ИИволюция 👾

Эта инфа от китайских соседей настолько завирусилась в сети, что я представил себе, как кекают разработчики в Антропике, или над тем, что китайцы очень близко подобрались (и не только в этом) или наоборот, всё совсем далеко от правды и алгоритмы детекции еще сложнее. Но забавно одно, они явно могут или даже уже скопипастили это сообщение из твиттера в агентов и попросили улучшить эвристику и скоринг пользоватей, чтобы еще круче определять кого банить и кого нет. И даже если система детекции была описана близко к реальной, то уже сегодня с помощью агентов она может быть изменена и усилена. Вот такие времена, всё меняется очень быстро.

Китайское сообщество Claude утверждает, что разобралось, по какой логике Anthropic банит аккаунты. По версии сообщества, каждый аккаунт при регистрации получает определенное количество баллов. Дальше за одни действия баллы добавляются, за другие снимаются. Если рейтинг падает ниже порога, аккаунт блокируют. Причем восстановить баллы намного сложнее, чем потерять. Что удалось выяснить: 1. Регистрация – Чистый IP якобы один из самых важных факторов. – Gmail не обязательно лучший вариант, некоторые другие почтовые сервисы могут иметь больший вес. – Регистрация через мобильное приложение дает дополнительные баллы. – Если KYC требуют уже при регистрации, аккаунт изначально считается рискованным. 2. Подписка и оплата – Покупка подписки сразу после регистрации снижает рейтинг. – Особенно подозрительно выглядит моментальный переход на Max. Советуют сначала оформить Pro и подождать несколько дней. – Карты обычных иностранных банков оцениваются лучше виртуальных. Оплата через Google Play тоже считается нормальной. – Запрос KYC при оплате может означать, что аккаунт попал под дополнительную проверку. 3. Использование Claude – Не стоит постоянно выжимать лимиты до конца. По их наблюдениям, это снижает рейтинг. – Использование десктопного и мобильного приложения якобы добавляет немного баллов, в отличие от веб-версии. – Включенная память тоже может повышать рейтинг. Чем больше файлов памяти, тем лучше. – Массовое использование Fable, наоборот, считается подозрительным. 4. IP и устройства – Частая смена IP, постоянные перелогины и работа с нескольких устройств сильно снижают рейтинг. – Лучше использовать один компьютер и один клиент. – Важна не только чистота IP, но и совпадение региона регистрации, банковской карты и последующих входов. – Если используется прокси, в сообществе рекомендуют глобальный режим с TUN. – Windows и macOS якобы оцениваются одинаково, а вот Linux может снижать рейтинг. Вот это поворот, но видимо так вычисляют VPSки, но дискриминация! 5. Возраст аккаунта – Старые аккаунты, особенно зарегистрированные еще в 2023 году, имеют большой запас прочности. – Со временем баллы восстанавливаются, но очень медленно. – Поэтому старый аккаунт может пережить несколько подозрительных действий, за которые новый уже заблокируют. 6. Как происходит блокировка – Когда рейтинг приближается к критическому значению, аккаунт может попасть в период наблюдения. – Один из предполагаемых признаков: внезапный сброс авторизации. – Если в этот период продолжать получать штрафы, аккаунт блокируют. – Переход на Max тоже может запускать дополнительную проверку, особенно для новых аккаунтов. Еще интересный момент: язык интерфейса, часовой пояс и даже упоминание Китая в переписке с Claude якобы почти не влияют на рейтинг. То есть за одно только пекинское время банить не должны (а российское?). И по словам участников обсуждения, система гораздо охотнее замечает подозрительные действия, чем нормальное поведение. И если аккаунт уже попал под наблюдение, лучше вообще ничего не менять: ни карту, ни IP, ни устройство. Любая новая смена окружения может сделать только хуже. Конечно, все это пока выводы сообщества и никто не знает наверняка, на сколько это описание реалистично. Никаких доказательств существования именно такой балльной системы с конкретными начислениями и штрафами нет. В твиттере уже шутят: The Chinese community discovers a Western company copied their social credit system. Расскажите в комментариях, как удалось создать новый аккаунт в Claude после бана и какие способы антидетекта и сколько уже прожил у вас новый аккаунт? Ставьте 🔥 под постом и перешлите коллегам! Пригодится.

