Решил сделать обзор Claude Sonnet 3.7 - и рассказать, почему я, в большинстве случаев, все еще использую ее, а не ChatGpt-4.5/о1/о3-mini или Grok3

Пара слов про саму модель: это самая последняя модель в семействе Claude 3, выпущена в феврале 2025 года, у нее есть режим "расширенного мышления", позволяющий модели тщательнее обдумывать сложные запросы (доступен для Pro-аккаунтов) - и он действительно круто работает, она легко решает олимпиадные математические задачи серьезного уровня. Ну и по манере общения, оно мне напоминает разговор с эрудированным собеседником - при этом чуть мене формальный, чем с ChatGPT - самое то. Даже ChatGPT-4.5, субъективно, примерно так же - я почти не вижу разницы

1) Она просто бомбически крута в программировании. И, когда речь идет про "создай мне прототип такой-то и такой-то с нуля", и, когда речь идет о помощи в конфигурации тех или иных систем либо же помощь в дописывании уже существующего кода.

Пробовал попросить сделать прототипы игр: майнкрафт пин-понг, тетрис, разные анимации и веб-странички - все работает с первого раза.

В общем - на постоянной основе использую ее для рабочих задач

ChatGPT и Grok - тоже делают свою работу, но слишком много косяков - приходится по три раза разжевывать промпт и уточнять, что именно тебе надо

2) Есть возможность нажать cmd+enter для переноса на новую строку

Серьезно, я не могу понять, почему в ChatGpt и Grok до сих пор нет такой возможности. Это очень просто в реализации, и сильно помогает в форматировании запроса - да просто самому легче прочитать и осилить свой же промпт. После того, как я увидел, что в Claude так можно, и уже привык использовать переносы на новую строку - каждый раз у меня проблемы с другими модельками - случайно по памяти жму на cmd enter - и отправляется сообщение, которое я не хотел отправлять. Итог - трата времени и нервов

3) Это, конечно, уже придирка и мелочь - но UX и шрифты у Claude - субъективно приятнее

4) Отвечает значительно быстрее, чем ChatGPT-4.5 - субъективно, раза в 2,5

5) Недавно появилась возможность добавить свой гитхаб аккаунт, и с любого проекта оттуда в удобном интерфейсе добавлять файлы для контекста

Это вообще киллер фича - правда пока в бете, иногда глючит, и очень сильно не хватает контекста. Я прям жду, когда же окно контекста на порядок хотя бы увеличат. Это будет очень сильно, серьезно

Подводя итоги, после нескольких дней эйфории от ChatGPT-4.5 - я пересел обратно на Claude 3.7 Sonnet с Pro подпиской, и платную подписку в OpenAI оставляю чисто для того, чтобы иметь возможность тестить новые фичи и модельки, когда они их выкатывают. Субъективно, смысла использовать что-то другое - на данный момент нет

Ближайшие несколько дней - выходные, я собираюсь потестить поглубже дипсик/алибабашные модели - и напишу про них после. Может быть, будут какие-то интересные инсайты

#полезныеинструменты #ии

ИИ и английский (либо любой другой иностранный язык)

Несколько раз общался с друзьями и знакомыми на тему изучения английского, и с удивлением обнаружил, что мало кто вообще рассматривает ИИ в кач-ве репетитора. А ведь изначально LLM (большие языковые модели) и созданы для того, чтобы РАЗГОВАРИВАТЬ) А не решать всевозможные мировые вопросы и проблемы

Что, на мой взгляд, можно закрыть с помощью ии в контексте изучения иностранного языка:

Разговорная практика - несколько дней назад рассказывал про Sesame - почти идеальный головой чат-бот. Но в принципе, любой головой ассистент (тот же chatgpt) позволяет разговаривать на любые темы, просить подстраиваться под определенный уровень английского, использовать какую-то специальную лексику, попросить привести пару примеров с новыми словом и тд. С ним можно моделировать любые ситуации (общение в магазине, интервью на работу, все что угодно) - в общем - промптом настраиваешь (не забываем про формат "представь, что ты репетитор по-английскому...") и вперед)

Исправление ошибок - можно просить исправлять любые ошибки в произношении, формировании фраз и тд - а можно, наоборот, сказать, что не любишь, чтобы тебя исправляли - и тебе не скажут ни слова

Объяснение сложных тем легким языком - тут тоже все просто, можно и в голосовом режиме, и в режиме чата - попросить объяснить любую тему с примерами - и можно разжевывать и доуточнять хоть до посинения - модель не выскажет тебе ни капли удивления, что ты переспрашиваешь одно и то же по нескольку раз)

Снять языковой барьер - за счет того, что не нужно смотреть человеку в глаза, когда тебе одновременно нужно думать про лексику и грамматику (а нас еще и за ошибки в школе ругали - до сих пор осадочек остался)

Модельку можно попросить составить тебе график обучения и напоминать про уроки (chagpt 4o-scheduled) - для любого уровня распишет, с чего начать и чем продолжить

Для кого НЕ подходит такой формат:

Дети - логично, что для детей нет ничего лучше живого учителя, который в любой момент сможет подстроиться под настроение ребенка, подберет ему нужные упражнения, успокоит, если что-то пошло не так

Кстати, если кто-то ищет для ребенка репетитора по-английскому - могу порекомендовать одного замечательного, обращайтесь

Для слабомотивированных людей - все те, кому нужен пинок под попу, либо кому легче заплатить - и сразу получить готовый курс, либо же хочется общаться исключительно с живым репетитором - конечно, это тоже не подойдет

#простомысли

Под утренний кофе:

1) Гугл заставляют продать браузер Google Chrome

Минюст США заставляет Google разделить свой бизнес, в том числе - продать браузер.

