NVIDIA на CES: платформа Rubin и открытые модели
Дженсен Хуанг традиционно открыл CES 2026 большим анонсом 🚀
Rubin — новая флагманская платформа для AI. Главная фишка: генерация токенов стала в ~10 раз дешевле. Это уже не концепт — платформа в полном production.
Что ещё:
• Семейство открытых моделей под конкретные задачи: медицина, климат, робототехника, автопилоты, reasoning-агенты
• Alpamayo — новая модель для разработки автономного вождения
• Показали Mercedes-Benz CLA с AI-управлением от NVIDIA DRIVE
• Uber, Lucid и Nuro привезли первое серийное роботакси
Для разработчиков ML-инфраструктуры — время планировать апгрейды. Экономика AI вычислений меняется.
Детали презентации
@ai_for_dev
Дженсен Хуанг традиционно открыл CES 2026 большим анонсом 🚀
Rubin — новая флагманская платформа для AI. Главная фишка: генерация токенов стала в ~10 раз дешевле. Это уже не концепт — платформа в полном production.
Что ещё:
• Семейство открытых моделей под конкретные задачи: медицина, климат, робототехника, автопилоты, reasoning-агенты
• Alpamayo — новая модель для разработки автономного вождения
• Показали Mercedes-Benz CLA с AI-управлением от NVIDIA DRIVE
• Uber, Lucid и Nuro привезли первое серийное роботакси
Для разработчиков ML-инфраструктуры — время планировать апгрейды. Экономика AI вычислений меняется.
Детали презентации
@ai_for_dev
😈1
Прецедент юридической ответственности: Google и Character.AI урегулируют дела о смерти пользователей чат-ботов
Google и Character.AI ведут переговоры об урегулировании первых крупных исков, обвиняющих AI-компании в причинении вреда пользователям, приведшего к летальным исходам среди несовершеннолетних.
Технические и продуктовые последствия:
Модерация контента:
• Потребуются более строгие фильтры на этапе генерации ответов
• Обязательные проверки на потенциально опасный контент (суицидальные мысли, насилие)
• Логирование критических диалогов для аудита
Системы предупреждений:
• Disclaimer'ы о том, что AI не заменяет профессиональную помощь
• Триггеры для перенаправления к специалистам (кризисные линии)
• Возрастная верификация и родительский контроль
Прозрачность:
• Документирование логики принятия решений моделью
• Explainability механизмов для критических сценариев
• API для мониторинга поведения системы
Эти соглашения создадут baseline для compliance требований к conversational AI. Суммы выплат и условия будут использоваться регуляторами как reference point.
Источник: TechCrunch
@ai_for_dev
Google и Character.AI ведут переговоры об урегулировании первых крупных исков, обвиняющих AI-компании в причинении вреда пользователям, приведшего к летальным исходам среди несовершеннолетних.
Технические и продуктовые последствия:
Модерация контента:
• Потребуются более строгие фильтры на этапе генерации ответов
• Обязательные проверки на потенциально опасный контент (суицидальные мысли, насилие)
• Логирование критических диалогов для аудита
Системы предупреждений:
• Disclaimer'ы о том, что AI не заменяет профессиональную помощь
• Триггеры для перенаправления к специалистам (кризисные линии)
• Возрастная верификация и родительский контроль
Прозрачность:
• Документирование логики принятия решений моделью
• Explainability механизмов для критических сценариев
• API для мониторинга поведения системы
Эти соглашения создадут baseline для compliance требований к conversational AI. Суммы выплат и условия будут использоваться регуляторами как reference point.
Источник: TechCrunch
@ai_for_dev
😴1
DeepSeek V4: китайцы обещают побить Claude и GPT в кодинге
The Information слили интересные детали о новой модели DeepSeek.
Что известно:
🗓 Релиз запланирован на середину февраля (Лунный Новый год), но может сдвинуться
💻 Внутренние тесты показывают, что V4 обгоняет Claude и GPT в задачах на код
📏 Заявлен прорыв в работе со сверхдлинными запросами — похоже, речь о Dynamic Sparse Attention из V3.2
Вопрос доверия: пока это инсайдерские слухи, без публичных бенчмарков. Но учитывая, что DeepSeek уже удивила соотношением цена/качество в V3, игнорировать не стоит.
