[31/100] Витя Тарнавский
Photo
o3 кстати справился! Сразу видно, что более мощный интеллект 🤡
1🤡69❤20🔥9💅4
Ребят, кто пропустил, срочно смотрите и готовьте платки
The Remarkable Life of Ibelin
Документалка про подростка-инвалида который постепенно умирает и всю свою жизнь играл в комп. С точки зрения родителей это была грустная несчастная жизнь без друзей и общества.
После смерти родители выяснили что играл он в WoW и у него там огромная жизнь с друзьями и отношениями. И фильм - про это.
Реальные съёмки и врезки виртуальной жизни прямо внутри движка WoW.
Я рыдал весь фильм, а я между прочим в самолете летел 🫠
IMDB | Netflix
The Remarkable Life of Ibelin
Документалка про подростка-инвалида который постепенно умирает и всю свою жизнь играл в комп. С точки зрения родителей это была грустная несчастная жизнь без друзей и общества.
После смерти родители выяснили что играл он в WoW и у него там огромная жизнь с друзьями и отношениями. И фильм - про это.
Реальные съёмки и врезки виртуальной жизни прямо внутри движка WoW.
Я рыдал весь фильм, а я между прочим в самолете летел 🫠
IMDB | Netflix
❤90🥱9🔥6🤡4💅2
В GPT-5 теперь можно выбрать модель.
Да, внутри модели можно выбрать модель 🫠 потому что мы не уверены правильную ли модель выбрала наша модель 🫠
Это временная заглушка. Реальные подобные сервисы эволюционируют в сложные параллельно-последовательные каскады разных моделей.
Но слово “model” пора уже перепридумать в контексте пользовательских продуктов. Есть AI-сервис, есть модели внутри.
Хожу в AI, а внутри модели? Хожу в модель, а внутри рабы? Предлагайте!
Да, внутри модели можно выбрать модель 🫠 потому что мы не уверены правильную ли модель выбрала наша модель 🫠
Это временная заглушка. Реальные подобные сервисы эволюционируют в сложные параллельно-последовательные каскады разных моделей.
Но слово “model” пора уже перепридумать в контексте пользовательских продуктов. Есть AI-сервис, есть модели внутри.
Хожу в AI, а внутри модели? Хожу в модель, а внутри рабы? Предлагайте!
🤡19💅9🤔6❤3🔥1
Вышло короткое интервью с моим участием про инвестиции в AI для компаний.
- Как понять сколько нужно тратить денег на развитие AI?
- Как правильно определить задачу?
- Как выстраивать AI-функцию?
- Как считать эффективность и стоимость?
- Зачем бигтехам нужна наука в AI?
Отвечаю на эти вопросы на примере Т-Банка. Ну и немного про вайб-кодинг, конечно🌟
Ютуб
- Как понять сколько нужно тратить денег на развитие AI?
- Как правильно определить задачу?
- Как выстраивать AI-функцию?
- Как считать эффективность и стоимость?
- Зачем бигтехам нужна наука в AI?
Отвечаю на эти вопросы на примере Т-Банка. Ну и немного про вайб-кодинг, конечно
Ютуб
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Cost of AI: как российские компании балансируют между инновациями и затратами на genAI?
Кажется, сегодня уже очевидно, что GenAI и все ему сопутствующее: RAG, AI-агенты и т.д. — всё это не только про инновации, но и про деньги: инвестиции, дорогостоящая разработка, окупаемость и новые источники прибыли.
В этом выпуске Азер Шахвердиев из Контура…
В этом выпуске Азер Шахвердиев из Контура…
❤23🔥15💅5🤡4
AI в экосистемах
Пытаюсь решить одну личную задачу и в очередной раз натыкаюсь: ChatGPT не может читать странички в Instagram, даже если они публичные.
Все крупные экосистемы закрыты от AI – и правилами, и антибот-системами. Универсальный внешний AI не может, например, найти лучшего кандидата, потому что он в LinkedIn.
Может казаться, что это обходится через Desktop Use, но на масштабе это переходит в юридическую плоскость и доступ всё равно закрывается. Google видит только ту часть Instagram, которую Instagram показывает.
