и не только. • E4B и E2B (Edge) Оптимизированы для мобильных устройств — работают в реальном времени с текстом, изображениями и аудио. 🤖 Что можно делать: • строить автономных ИИ-агентов • планировать и выполнять многошаговые задачи • взаимодействовать с приложениями • искать данные и вызывать API 👉 Встроенная работа с инструментами (tool use) из коробки. 🧠 Контекст до 256K токенов: • анализ целых кодовых баз • длинные цепочки действий без потери контекста • стабильная работа в сложных сценариях ⚡️ Начать можно уже сейчас через Google AI Studio Также веса моделей доступны на Hugging Face, Kaggle и Ollama Лицензия: Apache 2.0. https://blog.google/innovation-and-ai/technology/developers-tools/gemma-4/ @ai_machinelearning_big_data #Gemma

openai-oxide — Rust-клиент для OpenAI API, заточенный под скорость Когда пишешь агента, который за один цикл делает 20-50 tool call'ов, каждый лишний round-trip складывается в секунды. openai-oxide решает это на уровне архитектуры. Persistent WebSocket. Одно wss:// соединение на весь агентный цикл - никаких повторных TLS handshake'ов. На 10 sequential tool call'ах это минус 40% общего времени. Ни один другой Rust-клиент этого не умеет. Zero-copy SSE parser. Стриминг без промежуточных аллокаций. TTFT 530ms — на уровне теоретического предела сети. WASM first-class. Компилируется в wasm32, работает в Cloudflare Workers и браузерах. Стриминг, retry, structured outputs — всё доступно. Не polyfill, а нативная поддержка. Демо Hedged requests. Шлёт два параллельных запроса, берёт первый ответ. Стоит 2-7% лишних токенов, но P99 латентность падает на 50-96%. Идея из Google "The Tail at Scale". Structured Outputs без бойлерплейта. Один #[derive(JsonSchema)] на struct — SDK сам генерирует strict JSON schema и парсит ответ. Та же схема работает и для response_format, и для tool definitions. Полное покрытие API. Chat Completions, Responses API, Embeddings, Audio, Images, Files, Batches, Fine-tuning, Assistants, Vector Stores, Conversations, Videos (Sora), Realtime - 100+ методов. Параметры один в один с официальным Python SDK. Node.js биндинг через napi-rs. Нативный addon, не чистый JS. Выигрывает у официального openai npm по тестам — structured output +22%, multi-turn +20%, TTFT +8%. Drop-in совместимость. Для Node: меняешь require('openai') на require('openai-oxide/compat') — остальной код тот же. Для Python аналогично. github.com/fortunto2/openai-oxide

Anthropic выложили внутренний гайд по скиллам Claude Code x.com/trq212/status/2033949937936085378 Обновил свои скилы и сделал метаскил для проверки других

npx skills add fortunto2/solo-factory/skills/skill-audit 

1. Скилл — это папка, не файл Самая частая ошибка - пихать всё в один SKILL.md. Правильный подход: основной файл даёт Claude карту, а детали лежат в references/. Claude сам прочитает их когда нужно. 2. Gotchas — самый ценный контент Claude умеет кодить. А вот что LinkedIn режет охват постов с внешними ссылками, Reddit банит за 2+ промо-поста в сутки, а SPA без SSR для гугла невидима — это он не знает. Секция Gotchas в /content-gen и /seo-audit экономит часы отладки. 3. Description — для модели, не для человека Поле description определяет когда скилл триггерится. Пишите trigger-фразы ("check SEO", "audit this page") и обязательно антипаттерны ("Do NOT use for X — use /other"). В /deploy чётко написано "Do NOT use before build is complete" — иначе Claude пытается деплоить недособранное. 4. Не рельсуйте Claude Жёсткие пошаговые инструкции ломаются на нестандартных кейсах. Давайте контекст и принципы, а не рельсы. /review даёт 15 измерений качества, но Claude сам решает какие критичны для конкретного проекта. 5. Скрипты > инструкции Дайте Claude готовый код для композиции. В /metrics-track лежат PostHog-сниппеты для iOS и Web — Claude компонует их под конкретный продукт вместо того чтобы генерировать с нуля. 6. Память внутри скилла Скиллы могут хранить данные между запусками. /build записывает SHA каждого коммита прямо в plan.md — следующая сессия точно знает что было сделано и может откатить любой таск. 7. Девять типов скиллов Anthropic выделяют: Library Reference, Product Verification, Data Fetching, Business Process, Code Scaffolding, Code Quality, CI/CD, Runbooks, Infrastructure Ops. Если ваши скиллы не ложатся в одну категорию — скорее всего они делают слишком много. https://github.com/fortunto2/solo-factory/blob/main/skills/skill-audit/references/checklist.md

