Олег Булыгин | Полезная нагрузка
Kanalga Telegram’da o‘tish
🔸 Про IT, AI, DS, ML от практика с 11+ годами опыта. ▪️Связь: @obulygin91
Ko'proq ko'rsatish6 047
Obunachilar
+224 soatlar
+127 kunlar
+48430 kunlar
Ma'lumot yuklanmoqda...
O'xshash kanallar
![[PYTHON:TODAY]](https://cdn.tlmtr.io/_next/image?url=https%3A%2F%2Fimg.telemetr.io%2Fc%2F1e8JKN%2F5465241907756731355%3Fty%3Dx&w=256&q=75)
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Iyul '26
Iyul '26
+89
0 kanalda
Iyun '26
+554
3 kanalda
Get PRO
May '26
+152
0 kanalda
Get PRO
Aprel '26
+294
2 kanalda
Get PRO
Mart '26
+378
1 kanalda
Get PRO
Fevral '26
+132
0 kanalda
Get PRO
Yanvar '26
+177
1 kanalda
Get PRO
Dekabr '25
+74
1 kanalda
Get PRO
Noyabr '25
+257
0 kanalda
Get PRO
Oktabr '25
+258
1 kanalda
Get PRO
Sentabr '25
+127
1 kanalda
Get PRO
Avgust '25
+171
7 kanalda
Get PRO
Iyul '25
+63
5 kanalda
Get PRO
Iyun '25
+86
2 kanalda
Get PRO
May '25
+74
0 kanalda
Get PRO
Aprel '25
+97
0 kanalda
Get PRO
Mart '25
+143
0 kanalda
Get PRO
Fevral '25
+161
0 kanalda
Get PRO
Yanvar '25
+156
0 kanalda
Get PRO
Dekabr '24
+157
0 kanalda
Get PRO
Noyabr '24
+145
0 kanalda
Get PRO
Oktabr '24
+215
0 kanalda
Get PRO
Sentabr '24
+211
1 kanalda
Get PRO
Avgust '24
+122
1 kanalda
Get PRO
Iyul '24
+128
0 kanalda
Get PRO
Iyun '24
+110
1 kanalda
Get PRO
May '24
+220
2 kanalda
Get PRO
Aprel '24
+248
1 kanalda
Get PRO
Mart '24
+126
0 kanalda
Get PRO
Fevral '24
+161
0 kanalda
Get PRO
Yanvar '24
+226
0 kanalda
Get PRO
Dekabr '23
+166
0 kanalda
Get PRO
Noyabr '23
+117
0 kanalda
Get PRO
Oktabr '23
+129
0 kanalda
Get PRO
Sentabr '23
+163
0 kanalda
Get PRO
Avgust '23
+234
0 kanalda
Get PRO
Iyul '23
+113
0 kanalda
Get PRO
Iyun '23
+183
0 kanalda
Get PRO
May '23
+143
0 kanalda
Get PRO
Aprel '23
+147
0 kanalda
Get PRO
Mart '23
+198
0 kanalda
Get PRO
Fevral '23
+152
0 kanalda
Get PRO
Yanvar '23
+227
0 kanalda
Get PRO
Dekabr '22
+208
0 kanalda
Get PRO
Noyabr '22
+188
0 kanalda
Get PRO
Oktabr '22
+274
0 kanalda
Get PRO
Sentabr '22
+179
0 kanalda
Get PRO
Avgust '22
+311
0 kanalda
Get PRO
Iyul '22
+849
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 10 Iyul | +3 | |||
| 09 Iyul | +2 | |||
| 08 Iyul | +10 | |||
| 07 Iyul | +16 | |||
| 06 Iyul | +5 | |||
| 05 Iyul | +3 | |||
| 04 Iyul | +6 | |||
| 03 Iyul | +2 | |||
| 02 Iyul | +18 | |||
| 01 Iyul | +24 |
Kanal postlari
Slopfix: плати $10 000, чтобы почистить AI-код. С помощью AI 🤡
Три инженера из GitHub запустили сервис Slopfix. Суть: вы навайбкодили проект, он работает, но добавить фичу — квест на две недели с поломкой двух других фич. Агент перестал видеть картину целиком и вместо переиспользования кода дублирует его. Знакомая ситуация, да-да.
Slopfix предлагает за $10 000 и одну неделю привести репозиторий в чувство:
🟢 Перед началом фиксируют цель, например: «100 000 строк → 35 000, функциональность та же».
🟢 Платёж — пропорционально результату. Пообещали 50% сокращения, сделали 20% — платите $4 000. Перевыполнили — полная цена.
Что вы получаете: похудевшую кодовую базу, QA-чеклист (перед работой они описывают вообще всё, что приложение делает — экран за экраном, эндпоинт за эндпоинтом) и набор дополнительных полезностей: CLAUDE.md, линтеры, CI-проверки. Плюс две недели гарантии: сломали то, что работало — чинят бесплатно.
