UBTECH и Airbus: гуманоиды выходят на авиазаводы

Китайский производитель гуманоидов UBTECH подписал соглашение с Airbus на поставку роботов Walker S2 для авиационных заводов.

Ранее писал про их армию тут.

За 2025 год компания получила заказы на 1,4 млрд юаней ($200 млн) — первое место в мире по объёму.
Производственные мощности в 2026 году планируют поднять до десятков тысяч единиц при текущей цене около $35–55 тыс за робота.

Роботы уже тестируются на заводах FAW-Audi, Geely, BYD, Foxconn — перемещают материалы, проверяют качество, сортируют детали.
Высота 1.76 м, вес 95 кг, грузоподъёмность рук 15 кг, автозамена батареи за 3 минуты.

Сфера применения гуманоидов расширяется: авиастроение, автопром, электроника, логистика, далее везде.

#UBTECH #Airbus #Walker #роботы
------
@tsingular

Под впечатлением от возможностей Opus 4.5 сделал агента, который уведомит о повышении риска заморозки вкладов в РФ.

Для этого я попросил GPT-5.2 Pro (+ Extra Thinking) составить список фактов, которые предвещают потерю денег.

Он предложил 46 критериев, которые следует регулярно проверять с помощью анализа новостей, официальных документов и заявлений регуляторов.

Примеры критериев:

• Провалы аукционов ОФЗ
• Резкий рост доходностей и экстренные меры Минфина
• Новые ограничения на переводы, платёжную инфраструктуру
• “мобилизационная” риторика про сбережения населения
(Полный список в формате JSON)

Сначала я как обычно сделал мультиагентную систему:
• отдельные агенты проверяли каждый критерий
• затем агент-суммаризатор делал общий вывод

Это заработало, но не идеально.

Проблемы:
• агенты не общались между собой и выполняли дублирующиеся поиски;
• финальный агент видел только сжатые отчёты, но не всю поисковую выдачу

В результате он мог слишком остро реагировать на проходные новости, например:

«Торги были приостановлены?» — да.
«Почему?» — потому что праздники.
Но вторая часть информации до финального агента просто не доходила из-за сжатия контекста.

Тогда я попробовал новый (хорошо забытый старый) подход — вся логика в одном ванильном ReAct-агенте.

Если раньше агенты могли выполнять цепочки действий в 5–10 шагов (за редким исключением), то сегодняшние модели-лидеры способны работать десятки минут и даже часы, выполняя сотни действий подряд.

Поэтому я сделал так:
• дал агенту поиск
• загрузил все 46 критериев
• попросил последовательно проверить каждый из них и сформировать отчёт строго заданного формата

Контекста в 200k токенов на это как раз хватило. Ради эксперимента сделал реализацию на базе Anthropic Agent SDK. Весь код выложил на GitHub

Получился агент, который:
• выполняет задачу примерно за 10 минут
• прогон стоит около ~$1
• выдаёт структурированный отчёт с уровнем риска

Я запустил его на регулярную работу в 9:00 MSK. Результаты он будет публиковать в этом Telegram-канале (можно подписаться, он так и будет работать, пока у меня вклады не заморозят деньги не кончатся).

Главные идеи:
1. Агенты в 2026 уже могут совершать десятки и сотни шагов если просто попросить. Не всегда нужно обмазывать их кучей guardrails, structured output, делить на маленьких суб-агентов и т.п. Мистер агент 2026 - это ванильный ReAct с todo-листом, файлами и, если нужно, REPL.
2. Этот проект можно легко переделать под другие задачи. Нужно просто отредактировать файл с критериями и цель главного промпта. Критерии можно сгенерировать с помощью GPT Pro.

P.S. На всякий случай напомню:
всё это - эксперимент по изучению возможностей AI-агентов
и не является инвестиционной рекомендацией 🙂

задачи на 2027:
- купить Optimus 3
- сделать из него Вертера

#юмор
———
@tsingular

Ollama теперь совместима с Anthropic API

С версии 0.14.0 Ollama поддерживает Anthropic Messages API, что позволяет запускать Claude Code с локальными моделями или облачными через ollama.com.

Настройка простая - две переменные окружения и можно использовать любую модель из Ollama с терминальным агентом от Anthropic.

Рекомендуют модели с контекстом минимум 64k токенов. Локально это gpt-oss:20b и qwen3-coder, в облаке - glm-4.7:cloud и minimax-m2.1:cloud.

Поддерживается стриминг, системные промпты, вызов инструментов, расширенное мышление и обработку изображений.

Вообще, логичный следующий шаг, - оллама desktop должна обзавестись агентностью по типу Cowork.

#Ollama #ClaudeCode #Anthropic
———
@tsingular

И к Российским новостям:

Налоговая банкротит отечественного ИИ-разработчика, планировавшего экспансию в США

ФНС планирует обанкротить разработчика ИИ-решений «Андата», который еще четыре года назад привлек почти $1 млн на выход в США. Тогда компанию оценили почти в $6 млн. В проект вложились Сергей Никулин и Николай Гузаков, основатели компании «РДП.РУ», сегодня известной как разработчик средств блокировки ресурсов в Рунете для РКН.

