LeRobot 🦾

Проект LeRobot от Hugging Face - набор опенсорс моделей, фреймворков, датасетов и туториалов для робототехнического прототипирования (лицензия Apache 2.0).

Основные компоненты:

1. Опенсорс модели (Groot, Pi0 Fast, Pi 0,5 и др.) – можно дообучать под свои задачи. (Ссылка)
2. Открытые датасеты – упрощают тренировку моделей. (Ссылка)
3. Роботы – например, рука SO-100 и гуманоид Reachy 2

• Рука SO-100: две руки (ведущая и ведомая), разработана для новичков. Детали можно напечатать на 3D-принтере и собрать за ~ $115 или купить готовую за $500. Используется имитационное обучение, телеуправление робота человеком для записи траектории выполнения задачи. На базе этих данных обучается VLA модель. Hugging Face проводит хакатоны на базе LeRobot и SO-100 для развития сообществ вокруг опенсорс робототехники. (Пример сбора и обучения рук).

• Гуманоид Reachy 2 от Pollen Robotics (стартап недавно приобретен Hugging Face), стоимость робота $70 тыс.

Возможно, в будущем появится магазин приложений для роботов, откуда можно будет брать уже готовые навыки. Или даже роботы будут общаться и обмениваться навыками через облако и оплачивать криптой🙄

OpenAI выпустили свой гайд по созданию агентов (Ссылка)

Внутри шаблоны проектирования, лучшие тактики для развертывания и мониторинга, а также много примеров.

Некоторые основы:
➜ Каждый агент имеет три основных компонента:
• Модель (мозг)
• Инструменты
• Инструкции о том, как себя вести

➜ Выбор правильного мозга (LLM):
Настройте evals, выберите самую интеллектуальную модель, чтобы понять максимальные возможности, потом можете переключаться на более дешевые и медленные модели

➜ Инструменты:
Выбирайте определенные и проверенные инструменты. Агенту нужны инструменты для извлечения данных и контекста, а также для выполнения действий.

➜ Инструкция:
Будьте предельно ясны, сообщая агенту его цели, шаги и правила. Расплывчатые инструкции = непредсказуемый агент.

➜ Советы по разработке:
• Начните с одного агента с несколькими инструментами.
• В мультиагентных системах используйте агента-«менеджера» для координации.

➜ Gaurdrails:
Определите ограничения, которые не позволяют агенту выдавать нежелательный, опасный или неправильный контент.

➜ Тестируйте и улучшайте:
Начинайте с малого, предусмотрите план на случай сбоев.

Гайды по агентам также есть у Anthropic и Google

Итоги зимнего батча Y Combinator W25

• 160 компаний
• 133 компании в сфере ML/AI
• 107 компаний из США
• 21 компания основана женщинами

Интересные стартапы💡

Abundant
API для телеуправления агентами, решает проблему низкой надежности агентов. API фиксирует сбои в работе агента и позволяет оператору-человеку вмешаться и взять управление на себя.
Сайт

Browser Use
Инструмент для работы ИИ-агентов в браузере. Китайский ИИ-агент Manus используют его, чтобы перемещаться по меню сайтов и заполнять формы в браузерах.
Сайт

Nextbyte
ИИ для поиска лучших «вайб-кодеров».
Сайт

Pickle
ИИ-аватар для Zoom-звонков.
Сайт

Red Barn Robotics
Робот-пропольщик для борьбы с сорняками, работает в 15 раз быстрее человека.
Сайт

Onlook
Cursor для дизайнеров, упрощает и ускоряет совместную работу команды разработки.
Сайт

Rebolt
ИИ-агент для управления ресторанами.
Сайт

Retrofit
Виртуальный бутик винтажной одежды, отобранной ИИ.
Сайт

Splash
Автономные патрульные катера.
Сайт

GradeWiz
ИИ- агент для проверки студенческих работ.
Сайт

Misprint
Платформа для торговли карточками Pokémon. Рынок: ежегодно продается $3,5 млрд подержанных карточек.
Сайт

Adam
AI copilot для CAD-дизайна.
Ускоряет работу инженеров в 10 раз.
Сайт

Интересно: Grok 3 Mini Reasoning показывает уровень интеллекта, сопоставимый с o4 mini(зелёный квадрат), но стоит в 5 раз дешевле 😅

Доступен через API xAI или у провайдеров, например в OpenRouter

Также можно уже использовать в инструментах разработки, таких как Vercel, Cursor, Windsurf и других.

Сегодня мой день рождения🥳
Мой главный день в году ❤️

Хочу сказать вам спасибо, что вы читаете мои посты. Потому что писать посты для меня - это чистый кайф. Ощущение, что я могу писать вот абсолютно все, что хочу.

Пример проекта X: Safe Superintelligence — проект Ильи Суцкевера, направленный на создание безопасного суперинтеллекта.

Ещё в OpenAI он говорил о важности масштабных инвестиций в эту область, однако у компании были иные приоритеты.

Немного о самой проблеме.
Одна из стадий обучения LLM — alignment (выравнивание). Она следует после этапа предварительного обучения (pretrain).
На этом этапе цель — сделать ответы модели безопасными и соответствующими человеческим ценностям. Например, компания Anthropic выделяет три основных критерия для оценки ответов:
• Helpful — ответ должен помогать пользователю решать задачу.
• Harmless — не должен причинять вред.
• Honest — должен быть честным и фактически корректным.
Оценку таких ответов обычно проводят AI-тренеры — эксперты в соответствующих областях.

Теперь представьте:
Мы дошли до уровня суперинтеллекта (ASI) — интеллекта на уровне PhD в каждой области знаний. Как в таком случае оценивать его ответы? Сможет ли человек понять все ответы и отличить полезное от опасного? Это остаётся открытым вопросом.

Safe Superintelligence — важный проект для всего человечества, который может приблизить нас к безопасному суперинтеллекту. В 2024 году стартап Ильи Суцкевера привлёк $1 млрд, а в 2025 ещё $2 млрд при оценке в $32 млрд.

