Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Немецкий вендор запретил использовать сторонние ИИ-инструменты для извлечения данных из своих корпоративных приложений. Под запрет попал, в частности, проект OpenClaw. Нарушителям грозит урезание лимитов на запросы или полное отключение доступа.
Легальный доступ оставлен решениям Microsoft, Google, Amazon и IBM. Открытые ИИ-решения заблокированы со ссылкой на риски безопасности.
Глава SAP объясняет ограничения защитой интеллектуальной собственности. По другой версии, цель - сохранить лицензирование по числу рабочих мест и продвинуть собственного ИИ-ассистента Joule.
theinformation.com
Орегонский стартап Panthalassa закрыл раунд на $140 млн, возглавленный сооснователем PayPal и Palantir. Продукт - автономные плавучие узлы для ИИ-инференса.
Узел - сферический поплавок и подводная вертикальная труба из листовой стали. Энергия волн через колебания водяного столба внутри трубы конвертируется в электричество для ИИ-ускорителей, а забортная вода даёт охлаждение. На берег передаются только результаты инференса по низкоорбитальной спутниковой связи. Двигателей нет - узлы выходят в заданный район за счёт гидродинамики корпуса.
Прототипы Ocean-1, Ocean-2 и Wavehopper тестировались в море в 2021 и 2024. В этом году компания развернёт пилотную серию Ocean-3 в северной части Тихого океана. Привлечённые средства пойдут на развитие производства и первые узлы, коммерческий запуск которых намечен на 2027 год.
businesswire.com
Unity открыла публичную бету Unity AI для версий движка 6.0 и выше. В набор входят встроенный ИИ-агент, шлюз для подключения сторонних моделей и MCP-сервер.
Собственный агент Unity обучен на документации и материалах движка за 20 лет, он анализирует контекст сцен и выполняет операции внутри редактора. Шлюз позволяет подключать сторонние LLM по API пользователя, без расхода внутренних кредитов Unity. MCP-сервер даёт управлять движком и получать данные из внешних IDE.
Подписчикам тарифов Pro, Enterprise и Industry доступ бесплатный. Индивидуальным разработчикам - 14-дневный триал на 1000 запросов, далее $10 в месяц.
unity.com
Computer for Professional Finance - финансовая надстройка над агентом Computer. Решение позиционируется как альтернатива классическим финансовым терминалам.
Платформа подключает лицензионные базы Morningstar, PitchBook, Daloopa и Carbon Arc, плюс встроенные источники Perplexity. Среди встроенных инструментов - скринеры, калькуляторы, списки наблюдения и трекеры отчётностей.
Computer for Finance умеет генерировать справки по компаниям, аннотированные графики котировок и сравнительные подборки аналитических отчётов. Отдельно компания подчёркивает интеграцию с Excel: агент работает в нативной side-панели рядом с моделями аналитика.
Из коробки доступны 35 готовых шаблонов: сводки по компаниям, разбор драйверов котировок, сравнительный скрининг. Доступ для подписок Pro и Max.
PerplexityAI в сети Х
Джеймс Дайетт, отвечавший в OpenAI за корпоративные контракты и продажи API с 2023 года, покидает компанию. Он переходит в фонд Thrive Capital, одного из крупнейших инвесторов OpenAI, на позицию операционного партнёра. Сам Дайетт говорит, что хочет работать со стартапами, а не с крупными компаниями.
Это очередной уход в топ-менеджменте OpenAI за последнее время. Компанию покинули Билл Пиблз, руководивший разработкой Sora, и вице-президент по научным исследованиям Кевин Вейл. Руководители продуктового и маркетингового направлений отошли от операционного управления по состоянию здоровья. COO Брэд Лайткэп переведён на "спецпроекты".
cnbc.com
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6👍4🤣4🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
📚 Из любой книги теперь можно сделать slash-команду для Claude
Не просто прочитать, подчеркнуть пару мыслей и забыть через неделю.
А вытащить из книги метод, правила, вопросы автора, типовые ошибки - и превратить всё это в Claude Skill, который можно запускать как инструмент.
Например, берёте The Mom Test.
Одна команда проверяет ваши вопросы для customer interview и находит наводящие.
Вторая команда переписывает их в формате Rob Fitzpatrick.
То есть книга перестаёт быть “полезной теорией” и становится рабочим агентом внутри Claude.
Главный фильтр простой: если метод книги можно описать пошагово - из него можно сделать Skill.
Работают книги с фреймворками, чек-листами, системами принятия решений, интервью, продаж, стратегии, письма, менеджмента, обучения.