Некоторым выгодно будет открываться. Логика такая: если ты лидер своей ниши, открываться не нужно, так как это раскрытие своего конкурентного барьера из данных. Если ты небольшой – наоборот, будь открыт ко всем.
Всё это означает интересную вещь: в каждой большой экосистеме будет свой AI для работы внутри неё. Хороший пример такого AI это Grok.
И Госуслуги, конечно. Всегда на шаг впереди.
Пытаюсь решить одну личную задачу и в очередной раз натыкаюсь: ChatGPT не может читать странички в Instagram, даже если они публичные.
Все крупные экосистемы закрыты от AI – и правилами, и антибот-системами. Универсальный внешний AI не может, например, найти лучшего кандидата, потому что он в LinkedIn.
Может казаться, что это обходится через Desktop Use, но на масштабе это переходит в юридическую плоскость и доступ всё равно закрывается. Google видит только ту часть Instagram, которую Instagram показывает.
Некоторым выгодно будет открываться. Логика такая: если ты лидер своей ниши, открываться не нужно, так как это раскрытие своего конкурентного барьера из данных. Если ты небольшой – наоборот, будь открыт ко всем.
Всё это означает интересную вещь: в каждой большой экосистеме будет свой AI для работы внутри неё. Хороший пример такого AI это Grok.
И Госуслуги, конечно. Всегда на шаг впереди.
🤔29❤19🔥1
Forwarded from Архитектура Стартапа - Anton Skogorev Engineering & AI (Anton Skogorev)
Давно хотел поделиться тем, что происходит под капотом LLM Platform, которую мы строим внутри ТБанка.
Пост на грани NDA.
В какой-то момент мы осознали, что без цельного платформенного слоя любые инициативы с GenAI будут буксовать. На схеме — как раз тот каркас, который у нас сложился и который мы продолжаем развивать.
И если ещё год назад мы спорили об отдельных «кубиках», то сегодня то, что мы строим, — де-факто канонический GenAI-стек. (вот тут ещё интересная статья)
Из чего он состоит на высоком уровне:
— LLM API Gateway — единая точка доступа до внутренних (qwen?) и внешних (deepseek?) моделей,
— RAG Platform — конвейер для превращения любых данных в пайплайн Retrieval-Augmented Generation,
— Observability Platform — прозрачность всех LLM-процессов в реальном времени,
— Orchestration & automation — набор инструментов построения произвольных GenAI-пайплайнов с минимум кода,
— LLM Sec — модули безопасности, политик и аудирования,
— Assistant Runtime Platform — среда выполнения произвольных AI-ассистентов.
И если LLM Gateway — это нифига себе высоконагруженный модуль, на базе которого построены как внутренние, так и внешние продукты, то вот как конкретно построить единый Tools Registry, мы всё ещё размышляем и экспериментируем.
Пост на грани NDA.
В какой-то момент мы осознали, что без цельного платформенного слоя любые инициативы с GenAI будут буксовать. На схеме — как раз тот каркас, который у нас сложился и который мы продолжаем развивать.
И если ещё год назад мы спорили об отдельных «кубиках», то сегодня то, что мы строим, — де-факто канонический GenAI-стек. (вот тут ещё интересная статья)
Из чего он состоит на высоком уровне:
— LLM API Gateway — единая точка доступа до внутренних (qwen?) и внешних (deepseek?) моделей,
— RAG Platform — конвейер для превращения любых данных в пайплайн Retrieval-Augmented Generation,
— Observability Platform — прозрачность всех LLM-процессов в реальном времени,
— Orchestration & automation — набор инструментов построения произвольных GenAI-пайплайнов с минимум кода,
— LLM Sec — модули безопасности, политик и аудирования,
— Assistant Runtime Platform — среда выполнения произвольных AI-ассистентов.
И если LLM Gateway — это нифига себе высоконагруженный модуль, на базе которого построены как внутренние, так и внешние продукты, то вот как конкретно построить единый Tools Registry, мы всё ещё размышляем и экспериментируем.
🔥30❤13
Архитектура Стартапа - Anton Skogorev Engineering & AI
Давно хотел поделиться тем, что происходит под капотом LLM Platform, которую мы строим внутри ТБанка. Пост на грани NDA. В какой-то момент мы осознали, что без цельного платформенного слоя любые инициативы с GenAI будут буксовать. На схеме — как раз тот каркас…
Кстати, мы активно нанимаем в команду LLM Platform.