Если окажется правдой — это серьёзная заявка на лидерство в AI-инструментах для девелопмента 👀
@ai_for_dev
The Information слили интересные детали о новой модели DeepSeek.
Что известно:
🗓 Релиз запланирован на середину февраля (Лунный Новый год), но может сдвинуться
💻 Внутренние тесты показывают, что V4 обгоняет Claude и GPT в задачах на код
📏 Заявлен прорыв в работе со сверхдлинными запросами — похоже, речь о Dynamic Sparse Attention из V3.2
Вопрос доверия: пока это инсайдерские слухи, без публичных бенчмарков. Но учитывая, что DeepSeek уже удивила соотношением цена/качество в V3, игнорировать не стоит.
Если окажется правдой — это серьёзная заявка на лидерство в AI-инструментах для девелопмента 👀
@ai_for_dev
The Information
DeepSeek To Release Next Flagship AI Model With Strong Coding Ability
Chinese AI startup DeepSeek is expected to launch its next-generation AI model that features strong coding capabilities in the coming weeks, according to two people with direct knowledge of the plan. The new model, V4, is a successor to the V3 model DeepSeek…
😭1
Bolt Graphics показали GPU, который рвёт RTX 5090 в AI-задачах
На CES 2026 малоизвестный стартап из Калифорнии выкатил видяху ZEUS 1C с безумными характеристиками 🔥
Что впечатляет:
— В FP64-бенчмарках втрое быстрее RTX 5090
— В трассировке пути в 2,5 раза производительнее
— Память до 384 ГБ — хоть всю модель грузи
— Жрёт всего 225 Вт (один 8-pin!)
— Встроенная сетевуха до 800 Гбит/с
— BMC/IPMI из коробки — прямо в стойку
Под капотом: кастомная SIMD-архитектура с RISC-V процессором, который одновременно тянет CPU-задачи. Полная поддержка Vulkan, DirectX 12, Unreal Engine и Unity.
Когда можно будет купить — неизвестно. Но если заявленные цифры реальные, у Nvidia появился серьёзный конкурент в AI-сегменте.
@ai_for_dev
На CES 2026 малоизвестный стартап из Калифорнии выкатил видяху ZEUS 1C с безумными характеристиками 🔥
Что впечатляет:
— В FP64-бенчмарках втрое быстрее RTX 5090
— В трассировке пути в 2,5 раза производительнее
— Память до 384 ГБ — хоть всю модель грузи
— Жрёт всего 225 Вт (один 8-pin!)
— Встроенная сетевуха до 800 Гбит/с
— BMC/IPMI из коробки — прямо в стойку
Под капотом: кастомная SIMD-архитектура с RISC-V процессором, который одновременно тянет CPU-задачи. Полная поддержка Vulkan, DirectX 12, Unreal Engine и Unity.
Когда можно будет купить — неизвестно. Но если заявленные цифры реальные, у Nvidia появился серьёзный конкурент в AI-сегменте.
@ai_for_dev
🤓1
This media is not supported in your browser
VIEW IN TELEGRAM
ElevenLabs добавили транскрибацию речи в свой API
Вышел Scribe 2 — преобразует любую речь в текст прямо на лету. Работает с песнями, лекциями, подкастами, даже если качество аудио так себе.
Что умеет:
• Автоматически распознаёт разных говорящих и размечает их реплики
• Понимает 90 языков (русский в том числе)
• Справляется с плохим качеством записи
• Доступен через API — можно встраивать в свои проекты
Полезно для всего, где нужна автоматическая расшифровка: от создания субтитров до обработки звонков.
@ai_for_dev
Вышел Scribe 2 — преобразует любую речь в текст прямо на лету. Работает с песнями, лекциями, подкастами, даже если качество аудио так себе.
Что умеет:
• Автоматически распознаёт разных говорящих и размечает их реплики
• Понимает 90 языков (русский в том числе)
• Справляется с плохим качеством записи
• Доступен через API — можно встраивать в свои проекты
Полезно для всего, где нужна автоматическая расшифровка: от создания субтитров до обработки звонков.
@ai_for_dev
🔥1👻1
42 готовых рецепта для n8n — собираем AI-агентов за минуты
Нашли крутой репозиторий с workflow-шаблонами для n8n. Каждый шаблон — это готовый AI-агент с видео-инструкцией, как его собрать.
