Recordly — бесплатная альтернатива Screen Studio с открытым исходным кодом

Записывать экран можно и без дорогого редактора. Recordly объединяет запись экрана и монтаж в одном приложении, а часть обработки автоматизирует.

Проект умеет:
— автоматически предлагать приближения на основе движения курсора;
— сглаживать курсор, добавлять motion blur и анимацию кликов;
— оформлять видео с фонами, градиентами, скруглениями, размытием и тенями;
— записывать микрофон и системный звук;
— добавлять веб-камеру поверх записи;
— редактировать ролик на таймлайне — обрезать, менять, добавлять зумы и аннотации;
— экспортировать результат в MP4 или GIF.

Recordly работает на macOS, Windows и Linux. Проект распространяется как Open Source, а исходный код доступен на GitHub.

Есть и нюансы: например, на Linux пока нельзя скрыть системный курсор при записи, а поддержка системного звука зависит от платформы.

Сам Recordly бесплатный, поэтому для коротких демо, инструкций и промо роликов это вполне интересный вариант вместо платных инструментов вроде Screen Studio.

😛 Ссылка на официальный сайт: Recordly
™️ Ссылка на репозиторий на GitHub: Recordly

💻 КОД — техножурнал

Qwen3.8-Flash-Next 125B можно запустить на 6 ГБ VRAM

125B-модель Qwen3.8-Flash-Next запускается на одной RTX 4090 с пиковым потреблением всего 5,95 ГБ VRAM — без 4-битной квантизации и дистилляции. Для этого используется AirLLM, который не пытается загрузить весь checkpoint в видеопамять.

По данным разработчиков AirLLM, тест проводился с полным checkpoint в BF16 и greedy decoding.

Как 125B помещается в 6 ГБ

Главный трюк — не пытаться держать всю модель в памяти одновременно.

Qwen3.8-Flash-Next использует MoE-архитектуру и большой n-gram/PLE-компонент. Полный checkpoint занимает около 360 ГБ, а одна только n-gram-таблица — порядка 102 ГБ в BF16.

AirLLM разбивает модель на слои и загружает их последовательно: нужный слой попадает на GPU, выполняет вычисления, после чего память освобождается для следующего.

С n-gram-таблицей используется другой подход — memory mapping (mmap). Она остаётся на диске и отображается в память хоста по мере необходимости, вместо того чтобы целиком копироваться в RAM или VRAM. По данным AirLLM, для такого запуска достаточно машины с 64 ГБ оперативной памяти.

В итоге получается следующая схема:
— checkpoint — около 360 ГБ на диске;
— n-gram table — около 102 ГБ, обрабатывается через mmap;
— decoder layers — последовательно стримятся на GPU;
— пиковое потребление VRAM — 5,95 ГБ.

То есть 24 ГБ VRAM для самой загрузки модели не обязательны. Теоретически достаточно GPU с 8 ГБ памяти, хотя итоговый запас зависит от конкретной конфигурации и режима работы.

Что потребуется для запуска

AirLLM уже добавил поддержку Qwen3.8-Flash-Next. В документации Transformers архитектура Qwen4-Exp описана через GatedResidual, Qwen Sparse Attention и Per-Layer Embedding (PLE); для мультимодальной версии используется Qwen4ExpForConditionalGeneration.

На момент теста требовалась версия Transformers из GitHub, где qwen4_exp уже находится непосредственно в кодовой базе:

pip install -U "airllm>=3.3.0"
pip install git+https://github.com/huggingface/transformers.git

Затем модель загружается обычным вызовом AirLLM:

from airllm import AutoModel

model = AutoModel.from_pretrained(
    "Qwen/Qwen3.8-Flash-Next",
    delete_original=True
)

input_text = ["What is the capital of France? Answer in one word."]

input_tokens = model.tokenizer(
    input_text,
    return_tensors="pt",
    return_attention_mask=False,
    truncation=True,
    max_length=128,
    padding=False
)

generation_output = model.generate(
    input_tokens["input_ids"].cuda(),
    max_new_tokens=8,
    use_cache=True,
    return_dict_in_generate=True
)

print(model.tokenizer.decode(generation_output.sequences[0]))

Параметр delete_original=True позволяет удалить исходные файлы checkpoint после разбиения модели и освободить место на диске.

Где здесь ограничение

Низкое потребление VRAM не означает, что 125B-модель физически стала «моделью на 6 ГБ».

Основная нагрузка переносится на SSD и RAM. Нужен быстрый накопитель с несколькими сотнями гигабайт свободного места и примерно 64 ГБ оперативной памяти. При первом запуске некоторое время одновременно хранятся исходный checkpoint и его разбитая версия.