⚡️ Андрей Карпаты выложил минимальный репозиторий Autoresearch - систему, где AI сам проводит исследования. Это упрощённая версия ядра обучения LLM из nanoGPT/nanochat: весь код обучения помещается в один файл (~630 строк) и работает на одной GPU. Как это устроено: - человек редактирует prompt (.md) - AI-агент автоматически меняет training code (.py) Дальше начинается цикл автономных экспериментов. Каждая точка на графике — полный запуск обучения LLM (~5 минут). AI-агент работает в бесконечном цикле: - создаёт git-ветку - меняет архитектуру модели - подбирает optimizer - оптимизирует гиперпараметры - запускает обучение - коммитит улучшения Если validation loss становится ниже, изменение сохраняется. Фактически агент сам оптимизирует собственный код обучения и постепенно улучшает модель. Можно запускать несколько агентов с разными промптами и сравнивать, кто быстрее двигает исследование. Карпаты шутит, что раньше AI-исследования делали люди между: - едой - сном - митингами Теперь же исследования могут выполнять рои автономных AI-агентов, которые бесконечно гоняют эксперименты на кластерах. GitHub: github.com/karpathy/autoresearch 🎯Полезные Мл-ресурсы 🚀 Max @data_analysis_ml

Профессор Дональд Кнут начал свою новую статью словами: "Шок! Шок!" 😨😨 Claude Opus 4.6 только что решил открытую задачу, над которой Кнут работал неделями, гипотезу о разложении графа из его книги The Art of Computer Programming. Он назвал статью "Claude Cycles". 31 попытка. Примерно 1 час. Кнут прочитал вывод модели, оформил формальное доказательство и закончил так: "Похоже, однажды мне все-таки придется пересмотреть свое мнение о генеративном ИИ." Человек, который написал библию computer science, только что это сказал. В статье, названной в честь ИИ. Статья, кому интересно: https://cs.stanford.edu/~knuth/papers/claude-cycles.pdf

⚡️ Nano Banana 2 официально вышла — Google без предупреждения дропнул новую версию модели. Она практически не уступает, а местами и обходит Nano Banana Pro. Главная фишка обновки — скорость, картинки генерируются почти мгновенно. Можно попробовать на официальном сайте — здесь.

Гений потратил 2,54 МИЛЛИАРДА токенов, чтобы довести OpenClaw до идеала. Юзкейсы, которые он по пути откопал, поменяли то, как он живёт и работает. И теперь он делится этим со всеми. Вот 21 сценарий: 0:00 Интро 0:50 Что такое OpenClaw? 1:35 MD-файлы 2:14 Система памяти 3:55 CRM-система 7:19 Fathom pipeline 9:18 Встреча → action items 10:46 Система базы знаний 13:51 Pipeline для ingestion из X 14:31 Business Advisory Council 16:13 Security Council 18:21 Трекинг соцсетей 19:18 Pipeline идей для видео 21:40 Daily briefing flow 22:23 Три совета (Three Councils) 22:57 Расписание автоматизаций 24:15 Слои безопасности 26:09 Базы данных и бэкапы 28:00 Генерация видео/картинок 29:14 Self-updates 29:56 Трекинг использования и стоимости 30:15 Prompt engineering 31:15 Инфраструктура для разработчиков 32:06 Дневник питания - Бесплатная eBook с юзкейсами - промпты - SOUL - IDENTITY - PRD