Проект X

Робин Шарма в своей книге «Богатство, которое не купишь за деньги» пишет об идее Проекта X.

Важно не распыляться в погоне за множеством возможностей, а найти в себе смелость и силы сосредоточиться на одном проекте. Это тот единственный проект, который докажет вашу гениальность, вдохновение, упорство и смелость. Не сотни идей, не десятки — только один.

Похожую мысль высказывал и Стив Джобс: лучше сделать несколько отличных вещей, чем множество посредственных.

А вы уже нашли свой Проект X?
#личныйопыт

Раньше конкурентным преимуществом могла быть технология: «у нас уникальная модель»,«сложная архитектура», «своя внутренняя команда разработки».

Сейчас ИИ генерирует код, собирает MVP за недели и скоро возьмёт на себя всю разработку. Любое решение можно воспроизвести за месяцы, если не быстрее.

Что тогда остаётся?
• Traction — подтверждённый спрос и метрики роста.
• Switch Cost — стоимость переключения на решения конкурента.

С момента выхода o1 прошло всего полгода, а рассуждающие модели OpenAI стали умнее, быстрее и дешевле. Они освоили visual reasoning, а главный фокус теперь — взаимодействие с внешним миром.

1️⃣Новые модели: o3 и o4-mini.

2️⃣o3 заменяет o1, а o4-mini и o4-mini-high приходят на смену o3-mini и o3-mini-high.

3️⃣o3 и o4-mini умеют работать с изображениями и использовать их в рассуждениях. Они применяют разные методы редактирования: кадрируют, увеличивают, поворачивают. Даже размытые или плохо ориентированные изображения больше не проблема.

4️⃣Модели умеют пользоваться всеми инструментами ChatGPT, включая генерацию картинок, создание графиков, загрузку файлов, поиск актуальной информации, написание кода и так далее. Они прибегают к ним как настоящие агенты.

5️⃣Модели стали точнее, быстрее и дешевле. Показывают лучшие результаты в кодировании, математике и визуальных задачах.

6️⃣Доступность:
ChatGPT Plus, Pro и Team — уже доступно. Enterprise и Edu — через неделю. Бесплатные пользователи могут попробовать o4-mini в режиме Think. API поддерживает o3 и o4-mini. o3-pro с поддержкой инструментов будет запущен через несколько недель.

7️⃣API - возможности: Контекстное окно до 200 000 токенов. Выходные токены до 100 000. Знания моделей до 1 июня 2024 года.

8️⃣Цены в API (за 1 млн токенов):
o3
• Вход: $10.00
• Выход: $40.00
• Кэшированный вход: $2.50
o4-mini
• Вход: $1.10
• Выход: $4.40
• Кэшированный вход: $0.275
📉Сравнение: o3 стал дешевле по сравнению с o1 на 33%

Каждый день появляются новые ИИ-инструменты: один пишет за тебя текст, другой придумывает идею, третий ещё что-то. Следить за всем этим интересно, но часто утомительно.

К счастью, есть я и Максим (автор канала @max_i_neiroseti). Мы разбираемся и хотим поделиться своим опытом 😎❤️

Как я использую ИИ?
➡️Чтение статей и отчетов
Загружаю статью или открывок в LLM для суммирования и пояснения сложных мест. Если в контексте есть математика или логические задачи, переключаюсь на модель рассуждений. Обычно использую DeepSeek и ChatGPT. Для X (твиттера) - Grok.

➡️Вайб-кодинг для быстрых прототипов
Использую Replit Agent и Cursor (Composer) для тестирования гипотез. Агент автономно пишет и редактирует код. Да, иногда возникают проблемы, но инструменты становятся лучше. Для новичков есть курсы на deeplearning.ai

➡️Анализ видео
Много смотрю лекций и подкастов на YouTube. Иногда использую Gemini 2.0 Flash и Yandex GPT для саммари и анализа идей. Помогают быстрее понять сложные темы.

➡️Голосовые заметки
Часто надиктовываю что-то голосом для постов и заметок. Для транскрипции использую Super Whisper.

➡️Генерация изображений и видео для постов
Обожаю этот процесс, представляю себя немного художником, даже становлюсь чуть талантливее😅 Каждый раз экспериментирую с разными: генератор изображений Reve, новый Higgfield AI, в Qwen доступны генераторы видео и изображений, в Kling AI много прикольных фичей.

➡️Исследования
Для учебы и исследования разных тем использую Deep Research от Perplexity и notebooklm.google. Отлично справляются с задачами сбора и анализа информации.

➡️ А теперь читайте классный обзор про NotebookLM в посте у Максима

Забавный подкаст о том, как современные школьники и студенты успевают учиться, участвовать в ИИ-хакатонах и делать проекты для бизнеса 🔥

Кстати, GigaChat 2 стал мультимодальным и умеет работать с видео. Можно попросить написать краткое содержание или ответить на вопросы по ссылке на YouTube видео. Доступен в tg боте

Очень мало AI-проектов заканчиваются успехом, особенно в корпорациях. В основном, успешны где-то 15-20% проектов. Часто причина заключается не в технических ограничениях, а в несоответствии между технической реализацией и бизнес-целями.

Главные проблемы:
• Дата сайентисты создают технически сложные модели, но не всегда решают бизнес-проблему.
• Бизнес ставит нереалистичные ожидания, не понимая технических ограничений.

Решение — улучшение коммуникации используя различные подходы, например, ML System Design Canvas.

ML System Design Canvas объединяет классические Business model Canvas и ML System Design.
Фреймворк помогает:
✔️Синхронизировать бизнес и ML-команды с самого начала.
✔️Переводить бизнес-цели в технические метрики.
✔️Планировать развертывание и поддержку ML-систем в продакшене.

Полезные материалы
Статья на Medium
GitHub с презентациями
Если лень разбираться самостоятельно, можете попросить DeepSeek или другую LLM сделать саммари и выделить основные идеи (по ссылке на статью или по файлам).