Если чувствуете в себе силы влиять на то, как строятся решения на базе генеративного искусственного интеллекта, мы ищем Python/Go инженеров и руководителей разработки – или пишите напрямую нашему CTO @skogorev
Если чувствуете в себе силы влиять на то, как строятся решения на базе генеративного искусственного интеллекта, мы ищем Python/Go инженеров и руководителей разработки – или пишите напрямую нашему CTO @skogorev
🔥20🤡8❤1
Взял сегодня день отпуска и целый день фигачил свои личные проекты.
Собираю умный поиск татуировщиков. Чтобы написать "хочу набить в Москве кота в наивном стиле, к кому сходить?" - и он тебе выдает топ мастеров под твой запрос.
Это актуальная проблема: мастера все в инстаграме, единых баз нет, поиска уж и подавно. Есть международные проекты, но они все кривоватые. У нас так совсем ничего, ну или я не в курсе.
За день собрал:
- Поиск аккаунтов по хэштегам (точнее, нашел что заюзать)
- Обогащение каждого из них стилями и прочими метаданными, вместе с парсером инсты
- Простой (пока что) поиск поверх этой базы
Сколько один человек сейчас может делать с нужными знаниями и инструментами - это просто анриал.
Давно себя не чувствовал таким счастливым🌟
Собираю умный поиск татуировщиков. Чтобы написать "хочу набить в Москве кота в наивном стиле, к кому сходить?" - и он тебе выдает топ мастеров под твой запрос.
Это актуальная проблема: мастера все в инстаграме, единых баз нет, поиска уж и подавно. Есть международные проекты, но они все кривоватые. У нас так совсем ничего, ну или я не в курсе.
За день собрал:
- Поиск аккаунтов по хэштегам (точнее, нашел что заюзать)
- Обогащение каждого из них стилями и прочими метаданными, вместе с парсером инсты
- Простой (пока что) поиск поверх этой базы
Сколько один человек сейчас может делать с нужными знаниями и инструментами - это просто анриал.
Давно себя не чувствовал таким счастливым
Please open Telegram to view this post
VIEW IN TELEGRAM
3❤120🔥57💅7
Где искать кейсы по GenAI
Кейс-библиотеки у OpenAI и других вендоров абсолютно ужасны. Типичный кейс – это расплывчатая задача, ноль техдеталей и восхваление соответствующего вендора. Можете сами посмотреть: OpenAI, AWS, Google.
Классные кейс-библиотеки
– Evidently AI - удобная табличка-агрегатор с 652 кейсами с ссылками
– GenAI & LLM System Design - мощная библиотека кейсов с тех деталями на базе Evidently AI, расширенная и выложенная на гитхаб
– ZenML LLMOps Database - 800+ кейсов от разных компаний, собранных ZenML
– LangChain Case Studies - вендорская небольшая библиотека кейсов про LangChain: хорошие, с подробностями
Не кейсошные, но тоже классно
– Awesome LLM Apps - куча простых LLM-приложений с кодом
– Deloitte AI Dossier / PDF - хороший список GenAI идей. Если хотите открыть новый бизнес в GenAI – есть где вдохновиться
Российские
– Yandex Cloud: неплохая библиотека кейсов от Яндекса, есть детали. Нет фильтра по YandexGPT – фильтруем глазами
– Generation AI: хорошая небольшая кейсошная от JustAI
– Gigachat Cases: довольно слабая кейсошная от Сбера
Кидайте в комментах что ещё знаете!
Кейс-библиотеки у OpenAI и других вендоров абсолютно ужасны. Типичный кейс – это расплывчатая задача, ноль техдеталей и восхваление соответствующего вендора. Можете сами посмотреть: OpenAI, AWS, Google.