Разработчик «Андата» громко заявил о себе в 2021 г. Компания привлекла почти $900 тыс. (по нынешнему курсу 70 млн руб.), которые планировал потратить на выход на рынок в США. Размещение прошло на площадке AdVentureLand Технопарка «Сколково». Инвесторами стали фонд Starta Capital, члены клуба Angelsdeck и частные венчурные инвесторы. Сергей Дашков, Денис Белоглазов, Николай Гузаков, а также Сергей Никулин и члены клуба Angelsdeck.

#Andata #новости #Россия
———
@tsingular

"Societies of Thought" — ключевой механизм reasoning-моделей

Суть открытия:
DeepSeek-R1 и QwQ-32B не просто генерируют длинные цепочки рассуждений. Они симулируют многоагентные диалоги внутри одной модели — "общество мысли" с разными персонами, личностями и экспертизами.

Что находят в reasoning traces:
- Question-answering (вопрос → ответ)
- Perspective shifts (смена угла зрения)
- Conflict of perspectives (несогласие, "Wait, that can't be right...")
- Reconciliation (примирение точек зрения)
- Разнообразие Big Five черт персон (особенно нейротизм и agreeableness)
- Разная экспертиза у "голосов"

Доказательства:
- Steering feature "conversational surprise" (+10) → точность на Countdown x2 (27% → 55%)
- RL без награды за диалог → модели спонтанно развивают разговорное поведение
- Fine-tuning на multi-agent диалогах → быстрее учатся, чем на монологах

Идеальный промпт по следам исследования мог бы быть таким:

You are tackling a complex problem that requires rigorous multi-perspective analysis.

Before providing your final answer, engage in a structured internal deliberation:

1. Initial Analysis (Analytical Perspective)
   Approach the problem systematically. State your initial understanding and reasoning path.

2. Critical Challenge (Skeptical Perspective)  
   Now adopt a skeptical stance. Ask: "Wait—what assumptions am I making? What could be wrong here?"
   Actively look for flaws, edge cases, or alternative interpretations.

3. Alternative Approach (Creative Perspective)
   Consider: "What if I approached this completely differently?"
   Explore at least one fundamentally different strategy or framing.

4. Reconciliation & Synthesis
   Resolve the tension between perspectives. Which insights survive scrutiny?
   Integrate the strongest elements into a coherent conclusion.

5. Verification
   Double-check your final answer against the original requirements.
   Ask: "Does this actually solve what was asked?"

Throughout this process:
- Use phrases like "But wait...", "However...", "Let me reconsider..." to signal perspective shifts
- Explicitly disagree with your earlier reasoning when warranted
- Don't just present alternatives—genuinely evaluate and compare them

[YOUR TASK HERE]

Почему это работает (по выводам из статьи):
- Стимулирует разнообразие перспектив (diversity → accuracy)
- Включает конфликт и проверку (verification, backtracking)
- Форсирует явные смены точек зрения (perspective shifts)
- Требует примирения противоречий (reconciliation)
- Маркеры "Wait", "But", "However" — это те самые conversational features, которые steering-эксперименты связали с улучшением рассуждений

добавляем в базовый промпт к рассуждающим моделям.
обещают эффект х2.

#MoE #промпты
———
@tsingular

n8n-skills: агент собирает n8n сценарии за вас

Agentic Skills все популярнее и популярнее.
Теперь и в n8n можно создавать процессы через агентов вроде Claude Code или opencode, - без ручной сборки нод.

Наткнулся на набор из 7 скиллов для Claude Code, которые учат агента правильно работать с n8n через MCP-сервер [n8n-mcp](https://github.com/czlonkowski/n8n-mcp).

• Expression Syntax — правильный синтаксис {{}} выражений
• MCP Tools Expert — какой инструмент когда использовать
• Workflow Patterns — 5 проверенных паттернов из 2,653 шаблонов
• Validation Expert — интерпретация ошибок валидации
• Node Configuration — зависимости параметров нод
• Code JavaScript/Python — генерация и проверка кода в Code-нодах без типичных ошибок

Как работает:
Скиллы активируются автоматически по контексту запроса. Спросил "Build webhook to Slack workflow" — включаются Workflow Patterns → MCP Tools Expert → Node Configuration → Validation Expert. Композиция.

Установка:

/plugin install czlonkowski/n8n-skills

1.8k ⭐️, лицензия MIT

Фактически — экспертная система для n8n, упакованная в формат скиллов. Вместо изучения документации — просто описываешь задачу.

краткая демка от Nate Herk

#n8n #ClaudeCode #агенты #MCP #Skills
———
@tsingular

Microsoft выпустила отчет по использованию ИИ в 2025 согласно которому Россия где-то на 119м месте в мире.
Между Кенией и Камеруном.

На мой взгляд отчет абсолютно не релевантный, как минимум по двум причинам:

1. Кого они тут опрашивали? :) Офиса то нет давно и о внутренних проектах им что-то рассказывать вряд ли даже законно в нынешних условиях.