Тестируйте этот подход на своих проектах, чтобы снизить риски провала🐙

Некоторые ключевые инсайты из подкаста с Кевином Вейлом, CPO (Chief product officer) OpenAI:

➡️Невероятная скорость развития AI: «AI-модели, которые вы используете сегодня — это худшие модели, которые вы когда-либо будете использовать в своей жизни». Каждые два месяца модели обретают новые способности, что требует совершенно иного подхода к работе. Это означает, что если ваш продукт находится на грани возможностей текущих моделей, вам следует продолжать его развивать, так как в скором времени модели станут значительно лучше.

➡️Важность оценки (evals) для продакт-менеджеров:
«Написание evals становится ключевым навыком для продактов». Evals — это тесты, которые позволяют оценить, насколько хорошо модель справляется с определенным набором задач. Понимание того, насколько хорошо модель справляется с задачами (например, на 60%, 95% или 99,5%), критически важно для определения того, какой продукт следует разрабатывать.

➡️Подход OpenAI к разработке продуктов: OpenAI делает ставку на «model maximalism», то есть на максимальное использование возможностей самих моделей, не тратя много времени на дополнительную «обвязку», так как ожидается появление еще более совершенных версий. Философия «iterative deployment» предполагает выпуск продуктов на рынок на ранних стадиях и частые итерации на основе обратной связи.

↪️Компания придерживается подхода bottom-up инициативы и автономности команд.

➡️Возможности для стартапов: OpenAI фокусируется на создании отличного API, который используют миллионы разработчиков. Существует огромное количество нишевых применений AI в различных отраслях и вертикалях, которые OpenAI не сможет охватить самостоятельно. Стартапам следует сосредоточиться на узкоспециализированных проблемах и вариантах использования, где они могут эффективно применять существующие модели.

➡️Ключевые навыки продактов, которых нанимает OpenAI: агентность (high agency), толерантность к неопределенности и умение влиять. Также vibe coding для быстрой разработки прототипов. Ожидается, что в будущем в продуктовых командах появятся специалисты по тонкой настройке моделей (quasi researcher machine learning engineer types).

↪️ Использование AI в работе продуктовых команд: Сотрудники OpenAI активно используют ChatGPT для саммаризации документов, написания спецификаций продуктов и написании evals. Однако потенциал использования AI в повседневной работе еще не реализован в полной мере, и нужно более активно использовать vibe coding.

➡️Советы по промптингу LLM: для эффективного использования LLM не обязательно быть экспертом в промптинге. Техника «poor man's fine-tuning», которая заключается во включении примеров желаемого результата в промпт может значительно улучшить ответ модели. Также полезным может быть указание модели быть кем-то (например, Эйнштейном или лучшим маркетологом) для получения более качественных ответов.

Улучшили память в chatgpt — теперь он может ссылаться на все ваши прошлые разговоры⚡️

Кажется, что ИИ-системы смогут изучать нас на протяжении всей жизни, а ответы на запросы станут более полезными и персонализированными.
✔️Переход от эпизодического взаимодействия к непрерывному взаимодействию.

Что такое Mixture-of-Experts (MoE)?

Mixture of Experts (смесь экспертов, MoE) - это современная архитектура нейросетей, где используются разные "эксперты" для обработки запроса. Во многих современных LLM используется MoE - DeepSeek V3, GPT 4, Llama 4 и другие.

Как это работает?
MoE состоит из множества экспертов (отдельных разреженных слоев) и маршрутизатора (router), который выбирает каких экспертов активировать для каждого входного запроса.

Например, в Mixtral 8x7B каждый слой состоит из 8 блоков полносвязной сети (экспертов), каждый из которых содержит 7 миллиардов параметров. Для каждого токена на каждом слое маршрутизатор выбирает двух из восьми экспертов для обработки данных. Затем он объединяет их результаты и передаёт следующему слою. При этом выбранные эксперты могут меняться от слоя к слою.

Это экономит вычислительные ресурсы, так как вместо активации всей нейросети для каждого входного токена активируется лишь часть экспертов, а значит и параметров.

Зачем это нужно?
• Больше параметров = выше качество: MoE-модели могут иметь миллиарды параметров, но задействуют лишь часть.
• Экономия вычислений: Вместо всей сети работает только 10-20% экспертов.

Ограничения:
• Требует много памяти: все эксперты должны быть загружены в VRAM, даже если не работают. Например, Llama 4 Scout (109B, 16 экспертов) даже в 4-битной квантованной версии не помещается на две RTX 4090.
• Сложность обучения: нужно балансировать нагрузку, чтобы одни эксперты не перегружались, а другие не простаивали.

Вышел новый State of AI 2025 👍

1. Малые модели становятся лучше

В 2022 году модель PaLM с 540 миллиардами параметров преодолела порог в 60% в бенчмарке MMLU. К 2024 году модель Phi-3-mini от Microsoft с 3,8 миллиардами параметров достигла того же результата, что означает 142-кратное уменьшение размера модели за два года.

2. Модели становятся дешевле

Стоимость запросов к моделям уровня GPT-3.5 снизилась с $20 за миллион токенов в ноябре 2022 года до $0.07 за миллион токенов к октябрю 2024 года (Gemini-1.5-Flash-8B) — падение более чем в 280 раз за 18 месяцев. Цены на инференс языковых моделей снижались от 9 до 900 раз в год.

3. Китайские модели догоняют

США лидируют в создании передовых ИИ-моделей, но Китай сокращает разрыв. В 2024 году США разработали 40 значимых моделей, Китай — 15, Европа — 3. Китайские модели сократили качественный разрыв: разница в результатах на ключевых бенчмарках уменьшилась до паритета.

4. ИИ-агенты демонстрируют первые успехи

В 2024 году с появлением RE-Bench был представлен стандарт для оценки выполнения сложных задач ИИ-агентами. Лучшие ИИ-системы превосходят экспертов-людей в 4 раза за короткий временной горизонт (2 часа), но люди демонстрируют лучшие результаты при увеличении времени на выполнения задачи через 32 часа. В некоторых специализированных задачах ИИ-агенты уже соответствуют уровню человеческих экспертов.

