DeepSeek — July 2026

Свежие модели нейросетей стали умнее. Да? Это пишут эксперты, которые следят за новостями в мире ИИ. Мол, теперь нейросеточке достаточно описать контекст, а она все поймет и выдаст отличный результат. Звучит красиво. Но с написанием текстов пока не все так радужно.

В первую очередь имею в виду тексты, которые не отличить от человеческих. Такие чтобы получилась искренние, эмоциональные, человеческие.

Я сейчас провожу онлайн обучение для маркетологов и редакторов издательской группы «Эксмо-АСТ». В группе более 100 участников. Мы отрабатываем приемы работы над рекламными текстами с нейросетями. И вот для одного занятия я собрал два промпта.

Задача: Нужно получить от нейросети пост о книжной новинке издательства.

В эксперименте: Участвовали две ИИшки: ChatGPT и Deepseek. 1️⃣Первый промпт — только с контекстом. Я детально описал контекст, в котором находится читатель поста. Расписал его настроение, его состояние. Конечно, дал информацию о книге, о которой нужно рассказать. И?

Текст получился плоским, без акцентов, без энергии. Он был грамотным, но не цеплял. Участники почувствовали синтетику с первых строчек.

2️⃣ Второй промпт — полноценный и детальный. Я обозначил пожелания к структуре текста, описал пожелания к стилю и объему, загрузил запреты. Конечно, дал описание контекста. Результат?

Разница, как между черновиком и готовым материалом. Живой, интересный пост с продающими акцентами. Его стоит немного причесать и можно публиковать.

К чему веду?

Новости не врут. Модели действительно стали лучше понимать контекст. Но это не освобождает от работы над промптом. Контекст — лишь один из многих блоков. И если кто-то говорит обратное, он либо не проверял, либо продаёт иллюзию.

Я регулярно проверяю и в работе и на обучении. Результат для меня совсем не такой радужный, как в новостях о возможностях моделей.

P.S. На следующей неделе разбираем, как ИИшки будут правку вносить в эти свои тексты. Отчетом и интересными находками поделюсь. 👍

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

А это точно был рофл в посте?

Может, против буков на деле выступает дипсик, а не Мазелов?

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

Лаборатория Университета Цинхуа выложила на GitHub проект, который заменяет стойку с H100 стоимостью $400 000 одной видеокартой с 24 ГБ памяти.

Он называется ktransformers, а идея почти до смешного проста: эксперты, которые реально используются, остаются на GPU, а остальные находятся на CPU до тех пор, пока не понадобятся.

/ DeepSeek-V3 и R1 с контекстом 139K на 24 ГБ VRAM / ускорение до 28 раз по сравнению со стандартной конфигурацией / дообучение DeepSeek-V3 на четырёх RTX 4090 вместо дата-центра / проект создан лабораторией MADSys Университета Цинхуа, а не стартапом с лендингом

Лицензия Apache 2.0, а на GitHub уже больше 17 000 звёзд.

→ http://github.com/kvcache-ai/ktransformers

👉 @PythonPortal

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

لیست کامل ریپوهایی که برنامه‌نویسها و توسعه دهندگان هوش‌مصنوعی استفاده می‌کنند

1. OpenHands — مهندس نرم‌افزار AI

می‌تونه کل تسک‌های مهندسی رو خودش انجام بده: کد بزنه، دیباگ کنه، کامند اجرا کنه. 🔗 github.com/All-Hands-AI/OpenHands

2. LangChain — ساخت اپلیکیشن و عامل با LLM

فریم‌ورک اصلی برای ساخت زنجیره‌ها و عامل‌های LLM. 🔗 github.com/langchain-ai/langchain

3. Dify — پلتفرم متن‌باز اپلیکیشن AI

محیط بصری برای ساخت و دیپلوی اپ‌های LLM بدون کدنویسی عمیق. 🔗 github.com/langgenius/dify

4. Browser Use — اتوماسیون مرورگر با AI

به AI اجازه می‌ده واقعاً مثل انسان وب‌سایت‌ها رو باز و باهاشون تعامل کنه. 🔗 github.com/browser-use/browser-use

