Как я понял, что делаю x16 на Cursor — и почему убрали цену
Холмс, у меня к вам дело, и начинается оно, как все скучные дела, с бухгалтерии.Я плачу за Cursor $60 в месяц. На днях я открыл страницу расходов, чтобы посмотреть, много ли я потратил за неделю, и обнаружил, что смотреть там абсолютно не на что. Вижу 321 запрос, и напротив каждого — слово «Included», то есть «включено», и ни одной суммы.Сначала я решил, что это глюк сайта. Потом выяснил, что нет: цифры убрали намеренно, полтора месяца назад, и компания объяснила, почему. Объяснение взволновало меня. Доллары в реальных расходах часто оказывались больше, чем стоит сам план, и это смущало людей.
Как Claude Code раскопал моё кладбище пет-проектов
20 лет писал код руками и считал ИИ игрушкой. Потом из любопытства попробовалМне за сорок, в разработке я около двадцати лет, и характер у меня соответствующий. Ворчливый. Когда вокруг заговорили, что нейросети пишут код, я отнёсся к этому как к большинству модных вещей за эти двадцать лет: игрушка, поиграют и забудут.Потом в свободное время, из чистого любопытства, потыкал Claude. Не для работы, для себя. Пару месяцев назад.Дальше рассказ о том, что из этого вышло. Будет спор с самим собой.Кладбище пет-проектов
Топ-15 нейросетей-чатов на русском в 2026: сравниваем GPT, Claude, Gemini, DeepSeek
В России 2026 года нейросетями пользуется каждый четвёртый житель — это примерно 35 миллионов человек, что выше среднемирового показателя. При этом 58% активных пользователей обращаются к ИИ минимум раз в неделю. Но вот парадокс: чем больше моделей появляется, тем сложнее выбрать «ту самую».
«Ты же говорил, что так можно»: как ИИ помогает в 1С бухгалтерам и руководителям
Читала недавно статью про то, что бухгалтер может использовать ИИ для ответов на требования — в комментариях много шуточек про то, что с такими ответами ты потом будешь за решеточкой сидеть (и то правда)). К сожалению, наши законы написаны так, что их действительно нужно читать между строк, и не раз — чтобы понять реальный смысл со всеми возможными подводными камнями, но статья не об этом.
В Anthropic работают около 30 000 ИИ‑агентов или как Claude разрабатывает себя сам
По внутреннему индексу автоматизации самих Anthropic, Claude уже ведёт 26% работы в области разработки ИИ: получает задачу на высоком уровне и выполняет большую часть работы самостоятельно, оставаясь под наблюдением человека. Более 90% работ выполняются как минимум при значительном участии ИИ. При этом полностью автономных направлений среди измеренных пока нет.
Что будет с инженерами?
Мы занимаемся разработкой электроники для легкого электротранспорта и на днях обсуждали с нашими hardware-инженерами, сможет ли ИИ их заменить. С программистами уже всё понятно, их будущее выглядит печально. Причём последние программисты сейчас как раз дописывают код, который позволит ИИ окончательно обойтись без программистов. Символично.
Определитель повадок: пять способов, которыми разговор с LLM имитирует доказательство
Парный опыт над двумя фронтирными моделями, разбор двух разных механизмов отказа и проверка собственного вывода по литературе, которая его обрушила.
Кредитный радар: LLM-воркфлоу, который каждое утро читает условия 12 банков и сам проверяет свои числа
TL;DR. Собрал воркфлоу на языковой модели, который раз в сутки обходит 34 страницы условий у 12 российских банков, сравнивает их со вчерашним снимком и публикует сводку изменений с ссылкой на источник в каждой строке, а при изменении цены пишет разбор с расчётом. Модель вызывается в четырёх точках и ни в одной не решает, что делать дальше. Цитаты, числа и статистика проверяются кодом. Каждый выпуск оценивается по 14 бинарным проверкам, метрики публичные. Стоит от 3 центов до 70 в день. Ниже устройство, проверки, evals и что он нашёл за первую неделю.
Как проверяющий ИИ испортил правильные ответы: разбор генератора учебных заданий
В задании на сортировку было слово «маши…ый». Генератор положил его в корзину «Две НН», и это верно. Проверка переложила слово в корзину «Одна Н». Вот ответ модели-арбитра, после которого это случилось, без правок, из сохранённого JSON:{ "n": 4, "a": "Одна Н", "why": "Прилагательное от «машина» с суффиксом -н-: корень оканчивается на н? Нет — «машин-» + -н- даёт «машинный»? В школьной норме пишется «машинный» (две НН), но по данному заданию основа «машин»+н… — фактически верно «машинный»." } Ответ в поле a неверный, а в объяснении модель сама приходит к «машинный». Код читал только a.
Anthropic внедрит функцию для управления личными финансами Claude Money
Компания Anthropic тестирует новую функцию для управления личными финансами под названием Claude Money. Она позволит напрямую подключать банковские счета к ИИ Claude, чтобы лучше понимать свои финансовые дела.