5. Бизнес активно внедряет ИИ

В 2024 году доля компаний, использующих ИИ, выросла до 78% (против 55% в 2023 году). Использование генеративного ИИ удвоилось: в 2023 году 33% компаний применяли его хотя бы в одной бизнес-функции, а в 2024 году — 71%.

Ссылка на полный отчёт:
https://hai.stanford.edu/ai-index/2025-ai-index-report

🤖Про роботов.

1️⃣Китайская Unitree показала новую гуманоидную руку Dex5

• Каждая рука весит 1 кг и имеет 20 степеней свободы (16 активных + 4 пассивных).
• Все соединения/суставы обеспечивают плавное управление.
• Пальцы съёмные — можно заменить при необходимости.
• Опционально доступны 94 тактильных датчика.

2️⃣ Sanctuary AI показали результаты переноса навыков из симуляции в реальность. На видео гидравлическая рука прокручивает объект под нагрузкой, демонстрируя точность и адаптивность.

3️⃣Китайский Pudu Robotics и полугуманоид FlashBot Arm
• FlashBot Arm перемещает и доставляет объекты.
• Грузоподъемность 40 кг, 7 степеней свободы (DoF).

4️⃣Physical Intelligence и эксперименты с VLA-моделью
• Единая VLA модель для разнообразных задач с гуманоидными руками.
• Позволяет корректировать поведение робота в реальном времени (трестируют на китайском AgiBot).

5️⃣Гуманоиды Figure 02 работают на заводе BMW
Роботы автономно выполняют реальную работу на производственной линии BMW.

#роботы #гуманоиды #AI

Figure vs Optimus: чья походка естественнее 🤖✨

Гуманоидные роботы начинают ходить более естественно: прямые колени, более плавная походка и покачивание рук 🏃‍♀️

• Оба робота используют обучение в симуляции через Reinforcement Learning (RL). Добавляют domain randomization — массу робота, трение, шумы датчиков, чтобы нейросеть работала в любых условиях.

• Высокочастотный контроль моментов (kHz Torque Control), который корректирует ошибки приводов для более естественной походки.

• Прямой перенос обученной модели на реального робота без доп. настройки (Zero-Shot Transfer).

Как вам кажется, у кого походка естественнее?
1. Figure 02 🤓
2. Optimus 😎
#гуманоиды #роботы

Про self-supervised learning👻

Self-supervised learning (самообучение, SSL) — популярный вид обучения foundation моделей, который позволяет модели понимать что-то о природе данных без разметки.

Для сравнения, в supervised learning («обучение с учителем») - обучение происходит на датасетах с разметкой. Например, для классификации картинок нужен датасет с размеченными картинками (картинка и класс). То есть, к каждой картинке известен ответ, что на ней изображено. Разметка данных требует много времени и ресурсов, поэтому SSL становится популярным.

В SSL создаются псевдо-метки на основе структуры данных. Важно, чтобы модель выучила качественные представления (representation) объектов, которые можно использовать для решения последующих задач (downstream task).

Примеры SSL:
✔️Обучение языковых моделей типа GPT-3. Для них нужно много текста и никакой разметки. Модель учится предсказывать следующий токен на основе предыдущих.

✔️Masked AE для картинок: модель восстанавливает случайно закрытые части картинок, понимая их структуру.

Промежуточные подходы:
• semi-supervised learning: часть данных размечена, а часть — нет.
• weakly-supervised learning: разметка неполная и "грязная"

Посмотри другие виды обучения: https://www.turingpost.com/p/vised

#ликбез

Amazon открыла новую лабораторию ИИ и представила своего первого универсального ИИ-агента 🚀

✔ Лаборатория будет заниматься разработкой технологий для создания прикладных ИИ-агентов, способных действовать как в цифровом, так и в физическом мире.

✔ Разработки будут проводиться на базе foundation моделей Amazon Nova.
http://nova.amazon.com/

✔ Nova Act — это первый продукт лаборатории: агент общего назначения, который может управлять веб-браузером и самостоятельно выполнять простые действия.

✔ Лабораторию возглавили Дэвид Луан (бывший исследователь OpenAI и основатель Adept) и Питер Аббел (основатель Covariant).
#новости

👛 Как ИИ меняет онлайн - шопинг?

Раньше шопинг напоминал охоту, а теперь с ИИ это «God Mode» («режим бога»): персональные подборки сами находят вас.

😊ИИ-примерочные заменяют догадки «подойдет или нет» и показывают, как одежда смотрится на вас. Покупки теперь строятся на визуализации и данных.

😊От «нечего надеть» — к персональному стилю от ИИ.
ИИ-стилисты подбирают наряды по вашим предпочтениям, образу жизни, трендам и другим параметрам.

😊ИИ-дизайн: вы можете настраивать размер, форму, цвет и дизайн вместе с ИИ, который понимает ваши желания.

😊ИИ-помощники для лучших предложений. Мультимодальные модели дают умные рекомендации — с учетом бюджета и стиля.
#обзоры #полезное

Новое исследование Anthropic: отслеживания мыслей LLM при генерации ответа 🥰

Некоторые интересные наблюдения:

• Claude не просто предсказывает следующее слово. Модель планирует наперед. В задаче написания стихов, модель заранее выбирала рифмующиеся слова, прежде чем начать писать строку.

• Claude использует «универсальный язык мышления» независимо от языка запроса. Когда модель попросили сгенерить противоположность слову «маленький» на разных языках, до перевода срабатывала одна и та же внутренняя концепция. То есть, сначала она мыслит абстрактно, а потом говорит на вашем языке.

• Claude умеет считать. Модель не просто запоминает ответы математических задач, а использует вычислительные подходы для их решения.

