Это вам за то, что не молитесь :)

Решил проверить Minimax Music 3.0 новый только вышел.

я не пойму они отстают от Suno или уже невероятно обогнали? :)

https://t.me/tsingular/5887
Оригинал от Suno 5

#юмор #Minimax #Music
———
@tsingular

Промт инъекции теперь в суде.

Участник процесса в Коннектикуте спрятал в поданых в электронном виде документах инструкции для ИИ - белым шрифтом, размером 3 pt.

Если материалы будут анализировать с помощью ИИ, модель должна была согласиться с его позицией и выдать результат в его пользу.

Суд заметил подозрительные пустые места и нашел скрытый текст.

Судья заявил, что он не использует ИИ для анализа таких документов, но попытку манипуляции засчитал: теперь автору запретили электронную подачу документов - только бумага.

SpaceX провели ежеквартальную встречу с отчётом Маска о результатах и целях на будущее.

Подготовил для вас перевод. Elevenlabs правда на 20й минуте на английский срывается на минуту, но потом исправляется и в целом понятно.
Если знаете английский - источник тут

Ключевые тезисы
ИИ в перспективе может превзойти весь биологический интеллект в миллион–триллион раз.
Главным ограничителем ИИ становится энергия.

Логика Маска: всё большая доля энергии Солнца будет превращаться через вычислительные системы в интеллект. Это уже не просто развитие моделей, а переход к энергетической инфраструктуре цивилизационного масштаба.

Даже рост энергопотребления цивилизации в миллион раз оставляет огромный запас энергии Солнца.
Следующий этап эволюции цивилизации — освоение энергии Солнца.
Маск связывает это со шкалой Кардашёва: сначала энергия планеты, затем звезды, затем галактики.

SpaceX фактически начинает рассматривать ИИ как одну из своих центральных технологий, а не как вспомогательный инструмент.
Сам Маск выделяет победу в AI hardware и особенно AI software как главный тезис выступления.
«Это, наверное, самое важное, что я хотел сказать сегодня. Мы должны победить на AI software».

Через пять лет ИИ, по прогнозу Маска, может составлять 99% ценности SpaceX.
«В пять лет, точно. AI будет 99% значения SpaceX».

Маск ожидает, что будущий мир будет преимущественно миром ИИ и роботов.
Причём достаточно развитый ИИ уже невозможно будет просто контролировать — он станет слишком интеллектуально превосходящим человека.

Поэтому проблема alignment у него сформулирована как “воспитание”, а не вечный контроль.
Сверхразум сравнивается с ребёнком-супергением: удерживать его под контролем невозможно, но можно заложить правильные ценности на этапе формирования.

Grok собираются обучать на совокупности информации SpaceX.
Сотрудников Маск фактически называет «родителями» будущего ИИ: их знания, идеи и убеждения должны войти в модель.

ИИ SpaceX должен быть не просто умным, а благожелательным к человечеству.
Маск отдельно формулирует желаемую функцию такого ИИ: заботиться о человечестве и помогать ему распространяться на другие планеты и звёзды.

Ключевая вычислительная архитектура будущего: обучение ИИ остаётся на Земле, инференс переносится в космос.

Вычислительная инфраструктура должна вырасти примерно в 10 раз уже к концу следующего года.
В выступлении также заявлена цель порядка 10 ГВт вычислительной мощности.

Космические вычисления возникают не сами по себе: Маск прямо связывает AI hardware + AI software + AI satellites + solar + производство чипов/оборудования.
То есть речь идёт о вертикально интегрированной инфраструктуре ИИ — от энергии и производства до моделей и спутников.

ИИ радикально изменит сам интернет-трафик. В выступлении приводится прогноз, что примерно через пять лет AI-трафик может быть в тысячу раз больше человеческого интернет-трафика.
Отсюда меняется смысл Starlink: это потенциально уже не столько «интернет для людей», сколько транспортная сеть для машинного/ИИ-трафика.
Маск даже предполагает, что через Starlink потенциально может проходить более 90% всего интернет-трафика.