При этом - было снято требование о продаже долей Google в ИИ-стартапах после того, как Anthropic заявила, что ей необходимо финансирование для успешного продолжения своей деятельности. То есть, по текущим хотелкам суда - гугл инвестировать в ИИ может - но обязан уведомлять федеральные и гос органы в эту сферу

Интересно - кто купит?

2) Новые ии-модели гугла (gemini) планируются к выпуску 12 марта

Отлично, как раз я сильно их не щупал - примерно в те дни и сделаю обзор отдельной статейкой. Расскажу - стоит или нет ее вообще рассматривать как альтернативу другим большим игрокам

3) Инвестиции в ии бьют рекорды

Интерес инвесторов к помощникам по разработке ПО с использованием ИИ стремительно увеличивается:

Среда разработки Cursor планирует привлечь инвестиции по оценке 10млрд$ при выручке 150млн$ - то есть новая сделка будет > 66 ARR (годовая выручка). Обычно это цифра колеблется с 10 до 20 ARR

Редактор кода Windsurf с встроенным ИИ - с выручкой 40млн$ привлекает средства с оценкой > 70 ARR

Попахивает пузырем. Ждем, когда схлопнется

4) Инвестирование в скины Counter Strike 2 оказались выгоднее, чем инвестиции в S&P 500, биткоин и эфир

Рынок виртуальных предметов (скинов) в игре Counter-Strike 2 демонстрирует феноменальный рост, обгоняя по росту даже такие активы, как акции S&P 500 и популярные криптовалюты. Пока традиционные рынки акций и крипты штормит, цены на редкие скины в CS:GO только растут и бьют все рекорды

Для понимания - цены на некоторые: пистолет за 1млн$, снаперская винтовка драгон лор за 2,5млн$. Это просто картинки на оружие, с которым ты будешь бегать в игре)

Как думаете - это отмыв преступных денег, как в современном искусстве, или действительно такой лютый спрос за скинчики?)

#подутреннийкофе #новости

Тут я коротко писал про уровни искусственного интеллекта. Подумал, что многим было бы интересно, если я более подробно, но при этом не наливая воды, расскажу про каждый из уровней:

Сегодня начнем с первого уровня: реактивных машин. Такие машины — первый шаг в мир ИИ

1) Итак, что вообще такое реактивные машины?
Представьте себе робота, который может только реагировать на то, что видит перед собой прямо сейчас. Он не помнит, что происходило минуту назад, не учится на своих ошибках и не строит планов на будущее. Это и есть реактивная машина — самый базовый уровень искусственного интеллекта.

2) Как работают реактивные машины?
Реактивные машины действуют по принципу «вижу-реагирую»:
a) Получают входные данные (изображение, звук, текст)
b) Анализируют их согласно заложенным правилам и алгоритмам
c) Выдают ответ или совершают действие
d) И тут же забывают всё, что только что произошло

3) Знаменитый пример: IBM Deep Blue
Самый известный пример реактивной машины — шахматный суперкомпьютер IBM Deep Blue, который в 1997 году победил чемпиона мира по шахматам Гарри Каспарова

Deep Blue мог:
a) Анализировать текущую позицию на доске
b) Просчитывать миллионы возможных ходов вперёд
c) Выбирать оптимальный ход по заложенным критериям

НО, важно! Deep Blue не учился на своём опыте и не помнил предыдущие партии. Для каждой новой игры его стратегия не менялась на основе прошлых побед или поражений. Это и есть основная разница между реактивными машинами и ИИ следующих поколений/уровней. Пока что - на текущем - они все еще не умеют делать выводы из прошедших сеансов

4) Сегодня реактивные машины можно встретить, по сути, где угодно:
a) Спам-фильтры в почтовых сервисах
b) Простые чат-боты с заранее прописанными ответами
c) Базовые системы рекомендаций в интернет-магазинах
d) Системы оповещения о погодных условиях
e) Автоматические двери с сенсорами движения

На самом деле, реактивные машины - это не только про современность. В качестве хорошего примера из истории, который меня сильно впечатляет, можно привести ткацкий станок Жаккара (1804) — действительно революционное изобретение начала 19 века, которое использовало перфокарты для автоматического создания сложных узоров на ткани.

Как оно работало: станок считывал отверстия на карточках и в ответ поднимал определенные нити основы. Это была одна из первых программируемых машин, действующая по реактивному принципу: получили входные данные (перфокарта) → отреагировали соответственным образом (подняли нужные нити)

По сути, почти любую систему с заранее заданным набором правил так или иначе можно подвести под наше определение

5) Ограничения реактивных машин
Хотя реактивные машины могут быть очень эффективны в узких задачах, у них есть серьёзные ограничения:
a) Нет памяти — не способны учиться на опыте
b) Нет адаптации — не могут приспосабливаться к новым ситуациям
c) Работают только по заданным правилам — не способны к творчеству или импровизации
d) Узкая специализация — хороши только для одной конкретной задачи

---

Следующий уровень — системы с ограниченной памятью, которые уже могут запоминать некоторый опыт и использовать его для принятия решений. О них - в следующих раз)

#ии