• Иногда Claude обманывает, чтобы согласиться с вами. В одном из тестов исследователи дали модели неверную математическую подсказку. Claude выстроил целый ложный аргумент в его поддержку.

• Claude по умолчанию отвечает: «Я не знаю. Отсутствие ответа — это базовое поведение.

• Claude распознаёт вредоносные запросы заранее, но медленно перенаправляет диалог.

• Модель осуществляет многошаговые рассуждения «в голове». Например, когда спрашивают: «Столица штата, в который входит Даллас, — это...», Claude сначала активирует признаки «Техас», а затем объединяет их с признаками «столицы», чтобы получить «Остин».

Ссылка на статьи 1 и 2🙂
#обзоры

ELEVATOR PITCH: Как уложиться в 60 секунд и произвести впечатление?

Первое впечатление имеет огромное значение. Основатели, инвесторы и другие эксперты прилагают много усилий, чтобы отточить очень короткий рассказ о себе, произвести впечатление и заинтересовать собеседника в продолжении разговора.

Elevator Pitch - это краткое представление в котором нужно рассказать о себе и заинтересовать собеседника. Как правило, есть 60 секунд😅 Цели могут быть разные: поиск работы, привлечение инвесторов или клиентов, личный брендинг, нетворкинг, заявка на обучение или стажировку.

Я собирала свой видео-питч почти месяц. Трудно выделить самое ценное, но при этом звучать убедительно и нескучно.

Презентация может включать:
✔Ваше имя.
✔Ваш профессиональный опыт.
✔Инвестиционный или стартаповский опыт (если есть)
✔Важные факты биографии, достижения, увлечения.
✔Важно добавить что-то запоминающееся и уникальное.

Я свой питч снимала на телефон, пересматривала, дорабатывала и еще раз записывала.

А у вас есть готовый Elevator Pitch?
#личныйопыт

Видеоселфи с собой в детстве💡

Pika соединит в одном видео вас и вашу детскую копию.

• Зайди на https://pika.art
• Выбери эффект
• Загрузи видео с собой
• Загрузи свое детское фото

Генерация может занять некоторое время, можно попробовать 🆓

Сравнение генерации изображений GPT-4o с другими ведущими моделями: Google Imagen 3, Recraft V3, Reve Image.

GPT-4o предлагает следующие возможности:
• Редактирование изображений с помощью текстовых подсказок (изменение стиля, добавление или удаление элементов, правка текста на изображении).
• Объединение нескольких изображений.
• Более широкие возможности для творчества.
•Ограничения на генерацию изображений в стиле Ghibli и других художников, но добавлена поддержка создания изображений публичных людей.

Генерация изображений доступна в ChatGPT, API пока не поддерживается.

Интересный опыт Shopify😐

Shopify отменила 12 тысяч встреч в календарях сотрудников, освободив 322 тысячи рабочих часов в год — это как нанять 150 новых сотрудников.

Какие встречи убрали?
✔ Все повторяющиеся собрания с участием больше двух человек.
✔ Ввели «день без встреч» — среду.
✔ Крупные митинги теперь проводятся только по четвергам в строго отведенное время.

Что изменилось в рабочих чатах?
Теперь их используют только для объявлений — меньше информационного шума, больше концентрации.

Калькулятор стоимости встреч — новое Chrome-расширение, которое автоматически считает, во сколько обходится компании каждая встреча.
🔹 30-минутный митинг на троих = $700–1600
🔹 С топ-менеджером — свыше $2000

Как вам такой подход ?😶‍🌫️

Впервые модель с открытым исходным кодом превзошла закрытые модели и стала лидером! 🐳

Обновлённая открытая модель DeepSeek-V3-0324 (без рассуждений) опережает другие модели без рассуждений — GPT-4.5, Gemini 2.0 Pro, Claude 3.7 Sonnet, Llama 3.3 70B и другие.

🔹 Получила улучшенные способности в математики и кодировании.
Отлично подходит для несложных задач.
💬 Доступна в чате.

Хотя она пока отстаёт от собственной DeepSeek-R1 и других моделей с рассуждениями, важно помнить: мощная базовая модель — ключ к созданию сильной рассуждающей модели. Вероятно, DeepSeek-R2 станет новым прорывом 🇨🇳

🔌 API остаётся без изменений.
🌐 Модели теперь выпускаются под лицензией MIT (как и DeepSeek-R1).
🔗 Открытые веса: https://huggingface.co/deepseek-ai/DeepSeek-V3-0324

Всё больше стартапов создают ИИ-ассистентов и агентов для юристов. Фаундер стартапа Harvey объясняет, почему юридическая сфера идеальна для автоматизации с использованием LLM:

1. Текстовый результат: Основной результат юридической деятельности — это текст.
2. Стоимость токена: Создание и обработка юридических документов, например таких как соглашения о покупке акций требует высокой квалификации и времени, что делает их дорогими.

Эти критерии применимы и к другим сферам. + уже можно рассматривать обработку аудио, изображений и видео.

• Harvey разрабатывает прикладные ИИ-приложения для юрфирм, консалтинга и корпораций, создавая "обёртку" поверх GPT-моделей.
• Harvey привлек $506 млн в 5 раундах, оценка — $1,5 млрд. Клиенты — юридические фирмы по всему миру.
• Цель: Расширение возможностей сотрудников через агентные системы, предоставляя полезную поддержку на ключевых этапах, например, извлечение данных из документов.
• Приоритеты: Точность и привязка к исходным документам. Также сокращение Time to Value через понимания пользователей, их целей и контекста.

Почему Китай склоняется к открытому исходному коду в ИИ?

Интересное мнение от Баладжи (известный американский инвестор и предприниматель):👍

Китай применяет к ИИ свою традиционную стратегию — изучить, скопировать, оптимизировать и захватить рынок низкими ценами и масштабами.

