Интересное и актуальное из мира IT, маркетинга и искусственного интеллекта 🚀 https://telegram.me/PavlikovIT
До недавнего времени у защитников закрытых ИИ-экосистем был один железобетонный аргумент. Мы не выпускаем веса моделей в паблик, потому что они обладают опасными кибервозможностями. Считалось, что на генерацию рабочих боевых эксплойтов и поиск уязвимостей нулевого дня способны только отборные закрытые сетки с многомиллиардными инвестициями и жестки…
История с кастомными ИИ-ассистентами сделала полный круг. Когда OpenAI выкатила свои Custom GPTs, а Google вдогонку запустила Gems, казалось, что будущее за созданием десятков узкоспециализированных ботов под каждую мелочь. На практике это оказалось дико неудобно, вы плодили кладбище отдельных диалогов, переключаться между которыми ради одной задач…
Если вы зайдете в стандартную документацию любой LLM, вы найдете там идеальный мир. Там функции всегда вызываются правильно, агенты не галлюцинируют, а контекстное окно никогда не переполняется. В реальности разработка автономных систем это боль, костыли и борьба за оптимизацию стоимости.
Если раньше мы использовали нейросети как консольные утилиты — закинули текст, получили результат, унесли обратно в свою CRM или таск-трекер, то на DevDay 2026 OpenAI четко обозначила новую стратегию. Они больше не хотят быть просто провайдером API. Они строят монопольную операционную систему, где вся ваша команда, документы и ИИ-агенты будут жить…
Разработчики ИИ всё чаще сталкиваются с проблемой, флагманские модели (вроде Claude Opus или GPT-6 Astra) слишком дорогие для рутинных агентов, а базовые (Haiku / Luna) — слишком тупые. Anthropic попыталась решить эту проблему, выпустив Claude Sonnet 5.5 — среднюю модель, которая в некоторых задачах внезапно оказалась умнее старшей.
Главная проблема генеративного фронтенда отсутствие вкуса. Если вы просто попросите Claude Opus 5.5 сверстать красивый дашборд, на выходе получите усредненного франкенштейна в духе Bootstrap из 2015 года. Модель смешает десяток стилей, и проект будет выглядеть сыро.
ИТ-корпорации очень любят пиар-эффект от слова открытый, но терпеть не могут отдавать свои технологии бесплатно. Стартап Moonshot AI сбросил на Hugging Face веса своей флагманской модели Kimi K3, гордо назвав её первой в мире открытой моделью класса 3T.
Главная боль всех консольных ИИ-агентов до сегодняшнего дня заключалась в их жесткой привязке к железу. Вы даете агенту сложную задачу (например, провести масштабный аудит репозитория или написать пачку тестов), и следующие два часа не можете закрыть крышку ноутбука, убить процесс в терминале или потерять Wi-Fi. Если сессия прервалась? вы просто со…
Главная проблема любого сложного автономного агента — экономика. Когда для решения одной инженерной задачи модель перебирает десятки шагов, гонять флагманскую GPT-6 Astra по $10 за входные и $50 за выходные токены становится разорительно.
Долгое время главным правилом работы с LLM было отношение к нейросети как к стажеру с амнезией, каждую задачу нужно было разжевывать по шагам, заставлять модель «думать вслух» и проверять её работу после каждой строчки кода.
Главное правило использования публичных LLM в бизнесе никогда не скармливать им NDA, финансовые отчеты и личные данные клиентов. Если кому-то для понимания этого не хватало доказательств, расследование издания 404 Media расставило всё по местам. Внутри OpenAI работает проект Lily, целая армия подрядчиков, которые вручную читают и оценивают диалоги…
Индустрия ИИ одержима идеей рекурсивного самоулучшения (RSI) цикла, в котором ИИ создает более сильную версию себя, а та улучшает следующую. До сих пор это упиралось в колоссальные вычислительные затраты, чтобы проверить новую стратегию, агенту приходилось прогонять её на реальных задачах, сжигая сотни тысяч токенов через API.