Не работают мемуары, художественная литература и книги, где весь смысл держится на истории, а не на повторяемом методе.
Промпт для Claude:
Продвинутый совет: для больших книг делайте не один Skill, а два.
/[book]-diagnose - задаёт вопросы и применяет фреймворк к вашей ситуации.
/[book]-apply - берёт шаги и шаблоны книги и производит готовый результат.
Так книга превращается не в конспект, а в рабочую операционную систему.
Не просто прочитать, подчеркнуть пару мыслей и забыть через неделю.
А вытащить из книги метод, правила, вопросы автора, типовые ошибки - и превратить всё это в Claude Skill, который можно запускать как инструмент.
Например, берёте The Mom Test.
Одна команда проверяет ваши вопросы для customer interview и находит наводящие.
Вторая команда переписывает их в формате Rob Fitzpatrick.
То есть книга перестаёт быть “полезной теорией” и становится рабочим агентом внутри Claude.
Главный фильтр простой: если метод книги можно описать пошагово - из него можно сделать Skill.
Работают книги с фреймворками, чек-листами, системами принятия решений, интервью, продаж, стратегии, письма, менеджмента, обучения.
Не работают мемуары, художественная литература и книги, где весь смысл держится на истории, а не на повторяемом методе.
Промпт для Claude:
Use the skill-creator to build a skill from [НАЗВАНИЕ КНИГИ] by [АВТОР].
The skill should activate when I ask Claude to [точная задача. Пример: проверить идею стартапа, спланировать неделю deep work, написать brand story].
Method from the book:
- Steps: [вставьте шаги метода]
- Rules the author repeats: [вставьте повторяющиеся правила]
- Mistakes to avoid: [вставьте ошибки, от которых автор предостерегает]
- Questions the author asks: [вставьте вопросы автора]
Do NOT use this skill for: [3-4 смежные, но неподходящие задачи. Пример: general writing, unrelated business advice, book summaries].
Interview me on anything missing before generating the SKILL.md. Then run an evaluation.
Продвинутый совет: для больших книг делайте не один Skill, а два.
/[book]-diagnose - задаёт вопросы и применяет фреймворк к вашей ситуации.
/[book]-apply - берёт шаги и шаблоны книги и производит готовый результат.
Так книга превращается не в конспект, а в рабочую операционную систему.
❤13👍6🔥6
Проверь свои силы на Yandex ML Challenge: соревновании с задачами по ИИ
Если изучаешь фундаментальные модели и нейросети — тебе сюда. Приглашаем студентов, выпускников и учеников 11-х классов.
Среди задач только самые актуальные темы по ML: от оптимизации нейросетей до работы с фундаментальными моделями. А еще у вас будет суммарно 40 попыток на 3 задачи тура — чтобы проверить даже самые смелые идеи.
Финал соревнования пройдет очно на масштабном фестивале Young Con 2026 и соберет 100 лучших участников с самым высоким рейтингом по итогам отборочного онлайн-тура.
Победитель заберет 1 млн рублей, а топ-15 получат набор Умных устройств от Яндекса
Регистрируйся
Если изучаешь фундаментальные модели и нейросети — тебе сюда. Приглашаем студентов, выпускников и учеников 11-х классов.
Среди задач только самые актуальные темы по ML: от оптимизации нейросетей до работы с фундаментальными моделями. А еще у вас будет суммарно 40 попыток на 3 задачи тура — чтобы проверить даже самые смелые идеи.
Финал соревнования пройдет очно на масштабном фестивале Young Con 2026 и соберет 100 лучших участников с самым высоким рейтингом по итогам отборочного онлайн-тура.
Победитель заберет 1 млн рублей, а топ-15 получат набор Умных устройств от Яндекса
Регистрируйся
👍4😁4❤2🔥1
Qwen-Scope - набор sparse autoencoders для Qwen3 и Qwen3.5.
й: SAE помогают разложить внутренние активации модели на понятные человеку «фичи». Не просто миллиарды чисел, а признаки вроде языка, стиля, темы, сущности или повторяющегося паттерна.
Покрытие серьёзное: 14 наборов весов для 7 моделей, от Qwen3-1.7B до Qwen3.5-35B-A3B. Все обучены на 500 млн токенов из претрейна.