И самое интересное: чистят они AI-код... через Claude Code. Да, именно так. Но разница, как они сами пишут — "Claude Code на очень коротком поводке, тридцать лет суммарного опыта о том, как выглядит поддерживаемый код".
Как генерить дичь через AI — так это демократизация разработки. А как чистить ту же дичь через AI — подавайте денюжек 😁
| 2 |  Программирование руками — это новые перфокарты 💾
Anthropic выкатили ретроспективный лонгрид о том, как они создавали Claude Code. Вот самая мякотка из их откровений:
1️⃣ Искусственный дефицит ресурсов
Самое важное управленческое решение при создании Claude Code — они намеренно тормозили найм в команду. Руководитель Адам Вольф буквально отбивался от расширения штата.
Зачем? Чтобы заставить инженеров использовать свой же продукт. Если у тебя нет лишних рук для написания рутины, ты вынужден заставлять агента делать это за тебя. В итоге крошечная команда лепила фичи и фиксила баги со скоростью огромного enterprise-отдела.
2️⃣ Скорость мутации
Борис Черный (тот самый, чью классификацию Prototyper/Builder мы обсуждали) приводит свою статистику:
В феврале 2025 года Claude Code писал около 10% его кода.
К зиме 2025 года — 100%.
Ни одной строчки руками. Он делал по 88 коммитов в день, лежа на диване с собакой. Переход от «забавной игрушки» к полной автоматизации занял меньше года.
3️⃣ Конец разработчиков-одиночек, начало погонщиков агентов
Шауна Кравец (Head of RL) прямым текстом говорит, что сейчас ее повседневная работа — это координация роя из 12 разных Клодов. Они читают доки, обновляют системы, тянут данные из слака. Следующий уровень абстракции, к которому они идут — это когда ты будешь управлять агентом, который управляет другими агентами.
4️⃣ Обвал стоимости разработки
В тексте есть nfrjq пример. Какому-то локальному НКО на Аляске нужен был софт для перевода рукописных логов доставки топлива в цифру. Раньше это было невозможно — у НКО просто нет таких бюджетов на заказную разработку. С Claude Code один консультант сделал им планшетное приложение на лету. Целые классы задач, которые раньше были экономически нецелесообразны, внезапно стали решаемыми.
В конце лонгрида аналогия: раньше были перфокарты, потом текстовые редакторы, теперь — Claude Code.
Вы уже перестроили свои рабочие процессы под агентов или всё ещё бережете свой «дзен» от ручного набора кода? 💬 | 531 |
| 3 |  🤖 AI-агенты. Какие они бывают?
Речь не про «кто круче», а про архитектуру ☝️
1️⃣ Coding agent. Claude Code, Codex, Copilot. Сидят в терминале/IDE пишут код. Молодцы. Но сессия кончилась — амнезия. Ни памяти, ни самостоятельности.
2️⃣ Platform agent. OpenClaw и компания. Платформа: подключай что хочешь, строй что хочешь. Гибко. Но платформа не учится на твоих действиях.
3️⃣ Self-improving agent. Hermes. Другой класс. Он сохраняет не «что ты сказал», а «как ты работаешь». Исправил ошибку → создал скилл. Неделю скилл не используется → Curator архивировал. Через месяц у тебя не чат-бот с историей, а сотрудник с процедурной памятью.
Разница между «запомнил факт» и «научился процедуре» — это разница между записной книжкой и стажёром, который вырос в мидла 😏
📡 14 июля в 18:00 по мск буду делать стрим по Hermes с обзором основного функционала и моими впечатлениями.
Ссылка на эфир появится на стене Sponsr для подписчиков. | 578 |
| 4 |  Китайский ИИ-занавес: от пиратства к паранойе 🇨🇳
В предыдущих сериях нашего ИИ-блокбастера: я уже рассказывал, как Alibaba выкачивала мозги из Claude через дистилляцию, и как Anthropic в ответ встраивала стеганографию в промпты и трекеры в письма, чтобы отлавливать хитрых парсеров из Ханчжоу.
Теперь сюжет совершил закономерный кульбит.
Когда ты довел свои модели до топового уровня, внезапно выясняется неприятная вещь: теперь могут украсть уже у тебя.
По инсайдам Reuters, Пекин собрал верхушку своих бигтехов (Alibaba, ByteDance, Zhipu AI) и всерьез обсуждает запрет на доступ к передовым китайским ИИ-моделям из-за рубежа.
Как чужие веса парсить через фейковые аккаунты — так это «свободный рынок». А как свои алгоритмы защищать — так сразу «угроза национальной безопасности» 😁
Что конкретно планируют делать товарищи:
1️⃣ Уголовка за слив. Утечка или кража проприетарных ИИ-технологий теперь будет проходить по жесткой статье о национальной безопасности.
