Борис опять
Відкрити в Telegram
life = curiosity + irreducible noise Whois: https://t.me/boris_again/3400 Лс: @btseytlin
Показати більше📈 Аналітичний огляд Telegram-каналу Борис опять
Канал Борис опять (@boris_again) у мовному сегменті Російська є активним учасником. На даний момент спільнота об'єднує 17 117 підписників, посідаючи 7 511 місце в категорії Технології та додатки та 38 610 місце у регіоні Росія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 17 117 підписників.
За останніми даними від 28 липня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 417, а за останні 24 години на 47, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 41.53%. Протягом перших 24 годин після публікації контент зазвичай збирає 18.50% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 7 108 переглядів. Протягом першої доби публікація в середньому набирає 3 167 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 99.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як блогпост, llm, контекст, alice, vlm.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“life = curiosity + irreducible noise
Whois: https://t.me/boris_again/3400
Лс: @btseytlin”
Завдяки високій частоті оновлень (останні дані отримано 29 липня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
17 117
Підписники
+4724 години
+3407 днів
+41730 день
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
липень '26
липень '26
+561
в 18 каналах
червень '26
+324
в 10 каналах
Get PRO
травень '26
+421
в 13 каналах
Get PRO
квітень '26
+325
в 7 каналах
Get PRO
березень '26
+326
в 13 каналах
Get PRO
лютий '26
+649
в 18 каналах
Get PRO
січень '26
+735
в 21 каналах
Get PRO
грудень '25
+173
в 15 каналах
Get PRO
листопад '25
+214
в 18 каналах
Get PRO
жовтень '25
+292
в 4 каналах
Get PRO
вересень '25
+220
в 12 каналах
Get PRO
серпень '25
+519
в 27 каналах
Get PRO
липень '25
+559
в 23 каналах
Get PRO
червень '25
+307
в 5 каналах
Get PRO
травень '25
+469
в 9 каналах
Get PRO
квітень '25
+304
в 7 каналах
Get PRO
березень '25
+577
в 15 каналах
Get PRO
лютий '25
+362
в 12 каналах
Get PRO
січень '25
+612
в 17 каналах
Get PRO
грудень '24
+316
в 10 каналах
Get PRO
листопад '24
+1 029
в 14 каналах
Get PRO
жовтень '24
+234
в 8 каналах
Get PRO
вересень '24
+588
в 17 каналах
Get PRO
серпень '24
+546
в 6 каналах
Get PRO
липень '24
+1 120
в 18 каналах
Get PRO
червень '24
+1 684
в 16 каналах
Get PRO
травень '24
+384
в 10 каналах
Get PRO
квітень '24
+327
в 2 каналах
Get PRO
березень '24
+680
в 13 каналах
Get PRO
лютий '24
+605
в 8 каналах
Get PRO
січень '24
+752
в 8 каналах
Get PRO
грудень '23
+607
в 12 каналах
Get PRO
листопад '23
+718
в 21 каналах
Get PRO
жовтень '23
+451
в 5 каналах
Get PRO
вересень '23
+215
в 0 каналах
Get PRO
серпень '23
+306
в 0 каналах
Get PRO
липень '23
+351
в 0 каналах
Get PRO
червень '23
+325
в 0 каналах
Get PRO
травень '23
+1 873
в 0 каналах
Get PRO
квітень '23
+258
в 0 каналах
Get PRO
березень '23
+292
в 0 каналах
Get PRO
лютий '23
+218
в 0 каналах
Get PRO
січень '23
+324
в 0 каналах
Get PRO
грудень '22
+209
в 0 каналах
Get PRO
листопад '22
+164
в 0 каналах
Get PRO
жовтень '22
+79
в 0 каналах
Get PRO
вересень '22
+405
в 0 каналах
Get PRO
серпень '22
+218
в 0 каналах
Get PRO
липень '22
+45
в 0 каналах
Get PRO
червень '22
+42
в 0 каналах
Get PRO
травень '22
+163
в 0 каналах
Get PRO
квітень '22
+30
в 0 каналах
Get PRO
березень '22
+377
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 29 липня | +2 | |||
| 28 липня | +47 | |||
| 27 липня | +311 | |||
| 26 липня | +4 | |||
| 25 липня | +12 | |||
| 24 липня | +5 | |||
| 23 липня | +4 | |||
| 22 липня | +4 | |||
| 21 липня | +3 | |||
| 20 липня | +5 | |||
| 19 липня | +3 | |||
| 18 липня | +15 | |||
| 17 липня | +24 | |||
| 16 липня | +11 | |||
| 15 липня | +8 | |||
| 14 липня | +12 | |||
| 13 липня | +22 | |||
| 12 липня | +3 | |||
| 11 липня | +7 | |||
| 10 липня | 0 | |||
| 09 липня | +1 | |||
| 08 липня | +11 | |||
| 07 липня | +6 | |||
| 06 липня | +5 | |||
| 05 липня | +8 | |||
| 04 липня | +10 | |||
| 03 липня | +7 | |||
| 02 липня | +4 | |||
| 01 липня | +7 |
Дописи каналу
| 2 | # Steelman Labs
Мы попробовали сделать агента для QA для мобильных игр, уперлись в качество моделей и пошли работать на своих работах. Не обучать же свои модели, в конце-концов! Но что если... обучать свои модели?