Классные кейс-библиотеки
– Evidently AI - удобная табличка-агрегатор с 652 кейсами с ссылками
– GenAI & LLM System Design - мощная библиотека кейсов с тех деталями на базе Evidently AI, расширенная и выложенная на гитхаб
– ZenML LLMOps Database - 800+ кейсов от разных компаний, собранных ZenML
– LangChain Case Studies - вендорская небольшая библиотека кейсов про LangChain: хорошие, с подробностями
Не кейсошные, но тоже классно
– Awesome LLM Apps - куча простых LLM-приложений с кодом
– Deloitte AI Dossier / PDF - хороший список GenAI идей. Если хотите открыть новый бизнес в GenAI – есть где вдохновиться
Российские
– Yandex Cloud: неплохая библиотека кейсов от Яндекса, есть детали. Нет фильтра по YandexGPT – фильтруем глазами
– Generation AI: хорошая небольшая кейсошная от JustAI
– Gigachat Cases: довольно слабая кейсошная от Сбера
Кидайте в комментах что ещё знаете!
4❤61🔥24
Много компаний до сих пор не понимают, что делать с AI. На самом деле всё просто – есть три AI-рычага:
1. Оптимизация Run
Это про эффективность: делаем то же самое быстрее, дешевле и качественней. Автоматизируем поддержку, скриптуемые процессы, автотесты и так далее.
Самая понятная вещь, с неё все начинают. Понятно как посчитать финансовый эффект. Многие, правда, дальше этого пункта не видят.
2. Ускорение Change
Это про скорость изменений: как принимать более правильные решения, как делать это быстро, и как быстро создавать новую ценность.
Сюда попадает внутренний ChatGPT с контекстом компании, копилоты для всех профессий, агенты в разработке и так далее.
Здесь лежит огромный эффект. Его можно видеть по скорости роста стартапов в новых батчах: AI-Native компании двигаются радикально быстрее за счет AI-инструментов. Но так как посчитать этот эффект сложно – эксперимент не проведешь – в старых компаниях доказать руководству бывает сложновато.
3. Перераспределение рынков
AI приведёт к большому перераспределению рынков. Можно создавать продукты на порядок лучше и перетаскивать аудиторию старых игроков. Пример – OpenAI и Perplexity ворвался в неприступный ранее рынок интернет-привлечения принадлежащий Google.
Очень мало компаний понимают как пользоваться этим рычагом. Здесь самые большие риски, но и самая высокая награда. Кто справится – сможет не просто заполировать текущие продукты, но создать реальную новую ценность для общества.
1. Оптимизация Run
Это про эффективность: делаем то же самое быстрее, дешевле и качественней. Автоматизируем поддержку, скриптуемые процессы, автотесты и так далее.
Самая понятная вещь, с неё все начинают. Понятно как посчитать финансовый эффект. Многие, правда, дальше этого пункта не видят.
2. Ускорение Change
Это про скорость изменений: как принимать более правильные решения, как делать это быстро, и как быстро создавать новую ценность.
Сюда попадает внутренний ChatGPT с контекстом компании, копилоты для всех профессий, агенты в разработке и так далее.
Здесь лежит огромный эффект. Его можно видеть по скорости роста стартапов в новых батчах: AI-Native компании двигаются радикально быстрее за счет AI-инструментов. Но так как посчитать этот эффект сложно – эксперимент не проведешь – в старых компаниях доказать руководству бывает сложновато.
3. Перераспределение рынков
AI приведёт к большому перераспределению рынков. Можно создавать продукты на порядок лучше и перетаскивать аудиторию старых игроков. Пример – OpenAI и Perplexity ворвался в неприступный ранее рынок интернет-привлечения принадлежащий Google.
Очень мало компаний понимают как пользоваться этим рычагом. Здесь самые большие риски, но и самая высокая награда. Кто справится – сможет не просто заполировать текущие продукты, но создать реальную новую ценность для общества.
1❤50🔥14🤡12💅3🤔1
Очень понравилось интервью основателя Lovable - насыщенное, плотное, с кучей идей.
Lovable – это вайб-кодинг инструмент который умудрился за 8 месяцев рвануть с 0 до $100M+ ARR. Сейчас в нем создается 100к+ новых проектов ежедневно.
Оказывается, они из Стокгольма. В начале это был стрельнувший проекта на гитбахе gpt-engineer, который ребята переделали в компанию.
Мысли, которые зацепили:
1. Lovable – продукт для мира, где никто не пишет код Включая инженеров. Я думаю этот мир наступит и быстрее чем кажется.
