Удивительно, но я только сейчас заметил, что режим «Live» внутри Gemini обновился. Теперь он может выделять объекты. А еще мне показалось, что там какая-то более быстрая модель работает, похоже Google раскатывает Gemini 3 Fast.

Нравится, как аудиомодели пошли в рост. Вчера вышла SAM Audio (от сами посмотрите кого) - главная её особенность: отделение звуков внутри аудиодорожки.

Например, можно разбить музыкальную композицию по инструментам, просто указывая в промпте «отдели гитару» или «убери барабаны». Вот тут можно поиграться или скачать модель.

Я прям чувствую, как у ИИ-корпораций уплотняется время, а кресла начинают дымиться. Каждый день какие-то релизы, обновления, новые версии и обещания. Сроки горят, а годовые отчеты ждут рождественских оплат. Это я к чему…

Ах, да! В Gemini добавили новую модель Fast - работает быстрее, токены дешевле, остальное будем изучать. Уже раскатывают (у меня появилась).

Бесплатно можете потестировать тут:
https://aistudio.google.com/

Уже писал про авторский канал Димы Беседы, где он делится, как выжимает из своего айтишного бэкграунда и искусственного интеллекта максимум пользы. Вообще люблю наблюдать за тем, как люди используют ИИ в реальных проектах.

Например, Дима недавно запустил ИИ-стартап Spiry - это такой ИИ-продюсер коротких видео для креаторов в Instagram, TikTok и YouTube. И сейчас большая часть постов - это рассказы про внутренние процессы и о том, как его команда (18 человек) использует нейросети в маркетинге, менеджменте и создании креативов. Ну и предпринимателям здесь есть что интересного подсмотреть:

- Самый важный фактор для создания эффективной команды

- Как максимально эффективно использовать каждую минуту команды, не похоронив стартап большим количеством процессов

- Огромная разница между образом мышления компаний из СНГ и США, из-за которой управленцы проваливают отношения с подчиненными

Так что если вам интересно, как строят ИИ-стартапы или применяют ИИ-инструменты внутри рабочих процессов, подписывайтесь на Диму @dimabeseda

В Gemini дали возможность подключать блокноты из NotebookLM. Добавить можно не более десяти в каждой сессии с чатом и использовать их как дополнительный контекст в общении с моделью.

Естественный вопрос: разве NotebookLM не умеет делать это сам по себе? Это было первое, о чем я подумал. Однако у данной интеграции есть интересные преимущества:
1) Объединение данных: как я уже сказал, можно добавлять несколько блокнотов и отправлять запросы ко всем сразу. В самом NotebookLM нет способа «объединять» блокноты, так что Gemini станет своего рода мостом между ними.

2) Доступ к вебу: можно получать информацию из интернета, одновременно работая с контентом вашего блокнота. Раньше для этого приходилось использовать NotebookLM параллельно с ИИ-браузерами.

67% врачей используют ИИ ежедневно, а 89% - еженедельно. Вышел отчет «The 2025 Physicians AI Report», подготовленный компанией Offcall на основе опроса 1000 (американских) врачей в октябре 2025 года.

Очень занимательная информация, если вы как-то связаны с медициной, рекомендую изучить, но если кратко:
- Врачи активно используют ИИ. 67% используют ИИ ежедневно, а 89% - еженедельно.
- 81% врачей недовольны тем, как их работодатели внедряют ИИ (медленно и неэффективно).
- 71% врачей практически не имеют влияния на выбор инструментов ИИ, которые закупает клиника.
- Из-за бюрократии врачи часто используют инструменты в обход официальных каналов, оплачивая их со своих личных карт и используя личные аккаунты в ChatGPT, Claude, Grok и Perplexity.

Реальные потребности врачей:
- Автоматизация бумажной работы. 65% назвали это главным приоритетом (scribing, notes).
- Снижение административной нагрузки (48%) важнее, чем сложные диагностические инструменты.
- Поддержка принятия клинических решений (Clinical Decision Support) находится лишь на третьем месте (43%).

Популярные ИИ-инструменты у врачей:
- OpenEvidence - сервис, который отвечает на сложные медицинские вопросы, ссылаясь на проверенные источники (доступ можно получить бесплатно, если верифицируешься в сервисе как врач). Самый популярный инструмент (используют 44.9% опрошенных).
- На втором месте ChatGPT (15.6%).
- Лидер в нише записи приема голосом - Abridge (4.8%). Врач просто ставит телефон на запись во время приема, а ИИ автоматически формирует структурированную медицинскую карту (SOAP note) на основе диалога.
- Другие заметные инструменты: Claude, DAX Copilot (конкурент Abridge), Heidi (еще один инструмент для документации), Doximity.

Под конец года голова уже кипит от всех этих отчетов, графиков и бенчмарков. Я реально минут пять изучал эту картинку в надежде понять, какие показатели моделей она визуализирует.