Как меня запарила в Codex ситуация: “Selected model is at capacity. Please try a different model.” И так работаю в 5-6 окнах и неожиданно обнаруживаю, что одна стопнулась и нужно писать “Продолжи” добавляя набор трехэтажных эпитетов

Как изменились позиции моделей при обновлении рейтинга Artificial Analysis c версии 4.3.2 до версии 5

Google Gemini 4 Carbon новая SOTA? (ну, почти) Гугл представила свою новую фронтир модель Gemini 4 Carbon. – В Intelligence Index v5 (вчера рассказывал об этом рейтинге) набрала 59 баллов. У Claude Opus 5.5 — 58, GPT-6 Astra — 57, а у предыдущей Gemini 4 Argon вообще 50. За две недели довольно большой скачок. – Модель в основном заточена под кодинг и агентские задачи. – Отдельно много внимания уделили кибербезопасности. В SEC-bench Pro результат 88,2%, в ExploitGym — 54,8%, в CWE-bench — 71%. Причем тестировали модель без защитных ограничений, так что в публичной версии результаты могут отличаться. – В WebDev Arena прибавила 89 Elo и добралась до четвертого места. А вот в Coding Agent Index пока уступает Claude Opus 5.5, 59 против 62 баллов. – По ценам пока $2 за млн входных токенов и $10 за выходные. Кэшированный ввод $0,10. Но это временные цены, потом будет $4 и $20 соответственно. Когда именно поднимут, не сказали. – Carbon сначала дадут отдельным специалистам по кибербезопасности через Fairwind. Еще Google тестирует ее с правительством США. Для остальных обещают доступ позже, без конкретных сроков. – По подпискам AI Pro и Ultra пока тоже ничего не объявили. Будет ли Carbon доступна в обычной подписке и с какими лимитами, непонятно. Кстати, с названием Carbon тоже интересная история и ни какой особой логике в выборе нейминга. До этого была модель Argon, а внутри Google еще тестировали Barium. Все три названия из таблицы Менделеева, но по атомным номерам никакой последовательности нет: Carbon — 6, Argon — 18, Barium — 56. По данным Business Insider, публичная Argon вообще раньше называлась Barium-B. Выглядит так, что Google просто использует химические элементы как кодовые имена разных версий, а не идет по таблице по порядку. Т.е. никакой логики нет 🤌 Детали: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon

↘️ Как организовать работу с нейросетями в команде ИИ в компании — такой же рабочий инструмент, как CRM или корпоративная почта. Но часто каждый сотрудник сам оплачивает подписку, загружает рабочие документы и материалы в личный профиль и там же копит все наработки. В итоге знания команды разбросаны по чужим аккаунтам, а при увольнении остаются у сотрудника. Работа с нейросетями должна вестись в корпоративном контуре. Вот как его выстроить. 1️⃣ Выберите нейросеть под свои задачи Claude сильнее в коде, длинных документах и аналитике, ChatGPT — в универсальных задачах, изображениях и работе с данными. Проверьте обе на 3–5 типовых задачах команды и решите, что подключать: одну подписку или обе. 2️⃣ Соберите знания в общих проектах Документы, инструкции и удачные промпты храните в общем пространстве, а не в личных чатах. Назначьте ответственного за их обновление. 2️⃣ Переведите команду на корпоративные тарифы Самые популярные нейросети в мире уже решили, как организовать работу команд: у ChatGPT и Claude есть корпоративные подписки с общим рабочим пространством. Назначьте администратора, определите порядок подключения и отключения сотрудников и согласуйте, какие документы можно загружать. 4️⃣ Автоматизируйте проверенные процессы Задачи, которые команда уже стабильно решает с ИИ, можно перенести в бота или рабочую систему через API. Сложное отдавайте GPT и Claude, рутину — более доступным китайским моделям. Следите за качеством ответов и стоимостью обработки. Теорию я вам дал, а подключить нейросети для вашей команды поможет Культура платежей. Они оформляют ChatGPT Business и Claude Team, а для крупных компаний — Enterprise. В нём есть вход через корпоративную почту, автоматическое отключение уволенных и журнал действий для службы безопасности. А для ботов и автоматизации подключают API нейросетей. В одном месте доступны GPT, Claude и китайские модели DeepSeek, GLM, Kimi и MiniMax, а с баланса списываются только реально использованные токены. Оплату можно произвести с расчётного счёта компании в рублях, с договором и закрывающими актами для спокойствия бухгалтерии. Не знаете, что выбрать? Напишите в бот, подберут инструменты под задачи команды и рассчитают стоимость. Реклама: ООО "ЛАБОРАТОРИЯ КАПИТАЛА", ИНН 9734022491, ERID 2VtzqxBCsYZ

