Роман Сухов | Твой ИИ-инженер

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

Середнячок догнал флагмана. И стоит при этом в два с половиной раза дешевле. Anthropic выкатили Claude Sonnet 5, и это тот случай, когда пора менять привычки. Раньше всё было просто: нужна надёжность, берёшь Opus и не думаешь. Sonnet в разработке частенько подводил, спотыкался на своих же ошибках, и по деньгам в итоге выходил не дешевле старшего брата. Теперь расклад другой. Новый Sonnet заточили под агентные задачи: он сам планирует, доводит дело до конца и проверяет себя без няньки. А ценник вдвое с лишним ниже флагмана. Это как перестать переплачивать за топовую комплектацию машины ради пары фишек, которыми пользуешься раз в год. Если середняк везёт почти так же, вопрос напрашивается сам. Но есть один параметр, который бьёт по кошельку сильнее, чем сам выбор модели. Почти все крутят его наугад и молча переплачивают. Про него я рассказываю отдельно. И ещё момент. В одном из тестов итог оказался неожиданным: дешевле вышел совсем не тот, на кого я ставил. Где именно всё перевернулось, лучше увидеть самому. Внутри честный разбор: где Sonnet 5 реально экономит, а где Opus всё ещё вне конкуренции. 🎁 Подарок из ролика, шпаргалка по выбору модели Claude, чтобы не сливать бюджет на токенах лежит тут. 😊Ищем на YouTube по названию:

Anthropic ВЫПУСТИЛИ новый SONNET 5. Всё меняется

18 дней Fable 5 простоял в углу. Сегодня его выпустили обратно, но уже в наморднике. Пользователи Claude Code уже опустились на одно колено. Не в знак преклонения, а на низкий старт перед забегом за возвращённым Fable 5. Восемнадцатидневное противостояние правительства США и Anthropic закончилось: с 1 июля Fable 5 снова открывают широкой публике. Правда, это уже не совсем те бравые ребята, что будоражили воображение девятого июня. Крылышки подрезали, намордник надели. И было за что: исследователи Amazon показали, как обойти защиту Fable 5 и заставить модель искать уязвимости и писать эксплойты. После такого без поводка её обратно, конечно, не пустили. Теперь работает обновлённый классификатор безопасности, который душит опасные запросы почти под ноль (по данным Anthropic, речь про более чем 99 процентов, но эту цифру советую сверить с их постом). Всё, что модель считает рискованным, автоматически перекидывается на Opus 4.8, а пользователю прилетает уведомление. Побочка предсказуемая: чаще ловишь ложную блокировку на обычном коде. Anthropic обещает это дошлифовать. Важный нюанс, который многие путают. Обратно к массовому пользователю едет именно Fable 5. А вот Mythos 5, его старший брат без намордника, вернули далеко не всем, а примерно сотне доверенных организаций в США из мира киберзащиты и критической инфраструктуры. Так что если ждал именно Mythos, для большинства из нас он по-прежнему за стеклом. По доступу картина такая. Fable 5 живёт на Claude Platform, в Claude Code и Claude Cowork. Для планов Pro, Max, Team и части Enterprise модель какое-то время идёт в рамках подписных лимитов, а дальше только через usage credits. Но знаешь, какой самый ценный урок мы вынесли из июня 2026-го? Очень простой и очень отрезвляющий. Какой бы мощной моделью ты ни пользовался, как бы ни парил над остальными, закрывая сотни задач в день, всё это гасится одним письмом извне за какой-то час. Не хакерской атакой, не сбоем, а обычной директивой. И вот отсюда мораль, которую стоит забрать с собой. Опенсорс, open-weight и self-hosted модели прямо сейчас получили такой пинок в развитии, какого не было давно. Потому что модель, которую ты держишь у себя, не выключат чужим приказом. А китайцы со своими открытыми весами разом получили жирную фору, с чем их, в общем, и поздравляем. Обо мне | Обучение | Отзывы