Зато GPU перестаёт быть главным ограничением. AirLLM показывает, что большие open-weight модели можно запускать локально даже на относительно скромных видеокартах, если правильно организовать загрузку весов.

Исходный код AirLLM открыт под лицензией MIT, а поддержка Qwen3.8-Flash-Next появилась в версии 3.3.0.

™️ Проект доступен в репозитории AirLLM на GitHub.

Главный вывод: для локального запуска Qwen3.8-Flash-Next теперь важнее иметь достаточно быстрый SSD и 64 ГБ RAM, чем дорогую видеокарту с огромным объёмом VRAM.

💻 КОД — техножурнал

Университет в Абу-Даби выпустил сразу шесть открытых ИИ-моделей

Institute of Foundation Models (IFM) при MBZUAI в Абу-Даби представил семейство K2 Horizon — сразу шесть моделей от 0,9 до 375 млрд параметров. Причём ставка сделана не только на размеры и производительность, но и на открытость проекта.

В зависимости от модели доступны веса, данные и рецепты обучения, исходный код, конфигурации, промежуточные чекпойнты и результаты тестов. Модели и код распространяются по Apache 2.0, а для датасетов используются соответствующие лицензии.

Самая интересная цифра сейчас у K2 Horizon 7B. На SWE-bench Verified модель набирает 70,6%, тогда как Qwen3.5-9B — 50,8%. При этом 7B также показывает 39,1% в Terminal-Bench 2.1 и 25,8% в tau3-Banking.

Но это не значит, что небольшая модель обходит всех конкурентов во всём. Например, в GPQA Diamond у K2 Horizon 7B — 77,1% против 80,6% у Qwen3.5-9B, а в BFCL v4 — 62,3% против 65,7%. Сильная сторона K2 Horizon — прежде всего кодинг и агентные задачи.

Флагман K2 Horizon 375B-A23B построен по архитектуре Mixture-of-Experts: всего 375 млрд параметров, но на каждый токен активируется около 23 млрд. Контекстное окно достигает 512 тысяч токенов.

😛 Все модели собраны в коллекции K2 Horizon на Hugging Face. Там уже доступны версии от 0,9B до 375B, а также FP8 и GGUF-варианты некоторых моделей.

Но главное здесь — не очередные цифры в бенчмарках. IFM открывает не только сами модели, но и значительную часть процесса их создания: данные, код, подходы к обучению и промежуточные результаты. Для исследователей и разработчиков такая прозрачность может быть не менее важна, чем итоговые показатели нейросети.

💻 КОД — техножурнал

Anthropic: старые промпты могут незаметно увеличивать расходы на Claude

При переходе на новую модель недостаточно просто заменить её в API. Старые промпты и настройки тоже стоит пересмотреть — часть инструкций могла быть нужна предыдущей версии, а теперь только увеличивает расход токенов.

📱 Anthropic разобрала несколько таких случаев в разборе оптимизации затрат Claude.

Например, требование отвечать максимально подробно заставляло модель выполнять десятки лишних поисковых запросов по базе знаний. А инструкция принудительно писать черновик рассуждений в отдельных сценариях приводила к тому, что вызовы инструментов попадали в рассуждения, но фактически не выполнялись.

На тестах поддержки удаление подобных инструкций дало снижение средней стоимости на 14,6% при одновременном росте точности на 5,3%.

Максимальный effort не всегда выгоден

Больше рассуждений не обязательно означает пропорционально лучший результат.

В одном из тестов переход на максимальный уровень рассуждений увеличил стоимость на 46%, а результат вырос лишь на 0,5% — причём изменение оказалось в пределах погрешности теста.

В другом сценарии модель с низким уровнем effort смогла показать результат более сильной модели с высоким effort, но при стоимости примерно в три раза ниже.

То есть иногда выгоднее дать более сильной модели меньше времени на рассуждения, чем заставлять менее подходящую модель работать на максимуме.

Даже временная метка может сломать кэш

Prompt caching работает только при совпадении префикса. Поэтому его легко случайно сбросить.

Проблемой могут стать:
— постоянно меняющаяся временная метка;
— ID в системном промпте;
— изменение порядка описаний инструментов;
— слишком долгое выполнение инструментов, из-за которого истекает срок жизни кэша.

Для длинных агентских сценариев это особенно важно: Anthropic указывает, что prompt caching может значительно снижать расходы на повторно используемый контекст.

Anthropic уже добавила соответствующие проверки в claude-api skill для Claude Code. Команды /claude-api prompt-audit и /claude-api cost-optimize помогают находить проблемные инструкции и возможности для снижения расходов.