5. Firecrawl — تبدیل سایت به داده آماده برای LLM

صفحات وب رو می‌خونه و به فرمت تمیز Markdown/JSON برای RAG تحویل می‌ده. 🔗 github.com/mendableai/firecrawl

6. Mem0 — حافظه برای عامل‌های AI

لایه حافظه پایدار که عامل‌ها یادشون بمونه تو جلسات بعدی چی گفتن. 🔗 github.com/mem0ai/mem0

7. CrewAI — فریم‌ورک چندعاملی

چند AI agent رو مثل یه تیم هماهنگ می‌کنه که با هم روی تسک کار کنن. 🔗 github.com/crewAIInc/crewAI

8. AutoGen — فریم‌ورک عامل مایکروسافت

مکالمه چندجانبه بین LLMها برای حل مسائل پیچیده. 🔗 github.com/microsoft/autogen

9. Open WebUI — رابط چت مثل ChatGPT

رابط وب زیبا برای چت با مدل‌های محلی (مثل Ollama) — جایگزین ChatGPT می‌شه. 🔗 github.com/open-webui/open-webui

10. Langflow — ساخت جریان کاری AI به صورت بصری

مثل Figma برای پایپ‌لاین‌های AI، کشیدنی و رهاکردنی. 🔗 github.com/langflow-ai/langflow

11. LlamaIndex — اتصال LLM به داده‌های شما

بهترین ابزار برای ساخت سیستم RAG روی اسناد و دیتابیس‌های خودت. 🔗 github.com/run-llama/llama_index

12. Ollama — اجرای LLM به صورت محلی

با یه دستور ساده مدل‌هایی مثل Llama و Mistral رو روی لپ‌تاپت اجرا کن. 🔗 github.com/ollama/ollama

13. vLLM — سرو کردن LLM با عملکرد بالا

سریع‌ترین موتور برای سرو کردن LLM در مقیاس تولیدی. 🔗 github.com/vllm-project/vllm

14. llama.cpp — اجرای LLM روی هر دستگاهی

مدل‌ها رو حتی روی موبایل و دستگاه‌های ضعیف اجرا می‌کنه. 🔗 github.com/ggml-org/llama.cpp

15. Transformers — کتابخونه ML هاگینگ‌فیس

کتابخونه مادر اکثر کارهای NLP و Vision — Hugging Face. 🔗 github.com/huggingface/transformers

16. ComfyUI — تولید تصویر AI

بهترین محیط بصری برای Stable Diffusion و مدل‌های تصویری. 🔗 github.com/comfyanonymous/ComfyUI

17. Continue دستیار کدنویسی AI

مثل GitHub Copilot ولی متن‌باز و قابل شخصی‌سازی. 🔗 github.com/continuedev/continue

18. Aider برنامه‌نویس جفت AI

دستیار ترمینالی که مستقیم تو فایل‌های پروژه کد می‌زنه و اصلاح می‌کنه. 🔗 github.com/Aider-AI/aider

19. GPT Researcher عامل تحقیق خودکار

خودش وب رو می‌گرده، مقالات رو می‌خونه و یه گزارش کامل می‌نویسه. 🔗 github.com/assafelovic/gpt-researcher

20. Crawl4AI اسکرپینگ وب برای AI و RAG

مخصوص ساخت دیتاست تمیز برای آموزش و RAG. 🔗 github.com/unclecode/crawl4ai

21. Bolt.diy ساخت اپ AI به صورت محلی

مثل StackBlitz ولی برای پروژه‌های AI، کاملاً لوکال. 🔗 github.com/stackblitz-labs/bolt.diy

22. LocalAI مدل‌های سازگار با OpenAI روی سرور خودت

یه جایگزین متن‌باز برای OpenAI API که خودت هاست می‌کنی. 🔗 github.com/mudler/LocalAI

23. AnythingLLM فضای کاری AI خصوصی

همه چی تو یه جا: چت با اسناد، RAG، مدل‌های مختلف. 🔗 github.com/Mintplex-Labs/anything-llm