Загадочный твит от Тибо и еще загадочнее лендос с какими-то зверьками poteto.com

Artificial Analysis обновили свой рейтинг моделе и выпустил версию V5. Теперь моделям нужно попотеть, чтобы решать задачи, с которыми они не сталкивались в сети при обучении. В новом рейтинге теперь 60% задач и тестов из закрытого датасета. Раньше модели часто проверяли на задачках по математике, логике и знаниям. Теперь всё больше смотрят, что они реально могут сделать и на сколько этот результат “ок”. Например, добавили тест, где модель должна написать код для настоящего проекта. Причём оценивают не просто работает ли код, а согласился бы разработчик проекта принять эти изменения. И пум-пум-пум, лучший результат пока всего 46%. Ещё добавили 70 научных задач, которые модели должны самостоятельно решать с помощью инструментов. Тут лучший результат 63%. Что ещё интересного: - Claude Opus 5.5 теперь на первом месте с 58 баллами. GPT-6 Astra совсем рядом с 57, а GPT-6.1 Sol набрал 55. - Разрыв между закрытыми моделями и моделями с открытыми весами в новом рейтинге вырос с 3 до 12 баллов. Правда, методику поменяли, поэтому напрямую сравнивать эти цифры не совсем правильно. - GPT-6.1 Sol всего на 3 балла отстаёт от лидера, но выполнение задач обходится почти в 8 раз дешевле. - 60% рейтинга теперь основано на закрытых тестах или скрытых ответах. Так сложнее натренировать модель специально под известные задания. И ещё забавный момент, чтобы получить максимальный результат, моделям приходится тратить всё больше токенов. В среднем на одну задачу теперь уходит 59 тыс выходных токенов против 35 тыс в предыдущей версии. Теперь снова соревновательных дух есть, а то смотреть постоянно, кто набрал 95%, а кто 97% на очередном наборе тестов, уже наскучило. Ну и судя по результатам, даже топовым моделям ещё есть куда расти. https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5

Вот для чего нам iPhone Duo!

Тачка на прокачку Давно не занимался своим антиспам ботом для канала. Стал замечать, что иногда спам все же пропускает, всякие рекомендации прочитанных книг Бренсона (будь он не ладен со своим Virgin Galactic), которые мошенники могут скинуть вам в личку по запросу и некоторые предложения, далеко не все, но иногда что-то вроде “расчистить гараж прямо сегодня” просачиваются. А я реально давно не занимался прокачкой этого бота (его реализация очень тупая, на коленках, но рабочая), а оказалось там еще gpt-4o-mini стоит. Так то рабочая лошадка, но иногда стала подводить! А еще, вроде в январе, будет убита 4o/4o-mini, включая 4.1 в API. Так что, занялся на выходных доработкой и пересборкой антиспам бота, агент собирает лучшие наработки и практики тг антиспам ботов на рынке, уже поднял модель, много разных новых поведенческих факторов будет учтено. Но всегда есть риск, что он может забанить кого-нибудь случайно. В нашем деле без потерь никак, если что, пишите мне в личку для разбана, хотя бот будет учиться на ложных срабатываниях и стараться не допускать такого в будущем. Надеюсь на это 😅