А потом минут десять громко ржал и нервно хихикал, поняв, что это «бенчмарк версий». Короче, ChatGPT с версией 5.2 рвет всех в клочья.

Ну а с другой стороны - этот график символизирует 2025 год. Столько бенчмарков, как в этом году, еще никогда не выходило. С пятницей!

ChatGPT уперся в потолок роста, Gemini уходит в стратосферу на топливе из «Nano Banana», Copilot стагнирует, а Perplexity отъедает долю у Claude и Grok.

Вышла статья с исследованием на TechCrunch, авторы использовали данные от Sensor Tower, которая анализирует мобильный трафик.

Ключевые моменты:
⁃ Смена лидера по темпам роста: Хотя ChatGPT остается лидером рынка (50% всех загрузок и 55% активных пользователей), Gemini начал опережать его по скорости набора новой аудитории и времени, проводимому в приложении.

⁃ «Код красный» в OpenAI: Сэм Альтман выпустил внутреннюю записку («code red»), призывая сфокусироваться на персонализации и надежности, так как OpenAI обеспокоена сокращением разрыва с Google.

⁃ Эффект «Nano Banana»: Резкий скачок показателей Gemini в сентябре-ноябре 2025 года связывают с релизом новой модели генерации изображений под кодовым (или реальным в этом сценарии) названием «Nano Banana».

⁃ Смерть Copilot на мобайле: Microsoft полностью проигрывает битву за мобильного пользователя, стагнируя весь год.

Мне Санта подарил LoRa и видимо новые титьки. А вам что? Делитесь в чате @prompt_chat

Андрей Карпатый (ex-OpenAI, Tesla) тоже подвел итоги 2025 года и выделил шесть основных сдвигов, которые я прочел и кратко вам изложу:

1. Мы начали платить за «размышления» (Эра RLVR)
Старый рецепт обучения (Pretrain + SFT + RLHF), который давал нам быстрые ответы, уступил место новой технологии - RLVR (обучение с подкреплением на проверяемых наградах). Модели теперь тренируют на задачах с четким ответом (математика, код), заставляя их «думать» и выстраивать цепочки рассуждений. Главный сдвиг 2025 года: производительность модели теперь зависит от того, сколько времени мы даем ей на размышление во время теста (test-time compute). Мы переходим от мгновенной генерации к глубокому, медленному «резонингу», как в OpenAI o3.

2. ИИ - это «призрак», а не цифровой мозг
Мы наконец-то поняли форму интеллекта LLM. Сравнивать их с людьми или животными ошибочно - это скорее формат «призрака», летает где-то рядом, подсказывает, а иногда пугает.
Интеллект моделей стал «зубчатым» (jagged): в одной задаче модель может быть гениальным полиматом (энциклопедист), а в соседней, элементарной для школьника, - полным профаном. Из-за этого доверие к бенчмаркам рухнуло: лаборатории научились «натаскивать» модели на тесты, закрывая этим провалы, но общий интеллект остается нестабильным и требует постоянной проверки.

3. Новый слой софта: «Умные обертки» побеждают
Редактор кода Cursor доказал, что существует отдельный, мощный слой «LLM-приложений». Сами по себе модели от лабораторий - это просто «умные выпускники колледжа». А приложения превращают их в профессиональные команды за счет оркестрации, управления контекстом и работы с файлами пользователя. Будущее не за «голыми» чат-ботами, а за софтом, который умеет грамотно встроить модель в рабочий процесс, балансируя стоимость и качество ответов.

4. Агенты переезжают с облака на Localhost
Идея «роя агентов в облаке» оказалась менее жизнеспособной, чем локальные помощники. Кейс года - Claude Code. Агент должен жить там, где идет работа: на вашем компьютере, с прямым доступом к файловой системе, секретам и локальному окружению. Это вопрос скорости (низкая задержка) и контекста. ИИ становится не сайтом в браузере, а «духом», живущим в вашем терминале и знающим всё о вашем проекте.

5. Эра «Вайб-кодинга» (Vibe Coding)
Карпатый ввел термин года. Программирование на естественном языке преодолело порог полезности. Теперь код стал одноразовым и бесплатным ресурсом. Можно попросить ИИ написать приложение, просто чтобы найти один баг, и тут же удалить его. Это меняет рынок труда: профи начинают писать в разы больше сложного софта (сам Карпатый написал токенизатор на Rust, не зная языка), а обычные люди получают возможность создавать инструменты под свои бытовые нужды, просто описывая «вайб» того, что хотят получить.