2. 80% кейсов – реальные бизнес-приложения
Это меня сильно удивило – я думал, там домашние поделки и прототипы, но нет. Они так и хотят – стать технической платформой и партнером для реальных бизнесов. В отличие, например, от Bolt.new, который позиционируется больше как инструмент прототипирования.
Миссия у ребят крутая:
3. У application-layer AI-стартапов – т.е. конечных сервисов, а не создателей технологий – практически нет конкурентной защиты. Твоя защита – скорость, продукт, и долгосрочно – сформированный бренд.
В подкасте есть классная аналогия. Такие компании – как курицы, выпущенные из пушки, и выиграют те курицы, которые быстрее машут крылышками. Ну да.
🐓 Маши крыльями или сдохнешь
Отдельно хочу заметить очень крутого дерзкого интервьюера – подготовка, знания, скорость. Всем бы так.
ссыль
Lovable – это вайб-кодинг инструмент который умудрился за 8 месяцев рвануть с 0 до $100M+ ARR. Сейчас в нем создается 100к+ новых проектов ежедневно.
Оказывается, они из Стокгольма. В начале это был стрельнувший проекта на гитбахе gpt-engineer, который ребята переделали в компанию.
Мысли, которые зацепили:
1. Lovable – продукт для мира, где никто не пишет код Включая инженеров. Я думаю этот мир наступит и быстрее чем кажется.
2. 80% кейсов – реальные бизнес-приложения
Это меня сильно удивило – я думал, там домашние поделки и прототипы, но нет. Они так и хотят – стать технической платформой и партнером для реальных бизнесов. В отличие, например, от Bolt.new, который позиционируется больше как инструмент прототипирования.
Миссия у ребят крутая:
To unlock human creativity — by enabling anyone to create software
3. У application-layer AI-стартапов – т.е. конечных сервисов, а не создателей технологий – практически нет конкурентной защиты. Твоя защита – скорость, продукт, и долгосрочно – сформированный бренд.
В подкасте есть классная аналогия. Такие компании – как курицы, выпущенные из пушки, и выиграют те курицы, которые быстрее машут крылышками. Ну да.
🐓 Маши крыльями или сдохнешь
Отдельно хочу заметить очень крутого дерзкого интервьюера – подготовка, знания, скорость. Всем бы так.
ссыль
🔥52❤17🤡15💅3🥱2
Как же мне нравится что новая Image модель от Google называется Nano Banana 🥳
Огромная тех компания выпускает революционный продукт. И называет его Нано Банан 🍌
И всерьёз пишет на сайте:
Как назовём новые модели от Т?
Гуси-Лебеди?
Огромная тех компания выпускает революционный продукт. И называет его Нано Банан 🍌
И всерьёз пишет на сайте:
Experience the power of Nano Banana yourself
Как назовём новые модели от Т?
Гуси-Лебеди?
Please open Telegram to view this post
VIEW IN TELEGRAM
1💅55❤22🔥11🤔5🤡2
подход подход еще подход
mariachiindie754
Сегодня играю как диджей в Т-Банке на крыше, решил впервые вставить генеренных треков.
Suno, миллиард разных промптов и перезапусков в ночи, и получилось как я хотел – весело и всрато 🤡
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤43🔥33🤡10💅6🤔4
Смотрите, в Яндекс Картах раскатили секунды на светофорах в Москве!
Год назад писал про это в Китае и офигел, а сегодня еду на работу - и вот
Респект ✊
Год назад писал про это в Китае и офигел, а сегодня еду на работу - и вот
Респект ✊
1🔥172❤23🥱7💅6
В сиолошной был классный пост про «модели тупеют». Тоже поймал себя на этом ощущении сегодня.
Deep Research раньше казался невероятным интеллектом из будущего, а сейчас постоянно ловлю косяки. Очевидно, что сервис не изменился – изменились мои ожидания.
Так происходит со всеми сервисами, но в AI это особенно интересно наблюдать. Я трезво понимаю что эта штука лучше меня делает многие задачи, и все равно считаю ее тупой консервной банкой 🤡
А уж реплит как меня своей тупостью бесит, вы не представляете 😅
GPT-5 Pro, кстати, дает стабильно лучше результат чем Deep Research. Кажется, эту кнопку пора объявлять легаси.
