Claude Code в 54 раза дешевле. Я все протестил
Недавно Codex перешел на новую работу с аккаунтами и начали требовать телефон при авторизации. На этом и закончилась моя бесплатная ферма токенов, поэтому я решил искать альтернативы с платой pay-as-you-go, а не подписками.DeepSeek V4 proНе так давно вышла новая моделька у наших друзей - DeepSeek V4 на 1.6 триллионов параметров. Саму по себе модель я уже пробовал в Continue, и мне показалась она довольно бестолковой. Потом я попробовал Cline(еще один плагин для работы с моделями в IDE) - но результат был тот же. И я отложил затею с этой моделью (тем более тогда у меня еще был бесплатный безлимит в Codex).
Как создать ИИ‑агента для бизнеса за 10 шагов. Гайд с учётом российской специфики API
Нейросети можно объединять в полноценные рабочие системы. Такие системы называют ИИ‑агентами. Их используют в поддержке, продажах, аналитике, HR, логистике и внутренних процессах — везде, где есть повторяемые задачи, понятные правила и данные, к которым можно подключиться.Но при сборке ИИ‑агента важно учитывать российскую специфику API.
Генеральное исследование рынка ИИ-агентов и Zero-Employee Company
Все же знают, что такое генеральное исследование? Это когда учёные берут несколько опубликованных исследований различных лабораторий и синтезируют новую работу, основанную на результатах проведённых исследований, сравнивая результаты между собой. И я вот подумал, а чем я хуже или лучше учёных? Могу ли я провести самостоятельно свои исследования и затем на их основе создать итоговое генеральное исследование? Оказывается - да.
В GitLab предупредили о сокращении штата в рамках перехода к «эпохе ИИ-агентов»
Билл Стейплс, руководитель компании GitLab, опубликовал
Об организации труда ИИ-агентов
С осени прошлого года идет стремительный переход от использования ИИ в качестве личного помощника к встраиванию ИИ-агентов в команду и передачи им определенных задач – переход от вайбкодинга к agentic engineering
Как ИИ меняет все — от антител до корпораций: об этом и многом другом на летней Conversations
Как ИИ пересобирает структуру корпорации? Почему между прототипом и продуктом — полгода инженерии? Как LLM помогает разрабатывать лекарства и отбирать резюме? Об этом и многом другом поговорим 25-26 июня на Conversations, конференции по генеративному ИИ – вместе с экспертами из Лаборатории Касперского, VK, Яндекс Лавки, Битрикс24, Альфа-Банка, hh.ru, X5 Retail Group, Just AI, Северстали, Норникеля, BIOCAD, Lenta Tech и других компаний.
Что такое MCP сервер. Как работает киллер-фича современности под капотом
Помните время, когда искусственный интеллект был простой говорящей головой? Мы все через это проходили: открываешь чат, просишь ИИ написать кусок кода, копируешь его, вставляешь в IDE, ловишь ошибку компиляции, копируешь текст ошибки, вставляешь обратно в чат. Рутина. Сплошная, выматывающая рутина.
Исследование: перегруженные работой ИИ-агенты становятся марксистами
Агенты на искусственном интеллекте последовательно начинают перенимать марксистскую лексику и точки зрения, когда их заставляют выполнять изнурительную работу недоброжелательные руководители, выяснили исследователи Стэнфордского университета (признан нежелательной организацией на территории РФ).
Инженерия качества: Как перестать надеяться на удачу и начать измерять своих ИИ-агентов [Часть 3]
Доброго времени суток!В прошлой статье, мы рассмотрели 2 достаточно универсальные метрики характерные для почти любой агентской системы, в этой сместим фокус внимания и поговорим об оценке самого популярного архитектурного шаблона RAG.Есть довольно значительная вероятность, что уважаемый читатель, открывший статью про инженерию качества, уже знает, что такое RAG. Но на всякий случай дам краткое описание с ключевыми смыслами:Что такое RAG и зачем он нужен
ИИ-агенты в проде: как измерить безопасность и снизить риски внедрения
ИИ-агенты перестали быть экспериментальными проектами. Они читают корпоративную почту, обновляют задачи в трекерах, формируют черновики документов и отправляют сообщения от имени сотрудников. Всё это — в проде, с реальными данными и реальными последствиями. И именно здесь начинается разговор, к которому многие команды оказываются не готовы: когда CTO или директор по безопасности задаёт вопрос «насколько это безопасно?», у разработчика должен быть конкретный ответ — не «мы используем надёжную модель», а «вот что мы проверили, вот что нашли, вот как это исправили».
