Борис опять

Kanalga Telegram’da o‘tish

life = curiosity + irreducible noise Whois: https://t.me/boris_again/3400 Лс: @btseytlin

Ko'proq ko'rsatish

Rossiya39 018 Texnologiyalar & Aralashmalar7 588...

📈 Telegram kanali Борис опять analitikasi

Борис опять (@boris_again) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 17 132 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 7 588-o'rinni va Rossiya mintaqasida 39 018-o'rinni egallagan.

📊 Auditoriya ko‘rsatkichlari va dinamika

невідомо sanasidan buyon loyiha tez o‘sib, 17 132 obunachiga ega bo‘ldi.

29 Iyul, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 415 ga, so‘nggi 24 soatda esa 12 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.

Tasdiqlash holati: Tasdiqlanmagan
Jalb etish (ER): Auditoriya o‘rtacha 42.07% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 17.86% ini tashkil etuvchi reaksiyalarni to‘playdi.
Post qamrovi: Har bir post o‘rtacha 7 206 marta ko‘riladi; birinchi sutkada odatda 3 059 ta ko‘rish yig‘iladi.
Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 102 ta reaksiya keladi.
Tematik yo‘nalishlar: Kontent блогпост, llm, контекст, alice, vlm kabi asosiy mavzularga jamlangan.

📝 Tavsif va kontent siyosati

Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“life = curiosity + irreducible noise Whois: https://t.me/boris_again/3400 Лс: @btseytlin”

Yuqori yangilanish chastotasi (oxirgi ma’lumot 30 Iyul, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.

17 132

Obunachilar

+1224 soatlar

+3597 kunlar

+41530 kunlar

7 206

Post ko'rishlar

~ 3 05924 soatlar

~ 3 76148 soatlar

42.07%

Muloqot nisbati

~ 2

Kuniga postlar

Ads index

beta

Ma'lumot yuklanmoqda...