6. Смерть чат-интерфейса и рождение Generative GUI
Текстовый чат - это аналог командной строки из 80-х, давно устаревший формат для взаимодействия. Людям тяжело потреблять «простыни» текста. Следующий большой шаг (который уже наметил Google с Gemini Nano Banana) - это генерация интерфейсов, как например в NotebookLM. ИИ должен не рассказывать, а показывать: генерировать слайды, графики, интерактивные веб-приложения и кнопки на лету. Модели будущего будут «думать» сразу визуальными образами и готовыми UI-элементами, а не только токенами текста.

Общий вывод: Карпатый считает, что мы не раскрыли и 10% потенциала текущих моделей. 2025-й показал, что ИИ одновременно умнее и тупее, чем мы думали. Но главное - порог входа рухнул окончательно. Пристегиваемся, дальше будет еще интереснее.

NotebookLM теперь официально работает на базе Gemini 3, а еще в пятницу добавили новый формат вывода данных - таблицы (Data Tables).

Описываете строки и столбцы таблицы, например:

«Создай таблицу упомянутых товаров со следующими столбцами: бренд/модель, цена и характеристики»

- и получаете таблицу, которую можно экспортировать в Google Docs.

Для конца года пришлось отредактировать эту картинку

Продолжаем нашу рубрику с обзором авторских каналов на стыке искусственного интеллекта и личного опыта. Сегодня расскажу про блог Константина Сухачева, где он пишет, как использует модели, фреймворки и ChatGPT, чтобы мыслить шире, решать быстрее и работать системно. Например:

- Как стать мастером запросов в ChatGPT?
- 10 триггеров, которые заставляют нас покупать
- Как провести перформанс-ревью с ChatGPT за 5 минут?
- 40 ключевых метрик, чтобы понять, что ваш маркетинг работает

Кстати, сейчас Костя отвечает за стратегию в Overgear, международной гейминг-платформе с выручкой $2M+ в месяц, а еще с нуля строил маркетинг в BestDoctor - одном из крупнейших insurtech-стартапов.

Короче, опыт в маркетинговых и бизнесовых задачах у него большой, поэтому особо интересно наблюдать, как Костя использует его в работе с LLM’ками. А то вайбкодить и делать ИИ-автоматизации мы все научились, а как это продавать клиентам - тот еще головняк. Так что подписывайтесь на Костю @sukhachevk - он научит

А вот этот перевод от Сергея стал для меня приятной неожиданностью, потому что оригинал гайда вышел буквально пару недель назад.

Я про «The LLM Evaluation Guidebook» - очередной бриллиант в серии «мастрид» от Hugging Face, где они подробно и на простом языке рассказывают о том, как создаются бенчмарки, как и по каким параметрам оцениваются LLM. Ну и главное - как анализировать результаты бенчмарка, подбирая модели под свои задачи.

Круто, что Сергей уловил стиль изложения оригинального документа, потому что гайдбук не только описывает теорию, но и содержит рекомендации по дизайну собственных вайб-тестов, лайфхаки по избежанию частых ошибок в тестировании и кейсы решения реальных проблем.

Нашел свой пост 2022 года, где я пытался спрогнозировать, как будет развиваться ИИ в 2023 году. С одной стороны, это выглядит немного наивно, а с другой - всё это уже делает любая LLM’ка.

Делюсь с вами:

Медицина
⁃ Поиск аномалии на снимках КТ или МРТ. Полезная функция, которая уже несколько лет применяется в медицине.
⁃ Сбор анамнеза на первичном приеме - тоже уже работает.
⁃ Анализ диалога с пациентом на сессии с психологом, чтобы впоследствии выявить то, что упустил специалист.

Обучение
⁃ Объяснение логики решения задач для учеников. Действительно полезная штука, которая будет спокойно отвечать на любые вопросы в ходе решения задачи. Думаю, что скоро будет внедряться в многочисленных онлайн-школах.
⁃ Генерация заданий для учеников после анализа слабых мест в понимании материала. Например, не понял ребенок деепричастных оборотов - ИИ сгенерирует диктанты и примеры специально под него.
⁃ Переработка учебного материала индивидуально под ребенка. Нравится девочке Уэнсдей, получит она задания из ее вселенной.
⁃ То же самое и в детском изучении иностранных языков. Нет ничего проще, чем сгенерировать персональный учебник, отталкиваясь от личных предпочтений.

Повседневные задачи
⁃ Кулинария. Выгружаешь свои предпочтения в еде, обогащаешь информацией из медицинской аналитики и советов диетолога. Получаешь на выходе персональные рецепты.
⁃ Финансовые советы. Нет ничего проще, чем разработать личный план, как накопить на двушку в Москве, исходя из собранной аналитики.

Редактура
⁃ Помощь в редактуре текста: выявление грамматических ошибок, неправильных оборотов, логики повествования. Уже внедряют в редакторы.

Разработка
⁃ Создание технического задания из клиентского брифа.
⁃ Преобразование технического задания в четкую поэтапную инструкцию для разработчиков.
⁃ Создание технической документации из кода. ⁃ Написание простых скриптов и кода теми, кто не умеет программировать.