Deep Research раньше казался невероятным интеллектом из будущего, а сейчас постоянно ловлю косяки. Очевидно, что сервис не изменился – изменились мои ожидания.
Так происходит со всеми сервисами, но в AI это особенно интересно наблюдать. Я трезво понимаю что эта штука лучше меня делает многие задачи, и все равно считаю ее тупой консервной банкой 🤡
А уж реплит как меня своей тупостью бесит, вы не представляете 😅
GPT-5 Pro, кстати, дает стабильно лучше результат чем Deep Research. Кажется, эту кнопку пора объявлять легаси.
🤔28🔥16❤4💅4🤡1
Forwarded from New Yorko Times (Yury Kashnitsky)
Кремниевые читеры кругом
#genai #coolstorybob
В контексте двух постов выше: встал я в 6:30, рулю себе в Утрехт, поля, солнышко, красота. Демка готова, все потестил. Часть демки – агент NL2SQL, спрашиваешь у него что-нибудь, он идет в BigQuery, сиквелом тащит данные и отвечает. Локально все работало, вечером тестил и в нашей агентской системе, на паре запросов сработало, на полноценные тесты с ковырянием продакшн-логов времени не было (ну вы поняли, к чему я).
Утром перед воркшопом смотрю, чет агент ругается на аутентификацию в BigQuery. Хотя ровно с теми же запросами (типа "покажи 5 самых популярных стран в таблице") накануне вечером все было норм. Убедился, что auth и правда не работает. Как же агент до этого отвечал?
И что же наш кремниевый пиздабол придумал?
Не сумев залогиниться в BigQuery, агент написал очень правдоподобный неработающий SQL (все по синтаксису норм, только селект из датасета, а не таблицы), на щщях заявил, что исполнил SQL, в деталях пояснил за синтаксис и выдал ответ: самые популярные – США, Китай, Германия, Япония и Франция. И ведь 4 из 5 угадал, упырь, только с Францией промахнулся.
Благо, это всего первая демка, а не закрытие проекта и пофиксим, конечно (хотя жду коменты про skill issue), но наподобие артефактам с оптимизируемой функцией в RL, интересно следить за тем, как агенты выкручиваются. В целом мы зачастую так же домашки и зачеты сдавали на физтехе, так что если не пхд, то student-level intelligence уже виднеется.
И удачи нам всем с агентами в проде😳 (VibeOps, как это окрестил мой неназванный друг Вадим). К дискуссии выше о том, когда оно нас всех заменит
#genai #coolstorybob
В контексте двух постов выше: встал я в 6:30, рулю себе в Утрехт, поля, солнышко, красота. Демка готова, все потестил. Часть демки – агент NL2SQL, спрашиваешь у него что-нибудь, он идет в BigQuery, сиквелом тащит данные и отвечает. Локально все работало, вечером тестил и в нашей агентской системе, на паре запросов сработало, на полноценные тесты с ковырянием продакшн-логов времени не было (ну вы поняли, к чему я).
Утром перед воркшопом смотрю, чет агент ругается на аутентификацию в BigQuery. Хотя ровно с теми же запросами (типа "покажи 5 самых популярных стран в таблице") накануне вечером все было норм. Убедился, что auth и правда не работает. Как же агент до этого отвечал?
И что же наш кремниевый пиздабол придумал?
Не сумев залогиниться в BigQuery, агент написал очень правдоподобный неработающий SQL (все по синтаксису норм, только селект из датасета, а не таблицы), на щщях заявил, что исполнил SQL, в деталях пояснил за синтаксис и выдал ответ: самые популярные – США, Китай, Германия, Япония и Франция. И ведь 4 из 5 угадал, упырь, только с Францией промахнулся.
Благо, это всего первая демка, а не закрытие проекта и пофиксим, конечно (хотя жду коменты про skill issue), но наподобие артефактам с оптимизируемой функцией в RL, интересно следить за тем, как агенты выкручиваются. В целом мы зачастую так же домашки и зачеты сдавали на физтехе, так что если не пхд, то student-level intelligence уже виднеется.
И удачи нам всем с агентами в проде
Please open Telegram to view this post
VIEW IN TELEGRAM
❤34💅12🔥4🤡1