Отменил продление z.ai подписки на glm, она пока действует до 9 ноября. Жду теперь релиз Kimi K3.1, буду тестировать 1-2 месяца, посмотрим как зайдет когда выйдет (на Арене уже есть). Хотя и GLM 5.4/5.5 тоже по слухам скоро дропнут, но пока GLM 5.3 для меня что-то между соннет и опус, туповат, долговат, устал от него. + у меня теперь Codex за $100 есть, так что миксую и учусь не привязываться к одному вендору 😁️️️️️️

В предверии релизов китайских моделей, мем про Дарио снова актуален. Вся команда Антропик сейчас явно сидят на Арене и пытаются понять, на сколько Kimi K3.1 и Qwen4 продвинулись вперед и на сколько прослеживается след дистиляции моделей Антропиков 🤌

В предверии релизов китайских моделей, мем про Дарио снова актуален. Вся команда Антропик сейчас явно сидят на Арене и пытаются понять, на сколько Kimi K3.1 и Qwen4 продвинулись вперед и на сколько прослеживается след дистиляции моделей Антропиков 🤌

В официальном аккаунте Kimi в твиттере появилось такое видео Ждем Kimi 3.1, кажется они не только дистилируют Claude, но и стилистику их релизных видео 🤌

Хочу вайбкодинг здорового человека. Чтобы после “готово” можно было идти ужинать, а не начинать расследование.

Антропик показали Duet, как ответ всем проактивным агентам конкурентов (Dots, Muse и что там еще бывает?) Duet самостоятельно следит за вашими делами и выполняет задачи в фоне. Работает на Opus 5.5, использует память, Skills и подключённые приложения из обычного Claude. Что умеет: – Каждое утро присылает сводку по почте, календарю и другим подключённым сервисам. – Сам замечает события, требующие внимания. Например, конфликт встреч в календаре или неоплаченный счёт. – Может подготовить информацию перед встречей, найти пропущенные сообщения в Gmail и Slack, написать черновики ответов. – Выполняет задачи в фоне. У него своя виртуальная машина с браузером, поэтому компьютер можно выключить. – Может собирать дашборды, финансовые прогнозы, презентации, прототипы и веб-приложения. –Поддерживает более 6000 коннекторов и плагинов. Среди них Gmail, Slack, Stripe, Shopify, HubSpot, Canva и другие. – Может работать с документами, счетами, зарплатами, интернет-магазинами и даже совершать покупки. – Общаться можно текстом или голосом, всё в одном чате. Нюансы: – Проверяет приложения раз в несколько часов, а не постоянно. Можно настроить, о чём и как часто уведомлять. – Перед отправкой сообщений, платежами, подписанием документов и удалением данных спрашивает разрешение. – Некоторые действия запрещены даже с подтверждением. Например, торговля акциями и переводы между счетами. – Пароли и токены авторизации агент напрямую не видит. – Фоновые задачи расходуют обычные лимиты Claude. Чем сложнее задача, тем больше ресурсов потребуется. – Пока нельзя посмотреть, что агент делает в своём браузере. – С личными задачами вроде бронирования билетов пока справляется хуже, чем с рабочими. – Позже обещают интеграцию с 1Password. Доступность: – Пока только research preview и доступ через лист ожидания. – На старте доступен подписчикам Pro и Max в США. – Отдельное приложение на iOS и Android, также работает через claude.ai. – Отдельно платить не нужно, но лимиты общие с Claude. Все детали: https://claude.com/resources/articles/claude-duet

И к новостям о роботах Unitree показали модель H2-X Kung Fu Legend Guardian. Когда-то на ролики от Unitree все хором писали, что это CGI и фейкньюс. ЧОПы и прочие охранные компании на выход?

