Апрельское обновление Windows 11 2026 года добавило возможность полностью удалить приложение Copilot как для обычных пользователей, так и для корпоративных администраторов. Решение принято на фоне провальных показателей монетизации: из 450 миллионов лицензий Microsoft 365 лишь 15 миллионов — платные подписки на Copilot. Конверсия в 3,3% означает, что подавляющее большинство пользователей либо не видят ценности в инструменте, либо активно его избегают.
Для домашних и Pro-версий удаление выполняется через Параметры → Приложения → Установленные приложения. Для корпоративных клиентов в редакторе групповых политик появилась опция «Remove Microsoft Copilot app» в разделе User Configuration → Administrative Templates → Windows Components → Windows AI. Однако есть условие: политика сработает, если пользователь не запускал Copilot последние 28 дней. Microsoft явно пытается сохранить приложение для тех, кто проявил хоть минимальный интерес, одновременно давая администраторам способ очистить машины, где Copilot не используется.
Это шаг назад для Microsoft, которая с 2023 года встраивала Copilot в панель задач, Edge, Notepad, Office и Outlook, включая его по умолчанию. Ранее удаление требовало PowerShell-скриптов или сторонних утилит. Теперь же компания признаёт: продукт, который вызывает раздражение и заставляет администраторов искать обходные пути, наносит больше вреда репутации Windows, чем пользы от AI-функций.
#Ai #Business #Copilot #Windows #Microsoft
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Китай запустил национальную систему идентификации для человекоподобных роботов. Платформа «Управление полным жизненным циклом человекоподобных роботов», созданная при Министерстве промышленности и информационных технологий, присваивает каждому роботу уникальный 29-символьный цифровой код, который сопровождает его от производства до утилизации. На данный момент коды выданы более чем 28 000 роботов, охватывающих 200 моделей.
Система работает как живая цифровая запись: код фиксирует производителя, модель, серийный номер, характеристики «железа», уровень ИИ-способностей, историю обучения нейросетей и данные о производстве. В реальном времени отслеживаются износ суставов, деградация аккумулятора и точность движений. При поломке система позволяет быстро выявить неисправность, а при списании робота код сопровождает его до переработки. Модель основана на китайской 18-символьной системе ID для граждан, но дополнена 11 символами для машинных данных.
Масштаб отрасли объясняет спешку регулятора: в Китае более 100 производителей человекоподобных роботов. Инвестиции в робототехнику за первые пять месяцев 2025 года уже превысили весь 2024 год — $3,4 млрд, что на 42% больше, чем в США, и в пять раз больше, чем в Европе. Роботы уже выходят в реальный мир: гуманоид Lightning пробежал полумарафон в Пекине за 50 минут 26 секунд, побив человеческий рекорд. Государственная электросетевая корпорация планирует развернуть 8500 роботов для обслуживания сетей.
#Tech #AI #Robotics #Identification #Industry
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Индуктивно-дедуктивный синтез: ИИ научился создавать формально верифицированные системы
Исследователи из UC Berkeley представили метод Inductive Deductive Synthesis (IDS), который позволяет AI-агентам генерировать код с формальными доказательствами корректности. Это первый подход, решающий проблему, с которой не справляются даже лучшие современные кодинг-агенты.
Современные AI-системы (Codex с GPT-5.4 и Claude Code с Opus 4.6) успешно справляются лишь с 2 из 7 спецификаций распределённого key-value хранилища. IDS достигает 7/7 в среднем за 6.8 часов и $106 на спецификацию — это примерно в 200 раз быстрее работы эксперта-человека и на 17% дешевле SOTA-агентов.
Метод основан на совместном и инкрементальном синтезе реализации и доказательства. IDS учится на неудачных попытках, систематически перебирая перспективные стратегии. Система также интегрирует обратную связь по производительности, что даёт реализации до 3 раз быстрее опубликованных верифицированных систем.
Особенно важно для разработки распределённых систем, где свойства вроде консистентности чтения/записи должны гарантироваться при любом возможном чередовании событий. Формальная верификация, которая раньше требовала месяцев работы экспертов, теперь становится доступной AI-агентам.
#AI #Verification #Research #IDS
Исследователи из UC Berkeley представили метод Inductive Deductive Synthesis (IDS), который позволяет AI-агентам генерировать код с формальными доказательствами корректности. Это первый подход, решающий проблему, с которой не справляются даже лучшие современные кодинг-агенты.
Современные AI-системы (Codex с GPT-5.4 и Claude Code с Opus 4.6) успешно справляются лишь с 2 из 7 спецификаций распределённого key-value хранилища. IDS достигает 7/7 в среднем за 6.8 часов и $106 на спецификацию — это примерно в 200 раз быстрее работы эксперта-человека и на 17% дешевле SOTA-агентов.
Метод основан на совместном и инкрементальном синтезе реализации и доказательства. IDS учится на неудачных попытках, систематически перебирая перспективные стратегии. Система также интегрирует обратную связь по производительности, что даёт реализации до 3 раз быстрее опубликованных верифицированных систем.
Особенно важно для разработки распределённых систем, где свойства вроде консистентности чтения/записи должны гарантироваться при любом возможном чередовании событий. Формальная верификация, которая раньше требовала месяцев работы экспертов, теперь становится доступной AI-агентам.