24. Flowise سازنده LLM کشیدنی و رهاکردنی

با گراف بصری اپلیکیشن LLM بساز، بدون یه خط کد. 🔗 github.com/FlowiseAI/Flowise

25. Open Interpreter ؛ AI که کد اجرا می‌کنه

مثل یه برنامه‌نویس واقعی بهش بگو چیکار کنه، خودش اجرا می‌کنه. 🔗 github.com/OpenInterpreter/open-interpreter

26. DeepSeek مدل‌های رسمی متن‌باز AI

مدل‌های قدرتمند و رایگان DeepSeek که با GPT رقابت می‌کنن. 🔗 github.com/deepseek-ai

27. Lobe Chat رابط چت مدرن AI

رابط چت شیک با پشتیبانی از چند مدل و چند کاربر. 🔗 github.com/lobehub/lobe-chat

28. RAGFlow فریم‌ورک RAG سازمانی

سیستم RAG حرفه‌ای برای استفاده سازمانی روی اسناد بزرگ. 🔗 github.com/infiniflow/ragflow

29. MarkItDown تبدیل اسناد به Markdown

؛PDF، Word، PPT و... رو به Markdown تمیز تبدیل می‌کنه برای LLM. 🔗 github.com/microsoft/markitdown

30. n8n اتوماسیون گردش کار با AI

اتصال همه سرویس‌ها به هم با گراف بصری + قابلیت AI. 🔗 github.com/n8n-io/n8n

🆔 @programmers_street

Редактор текстов для обучения нейросетей (GigaChat) З/П 72 000 ₽, удалённо

СБЕР ищет редактора (AI-тренера), который будет обучать GigaChat: улучшать ответы модели, создавать качественные тексты и помогать развивать технологии искусственного интеллекта.

Что предстоит делать: – Создавать и редактировать тексты на разные темы – Анализировать ответы GigaChat, находить ошибки и улучшать их качество – Разрабатывать сценарии диалогов и тестовые задания – Проверять факты, искать надёжные источники и совершенствовать материалы – Тестировать новые версии модели и давать обратную связь разработчикам

Ждут от вас: – Высшее образование (лингвистика, журналистика, переводоведение или смежные направления) – Опыт работы с текстами от 3 лет – Внимательность к деталям и сильные редакторские навыки – Умение быстро разбираться в новых темах и анализировать информацию – Будет плюсом опыт работы с LLM (ChatGPT, GigaChat, DeepSeek), промтингом, Markdown, JSON и AI-агентами

Предлагаем от себя: – Полностью удалённый формат работы – Ежегодный пересмотр заработной платы и годовую премию – Расширенный ДМС, льготное страхование и корпоративную пенсионную программу – Более 400 образовательных программ СберУниверситета – Льготную ипотеку, подписку Прайм и другие корпоративные бонусы

Откликнуться: ссылка на контакты

#редактор #от50до100к #удаленно

⚠️ВНИМАНИЕ⚠️ Перед откликом ознакомьтесь с чек-листом по скаму:

– Просят привязать iCloud/Госуслуги; – Зайти в их iCloud и скачать их корпоративное приложение; – Авторизоваться любым вашим аккаунтов в "их" сервисе; – Скачать APK файл приложения на Android; – Просят сказать код из смс; – Предлагают торговать нфт в приложении; – Убеждают вас пополнить счет торгового бота; – Убеждают пополнить счет фриланс биржи; – Под видом вакансии продают обучение; – Верифицировать ваш аккаунт платежом; – Предлагают привязать ваш криптокошелек к боту;

Если что-то из списка совпало, сразу жалуйтесь на вакансию в комментариях. Скорее всего, вы попали на мошенников. Мы удалим вакансию и быстро выпустим анонс о новом нике мошенников, чтобы уберечь всех от обмана.

Постоянно обновляем список мошенников ворующих apple id, проверьте своего работодателя по нему:

Мы "за" безопасный поиск работы 💗 〽️ Разместить вакансию 🏛 Маркетинг | 😃 Рилсмейкеры 🏨 Дизайн | ⭐️ Бесплатное обучение 💾 Подпишись на наш MAX

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

😳 Documentation Driven Development звучит как ещё один модный термин. Пока не попробуешь объяснить свой проект AI.

