Как я искал идеальный промпт для сопроводительных писем (и что оказалось важнее модели)
Моё приложение пишет сопроводительные письма к вакансиям на hh либо локальной моделью через Ollama, либо облачным API. Акцент в разработке я хотел сделать на локальную модель, потому что это просто-напросто бесплатно. Один вопрос портит красивую картину: а маленькая локальная модель вообще умеет писать так, чтобы не стыдно отправить работодателю?Я по умолчанию считал, что качество упирается в мощность модели и большая облачная всегда обгонит маленькую локальную. Чтобы проверить это на цифрах, а не на ощущениях, я собрал слепую оценку. За несколько заходов она показала, что рычаг, за который я тянул, был вообще не тот.
Сравниваем LLM, 12 тестов для среднего класса: три Sonnet против GigaChat 2 MAX и YandexGPT Pro 5.1
В первой статье цикла мы гоняли по 11 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro. В комментариях нас несколько раз спросили: а что там у моделей попроще и, главное, у отечественных? Спрашивали — отвечаем. Сегодня на ринге средний класс: три поколения рабочей серии Anthropic — Claude Sonnet 4.5, Sonnet 4.6 и свежий Sonnet 5 — против старших отечественных моделей: GigaChat 2 MAX от Сбера и YandexGPT Pro от Яндекса.
ИИ от 1 млрд параметров и конец ChatGPT-врапперов: разбираем новый закон об искусственном интеллекте в России
Закон об искусственном интеллекте принят во втором и третьем чтениях. Разбираемся в неточностях, ныряем за подводными камнями и пытаемся понять, что делать с несчастным 1 миллиардом параметров.Обозначим сразу все обязательные детали. Мы поговорим о законопроекте «О поддержке развития технологий искусственного интеллекта в Российской Федерации». Как он менялся мы подробно рассказывали здесь
Окупаемость ИИ: сколько малый бизнес теряет на рутине
Сколько вы теряете на рутине прямо сейчасКоротко: окупаемость ИИ упирается в одну цифру – сколько вы уже теряете на ручной рутине. Цена подписки тут вторична. По отраслевым данным владелец малого бизнеса отдаёт рутине около полутора часов каждый день и до трети рабочего времени уходит на административные задачи – это деньги, которые утекают тихо и незаметно.
Автоматизация рутины нейросетями: как поручить ИИ повторяющиеся задачи
Каждый владелец бизнеса делает десятки одинаковых действий в день. Отвечает на одни и те же вопросы клиентов. Переносит заявки в таблицу. Собирает отчёт из пяти источников. Пишет посты, которые откладываются, потому что «нет времени».По оценкам отраслевых исследований, около 84% компаний тратят минимум четверть рабочего времени на повторяющиеся задачи. Для малого бизнеса это особенно дорого: штат маленький, размазать рутину не на кого, и нанимать ещё одного человека ради механической работы невыгодно.
ИИ-ассистент с долговременной памятью, агентами и vision. Проблемы с Персональными Данными
Оглавление:ИсторияПамять: факты, embeddings и забываниеРазные модели под разные задачиTool callingПланировщик и proactiveАгенты и мультиагентский пайплайнVision, который знает контекстПерсональные данные и GigaChatЧто делать дальшеИстория
Deep Research как управляемый исследовательский контур
Написано в соавторстве с @bear7
GigaChat vs Opus в агентском аудите файрвола: попытка сравнения
Взяли один агент, один навык и одну выгрузку правил Ideco NGFW – и прогнали её через GigaChat Max и Claude Opus 4.8. Рассказываем, что из этого получилось, почему «настоящего» агентского теста не вышло и сколько всё это стоило в токенах и рублях.Зачем мы это затеялиВ прошлой статье – «Пещера Аладдина для безопасника»
Искусственный интеллект с LangChain. Разработка ИИ-агентов на Python
Представляем новый практический курс по ИИ-агентам на Python от мастера обучающей литературы Владимира Дронова
