искусственный интеллект. - страница 229

Токены — новая единица бюджета. Как управлять расходами на ИИ без лимитов для сотрудников

Компании всё чаще пересматривают расходы на ИИ-инструменты. Например, Uber в 2026 году ввела лимит в $1 500 в месяц на сотрудника для каждого агентного инструмента кодинга: по данным Bloomberg, годовой бюджет на ИИ был израсходован за четыре месяца.Такая реакция понятна — чем больше команда пользуется ИИ, тем выше счёт провайдера. Но лимит на человека — это не единственный и не всегда лучший способ управлять затратами. Он не различает полезный сложный запрос и простой вызов, который случайно отправили в дорогую модель. А ещё может ограничить именно тех сотрудников, чья работа действительно выигрывает от ИИ.

продолжить чтение

Пентагон запустил версии ChatGPT и Grok для военных

Пентагон запустил версии ChatGPT от OpenAI и Grok от xAI на портале GenAI.mil, разработанном в рамках программы OpenAI for Government для сотрудников Министерства обороны США.

продолжить чтение

Не конкурируй с ИИ — управляй им. Как специалисту по ИБ остаться востребованным в эпоху ИИ-агентов

продолжить чтение

Топ-5 проблем, с которыми я столкнулся при разработке AI-агентов

Когда я начал делать агентов под разные задачи внутри компании, я довольно быстро понял что задача не сводится просто к хорошему промпту.Промпт важен, но он закрывает только верхний слой, а дальше начинается обычная инженерная работа - контекст, память, доступы, инструменты, состояние, git, фоновые задачи и т.д. и т.п. И если это не проектировать отдельно, агент может нормально справиться с короткой задачей, но начать сыпаться на длинной работе.

продолжить чтение

Я дал четырем ИИ-ревьюерам 60 багов, про которые точно известно, что они баги

Про ИИ и код пишут много, и почти все эти тексты одного жанра: человек попробовал, ему понравилось или не понравилось, вот пара примеров. Чисел нет. Я честно искал статью, где кто-то взял бы набор дефектов с заранее известным ответом по каждому, прогнал через агента и посчитал. Не нашел.Понятно почему. Такой набор взять неоткуда. Реальные баги из трекера давно починены и с большой вероятностью лежали в обучающей выборке. Синтетические баги пишет человек, а человек пишет такие баги, какие сам привык замечать, и меряет в итоге собственные слепые пятна.

продолжить чтение

Кто вырастит будущих сеньоров, если код теперь пишет AI?

Почему генерация ускоряет результат, но не гарантирует рост инженера?

продолжить чтение

Anthropic представила Claude Fable 5.1 и Mythos 5.1

Anthropic обновила сразу две специализированные модели.Fable 5.1 получила заметный прирост в кодинге, агентных задачах и исследованиях. В Terminal-Bench Science модель набрала 52,6% против 24,7% у Fable 5.

продолжить чтение

Anthropic представила Claude Fable 5.1 — модель для сложных задач и долгой работы с ИИ-агентами

Anthropic выпустила Claude Fable 5.1 — новую модель из семейства Claude, которая стала преемником Claude Fable 5. Модель ориентирована на задачи с длительным контекстом и многоэтапным выполнением: агентное программирование, исследовательскую работу, анализ документов и другие сценарии, где требуется последовательное решение сложных задач.Claude Fable 5.1 доступна через Claude API и платформы партнёров Anthropic. По сравнению с предыдущей версией модель получила улучшения в работе с ИИ-агентами, более глубоким рассуждением и длительными рабочими процессами.

продолжить чтение

Обречён с самого начала: проблема ИИ‑дашбордов

Три промпта, три дашборда — и то, что специалист по аналитике по‑прежнему должен привносить сам в эпоху визуальной аналитики с использованием искусственного интеллекта.Если вам когда‑либо приходилось запускать дашборд внутри компании, вы наверняка сталкивались со знакомым сценарием.Вы выкатываете «Идеальный дашборд!». Все добавляют его в закладки. Через две недели аудитория начинает терять интерес. Через полгода данные устаревают, а посещаемость почти сходит на нет.И ваша работа отправилась на кладбище дашбордов.Причины смерти хорошо известны:

продолжить чтение

Разработчики Roblox научили статичные 3D‑модели повторять движения из видео без готового рига

Исследователи из команды Roblox, Массачусетского университета в Амхерсте (США) и Критского института технологического образования (Греция) представили BLARM (Blending LAtent Rigid Motion Primitives) — систему, которая переносит движение из видео на статичную 3D‑модель. Для этого не нужен заранее подготовленный скелет или размеченные веса скиннинга. Модель машинного обучения сама определяет, какие части объекты должны двигаться.

продолжить чтение