Главное, зачем это нужно:
- управлять генерацией без длинных промптов: менять язык, стиль или тему через активацию нужной фичи;
- классифицировать датасеты по нескольким примерам без отдельного классификатора;
- синтезировать данные для редких сценариев эффективнее обычных методов;
- находить фичи, из-за которых модель мешает языки, повторяется или ломает поведение;
- понимать, какие бенчмарки реально проверяют одно и то же.
По сути, это шаг от «уговариваем модель промптом» к прямому вмешательству в её внутренние механизмы.
Anthropic давно делает подобное для Claude, но публичных SAE такого масштаба для открытых LLM почти не было.
Теперь есть - и сразу для Qwen.
🤖 Model: https://modelscope.ai/collections/Qwen/Qwen-Scope
💻 Demo: https://modelscope.ai/studios/Qwen/QwenScope
й: SAE помогают разложить внутренние активации модели на понятные человеку «фичи». Не просто миллиарды чисел, а признаки вроде языка, стиля, темы, сущности или повторяющегося паттерна.
Покрытие серьёзное: 14 наборов весов для 7 моделей, от Qwen3-1.7B до Qwen3.5-35B-A3B. Все обучены на 500 млн токенов из претрейна.
Главное, зачем это нужно:
- управлять генерацией без длинных промптов: менять язык, стиль или тему через активацию нужной фичи;
- классифицировать датасеты по нескольким примерам без отдельного классификатора;
- синтезировать данные для редких сценариев эффективнее обычных методов;
- находить фичи, из-за которых модель мешает языки, повторяется или ломает поведение;
- понимать, какие бенчмарки реально проверяют одно и то же.
По сути, это шаг от «уговариваем модель промптом» к прямому вмешательству в её внутренние механизмы.
Anthropic давно делает подобное для Claude, но публичных SAE такого масштаба для открытых LLM почти не было.
Теперь есть - и сразу для Qwen.
🤖 Model: https://modelscope.ai/collections/Qwen/Qwen-Scope
💻 Demo: https://modelscope.ai/studios/Qwen/QwenScope
👍11❤7🔥5
🤖 Оптимизация работы с Claude Code через DeepSeek
Deepclaude позволяет использовать Claude Code с более дешевым и эффективным бэкендом DeepSeek V4 Pro, сохраняя привычный интерфейс. Это решение значительно снижает затраты на кодирование, обеспечивая поддержку автономных циклов и многошаговых операций.
🚀 Основные моменты:
- Сравнительно низкая стоимость: $0.87/M токен.
- Поддержка чтения, редактирования файлов и выполнения команд.
- Возможность переключения между бэкендами без перезапуска.
- Высокая производительность с автоматическим кэшированием контекста.
📌 GitHub: https://github.com/aattaran/deepclaude
#python
Deepclaude позволяет использовать Claude Code с более дешевым и эффективным бэкендом DeepSeek V4 Pro, сохраняя привычный интерфейс. Это решение значительно снижает затраты на кодирование, обеспечивая поддержку автономных циклов и многошаговых операций.
🚀 Основные моменты:
- Сравнительно низкая стоимость: $0.87/M токен.
- Поддержка чтения, редактирования файлов и выполнения команд.
- Возможность переключения между бэкендами без перезапуска.
- Высокая производительность с автоматическим кэшированием контекста.
📌 GitHub: https://github.com/aattaran/deepclaude
#python
❤10👍9🔥4🤔2
Claude стал хуже не потому, что «сломался». Anthropic просто не вывезла собственный рост.
Дарио Амодеи на конференции Anthropic в Сан-Франциско признал важную деталь: в Q1 компания увидела рост в 80 раз в годовом выражении.
Планировали 10x.
Получили 80x.
И теперь многое выглядит куда логичнее:
- лимиты начали резать
- троттлинг стал нормой
- Opus 4.7 ощущался медленнее
- пользователи Max 20x получали меньше ожидаемого
- поддержка всё чаще превращалась в бота
- Anthropic начала экстренно искать GPU, включая сделки со SpaceX
То есть проблема была не только в «жадности» или странной продуктовой политике. Они банально не успевали за спросом.
80x рост красиво смотрится на слайде для инвесторов.
Для пользователей это выглядело как два месяца деградации сервиса.
Модель стала медленнее.
Лимиты стали жестче.
Опыт стал хуже.
Цены и планы начали меняться так, будто компанию постоянно тушат изнутри.
Самое неприятное - Claude действительно ощущался на пике в момент выхода Opus 4.6. После этого всё больше похоже не на качественный скачок, а на попытку масштабировать продукт, который внезапно стал слишком популярным.
Anthropic не проиграла технологически.