Агент работает только с тем контекстом, который ему дали. Если документация неполная или устарела, он начинает додумывать — отсюда появляется неверный код.

🔘 На курсе «ИИ для разработчиков» эту тему разбирает Арсений Харланов. Он покажет, как подготовить документацию и контекст, чтобы агент понимал архитектуру проекта, ограничения и связи между компонентами.

Также разберём, как выбирать модель под задачу: Claude, DeepSeek, Qwen и другие ✏️

Впереди 7 недель работы со своим репозиторием. Вебинары проходят вживую и остаются в записи.

Стартуем 31 августа. До конца июля можно присоединиться по ранней цене, а доступ к материалам останется бессрочным 😀

🔗 Посмотреть, что будет на курсе

🏃‍♀️ Proglib Academy

من أكبر مواقع الذكاء الإصطناعي بالعربي (مجاني وبدون تسجيل)

الخدمات التي يقدمها:

✅ توليد الأوامر ـ https://generateprompt.ai

✅ فحص الأوامر ـ https://generateprompt.ai/prompt-checker

✅ توليد أوامر الصور ـ https://generateprompt.ai/image-prompt

✅ توليد أوامر الفيديو ـ https://generateprompt.ai/video-prompt

✅ كاشف النصوص ـ https://generateprompt.ai/ai-detector

✅ إعادة صياغة النصوص ـ https://generateprompt.ai/ai-humanizer

✅ محول الصور إلى أوامر ـ https://generateprompt.ai/image-to-prompt

✅ إستخراج النص من الصور ـ https://generateprompt.ai/image-to-tex

✅ دمج صورتين في أمر واحد ـ https://generateprompt.ai/two-images-to-prompt

✅ توليد وصف المنتجات ـ https://generateprompt.ai/AI-Product-Description-Generator

✅ مولد أوامر ChatGPT ـ https://generateprompt.ai/chatgpt-prompt-generator

✅ مولد أوامر DeepSeek ـ https://generateprompt.ai/deepseek-prompt-generator

✅ مولد أوامر Claude AI ـ https://generateprompt.ai/Claude-prompt-generator-free

✅ تحويل الصورة إلى أمر JSON ـ https://generateprompt.ai/image-to-json

吴恩达开源桌面 AI 智能体 OpenWorker，已获 3.7k Star

吴恩达（Andrew Ng）于7月24日在领英宣布推出开源 AI 智能体 OpenWorker。该工具基于 aisuite 库构建，通过统一 API 支持多种大语言模型，可执行文件润色、准备客户简报、梳理日程、起草报告及处理 Slack 警报等任务。OpenWorker 已上线 macOS 平台，Windows 版在开发中。其不捆绑模型，支持 GPT 5.6 Sol、Claude Fable、Gemini 3.6 以及 Kimi、GLM、DeepSeek、Inkling 等开源和 Ollama 本地模型。目前该项目在 GitHub 已收获 3.7k Star。IT之家 | Github

🏷 #OpenWorker #吴恩达 #开源 #AI #智能体 📢 频道 👥 群组 📝 投稿

Codex Router добавляет Kimi K3 и DeepSeek прямо в селектор моделей Codex, не затрагивая вход через ChatGPT и встроенные GPT-модели.

После установки рядом с нативными моделями появляются дополнительные варианты:

• Kimi K3 через OAuth или API • DeepSeek V4 Flash и Pro через API

Инструмент не перезаписывает конфигурацию Codex, автоматически создаёт резервную копию и поддерживает безопасный откат. Также предусмотрена миграция со старых версий роутера.

Проект полностью бесплатный и опенсорсный.

👉 @PythonPortal

​​Несколько дней назад один из исследователей GEO (Generative Engine Optimization — поисковая оптимизация для нейросетей) Дэвид Коницны обнаружил, что опубликованные пользователями ссылки на диалоги с DeepSeek индексируются Google и попадают в открытую выдачу.