Что внутри:
💡 Ежедневные дайджесты и автопостинг в LinkedIn
💡 Deep Research Agent — копает инфу через Google
💡 Автоматическая генерация блогов из исследований
💡 Лид-генерация через LinkedIn (с X-Ray поиском)
💡 Создание видео для YouTube/TikTok/Instagram
💡 Интеграция с Postiz для планирования постов
💡 Генерация AI-видео через Seedance, Veo 3.1, Sora 2, MiniMax
Используют GPT, ElevenLabs, Flux, ComfyUI, Fal.ai и кучу других сервисов. Плюс там есть собственные MCP-серверы для видео и сторителлинга.
В общем, если работаете с n8n — это золотая жила для экспериментов 🔥
@ai_for_dev
Нашли крутой репозиторий с workflow-шаблонами для n8n. Каждый шаблон — это готовый AI-агент с видео-инструкцией, как его собрать.
Что внутри:
💡 Ежедневные дайджесты и автопостинг в LinkedIn
💡 Deep Research Agent — копает инфу через Google
💡 Автоматическая генерация блогов из исследований
💡 Лид-генерация через LinkedIn (с X-Ray поиском)
💡 Создание видео для YouTube/TikTok/Instagram
💡 Интеграция с Postiz для планирования постов
💡 Генерация AI-видео через Seedance, Veo 3.1, Sora 2, MiniMax
Используют GPT, ElevenLabs, Flux, ComfyUI, Fal.ai и кучу других сервисов. Плюс там есть собственные MCP-серверы для видео и сторителлинга.
В общем, если работаете с n8n — это золотая жила для экспериментов 🔥
@ai_for_dev
👨💻1
Anthropic прикрыла лавочку с дешёвым Claude в IDE
Anthropic заблокировала использование подписки Claude Max в Cursor, OpenCode и других редакторах. За $200 в месяц можно было получить токенов на $1500-2500 — если считать по API-ценам. Слишком хорошо, чтобы быть правдой 💸
Как это работало? Сторонние IDE притворялись официальным Claude Code и получали те же щедрые лимиты. Разработчики кайфовали: мощь Claude Opus 4.5 в привычном редакторе с автодополнением и Git-интеграцией.
Что пошло не так? Появился "метод Ральфа Виггама" (отсылка к Симпсонам) — бесконечный цикл с Claude, который пытается решить задачу, пока тесты не пройдут. Агенты работали сутками и выжигали месячную квоту за ночь.
Создатель Ruby on Rails DHH назвал блокировку враждебной к клиентам. Инженер Datadog написал, что Anthropic спидранит путь от дружелюбного стартапа до ненавистной корпорации.
Что дальше? OpenCode уже анонсировал партнёрство с OpenAI. Эпоха открытых API заканчивается — либо платишь по рыночным ценам, либо ищешь тех, кто пока не закрутил гайки.
**Детали на MLTimes**
@ai_for_dev
Anthropic заблокировала использование подписки Claude Max в Cursor, OpenCode и других редакторах. За $200 в месяц можно было получить токенов на $1500-2500 — если считать по API-ценам. Слишком хорошо, чтобы быть правдой 💸
Как это работало? Сторонние IDE притворялись официальным Claude Code и получали те же щедрые лимиты. Разработчики кайфовали: мощь Claude Opus 4.5 в привычном редакторе с автодополнением и Git-интеграцией.
Что пошло не так? Появился "метод Ральфа Виггама" (отсылка к Симпсонам) — бесконечный цикл с Claude, который пытается решить задачу, пока тесты не пройдут. Агенты работали сутками и выжигали месячную квоту за ночь.
Создатель Ruby on Rails DHH назвал блокировку враждебной к клиентам. Инженер Datadog написал, что Anthropic спидранит путь от дружелюбного стартапа до ненавистной корпорации.
Что дальше? OpenCode уже анонсировал партнёрство с OpenAI. Эпоха открытых API заканчивается — либо платишь по рыночным ценам, либо ищешь тех, кто пока не закрутил гайки.
**Детали на MLTimes**
@ai_for_dev
👀1
This media is not supported in your browser
VIEW IN TELEGRAM
FalkorDB — графовая БД в 496 раз быстрее Neo4j
Классические графовые базы данных используют pointer chasing для обхода графа: переход от узла к узлу через указатели. Это последовательный процесс, который не масштабируется.