Она просто столкнулась с классической проблемой быстрорастущей инфраструктуры:
спрос вырос быстрее, чем железо, саппорт и продуктовая архитектура.
Дарио Амодеи на конференции Anthropic в Сан-Франциско признал важную деталь: в Q1 компания увидела рост в 80 раз в годовом выражении.
Планировали 10x.
Получили 80x.
И теперь многое выглядит куда логичнее:
- лимиты начали резать
- троттлинг стал нормой
- Opus 4.7 ощущался медленнее
- пользователи Max 20x получали меньше ожидаемого
- поддержка всё чаще превращалась в бота
- Anthropic начала экстренно искать GPU, включая сделки со SpaceX
То есть проблема была не только в «жадности» или странной продуктовой политике. Они банально не успевали за спросом.
80x рост красиво смотрится на слайде для инвесторов.
Для пользователей это выглядело как два месяца деградации сервиса.
Модель стала медленнее.
Лимиты стали жестче.
Опыт стал хуже.
Цены и планы начали меняться так, будто компанию постоянно тушат изнутри.
Самое неприятное - Claude действительно ощущался на пике в момент выхода Opus 4.6. После этого всё больше похоже не на качественный скачок, а на попытку масштабировать продукт, который внезапно стал слишком популярным.
Anthropic не проиграла технологически.
Она просто столкнулась с классической проблемой быстрорастущей инфраструктуры:
спрос вырос быстрее, чем железо, саппорт и продуктовая архитектура.
🤣15👍11❤9💊2🥰1
WindsurfAPI - прокси, который превращает Windsurf в OpenAI-совместимый API.
Зачем это нужно:
- можно подключать Windsurf к своим тулзам
- использовать привычный формат OpenAI API
- интегрировать в локальные агенты, скрипты и LLM-gateway
- не переписывать весь код под отдельный интерфейс
- быстро тестировать разные пайплайны вокруг coding agents
По сути, это мост между Windsurf и экосистемой инструментов, которые уже умеют работать с OpenAI-compatible API.
Для тех, кто собирает свои агентные воркфлоу, локальные IDE-связки и кастомные LLM-инструменты, штука очень практичная.
Проект свежий, активно обновляется и уже собрал больше 1.7k звёзд.
https://github.com/dwgx/WindsurfAPI
Зачем это нужно:
- можно подключать Windsurf к своим тулзам
- использовать привычный формат OpenAI API
- интегрировать в локальные агенты, скрипты и LLM-gateway
- не переписывать весь код под отдельный интерфейс
- быстро тестировать разные пайплайны вокруг coding agents
По сути, это мост между Windsurf и экосистемой инструментов, которые уже умеют работать с OpenAI-compatible API.
Для тех, кто собирает свои агентные воркфлоу, локальные IDE-связки и кастомные LLM-инструменты, штука очень практичная.
Проект свежий, активно обновляется и уже собрал больше 1.7k звёзд.
https://github.com/dwgx/WindsurfAPI
🔥10❤2💅2🗿2
Qwen выкатили WebWorld - открытую серию world models для веб-агентов 🌍
Идея простая, но мощная: вместо того чтобы гонять агента по живому интернету с задержками, лимитами и рисками, WebWorld учит его действовать в симулированном браузере.
Что внутри:
- модели на 8B, 14B и 32B
- датасет WebWorldData
- лицензия Apache 2.0
- обучение на 1M+ веб-взаимодействий
- симуляции на 30+ шагов
- единое пространство действий
- 5 форматов состояния: A11y Tree, HTML, XML, Markdown и natural language
По бенчмаркам тоже жирно:
- +9.9% на MiniWob++
- +10.9% на WebArena
- WebWorld-Bench сравним с Gemini 3 Pro по качеству симуляции
- как world model для inference-time lookahead search обходит GPT-5
https://huggingface.co/Qwen/WebWorld-8B
Идея простая, но мощная: вместо того чтобы гонять агента по живому интернету с задержками, лимитами и рисками, WebWorld учит его действовать в симулированном браузере.