Поэтому после перехода на новую модель имеет смысл заново проверить CLAUDE.md, скиллы, системные промпты и настройки effort. Инструкция, которая раньше помогала старой модели, после перехода на новую может оказаться ненужной и лишь увеличивать расход токенов.

💻 КОД — техножурнал

Бесплатный роутер для AI-агентов: автоматический failover между моделями

Free Router — open-source шлюз, который позволяет подключить AI-агента к нескольким OpenAI-совместимым провайдерам и автоматически выбирать доступную бесплатную модель.

Проект работает локально: клиент отправляет запросы на 127.0.0.1:8787/v1, а Free Router сам определяет приоритет моделей. Если выбранный провайдер упёрся в лимит, недоступен или перестал отвечать, запрос переключается на другой.

Главный плюс — не нужно вручную менять модель при каждом исчерпанном лимите. Можно подключить несколько провайдеров через конфигурацию, а отсутствующий API-ключ просто исключается из списка доступных вариантов.

Для запуска нужен Node.js 20+. Разработчики также предусмотрели Docker-вариант и локальную веб-панель, где можно добавлять ключи и смотреть использование.

™️ Исходный код и инструкция по запуску доступны в репозитории Free Router на GitHub.

Полезный инструмент для тех, кто активно использует AI-агентов и хочет меньше зависеть от лимитов одного провайдера.

💻 КОД — техножурнал

Голосовой режим ChatGPT получил новые модели и увеличенные лимиты

Голосовой режим ChatGPT теперь может работать с GPT-5.6 Sol и GPT-6 Astra. Пользователь может самостоятельно выбрать модель и уровень рассуждений, а голосовой режим подключит выбранные возможности, когда потребуется поиск информации или решение более сложной задачи.

Одновременно OpenAI увеличила дневные лимиты GPT-Live-1:
— Plus — с 1 до 3 часов в день;
— Pro за $100 — с 12 до 15 часов;
— Pro за $200 — без ограничений.

™️ Подробности об изменениях доступны в официальных примечаниях к обновлениям ChatGPT.

💻 КОД — техножурнал

AI сам разберёт хлам на компьютере по папкам

Если папка «Загрузки» давно превратилась в склад файлов с именами вроде IMG_2048.jpg, на GitHub есть инструмент, который может навести там порядок.

AI File Sorter анализирует содержимое файлов и предлагает сразу две вещи: куда их переместить и как понятнее назвать. Картинку с озером он может превратить из безымянного файла в что-то вроде clouds_over_lake.jpg, а документы — переименовать на основе текста внутри. Также проект умеет работать с метаданными аудио и видео.

Перед изменениями пользователь получает список предложений и может их проверить, отредактировать или отклонить. Только после подтверждения программа создаёт нужные папки и переносит файлы. Последний запуск можно отменить через Undo.

Особенно интересно, что AI File Sorter способен работать полностью локально. В таком режиме файлы, изображения, имена и метаданные остаются на компьютере, а телеметрия не отправляется. Для удалённых моделей интернет требуется только при их явном выборе.

Проект поддерживает Windows, macOS и Linux, а среди локальных моделей есть Gemma 3 4B IT. Актуальная версия — 1.9.2.

™️ Исходники и инструкции доступны в репозитории AI File Sorter на GitHub.

💻 КОД — техножурнал

OpenAI приостановила продажи Pro за $200 из-за нагрузки на инфраструктуру

OpenAI временно остановила оформление новых подписок Pro за $200 в месяц. Причина — резкий рост нагрузки после запуска GPT-6 Astra.

Инженер компании Тибо Соттьё сообщил, что именно тариф за $200 сильнее всего нагружает системы, поэтому OpenAI решила ограничить новые подключения, чтобы сохранить нормальную работу для уже существующих пользователей.

При этом действующих подписчиков Pro отключать не будут. Остальные тарифы и API также продолжают работать.

Проблемы с нагрузкой действительно проявлялись после запуска Astra: в начале сентября OpenAI фиксировала повышенные ошибки в ChatGPT и Codex, а пользователи платных планов сталкивались с ограничениями доступа.

Компания уже наращивает вычислительные мощности, чтобы вернуть возможность оформлять Pro за $200. И вот тут начинается самое интересное: растущий спрос на AI упирается не только в GPU, но и в память.

Рынок уже отреагировал на запуск Astra ростом интереса к производителям DRAM и HBM — именно эти компоненты критически важны для масштабирования AI-инфраструктуры.