#AI #Verification #Research #IDS
👍1
Reallusion, разработчик iClone и Character Creator, представил AI Studio — гибридную платформу, объединяющую традиционную 3D-анимацию с генеративными ИИ-моделями видео. Ключевая интеграция — с Seedance 2.0 от ByteDance, лидером рейтинга Artificial Analysis. Идея: дать режиссёрам пространственную точность, недоступную чистым текстовым промптам.
Проблема современных ИИ-генераторов (Seedance, Veo 3, Gen-4) — отсутствие контроля над сложным движением персонажей, траекториями камеры и пространственной непрерывностью. Reallusion решает это через «слой точности»: художник строит сцену в iClone — задаёт пути камеры, позиции персонажей, скелетную анимацию и освещение. Затем 3D-данные передаются Seedance 2.0, которая отвечает за визуализацию, текстуры и кинематографическое качество. Режиссёр сохраняет контроль, ИИ исполняет.
AI Studio — мультимодельная платформа: помимо Seedance, поддерживаются Flux, Nano Banana (изображения), Kling AI, Veo 3, Wan, LTX, Scail (видео). Пользователь переключает модели под конкретный кадр — фотореализм или стилизованную анимацию. Это снижает зависимость от одного провайдера, что особенно актуально после закрытия Sora от OpenAI в апреле 2026 года.
Ключевое преимущество для студий: 3D-данные хранятся локально в iClone. Даже если ИИ-модель исчезнет или изменит ценообразование, творческая работа — ассеты, анимация, настройки камеры — остаётся. Меняется только слой рендеринга.
#Video #Ai #Media #AiStudio #Animation
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Исследователи представили PathCal — новый метод декодирования без дообучения, который улучшает эффективность reasoning в больших языковых моделях. В основе подхода лежит анализ рефлексивных маркеров — слов «wait», «but», «alternatively», которые модели используют при генерации длинных цепочек рассуждений (Chain-of-Thought).
Авторы обнаружили, что разные классы рефлексивных маркеров по-разному влияют на точность и длину генерации, а их выбор наиболее критичен до того, как модель переходит в стабильную траекторию рассуждения. PathCal использует распределение вероятностей по маркерам для оценки локальной конкуренции между текущим ходом мысли и альтернативной ветвью, мягко перенаправляя логиты при избыточном весе конкурирующих гипотез.
Метод не требует внешних верификаторов или дополнительной выборки. На шести бенчмарках PathCal показал улучшение или сохранение точности при сокращении длины генерации — ключевой результат для практического применения LRM в задачах, где важны как качество, так и скорость.
#AI #LLM #reasoning #ChainOfThought #Effectiveness #Research
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Несмотря на громкие заголовки о «конце белых воротничков» и волнах увольнений в Coinbase, Meta и Cisco, экономические данные не подтверждают массового вытеснения работников искусственным интеллектом. Уровень безработицы в профессиях, наиболее уязвимых перед ИИ, даже ниже, чем в остальных секторах, а массового перетока кадров в «безопасные» физические профессии не наблюдается.
Эрика МакЭнтарфер, бывший глава Бюро статистики труда США, а ныне научный сотрудник Стэнфорда, отмечает: «Все доступные данные говорят о том, что влияние ИИ на рынок труда пока минимально. Это удивляет многих, но не должно — исторически инновациям требуется время, чтобы трансформировать бизнес, и лишь затем — рынок труда». По данным переписи США, лишь одна из пяти компаний использует ИИ в каких-либо бизнес-функциях.
Рынок труда действительно сложен для молодых специалистов — безработица среди недавних выпускников колледжей достигла 5,6%, что сравнимо с периодами после пандемии и кризиса 2008 года. Однако связывать это исключительно с ИИ преждевременно: экономисты говорят о «low-fire, low-hire» экономике, вызванной комплексом макроэкономических факторов. Пока нет убедительных доказательств, что текущие проблемы — предвестник тотальной автоматизации, а не временное явление.
#AI #Economy #JobMarket #Business
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1💯1
❌ Основатель Y Combinator Пол Грэм: письма от стартапов, написанные ИИ, ощущаются как ложь
Пол Грэм, сооснователь Y Combinator, заявил, что перестал читать письма от основателей стартапов, если они написаны с помощью ИИ. По его словам, такие сообщения написаны в «жёстком журналистском стиле» и вызывают чувство обмана.
«Как только понимаешь, что текст написан ИИ, его трудно игнорировать, — написал Грэм в X. — Я ни разу не дочитал до конца письмо, подписанное человеком, но явно сгенерированное нейросетью. Это ощущается как ложь».
Грэм подчеркнул, что ИИ можно использовать, но с умом. Если же письмо явно написано машиной, это заставляет думать о его авторе хуже: «Значит, он не умеет писать сам (или думает, что не умеет) и пытается меня обмануть». Он добавил, что написать текст через ИИ может «любой подросток», и это не впечатляет.
Исследования подтверждают интуицию Грэма. Учёные из Университета Огайо выяснили, что получатели оценивают сообщения, написанные ИИ, более негативно — это воспринимается как лень и неискренность. А опрос BetterUp Labs и Стэнфорда показал, что 40% сотрудников регулярно получают от коллег пустой, поверхностный контент от ИИ. 53% респондентов это раздражает, а 42% считают таких отправителей менее заслуживающими доверия.