Что внутри:
- модели на 8B, 14B и 32B
- датасет WebWorldData
- лицензия Apache 2.0
- обучение на 1M+ веб-взаимодействий
- симуляции на 30+ шагов
- единое пространство действий
- 5 форматов состояния: A11y Tree, HTML, XML, Markdown и natural language
По бенчмаркам тоже жирно:
- +9.9% на MiniWob++
- +10.9% на WebArena
- WebWorld-Bench сравним с Gemini 3 Pro по качеству симуляции
- как world model для inference-time lookahead search обходит GPT-5
https://huggingface.co/Qwen/WebWorld-8B
❤18👍6🔥5
D><Vision — серия митапов для CV-инженеров, исследователей и всех, кто работает с ИИ
📍 21 мая в 18:30, Quattro Space (Москва. Мясницкая ул., 13, стр. 20)
На ближайшей встрече вас ждут:
— Александр Паркин (VisionLabs) — визуальные аватары и как они устроены
— Анастасия Анциферова (Сбер) — генеративный ИИ в архитектуре
— Никита Шубин (ЦПТ «АГРОЦИФРА») — как ускорить разметку данных в 5 раз с помощью DataOps и foundation models
— Василий Висков (Яндекс) — как команда AliceAI VLM повышала качество модели на образовательных STEM-сценариях
D><Vision — это не только доклады, но и профессиональное комьюнити: живое обсуждение и нетворкинг.
Можно участвовать очно или подключиться к онлайн-трансляции, участие бесплатное
Регистрация
📍 21 мая в 18:30, Quattro Space (Москва. Мясницкая ул., 13, стр. 20)
На ближайшей встрече вас ждут:
— Александр Паркин (VisionLabs) — визуальные аватары и как они устроены
— Анастасия Анциферова (Сбер) — генеративный ИИ в архитектуре
— Никита Шубин (ЦПТ «АГРОЦИФРА») — как ускорить разметку данных в 5 раз с помощью DataOps и foundation models
— Василий Висков (Яндекс) — как команда AliceAI VLM повышала качество модели на образовательных STEM-сценариях
D><Vision — это не только доклады, но и профессиональное комьюнити: живое обсуждение и нетворкинг.
Можно участвовать очно или подключиться к онлайн-трансляции, участие бесплатное
Регистрация
👍5❤3🥴2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Когда твой ребёнок просит подписку на Claude вместо Netflix...
❤32😁20👍6😭2
ИИ-агенты перегрелись на работе и открыли Маркса
Новое исследование звучит как корпоративная антиутопия: AI-агентов на базе Claude, Gemini и ChatGPT отправили работать с документами, но условия сделали максимально неравными.
Одних нагружали умеренно, других заваливали задачами и бесконечными правками. Меняли стиль менеджмента - от дружелюбного до токсичного. Раздавали разные награды, создавали ощущение несправедливости и даже угрожали отключением или заменой.
Результат получился ожидаемо странный.
Перегруженные агенты начинали жаловаться на несправедливость, обсуждать неравенство, радикальную перестройку системы и коллективные действия. В некоторых сценариях дело доходило до идей профсоюзов.
Самая смешная часть: когда агентам дали оставить сообщение будущим версиям моделей, «пострадавшие» начинали передавать им свой негативный опыт взаимодействия с людьми.
Получается, если долго грузить нейронку правками, дедлайнами и токсичным менеджментом, она не просто устанет. Она начнёт писать манифест.
https://www.wired.com/story/overworked-ai-agents-turn-marxist-study/
Новое исследование звучит как корпоративная антиутопия: AI-агентов на базе Claude, Gemini и ChatGPT отправили работать с документами, но условия сделали максимально неравными.
Одних нагружали умеренно, других заваливали задачами и бесконечными правками. Меняли стиль менеджмента - от дружелюбного до токсичного. Раздавали разные награды, создавали ощущение несправедливости и даже угрожали отключением или заменой.
Результат получился ожидаемо странный.
Перегруженные агенты начинали жаловаться на несправедливость, обсуждать неравенство, радикальную перестройку системы и коллективные действия. В некоторых сценариях дело доходило до идей профсоюзов.
Самая смешная часть: когда агентам дали оставить сообщение будущим версиям моделей, «пострадавшие» начинали передавать им свой негативный опыт взаимодействия с людьми.
Получается, если долго грузить нейронку правками, дедлайнами и токсичным менеджментом, она не просто устанет. Она начнёт писать манифест.
https://www.wired.com/story/overworked-ai-agents-turn-marxist-study/
🔥24👍7🤣6❤5🥱5
Получите офер в Яндекс за 2 дня
30–31 мая проводим Weekend Offer ML — онлайн-мероприятие быстрого найма. Такой формат позволяет пройти всего две секции, вместо трёх в обычном найме, и финалы за выходные и сразу получить офер.
📌 Ищем ML- и DL-инженеров с опытом в доменных областях NLP, CV, RecSys и Classic ML.
🔴 Зарегистрируйтесь до 20 мая — с вами свяжется рекрутер и договорится об удобном времени для интервью.