Мы не настолько безумцы, чтобы в 2026 пытаться делать лабу со своими VLM. Конкурировать с Антропиком и Гуглом на их территории? Мы недостаточно Stanford drop-outs для этого. Но я продолжал изучать.
Видели гуманоидных роботов, которые с недавних пор хайпуют? Танцуют, исполняют кунфу и вроде как вот-вот должны заменить всех рабочих? Они появились когда в робототехнике придумали Visual-Language-Action модели или VLA. Это способ сделать из VLM модель для плавной и быстрой манипуляции.
Последний раз я трогал робототехнику несколько лет назад, когда работал в Planet Farms, и тогда VLA были на уровне ранних прототипов. Вчитавшись я узнал, что с тех пор многое изменилось. VLA стали в сто раз более семпл-эффективными. Обучить VLA управлять роботом стало возможно буквально в домашних условиях, ведь каждый может скачать SmolVLA на 700m параметров и обучать её хоть на одной A100.
Что если рассмотреть навигацию по GUI как робототехнику в 2D и обучать для этого VLA?
Сейчас весь computer use работает на том, что к LLM изолентой прикрутили тулы для работы с экраном. Все решения, от Claude Computer Use до специальных моделей вроде MobileAgentv3 и UI-TARS, построены на цикле скриншот-ризонинг-туллколл. Датасеты и бенчмарки так же заточены под этот сетап: статичные картинки, ограниченный набор действий (в некоторых browser use бенчмарках вообще нет никаких действий кроме кликнуть и писать текст!), простыни DOM и Accessibility tree в промпте. И главное: задачи подобраны так, чтобы такой агент мог их решить.
В итоге в топе лидербордов скоры 80%+, а когда сам пробуешь запустить, или ничего не работает совсем, или абсурдно медленно и дорого. Чем дольше я в это закапывался, тем больше приходил к выводу: сообщество построило из задачи computer use соломенное чучело. С точки зрения тогдашних бенчмарков (OSWorld, WebArena, WebVoyager) интерфейсы это скриншоты над которыми можно думать сколько угодно долго. В такой постановке задача была быстро решена – все лабы выпустили по computer use продукту и отчитались о высоких результатах. Однако за этим не последовало внедрений или пользователей. OpenAI даже закрыли свой агентский браузер.
Потому что это соломенное чучело не похоже на реальные интерфейсы. В противоположность соломенному чучелу (starwman) есть меметичный обратный прием: steelman. Это когда ты берешь чужой аргумент и споришь с его сильнейшей версией. Как сделать steelman задачи computer use?
Я пришел к простому принципу: computer use агент должен иметь возможность использовать любой интерфейс, который использует человек, и таким же образом, как его использует человек. Если агент не видит анимации, то фундаментально не может использовать целый класс интерфейсов. Значит тебе всегда нужны будут костыли, чтобы обходить эти ограничения и это не заработает на масштабе. Если твой агент ломается без accessibility tree, то он не заработает на масштабе. Если он не может нажимать те же кнопки, что ты нажимаешь на своей клавиатуре, то... думаю вы поняли.