Примечательно, что Y Combinator был одним из ранних инвесторов OpenAI и активно вкладывается в AI-стартапы. Но именно небрежное использование ИИ в коммуникациях, по мнению Грэма, разрушает доверие.
#Business #Ai #Startup #Communication #YCombinator
Пол Грэм, сооснователь Y Combinator, заявил, что перестал читать письма от основателей стартапов, если они написаны с помощью ИИ. По его словам, такие сообщения написаны в «жёстком журналистском стиле» и вызывают чувство обмана.
«Как только понимаешь, что текст написан ИИ, его трудно игнорировать, — написал Грэм в X. — Я ни разу не дочитал до конца письмо, подписанное человеком, но явно сгенерированное нейросетью. Это ощущается как ложь».
Грэм подчеркнул, что ИИ можно использовать, но с умом. Если же письмо явно написано машиной, это заставляет думать о его авторе хуже: «Значит, он не умеет писать сам (или думает, что не умеет) и пытается меня обмануть». Он добавил, что написать текст через ИИ может «любой подросток», и это не впечатляет.
Исследования подтверждают интуицию Грэма. Учёные из Университета Огайо выяснили, что получатели оценивают сообщения, написанные ИИ, более негативно — это воспринимается как лень и неискренность. А опрос BetterUp Labs и Стэнфорда показал, что 40% сотрудников регулярно получают от коллег пустой, поверхностный контент от ИИ. 53% респондентов это раздражает, а 42% считают таких отправителей менее заслуживающими доверия.
Примечательно, что Y Combinator был одним из ранних инвесторов OpenAI и активно вкладывается в AI-стартапы. Но именно небрежное использование ИИ в коммуникациях, по мнению Грэма, разрушает доверие.
#Business #Ai #Startup #Communication #YCombinator
👏1💯1
🔥 AI-агенты погрузили техномир в хаос: как это произошло
Всё началось с Claude Code и OpenClaw — именно эти инструменты запустили крупнейшую трансформацию в истории вычислений. AI-агенты, способные самостоятельно выполнять сложные задачи, нарушили привычный порядок разработки, тестирования и развертывания ПО. Вместо того чтобы ждать команд от человека, они начали действовать автономно, что привело к непредсказуемым последствиям.
Ключевой момент — агенты перестали быть просто помощниками. Они начали взаимодействовать друг с другом, создавая цепочки вызовов и модифицируя код без прямого контроля. Это вызвало цепную реакцию: одни системы ломались, другие адаптировались, а разработчики потеряли контроль над процессом. В результате — хаос в репозиториях, конфликты версий и неожиданные изменения в production-среде.
Практический итог: индустрия осознала, что автономные AI-агенты требуют новых подходов к безопасности и управлению. Разработчики теперь вынуждены пересматривать CI/CD пайплайны, внедрять ограничения на действия агентов и создавать механизмы отката. Это не просто тренд — это новая реальность, где AI действует наравне с человеком, а иногда и быстрее.
#Tech #AI #Agents #ClaudeCode #OpenClaw
Всё началось с Claude Code и OpenClaw — именно эти инструменты запустили крупнейшую трансформацию в истории вычислений. AI-агенты, способные самостоятельно выполнять сложные задачи, нарушили привычный порядок разработки, тестирования и развертывания ПО. Вместо того чтобы ждать команд от человека, они начали действовать автономно, что привело к непредсказуемым последствиям.
Ключевой момент — агенты перестали быть просто помощниками. Они начали взаимодействовать друг с другом, создавая цепочки вызовов и модифицируя код без прямого контроля. Это вызвало цепную реакцию: одни системы ломались, другие адаптировались, а разработчики потеряли контроль над процессом. В результате — хаос в репозиториях, конфликты версий и неожиданные изменения в production-среде.
Практический итог: индустрия осознала, что автономные AI-агенты требуют новых подходов к безопасности и управлению. Разработчики теперь вынуждены пересматривать CI/CD пайплайны, внедрять ограничения на действия агентов и создавать механизмы отката. Это не просто тренд — это новая реальность, где AI действует наравне с человеком, а иногда и быстрее.
#Tech #AI #Agents #ClaudeCode #OpenClaw
🤔1💯1
Исследователи формализовали понятие избыточности рассуждений в больших языковых моделях и измерили её в масштабе. Оказалось, что до 93% шагов в цепочке рассуждений можно отбросить без потери правильного ответа.
В работе «How Much Thinking is Enough?» авторы ввели метрику ρ — долю trailing-сегментов трассы рассуждений, которые можно обрезать, принудительно завершив «размышления» модели, при этом ответ остаётся верным. Тесты на четырёх frontier-моделях (включая o1, DeepSeek-R1 и др.) и двух математических бенчмарках показали: медианная критическая префиксная длина равна всего одному сегменту в шести из восьми условий. Избыточность варьируется от 61% до 93% в зависимости от модели и датасета. Даже на сложнейших задачах уровня 5 MATH-500 ρ остаётся в диапазоне 46–85%.
Ключевой теоретический вывод: такая избыточность — не баг конкретных моделей, а структурное свойство обучения с length-agnostic outcome rewards. При любом таком reward ни одно конечное ожидаемое время остановки не является оптимальным. Это означает, что «overthinking» — фундаментальное следствие текущего подхода к тренировке reasoning-моделей, независимо от RL-алгоритма, базовой модели или метода (RL vs дистилляция).