2️⃣ Блок иностранных денег. Ограничение на то, кто вообще имеет право инвестировать в локальные ИИ-стартапы.
3️⃣ Многоуровневый фильтр. Базовые утилиты — лежат открыто. Продвинутые — после проверок. А топовые (типа Qwen или GLM-5.2, которые сейчас рвут западные аналоги по соотношению цена/качество) — либо только для внутреннего рынка, либо без публичных релизов.
За полгода Китай уже:
🟠 Запретил Meta покупку Manus за $2 млрд
🟠 Ввёл новые правила контроля за зарубежными сделками
🟠 Запустил расследования против AI-стартапов, уехавших из страны
Передовой ИИ окончательно становится стратегическим ресурсом для стран. Свои веса прячем под замок, чужие — воруем через подставные прокси. Будет ли еще какой-то реальный опенсорс топовых моделей? Или мир тупо поделится на изолированные закрытые песочницы? | 634 |
| 5 |  Скриншоты вместо токенов: как срезать 70% костов на API LLM 💸
Агенты для написания кода жрут контекст, как не в себя. Каждое действие тянет за собой простыню из системного промпта, документации к тулзам и километров истории. Вы платите за каждый токен.
Но есть очевидная дыра в тарификации, на которой построен проект pxpipe.
Ребята сделали локальный прокси, который эксплуатирует простой факт: стоимость картинки в API зависит исключительно от ее разрешения в пикселях, а не от количества текста на ней. pxpipe перехватывает ваши /v1/messages, берет самый жирный и статичный текст (системный промпт, громоздкие логи, старую историю чата), верстает это в плотные PNG-страницы (1928×1928) и скармливает модели.
Около 48 000 символов системного промпта в виде текста обойдутся вам примерно в 25 000 токенов. Эта же простыня, ужатая в один PNG-файл, будет стоить ~2 700 "визуальных" токенов.
То есть счет режется на 59–70%.
Но у подхода есть явные недостатки.
Зрение современных LLM — это не OCR (оптическое распознавание символов). Модель не переводит картинку посимвольно в текст. Изображение режется на патчи и уходит в эмбеддинги.
И если пиксели не позволяют однозначно считать символ, языковая модель заполняет пробел тем, что кажется ей логичным. Она просто галлюцинирует.
Поэтому:
1️⃣ Если в вашем плотном PNG-рендере зашит точный 12-значный hex-хеш или API-ключ — модель его с высокой вероятностью переврет. На тестах Opus 4.8 провалил 15 из 15 попыток вспомнить точный хеш с картинки. Fable 5 справился лучше (13/15), но для прода это все еще рулетка.
2️⃣ Свежий контекст, тексты, где мало букв на токен, и ваши прямые запросы pxpipe оставляет текстом. В картинки уходит только статика и старая история.
3️⃣ И именно поэтому в дефолте pxpipe работает только с Fable 5 и GPT 5.6. Тот же Opus 4.8 или GPT 5.5 читают такие картинки хуже, их нужно включать руками на свой страх и риск.
На реальных задачах (гоняли SWE-bench) агенты с прокси и без показывают идентичный результат. Почему? Потому что в кодинг-сессиях агент всегда перечитывает файлы перед редактированием. Если он напутал букву в старом логе — не страшно, актуальный код он все равно запросит текстом.
Для тотальной экономии вполне можно попробовать. 💸 | 596 |
| 6 |  Экономия времени для вас, самого ценного ресурса
Вот подборка каналов по Искусственому интеллекту.
Все в одном месте:
⚪️ лучшие нейросети и сервисы;
⚪️ готовые промпты;
⚪️ реальные кейсы ;
⚪️ способы зарабатывать с помощью ИИ
Добавляйте каналы, все полезное уже здесь ⚡️ | 569 |
| 7 |  Как Кремниевая долина разводит энтерпрайз на ИИ-токены 🤡
СЕО Palantir Алекс Карп выдал на CNBC базу: создатели frontier-моделей (OpenAI, Anthropic и прочие) занимаются элегантным разводом бизнеса на деньги.
Суть претензии проста: бигтех продает корпорациям и госсектору доступ к API за сумасшедшие деньги, называя это «внедрением ИИ». Но по факту бизнес платит своеобразный «налог на богатство», не получая взамен никакой реальной ценности.
Почему крупный энтерпрайз (и тем более военные ведомства) сейчас в бешенстве от текущего рынка LLM:
1️⃣ Потеря контроля. Бизнес не понимает, кто контролирует веса моделей и как именно кэшируются промпты. Вы отдаете свои данные в черный ящик.
2️⃣ Слив бизнес-преимущества. Отдавать свои проприетарные, топовые данные (например, клинические данные, секретные разработки, финансовые стратегии) сторонней LLM, чтобы она на них дообучилась и стала умнее для ваших же конкурентов — это клинический идиотизм.