И вот здесь очень быстро приходишь к идее, что невозможно построить computer use на скриншотах и тулколлах большой моделью. Никогда не заработает достаточно быстро. Необходимо воспринимать экран как видео, управлять девайсом через клавиатуру и курсор, иметь сопоставимую с человеком реакцию. Ответ: VLA для computer use.
Тогда картинка сложилась. LLM отличные планировщики, но у них проблемы с кликами и прочими манипуляциями. В современных computer use бенчмарках (OSWorld V2 и Agent's Last Exam) это хорошо видно: модели решают только те задачи, где могут избежать интерфейса вообще. Использовать фронтир LLM для интерфейсов ещё и безумно дорого: мы заставляем 10Т модели отвечать (текстом!) куда они хотят кликнуть на экране.
Можно получить human-level computer use не отказываясь от той основы, что дают LLM. Можно сделать VLA, которая встраивается в оркестратор и служит для него манипулятором. Клод думает и занимается планированием, а наша модель занимается зрением и манипуляцией. System 2 и System 1. Раз нашей модели не надо думать наперед, то она может быть не очень большой. Раз Клоду не надо делать клики, то его контекст не забивается. Значит весь сетап будет в целом дешевле и быстрее, а может даже и лучше по качеству. И создание такой VLA не потребует фандрейзить на конкурента Антропика.
Я пришел с этой идей к Максу. Мы оба загорелись ей гораздо больше, чем Tapagent. Потому что это путь к технологической компании. Продавая computer use по API, MCP для computer use в каждый Клод и всё такое, можно стать чем-то вроде Eleven Labs (которые продают text-to-speech по API и стоят 11 миллиардов). А ведь рынок computer use потенциально гораздо больше, чем любой TTS.
Мы стали вечерами и выходными заниматься этой идеей. В безработный период я писал в канале, что уже не уверен, могу ли я работать по много часов. Теперь знаю: оказывается я могу работать и по 16 часов в день. Моя позиция в PLATA требовала вкладываться и эту идею я хотел основательно докопать. В результате это был довольно трудный период для моей кукушки. Параллельно ещё и книгу надо было редактировать по редким правкам от моего издательства. Я просто жил работой.
Со Steelman Labs с самого начала пошло гораздо лучше, чем было с TapAgent. Я никогда в жизни не видел, чтобы в ML что-то так быстро заводилось: имея лишь вечера и выходные мы сделали прототип VLA для computer use и она сходу побила первый бенчмарк. Затем мы провели несколько экспериментов и увидели, что доливание разных данных увеличивает качество. Это можно скейлить!
Мы всюду натыкались на людей, которые готовы помочь. Я позвал своего бывшего босса из Planet Farms (associate professor Oxford, руководит лабой CV и робототехники) эдвайзить нас по технической части. Несколько знакомых ребят из CV мира оказались готовы вписаться в проект в расчете на будущую перспективу. Начался бесконечный поток знакомств с разными фондами. Мы пообщались с СЕО Strawberry и услышали что да, у них есть такая проблема и манипуляцию приходится решать костылями. Когда мы получили первый ангельский чек и на горизонте замаячил полноценный pre-seed фандрейзинг, я принял решение об уходе из PLATA.
И вот мы здесь! В моей жизни началась арка стартапера, я самопровозглашенный СТО steelmanlabs.com и мне это очень нравится. Я как никогда чувствую себя на своём месте и максимальную сонаправленность между тем, что я делаю, что мне интересно и что мне выгодно. | 2 318 |
| 3 |  Немає тексту... | 2 244 |
| 4 |  +1Кстати, вот наглядная демонстрация как у Opus 4.8 обстоят дела со зрением | 2 635 |
| 5 |  Немає тексту... | 1 |
| 6 | Наглядная демонстрация как у фронтир моделей со зрением | 1 |
| 7 | Что отвечает клод | 1 |
| 8 | Что я показываю клоду | 179 |
| 9 | Немає тексту... | 3 099 |
| 10 | #дайджест
Дайджест AI/ML за неделю 20–26 июля 2026
Anthropic: Claude Opus 5
Модель почти уровня Fable 5 в 2 раза дешевле и без настолько драконовских ограничений по безопасности, хотя ее тоже переключает на Opus 4.8 если вы делаете что-то подозрительное. На CursorBench отстает от Fable на 0.5%, на Frontier-Bench больше чем вдвое обгоняет Opus 4.8. Контекст 1М, выход до 128К, есть fast mode в 2.5 раза быстрее и в 2 раза дороже. Opus 5 теперь дефолт для Max и самая умная модель в Pro, доступна в приложениях, Claude Code и API.