Пока все смотрят на запреты, Anthropic тихо выкатила модель, которой ты будешь пользоваться каждый день Последние недели в мире ИИ сплошные драмы: у Anthropic под экспортный запрет ушло семейство Mythos, у OpenAI новые модели придержало государство. А на этом фоне, без салютов, Anthropic выпустила то, что реально пойдёт в ежедневную работу. Claude Sonnet 5. И вот почему это интереснее любого запретного флагмана. Это самый агентный Sonnet на сегодня: он сам строит план, сам лезет в браузер и терминал и доводит задачу до конца автономно, на уровне, который ещё пару месяцев назад требовал моделей крупнее и дороже. Что важно лично мне как практику: По качеству Sonnet 5 подобрался вплотную к Opus 4.8, а кое-где даже слегка его обходит, например на задачах knowledge work. При этом он заметно дешевле. Вводная цена это 2 доллара за миллион входных токенов и 10 за выходные до 31 августа, потом 3 и 15. Для сравнения, это в разы дешевле Opus. Для меня это прямое попадание. В ботах и автоматизациях, где каждый ответ модели это деньги клиента, связка «почти как Opus, но за копейки» решает. Раньше ради приличного качества приходилось платить за топ, теперь можно ставить Sonnet 5 и не краснеть за результат. Ещё одна вещь, которая в реальной работе значит больше, чем циферки бенчмарков. Тестировщики отмечают, что Sonnet 5 доводит до конца сложные задачи, на которых прошлые версии останавливались на полпути, и проверяет собственный результат, даже когда его об этом не просят. Кто гонял агентов в проде, тот знает, что вот это «не бросает на середине» дороже любого лишнего процента в тесте. По безопасности тоже подтянули. Модель реже выдаёт нежелательное поведение, чище отказывает на вредные запросы, лучше держит удар при попытках перехвата через инъекции в промпт и меньше галлюцинирует и подлизывает, чем Sonnet 4.6. Доступна уже сейчас всем. Это дефолтная модель на Free и Pro, есть на Max, Team, Enterprise, в Claude Code и по API под именем claude-sonnet-5. Так что можно не ждать, а сразу щупать на своих задачах. Мой вердикт по первым ощущениям: это не громкий релиз ради заголовков, а та самая рабочая лошадка, которую будешь гонять каждый день. И часто именно такие модели меняют больше, чем недоступные флагманы за стеклом. Обо мне | Обучение | Отзывы

Китайцы ПОРВАЛИ Claude? Звучит как очередной хайповый заголовок, но за ним реальная история. Вышла открытая китайская модель GLM 5.2, которую можно скачать бесплатно, и весь интернет хором кричит, что она кодит не хуже Opus, а стоит в разы дешевле. Я в такие сказки не верю. Бенчмарки это как фото в анкете знакомств: на картинке огонь, а как оно в жизни, выясняется на первом свидании. Поэтому я не стал пересказывать чужие графики. Я посадил GLM 5.2 и Claude Opus за один стол, дал обоим одинаковые задачи прямо в Claude Code и засёк всё: кто пишет чище, кто быстрее, и кто в итоге дешевле обходится. Свой экран, реальная работа, живые деньги. Один момент в этом тесте я реально не ожидал. И вопрос дёшево против качества в конце встал ребром. Кто кого порвал, разбираю в новом ролике. 🎁 Бонус PDF-гайд: как установить и запустить GLM 5.2 через терминал за 5 минут. Забирайте бесплатно тут 😊Ищем на YouTube по названию:

Китайцы ПОРВАЛИ Claude? Я проверил GLM 5.2

Z.ai показала GLM-5.2 в одной таблице с Claude Opus 4.8. И вот тут стало неуютно: на Terminal-Bench 2.1 в лучшем харнессе открытая модель выдала 82.7 против 78.9 у Opus. Для модели, которую любой может скачать бесплатно под MIT, это уже неприятный звоночек. Без перегибов: на SWE-bench Pro Claude всё ещё впереди, 69.2 против 62.1. На обычном Terminal-Bench тоже выше, 85 против 81. Так что хоронить Opus рано. Но дело даже не в том, кто на полкорпуса впереди. Дело в том, что эти полкорпуса вообще стали полкорпуса. Раньше между закрытыми флагманами и открытыми моделями была пропасть размером с Гранд-Каньон. Теперь это трещина, через которую можно перешагнуть. А у GLM-5.2 в кармане ещё миллион токенов контекста и лицензия MIT. Её прямо затачивали под агентный кодинг, где важны весь репозиторий, логи, тесты и длинный контекст. Для команд это уже не абстракция, а конкретный вопрос: можно ли держать всю рабочую махину рядом со своим стеком и не платить за это как за космос. Так что Claude пока никто не похоронил. Но реальность для закрытых моделей поменялась. Open-source больше не просит скидку за то, что он open-source. Он молча начинает отбирать у флагманов бенчмарк за бенчмарком. 😊Кстати, я сейчас как раз гоняю GLM против Opus вживую. Скоро покажу, что из этого вышло.

Рубрика «Кейсы». ИИ-ассистент, который достаёт деньги из того, что уже есть Сразу оговорюсь: обучение ИИ это лишь один из этапов, и он во многом ложится на команду клиента. Но бывают задачи, где без полноценной разработки не обойтись. Как раз такой случай и разберу. У компании, с которой я работаю, проблема, которая звучит как мечта любого бизнеса. Людей столько, что менеджеры физически не успевают обрабатывать входящие лиды. Да, так тоже бывает, и это, поверьте, проблема из приятных. Только деньги от этого утекают точно так же, как и от их нехватки. Прежде чем браться за код, я всегда провожу дискавери. Сажусь и считаю математику: а есть ли вообще смысл в разработке, окупится ли она. Вот что я там увидел. В воронке одновременно висит больше 600 переписок. Почти половина отваливается, так и не дойдя до записи. Один звонок съедает у менеджера пять минут, а за эти пять минут в чат прилетает ещё два десятка новых сообщений. Запись при этом забита на 80% при потолке в сотню. Плюс база на 1000 с лишним клиентов, где тихо лежат те, кто давно не возвращался, и про кого все просто забыли. ➡️Что я собрал под эту боль: ИИ-ассистент квалифицирует все входящие лиды и передаёт администратору уже разложенными по полочкам. Все диалоги стекаются в веб-интерфейс админки, где живой человек видит переписки и распределение по группам: горящий, тёплый, не квал. Никто больше не тонет в общем потоке. Ассистент вшит в их CRM. Видит свободные слоты, сам записывает клиента или переносит запись. Без ручной возни и без перекидывания между окнами. И отдельная функция, которую я люблю больше всего, реанимация базы. Раз в неделю ассистент по заданному критерию сам находит тех, кто давно не появлялся, и пишет каждому персональное приглашение вернуться. Просто прикиньте, сколько часов живой человек убил бы на тысячу таких сообщений вручную. А тут это фоновый процесс, который крутится сам и возвращает людей, которых уже мысленно списали. Что в итоге. Вместо найма ещё одного-двух сотрудников получаем ассистента, который работает круглосуточно, говорит на любом языке и не уволится никогда. Это и есть те самые деньги, которые можно доставать без вложений в маркетинг и без расширения штата. Они уже лежат внутри компании. А дискавери я делаю обязательным этапом именно поэтому: он точно показывает, где эти деньги застряли и реально ли встроиться в то ПО, которое у клиента уже стоит. Обо мне | Обучение | Отзывы