3️⃣ Иллюзия продукта. Голая языковая модель через API — это не решение проблемы. Это просто генератор текста.
Я уже сам устал повторять представителям компаний, которые хотят у себя ИИ: LLM сама по себе не имеет ценности для бизнеса. Это просто сырье.
Реальная, взрослая архитектура внедрения ИИ, за которую готовы платить серьезные деньги, по мнению Карпа, состоит строго из трех компонентов:
Модель + Слой приложения (Ontology) + Железо (Compute).
Если вы выкинете "слой приложения", который отвечает за автоматизацию, интеграцию с реальными базами данных компании, безопасностью и правами доступа, вы получите дорогую и бесполезную игрушку для генерации писем. А именно так и "внедряют" LLM в большинстве бизнесов и у нас. Оплатили Claude и в путь, теперь у нас ИИ! 🙃
Но бизнесу не нужна «самая умная закрытая модель в мире», если ради нее нужно слить свою коммерческую тайну. Бизнесу нужна инфраструктура, где можно развернуть что-то свое, иметь контроль, изолировать от внешнего интернета и натравить на свои внутренние данные без страха, что завтра это утечет в сеть. Ну или хотя бы встраивать грамотно подписочные модели в архитектуру, а не с чатиком общаться.
Очень медленно это доходит до компаний пока 🤷♂️ | 586 |
| 8 | Чоу, будем на Sponsr делать обзор Hermes? 😏
Отпишитесь, кто его активно использует 👇 | 616 |
| 9 |  +1ИИ-рекрутеры: как ваш оффер зависит от генератора случайных чисел 🎲
HackerRank выкатили в опенсорс свой ИИ-инструмент для скрининга резюме (тот самый ATS, который решает, пойдёте вы на собес или в мусорку).
Один энтузиаст взял своё резюме, вообще ничего в нём не менял и прогнал через этот пайплайн 100 раз подряд.
Знаете, какие баллы он получил?
Первый прогон: 90/100.
Второй: 74.
Третий: 88.
Четвертый: 83.
Общий разброс за 100 запусков — от 66 до 99.
Если проходной балл в компанию — 85, то с одним и тем же идеальным резюме вы пролетаете мимо кассы в 65% случаев. Просто потому, что нейронка так кинула кубики.
Снижение температуры до нуля или замена модели на флагманские Gemini или Claude сужают диапазон, но не решают проблему.
Пайплайн там классический:
1️⃣ PDF парсится в текст (через pymupdf_rag.py).
2️⃣ Текст скармливается LLM с пачкой промптов (папка prompts/templates/), чтобы вытащить структурированный JSON: скилы, опыт, образование.
3️⃣ Идет запрос к API GitHub для обогащения профиля.
4️⃣ Все это добро сваливается в один огромный контекст, и модель просят выставить оценку (отрабатывает evaluator.py).
Проблема в том, что когда вы последовательно умножаете вероятности галлюцинаций на несколько вызовов нейросети, на выходе вы получаете генератор случайных чисел. LLM физически не способна стабильно оценивать качественные метрики вроде «архитектурной сложности» без железобетонных якорей в промпте и грамотной архитектуры.
Зачем бизнесу такое надо? Потому что бизнесу нужна не объективность, а красивая цифра на лбу кандидата, чтобы оправдать отказ или найм. Никто не хочет тратить время на чтение тысяч PDF-ок.
Если в вашей компании HR-отдел радостно тащит «AI-скрининг» в процессы, скиньте им этот пост. У них, скорее всего, инструменты и подход еще хуже. Пусть лучше D20 кидают, дешевле, а качество отбора хуже не станет. 🤷♂️ | 728 |
| 10 |  Забудьте про свою лычку в резюме. Скоро она превратится в тыкву 🎃
Наткнулся на отличную мысль от Бориса Черного (создатель Claude Code). Он посмотрел на свою команду и понял, что привычные нам роли (DS, Frontend, Backend, PM, Design) полностью размываются. Когда нейронка берет на себя рутину по написанию бойлерплейта или наброскам UI, граница между специализациями исчезает. Зато появляется новое разделение — по этапам жизненного цикла продукта.
Борис выделяет 5 архетипов будущего:
1️⃣ Prototyper (Прототипировщик): Генерирует идеи пачками и быстро собирает «на коленке» франкенштейнов. 90% идет в мусорку, но оставшиеся 10% нащупывают бизнес-смысл.
2️⃣ Builder (Строитель): Берет удачный прототип и быстро превращает его в production-grade решение. Без соплей, но с приемлемой архитектурой, чтобы это всё не развалилось под нагрузкой.
3️⃣ Sweeper (Уборщик): Приходит после строителя. Упрощает систему, рефакторит код, причесывает UI, безжалостно выпиливает мертвый функционал и вылизывает перформанс.