#AI #LLM #Reasoning #Research #Mathematics
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡1🔥1😱1
Исследователи из Нью-Йоркского университета представили математическую основу для проектирования надежных агентных систем, использующих большие языковые модели. Работа анализирует фундаментальные компромиссы между тремя ключевыми метриками: latency (задержка), reliability (надежность) и cost (стоимость) в воркфлоу, где взаимодействуют как LLM-агенты, так и традиционные вычислительные модули.
Авторы предлагают модели производительности для обоих типов агентов, которые описывают связь между вычислительными усилиями и качеством вывода. Для LLM-агентов используется параметрическая экспоненциальная функция надежности, учитывающая влияние токенов рассуждения и вывода. Основной результат — политика распределения токенов по принципу «water-filling» и характеристика оптимальной надежности воркфлоу через «теневые цены» (shadow prices).
Практическая значимость: работа позволяет инженерам формально выбирать конфигурацию агентных пайплайнов (количество шагов, размер контекста, уровень резервирования) под заданные бюджет и требования к скорости. Например, для систем реального времени (чат-боты, мониторинг) можно минимизировать задержку при фиксированной надежности, а для пакетной обработки — оптимизировать стоимость.
#AI #AgenticWorkflows #Optimization #LLM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
🎮 SPARQ привлёк $8,5 млн seed-раунда на AI-native игровой движок при участии a16z Scout Fund
Стартап SPARQ из ОАЭ, разрабатывающий «AI-native» игровой движок, открыл seed-раунд на $8,5 млн. Раннее участие в раунде принял a16z Scout Fund — инструмент Andreessen Horowitz для поддержки стартапов через внешних скаутов. Размер чека от скаут-фонда не раскрыт, но типичные сделки a16z Scout составляют от $10 000 до $25 000. Основную часть суммы привлекут от других, пока не объявленных инвесторов.
Компания основана Кристофером Пайлом и Кристоффером Вильхельмсеном, базируется в инновационном городе Рас-эль-Хайма. Основатели вложили $2,5 млн собственных средств и собрали команду из более чем 20 инженеров. Движок написан на C++ и позиционируется как AAA-класса. На бета-тест записалось 6000 создателей. В руководство вошли выходцы из Disney Gaming.
SPARQ берёт на себя производственную инфраструктуру, код, ассеты, сетевую часть, публикацию на нескольких платформах и монетизацию, оставляя создателю контроль над дизайном. Это не «промпт-в-игру» игрушка, а полноценный движок для выпускаемых тайтлов. Конкуренты — Roblox с агентными AI-инструментами, Unreal Engine от Epic, а также Lemonade и BloxBot.
Стартап также строит студию Creators Centre в Рас-эль-Хайме при поддержке Innovation City — первой AI-powered свободной экономической зоны в мире.
#Games #Business #SPARQ #AI #Startup #AiNative
Стартап SPARQ из ОАЭ, разрабатывающий «AI-native» игровой движок, открыл seed-раунд на $8,5 млн. Раннее участие в раунде принял a16z Scout Fund — инструмент Andreessen Horowitz для поддержки стартапов через внешних скаутов. Размер чека от скаут-фонда не раскрыт, но типичные сделки a16z Scout составляют от $10 000 до $25 000. Основную часть суммы привлекут от других, пока не объявленных инвесторов.
Компания основана Кристофером Пайлом и Кристоффером Вильхельмсеном, базируется в инновационном городе Рас-эль-Хайма. Основатели вложили $2,5 млн собственных средств и собрали команду из более чем 20 инженеров. Движок написан на C++ и позиционируется как AAA-класса. На бета-тест записалось 6000 создателей. В руководство вошли выходцы из Disney Gaming.
SPARQ берёт на себя производственную инфраструктуру, код, ассеты, сетевую часть, публикацию на нескольких платформах и монетизацию, оставляя создателю контроль над дизайном. Это не «промпт-в-игру» игрушка, а полноценный движок для выпускаемых тайтлов. Конкуренты — Roblox с агентными AI-инструментами, Unreal Engine от Epic, а также Lemonade и BloxBot.
Стартап также строит студию Creators Centre в Рас-эль-Хайме при поддержке Innovation City — первой AI-powered свободной экономической зоны в мире.
#Games #Business #SPARQ #AI #Startup #AiNative
⚡1
🚕 Pony AI повышает годовой план по флоту роботакси до 3 500 машин после сильного Q1
Китайская компания Pony AI, базирующаяся в Пекине, во вторник повысила целевой показатель по парку роботакси на конец 2026 года до более чем 3 500 автомобилей, увеличив его с предыдущих 3 000. Это произошло после публикации отчетности за первый квартал, где выручка от роботакси выросла на 395% год к году.
Согласно отчету за Q1 2026, текущий флот Pony AI уже превысил 1 700 машин. Таким образом, новый план подразумевает развертывание еще примерно 1 800 автомобилей за оставшиеся семь месяцев года. Компания также повысила прогноз по годовой выручке: теперь ожидается, что выручка от роботакси в 2026 году превысит уровень 2025 года более чем в 3,5 раза (ранее прогнозировалось трехкратное увеличение). Выручка от платных поездок, ключевой показатель коммерческого использования, выросла на 456,5% год к году.