O'xshash kanallar

Ko'proq kanallar

Kirish va chiqish esdaliklari

---

Obunachilarni jalb qilish

Iyul '26

+581

18 kanalda

Iyun '26

+324

10 kanalda

Get PRO

May '26

+421

13 kanalda

Get PRO

Aprel '26

+325

7 kanalda

Get PRO

Mart '26

+326

13 kanalda

Get PRO

Fevral '26

+649

18 kanalda

Get PRO

Yanvar '26

+735

21 kanalda

Get PRO

Dekabr '25

+173

15 kanalda

Get PRO

Noyabr '25

+214

18 kanalda

Get PRO

Oktabr '25

+292

4 kanalda

Get PRO

Sentabr '25

+220

12 kanalda

Get PRO

Avgust '25

+519

27 kanalda

Get PRO

Iyul '25

+559

23 kanalda

Get PRO

Iyun '25

+307

5 kanalda

Get PRO

May '25

+469

9 kanalda

Get PRO

Aprel '25

+304

7 kanalda

Get PRO

Mart '25

+577

15 kanalda

Get PRO

Fevral '25

+362

12 kanalda

Get PRO

Yanvar '25

+612

17 kanalda

Get PRO

Dekabr '24

+316

10 kanalda

Get PRO

Noyabr '24

+1 029

14 kanalda

Get PRO

Oktabr '24

+234

8 kanalda

Get PRO

Sentabr '24

+588

17 kanalda

Get PRO

Avgust '24

+546

6 kanalda

Get PRO

Iyul '24

+1 120

18 kanalda

Get PRO

Iyun '24

+1 684

16 kanalda

Get PRO

May '24

+384

10 kanalda

Get PRO

Aprel '24

+327

2 kanalda

Get PRO

Mart '24

+680

13 kanalda

Get PRO

Fevral '24

+605

8 kanalda

Get PRO

Yanvar '24

+752

8 kanalda

Get PRO

Dekabr '23

+607

12 kanalda

Get PRO

Noyabr '23

+718

21 kanalda

Get PRO

Oktabr '23

+451

5 kanalda

Get PRO

Sentabr '23

+215

0 kanalda

Get PRO

Avgust '23

+306

0 kanalda

Get PRO

Iyul '23

+351

0 kanalda

Get PRO

Iyun '23

+325

0 kanalda

Get PRO

May '23

+1 873

0 kanalda

Get PRO

Aprel '23

+258

0 kanalda

Get PRO

Mart '23

+292

0 kanalda

Get PRO

Fevral '23

+218

0 kanalda

Get PRO

Yanvar '23

+324

0 kanalda

Get PRO

Dekabr '22

+209

0 kanalda

Get PRO

Noyabr '22

+164

0 kanalda

Get PRO

Oktabr '22

+79

0 kanalda

Get PRO

Sentabr '22

+405

0 kanalda

Get PRO

Avgust '22

+218

0 kanalda

Get PRO

Iyul '22

+45

0 kanalda

Get PRO

Iyun '22

+42

0 kanalda

Get PRO

May '22

+163

0 kanalda

Get PRO

Aprel '22

+30

0 kanalda

Get PRO

Mart '22

+377

0 kanalda

Sana	Obunachilarni jalb qilish	Esdaliklar	Kanallar
30 Iyul	+5
29 Iyul	+17
28 Iyul	+47
27 Iyul	+311
26 Iyul	+4
25 Iyul	+12
24 Iyul	+5
23 Iyul	+4
22 Iyul	+4
21 Iyul	+3
20 Iyul	+5
19 Iyul	+3
18 Iyul	+15
17 Iyul	+24
16 Iyul	+11
15 Iyul	+8
14 Iyul	+12
13 Iyul	+22
12 Iyul	+3
11 Iyul	+7
10 Iyul	0
09 Iyul	+1
08 Iyul	+11
07 Iyul	+6
06 Iyul	+5
05 Iyul	+8
04 Iyul	+10
03 Iyul	+7
02 Iyul	+4
01 Iyul	+7

Kanal postlari

https://odirouter.ai – один API-вход для 200+ AI-моделей. Для разработчиков в русскоязычном регионе это выглядит как довольно сильная мультимодальная библиотека моделей по цене / возможностям: текст, изображения, видео и мультимодальные сценарии доступны через один ключ. В одном месте можно смотреть и тестировать GPT-5.6 Sol, GPT-5.6 Terra, GPT-5.5, Claude Fable 5, Gemini, Grok, Kimi, GPT Image 2, Seedance 2.0, Nano Banana Pro и другие популярные модели. Кому может быть полезно: — тем, кто делает Telegram-ботов — AI SaaS и небольшие AI-инструменты — тем, кто хочет дешевле разрабатывать AI-продукты — тем, кто добавляет AI-функции в уже существующий продукт — тем, кто сравнивает стоимость и качество разных моделей — тем, кто хочет попробовать image / video generation API — тем, кто не хочет отдельно подключать каждого провайдера Важный момент: сейчас доступны бесплатные кредиты. Модели и тестовый вход: https://odirouter.ai

2	А вы цитируете любимое аниме в статьях?	2 865
3	Matn yo'q...	3 315
4	# 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.	3 172
5	Matn yo'q...	2 895
6	+1 Кстати, вот наглядная демонстрация как у Opus 4.8 обстоят дела со зрением	3 114
7	Matn yo'q...	1
8	Наглядная демонстрация как у фронтир моделей со зрением	1
9	Что отвечает клод	1
10	Что я показываю клоду	179
11	Matn yo'q...	3 418
12	#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	3 480
13	https://github.com/moeru-ai/airi Погодите, это правда релиз от Сбера?	4 541
14	tldr:	4 169
15	https://siepr.stanford.edu/publications/policy-brief/what-really-happening-jobs-separating-ai-hype-reality	4 105
16	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	4 780
17	i guess bro	4 373
18	https://simonwillison.net/2026/Jul/22/openai-cyberattack/ 😦	5 105
19	+6 Спикеры 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	5 323
20	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	4 343

Barcha postlarni ko‘rish