FalkorDB использует принципиально другой подход: представляет весь граф как разреженную матрицу смежности. Узлы — строки и столбцы, рёбра — единицы в ячейках.
Преимущества:
• Traversal превращается в матричное умножение: запрос "друзья друзей" = F × F
• Сложные паттерны "A follows B, B likes C" = Follows × Likes
• Операции выполняются параллельно на CPU/GPU
• Использует GraphBLAS для sparse matrix вычислений
Реализация:
• Нативный модуль Redis (in-memory)
• Поддержка OpenCypher с автоматической трансляцией в матричную алгебру
• Оптимизация на уровне C
Особенно актуально для AI-приложений: knowledge graphs для LLM, agent memory, fraud detection.
Benchmark показывает экспоненциальное преимущество FalkorDB при росте сложности запросов.
@ai_for_dev
Классические графовые базы данных используют pointer chasing для обхода графа: переход от узла к узлу через указатели. Это последовательный процесс, который не масштабируется.
FalkorDB использует принципиально другой подход: представляет весь граф как разреженную матрицу смежности. Узлы — строки и столбцы, рёбра — единицы в ячейках.
Преимущества:
• Traversal превращается в матричное умножение: запрос "друзья друзей" = F × F
• Сложные паттерны "A follows B, B likes C" = Follows × Likes
• Операции выполняются параллельно на CPU/GPU
• Использует GraphBLAS для sparse matrix вычислений
Реализация:
• Нативный модуль Redis (in-memory)
• Поддержка OpenCypher с автоматической трансляцией в матричную алгебру
• Оптимизация на уровне C
Особенно актуально для AI-приложений: knowledge graphs для LLM, agent memory, fraud detection.
Benchmark показывает экспоненциальное преимущество FalkorDB при росте сложности запросов.
@ai_for_dev
🎃1
Что я понял за 14 лет в Google: 21 урок для разработчиков
Addy Osmani поделился тем, что реально важно в карьере инженера — и это не про выбор правильного фреймворка 🙂
Главное:
— Лучшие инженеры одержимы проблемами пользователей, а не технологиями
— Быть правым — дёшево. Настоящий скилл — прийти к решению вместе с командой
— Действуй быстрее, чем думаешь. Корявый прототип учит больше, чем месяц споров об архитектуре
— Ясность кода важнее умных трюков. Сложность — это технический долг
— Рост = обучение + обратная связь + передача знаний
Не мотивашка, а честный взгляд на то, как работает карьера внутри большой техкомпании. Читается за 15 минут, запоминается надолго.
@ai_for_dev
Addy Osmani поделился тем, что реально важно в карьере инженера — и это не про выбор правильного фреймворка 🙂
Главное:
— Лучшие инженеры одержимы проблемами пользователей, а не технологиями
— Быть правым — дёшево. Настоящий скилл — прийти к решению вместе с командой
— Действуй быстрее, чем думаешь. Корявый прототип учит больше, чем месяц споров об архитектуре
— Ясность кода важнее умных трюков. Сложность — это технический долг
— Рост = обучение + обратная связь + передача знаний
Не мотивашка, а честный взгляд на то, как работает карьера внутри большой техкомпании. Читается за 15 минут, запоминается надолго.
@ai_for_dev
🙈1
Линус Торвальдс теперь вайб-кодер 😂
Основатель Linux признался, что визуализатор для своего гитарного проекта написал через AI. Причина простая: "В аналоговых фильтрах шарю больше, чем в Python".
Линус называет это "vibe-coding" — раньше гуглил и копировал код как обезьянка, теперь просто вырезал посредника (себя) и доверил работу AI.
Проект AudioNoise — учебный: цифровые эффекты для гитарной педали. Никакой магии FFT или нейросетевых эмуляций усилителей — только базовые IIR-фильтры и delay-петли. Всё работает с субмиллисекундной задержкой sample-in → sample-out.
Главный месседж: даже Линус Торвальдс использует AI для задач вне своей экспертизы. Это нормально. 🎸
@ai_for_dev
Основатель Linux признался, что визуализатор для своего гитарного проекта написал через AI. Причина простая: "В аналоговых фильтрах шарю больше, чем в Python".