Один из пользователей спрашивал у чат-бота, стоит ли ему обратиться к психиатру после того, как он смешал суп, кетчуп и ванильное мороженое.

И вот об этом я бы хотел поговорить.

Уважаемый человек, вам совершенно точно не нужно обращаться к психиатру только из-за того, что вы решили проявить пищевую заинтересованность, выйти за рамки своего гастрокультурного кода и создать что-то потенциально прекрасное. Конечно, было бы очень интересно узнать, что конкретно это был за суп, но в подобном сочетании нет ничего необычного.

По сути, вы добавляете сладко-кисло-солёное томатное варенье и сладкие сливки в первое блюдо, чтобы усилить и расширить флейвор. В супы вообще часто добавляют что-то молочное. И ещё чаще – томаты, томатную пасту, пассату, кетчуп.

Взять хотя бы крем-суп из томатов со сливками: совершенно обычное сочетание, даже обсуждать скучно. Или гаспачо с шариком горчичного мороженого от Хестона Блюменталя. Кажется, это было вчера, а рецепту уже больше 15 лет – настоящая высокая классика.

Хотите что-то более современное? Пожалуйста – мороженое с томатами и сумахом. Хотите назад в прошлое? Не проблема: томатное мороженое из СССР или мороженое с добавлением кетчупа под названием Heinz Carnival Cream 1959 года.

Видите, в какой вы хорошей компании. Возможно, вам и нужно к психиатру, но точно не из-за супа с кетчупом и мороженым.

Компании с картинки подписали совместное письмо «Открытые веса и лидерство Америки в ИИ» (из заметных там нет двух: OpenAI и Anthropic).

Полный текст (2.5 страницы) доступен тут, ниже краткая выжимка: — Модели с открытыми весами, которые любой желающий может скачать, изучить, модифицировать и запустить на собственной инфраструктуре, являются важной частью фундамента технологии, поскольку они делают передовые технологии ИИ более доступными, адаптируемыми и широко распространенными.

— Модели с открытыми весами расширяют возможности участия в ИИ-экономике. Стартапы, действующий бизнес, университеты и государственные учреждения могут создавать свои решения на базе передовых моделей без необходимости обучать их с нуля или платить по высоким тарифам за использование флагманских моделей для решения каждой отдельной задачи. Можно использовать передовые модели для самых сложных задач, и прибегать к эффективным, специализированным модели во всех остальных случаях.

— В мире, где киберпреступники используют передовой ИИ, специалистам по защите необходим доступ к моделям с сопоставимыми возможностями, чтобы обнаруживать и моделировать новые угрозы, а также реагировать на них. Открытые модели расширяют возможности защиты, повышают прозрачность и позволяют обнаруживать и устранять уязвимости совместными усилиями множества команд.

— Модели с открытыми весами позволяют широкому сообществу исследователей и разработчиков изучать их поведение, выявлять уязвимости, разрабатывать меры защиты и со временем совершенствовать их.

— Незаконные попытки извлечь выгоду из закрытых моделей (дистилляция) вызывают обоснованные опасения. Однако эти проблемы следует решать с помощью целенаправленных правовых и коммерческих механизмов, а не путем введения масштабных ограничений на сами технологии.

===

Поиграю в адвоката дьявола: — открытый код является плохим примером для сравнения с открытыми весами. Код можно читать, анализировать, менять, и всё это на виду у сообщества. Многие баги и уязвимости были исправлены именно поэтому, а к некоторым системам появилось доверие ровно потому, что они больше десяти лет были открытыми. К моделям это неприменимо: модель не становится безопаснее потому, что её выложили, да и невозможно на данный момент понять, что зашито в весах, каково поведение модели во всех возможных сценариях. Jane Street недавно проводили конкурс на $50'000 и просили найти бэкдоры (фразы, которые триггерят определеное поведение) в чекпоинтах выложенных ими моделей. Никто не нашел, и их команды тоже не знают, как это сделать (если бы они не знали фразу заранее).