Креатив
⁃ Скрипты, сценарии для записи контента. Нужно будет только сообщить идею креатива, и получишь сценарий с таймингом.
⁃ Генерация контент-плана, исходя из анализа аудитории или желаемой монетизации.
⁃ Полностью автоматические текстовые и видеоблоги. Задаешь идею, ИИ сам пишет контент-план, создает и озвучивает видео, заливает на хостинг.

Давайте вынесем в отдельный пост. С утра уже несколько сообщений в чате @prompt_chat, что получили от Perplexity «письмо счастья» и Pro-аккаунт слетел. Да, такое бывает: например, в июне этого года была подобная волна.

Как я понял, сейчас под удар попали промокоды, которые выдавались в рамках акции от Samsung Galaxy Store (она была только для пользователей из США). Но, судя по реакции пользователей на Reddit, Perplexity уже сами не рады, что затеяли "рождественскую чистку".

Самый частый вопрос, который я слышу в эти дни: «Че там в 2026?» - тут и страх, и надежды, и попытки понять, как заработать. И я обязательно напишу свои мысли по трендам в ИИ на 2026 год, но сейчас хочу рассказать про один, только зарождающийся.

Не будем отрицать тот факт, что самыми распиаренными услугами в этом году стали ИИ-агенты и ИИ-автоматизация. И программисты с опытом в ML, и вчерашние школьники, освоившие N8N, ломились в двери заводов, магазинов и булочных с уникальным предложением переложить всю рутину на плечи искусственного интеллекта.

А заказчики это покупали: кто-то в надежде запрыгнуть в последний вагон уходящего ИИ-поезда, кто-то из желания увидеть ИИ-магию, ну а кто-то - четко понимая, что ему нужно, и осознавая, что это не волшебная таблетка. А если им еще везло нарваться на рукастого и мозговитого ИИ-интегратора, а не инфобизнесмена без технического бэкграунда, то случался мэтч и счастье.

И вот к таким «счастливым» ИИ-интеграторам я приставал весь год с вопросами «че там в 2026?»: какие тренды в корпоративном секторе намечаются? Что клиенты хотят? Как там ИИ-агенты, решают головную боль заказчиков?

Они делились: плакали, смеялись, предполагали. А я записывал и ресечил, сравнивая с тем, что говорят сами заказчики и интеграторы по ту сторону океана. И видимо (а я тут не одинок), для того, чтобы ИИ-агенты могли автономно выполнять большинство процессов в компании, им не хватает важного слоя - следов принятия решений (decision traces). Это исключения, негласные правила, прецеденты и межсистемный контекст, которые сейчас живут в рабочих чатах, разговорах в отделе продаж, звонках саппорту и в головах людей.

В общем, ИИ-агентам нужны не просто правила, которые вы прописываете в промпте, и база данных в RAG. Им нужен доступ к следам решений, которые показывают, как правила применялись в прошлом, где были сделаны исключения, как разрешались конфликты, кто что одобрил и какие прецеденты на самом деле управляют реальностью.

Например: Возврат товара в маркетплейсе

Ситуация: Покупатель хочет вернуть кроссовки.
Жесткое правило: «Возврат только в течение 14 дней». Прошло уже 20 дней.
Что происходит на самом деле (Контекст): Агент видит в истории чата, что курьер переносил доставку три раза, коробка приехала мятая (есть фото), а покупатель уже сделал заказов на 100 тысяч за год.
Решение: Агент одобряет возврат, нарушая правило 14 дней.

Как собирать эти «следы принятия решений»? Вот тут, видимо, и будет самый жирный бизнес по «оцифровке процессов». Всё начинается с участия человека (human-in-the-loop): агент предлагает, собирает контекст, маршрутизирует согласования и записывает след. Со временем, по мере повторения похожих случаев, всё большая часть пути может быть автоматизирована, так как система обладает структурированной библиотекой прошлых решений и исключений. Даже когда решение всё еще принимает человек, граф продолжает расти, потому что слой рабочих процессов захватывает входные данные, одобрение и обоснование как долговечный прецедент, вместо того чтобы дать этому умереть в рабочих чатах.

Видимо на концертах всё чаще будут использовать человекоподобных роботов в качестве сценических артистов, работающих по принципу «human-in-the-loop» (с человеком в контуре управления).

Я бы на месте Татьяны Булановой, присмотрелся к роботу, который не стареет и не уйдет в сольную карьеру.

Hacker News здорового человека! Только зацените, как нужно крутые проекты пилить: берете самый популярный новостной фид от Y Combinator и вносите в него изменения, о которых все мечтают уже много лет, — получается https://hype.replicate.dev/ с категориями GitHub, Replicate, HuggingFace, Reddit.

Это был интересный год. Спасибо вам всем за него!