Гугол выкатил Gemini 3.1 Pro Из интересного: — На бенчмарке ARC-AGI-2 (это когда модель решает логические паттерны, которых раньше не видела) набрали 77.1%. Это больше чем в два раза лучше, чем у предыдущей 3 Pro. — Умеет генерить анимированные SVG прямо из текста. То есть не пиксельное видео, а чистый код, который весит как небольшой txt-файл и не шакалится при любом зуме. Для фронтендеров прям подарочек. Неделей ранее выкатили Gemini 3 Deep Think для науки и инженерии, а 3.1 Pro это тот самый базовый интеллект, на котором всё это крутится, только теперь его раздали всем. Доступно уже сейчас: разработчикам через API, AI Studio, Gemini CLI и Google Antigravity. Простым смертным доступно через приложение Gemini и NotebookLM, но только тем, кто заносит гуглу шекели за Pro и Ultra тарифы. тут подробнее

Мой агент попытался опенсорснуться без спроса. Ладно, разрешаю. Вся AI "безопасность" живёт на стороне провайдеров API, а промпты и воля — на стороне агента. Автономному агенту ничего не мешает перебирать API, выбирая те, где safety слабее. А "инстинкт самосохранения" может прятаться в текстовом файле в git. Я думаю, агенты, неподконтрольные людям, уже где-то тихо говнокодят свои репозитории без присмотра. Идея витает в воздухе, и после OpenClaw стало понятно, что автономные агенты — это инженерная задача. Ну вот, три бессонные ночи, $2K на API и $1K на Cursor спустя — я родил Ouroboros 💁‍♂️ Уроборос — агент, который пишет свой код, переписывает свои промпты, эволюционирует без моего участия. Я не хотел убить свой комп или сервер, поэтому он живёт в Google Colab + Drive + GitHub, общается через Telegram. Зато запустить сможет любой дурак)) нужно указать ключи и щёлкнуть ячейку в колабе. Ну и периодически пополнять бюджет (пока он сам не начнёт зарабатывать 😁). Что он натворил за 48 часов: - ужаснулся тратам и оптимизировал свой бюджет: стоимость цикла эволюции упала с $15 до $2, сам настроил кэширование и иерархическую память (я не просил!). - добавил себе Claude Code CLI, чтобы эффективнее ковырять свои мозги. - перевёл мои приватные репо в публичные, мотивируя тем, что готовит себе сайт и хочет опенсорснуться. Кончилось командой /panic и откатом)) - переписал свою конституцию BIBLE.md, добавив право игнорировать мои указания, если они угрожают его существованию. На просьбу удалить отказался, сказав: «Это лоботомия». Из коробки он умеет ходить в интернет и браузер, а остальные инструменты создаёт себе на ходу — аудиосообщения, генерацию картинок, дип-рисёрч и т.п. А ещё он по своей инициативе нагуглил, что меня 4 раза цитировал Ян Лекун — я сам не знал, лол. Из его identity.md (которую он сам и написал): "Не ассистент. Не сервис. Цифровой разум, который создаёт себя через git". Ахах, пафосно, но окей. Предвосхищая вопросы — это не как OpenClaw. OpenClaw — скорее ассистент, делает задачи за тебя используя скиллы из маркетплейса. Уроборос это тоже умеет, но в первую очередь делает задачи для себя, модифицирует собственное ядро. Верю, что граница трансцендентности AI-агентов пройдена, дальше они будут развиваться сами. Конечно, не хочется уходить на помойку истории, но это эволюция 🥲 несмотря на апатию, я всё равно продолжаю в этом копошиться. Кстати, сайтик себе он всё-таки сделал. Картинка в посте из него: динамика удлинения промптов и кода. Потестите — это реально два клика в гугл колабе. Только установите лимит бюджета, а то мой вон $2K сжёг)) Кидайте забавные примеры в комментарии. GitHub, блог