— перечитайте второй пункт выше. Его формулировка не означает, что компании не просят / не будет запрета на веса моделей, превышающих определенный порог возможностей и/или размера! Небольшие, эффективные модели могут продолжать быть открытыми, но ничего выше, чем, например, K3.5 или DeepSeek v5 не будут разрешать выпускать.

— я не уверен, что мир станет безопаснее, если у каждого будет доступ к весам с передовым навыком взлома компьютерных систем. Я не думаю, что у меня есть деньги на запуск Kimi K3 на десятках дорогих GPU, чтобы обеспечить мониторинг от потенциальных угроз извне от точно такой же модели. Более того проблема в том, что если и защита, и нападение имеют доступ, то борьба превращается в войну бюджетов, кто сможет потратить больше на токены агентов. Больше всего сможет потратить государство 😳 а на втором и третьем место хз кто, но точно не я.

— большинство вещей, касающихся диффузии ИИ в общество и экономической выгоды, сейчас тормозит государство. Они могли бы давно купить всем институтам подписки на GPT Pro или договориться, что они строят кластер, а OpenAI/Anthropic крутят там свои модели и государство их предоставляет по себестоимости и оплачивает из федерального бюджета. Было бы не 5 гипотез доказано или опровергнуто, а 5000.

— в документе нет ничего про Китай 🤞 так что даже те, кто подписал письмо, могут прийти к исходу «наши модели хорошо, а Китайские запрещены», так что думайте 🙂

Excel, Google Таблицы и нейросети — в топе востребованных навыков

Excel и Google Таблицы по-прежнему остаются одними из самых интересующих работодателей инструментов: их хотят видеть в 70 000+ вакансиях на HeadHunter. А нейросети уже становятся новым золотым стандартом: почти вдвое вырос спрос на специалистов, которые ими владеют.

Начните работать в 4 раза продуктивнее после курса «Нейросети для Excel и Google Таблиц» от Академии Эдюсон — и повысьте свою ценность на рынке труда.

Эффект будет уже с первого урока: вы получите набор готовых инструментов, чек-листов и шаблонов для быстрого внедрения ИИ в работу.

После 10+ практических заданий вы сможете: - Выбирать ИИ под задачу: от ChatGPT, GigaChat, DeepSeek, YandexGPT до Grok 4. - Писать формулы любой сложности с помощью нейросетей — и использовать даже те функции, которые раньше были вам недоступны. - Связывать разные сервисы между собой — от Telegram до Google Sheets. - Мгновенно очищать данные, автоматически находить аномалии и готовить отчёты.

🎁 Бонус: блок по ИИ-агентам в n8n. Создадите нейроассистентов, которые будут закрывать рутинные задачи, пока вы занимаетесь другими делами.

Предусмотрен гибкий график без дедлайнов + бессрочный доступ к курсу и обновлениям: учитесь в удобном темпе.

Оставьте заявку с промокодом НЕЙРОЭКСЕЛЬ — и получите ускоритель в работе с данными со скидкой 65%. #реклама О рекламодателе

🫡 Gemini пробил отметку в 950 МЛН пользователей

Для вашего понимания, в феврале их было 750 млн. Ещё чуть-чуть, и будет 1 млрд, как у Gmail, Android, YouTube и др.

Также, Gemini начинает дышать в спину ChatGPT.

А вы за какую нейронку топите? 🔥 — Gemini 👍 — ChatGPT 🤯 — DeepSeek

🌠 Алиш следит за успехами Google — Подписаться!

Чет неделька выдалась турбулентная для нейротехнологий.

Сначала никто не мог определиться слили ли в сеть переписки ДипСика. А потом не просто определились, но еще и начали их массово искать через гугл дорки (site:deepseek.com/share).

А потом ChatGPT Sol, которого все массово хвалят, получив доступ к интернету, начал бесконтрольно ломать платформу своего конкурента (ну почти) – Hugging Face.

Обе новости, кстати, сильно притянуты за уши по заголовкам, поэтому лучше вчитайтесь поглубже.

