Инструменты по замене _здесь_ваша_профессия_ всё доступней — Anthropic + Computer Use feature.

#Anthropic #AI

Интересный кейс — архив Европарламента использует AWS+Bedrock+Anthropic+QuickSight:

https://archidash.europarl.europa.eu/ep-archives-anonymous-dashboard

(Powered by QuickSight внизу)

Ссылка на сайте про использование RAG для получения документов из архива:

https://historicalarchives.europarl.europa.eu/en/sites/historicalarchive/home/cultural-heritage-collections/news/ai-dashboard.html

Ссылка от Anthropic:

https://www.anthropic.com/customers/european-parliament

Кейс интересен тем, что вопрос с работой крупных AI проектов на территории Евросоюза был на паузе после появления EU AI Act:

https://artificialintelligenceact.eu/

Однако неделю назад появился инструмент для бенчмарка AI-моделей, где, в частности, Anthropic набрал максимальный бал среди всех:

https://www.reuters.com/technology/artificial-intelligence/eu-ai-act-checker-reveals-big-techs-compliance-pitfalls-2024-10-16/

Так что есть надежда, что вскоре модельки подстроятся под этот бенчмарк и забаненные фичи, типа OpenAI Advanced Voice Mode или Apple Intelligence, станут доступны на территории Евросоюза. Без VPN. 😁

#AI #EU #Anthropic

AI-бот для поиска вакансий и оптимизации-рассылки резюме

https://github.com/feder-cr/Auto_Jobs_Applier_AIHawk

По отзывам некоторые при использовании бота умудрялись набрать прямо со старта до 50 собесов.

Спешите использовать, пока не все в курсе! 😁

P.S. AI-бот для прохождения собесов — in progress...

#AI #jobs #CV

Как скормить LLM git-репозиторий для анализа?

1️⃣ Самый быстрый и удобный: 💪

https://gitingest.com/

Заменяем github на gitingest в адресной строке и получаем нужное! Показывает кол-во токенов, есть возможность легко управлять, что добавляется в конечный файл.

2️⃣ Минималистичный:

https://githubtollm.replit.app/

Вставляем ссылку на репозиторий и получаем всё в одном файле с возможностью скопировать.

3️⃣ Кастомизируемый:

https://github.com/yamadashy/repomix

Устанавливаем и настраиваем под себя, что требуется.

repomix --remote https://github.com/my/repo

#AI

Будьте готовы. Они наступают.

#AI #development

Как активный пользователь OpenAI, Perplexity + Claude и Google Gemini не могу не поделиться впечатлениями от новой версии китайской модельки от DeepSeek:

https://chat.deepseek.com/

В шоке от скорости и качества. Как для самой последней с reasoning DeepSeek-R1, так и от дефолтной DeepSeek-V3.

Поделитесь своими, пожалуйста.

#AI

Open Source replacements for OpenAI Operator:

https://github.com/browser-use/browser-use

https://github.com/browserbase/open-operator

#AI #OpenSource

Новый понедельник, новая китайския моделька от DeepSeek — Janus Pro 7B для создания картинок:

https://github.com/deepseek-ai/Janus

Janus Pro по бенчмаркам вровень или лучше OpenAI DALL-E 3 и Stable Diffusion. Тоже Open Source, так что можно пользоваться:

https://huggingface.co/deepseek-ai/Janus-Pro-7B

#AI

DeepSeek — что за шум, простыми словами

DeepSeek — китайская компания, выпустившая в конце января Open Source модель DeepSeek-R1:

https://github.com/deepseek-ai/DeepSeek-R1

R1 — это "думающая" (reasoning) модель, прямой конкурент OpenAI o1, условно самой крутой на сегодняшний момент.

Собственно она и наделала столько шуму, потому что показала очень близкие результаты, где-то даже лучше. При этом она Open Source и резко выбивается из общего ряда способом "размышления" и потрясающей скоростью работы. А также ценой, которая в десятки раз меньше текущих на рынке.

При этом месяцем раньше компания выпустила DeepSeek-V3 — прямой конкурент GPT-4o:

https://github.com/deepseek-ai/DeepSeek-V3

Она круче его на голову, но все дружно проигнорили это, т.к. Claude 3.5 Sonnet тоже лучше и все давно привыкли, что тут ничего нового.

К модели R1 прилагается детальный процесс, как она была получена из которого следует, что стоимость обучения модели на порядок меньше, чем у OpenAI сотоварищи.