Линус называет это "vibe-coding" — раньше гуглил и копировал код как обезьянка, теперь просто вырезал посредника (себя) и доверил работу AI.
Проект AudioNoise — учебный: цифровые эффекты для гитарной педали. Никакой магии FFT или нейросетевых эмуляций усилителей — только базовые IIR-фильтры и delay-петли. Всё работает с субмиллисекундной задержкой sample-in → sample-out.
Главный месседж: даже Линус Торвальдс использует AI для задач вне своей экспертизы. Это нормально. 🎸
@ai_for_dev
😇1
Forwarded from GPT Spark — Prompt Engineering | ChatGPT | AI (Илья Капустин)
Обещал рассказать как устроена моя сеть тг-каналов, построенная целиком на AI — рассказываю.
Вся система сделана на Claude Code "от и до". Я буквально не написал ни одной строчки кода своими руками — только промпты местами корректировал.
Как это работает:
1. Парсер (используя реальный залогиненный тг-аккаунт) собирает посты из 100+ AI-каналов
2. ИИ сначала анализирует и индексирует каждый пост (тематика, тэги, важность, тип)
3. Затем также ИИ отфильтровывает 80% шума — оставляет только релевантное и значимое
4. Система распределяет по 23 нашим каналам
5. По каждому посту система идёт по ссылкам, изучает источники и подгружает информацию
6. Для каждого канала генерируется 3 варианта текста поста (с учетом ЦА канала — под каждую ЦА свои акцента), автоматически помечая какой вариант получился удачнее других
7. Есть отдельный приятный веб-интерфейс для модерации — пока ещё модерирую сам посты (занимает 10-15 минут в день), чтобы видеть все ошибки и "шероховатости", в ближайшем будущем переключу целиком на ИИ модерацию.
Статистика:
- 1,500 постов обработано за 2 недели
- 300 лучших отобрано (20%)
- 530+ публикаций в 23 канала
- 1 хороший пост = 1-4 публикации в разных каналах
Технический стек
Язык: Python 3.10
База данных: MySQL
Telegram API: Telethon (парсинг + публикация)
AI: Claude Code CLI через дочерний инстанс (не API напрямую — так дешевле)
Веб-панель модерации: Flask + vanilla JS
Оркестрация: systemd (таймеры, сервисы)
Сервер: Ubuntu 20
~12,000 строк кода (~500 KB)
0 строк написано руками — всё через Claude Code
Фишка: Используем дочерний инстанс Claude Code в качестве агента — он работает через CLI и стоит сильно дешевле чем API напрямую. Один запрос = один пост проанализирован.
Текущие расходы: примерно 10 тыс руб в месяц (только на AI, по лимитам хватает 1/2 тарифа Max за $200/мес)
Время разработки: Несколько вечеров/ночей. Перед самым НГ начал — за несколько дней в праздники довёл до ума. Причём параллельно с другими проектами, просто в отдельном окне Claude Code.
Раньше такое делала команда из нескольких человек и нужны были месяцы работы. Сейчас — один человек с Claude Code за считанные дни.
Если интересны детали по конкретным частям (парсер, AI-анализ, модерация, публикация) — пишите в комментах, расскажу подробнее.
Думаю над тем, чтобы показать этот метод подробнее — как строить такие системы с нуля, не написав ни строчки кода руками. Если интересно — ставьте 🤝, пойму что тема актуальна.
@gpt_spark_ru
Вся система сделана на Claude Code "от и до". Я буквально не написал ни одной строчки кода своими руками — только промпты местами корректировал.
Как это работает:
1. Парсер (используя реальный залогиненный тг-аккаунт) собирает посты из 100+ AI-каналов
2. ИИ сначала анализирует и индексирует каждый пост (тематика, тэги, важность, тип)
3. Затем также ИИ отфильтровывает 80% шума — оставляет только релевантное и значимое
4. Система распределяет по 23 нашим каналам
5. По каждому посту система идёт по ссылкам, изучает источники и подгружает информацию
6. Для каждого канала генерируется 3 варианта текста поста (с учетом ЦА канала — под каждую ЦА свои акцента), автоматически помечая какой вариант получился удачнее других
7. Есть отдельный приятный веб-интерфейс для модерации — пока ещё модерирую сам посты (занимает 10-15 минут в день), чтобы видеть все ошибки и "шероховатости", в ближайшем будущем переключу целиком на ИИ модерацию.