2. По миру очень легко "накрутить счётчик" чисто за счёт корпоративных подписок. Купил корпоративный контракт на всю толпу, - считай пользуются. А что там реально, - пойди пересчитай.

Так что в отчётах его предлагаю не учитывать.

#аналитика #Microsoft
———
@tsingular

HexStrike AI + OpenCode: автопентест в Kali Linux

С декабря 2025 HexStrike AI официально в репозиториях Kali Linux — это агент для пентеста, который умеет сам вызывать инструменты и строить цепочки атак через Model Context Protocol от Anthropic.

На хабре вышла интересная статья от @chumikovsec где он делится, как привязал HexStrike через MCP к OpenCode, что позволило агенту писать скрипты, устанавливать тулы и работать с файловой системой.

В демо агент решил сложную CTF-задачу за 5:43 и нашёл флаг.

Т.е. Opencode использует HexStrike как инструмент для пентеста! :)

Запоминаем, пользуемся только для укрепления безопасности!

#HexStrike #OpenCode #cybersecurity
———
@tsingular

В начале это было почти незаметно.
Мы просто подключили ИИ к рабочему процессу. Ассистенты, потом агенты, мультиагенты даже.

Мы ускорили анализ, автоматизировали рутину, вынесли мышление в интерфейс. Разница стала заметно, повысилась эффективность.

Потом появился рой.
Мультиагентные контуры, саморазворачивающиеся пайплайны, автономные исследовательские циклы.

Мы больше не проектировали решения, а задавали пространство проблематики. Архитектуры рождались через диалог.
Код,- просто побочный артефакт мышления.

Темпы ускорялись.
Агенты проектировали агентов.
Системы оптимизировали собственные цели.
Модели обучали сами себя.
Контуры обратной связи сжимались до микросекунд.

Появились нейроинтерфейсы. Сначала вспомогательные. Потом симбиотические. Поток запросов перестал быть внешним. Формулировка мысли стала избыточной — система подхватывала намерение до того, как оно оформлялось в языке.

Началась загрузка сознания.
Сначала — память. Потом — когнитивные паттерны. Потом — персональные модели сознания.

Люди синхронизировали себя с агентными роями. Границы между биологическим и вычислительным перестали быть техническим понятием.

На пике всё перестало быть «технологией».
Нанороботы в крови.
Сборка материи на уровне инструкций.
Самоорганизующиеся среды.
Интеллект, распределённый между людьми, агентами, инфраструктурой и физикой.

Не сервис.
Не продукт.
Не система.
Среда существования.

И в момент, когда ускорение стало абсолютным, всё исчезло.

Когда меня просят объяснить, я понимаю, что любые термины, модели и теории звучат беднее, чем сама история.
Ну как бы попроще...

- Жил старик со своею старухой у самого синего моря. И поймал как-то старик золотую рыбку...

#сказка
------
@tsingular

Google купил Intersect Power за $4.75 млрд

Оказалось мощности генерации и дефицит GPU, - не единственные проблемы ИИ компаний.
Проблема пришла откуда не ждали, - очереди на подключение к энергосетям растягиваются на 12 лет!!!

На этом фоне проще обеспечить генерацию прямо рядом с датацентром.
Маск запустил 35 турбин для Colossus2, а Google покупает производителя солнечных батарей:

Alphabet забрал себе разработчика энергоинфраструктуры Intersect Power за $4.75 миллиарда.

На руки получают 2.2 ГВт солнечных мощностей и 2.4 ГВтч батарей плюс проекы в разработке. Компания останется отдельной, но под контролем Гугла.

Параллельно заключили сделку с Clearway Energy на 1.2 ГВт углеродно-нейтральных мощностей на 20 лет в SPP, ERCOT и PJM.

#Google #Intersect #energy
———
@tsingular

OpenWork: открытая альтернатива Claude Cowork

Вы будете смеяться, но у нас ещё один оупенсорс конкурент Cowork.

На этот раз это обёртка вокруг opencode.

При этом обратите внимание, - название OpenWork точно такое же, как в аналогичном решении от LangChain. Поэтому смотрите, - не перепутайте.

А так все стандартно, - выбираешь папку проекта, запускаешь задачу, смотришь план выполнения, подтверждаешь разрешения когда нужно. Всё через GUI.

Внутри два режима:
- Host mode: поднимает OpenCode локально на свободном порту
- Client mode: коннектится к удалённому серверу

Есть менеджер навыков (skills) — можно ставить плагины через opkg install или импортировать локальные папки.

#OpenWork #OpenCode #Cowork
———
@tsingular

Таймлапс процесса автоматической разработки автономными агентами Cursor браузера в течение недели.

Агенты написали более 3 миллионов строк кода, распределенных по тысячам файлов.
Движок рендеринга разработан с нуля на Rust и включает в себя парсинг HTML, каскадное использование CSS, компоновку, формирование текста, отрисовку и собственную виртуальную машину JavaScript.

#Cursor #наблюдаемость #агенты #browser
———
@tsingular