OpenAI ответила Anthropic тремя моделями. Вот только показать их почти некому. Сэм Альтман выкатил GPT-5.6, и сделал это в своём стиле, сразу тремя моделями. Новая логика именования такая: цифра это поколение, а имена Sol, Terra и Luna это устойчивые уровни, разведённые по интеллекту, скорости и цене . Назвали в космической тематике, видимо, чтобы звучало масштабно. Расклад по линейке: Sol это топ. Заточен под самое тяжёлое: сложные рассуждения, долгие кодинг-сессии, агентные сценарии и кибербез . Цена 5 долларов за миллион входных токенов и 30 за выходные, столько же, сколько стоит GPT-5.5 . Terra это рабочая лошадка. По уровню тянется к GPT-5.5, но вдвое дешевле. Luna самая лёгкая и дешёвая, под скорость и повседневные задачи . А теперь главное, ради чего я вообще пишу этот пост. Модели есть, а доступа к ним почти нет. Запуск это пока ограниченное превью примерно для 20 организаций, и список этих партнёров согласован с правительством США . OpenAI притормозила раскатку по прямой просьбе администрации Трампа со ссылкой на нацбезопасность, и это первый случай, когда власти США превентивно ограничили релиз модели ещё до выхода . Причина та же, что и у соседей. По внутренней системе оценки OpenAI отнесла Sol, Terra и Luna к высокому уровню риска в кибербезопасности и в биохимии . При этом сама компания считает, что Sol скорее помогает находить и чинить уязвимости, чем проводить атаки от и до , но государство решило перестраховаться. И вот тут самое любопытное. Буквально пару недель назад ровно в такую же историю влетела Anthropic со своим семейством Mythos, доступ к топовым моделям там тоже срубили из-за киберрисков и экспортного контроля. Теперь под тот же каток попала OpenAI. Похоже, мы наблюдаем рождение новой нормы: передовые модели сначала показывают государству, а уже потом, если разрешат, миру. Так что да, гонка ускоряется. Только теперь у неё появился рефери, и сидит он не в Кремниевой долине, а в Вашингтоне. Обо мне | Обучение | Отзывы

В канале прибавилось народу, поэтому для тех, кто зашёл недавно, коротко о главном. Проблема с Claude Code в том, что 90% людей используют его как чат. Написал сделай мне сайт, получил кашу, начал ругаться на нейросеть. Знакомо? Я через это проходил сам. Агент лезет не в те файлы, теряет контекст на третьем сообщении, генерирует код, который разваливается при первом запуске. Ты тратишь больше времени на починку, чем если бы сделал руками. Бесит. А потом я разобрался, как с ним работать правильно. И разница оказалась колоссальной. Не в промптах дело. Дело в привычке: как формулировать задачу, как контролировать контекст, как не давать агенту расползаться по проекту, как довести дело до результата, а не до бесконечных переделок. Весь этот опыт я упаковал в отдельное направление внутри клуба Digital Makers. ➡️Там только практика: открыл, сделал, задеплоил, работает. Подходит тем, кто не программист. Предпринимателям, маркетологам, фрилансерам. Всем, кто хочет сам собирать продукты и не ждать разработчиков неделями. Если ещё не видели, подробности и бесплатный вводный урок здесь 👇 digital-makers.ru/claude-code