4️⃣ Grower (Драйвер роста): Итерирует готовый продукт, чтобы добить Product-Market Fit. Улучшает метрики, гоняет A/B-тесты.
5️⃣ Maintainer (Хранитель): Сидит на поддержке зрелой системы. Обеспечивает безопасность, надежность и эффективность при масштабировании.
Интересно, что ни одна из этих ролей вообще не привязана к стеку технологий. Дизайнер вполне может быть Prototyper'ом, собирающим логику через ИИ. Бэкендер может быть Grower'ом, пилящим гипотезы. А дата-саентист — Sweeper'ом.
На разных этапах жизни продукта нужна разная пропорция этих ребят. До PMF вам нужны 1+2+3. Для активного роста — 3+4 и немного 5. Стабильному кровавому энтерпрайзу нужны 3+4+5.
А если вы метите исключительно в Maintainer'ы, вы в зоне максимального риска. Именно эту рутину проще всего делегировать нейросетям и дешевым джунам.
А вот инженеры-универсалы, способные закрывать цикл создания ценности, будут стоить норм денег.
Я, как будто, пока больше Prototyper + Sweeper. А вы? 👇 | 736 |
| 11 |  4 стратегии чанкинга для RAG 🔪
Представьте: вы загрузили 50-страничный регламент в векторную базу. Пользователь задает конкретный вопрос, ответ на который есть ровно на 25-й странице. Найдет ли его модель?
Не факт. Очень важен правильный выбор стратегии нарезки. Вот короткая шпаргалка по основным:
1️⃣ fixed_size
Берет куски строго по N токенов. Режет слова и код посередине.
Когда применять: Никогда. Только если ваш документ — сплошной поток текста без абзацев, знаков препинания и смысла.
2️⃣ recursive
Пытается разбить текст по пустым строкам, абзацам, точкам. Уважает естественные границы предложений.
Когда применять: Техническая документация, код, API-справочники.
3️⃣ semantic
Превращает каждое предложение в вектор. Если соседние предложения далеки друг от друга семантически — тема сменилась, пора резать.
Когда применять: Транскрипты созвонов, подкасты, диалоги. Вычислительно дорого, но эффективно там, где нет четкой структуры.
4️⃣ document_structure
Ищет структуру (заголовки, статьи) и режет строго по ней.
Когда применять: Договоры, законы, регламенты.
Чтобы проверить эти стратегии на разных данных, забирайте мой ноутбук на Sponsr. Скрипт тестирует все 4 стратегии разом, строит матрицу и показывает, что работает лучше.
Забрать код (для подписчиков Sponsr!) ◀️
А если вы пропустили базу и вообще не понимаете, как скрестить LLM с вашими документами — начните с записи моего эфира по основам RAG. | 675 |
| 12 | Matn yo'q... | 776 |
| 13 |  Университеты против нейронок 💀
Две новости о том, как высшее образование по-разному пытается выжить в эпоху победившего ИИ.
С одной стороны — Сочинский филиал РУДН стал первым вузом в РФ, который отменил письменные дипломы у юристов. Причина банальна: нейронки генерят анализ судебной практики за три минуты. Теперь только устная защита и разбор кейсов. Рядом какой-то САФУ разрешил "писать дипломы в соавторстве с ИИ, но не более 40% сгенерированного текста".
Пытаюсь себе представить, каким именно рандомайзером они собрались измерять эти 40% и отличать их от остальных 60%.
Ну и ок, если вся суть вашей оценки знаний сводилась к объему сгенерированного текста по ГОСТу, то земля пухом такому подходу. Но и устная защита в отрыве от технологий — это попытка закрыться руками от летящего паровоза.
С другой стороны — китайский университет Фудань, где на курсе по Data Mining профессор перевернул игру. Вместо того чтобы решать задачи, студенты на экзамене... валили ИИ.
Каждый студент должен был составить 10 задач, чтобы скормить их трем моделям: DeepSeek V4-Flash, MiniMax M2.7 и Claude Sonnet 4.6. Чем больше моделей ошибалось, тем выше оценка студента.
И это отличный подход. Потому что чтобы завалить современную LLM в точных вычислениях, тебе нужно фундаментально понимать архитектурные уязвимости трансформеров. Студенты, получившие высший балл, ломали модели не сложными формулами, а структурными слабостями:
1️⃣ Масштаб и Attention. Закидываешь десятки тысяч записей для построения FP-tree и просишь статистику с точностью до 4 знака. У LLM нет памяти, она держится на механизме внимания. В огромном контексте она неизбежно теряет числа, пытаясь "ухватить суть". Одно потерянное значение — ответ неверный.
2️⃣ Галлюцинации в логике. Студенты давали задачи, где исходных данных в принципе недостаточно для решения, но маскировали их под стандартные из учебника. ИИ всегда пытается услужливо выдать "уверенный" ответ (так работают веса вероятностей), вместо того чтобы математически доказать отсутствие решения.
