Мы запускаем новый подкаст
Пилотный выпуск подкаста «Путь ИИ» — о том, как трансформировать бизнес с помощью искусственного интеллекта. Ведущие — Алексей Белкин, основатель belkin.digital и ex Chief Data Scientist блока «Финансы» Сбера, и Максим Ульянов, руководитель клиентской разработки RUTUBE и автор подкаста «Куда расти?». В этом выпуске разбираем методологию Vibe Evolve: девять принципов агентизации бизнеса, почему 90% AI-пилотов проваливаются и как научить компанию пересобирать саму себя быстрее конкурентов.Из выпуска вы узнаете:
xAI выпустили Grok 4.6: модель сравнялась с GPT-5.6 Sol
xAI представили Grok 4.6 — новую версию модели с упором на длительную работу AI-агентов, программирование и создание интерактивных приложений. По словам разработчиков, модель лучше удерживает многошаговые задачи, чаще проверяет собственные результаты и продолжает работу после первого подходящего решения.В Artificial Analysis Intelligence Index новинка получила 61 балл — столько же, сколько GPT-5.6 Sol Max. Fable 5 Max набрала 62 балла, а Grok 4.5 High — 56.
Вышел Grok 4.6 — разбираем, как модель взяла уровень GPT-5.6 по цене вдвое ниже
SpaceXAI представила Grok 4.6 — новинку, которая, по заявлению компании, выходит на уровень самых мощных моделей на рынке при цене вдвое ниже конкурентов: $2 за миллион входных токенов и $6 за миллион выходных. Модель уже доступна в агенте Grok Build, в Cursor, в боте Grok Bot и через API, а в Cursor и Grok Build первую неделю действует двойной лимит использования.
ИИ для продаж: какие задачи ИИ уже выполняет лучше менеджеров
Автоматизация продаж давно перестала ограничиваться CRM и шаблонными чат-ботами. Сегодня искусственный интеллект способен самостоятельно выявлять потребности клиентов, предлагать подходящие товары, обрабатывать типовые возражения и доводить покупателей до оформления заказа.В статье разберем, какие задачи ИИ уже сегодня может взять на себя, в каких сценариях он превосходит человека и как использовать ИИ для увеличения продаж без расширения команды.Почему ваши операторы в чатах не продают
Управление разработкой с AI-агентом: контекст вместо задач
Компании покупают лицензии, объявляют AI-стратегии, считают токены и показывают красивые демо. Потом оказывается, что пользователи не пришли, продукт не решает их задачу, а за результат как будто никто не отвечает: он потерялся между презентацией, подрядчиком и чат-ботом.Проблема часто не в самой модели, а в слабом управлении разработкой. Если в обычном проекте неясно, что именно строят, для кого и как будут проверять результат, AI этого не исправит. Он лишь позволит ошибаться быстрее.
Single Task Algorithmic Reasoning Models: как с помощью маленькой модели обойти большую LLM?
Привет, Хабр! Результаты коллег по цеху и наши исследования позволяют сделать однозначный вывод: в 2026-м для рецепта отличной reasoning-модели уже недостаточно лишь текстовых рассуждений. Для качественных ответов на большинство вопросов пользователей нужна работа с инструментами, мультимодальные режимы рассуждений, и нередко даже такая экзотика, как рассуждения в латентных представлениях сети.Мы рады поделиться с сообществом фреймворком для обучения рекурсивных reasoning-моделей STARM, существенно опережающих по качеству предыдущие open source-аналоги. О чём расскажем?
Я прогнал 60 тысяч составов продуктов через свой алгоритм. Вот что в еде на самом деле
Я делаю сервис, который наводится камерой на штрих-код и отдаёт светофор по составу плюс одну фразу человеческим языком. Побочный эффект такой работы — база. Сейчас в ней около 60 тысяч товаров из российских магазинов с разобранными составами.В какой-то момент я перестал смотреть на отдельные пачки и посмотрел на полку целиком. Ниже — цифры, грабли парсинга и два места, где алгоритм врал. Про механику, без ссылок и названий.Что считает алгоритмИИ в оценке нет. Это арифметика.
Эволюция подхода к сжатию контекста в AI Агентах
AI-агенты - это цикл обмена сообщениями между пользователем и языковой моделью (LLM), где для ответа пользователю модель может обратиться к доступным ей напрямую инструментам (tools) или через настроенные для неё MCP. Каждое такое взаимодействие дописывает историю диалога. Для простоты часто считают, что вся эта история и уходит в любой следующий вызов модели - иначе она «не вспомнит», о чём шла речь, и криво соберёт ответ.
Как я первый в Казахстане измерил ИИ видимость банков (и что из этого вышло)
Это моя первая публикация на Хабре, который я читаю уже лет 10... Так что, если честно, даже немного трясусь от волнения. Всё равно что смотреть футбол и выйти на поле в составе моего любимого Кайрата. Но постараюсь без лирики и перейду к делу. Итак, в 2026 году уже всем как будто понятно, что потенциальные клиенты всё чаще выбирают банк не в поиске, а в диалоге с нейросетью (хотя многие с этим до сих пор почему‑то спорят). На выходе клиент получает короткий список из трёх‑четырёх названий.