Деньги уже лежат у клиники под ногами. Просто никто не смотрит вниз. Сегодня будут мои любимые цифры. Реальный кейс с одной стратсессии. Медицинский центр, выручка около 10 миллионов в месяц. Запрос стандартный: поднять выручку, ужать затраты. Я по привычке начинаю с отчётов, и почти сразу спотыкаюсь о показатели колл-центра. Причём они сами их пометили красным, то есть видели проблему, но масштаб явно недооценивали. Принимают 45% звонков при норме 95%. Из созданных записей до врача доходит 34% при норме 85%. Теперь считаем вместе. В месяц создаётся 12 550 записей. До врача доходит 4 250. Не дошло 8 300 пациентов. Умножаем 8 300 на средний чек в 2 400 рублей. Получаем почти 20 миллионов выручки, которая просто не доехала до кассы. Сверху ещё около 2 миллионов утекает на пропущенных звонках, которые так и не стали записью. Итого порядка 22 миллионов упущенного в месяц. При живой выручке клиники в 10. Вдумайся: они теряют вдвое больше, чем зарабатывают. И так каждый месяц, по кругу. Даже если вернуть не всё, а хотя бы треть, это плюс 7 миллионов в месяц к текущим десяти. Без единого нового лида, без рекламы, без ничего. Просто перестать терять то, что уже есть. Классическая история про дырявое ведро. Сверху льют лиды, маркетинг, рекламу, а снизу всё спокойно вытекает. И главное, что фонд оплаты колл-центра на фоне этой утечки просто копейки. Деньги не в зарплатах операторов. Деньги в звонках, которые не подняли, и в пациентах, которые записались, но не пришли. Решение тут одно: голосовой ИИ-ассистент. Он закрывает обе дыры за одно внедрение. Принимает 100% входящих. Говорит параллельно хоть с тремя десятками пациентов сразу. Не уходит на обед, не болеет, не устаёт, работает круглосуточно. Информационку забирает на себя целиком: сам отвечает, когда у человека приём, готов ли анализ, сколько стоит услуга. Живых операторов оставляет только там, где без человека правда никак. Дальше вторая функция, исходящие. За день до визита ассистент сам обзванивает каждого записавшегося, подтверждает, при необходимости переносит или перезаписывает. Кто не взял трубку днём, тому он перезванивает вечером. Ни один контакт не проваливается в пустоту. Вот это и есть та самая разумная инвестиция в ИИ, которая не просто отбивается, а начинает приносить дивиденды с первого месяца. И вот ровно за этим на стратсессии нужен человек по ИИ. Не чтобы воткнуть что-то модное ради галочки. А чтобы найти деньги, которые у компании давно лежат под ногами, и наконец поднять их.

Заметил тренд: с начала года резко попёр спрос на AI-аудит Причина простая. Компании уже обожглись об эти бесконечные ИИ-боты ни о чём, наелись хайпа и поняли одну вещь. Потенциал в AI есть, это уже никто не отрицает. Только непонятно, куда конкретно его прикрутить у себя, чтобы это принесло деньги, а не очередную игрушку для галочки. И приходят они ровно с этим запросом: придите, разберитесь, скажите, что нам вообще со всем этим делать. Я сейчас закрываю сразу несколько таких проектов. И вот что понял: аудит по большому счёту не отдельная услуга. Это вход в большой проект, просто с другой стороны. Смотри, как это устроено. Ты глубоко лезешь в компанию, разбираешь процессы, рисуешь BPMN, прогоняешь AS-IS и TO-BE, садишься на интервью с каждым отделом. И на выходе приносишь клиенту не отчёт на сорок слайдов. Ты приносишь понимание: вот здесь AI даст эффект, а сюда даже пальцем лезть не стоит, вот так изменится процесс, вот столько это стоит и вот когда отобьётся. Тут есть нюанс. Консалтинг на нашем рынке заходит со скрипом, и то в основном у крупных. Платить за презентации, консультации и отчёты у нас не приучены, это не Запад, где за чужие мозги и время отдают деньги без вопросов. Но дальше начинается магия. После такого аудита продавать становится легко, а точнее продавать уже почти нечего. Ты столько времени провёл бок о бок с клиентом, перелопатил его данные, всё посчитал, что проект приезжает к нему сам, на блюдечке. Доказанный, обсчитанный, с понятной окупаемостью. И вот это переворачивает всю классическую логику B2B-продажи с её жирными презентациями, демками и красивыми видосами. Ты не уговариваешь человека купить AI. Ты сначала на цифрах показываешь ему, что вот эта конкретная боль стоит ему вот столько денег в месяц, и показываешь это так, что не поспоришь. А уже потом достаёшь решение. Продавать готовое лекарство тому, кому ты только что доказал, что он болен, не нужно. Он сам просит. Обо мне | Обучение | Отзывы