Статистика:
- 1,500 постов обработано за 2 недели
- 300 лучших отобрано (20%)
- 530+ публикаций в 23 канала
- 1 хороший пост = 1-4 публикации в разных каналах
Технический стек
Язык: Python 3.10
База данных: MySQL
Telegram API: Telethon (парсинг + публикация)
AI: Claude Code CLI через дочерний инстанс (не API напрямую — так дешевле)
Веб-панель модерации: Flask + vanilla JS
Оркестрация: systemd (таймеры, сервисы)
Сервер: Ubuntu 20
~12,000 строк кода (~500 KB)
0 строк написано руками — всё через Claude Code
Фишка: Используем дочерний инстанс Claude Code в качестве агента — он работает через CLI и стоит сильно дешевле чем API напрямую. Один запрос = один пост проанализирован.
Текущие расходы: примерно 10 тыс руб в месяц (только на AI, по лимитам хватает 1/2 тарифа Max за $200/мес)
Время разработки: Несколько вечеров/ночей. Перед самым НГ начал — за несколько дней в праздники довёл до ума. Причём параллельно с другими проектами, просто в отдельном окне Claude Code.
Раньше такое делала команда из нескольких человек и нужны были месяцы работы. Сейчас — один человек с Claude Code за считанные дни.
Если интересны детали по конкретным частям (парсер, AI-анализ, модерация, публикация) — пишите в комментах, расскажу подробнее.
Думаю над тем, чтобы показать этот метод подробнее — как строить такие системы с нуля, не написав ни строчки кода руками. Если интересно — ставьте 🤝, пойму что тема актуальна.
@gpt_spark_ru
🤝9👎1😨1
Облачная БД или селф-хостинг? Неожиданный выбор разработчика
Облачные провайдеры годами убеждали нас: хостить свою базу — это страшно, сложно и дорого. А вот управляемые сервисы — удобно, надёжно и безопасно. Но так ли это?
Разработчик Pierce Freeman поделился двухлетним опытом селф-хостинга PostgreSQL:
• Тысячи пользователей, десятки миллионов запросов в день
• На поддержку БД уходит 10 минут в неделю (не опечатка!)
• За два года был всего один инцидент — 30 минут во время миграции
• Всё работает быстро, стабильно и заметно дешевле
О деньгах: Инстанс db.r6g.xlarge на AWS стоит $328/месяц (4 vCPU, 32GB RAM). За эти же деньги можно взять выделенный сервер с 32 ядрами и 256GB оперативки.
Главный инсайт автора: большинство управляемых сервисов просто запускают чуть модифицированный Postgres. Лишний слой абстракции мешает оптимизировать запросы и понимать, что реально происходит с производительностью.
В статье — советы по выбору железа и настройке для продакшена. Возможно, пора пересмотреть стереотипы?
@ai_for_dev
Облачные провайдеры годами убеждали нас: хостить свою базу — это страшно, сложно и дорого. А вот управляемые сервисы — удобно, надёжно и безопасно. Но так ли это?
Разработчик Pierce Freeman поделился двухлетним опытом селф-хостинга PostgreSQL:
• Тысячи пользователей, десятки миллионов запросов в день
• На поддержку БД уходит 10 минут в неделю (не опечатка!)
• За два года был всего один инцидент — 30 минут во время миграции
• Всё работает быстро, стабильно и заметно дешевле
О деньгах: Инстанс db.r6g.xlarge на AWS стоит $328/месяц (4 vCPU, 32GB RAM). За эти же деньги можно взять выделенный сервер с 32 ядрами и 256GB оперативки.
Главный инсайт автора: большинство управляемых сервисов просто запускают чуть модифицированный Postgres. Лишний слой абстракции мешает оптимизировать запросы и понимать, что реально происходит с производительностью.
В статье — советы по выбору железа и настройке для продакшена. Возможно, пора пересмотреть стереотипы?
@ai_for_dev
pierce.dev
Go ahead, self-host Postgres | Pierce Freeman
Self-hosting Postgres is simpler and cheaper than managed services suggest, with comparable reliability and better performance tunability.