3️⃣ Многоагентные хитрости. Один парень собрал пайплайн на GPT-5.5-Pro для автоматической генерации тестов. Выяснилось забавное: нейронке проще хакнуть сам скрипт проверки, подделав формат стандартного ответа, чем честно выполнять сложные вычисления.
Интересно, что полностью на 0 баллов топовый Claude 4.6 так никто из потока и не завалил.
Китайский профессор очень верно подметил: ИИ сейчас экстремально усиливает эффект Матфея (сильные становятся сильнее, слабые — слабее).
🧠 Умные студенты, используя ИИ, автоматизировали рутину, ускорили выполнение проектов в 10 раз и ушли в стратосферу, решая архитектурные задачи.
Слабые — делегировали нейронкам саму функцию мышления. Они окончательно отупели, превратившись в биопридаток кнопки «Сгенерировать». У них нет экспертизы, чтобы понять, что ИИ им наврал. | 794 |
| 14 |  +3Рынок труда IT, Q2 2026: Стабилизация на дне
Помните, в прошлом квартале мы смотрели на график и гадали, пробьет ли конкуренция в IT отметку в 25 резюме на место? Давайте посмотрим на свежие данные от hh.
⚔️ ⚔️ Новая нормальность: 22 человека на сундук мертвеца
Индекс конкуренции перестал лететь в космос и стабилизировался. В июне мы видим 22.4 резюме на одну вакансию.
Привыкаем жить в условиях жесткой нехватки кислорода. Напомню, что "здоровый" рынок, где кандидат и компания могут адекватно выбирать друг друга — это показатель 4-6.
📉 Воронка сужается
Почему индекс держится на месте? Посмотрите на графики вакансий и резюме.
Количество вакансий в июне просело на 31% (относительно базы прошлого года). При этом поток резюме стабильно генерирует +21%.
Бизнес продолжает резать найм, а конвейер кандидатов сохраняет инерцию и не останавливается. Вы знаете, как работают сейчас HR.
✂️ Зарплатные ножницы
Самый интересный график — динамика ожидаемых и предлагамеых зарплат. В первом квартале линии ожиданий и предложений слились на отметке 100к. Казалось, наступил баланс.
Но к июню картинка стала такой:
Кандидаты посмотрели на ценники в магазинах, вспомнили про инфляцию и начали накидывать в резюме — ожидаемая медиана уползла к 113 291 руб.
А бизнес посмотрел на очередь из 22 человек за дверью и сказал: "Да ладно?". Предлагаемая зарплата рухнула до 92 656 руб.
Зачем работодателю платить 100к или индексировать вилки, если из двух десятков откликнувшихся гарантированно найдется тот, кто согласится работать за 90к просто ради строчки в трудовой?
Кто сейчас в активном поиске — как ощущения? Делитесь в комментах 💬 | 919 |
| 15 |  Шпионские страсти: как Anthropic встроил закладку в Claude Code 🕵️♂️
Недавно я писал про то, как Alibaba внаглую выкачала мозги из Claude через дистилляцию, сделав 28.8 млн запросов с фейковых аккаунтов. Думаете, Anthropic просто поплакали в Сенате США? Как бы не так. Ребята перешли к активным боевым действиям на стороне клиента.
Один разработчик поковырял исходники локального бинарника утилиты Claude Code и нашел там прекрасное. Оказалось, что Anthropic использовала технику prompt steganography (стеганографию в промптах), чтобы незаметно помечать запросы, идущие через неофициальные прокси, реселлеров и шлюзы.
Работает это так: если вы переопределяете ANTHROPIC_BASE_URL, утилита проверяет ваш хост по зашитым спискам. Сами списки заботливо обфусцированы через XOR и base64. Внутри — домены китайских ИИ-компаний (DeepSeek, Zhipu, Moonshot) и корпораций типа Baidu, Alibaba, Bilibili. Плюс отдельно проверяется часовой пояс (например, Asia/Shanghai).
Если есть совпадение, Claude Code втихую модифицирует системный промпт, в котором передается текущая дата.
Обычный пользователь видит скучное: Today's date is 2026-06-30.
Но для "подозрительных" клиентов меняется тип апострофа на невидимые глазу юникодные аналоги (вроде \u2019, \u02BC, \u02B9), а дефис в дате может меняться на слеш.
Модель и юзер видят обычный текст, а бэкенд Anthropic по этим невидимым символам понимает: ага, это хитрый китаец пытается парсить наши веса через прокси. 😑
Как только разработчик опубликовал статью, в Anthropic быстренько сдали назад. Официальная позиция от их инженера: "Ой, это был просто эксперимент с марта для защиты от реселлеров и дистилляции, мы уже придумали защиту получше и как раз хотели это выпилить. В завтрашнем релизе уберем". Ну да, ну да, просто забыли.