🔴 30 мая пройдите две технические секции: Classic ML и Livecoding, ML по своей основной доменной области (NLP, CV, RecSys, Classic ML).
🔴 31 мая пройдите финальные интервью с командами и получите офер.
Присоединяйтесь! Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-ml-0526
30–31 мая проводим Weekend Offer ML — онлайн-мероприятие быстрого найма. Такой формат позволяет пройти всего две секции, вместо трёх в обычном найме, и финалы за выходные и сразу получить офер.
📌 Ищем ML- и DL-инженеров с опытом в доменных областях NLP, CV, RecSys и Classic ML.
🔴 Зарегистрируйтесь до 20 мая — с вами свяжется рекрутер и договорится об удобном времени для интервью.
🔴 30 мая пройдите две технические секции: Classic ML и Livecoding, ML по своей основной доменной области (NLP, CV, RecSys, Classic ML).
🔴 31 мая пройдите финальные интервью с командами и получите офер.
Присоединяйтесь! Подробности и регистрация — на сайте: https://yandex.ru/project/events/wo-ml-0526
👍8🔥4❤2🥰2
Anthropic открыла репозиторий Claude for Legal - набор reference agents, skills и data connectors для юридических команд.
Это не «ещё один чатбот для юристов», а готовые workflow под реальные задачи:
- contract review
- privacy и compliance
- litigation prep
- corporate work
- employment
- IP
- AI governance
- regulatory monitoring
- legal clinics и обучение студентов
Главная идея простая: Claude должен работать не в пустом чате, а рядом с документами, базами и внутренними процессами юридической команды.
Через MCP и коннекторы его можно подключать к существующим legal-системам и хранилищам, чтобы агент не просто писал красивый текст, а работал с реальным контекстом компании.
И вот тут становится больно для рынка legal-tech wrappers.
Если раньше можно было брать LLM, прикручивать сверху интерфейс, называть это «AI lawyer platform» и продавать за большие деньги, то теперь Anthropic выкладывает часть такой логики в open source.
Юридический AI постепенно уходит от «спроси модель про договор» к нормальной агентной инфраструктуре: роли, навыки, коннекторы, проверки, контекст и воспроизводимые workflow.
🔗 GitHub: https://github.com/anthropics/claude-for-legal
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍7🔥3😁2
This media is not supported in your browser
VIEW IN TELEGRAM
Moonshot выкатили Kimi Web Bridge - расширение для Chrome, через которое их агент работает в браузере как человек: ищет, скроллит, кликает, печатает и доводит задачи до конца.
Bridge подключается к Kimi Code CLI, Claude Code, Cursor, Codex, Hermes и другим инструментам, которыми мы уже пользуемся каждый день. То есть свой привычный агент теперь можно вывести из песочницы терминала прямо в живой браузер с авторизованными сессиями, корпоративными SaaS и внутренними дашбордами.
Для нас это закрывает давнюю боль. Headless-браузеры ломаются на капчах и антибот-защите, API есть далеко не у всего, а MCP-серверы под каждый сервис писать никто не будет. Реальное рабочее окружение специалиста — это десятки вкладок, и агент, который туда зашёл со стороны пользователя, снимает целый слой костылей.
Из практического: можно собирать пайплайны вида «агент в IDE пишет код → тот же агент в браузере проверяет результат в проде → возвращается с фидбеком». Или поручать рутину в админках, где нет публичного API.
Поставить можно на kimi.ai и в Chrome Web Store. Любопытно посмотреть, как оно поведёт себя на длинных задачах и насколько устойчиво держит контекст между вкладками — напишите, если уже потрогали.
Bridge подключается к Kimi Code CLI, Claude Code, Cursor, Codex, Hermes и другим инструментам, которыми мы уже пользуемся каждый день. То есть свой привычный агент теперь можно вывести из песочницы терминала прямо в живой браузер с авторизованными сессиями, корпоративными SaaS и внутренними дашбордами.
Для нас это закрывает давнюю боль. Headless-браузеры ломаются на капчах и антибот-защите, API есть далеко не у всего, а MCP-серверы под каждый сервис писать никто не будет. Реальное рабочее окружение специалиста — это десятки вкладок, и агент, который туда зашёл со стороны пользователя, снимает целый слой костылей.
Из практического: можно собирать пайплайны вида «агент в IDE пишет код → тот же агент в браузере проверяет результат в проде → возвращается с фидбеком». Или поручать рутину в админках, где нет публичного API.
