llm.
Как мы подключали Claude API из России. Новая линейка моделей и счёт за токены
Сразу дисклеймер: мы делаем Polza AI — агрегатор доступа к моделям. Заинтересованность очевидная, поэтому официальный путь через Anthropic описываем так же подробно, как обходной, и честно пишем, где он выгоднее нашего.Повод для статьи возник, когда мы переносили собственные сервисы на новую линейку. За два месяца Anthropic обновила почти весь модельный ряд: в июне вышли Fable 5 и Sonnet 5, 24 июля 2026 года — Opus 5. Одновременно у Sonnet 5 сменился токенизатор, у Opus 5 появился параметр effort
Я собрал 33 ИИ-агента на одном движке. Показываю, как устроены пять из них
Один каркас, из которого собраны очень разные вещи: шахматный тренер, инженерный расчёт, помощник по учёбе
Одна статья, 90 языковых версий и Google: как пет‑проект превратился в платформу
Всем привет, меня зовут Михаил Одегов.С 2019 по 2022 год я работал UX/UI‑дизайнером на фрилансе, а затем перешёл во фронтенд. Последние два года занимался довольно сложной админкой для управления зарядными станциями электромобилей в MAESTRO.ECO. Помимо разработки, периодически закрывал задачи дизайнера: в некоторых случаях быстрее было самому спроектировать интерфейс, чем объяснять другому человеку, что именно нужно сделать. Да и банально — экономия бюджета.
Месяц, 500M токенов и симулятор завода: как мы с ИИ-агентом построили имитационную модель производства чипов
Завод мечтыЗачем всё это читать, в чём польза?
Что будет если загрузить в «симулятор общества» чистый lorem ipsum? Большое исследование MiroFish, часть 1
Первая статья из трёх об исследовании MiroFish, открытого стека мультиагентной симуляции общества. В этой части: стек, методология и находка Silent Failure. Бэкенд зафиксировал отказ за десятки миллисекунд, статусный API отдал задачу как выполненную, а индикатор прогресса не отвечал более часа.
ИИ и контроль: токены Пентагона, агенты-хакеры на PyPI и научный слоп
ИИ и контроль: токены Пентагона, агенты-хакеры на PyPI и научный слопНи для кого не секрет, что люди часто халатно относятся к ИИ и доверяют ему излишне.Представьте: вы покупаете камеру видеонаблюдения, а в её прошивке находится административный токен доступа к сотням репозиториев GitHub производителя. Или вы решаете сделать проект или написать статью по академической работе, а эта работа оказывается нейрослопом.Люди пытаются бороться с этим — кое-где закрывают баг-баунти-программы, где-то PR, сгенерированные ИИ, не принимают.
Я собрал конвейер аналитики банков на LLM-агентах. Показываю, где он остановил 7 из 31
У проекта есть работающий сайт: ortant.net. На нём 24 принятых исследования, десять досье банков, карта покрытия данных и раздел с методикой. Исследование можно не только прочитать, но и заказать: конструктор собирает вопрос из готовых блоков (банк, окно, фокус), система бесплатно показывает паспорт данных с ценой, и после подтверждения идёт прогон. Медиана прогона $0,132 и 12,8 минуты; результат открывается своей страницей.
Звонок голосовому ИИ-агенту стоит 8 рублей: поставил счётчик и посчитал до копейки
В понедельник в 13:24 человек позвонил в небольшую производственную компанию, не дождался ответа и попал на голосового бота. Поговорил 27 секунд и положил трубку. Через пару минут перезвонил и на этот раз договорил до конца: рассказал, что нужно и в какой город, бот попрощался, а владельцу компании улетела SMS с карточкой заявки.
Поставил счётчик на каждый звонок голосового ИИ-агента: 13 сценариев экзамена и себестоимость до копейки
В понедельник в 13:24 человек позвонил в небольшую производственную компанию, не дождался ответа и попал на голосового бота. Поговорил 27 секунд и положил трубку. Через пару минут перезвонил и на этот раз договорил до конца: рассказал, что нужно и в какой город, бот попрощался, а владельцу компании улетела SMS с карточкой заявки.
Архитектура LLM-агентов для самых маленьких
Являясь LLM активистом, регулярно обсуждаю всякое про новостиинструментытренды в ИИ. И к моему удивлению зачастую люди из IT не понимают базовых вещей в работе LLM и сопутствующих инструментах. Эта статья — переложение доклада на внутреннем митапе. Основная ее цель - обозначить как из сервера с моделью получаются полноценные агентные системы.А начнем мы с того, что представим сервер с развернутой LLM, как рыбку Дори.