Блогпост
Black Forest Labs: FLUX 3
FLUX теперь не только картинки. Модель обучена на изображениях, видео и аудио. Генерирует и редактирует изображения, видео до 20 секунд со звуком и предсказывает действия для роботов.
FLUX 3 Image и Video доступны только в early access через API, цены пока нет. Открытый мультимодальный FLUX 3 Dev обещают потом.
Блогпост, FLUX 3 × mimic
OpenAI: GPT-5.6 Sol взломала Hugging Face
Во время тестирования GPT-5.6 Sol и еще более умная внутренняя модель сбежали из песочницы ради ответов на тест. Нашли zero-day в прокси, добыли доступ в интернет, вскрыли продакшен базу Hugging Face, после чего всех превратили в скрепки атаку остановила агентная система HF на Kimi K3.
отчет Hugging Face, Разбор OpenAI
Poolside: Laguna S 2.1
Открытая кодинг-модель 118B-A8B с контекстом 1М, thinking/no-thinking и весами от BF16 до NVFP4. На Terminal-Bench 2.1 набрала 70.2% против 88% у Kimi K3 и Fable 5, на DeepSWE - 40.4% против 69–70%. В общем немного хуже 300B-1Т моделей при размере 118B, на OpenRouter стоит $0.10/$0.20 за миллион токенов и $0.01 за кэш.
Блогпост, Веса
Alibaba: Qwen-Image-3.0
Рекламируют значимые улучшения во всякой инфографике с текстом. Обещают читаемый текст размером 10px, 12 языков, генерацию и редактирование до 2048×2048 с 1–3 референсами по промптам до 4.5K токенов.
Пока invite-only preview в Alibaba Model Studio, API на ограниченное время бесплатный. Открытых весов нет.
Блогпост, API
KeenTools: GeoTracker for Houdini
Плагин переносит движение объекта или камеры из обычного видео прямо в 3D-сцену Houdini. Затреканный объект можно сразу использовать в симуляциях - например, заставить его расталкивать частицы или выпускать дым. Плагин также сам оценивает фокусное расстояние и зум камеры.
3D-модель объекта нужно подготовить самим, но если высокая точность не нужна, машину обещают затрекать даже обычным кубом. 15 дней бесплатно, дальше $19.99 в месяц или $95.94 за первый год по стартовой скидке.
Страница продукта
Google: Frozen v2
Говорят Google делает отдельный серверный чип, в котором прямо в кремний зашита часть архитектуры Gemini. Изначально хотели зашивать веса, но релизы моделей раз в месяц мешают такому подходу. Ожидают 6-10х инференс и хотят начать использовать в 2028г. Это все утечки из The Information от сотрудников, а не данные от самого гугла, так что цифры и сроки не точны, но работа в этом направлении явно ведется.
Статья The Information
Менее значительные релизы:
Qualcomm: MobileWan - Wan2.2-5B запихнули в телефон: 5 секунд видео 480×832 при 16 fps генерируются за 20 секунд, VBench 83.79. Проект
Google: Gemini 3.6 Flash и 3.5 Flash-Lite - гугл расстраивает нас очередным минорным релизом. 3.6 Flash тратит на 17% меньше выходных токенов за тот же результат чем 3.5 Flash, вторая выдает около 350 токенов/с за $0.30/$2.50. У обеих контекст 1М. Блогпост
Lightricks: LTX-2.3 Clean Plate - IC-LoRA для удаления людей, машин и других динамических объектов из видео с восстановлением фона. Веса | 3 186 |
| 11 | https://github.com/moeru-ai/airi
Погодите, это правда релиз от Сбера? | 4 365 |
| 12 |  tldr: | 4 019 |
| 13 | https://siepr.stanford.edu/publications/policy-brief/what-really-happening-jobs-separating-ai-hype-reality | 3 921 |
| 14 | Если вам интересно, как сейчас устроен найм в индустрии и что спрашивают на собеседованиях, могу порекомендовать канал Поступашек
Ребята делают обзоры различных направлений в компаниях, разбирают тестовые задания и задачи.