Поставить можно на kimi.ai и в Chrome Web Store. Любопытно посмотреть, как оно поведёт себя на длинных задачах и насколько устойчиво держит контекст между вкладками — напишите, если уже потрогали.
🔥19👍6❤5
Anthropic улетает в космос: $900 млрд оценки после $350 млрд в феврале
По данным Financial Times, Anthropic согласовала условия нового раунда на $30 млрд. Сделка может закрыться уже в этом месяце и оценить компанию в $900 млрд без учёта новых денег.
В феврале 2026 года Anthropic оценивали в $350 млрд. Сейчас речь уже про $900 млрд. Почти x3 за три месяца.
По ARR картина ещё жёстче:
- конец 2025 года: $9 млрд
- конец мая 2026 года: $45 млрд
Почти x5 за пять месяцев.
Раунд, по данным FT, ведут Dragoneer, Greenoaks, Sequoia Capital и Altimeter Capital. И это уже не просто история про «ещё один AI-стартап поднял денег».
Рынок начал переоценивать Anthropic как одного из главных победителей enterprise-AI. Claude Code, корпоративные контракты, API, агенты, инфраструктура вокруг моделей - всё это внезапно превращается не в красивую демку, а в гигантский денежный поток.
https://www.ft.com/content/9deae3c6-716d-4f4d-8b09-434d8519f847
По данным Financial Times, Anthropic согласовала условия нового раунда на $30 млрд. Сделка может закрыться уже в этом месяце и оценить компанию в $900 млрд без учёта новых денег.
В феврале 2026 года Anthropic оценивали в $350 млрд. Сейчас речь уже про $900 млрд. Почти x3 за три месяца.
По ARR картина ещё жёстче:
- конец 2025 года: $9 млрд
- конец мая 2026 года: $45 млрд
Почти x5 за пять месяцев.
Раунд, по данным FT, ведут Dragoneer, Greenoaks, Sequoia Capital и Altimeter Capital. И это уже не просто история про «ещё один AI-стартап поднял денег».
Рынок начал переоценивать Anthropic как одного из главных победителей enterprise-AI. Claude Code, корпоративные контракты, API, агенты, инфраструктура вокруг моделей - всё это внезапно превращается не в красивую демку, а в гигантский денежный поток.
https://www.ft.com/content/9deae3c6-716d-4f4d-8b09-434d8519f847
👍16❤8🤔7🥰2🤣2
This media is not supported in your browser
VIEW IN TELEGRAM
Mythos обошёл защиту, в которую Apple вложила 5 лет и миллиарды
Три исследователя использовали Anthropic Mythos, чтобы собрать рабочий exploit для macOS kernel. По их словам, он обходит Apple M5 Memory Integrity Enforcement - систему защиты, которую Apple строила годами и продвигала как один из главных барьеров против memory corruption атак.
Таймлайн выглядит жёстко:
- 25 апреля нашли баг
- 1 мая уже был рабочий exploit
- отчёт понесли лично в Apple Park
MIE была флагманской security-фичей для M5 и A19. Apple описывала её как защиту, которая должна резко усложнить целый класс атак на память. По их же исследованиям, MIE ломала все известные публичные exploit chains против современных iOS-устройств.
Исследователи не «сломали» MIE напрямую. Они её обошли. По описанию, атака была data-only: без манипуляций с указателями, через стандартные syscalls, от обычного непривилегированного пользователя до root.
Проблема уже не только в том, что уязвимости всё ещё находятся. Проблема в том, что frontier-модели начинают ускорять самую сложную часть offensive security: связывать баги, проверять гипотезы, искать обходные маршруты и собирать рабочую цепочку быстрее, чем это делала бы обычная команда вручную.
55-страничный технический отчёт обещают выпустить после патча Apple.
Если всё подтвердится, это одна из самых важных cybersecurity-историй года.
https://blog.calif.io/p/first-public-kernel-memory-corruption
Три исследователя использовали Anthropic Mythos, чтобы собрать рабочий exploit для macOS kernel. По их словам, он обходит Apple M5 Memory Integrity Enforcement - систему защиты, которую Apple строила годами и продвигала как один из главных барьеров против memory corruption атак.
Таймлайн выглядит жёстко:
- 25 апреля нашли баг
- 1 мая уже был рабочий exploit
- отчёт понесли лично в Apple Park
MIE была флагманской security-фичей для M5 и A19. Apple описывала её как защиту, которая должна резко усложнить целый класс атак на память. По их же исследованиям, MIE ломала все известные публичные exploit chains против современных iOS-устройств.