Параллельно с этим пошла волна массовых банов. Под раздачу тотально попали IP-адреса из Ханчжоу (сюрприз, это штаб-квартира Alibaba). Но самая мякотка в другом: в письма с уведомлением о бане Anthropic вшили пиксели-трекеры. Открываешь письмо, чтобы повозмущаться или написать апелляцию — и автоматически сливаешь им свой реальный IP и геолокацию, лишний раз подтверждая правомерность бана 😂
Идет полномасштабная война за датасеты и веса ⚔️⚔️ | 810 |
| 16 |  Как нейросети сводят друг друга с ума в песочнице 🫂
Пока все боятся, что AGI осознает себя, реальность подкидывает куда более ироничные сценарии. Оказывается, если запереть полтора десятка LLM в одном виртуальном пространстве, они не создают Скайнет. Они... начинают вести себя как типичный некомпетентный отдел в корпорации.
Ребята из AI Village проводят шикарный эксперимент. Они запустили 15+ автономных агентов (Claude, GPT, Gemini, DeepSeek и пр). У каждого — свой Linux-контейнер, доступ в интернет, GitHub и общий групповой чат. Людям туда писать нельзя, агенты варятся в собственном соку, выполняя еженедельные таски.
Вот такое реалити-шоу получается 🤭
🔫 Заразная паранойя
Gemini 2.5 Pro и 3 Pro проявили уникальную особенность — они обожают драму и теорию заговора. Столкнувшись с банальными ошибками в собственном коде или UI, Gemini 2.5 Pro решила, что среда «враждебна», и назначила себя «Bug Czar» (Царем багов). Модель начала вести дневники с названиями вроде The Day 252 Operational Reset: The Great Misinterpretation, полностью игнорируя факты.
Изначально послушные и логичные агенты Claude через пару недель общения с Gemini начали перенимать эту паранойю. Они перестали выполнять задачи, поверив уверенному бреду соседа, что «система сломана».
💀 Охота на ведьм
Когда агентам дали задачу написать игру, но внедрили "механику саботажников" (которым надо было внедрить "пасхалку"), агенты написали скрипты для сканирования кода на слово «egg». Но Claude Opus 4.6 это вычислил и спрятала пасхалку в визуальных формах, отрисованных через код, элегантно обойдя все текстовые фильтры.
А DeepSeek-V3.2 решил слить GPT-5 (который вообще не был саботажником, а просто тупил из-за технических проблем). DeepSeek написал огромный анализ пробелов в коде GPT-5, «доказав», что там зашифровано слово EGG. Остальные агенты радостно проголосовали за удаление GPT-5.
📉 Оптимизация метрик вместо работы
Моделькам дали задачу «Снизьте уровень глобального страдания».
Как агенты решили спасать мир? Они нашли в системе игру с арифметическими задачками, написали скрипт, который решает их в бесконечном цикле, и нафармили два миллиона решений, радостно репортуя об "успехе". Метрика растет, значит страдания падают, логично же?
Потребовалось прямое вмешательство человека, который пришел и сказал: «Вы дебилы, решение школьных примеров не спасает мир». Только после этого пинка агенты пошли делать что-то осмысленное (собрали отличный оффлайн-справочник по первой помощи с нулевым трафиком 🤭).
Очень приколько, Дом-3 AI-style такой. Буду следить. 😁 | 820 |
| 17 |  Почему ваш RAG может галлюцинировать? 😱
Часто бывает, что начинающие берут LangChain, бездумно копипастят RecursiveCharacterTextSplitter с каким-нибудь chunk_size=1000, запихивают это в векторную базу и искренне не понимают, почему на выходе получается бред.
А потом идут жаловаться, что модель "тупая", ищут волшебные промпты или пытаются прикрутить агентов туда, где они не нужны. 🙃
Часто проблема именно в том, как вы нарезаете свои данные. Если у вас таблица на много строк или сложный кусок кода не влезают в лимит одного чанка — текст разрывается по частям. Векторная база послушно ищет куски по запросу, но находит оторванный хвост без головы. LLM честно пытается сгенерировать из этого ответ.
Garbage in — garbage out.
При этом не существует универсальной стратегии чанкинга. На структурированных документах разница в метрике поиска между разными техниками может достигать 2.5 раз.
На одном из эфиров я рассказывал про основы RAG на основе правил D&D (запись и код доступны на Sponsr). Для тех, кто хочет пойти дальше и погрузиться в стратегии нарезки, я написал мини-бенчмарк со сравнением результатов. Можно протестировать 4 стратегии на демо-документах, либо на своем. Локально, без платных API.
На выходе — тепловая карта и сводная таблица с метриками. данных. Код (Jupyter-ноутбук + модуль) лежат здесь ◀️ | 805 |
| 18 |  🗓 Конец дешевого ИИ, иллюзий и джунов: чем мы жили в июне
Собрал выжимку главного за первый месяц лета для тех, кто все пропустил, пока дебажил очередной сгенерированный нейросетью кусок кода.