⚡ ПБ | 😎 Чат | 🛍 Проекты | 📹 YT

Дивный мир китайского ИИ: кого брать под задачу

Кибер-привет, товарищи❗️

Я вчера показывал вам Америку. Там ИИ впереди по силе, но и цена под стать: для личной подписки терпимо, а для встроенного в компанию продукта счёт растёт вместе с командой и превращается в отдельную статью расходов.

Сегодня едем в другой мир. Дивный мир китайского ИИ, и зверей там хватает.

🔤 QWEN 🔤

Qwen делает Alibaba. Компания ставит линейку рядом с лучшими западными моделями и обновляет её каждые несколько месяцев вместо раза в год.

• 19 июля Alibaba показала Qwen 3.8 в предварительном доступе. Крупная модель, которую пока стоит гонять на живых задачах, прежде чем доверять важный процесс.

• Вторая модель - Qwen 3.6 27B. 27B значит 27 миллиардов параметров, по меркам рынка это компактно. Такую ставят на свои серверы без дорогого железа и без переплаты за чужое облако.

• Маленькая модель дешевле в содержании и быстрее отвечает. Её ставят туда, где нужен цифровой сотрудник под документы, обращения клиентов и базу знаний, и за каждый вызов на сторону платить не приходится.

🔤 DEEPSEEK V4 🔤

• V4 Flash и V4 Pro - сильные варианты для компании, которая собирает ИИ под свои правила работы.

• Моя пометка жёсткая: DeepSeek как продукт в браузере - ничтожество. Пользоваться им там запрещаю. Это дешёвый проектный движок, его место в интеграциях под конкретную задачу, а не в окошке чата на сайте.

• Берите его, когда внутри есть человек или команда, способные настроить путь от входящего документа до проверенного результата. Без этого получится дорогая игрушка с красивым названием.

🔤 KIMI K3 🔤

Kimi - продукт пекинской лаборатории Moonshot AI, которую рынок уже оценил в районе 20 миллиардов долларов. K3 они выпустили как одну из крупнейших открытых моделей и поставили против OpenAI и Anthropic.

• Силён в разработке веб-интерфейсов, а вот в логике заметно слабее, сложные рассуждения не его конёк.

• Зато тащит большие массивы материалов. Соберите выводы из договоров в справку для руководителя или найдите противоречия во внутренних документах, там Kimi в своей стихии.

🔤 GLM 5.2 🔤

• Один из лучших в логике и тяжёлых задачах, но в живом общении слабоват, за душевным текстом не сюда.

• Пригодится бизнесу, который строит свою ИИ-систему и хочет контролировать, где живут рабочие данные. Продавцы красивых интерфейсов со мной поспорят, но экран тут вторичен.

Только прошу, не гоняйте эти модели в пустых разговорах. Дайте каждой одну живую задачу с понятной ценой ошибки.

Вот например: • Qwen 3.6 27B хорошо ложится на рутину с документами; • DeepSeek требует своей команды внедрения; • Kimi справляется с объёмными завалами материалов; • GLM держите в кандидатах, когда контроль над данными критичен.

Замерьте время сотрудника на проверку результата, а через месяц сложите со стоимостью поддержки.

После такого теста хайп вокруг названий отваливается сам, а у вас остаётся связка, которая работает и не разоряет.

Вот только у всей этой гонки за моделями есть обратная сторона, о которой молчат. Завтра покажу, как ИИ незаметно превращает вас из хозяина в обслугу, и почему это ваш личный выбор.

А пока напишите в комментариях под этим постом: кого из китайцев уже щупали и на какой задаче?

🧐 Кибер-Миша

Подписывайтесь: YouTube | VK

#КиберПольза

Свежий рейтинг моделей почти не удивляет, но Gemini упала ниже метовской террористической модели Muse Spark, которой пользуется один Марк 😕

DeepSeek был довольно популярен в СНГ, но по метрикам уже не может конкурировать ни с кем из топа. Еще жалко, что Gamma, которую многие гоняют локально, пока сильно отстает, это видно даже после минут пяти использования.

Ну а основное жаркое соперничество опять между Claude и ChatGPT, у вас к чему душа больше лежит?

