Сравниваем ИИ‑модели для генерации игровых ассетов
В первой части мы превращали дилетантские почеркушки из Пейнта в нечто приятное для глаз игрока в нашу потенциальную космическую стрелялку. Но в эксперименте была задействована лишь одна модель Nano Banana Pro.Сегодня мы сравним сразу несколько моделей и в пул конкурсантов войдут Seedream 5.0, снова Nano Banana Pro, GPT Image 2, Nano Banana 2, Grok Image и Krea 2.Условия: один и тот же референс, один и тот же промт, чтобы праитвь ими всеми и никаких допиливаний, чтобы выяснить какая модель лучше всех понимает сходу, что мы хотим от нее.Корабль
Почему агент на самом деле дешевле RAG
Наивная арифметика, которая всех обманываетКлассический RAG-ассистент работает так: пользователь пишет вопрос → эмбеддинг → поиск в векторе → один вызов LLM для синтеза. Одна итерация. Чисто, быстро, дёшево. Если ответ правильный.Проблема в том, что с первой попытки он правильный не всегда. Пользователь переспрашивает: «нет, я имел в виду другое». Ассистент делает второй запрос. Потом третий. К четвёртому переспросу пользователь машет рукой и зовёт живого оператора. Оператор тратит 10–15 минут, находит нужный документ, копирует абзац в чат. Вопрос закрыт. Стоимость вопроса — не 1 вызов LLM, а:
Один MD, четыре платформы: скилл кросспостинга
Аудитория у моего пет-проекта разъехалась по разным площадкам, ибо про машину и стуки в двигателе и подвеске. Пришлось постить на четыре площадки один и тот же материал, и каждый раз руками расставлять подзаголовки, пересобирать списки и перезаливать картинки, ленивое…Ни одна из четырёх не пропускает CSS. Ни инлайновые стили, ни классы, ни шрифты, ни цвета. У каждой площадки есть короткий список тегов, и местами я даже не понимаю логику. В ВК не нашел таблиц, например, или плохо искал.ПлощадкаЧто переживает вставку
Как думает LLM
Почему ChatGPT иногда может ответить мгновенно, а иногда заставляет смотреть на надпись Thinking почти минуту?На первый взгляд кажется, что модель стала умнее и теперь действительно размышляет перед ответом. А раз уж она размышляет, может модель обрела… самосознание? Конечно, это не так, модель не думает в привычном понимании, она строит несколько гипотез, находит и отбрасывает неудачные варианты и предоставляет пользователю ответ. Этот процесс сегодня называют Reasoning.
Как с чистой совестью бросить стартап, на который ушло 2 года
Привет, Хабр!Я фрилансер, но сегодня не про фриланс.Два года я делал свой проект — InnerCore, приложение для записи и юнгианского анализа снов. Сперва телеграм-бот, потом мобильное приложение, потом сделал веб-версию. По итогу было пятнадцать живых пользователей, некоторые даже платили! Продукт готов и работает! Осталось только запустить маркетинг и масштабировать....Но вместо этого я его закрываю.Сервер поработает ещё пару недель — можно потыкать. Исходники выложил в открытый доступ
404 Identity Not Found: Почему «Поиск себя» — это бесконечный цикл while(true) и где кнопка break
sudo del user; exit; (Команда, которую я мечтал выполнить каждое утро понедельника)
Облачные ИИ не справляются, MiniLM-L6 ломается на философии: строим локальный RAG для сложных семантических текстов
Этот проект долго вынашивался и, в конце концов, начался как очередная попытка разобраться в философских текстах, написанных Джейн Робертс во второй половине двадцатого века.Естественно, с появлением мощных облачных ИИ не оставлялись попытки найти в них “качественных собеседников” по предложенной теме. Но, как показала практика, они справились с этой задачей далеко не блестяще! То галлюцинировали факты из общих знаний, то упираясь в границы своих датасетов.
Я хотела дать AI память. Пришлось организовать работу
Часть I. Как память превратилась в рабочий процессУ меня есть три правила работы с контекстом.Первое правило работы с контекстом — выносить его из чата.Второе правило работы с контекстом — прежде чем выносить, нужно сортировать.Третье правило работы с контекстом — не в контексте дело.Только не говори, что дело опять во мне.