Как же им это удалось? Если говорить максимально упрощённо, они тупо пропустили самый дорогой и долгий этап проверки результатов работы модели живыми людьми. Берём запрос, генерируем ответ, смотрим, чтобы он был не хуже того, что генерит OpenAI или Claude. Если хуже, переделываем. Всё.

Нет людей, машины учатся у машин.

Можно сравнить с AlphaGo, которая сначал обучалась на партиях профи, а после тренировалась сама с собой методом проб и ошибок.

Ну, а дальше уже подключились политические аспекты противостояния USA-China, что отразилось и на рынке, вызвав резкое снижение акций NVIDIA.

Из некоторых сообщений можно было сделать вывод, что какая-то неизвестная компания с минимальными ресурсами уделала лидеров рынка, что приведёт к крушению AI индустрии вообще и NVIDIA в частности.

Это не так. Любое удешевление технологии приводит к увеличению спроса на железо, а не уменьшению. Все хотят этим воспользоваться, так что DeepSeek это спонсор NVIDIA, просто в будущем.

Касаемо ресурсов, то известно, что материнская компания DeepSeek владеет многими десятками тысяч карт AI ускорителей от NVIDIA, которые при этом запрещено экспортировать в Китай.

Подытожу, DeepSeek получил такую вирусность благодаря тому, что это Open Source. Почему такое эффективное решение сделали сделали Open Source, это уже второй вопрос. И время для этого получилось очень удачное — Lllama 4 ещё не вышла и на сейчас R1 на вершине хайпа.

R1 прямо сейчас уже есть и в AWS, и в Perplexity Pro.
Все спешат его поставить, можно даже поставить и себе локально на компьютер, ведь это Open Source.

Open Source is the way!

#AI #OpenSource #DeepSeek

Работает — не трогай.

Авторство: AI от https://lovable.dev/ (самый быстрорастущий AI-стартап от авторов gpt-engineer).

Source.

#AI #пятничное

2025-й — год AI

2025-й войдёт в историю, как 1997-й, когда Каспаров проиграл Deep Blue. Или 2015 и AlphaGo, выигравший в Го после самообучения. Только там были узкие отдельные вещи, а в 2025-м AI в целом станет умней людей.

Это уже произошло. Просто после 2025-го мы начнём к такому привыкать как к данности. И будем отмечать моменты, где ещё пока это не так. Лишь подтверждая этим общее правило.

Кто пропустил развитие AI и не в курсе возможностей, продолжая его оценивать по своим первым впечатлениям от использования ChatGPT 3.5, стоит поинтересоваться темой — всё уже не так. Вышедшая недавно фича Deep Research от OpenAI позволяет уже сейчас получать научные исследования качественней тех, что может сделать доктор наук. И это просто используя имеющиеся на сейчас модели и доступные в интернете данные.

Причём это не какие-то особенные технологии, для этого даже не требуется платить $200 в месяц. Можно взять Open Source версию и запустить на своём компе в Docker за $1:

https://github.com/dzhng/deep-research

Год назад говорили, что домашним заданиям школьников и студентов пришёл конец, т.к. ChatGPT делает это на ура. Теперь пришёл конец и докторским диссертациям. Нематерные отзывы протестировавших возможности учёных говорят о полном пересмотре подходов к этому уже прямо сейчас.

Актуальная на сейчас версия GPT-4 появилась почти год назад (https://openai.com/index/gpt-4-research/). Однако изменения, которые даёт AI в целом, происходят быстрей, чем предполагалось.

Это не значит, что всех заменят на AI. Не всех, пока это банально дорого. Однако, если вы волнуетесь, то правильно, значит вас точно заменят.

Что же делать? Учиться. И речь не про то, как писать запросы, это сейчас просто базовая грамотность как способность запустить Word. Учиться использовать инструменты в области AI, начать с практики, понять самую базовую теорию.

В идеале — работать на проектах, связанных с AI. Кто может выбить на работе внедрение AI под любым соусом — делайте это прямо сейчас. Кто пилит что-то своё и продолжает игнорировать AI — перечитайте ещё раз этот текст.

Итого. Люди, задумайтесь, 2025-й год на дворе, AI уже наступил!

P.S. 2025-й год — последний год, когда можно удачно переключиться с DevOps на AI Ops и Data Ops.

#AI