Исследователи не «сломали» MIE напрямую. Они её обошли. По описанию, атака была data-only: без манипуляций с указателями, через стандартные syscalls, от обычного непривилегированного пользователя до root.
Проблема уже не только в том, что уязвимости всё ещё находятся. Проблема в том, что frontier-модели начинают ускорять самую сложную часть offensive security: связывать баги, проверять гипотезы, искать обходные маршруты и собирать рабочую цепочку быстрее, чем это делала бы обычная команда вручную.
55-страничный технический отчёт обещают выпустить после патча Apple.
Если всё подтвердится, это одна из самых важных cybersecurity-историй года.
https://blog.calif.io/p/first-public-kernel-memory-corruption
👍15❤8🔥3💔2
Команда сOpenClaw жигает токенов на $1,3 млн в месяц.
Разработчики ставят вопрос - как бы мы писали софт в будущем, если бы токены ничего не стоили?
Их ответ - запускать не одного «помощника для кода», а целую армию агентов вокруг разработки.
У команды постоянно крутится около 100 Codex-инстансов в облаке. Они не просто пишут код по запросу, а закрывают почти весь инженерный контур:
- ревьювят каждый PR
- проверяют каждый commit на security issues
- дедуплицируют issues и ищут кластеры проблем
- поднимают временные окружения для сложных багов
- воспроизводят баг, пишут фикс и прикладывают before/after видео в PR
- следят за новыми issues и автоматически создают PR, если задача совпадает с vision проекта
- проверяют комментарии на спам и банят нарушителей
- гоняют performance benchmarks и кидают регрессии в Discord
- слушают митинги команды и начинают делать PR прямо во время обсуждения фичи
Самое интересное не в том, что это дорого. Самое интересное в том, что это показывает другой стиль разработки.
Обычная команда думает: «Как бы сэкономить токены?»
Они думают наоборот: «Что можно автоматизировать, если токены считать бесплатным инженерным ресурсом?»
Так появляются workflow, где агент не ждёт задачи в чате, а сам живёт вокруг репозитория: читает issues, ищет старые баги после фикса на main, проверяет безопасность, ловит регрессии, пересобирает окружения и пишет отчёты.
Да, $1,3 млн в месяц на токены выглядит безумием.
Но если такая автоматизация позволяет маленькой команде из 3-6 разработчиков поддерживать темп большой инженерной организации, то это уже не игрушка с ИИ. Это эксперимент с будущей экономикой разработки.
Вопрос в том, что произойдёт, когда такой workflow станет стоить не миллионы, а тысячи.
https://x.com/Machinelearrn/status/2055640278732620046
Разработчики ставят вопрос - как бы мы писали софт в будущем, если бы токены ничего не стоили?
Их ответ - запускать не одного «помощника для кода», а целую армию агентов вокруг разработки.
У команды постоянно крутится около 100 Codex-инстансов в облаке. Они не просто пишут код по запросу, а закрывают почти весь инженерный контур:
- ревьювят каждый PR
- проверяют каждый commit на security issues
- дедуплицируют issues и ищут кластеры проблем
- поднимают временные окружения для сложных багов
- воспроизводят баг, пишут фикс и прикладывают before/after видео в PR
- следят за новыми issues и автоматически создают PR, если задача совпадает с vision проекта
- проверяют комментарии на спам и банят нарушителей
- гоняют performance benchmarks и кидают регрессии в Discord
- слушают митинги команды и начинают делать PR прямо во время обсуждения фичи
Самое интересное не в том, что это дорого. Самое интересное в том, что это показывает другой стиль разработки.
Обычная команда думает: «Как бы сэкономить токены?»
Они думают наоборот: «Что можно автоматизировать, если токены считать бесплатным инженерным ресурсом?»
Так появляются workflow, где агент не ждёт задачи в чате, а сам живёт вокруг репозитория: читает issues, ищет старые баги после фикса на main, проверяет безопасность, ловит регрессии, пересобирает окружения и пишет отчёты.
Да, $1,3 млн в месяц на токены выглядит безумием.
Но если такая автоматизация позволяет маленькой команде из 3-6 разработчиков поддерживать темп большой инженерной организации, то это уже не игрушка с ИИ. Это эксперимент с будущей экономикой разработки.
Вопрос в том, что произойдёт, когда такой workflow станет стоить не миллионы, а тысячи.
https://x.com/Machinelearrn/status/2055640278732620046
🤣13❤7👍4😁1