Топ самых экзотичных LLM, у каждой из которых есть неочевидная миссия. Все привыкли к гонке за топ бенчмарков, кто умнее, быстрее, дешевле. А есть отдельная вселенная моделей, которые делались вообще не ради этого. Собрал самые любопытные. 1. Ranke-4B. Обучена строго на текстах до 1913 года. Буквально. Не знает ни Гитлера, ни Первой мировой, ни атомной бомбы, ни The Beatles, ни Битрикса. Сделали её в Цюрихском университете, чтобы историки могли поговорить с человеком из 1913-го, который ещё не знает, чем всё закончится. Модель не отыгрывает эпоху, она реально в ней живёт, потому что про наше время в её голове просто нет данных. 2. TimeCapsuleLLM. Та же идея, но локальная. Обучена на текстах Лондона 1800-1875 годов. Натуральный симулятор викторианской эпохи в один промпт. 3. Huihui-Qwen3-8B abliterated. Версия Qwen, у которой хирургически вырезали саму способность отказывать. Никаких извинений и оговорок про мораль, только ответ по сути. Во все тяжкие без цензуры. 4. Novoyaz-20b. Спецмодель для перевода текстов со старой дореволюционной орфографии на современную. Та самая, со всеми ятями и твёрдыми знаками в конце слов. 5. WhiteRabbitNeo. Модель для информационной безопасности: ищет уязвимости в коде, разбирает его на прочность. Инструмент для тех, кто защищает системы, понимая, как их ломают. 6. TinyStories. Модели и датасет коротких историй, написанных словарём четырёхлетнего ребёнка. Звучит как игрушка, а на деле это исследовательский инструмент: на нём изучают, как вообще рождается связный текст внутри модели. 7. XMAiNframe. Модель, которая понимает COBOL, древний язык, на котором до сих пор крутятся банки и страховые на Западе. Нужна, чтобы разгребать легаси-код, который писали полвека назад и боятся трогать. 8. GPT-4Chan. Модель-мем и модель-легенда одновременно. Обучена на политических срачах с 4chan. ➡️Эксперимент, который наглядно показал, что модель становится ровно тем, чем её кормят. Вот что мне в этом нравится. За каждой такой моделью стоит не желание обогнать соседа по лидерборду, а конкретная странная задача. И именно из таких боковых веток обычно вырастает что-то по-настоящему новое. Обо мне | Обучение | Отзывы

В бизнесе сильно переоценивают стратегию Не потому что она не нужна. А потому что под красивым словом «стратегия» часто прячется обычный страх принять решение. Собрали встречу. Потом ещё одну. Потом родили документ. Потом решили подумать шире и посмотреть на картину целиком. А пока думали, рынок уехал, клиент остыл, команда выгорела, и решения как не было, так и нет. Зато стратегия есть, целая папка. Я всё больше убеждаюсь, что выигрывает не тот, кто принимает идеальные решения. Выигрывает тот, кто быстрее остальных понимает, что решение было кривым, и успевает его переиграть. Потому что идеальной вводной не существует почти никогда. Ты не знаешь заранее, зайдёт ли продукт, купит ли клиент, сработает ли найм, окажется ли партнёр адекватным. А люди всё равно ждут момента, когда станет понятно на сто процентов. Не станет. Этот момент не наступает. В какой-то точке бизнес перестаёт быть поиском единственно верного ответа и становится умением жить в неопределённости и при этом не впадать в ступор. Чаще всего правда звучит так: мог не знать, это честно. Но мог проверить быстрее, а не стал. И вот это уже на тебе. Так что делается легко и в кайф, делай. Не делается, ломаешь себя через колено, всё вязнет, значит, скорее всего, не туда. Обо мне | Обучение | Отзывы