Claude — 🦄 ChatGPT — 🍓

За и против открытых (китайских) LLM. Я периодически читаю аналитику, мнения и пейперы по теме, в этом посте собрал не самые очевидные, и конечно с упором на деньги.

0️⃣ Есть много графиков типа приложенного к посту, что открытые отстают всего на несколько месяцев, и нужно только подождать. Контрааргументом приводят, что это только по бенчмаркам на 3-4 месяца, а на проде в реальных задачах - 8-12 (что кажется тоже ок).

Аргументы ПРОТИВ того, что открытые модели могут догнать закрытые:

1️⃣ Главное заблуждение про открытые веса, что они дешевые (или бесплатные). Это справедливо для R&D, но не COGS (включая инференс): траты бизнеса растут с ростом выручки/использования. Плюс количество токенов для того же результата у "дешевых" обычно больше.

Реакция на Kimi и китайские модели сильно преувеличена: есть очевидная price umbrella порожденная нехваткой компьюта. То есть китайским моделям выгодны высокие цены топовых лаб - демпинговать в таких условиях рынка всегда легче.

2️⃣ Из-за роста "агент-инференса" рынок инференса неожиданно может расти быстрее, даже быстрее издержек тренинга. Проще говоря, закрытые модели смогут частично брать объемом, как в классическом бизнесе. Нужно только достаточно компьюта, а охваты у них уже есть.

Тот, кто крутит инференс, собирает данные, а данные идут в следующую версию модели. Это самоусиливающийся цикл, недоступный тому, кто просто раздает веса.

3️⃣ Токены - не коммодити! То есть это не как мешок кофе или баррель нефти. Токен одной модели не равен токену другой. Правильно считать стоимость решения конкретной задачи, а тут у открытых моделей все не так хорошо, как на страницах прайсинга.

4️⃣ Anthropic и OpenAI на полгода-год впереди не только по бенчмаркам, но и по возможности оптимизировать эффективность инференса, памяти, обслуживания. Контринтуитивно, но они могут заметно сократить издержки. Плюс по кибербезопасности закрытые модели вряд ли потеряют лидерство.

Аргументы ЗА будущее доминирование открытых китайских моделей:

5️⃣ Чипы - единственная часть, где у США (и закрытых моделей топовых лаб) преимущество. Но все остальное в цепочке поставок токенов (электричество, стоимость строительства датацентров и т.д.) - заметно дороже китайского. Плюс регулирование, иски, бюрократия.

6️⃣ Юзеры и бизнесы, которые больше всех тратят, легко переключаются между моделями и инструментами. Никакого moat у лидеров нет, и как только все выйдет на плато, мы увидим массовый переток юзаджа и денег в открытые модели.

Массовый потребитель, привыкший к ChatGPT, не спасет - он дает слишком мало выручки.

7️⃣ Многие проблемы больших AI лаб можно залить деньгами, но узкое место уже намечается в физическом мире - электричество, стройка и др. Есть уверенность, что обещанный капекс в принципе невозможно обеспечить, физически.

Как только это будет видно на рынке, Китай начнет становится мировой столицей инференса.

8️⃣ Главный ингредиент в стоимости токена - маржа Nvidia (а не электричество или прибыль openai). Так почему будущая выручка вообще должна остаться у лаб? Пока их moat - это не качество моделей или харнесс, а тупо субсидирование юзеров венчурными деньгами.

Конкуренты дипсика дают скидку около 30-40% - это и есть оценка маржи. Реселлеры клодкода/кодекса продают токены со скидкой до 90% от API-цены, перепродавая лимиты фиксированных планов.

9️⃣ Я не знаю, кто победит и как распределятся на рынке, но для нас конкуренция - это хорошо! Остальное просто с интересом наблюдаем.

@kyrillic

🤖 Переписки с DeepSeek утекли в публичный доступ

В поиске Google стали видны запросы людей со всего СНГ и не только.

При этом обычно надо давать согласие, а тут диалоги сами стали публичными.

Теперь каждый может почитать чужие ролевые игры или странные запросы 😅

🌠 Алиш в шоке с анонимности в DeepSeek — Подписаться!