Так что шутка про «GPT-6 Astra → больше серверов → больше памяти → снова дорожает ОЗУ» выглядит уже не такой уж шуткой. 🥲

А подписка за $200 пока всё — для новых пользователей её оформление поставили на паузу.

💻 КОД — техножурнал

51 инструмента для видео, аудио, PDF и файлов — в одном браузере

Нашли удобный сервис, который собирает десятки инструментов для работы с файлами в одном месте. Ничего устанавливать не нужно — всё работает прямо в браузере.

На 123apps есть инструменты для:
— видео — монтаж, обрезка, изменение размера, стабилизация, запись экрана;
— аудио — обрезка, объединение, изменение громкости и скорости;
— PDF — объединение, разделение, сжатие, конвертация в Word и Excel;
— файлов — конвертеры изображений, документов, архивов, шрифтов и электронных книг.

В бесплатной версии доступно 5 файлов в день, максимальный размер одного файла — 500 МБ. Регистрация для использования сервисов не требуется.

Главный плюс — не приходится искать отдельный сервис для каждой мелкой задачи. Открыл сайт, выбрал нужный инструмент и работаешь.

😛 Попробовать: 123apps.com

💻 КОД — техножурнал

Огромная библиотека промптов для генерации изображений и видео

Нашёл полезную штуку для тех, кто постоянно ищет рабочие промпты для генерации контента.

В библиотеке промптов Atlas Cloud собраны готовые запросы для популярных AI-инструментов, включая Seedance 2.5, GPT Image 2, Wan 3.0 и другие модели.

Что удобно:
— К каждому промпту есть пример результата — можно заранее понять, что получится.
— Не нужно писать запрос с нуля — копируете готовый промпт и адаптируете под свою задачу.
— Подходит для генерации изображений и видео, в том числе сложных сцен и кинематографичных кадров.

По сути, это большая база готовых заготовок, которую можно держать под рукой вместо бесконечного подбора формулировок.

😛 Забрать библиотеку промптов

💻 КОД — техножурнал

🐍 В ChatGPT появилась «Змейка»

Пользователи заметили необычную пасхалку в ChatGPT: пока нейросеть генерирует изображение, интерфейс может предложить сыграть в классическую игру Snake.

Похоже, это небольшая отсылка к культовой игре, знакомой ещё по старым телефонам Nokia.

У вас уже появилась «Змейка» в ChatGPT?
🤨 — Пока нет, но хотелось бы попробовать
🔥 — Да, уже успел(-а) заценить!

💻 КОД — техножурнал

GPT-6 Astra научилась управлять дроном и следить за человеком

GPT-6 Astra смогла самостоятельно управлять дроном, находить заданного человека и следовать за ним по офису. Эксперимент провела Andon Labs в рамках теста Drone-Bench.

Для выполнения задачи модели пришлось решить сразу пять этапов: построить 3D-карту помещения, определить положение дрона, проложить маршрут, обнаружить нужного человека по фотографии и затем удерживать его в кадре во время движения.

По данным Andon Labs, Astra стала первой моделью, которая хотя бы в одной попытке превзошла человеческий базовый результат на всех пяти этапах. При этом стабильность пока далека от идеальной: средний запуск успешно проходил всю цепочку лишь примерно в 2,8% случаев.

Эксперимент проводился на недорогом готовом дроне, а сама задача была задумана как проверка возможностей AI в физическом мире — от написания кода до управления реальным устройством.

И вот тут становится немного не по себе. Нейросеть уже не просто отвечает на запросы — она получает возможность воспринимать окружающее пространство и управлять физическим объектом.

А можно всё-таки обойтись без дронов? 🙄

😛 Подробности эксперимента Andon Labs — в их исследовании Drone-Bench.

💻 КОД — техножурнал

Unity выпустила официальный плагин для AI-агентов

Unity представила официальный плагин для Claude Code, Codex и Grok, который добавляет агентам специализированные навыки для работы с игровыми проектами.

Плагин умеет подбирать нужный инструмент под задачу прямо внутри Unity. Например, можно попросить агента создать экран настроек, настроить внутриигровые покупки, исправить проблемы с пиксельной графикой или разобраться с рендерингом — агент сам подключит соответствующий skill.

В репозитории уже есть набор навыков для разных частей разработки: UI, физики, сцен, графики, звука, монетизации, локализации, рендеринга и других систем Unity.

Плагин работает с Unity 6+ и распространяется под Unity Companion License. При этом он содержит только skills — без hooks и MCP-серверов.

™️ Забрать плагин и посмотреть инструкцию по установке можно в официальном репозитории Unity на GitHub.

Для геймдева это ещё один шаг к разработке игр через обычные текстовые команды.

💻 КОД — техножурнал