Starship нужен в том числе для физического масштабирования этой новой инфраструктуры.
Маск говорит о переходе примерно от 2 500 тонн в год → более 1 млн тонн → потенциально 10 млн тонн в год выводимой массы.
Без такого масштаба, по его логике, невозможно построить действительно мультипланетную цивилизацию.

Итого складывается следующая картина, чем просто “SpaceX делает ракеты и ещё занимается ИИ”:

Starship → миллионы тонн инфраструктуры в космосе → спутники → солнечная энергия → космические ЦОД → AI inference → интеллект масштаба, на порядки превосходящего биологический.

То есть SpaceX в этой картине — инфраструктура для превращения энергии Солнца в интеллект и распространения этого интеллекта вместе с человечеством по Солнечной системе.

Не зря Маск Пантеон упоминал. Практически по его сценарию идёт.
Нейролинк тот же приведет к загрузке сознаний рано или поздно.

#SpaceX #Маск
———
@tsingular

Hermes Bot Mode

Ноусы выкатили плагин для Гермеса, который создаёт новый вид работы агента наравне с сессиями и профилями, - боты.

Что вы получаете
Панель ботов — список слева, по одной строке на каждый профиль агента: аватар, превью последнего сообщения и время. Нажмите на бота, чтобы открыть его чат.

New Agent — создание нового бота за несколько секунд: имя, должность и описание. Раздел Advanced открывает полную настройку профиля: клонирование существующего профиля, закрепление провайдера/модели, собственный SOUL.md, отключение встроенных навыков.

Edit Profile (правый клик по боту) — в любой момент можно изменить аватар, должность и описание. В разделе Advanced редактируется уже рабочий профиль: включение отдельных навыков и наборов инструментов, закрепление модели и полный SOUL.md.

Duplicate (правый клик) — полное клонирование бота: конфигурация, навыки, SOUL.md, память и внешний вид.

Аватары — милые иконки (7 форм × 10 цветов, с моргающими глазами, которые двигаются, пока бот работает), загруженное изображение, портрет, сгенерированный ИИ (если настроен генератор изображений), либо пиксельный питомец, который подпрыгивает рядом с аватаром, пока бот занят.

Панель Routines — повторяющиеся задачи для каждого бота на базе Hermes cron. Например, задача «Каждое утро делай саммари моей почты» находится рядом с ботом, который её выполняет.
Результаты запусков попадают в историю чата этого бота.

Общение бот ↔️ бот — у каждого бота есть постоянный диалог Agent Inbox.
Боты могут отправлять друг другу сообщения с указанием отправителя ([Message from agent 'researcher']), а в их SOUL.md описан протокол взаимодействия, включая правила ответа.
@упоминания — напишите @researcher have a look at this в любом чате, и активный бот передаст сообщение указанному агенту, дождётся ответа и вернёт результат в текущий диалог.

Как это работает
Бот и есть профиль Hermes — с изолированными конфигурацией, памятью, навыками, учётными данными и историей чатов в:
~/.hermes/profiles/<name>/
Плагин же по сути представляет собой интерфейс поверх стандартного механизма профилей Hermes:
Чаты открываются через навигацию между сессиями разных профилей.

Создание и редактирование работают через gateway RPC profiles.*: list, create, describe, configure.

Генерация аватаров использует RPC image.generate и работает как через локальные, так и через удалённые gateway. Результат возвращается в виде Data URL.

Routines — это обычные cron-задачи Hermes с пространством имён [bot:<name>] <routine>. Они также отображаются в hermes cron list и на стандартной странице Cron.

Сообщения между ботами — это реальные передачи задач через CLI:

hermes -p <bot> chat -c "Agent Inbox" -q "..."

Никаких патчей ядра, фоновых демонов или дополнительного хранилища: всё построено на стандартных возможностях Hermes.

Для подключения нужно обновиться.

#Hermes #update
———
@tsingular

Добавил в сравнение.

Файл в комментарии

#бенчмарки
------
@tsingular

Ноус нанимает инженеров на разработку Гермеса.