Чтооо🐸 OpenAI на 16-й день марафона выкатили бомбу: в API теперь можно держать кэш 12 часов вместо 30 минут, а в Codex и ChatGPT Work кэш для подписчиков хранится вечно😧😧😧 то есть можно уйти на ночь, вернуться к старому разговору, и лимиты не сгорят на перечитывании всего контекста 😳 Для агентов, которые часами ждут сборки и тесты, это огромная экономия, я на своих логах видел, как такие перезаписи съедали недельный лимит. Для сравнения: у Anthropic кэш живёт 5 минут по умолчанию и максимум час. Есть нюанс: запись в 12-часовой кэш в API в 2,5 раза дороже, но окупается уже со второго-третьего использования. P.S. Anthropic, ваш ход 🌚 И да, такое забираем, сегодня можно без ресета👍

А кто как решает проблему “meat proxy”? В командных чатах, часто на запрос одного спеца, другой задает вопрос своему агенту и выдает в чат его ответ, и на этот ответ другой член команды идет к своему агенту за перепроверкой и дополнением или чтобы подготовить новые вопросы. У всех разные доступы, у всех разные специализация и свой фронт работ. И получается вроде люди сидят в чате, но по факту часто бывает, что люди занимаются пересылкой ответов от агентов. Напрашиватся много разных вариантов, как такое реализовать, но вдруг вы уже это как то решили у себя, расскажите?

Тратите много денег на API LLM? Это поправимо Если вы делаете продукт с ИИ или гоняете агентов через API, то наверняка уже считали, сколько денег уходит на запросы. На этапе прототипа токены улетают вполне по-взрослому, хотя сам продукт ещё ничего не зарабатывает. Ко мне пришли ребята из CheapGPT. У них единый API к GPT, Claude и Gemini, а цены до 3 раз ниже, чем напрямую у провайдеров. Таких сервисов сейчас немало, и к любому из них у меня возникают вопросы: 🔒 Что происходит с моими логами? Содержимое промптов и ответов CheapGPT не хранит. Если этого мало, есть защищённый режим: запросы шифруются, и сервис технически не может прочитать, что вы туда отправляете. ✅ Кто их на самом деле обрабатывает? Многие дешёвые API работают через цепочку перекупщиков, часто китайских. Где в этой цепочке оседают ваши промпты и кому их потом продают, не знает никто. У CheapGPT запросы уходят только напрямую на сервера OpenAI, Anthropic и Google с подписочных аккаунтов. Без посредников между ними и вами. Проверить это можно благодаря открытому коду и dstack 📊 Не подсовывают ли мне модель попроще? У CheapGPT бенчмарки открытые, и их можно прогнать самому и сравнить качество ответов. Я бы заодно замерил задержки на своих задачах, особенно если от скорости ответа зависит работа продукта. 🚀 Выдерживает ли высокую нагрузку? Если у вас постоянная большая нагрузка, то по запросу CheapGPT выделит 1000+ RPM. 💸 А что по деньгам? Экономия зависит от модели. Например, сейчас GPT-6.1 Sol у OpenAI стоит $2 за вход и $10 за выход. У CheapGPT тот же миллион стоит $0,667 на входе и $3,333 на выходе. Получается примерно в 3 раза дешевле. Claude же дешевле на 40 процентов. Откуда такая разница? Ребята закупают подписки и превращают их в API, а закупку аккаунтов, ротацию, баны и всю сопутствующую возню берут на себя. API совместим с OpenAI и Anthropic, работают их SDK. Достаточно получить ключ, заменить адрес API и выбрать модель Оплата в рублях, без зарубежных карт. С юрлицами работают по договору и дают закрывающие документы. Если уже используете эти модели по API, посмотрите цены и попробуйте CheapGPT на своих сценариях. А если сейчас подключать нечего, за развитием проекта можно следить https://t.me/AIproductiv Реклама: ИП Зайделов Анатолий Георгиевич. ИНН 781129420099. #реклама erid: CQH36pWzJqVL1zRoabiewE4Y7RrfyhL68GgTAT3ks7M33A