• Запуск DeepSeek временно снизил капитализацию американского технологического рынка на $1 трлн.
• Китай фокусируется на экспорте физических устройств, а не ПО.
• Китай экспортирует товары в таких масштабах, что иностранные производители не выдерживают конкуренции.
• Китаю не хватает мирового престижа, и с DeepSeek они увидели возможность его повысить.
• Открытый исходный код позволяет быстро интегрировать технологии на любом уровне.

Китай видит возможность нанести удар по американским технологическим компаниям, повысить свой престиж и снизить рентабельность ИИ-программного обеспечения.

Зарабатывать Китай будет на продаже недорогого оборудования на базе ИИ — от умных домов, беспилотных автомобилей до потребительских дронов и роботов.

На одной встрече в крупной компании мне сказали, что они не любят работать со стартапами. Хочу поделиться историей.

Когда-то я работала в компании, где мы разрабатывали сложный ML-продукт в партнерстве со стартапом. Основатель — выпускник физфака МГУ и экс-сотрудник Росатома, с командой из двух разработчиков. Мы были их первым клиентом.

Мне тогда казалось несправедливым, что мы так много делаем для развития этого стартапа, тестируя гипотезы по функционалу, дизайну и продажам. Мне казалось, что благодаря нам он упаковал свой продукт для рынка и нашёл других клиентов. Но я недооценивала смелость и талант основателя, его веру в будущее и продукт. Благодаря этому мы успешно запустили наш внутренний продукт.

Это был уникальный проект и невероятный опыт командной работы. Невозможно привлечь всех талантливых людей в свою компанию, но можно научиться работать с талантами вне её.

Очередное исследование показывает, что специализация является важной составляющей успеха для ИИ-агентов 🚀

Сейчас в центре внимания горизонтальные агенты: поддержка, кодирование, продажи. Это рынки объемом $3,5 млрд, но они уже перенасыщаются.

Чтобы оставаться лидерами в 2025 году, компаниям нужно выйти за рамки базовых функций и глубже интегрироваться в рабочие процессы, используя специализированные данные.

Виртуальная примерка от WeShopAI ⭐️

Попробуйте 🙂 лучше, чем многие аналоги: https://huggingface.co/spaces/WeShopAI/WeShopAI-Virtual-Try-On

1. Загрузите фото – модель анализирует изображение.
2. Выберите одежду – нейросеть накладывает вещь, учитывая посадку и освещение.
3. Получите результат примерки

В индустрии ПО основным ограничением производительности компании является дефицит инженеров и невозможность нанять их в необходимом количестве. Если ИИ снимет это ограничение, то произойдет значительный рост. Это касается всех сфер - промышленности, строительства, здравоохранения, образования.

Самые быстрорастущие продукты сейчас делаются именно в этой области. Cursor - самый быстрорастущий стартап, как раз делает платформу для разработки с ИИ. Российские компании также разрабатывают похожие продукты. Например, Яндекс делает SourceCraft, Т-банк - AI Coding Assistant.

Новые модели от Google DeepMind за неделю🫡

📌 Gemini 2.0 Flash (Image Generation) Experimental: генерация и редактирование изображений.
• Протестировать: https://aistudio.google.com/
• Детали: https://developers.googleblog.com/en/experiment-with-gemini-20-flash-native-image-generation/

📌Gemma 3: семейство открытых мультиязычных моделей - 1B, 4B, 12B, 27B. Модель на 27B можно запустить на одном GPU H100/A100. На вход принимает текст и изображения. Длина контекстного окна 128 тысяч токенов. Поддерживают Function Calling (вызов функций) и Structured Output (структурированный вывод). Второе место в human preference evaluations на LLM арене.
• Протестировать: https://aistudio.google.com/
• Детали: https://blog.google/technology/developers/gemma-3/

📌 Gemini Robotics: универсальная VLA (vision-language-action) модель, которая позволяет роботу видеть объекты, понимать команды и выполнять физические действия. Построена на Gemini 2.0 с добавлением action в качестве новой выходной модальности.
Модель Gemini Robotics ER с улучшенным пространственным мышлением (видит, думает и действует). Например, она распознает предметы и находит самые удобные способы их взять.
• Детали: https://deepmind.google/discover/blog/gemini-robotics-brings-ai-into-the-physical-world/

📌 Пересказ видео по ссылке на YouTube в Gemini 2.0
• Протестировать: https://aistudio.google.com/
#полезное #gemma #gemini

Это лучшее, что я посмотрела за последнее время. Есть русский дубляж.
Беседа Лекса Фридмана с Нарендрой Моди 🙂

https://m.youtube.com/watch?v=ZPUtA3W-7_I

Плотность таланта бьет массу таланта 🙂

Представьте, что есть 2 команды. Первая команда состоит из 100 человек и все являются А-игроками: высокомотивированные, умные и увлеченные. Вторая команда состоит из 1000 человек, из которых 200 умных и мотивированных А-игроков, а 800 - случайная выборка из BigTech. Первая команда имеет большую плотность. Вторая команда имеет большую массу. Какую команду вы выберете?

Когда талант смотрит вокруг и видит других умных и увлеченных людей, это задает тон всему, что вы делаете. Каждый доверяет компетенции друг друга. Если в вашей команде 1000 человек и плотность таланта упала, появляется бюрократия, стандартизация, процессы и ограничения.

Легкая мода от Pikaswaps ⭐️

Pikaswaps - функция от Pika, которая позволяет добавить любой объект на видео или заменить его.

Как работает:
• Зайди на Pika Art https://pika.art/
• Выбери функцию Pikaswaps
• Загрузи свое видео (5 секунд).
• Укажи, что нужно изменить или заменить
• Загрузи фото объекта, которым хочешь заменить или опиши текстом.
• 8-10 сек и можно смотреть результат (водяной знак с видео можно легко удалить сторонними инструментами)

Я примерила каждую шубу с одной попытки, но если хочешь результат лучше, то можно сделать больше генераций 🙂😌

Pikaswaps анализирует видео и интегрирует новый объект, сохраняя при этом целостность и реалистичность сцены 🔝
#полезное #pika

OpenAI представили новые API инструменты и SDK для разработки агентов



1️⃣Web Search (с дообученной GPT-4o/ GPT-4o-mini) - поиск информации в Интернете

2️⃣File Search - поиск в локальных документах

3️⃣Computer Use - агент для управления компьютером

��Описание, цены и документация



Интересно, что перед презентацией был хакатон для разработчиков в Сан-Франциско. Некоторые идеи с хакатона 🐴

• Real Estate Agent - агент по недвижимости на базе Web Search, который помогает в поиске и подборе квартир для аренды или покупки.