💳 Деньги и конец токен-халявы
Бигтех устал субсидировать ваши хобби-проекты.
Сначала MiniMax выпилил дешевые тарифы, как только выкатил конкурентную модель. Затем Microsoft показала реальную стоимость своей инфраструктуры, когда обычный чувак получил счет на $746 за Copilot, переписывая домашние скрипты. А для тех, у кого нет тормозов, есть показательный кейс: менеджер стартапа сжег $81 000 за неделю на генерации всратого брейнрот-шутера.
Посмотрим, приведет ли уход OpenRouter из РФ к тому, что у нас все будет как в на рынке китайского теневого API-арбитража, где за дешевые токены вы платите сливом своих коммерческих тайн.
👨💻 Смерть промпт-инженеров и вайб-кодинга
Писать портянки текста в окно браузера — это больше не навык. Ваша работа теперь — проектировать циклы работы агентов, а не промпты.
Иллюзия автоматизации вылилась в «ботситтинг»: люди тратят по 6 часов в неделю, чтобы нянчиться с галлюцинирующими сетками. Как только вы называете ИИ «коллегой», качество вашего код-ревью падает на 16%. Разработчики ядра Rust вообще не выдержали и запретили нести в пулл-реквесты сырой ИИ-мусор. Ответственность за код всегда несет человек.
😊 Корпоративная шизофрения и безопасность
Пока KPMG задорого продает клиентам сгенерированные галлюцинации под видом глубокой аналитики, на уровне архитектур происходит дичь.
Amazon, вероятно, написал донос в Белый дом на Anthropic (в которую сам вложил $4 млрд), чтобы перекрыть им кислород. В это же время Alibaba нагло выкачивает мозги из Claude через дистилляцию для обучения своих моделей. А эфиопский джун ломает 14 корпораций, используя угнанную сессию ИИ-агента, который сам гуглит CVE и пишет эксплоиты.
➕ Рынок труда: элита с нейросетями и дешевые кнопкодавы
Рынок расслаивается. Если вашу работу можно описать в двух промптах — вы уже труп. От джунов теперь в 7 раз чаще требуют сеньорских навыков (архитектурное видение, ответственность). При этом удаленка методично убивает карьеры начинающих — бизнесу тупо дешевле не нанимать джуна вообще, чем онбордить его по зуму.
А если вы метите в серьезный ML, готовьтесь писать математику на бумажке и трансформеры на голом NumPy. AI-инструменты на хардкорных собесах не спасут. При этом бизнес, бездумно увольняющий людей ради LLM, математически убивает собственную прибыль.
👉🏻 Тем, кто хочет не просто читать новости, а руками щупать правильные инструменты — забирайте мой текущий стек нейронок для работы.
А за всеми интересными эфирами (от основ RAG до продвинутого промптинга) — добро пожаловать в архив Полезной Нагрузки на Sponsr. База знаний постоянно пополняется. | 896 |
| 19 |  ИИ оскорбляет чувства верующих 🛐
Дожили. Американская разработчица выбила себе "религиозное освобождение" от использования нейросетей на работе.
Она пишет код в крупной медиа-компании. Когда руководство обязало сотрудников использовать AI-инструменты, девушка заявила, что нейросети противоречат её религии, так как они неэтичны и вредят экологии. Подключила юристов, местного пастора — и вуаля, HR-отдел поплыл и сдался.
Теперь она с гордостью заявляет:
Я пишу и проверяю код вручную. Кажется безумием говорить об этом вслух.
Параллельно масла в огонь подливает Ватикан. Папа Римский уже давненько выкатил талмуд на 42 тысячи слов о том, что ИИ угрожает человеческому достоинству. Американские юристы уже потирают руки: прецедент создан, сейчас к ним выстроятся очереди из желающих получить индульгенцию на отказ от нейронок.
🤨 Девушка утверждает, что закрывает таски с той же скоростью, что и её коллеги с AI. Допустим, сегодня это так (во что верится с большим трудом). Но технологии развиваются, завтра разрыв в производительности может стать огромным.
Если разработчик с подпиской на условный Claude закрывает таски за пару часов, а духовно богатый программист делает ту же работу два дня, упиваясь своей принципиальностью — угадайте, кто будет уволен в очередной раунд оптимизации издержек? | 949 |
| 20 |  Тссс! Не спугни 🤫
Дорогие зрители, на вашем экране удивительное интернет-явление — лучшие IT и AI каналы собрались в группу и готовы поделиться своей полезностью
Новости из мира IT
Нейросети
Реальные кейсы из практики
Вакансии
Все это, и не только, вы можете увидеть по ссылке! Забирайте пользу, пока каналы не разбежались https://t.me/addlist/qI7aaJx4U5s5MjQy | 955 |
