YouTube-эссе

Каждый раз, когда вы поручаете ИИ задачу, он тихо принимает десятки решений за вас — и не сообщает об этом. Консультант Dylan Davis предлагает простой приём: попросить модель вести лог этих решений отдельно от результата. Тогда видно не только что она сделала, но и что пропустила, и можно чинить не разовые ошибки, а системные причины.

CTO Cerebras Шон Ли рассказал о новом поколении чипов CS4 и анонсировал CS5, который поднимет скорость инференса ИИ до 10 000 токенов в секунду для средних моделей. Главный тезис: скорость — это не просто красивая цифра в бенчмарке, а условие для качественно новых агентных систем, где модель успевает пройти много шагов рассуждений за разумное время.…

Год назад советы «пиши подробнее», «сохраняй лучшие промпты», «давай примеры» работали безотказно — с моделями уровня Opus 5 и GPT-5.6 часть из них начала портить результат. Консультант Dylan Davis разобрал 10 таких привычек промптинга и предложил замену каждой. Главный сдвиг: новым моделям нужно не больше инструкций, а больше контекста о цели и больше доверия —…

IndyDevDan предлагает смотреть на работу с AI-агентами через призму «уровня оперирования» — от строчки кода до software factory. Чем выше уровень, тем больше рычага и скорости, но меньше контроля и понимания системы. Автор объясняет, когда стоит подниматься, а когда — намеренно спускаться вниз, и почему vibe coding без экспертизы в предметной области — путь в…

Продавцы и менеджеры не заполняют CRM не из лени, а потому что это отнимает у самых занятых людей больше часа в день — и треть данных всё равно теряется. Консультант Dylan Davis показывает рабочую схему: диктовка на телефон, ИИ сам ищет и обновляет карточку, спрашивает подтверждение и оставляет «расписку» о своих действиях. Ключевая мысль —…

Основатель агентства холодных рассылок показал, как заменил почти всю команду AI-агентами в Notion: от ответов лидам до бухгалтерии. Это не заготовка на будущее, а рабочая система, приносящая $550 в день. Главный урок — не в самих агентах, а в декомпозиции бизнеса на роли, которые AI действительно способен выполнять без надзора.

Консультант по AI Дилан Дэвис объясняет, почему рост числа AI-агентов часто приводит не к экономии времени, а к перегрузке: каждый агент требует объяснений, присмотра, проверки и уборки за собой. Он предлагает четыре вопроса для отбора задач под агентов, практику плана и decision log для длинных задач, обязательное подтверждение человека перед необратимыми действиями и лимит в…

Инженеры из Vapi, Daily, Smallest AI и Pipecat обсудили, как на самом деле строят голосовые AI-агенты в 2026 году. Несмотря на эффектные демо speech-to-speech моделей, в проде почти everywhere побеждает старомодный каскад из распознавания речи, LLM и синтеза — просто потому что им проще управлять и его проще защитить от галлюцинаций. Главный вывод: голосовые агенты…

Anima Anandkumar (Caltech, экс-NVIDIA) объясняет, почему нейронные операторы — архитектура, работающая с непрерывными функциями, а не фиксированным разрешением, — смогли обогнать классические физические модели в прогнозе погоды, климатическом моделировании и симуляции плазмы. Ключевой вывод: физический мир структурирован сильнее, чем кажется, поэтому редкие экстремальные события распознаются моделями с небольшим объёмом данных лучше, чем можно было ожидать.…

В июле у Claude и ChatGPT появилась возможность выполнять запланированные задачи в облаке, а не только на включённом компьютере — но не для всех сценариев. Anthropic формулирует чёткое правило: если задаче нужны локальные файлы или приложения, она должна оставаться на устройстве; если она построена только на коннекторах — её можно перенести в облако. При этом…