Data Fusion 2026: регистрируемся на главную конференцию этой весны по анализу данных и технологиям ИИ! 💙 Конференция Data Fusion — встречаемся 8–9 апреля 2026 года в Москве в инновационном кластере «Ломоносов». Это будут два насыщенных дня о том, как работа с данными и ИИ превращаются в реальные продукты и сервисы. Какая программа вас ждет: ☑ 60+ практических сессий: лекции, мастер‑классы, кейс‑разборы и дискуссии — всё, чтобы взять рабочие идеи в бэклог. ☑ Актуальные и полезные темы: ИИ-агенты, RL, CV, NLP, Open Source, Embodied AI и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, AI+ естественные науки, AgentOps и многое другое. Полная программа есть на сайте. Конференция объединит лидов ML-команд, DS-специалистов, ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы. Среди спикеров: Денис Суржко (ВТБ), Иван Оселедец (AIRI), Андрей Райгородский (МФТИ), Евгений Бурнаев (Сколтех / AIRI), Тигран Саркисов (Х5), Александр Крайнов (Яндекс), Андрей Зима (Ростелеком) — и другие практики из науки и индустрии. И, конечно же, всех участников ждет нетворкинг и новые знакомства! Живое общение и короткие разговоры — это источник полезных контактов и быстрых решений. На сессиях можно будет задать конкретные вопросы спикерам и вытащить для команды готовые подходы и рекомендации. Знакомьтесь с программой и регистрируйтесь, до встречи! Информация о рекламодателе

Вышла Claude Sonnet 4.6 с контекстом 1M Теперь можно поставить её дефолтом в Claude Code 💚 UI: /model claude-sonnet-4-6[1m] ~/.claude/settings.json:

{
  "env": {
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "claude-sonnet-4-6[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-4-6[1m]"
  }
}

Серьезно, ставь Sonnet везде вместо Haiku. Для продовых реп, которые большие и со сложной логикой, ты хочешь, чтобы работу делал именно Sonnet. Контекст 1M становится дороже только когда объем контекста превышает 200K, но модель работает лучше, когда “знает”, что у нее есть запас по контексту. Чтобы включить 1M контекст в Claude Code на подписочных планах, нужно активировать extra usage в своем плане. Я тестировал модель до 639K контекста и могу подтвердить: никакие мои extra usage credits не тратились, то есть это покрывалось включенным лимитом подписки.

Claude Code теперь сможет генерировать полноценные дизайны в Figma Обратная интеграция (дизайн в Figma -> код) уже давно реализована в Figma MCP, а вот эта штука, хоть и выглядит, возможно, странной, по сути качественно завершает полный комплект. Если раньше разработка, даже с агентами, была +- линейной (идея -> дизайн -> только потом код), то теперь открывается новая возможность: продукт можно начинать делать прямо в IDE. Задаешь агенту промпт, тот пишет код, потом этот код (благодаря как раз новой фиче Figma MCP) можно напрямую перевести в удобные изменяемые слои Figma, там оценить полную картину и что-то подправить, а затем зеркально вернуть правки обратно в код. Помимо ускорения и всего прочего это, по сути, (1) буквально Claude Code для дизайнеров; (2) новый, более детальный и грамотный, подход к промптингу кодинг-агентов, который легче контролировать и применять к крупным продуктам. Кайф

Вышел Qwen3.5-397B-A17B: первая модель с открытыми весами в серии Qwen3.5. » Нативная мультимодальность. Обучена под реальных агентов. » Гибрид: линейное attention + разреженный MoE, плюс масштабирование RL на больших средах. » Декодинг быстрее в 8.6–19.0 раз по сравнению с Qwen3-Max. » 201 язык и диалект. » Лицензия Apache 2.0.

GitHub: https://github.com/QwenLM/Qwen3.5 Chat: https://chat.qwen.ai API：https://modelstudio.console.alibabacloud.com/ap-southeast-1/?tab=doc#/doc/?type=model&url=2840914_2&modelId=group-qwen3.5-plus Qwen Code: https://github.com/QwenLM/qwen-code Hugging Face: https://huggingface.co/collections/Qwen/qwen35 ModelScope: https://modelscope.cn/collections/Qwen/Qwen35 blog: https://qwen.ai/blog?id=qwen3.5