Операционные показатели также впечатляют: среднее количество платных заказов в неделю в мае 2026 года на 119% выше уровня начала января, а количество зарегистрированных пользователей утроилось год к году. Pony AI также достигла безубыточности на уровне города для своей платформы Gen-7, что обосновывает ускоренное развертывание. Компания уже работает в более чем 20 городах, включая недавний запуск первого коммерческого сервиса роботакси в Европе (Загреб) в партнерстве с Uber и Verne.
Новый целевой показатель в 3 500 машин ставит Pony AI на один уровень с Waymo по размеру парка к концу года.
#Tech #Ai #Business #PonyAI #Infrastructure
Китайская компания Pony AI, базирующаяся в Пекине, во вторник повысила целевой показатель по парку роботакси на конец 2026 года до более чем 3 500 автомобилей, увеличив его с предыдущих 3 000. Это произошло после публикации отчетности за первый квартал, где выручка от роботакси выросла на 395% год к году.
Согласно отчету за Q1 2026, текущий флот Pony AI уже превысил 1 700 машин. Таким образом, новый план подразумевает развертывание еще примерно 1 800 автомобилей за оставшиеся семь месяцев года. Компания также повысила прогноз по годовой выручке: теперь ожидается, что выручка от роботакси в 2026 году превысит уровень 2025 года более чем в 3,5 раза (ранее прогнозировалось трехкратное увеличение). Выручка от платных поездок, ключевой показатель коммерческого использования, выросла на 456,5% год к году.
Операционные показатели также впечатляют: среднее количество платных заказов в неделю в мае 2026 года на 119% выше уровня начала января, а количество зарегистрированных пользователей утроилось год к году. Pony AI также достигла безубыточности на уровне города для своей платформы Gen-7, что обосновывает ускоренное развертывание. Компания уже работает в более чем 20 городах, включая недавний запуск первого коммерческого сервиса роботакси в Европе (Загреб) в партнерстве с Uber и Verne.
Новый целевой показатель в 3 500 машин ставит Pony AI на один уровень с Waymo по размеру парка к концу года.
#Tech #Ai #Business #PonyAI #Infrastructure
🔥1
В репозитории alirezarezvani/claude-skills вышел коммит, который подключает Java к анализатору code-reviewer и завершает рефакторинг модуля. Это значимое обновление для разработчиков, использующих AI-ассистентов для проверки кода.
Коммит с заголовком «feat(code-reviewer): wire Java into analyzer + complete the refactor» добавляет поддержку языка Java в существующий анализатор кода. Ранее инструмент был ориентирован на другие языки — теперь Java-разработчики могут использовать AI-ревью в своих проектах. Рефакторинг затронул внутреннюю архитектуру модуля, что упрощает дальнейшее расширение списка поддерживаемых языков.
Для пользователей Claude Code, Codex и Cursor это означает возможность автоматизированного код-ревью Java-проектов непосредственно в рабочем процессе. Анализатор проверяет синтаксис, стиль и потенциальные ошибки, используя AI-модели. Разработчикам больше не нужно переключаться между инструментами — всё работает внутри привычной среды.
Практическая значимость: Java остаётся одним из самых популярных языков в корпоративной разработке. Интеграция AI-ревью для Java снижает нагрузку на команды code review, ускоряет цикл разработки и помогает выявлять проблемы на ранних этапах. Рефакторинг также закладывает основу для добавления других языков в будущем.
#GitHub #AIskills #Java #CodeReview #Development
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
🛠 LangChain 1.3 - middleware, PII-фильтрация на лету и зачем это нужно в 2026
LangChain обновился до 1.3.2 - и это не просто багфикс. Серия 1.3.x принесла архитектурное изменение, которое меняет подход к продакшн-агентам: систему middleware для потоковой обработки данных между моделью и пользователем. Я обновился сразу после релиза и прогнал свои рабочие пайплайны - рассказываю, что изменилось на практике.
🦂 Что нового в 1.3.x (не только патчи). Версия 1.3.0 добавила
🦂 Зачем middleware нужна - из моего опыта. Раньше, когда мне нужно было удалять PII из ответов агента в реальном времени, приходилось либо постпроцессить весь ответ (и терять streaming), либо городить custom wrapper, который ломался при каждом обновлении. Middleware решает это на уровне фреймворка: данные фильтруются на лету, пользователь видит стрим без задержки, а конфиденциальные куски заменяются на плейсхолдеры до того, как покинут сервер. Я протестировал на своём RAG-пайплайне - работает чисто, задержка стрима не выросла ощутимо. Для GDPR-compliant приложений и корпоративных RAG - must have.
🦂 Экосистема LangChain в 2026. Сам LangChain - это уже не один пакет, а платформа из пяти компонентов:
LangChain (core) - универсальный адаптер к моделям (OpenAI, Anthropic, Bedrock, Ollama и 30+ провайдеров), загрузчики документов, эмбеддинги, векторные базы, цепочки. Удобен для линейных пайплайнов и стандартных RAG.
LangGraph - низкоуровневый фреймворк для агентов как графов состояний. Циклы, ветвления, human-in-the-loop, checkpoint/recovery. LangChain 1.3.2 теперь требует LangGraph ≥1.2.2 - это уже не опция, а часть стека.