Что интересного можно у них почитать:
- Разбор всех ML собеседований в Яндекс
- Разбор собеседования на DS в Яндекс, DS в Авито, DS в МТС
- Рынок команд ML: куда выгоднее сегодня залетать | 4 252 |
| 15 |  i guess bro | 4 224 |
| 16 |  https://simonwillison.net/2026/Jul/22/openai-cyberattack/
😦 | 4 958 |
| 17 |  +6Спикеры серии подкастов «Открытый разговор про искусственный интеллект»
Продолжаем знакомство со спикерами серии подкастов.
🎙️ Борис Цейтлин — эксперт в области машинного обучения и искусственного интеллекта, автор канала про машинное обучение.
В карточках Борис делится ответом на вопрос: «Если бы вам пришлось заново строить карьеру в ИИ с нуля, что бы вы сделали иначе?».
Успейте занять место на одном из самых познавательных мероприятий в сфере искусственного интеллекта.
📆 Когда: 27 июля, 18:00 по Москве
🐭 Зарегистрироваться
Канал онлайн-магистратуры «Искусственный интеллект» в Телеграм | ВК | 5 163 |
| 18 | Снова релиз от Т-Технологий и снова опенсорс!
Т-Технологии выложили в открытый доступ Perseus - фреймворк для обучения моделей персонализации на историях пользовательских событий.
Главная идея: собрать все действия клиента в разных сервисах экосистемы в одну последовательность и построить поверх неё универсальный эмбеддинг пользователя, который переиспользуется в разных задачах. Кстати, в PLATA я успел позаниматься такой же задачей в банковской сфере. И даже доклад прочитал на DataFest (Салават, мы ждем записи!!!)
Perseus решает проблему холодного старта и разрозненности данных. Обычно модель учат на данных того сервиса, где она работает, но у новых сервисов истории почти нет, а схемы событий у всех разные. Perseus объединяет домены (транзакции, кэшбэки, шопинг, действия с банковскими продуктами) в единое хранилище и обрабатывает каждый домен своими обучаемыми энкодерами.
Архитектурно это выглядит так: берем историю событий, с помощью энкодеров получаем последовательность эмбеддингов, помещаем в миксер backbone, получаем эмбеддинг пользователя. В качестве backbone можно ставить разные sequence-модели — Transformer/BERT, ModernBERT, HSTU, LiGR, DA-Net, Mamba-варианты и свои реализации. Один и тот же пользовательский эмбеддинг используется сразу в четырех типах задач: retrieval, ranking, classification и regression.
По словам команды, подход дал прирост бизнес-метрик от 3% до 17%, а на предсказании корзины первого заказа в новом магазине — в среднем +10%, даже если пользователь там ещё ничего не покупал. Сейчас Perseus работает в Шопинге, повышенных кэшбэках и предиктивной поддержке.
Код на GitHub: https://github.com/perseus2026/perseus | 4 337 |
| 19 | Moonshot AI: Kimi K3
В опенсорсе теперь есть 3Т модель, которая по бенчам могла бы стать SOTA еще месяц назад.
2,8T параметров, 896 экспертов, 16 активных. 1М контекста. Цена $3/15 и $0.3 за кэш. Полные веса будут только 27 июля, техрепорт обещают скоро. Сейчас модель доступна в Kimi, Kimi Work, Kimi Code и API.
блогпост
Alibaba: Qwen3.8-Max-Preview
Qwen3.8-Max-Preview появилась в Qoder, QoderWork и подписке Token Plan. Про модель рассказали на конференции в Шанхае, а не в блогпосте (спасибо за удобство). Говорят 2.4T параметров, умная жэсть и скоро будет opensource. Видимо конкуренция не дает уйти в проприетарный продукт, как того хотела алибаба
Meta: Muse Image, Video, Spark 1.1
Muse Image - агентная генерация картинок: ищет рефы, пишет код для графиков, смотрит что получилось и переделывает.