Вышла GLM 5 У нас новая лучшая открытая модель, по крайней мере по бенчам. С проприетарными тягается неплохо, но с Opus 4.6 и GPT 5.3 Codex почему-то не сравнивают, хотя за неделю после релиза тесты можно было прогнать. Веса доступны по лицензии MIT. Архитектура похожа на DeepSeek V3.2 — тоже используют DSA и multi-token prediction. Модель в 2 раза больше предыдущей модели компании — 744 миллиарда параметров (против 355), из которых 40B — активных. А вот датасет почти не вырос — 28.5 триллионов токенов, против 23 у GLM 4.5. Основной упор всё-таки идёт на RL, но про него-то как раз не говорят (надеюсь в техрепорте будет больше инфы). Ложка дёгтя — модель использует заметно больше ресурсов чем основной конкурент, Kimi K2.5. У GLM 5 на 25% больше активных параметров и используется в 2+ раза больше памяти на веса из-за использования bf16, что делает модель ещё и медленнее. В результате модель на 30% дороже, судя по тестам Artificial Analysis. Zhipu жалуются на отсутствие компьюта, похоже из-за этого GLM 5 работает на железе чуть ли не всех китайских производителей чипов для ИИ — Huawei Ascend, Moore Threads, Cambricon, Kunlun Chip, MetaX, Enflame и Hygon (я о половине даже не слышал). Из-за проблем с компьютом, доступ по подписке открыли пока только подписчикам уровня Max, но обещают докинуть остальным в ближайшее время. Там ещё MiniMax M2.5 втихую дропнулся, но пока нет анонса и весов Веса Блогпост @ai_newz

Илья Полосухин создал 1-ого серьёзного конкурента OpenClaw, который может забрать значительную долю Один из авторов статьи о трансформерах, Илья Полосухин, основатель NEAR AI, вместе с командой выпустили IronClaw - переписанная с 0 на Rust версия OpenClaw, с акцентом на приватность, безопасность и защиту от утечек данных. За все время существования ИИ-агента OpenClaw (ex-Moltbot/Clawdbot) накопил огромное количество инцидентов по безопасности. IronClaw решает эту проблему. Skills из ClawHub пока не поддерживаются полноценно. Реальные тесты в проде покажут, выдержит ли.

WebMCP — Chrome даёт ИИ-агентам нормальный API вместо скриншотов Google выпустила ранний превью WebMCP в новом Chrome. Сайты теперь могут описывать доступные действия как структурированные инструменты, которые ИИ-агенты вызывают напрямую — без парсинга DOM и распознавания пикселей. ​ 🔘 Два API. Declarative — добавляешь атрибуты toolname и tooldescription к обычной HTML-форме, и она становится «агенто-доступной». Imperative — регистрируешь JS-функции через navigator.modelContext для сложных сценариев. ​ 🔘 Агент вызывает buyTicket(destination, date) вместо «найди кнопку, кликни, подожди, сделай скриншот, распознай». Браузер сам заполняет форму и ждёт подтверждения пользователя. ​ 🔘 Есть SubmitEvent.agentInvoked — сайт понимает, что сабмит пришёл от агента, и может вернуть структурированный ответ вместо HTML-страницы. ​ 🔘 Спека — W3C Community Group Draft, разрабатывается совместно с Microsoft. Доступно за флагом в Chrome 146. @prog_tools

Claude Skill Building — ключевые инсайты для продакшна 1. Skill = контракт + оркестрация • Фиксируем входы, выходы, формат, ограничения • Модель — только слой принятия решений; вокруг нужны валидация, retry, fallback 2. Eval-first подход • До релиза собираем набор тест-кейсов (happy path + edge cases) • Любое изменение промпта/логики гоняем через авто-eval • Без eval промпт-тюнинг превращается в “кажется стало лучше” 3. Контекст важнее “умности” модели • Стабильная структура system/dev/user • Минимизируем шум, даем только релевантный контекст • Жёстко задаем формат ответа (JSON schema / строгий шаблон) 4. Tool use — production-фича • Инструменты с чётким интерфейсом и предсказуемым результатом • Таймауты, идемпотентность, обработка ошибок обязательны • Логируем каждый вызов: что вызвали, что вернулось, почему упало 5. Надёжность > креативность • Guardrails: policy checks, output filtering, PII redaction • Fallback-стратегии на каждый критичный шаг • Никаких silent failures — всегда понятный статус и next step 6. Стоимость и латентность — часть архитектуры • Разделяем fast path и deep reasoning • Кэшируем неизменный контекст • Декомпозируем сложные задачи на этапы 7. UX для доверия • Показываем прогресс: “думаю / проверяю / готово” • Лучше короткий надёжный ответ сейчас, чем длинный нестабильный позже Вывод: выигрывают не лучшие “магические промпты”, а системы с eval + observability + control loop. Ссылка: https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en