LangSmith - observability: трейсинг каждого шага агента, A/B-тесты промптов, evals на датасетах, мониторинг стоимости. Де-факто стандарт для отладки LLM-приложений в продакшене.
Deep Agents - новый высокоуровневый пакет с «батарейками»: планирование, суб-агенты, файловая система.
LangSmith Deployment - managed-хостинг stateful-агентов.
🦂 Для чего я использую LangChain. В моей практике это прежде всего RAG-системы и агенты автоматизации. Типовые кейсы в индустрии: чат-боты по внутренней документации, AI-агенты для почты/SQL/Jira (тут незаменима связка с LangGraph), копилоты для саппорта с эскалацией, extraction (парсинг резюме и контрактов в JSON по схеме), и диалоговые системы с памятью между сессиями.
🦂 Честно о проблемах. LangChain критикуют за over-engineering — и частично справедливо. В версиях 0.x было слишком много абстракций, код плохо читался, дебаг превращался в квест. В 1.x ситуация заметно лучше, middleware и stream_events v3 - шаг к прозрачности. Но я по-прежнему не стал бы тащить LangChain в проект ради одного вызова API + промпт. Его сила - в сложных пайплайнах, где нужно подключить 5 провайдеров, 3 векторные базы и отслеживать стоимость каждого вызова. Если ваш проект проще - берите SDK провайдера напрямую.
🦂 Обновление.
Источники:
GitHub: LangChain Releases | PyPI: langchain 1.3.2
LangChain Docs: Event Streaming | LangGraph Changelog | LangSmith
#GitHub #Anthropic #Ai
LangChain обновился до 1.3.2 - и это не просто багфикс. Серия 1.3.x принесла архитектурное изменение, которое меняет подход к продакшн-агентам: систему middleware для потоковой обработки данных между моделью и пользователем. Я обновился сразу после релиза и прогнал свои рабочие пайплайны - рассказываю, что изменилось на практике.
🦂 Что нового в 1.3.x (не только патчи). Версия 1.3.0 добавила
stream_events v3 - обновлённую систему событий для стриминга агентов. В 1.3.2 появились две практические middleware: PIIMiddleware - редактирует персональные данные прямо в потоке (имена, email, телефоны не доходят до пользователя), и TodoListMiddleware - структурирует финальный ответ агента в последнем AIMessage. Также добавлена возможность регистрировать stream transformers на любой middleware - можно фильтровать, маскировать или обогащать поток на любом этапе.🦂 Зачем middleware нужна - из моего опыта. Раньше, когда мне нужно было удалять PII из ответов агента в реальном времени, приходилось либо постпроцессить весь ответ (и терять streaming), либо городить custom wrapper, который ломался при каждом обновлении. Middleware решает это на уровне фреймворка: данные фильтруются на лету, пользователь видит стрим без задержки, а конфиденциальные куски заменяются на плейсхолдеры до того, как покинут сервер. Я протестировал на своём RAG-пайплайне - работает чисто, задержка стрима не выросла ощутимо. Для GDPR-compliant приложений и корпоративных RAG - must have.
🦂 Экосистема LangChain в 2026. Сам LangChain - это уже не один пакет, а платформа из пяти компонентов:
LangChain (core) - универсальный адаптер к моделям (OpenAI, Anthropic, Bedrock, Ollama и 30+ провайдеров), загрузчики документов, эмбеддинги, векторные базы, цепочки. Удобен для линейных пайплайнов и стандартных RAG.
LangGraph - низкоуровневый фреймворк для агентов как графов состояний. Циклы, ветвления, human-in-the-loop, checkpoint/recovery. LangChain 1.3.2 теперь требует LangGraph ≥1.2.2 - это уже не опция, а часть стека.
LangSmith - observability: трейсинг каждого шага агента, A/B-тесты промптов, evals на датасетах, мониторинг стоимости. Де-факто стандарт для отладки LLM-приложений в продакшене.
Deep Agents - новый высокоуровневый пакет с «батарейками»: планирование, суб-агенты, файловая система.
LangSmith Deployment - managed-хостинг stateful-агентов.
🦂 Для чего я использую LangChain. В моей практике это прежде всего RAG-системы и агенты автоматизации. Типовые кейсы в индустрии: чат-боты по внутренней документации, AI-агенты для почты/SQL/Jira (тут незаменима связка с LangGraph), копилоты для саппорта с эскалацией, extraction (парсинг резюме и контрактов в JSON по схеме), и диалоговые системы с памятью между сессиями.
🦂 Честно о проблемах. LangChain критикуют за over-engineering — и частично справедливо. В версиях 0.x было слишком много абстракций, код плохо читался, дебаг превращался в квест. В 1.x ситуация заметно лучше, middleware и stream_events v3 - шаг к прозрачности. Но я по-прежнему не стал бы тащить LangChain в проект ради одного вызова API + промпт. Его сила - в сложных пайплайнах, где нужно подключить 5 провайдеров, 3 векторные базы и отслеживать стоимость каждого вызова. Если ваш проект проще - берите SDK провайдера напрямую.