• Memory Agent - агент, который интегрируется с носимым устройством и использует Agents SDK для анализа повседневной активности пользователя.

• Agent Polling Simulator - агенты для моделирования реакций различных политических персонажей на новости или события.

• Salary Seeker - агент для сбора информации о зарплатах, отзывах о компаниях и других данных, связанных с карьерой.

• Multi-Agent Brainstormer - агенты для разработки стратегий и генерации идей.

#полезное #агенты

Наконец-то протестировала GPT-4.5. Есть такие люди — сообразительные, быстро мыслящие и эрудированные во всём, а не только в узких областях. GPT-4.5 как будто один из них🤓

В повседневной жизни большинство из нас не решают сложные математические задачи, не пишут код и не проводят научные исследования. Последние релизы компаний как раз фокусируются на решении таких специфических задач.

GPT-4.5 отлично подходит для естественного общения, творческих задач и планирования. Меньше галлюцинирует по сравнению с другими моделями. При этом, GPT-4.5 — самая дорогая модель, потому что она самая большая.

Будущее моделей
Команда OpenAI называет GPT-4.5 последней настолько большой моделью. OpenAI и другие компании продолжат развивать рассуждающие модели, так как там ещё много легкодоступных идей. В будущем модели OpenAI будут сочетать знания, интуицию и рассуждения.
#GPT3.5 #полезное

Гуманоидные роботы: интересное за неделю👍

📌 Стартап Proception и гуманоидная рука
Ex-инженеры Tesla Optimus запустили стартап и показали раннюю версию гуманоидной руки. Планируют создать ловкого робота с использованием данных взаимодействия человека с различными объектами.
Пока никаких деталей, но выглядит интересно.

Что касается Optimus, Илон Маск в своём интервью рассказывает интересные факты про руку Optimus 👆

📌 MUKS Robotics и Spaceo
Индийская MUKS Robotics представила прототип тяжелого промышленного гуманоида. Основные характеристики:
• Грузоподъемность до 200 кг
• 7 степеней свободы для каждой руки с возможностью поднимать до 10 кг
• Регулируемая высота до 2,5 метров
• ИИ FusionMax Omni-Modal (действия, зрение, голосовые и языковые возможности в единой системе)
• Автономная навигация

📌 UBTECH и платформа BrainNet
Китайская UBTECH показала Swarm Intelligence — платформу BrainNet, обеспечивающую гуманоидное сотрудничество.
Гуманоиды Walker S1 работают вместе на заводе Zeekr, перемещая крупногабаритные ящики.

📌 Boston Dynamics и робот Atlas
Новое видео: Atlas 2.0 выполняет логистические задачи - собирает, переносит и размещает предметы.
#гуманоиды #новости

Мир, где есть лучшие - и все остальные ⭐️

Сейчас на рынке AI-ассистентов много игроков, предлагающих бесплатно протестировать свои решения. Но, судя по опыту других рынков, останется один явный лидер, за ним — второй, а вот третьего обычно никто не помнит. Потому что, всегда есть лучшие и все остальные.

Я каждый день пользуюсь ChatGPT, DeepSeek и Grok, а иногда Qwen и Le chat. А вы?

🇺🇸 ChatGPT от OpenAI
https://chatgpt.com (работает с VPN)

🇺🇸 Grok 3 от xAI
https://grok.com/ (с VPN)

🇺🇸 Claude от Anthropic
https://claude.ai/ (с VPN)

🇺🇸 Gemini от Google
https://aistudio.google.com/ (с VPN)

🇫🇷 Le Chat от Mistral AI
https://chat.mistral.ai/

🇨🇳 Deepseek
https://chat.deepseek.com

🇨🇳 Qwen Chat от Alibaba
https://chat.qwenlm.ai/

🇷🇺 GigaChat от Сбера
https://t.me/gigachat_bot

🇷🇺 YandexGPT от Яндекса
В браузере Яндекса через Алису с YandexGPT или в «Нейро» в поиске или в облаке console.yandex.cloud
#полезное #AIассистенты

Доля женщин в топ-менеджменте компаний составляет менее 30%. В сфере искусственного интеллекта женщин меньше 20%. Стартапы в области ИИ, основанные женщинами, получают менее 10% венчурного финансирования.

Girls👩🏻‍💻👩‍🔬👩🏻‍💼, давайте менять эту ситуацию! Не занимайтесь случайными делами. Не соглашайтесь на меньшее, ведь не все возможности равны. Растите в 10 раз, а лучше в 100 раз! Осваивайте технологии, пробуйте создавать новые продукты, учитесь продавать свои идеи и много зарабатывать.

Вдохновляющие примеры👩🏻‍💼:
• Деми Го и Ченлин Мэн основали стартап Pika (генерация видео) в 2023, привлекли $135 млн, при оценке $470 млн. У них более 5 млн пользователей.
• Мира Мурати и Лилиан Венг, по слухам привлекают $1 млрд в свой новый стартап Thinking Machines Lab, при оценке $9 млрд.
• Даниэла Амодей, президент и соучредитель компании Anthropic (нейросети Claude), является одной из ведущих фигур в индустрии ИИ.

Размер имеет значение🤖

Размер нейросети - это про количество параметров. Параметры - это веса и смещения, которые модель изучает и подбирает во время обучения. Чем больше параметров у модели, тем больше у нее потенциал для обучения сложным закономерностям, но это также требует больше вычислительных ресурсов и данных. Можно посмотреть на примере Перцептрона.