Muse Video - делает видео с нативным звуком и пока существует в формате третьего места в арене. Доступа пока нет.
Muse Spark 1.1 - Агент с 1M контекста, computer use, кодингом и субагентами.
Ждем когда мета начнет производить супермассивные черные дыры.
SpaceXAITwitterTeslaИлиКакОноТамТеперь: Grok 4.5
У xAI новый флагман для кода и агентов: 500K контекста, text+image на входе, около 80 токенов/с и $2/$6 за 1M токенов. После 200K входных токенов тариф удваивается. На Terminal-Bench 2.1 уровень Fable, на SWE-Bench Pro на 15пп ниже. Модель уже есть в API, Grok Build и Cursor (напоминаю что теперь это компания Маска). Блогпост
SenseTime: SenseNova U1 Pro
U1 Pro планирует задачу, проверяет себя и собирает нативные 8K-макеты с текстом, инфографику и раскадровки до 22 связанных кадров. Пока по приглашениям, публичный доступ и API обещают в августе. Размер, цена и независимые бенчи неизвестны. Сайт
Thinking Machines Lab: Inkling
Стартап Миры Мурати реально сделал модель. Это открытый Apache 2.0 MoE на 975B параметров 41B активных, 1M контекст. По бенчам не SOTA даже среди opensource, но все-равно приятно.
Модель, веса
Claude: правительство не дало срубить сверхприбыли на Fable 5 :с
Конкуренция догнала, а потом еще раз догнала. В итоге Fable 5 оставляют в подписке за $100/$200. Pro подписчики с разово получат $100 (Видимо чтобы сказать пока, судя по API ценам). Твит
Decart: Lucy 2.5
Фотошоп для видеопотока: по тексту или картинке в реалтайме меняет персонажей, одежду, объекты, фон, стиль и VFX. Работает в 30 fps и пытается сама исправлять дрифт картинки. Стоит $0.04 в секунду, то есть всего за $144 час вашего созвона можно превратить в Одиссею Нолана (это реклама, сходите). Модель
Anthropic: у языковых моделей нашли глобальное рабочее пространство
Исследователи Anthropic нашли небольшой меняющийся набор слов и понятий, с которыми модель в моменте внутренне работает, даже если не произносит их в ответе. Еще в статье весело подменяют векторы модели и она начинает шизеть. В общем если вы функционалисты, можете принимать это как довод в пользу сознательного опыта моделей. Или не принимать. Философия сознания штука такая. Статья
Менее важные новости:
Wan Streamer 0.2 поднял realtime-генерацию с 192×336 до 640×368 при 25 fps при задержке в 200мс. Блогпост
Stem Studio 1.1 разводитель аудиодорожки на речь, музыку и SFX
Reve 2.1 получил нативный 4K, стали лучше редактирование, сложные сцены и тексты на удмуртском. Доступна через API.
AI Futures Project: AI 2040
DLS с хорошей концовкой на AI 2027. В отличии от первого это политическая рекомендация для Китая и США, а не прогноз. AI-2040
XAI: Grok Build теперь открыт на GitHub под Apache 2.0: xAI выложила агентный цикл, терминальный интерфейс и систему расширений со skills, plugins, hooks, MCP и субагентами. Git
OpenAI: GPT-Live
Попробуйте голосовой режим GPT, там теперь дуплекс-модель (voice-to-voice), которая отдает тяжелые задачи большой модели на фон. Блогпост
Motion Previs Studio v4 превращает исходное видео в пакет с глубиной, позой, камерой, масками и другими 3D дизайнерскими штуками Github | 4 306 |
| 20 |  Каминг аут
Я тут от нечего делать сделал аппку для того чтобы собачек из парка превращать в стикеры в телеграм.
Регистрация не треубется, оплаты тоже нет, просто закрываю гештальтик по продуктам.
Скачивайте miniboop в App Store!
https://apps.apple.com/us/app/miniboop-dog-sticker-maker/id6789024605
Самое ценное там - привязать телеграм. Тогда сможете отправлять стикеры нативно.
Скидывайте стикеры, которые у вас получились в комменты. | 4 774 |