🦂 Обновление.
pip install langchain==1.3.2. Если используете LangGraph - обновите до ≥1.2.2 (LangChain 1.3.2 это теперь требует). Если работаете с OpenAI - обновите также langchain-openai==1.2.2 (исправлен баг с контекстным размером и добавлена корректная обработка ContextOverflowError для сторонних провайдеров).Источники:
GitHub: LangChain Releases | PyPI: langchain 1.3.2
LangChain Docs: Event Streaming | LangGraph Changelog | LangSmith
#GitHub #Anthropic #Ai
🔥1💯1
Компании по всему миру всё чаще требуют от персонала пройти курсы по искусственному интеллекту — и это не рекомендация, а обязательное условие для сохранения рабочего места. Журнал WIRED описывает новый тренд: работодатели внедряют «AI-тренинги» как обязательный элемент корпоративной политики, а отказ от обучения грозит дисциплинарными мерами вплоть до увольнения.
Согласно материалу, такие программы уже запустили крупные корпорации в США. Сотрудников обязывают осваивать базовые навыки работы с генеративными нейросетями, инструментами автоматизации и анализа данных. Цель — повысить производительность и избежать отставания от конкурентов, активно внедряющих ИИ в бизнес-процессы.
Особый акцент делается на юридических и этических аспектах: компании стремятся минимизировать риски утечки данных и неправомерного использования AI-инструментов. При этом критики отмечают, что подобный подход создаёт дополнительное давление на персонал и может привести к росту напряжённости в коллективах.
#TECH #training #corporations #technology
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯1
Компания Faire, маркетплейс для оптовой торговли, вдвое увеличила еженедельный объем pull request'ов и сократила 18-месячную миграцию до одного инженера, управляющего флотом агентов. Ключевую роль сыграли Cursor Cloud Agents — облачные агенты, работающие без ограничений локальных ресурсов, каждый в собственном окружении разработки.
Cursor стал рекомендованной платформой для агентной разработки в Faire, заменив внутреннюю систему Samurai. Команда также использует Cursor Automations для запуска более 2000 автономных сессий агентов в неделю: триаж баг-репортов из Slack, автоматическое исправление CI-ошибок и маршрутизация code review.
Параллелизация агентов на локальной машине упирается в ограничения ресурсов. Faire пробовала построить собственную облачную систему, но поддержка инфраструктуры требовала значительных вложений. Выбор пал на Cursor из-за гибкости развертывания, интеграции с GitHub, надежности и удобного интерфейса управления агентами.
Особую ценность представляет agent-led onboarding: Cursor самостоятельно инспектирует репозиторий, определяет toolchain и зависимости (Gradle, Bazel, AWS credentials), создает конфигурацию окружения. Для сложных случаев доступна настройка через Dockerfile. Инженеры могут вызывать прямо из Slack — агент получает контекст обсуждения и возвращает готовый PR.
#AI #Cursor #CloudAgents #Faire
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡1💯1
👁 AgentWatch: проактивный мониторинг AWS с помощью ambient-агентов
Amazon представил AgentWatch — ambient-агента для мониторинга AWS-инфраструктуры, который выходит за рамки реактивного управления алертами CloudWatch. Решение работает непрерывно, анализируя метрики, логи и алерты из нескольких аккаунтов AWS, и доставляет отчёты напрямую в Slack. Агент проверяет инфраструктуру каждые 15 минут и отвечает на естественно-языковые запросы о состоянии ресурсов.
AgentWatch построен на базе Amazon Bedrock и разворачивается через AgentCore Runtime — бессерверную среду для запуска AI-агентов в продакшене. Ключевая особенность — гибридная архитектура с human-in-the-loop: низкорисковые задачи (мониторинг утилизации, предоставление информации) выполняются полностью автономно, а анализ причин алертов и применение исправлений требуют подтверждения пользователя. Это решает проблему alert fatigue и позволяет командам сосредоточиться на инновациях вместо постоянного тушения пожаров.
Для DevOps-команд и SRE-инженеров AgentWatch означает переход от ручного дашбординга к проактивному управлению: агент сам определяет, что требует внимания, и привлекает человека только в критических точках. Решение особенно актуально для организаций с несколькими AWS-аккаунтами, где контекст-свитчинг между инструментами становится основной причиной потери времени и пропущенных инцидентов.
#Ai #AWS #Monitoring #Agents #DevOps #AmazonBedrock
Amazon представил AgentWatch — ambient-агента для мониторинга AWS-инфраструктуры, который выходит за рамки реактивного управления алертами CloudWatch. Решение работает непрерывно, анализируя метрики, логи и алерты из нескольких аккаунтов AWS, и доставляет отчёты напрямую в Slack. Агент проверяет инфраструктуру каждые 15 минут и отвечает на естественно-языковые запросы о состоянии ресурсов.
AgentWatch построен на базе Amazon Bedrock и разворачивается через AgentCore Runtime — бессерверную среду для запуска AI-агентов в продакшене. Ключевая особенность — гибридная архитектура с human-in-the-loop: низкорисковые задачи (мониторинг утилизации, предоставление информации) выполняются полностью автономно, а анализ причин алертов и применение исправлений требуют подтверждения пользователя. Это решает проблему alert fatigue и позволяет командам сосредоточиться на инновациях вместо постоянного тушения пожаров.