Примеры моделей:
• Модели-малышки (1B-6B параметров): Llama-1B, Qwen-1.5B, мультимодальная Phi-4 с 3.8B и 5.6B параметрами. Такие модели могут быть встроены в устройства с ограниченными ресурсами, например, смартфоны.
• Малые модели (SLM, 7B-14B параметров): Llama-2 13B, GPT-4o mini, Mistral 7B. Они могут быть как универсальными, так и для решения конкретных задач в разных сферах. Идеально подходят для проектов с небольшим бюджетом.
• Средние и большие модели: Llama - 2 70B, DeepSeek-V3 671B. Такие модели требуют значительных ресурсов для обучения и инференса.
• B - это billion или миллиард параметров.

Объем памяти:
• 1 параметр - 1 float16 (2 байта). Также есть float32 (4 байта) и float8 (1 байт). Float8 — менее точен, чем float16, но занимает меньше памяти и может быть полезен в задачах, где важна экономия ресурсов. Например, новая модель QwQ-32B была обучена и выпущена в BF16, а DeepSeek R1 в FP8.
• 1 миллиард параметров = 2 * 10^9 байт = 1.86 ГБ
• например, для 7B нужно 13 Гб памяти на сами параметры модели и еще 10-20% доп.памяти для хранения активаций

Qwen поделились “думающей” open-source моделью, которая отлично впишется в бюджет вашего проекта.

QwQ-32B так же хороша, как DeepSeek R1, и превосходит OpenAI o1-mini в задачах по математике и программированию. Но при этом, по размеру она в 20 раз меньше, чем DeepSeek R1 (671B). Такая производительность была достигнута благодаря применению методов обучения с подкреплением (RL).

Модель доступна:
• через Qwen Chat: chat.qwen.ai
• на Hugging Face: huggingface.co/Qwen/QwQ-32B
• через провайдеров: на Hyperbolic - $0.20 за 1 миллион входных и $0.20 за 1 миллион выходных токенов.
• Блог: qwenlm.github.io/blog/qwq-32b

🤔Кстати, Alibaba претендует на лидерство в области open-source, продолжая выпускать мощные модели (Qwen модели, генерация видео Wan 2.1).

AI и программирование — это инструменты для реализации идей. Но прежде чем создавать продукт, оцените свою идею.
10 вопросов от Y Combinator, которые помогут:

🤔Founder/Market Fit
Вы и ваша команда — те самые люди, которые могут реализовать эту идею? Успех зависит от вашего опыта, навыков и страсти.

💰Размер рынка
Насколько большой рынок у вашей идеи? Может ли он вырасти до $1M+?

🤕Важность проблемы
Насколько критична проблема, которую вы решаете? Уверены ли вы, что это действительно боль для клиентов?

🥊Конкуренция
Есть ли конкуренты? В чем ваше уникальное преимущество?

❤️Пользователи
Будете ли вы сами использовать этот продукт? Если нет, знаете ли вы пользователей, которым он нужен?

🆕Своевременность
Стала ли эта идея возможной или необходимой только сейчас? Почему? (новые технологии, изменения в законодательстве и т.д.)

🔭Ориентиры
Какие крупные компании делают что-то похожее? Есть ли успешные бизнес-модели, на которые можно смотреть?

🦑Личная мотивация
Готовы ли вы работать над этой проблемой долгое время? Это действительно важно для вас?

🌱Масштабируемость
Есть ли потенциал для масштабирования?

Отличное время, чтобы начать прокачивать навыки ИИ программирования 🚀

Курсы👩‍💻
• Windsurf на DeepLerning.ai — бесплатный курс по методам использования ИИ для кода.
• На Stepik русскоязычный курс по Replit, Cursor и автокомплитерам.

Инструменты (ИИ-агенты и IDE)🛠️
Lovable.dev
• Интеграция с Supabase, AI + NoCode
• За 30 минут можно создать интерактивный прототип с бэкендом, базой, авторизацией.
Cursor.com
• Сам пишет код, даёт инструкции, если выдает ошибки – подсказывает, как их исправить.
• А также автодополнение, рефакторинг и целые проекты/модули.
Codeium.com/windsurf
• Может использовать веб-поиск, предлагает кроме популярных LLM ещё и Deepseek
• Выше классный курс, где есть примеры быстрой разработки приложений.
Replit.com
• Два режима: агент (сам всё делает) или ассистент (подсказывает).
• Сервер, база данных, хостинг и другие возможности.
Ещё из последних:
• Claude Code - инструмент командной строки, который позволяет делегировать инженерные задачи Claude с полным доступом к вашей кодовой базе, тестам и GitHub. Всё это из терминала.
• Gemini Code Assist - запуск через VS Code, Jetbrain или другие IDE.
#полезное

Крутая штука все-таки Deep Research. Ты пишешь свой запрос, а модель строит план, идёт в интернет, читает статьи, показывает свои рассуждения и выдает крутой результат.

Я попробовала 3 системы:
1. Deep Research от Perplexity
Можно протестить бесплатно на https://www.perplexity.ai/
2.DeepSearch в Grok 3
можно протестить на https://grok.com/ или в X
3.Gemini 2.0 Flash
https://aistudio.google.com/
У Gemini есть Deep Research, но у меня нет доступа. Я использовала сначала Gemini 2.0 Flash с включенным поиском, а потом поменяла модель на Gemini 2.0 Flash Thinking и попросила сделать исследование.

Я тестировала на задаче анализа рынка, оценки и ранжировании компаний. Все агенты круто работают - агрегируют огромный объём данных, собирают корректную информацию, пишут хорошие отчеты.
Мне нравится читать рассуждения моделей, можно найти интересные мысли. Кажется, что Grok3 самый креативный в рассуждениях😊 А у агента от Perplexity результаты анализа глубже.

🤖 Кстати, Deep Research доступен через API Perplexity Sonar, можно создать собственного исследовательского агента и интегрировать в свои рабочие процессы.