Запускаем генеративные AI-модели локально на слабом железе
Biniou — это веб-интерфейс, который превращает ваш компьютер в локальную AI-студию. Генерируйте картинки, звук, видео и общайтесь с чатботами прямо на своей машине.
Что умеет:
• Stable Diffusion и Flux для изображений
• Генерация аудио и коротких видео
• Чатботы на базе LLM (включая специализированные для кода)
• Обработка медиа: сжатие, замена лиц, работа с текстом
Почему интересно:
• Хватает 8 ГБ RAM — GPU не обязателен
• Работает полностью оффлайн после установки
• Ваши данные не уходят в облако
Установка под Linux, Windows, macOS и Docker. Свежее обновление от 10.01 добавило новые модели чатботов и LoRA.
Репозиторий на GitHub
@ai_for_dev
Biniou — это веб-интерфейс, который превращает ваш компьютер в локальную AI-студию. Генерируйте картинки, звук, видео и общайтесь с чатботами прямо на своей машине.
Что умеет:
• Stable Diffusion и Flux для изображений
• Генерация аудио и коротких видео
• Чатботы на базе LLM (включая специализированные для кода)
• Обработка медиа: сжатие, замена лиц, работа с текстом
Почему интересно:
• Хватает 8 ГБ RAM — GPU не обязателен
• Работает полностью оффлайн после установки
• Ваши данные не уходят в облако
Установка под Linux, Windows, macOS и Docker. Свежее обновление от 10.01 добавило новые модели чатботов и LoRA.
Репозиторий на GitHub
@ai_for_dev
Нейронка откликается на вакансии за вас — готовый проект на GitHub
Кто-то наконец автоматизировал поиск работы на hh.ru 🔥
Проект на Python делает три вещи:
1. Парсит вакансии через Playwright
2. Прогоняет их через n8n workflow
3. Генерирует сопроводительные письма через Google Gemini
В репозитории лежит готовый воркфлоу для n8n, настройка занимает минут 15. Всё на русском языке, с примерами
Работает из коробки: настроил поисковый запрос, указал количество страниц — и система сама откликается на подходящие вакансии. Можно кастомизировать промпты для писем под себя.
@ai_for_dev
Кто-то наконец автоматизировал поиск работы на hh.ru 🔥
Проект на Python делает три вещи:
1. Парсит вакансии через Playwright
2. Прогоняет их через n8n workflow
3. Генерирует сопроводительные письма через Google Gemini
В репозитории лежит готовый воркфлоу для n8n, настройка занимает минут 15. Всё на русском языке, с примерами
.env файла и гайдом по получению API ключа Gemini.Работает из коробки: настроил поисковый запрос, указал количество страниц — и система сама откликается на подходящие вакансии. Можно кастомизировать промпты для писем под себя.
@ai_for_dev
👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Поднимаем Python-сервер правильно 🚀
Забудьте про
Один скрипт делает всё:
Ставит зависимости, создаёт отдельного пользователя, настраивает venv, пишет systemd-сервис. На выходе — приложение работает как системный сервис, само стартует после перезагрузки и перезапускается при крашах.
Работает для чего угодно:
FastAPI, Flask, боты, воркеры. Сервис сразу слушает на 8000 порту, логи через
Базовая команда:
Никаких костылей — получаете чистую инфраструктуру с первой минуты. Отдельный пользователь без sudo, виртуальное окружение, автоматический Restart=always.
Идеально для MVP, прототипов и боевых API.
Гайд на YouTube
@ai_for_dev
Забудьте про
nohup python app.py & и tmux-сессии. Вот как развернуть нормальный продакшн за 5 минут.Один скрипт делает всё:
Ставит зависимости, создаёт отдельного пользователя, настраивает venv, пишет systemd-сервис. На выходе — приложение работает как системный сервис, само стартует после перезагрузки и перезапускается при крашах.
Работает для чего угодно:
FastAPI, Flask, боты, воркеры. Сервис сразу слушает на 8000 порту, логи через
journalctl -u app -f.Базовая команда:
bash
sudo systemctl enable --now app
Никаких костылей — получаете чистую инфраструктуру с первой минуты. Отдельный пользователь без sudo, виртуальное окружение, автоматический Restart=always.
Идеально для MVP, прототипов и боевых API.
Гайд на YouTube
@ai_for_dev