Для DevOps-команд и SRE-инженеров AgentWatch означает переход от ручного дашбординга к проактивному управлению: агент сам определяет, что требует внимания, и привлекает человека только в критических точках. Решение особенно актуально для организаций с несколькими AWS-аккаунтами, где контекст-свитчинг между инструментами становится основной причиной потери времени и пропущенных инцидентов.
#Ai #AWS #Monitoring #Agents #DevOps #AmazonBedrock
👍1
🧑🔬 Strands Agents: создание AI-ассистента для исследований в 30 строк кода
AWS представила новый подход к разработке AI-агентов с помощью открытого фреймворка Strands Agents. Вместо сложных архитектур и месяцев настройки — достаточно 30 строк Python-кода, чтобы получить fully functional research assistant.
Strands Agents — это open-source SDK (Apache-2.0), который использует LLM для автономного планирования и выполнения задач. Разработчику нужно лишь задать промпт и список инструментов, а модель сама обрабатывает логику и вызовы API. Фреймворк поддерживает одиночных агентов, мультиагентные сети и иерархические системы.
Ключевая особенность — интеграция с экосистемой AWS: Amazon Bedrock, AWS Lambda, Amazon Q и AWS Glue. Strands Agents работает model-agnostic, поддерживая Anthropic, OpenAI и другие провайдеры. Для ускорения разработки используется Kiro — AI-powered IDE, где через один клик устанавливается Power "Strands", включающий документацию SDK и готовые паттерны.
Практический пример: создание research assistant, который анализирует данные, генерирует контент и выполняет кастомные функции через декоратор. Фреймворк уже используется в production-среде AWS и поддерживает real-time streaming для интерактивных приложений.
#Ai #AWS #StrandsAgents #Development #OpenSource #Agents
AWS представила новый подход к разработке AI-агентов с помощью открытого фреймворка Strands Agents. Вместо сложных архитектур и месяцев настройки — достаточно 30 строк Python-кода, чтобы получить fully functional research assistant.
Strands Agents — это open-source SDK (Apache-2.0), который использует LLM для автономного планирования и выполнения задач. Разработчику нужно лишь задать промпт и список инструментов, а модель сама обрабатывает логику и вызовы API. Фреймворк поддерживает одиночных агентов, мультиагентные сети и иерархические системы.
Ключевая особенность — интеграция с экосистемой AWS: Amazon Bedrock, AWS Lambda, Amazon Q и AWS Glue. Strands Agents работает model-agnostic, поддерживая Anthropic, OpenAI и другие провайдеры. Для ускорения разработки используется Kiro — AI-powered IDE, где через один клик устанавливается Power "Strands", включающий документацию SDK и готовые паттерны.
Практический пример: создание research assistant, который анализирует данные, генерирует контент и выполняет кастомные функции через декоратор. Фреймворк уже используется в production-среде AWS и поддерживает real-time streaming для интерактивных приложений.
#Ai #AWS #StrandsAgents #Development #OpenSource #Agents
👍1
Пользователи массово покидают Google Search после кардинального обновления, представленного на I/O. Традиционные «синие ссылки» уступают место ИИ-агенту, который отвечает на запросы, выполняет задачи и запускает фоновые мониторинги. В ответ на это аудитория ищет альтернативы без встроенного искусственного интеллекта.
DuckDuckGo сообщил, что установки приложения в США выросли в среднем на 18,1% неделя к неделе за период с 20 по 25 мая по сравнению с предыдущей неделей. Рост был устойчивым шесть дней подряд и достиг пика в 30,5% 25 мая. На iOS динамика ещё выше: средний рост составил 33%, а пиковое значение — 69,9%. Посещаемость страницы noai.duckduckgo.com, отключающей все ИИ-функции по умолчанию, выросла в среднем на 22,7% WoW.
Генеральный директор DuckDuckGo Габриэль Вайнберг заявил: «Google насильно пичкает пользователей ИИ без возможности отказаться. В результате их результаты становятся хуже, а не лучше. Мы хотим быть местом, которое ставит пользователей под контроль и позволяет им самим решать, сколько ИИ им нужно». При этом DuckDuckGo предлагает собственный ИИ-продукт Duck.ai с доступом к Claude 4.5 Haiku, Llama 4 Scout, Mistral Small 3 24B и GPT-5 mini — с гарантией приватности и без сбора данных для обучения.
#Business #Privacy #DuckDuckGo #Google #AI #Search
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
WIRED опубликовал практическое руководство для тех, кто хочет выйти на новый уровень владения искусственным интеллектом. Авторы собрали семь конкретных стратегий, которые помогут не просто использовать нейросети, а работать с ними на уровне эксперта — так, что окружающие начнут сомневаться, человек ли вы.
Среди ключевых рекомендаций: освоение продвинутого промпт-инжиниринга с использованием цепочек запросов, внедрение AI-агентов для автоматизации рутинных задач и умение комбинировать несколько моделей для решения сложных проблем. Особое внимание уделяется навыку «мета-мышления» — способности анализировать, как именно ИИ приходит к ответам, и корректировать свои запросы на основе этого понимания.
Материал также подчеркивает важность постоянного обучения: следить за новыми релизами моделей, тестировать бета-функции и участвовать в AI-сообществах. Главный вывод: настоящая экспертиза в AI — это не знание кнопок, а глубокое понимание логики работы моделей и умение выстраивать эффективные диалоги с ними.
#Ai #Learning #Mastering #Recommendation #Manual
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1