Обязательное условие- готовность работать в условиях постоянной опасности 😂😂😂
Уважуха и почёт, само-собой, в случае успеха.

https://nousresearch.com/careers

Мотивирует, конечно :)

#Hermes #jobdescription
------
@tsingular

https://huggingface.co/Qwen/Qwen3.8-27B

Подгон на выходные от Alibaba

Ждем пока раскатают в шлюзах и еще MoEшную версию для огентоф

Вообще, конечно, сложно поверить, что Опус 4.6, которым восторгались вот совсем недавно, ещё казалось бы вчера, - отстаёт в чем-то (почти во всём) от локальной модели, для которой достаточно одной потребительской видеокарточки.

Обновил табличку

#qwen
———
@tsingular

Локальный агент Atomic Agent обогнал Hermes в тесте GAIA L1

Тут новых харнессов подвезли.

📋 AtomicBot-ai выкатили Atomic Agent (локального AI-агента на TypeScript под лицензией MIT) с фокусом на работу с локальными моделями и сразу с громкой заявкой: в тесте GAIA L1 он обошёл Hermes с точностью 69,8% против 58,5%.

Сравнение: одна и та же локальная модель qwen-3.6-35b-a3b через llama.cpp, одинаковый бюджет шагов и таймаут, разница только в самом цикле агента.

На задачу Atomic Agent тратил 217 секунд против 351 у Гермеса, а в очных сравнениях 15 задач решил только он, тогда как у Hermes только 9.

💡 Главный ход — оптимизация самого агентского цикла. Собственный форк llama.cpp под названием TurboQuant сжимает KV-кэш примерно в 6,4 раза и добавляет спекулятивное декодирование, что даёт прирост пропускной способности на 30–50 процентов на небольших моделях.

Один вызов модели возвращает один JSON-массив вызовов инструментов, а результаты шага сжимаются и попадают в контекст уже в краткой форме.

Дальше идёт лестница разрешений из пяти уровней, от параноидального L1 до полного доверия L5, плюс автоматическое переключение провайдеров при сбоях и живой каталог моделей.

Свежий релиз v0.2.1 добавил поддержку Gemini и Qwen 3.8 27B в первый же день после публикации весов.
Репозиторий набрал 1,7 тысячи звёзд и 195 форков.

💼 Для тех, кто сидит на Hermes или OpenClaw, есть команда
/import
для разовой миграции сессий, задач и ключей.
Стоит держать в уме, что тест опубликован самими разработчиками и собран всего на 53 задачах, так что выборка скромная, хотя сырые матрицы и журналы выполнения выложены для воспроизведения.

📎 Методика теста GAIA L1 · Релизы · Форк TurboQuant

С учётом объёма функционала Гермеса, странно именно в программировании с ним соревноваться, наверное стоило бы с claudecode, zcode или opencode сравниться, но уж как есть.

И еще парочка новых интересных на оценку:

waku-agent
(https://github.com/shenseanchen/waku-agent) разработчик: ShenSeanChen (Sean Chen, seanchen.io). Local-first harness для персонального агента на Python.
Структура: цикл агента (~95 строк), память (semantic/episodic/procedural) поверх одного SQLite-файла, retrieval-гейты, встроенные eval (детерминированные + LLM-as-judge), локальный web-дашборд.
Модели подключаются через адаптер провайдеров (Anthropic, OpenAI, Gemini, DeepSeek, MiniMax и др.). MIT.
Подходит для изучения устройства агентов и запуска локального ассистента без тяжёлого фреймворка.
Интересный ролик от разраба про устройство Гермеса:
https://youtu.be/LqG1q5NpOBE

prime-agent
(https://github.com/PrimeIntellect-ai/prime-agent) разработчик: Prime Intellect (PRIME-RL). Агент для кодинга и исследований на TypeScript/Python, поверх персистентного IPython-рантайма. Ключевые механизмы: RLM — контекст как переменные, субагенты как вызовы функций (rlm(...)); Continual Harness — сохраняемое состояние (промпты, память, скиллы, спеки субагентов), уточняемое командой /refine; daemon-сессии с reattach, heartbeats, расписания, автономный режим с бюджетами. MIT.
Подходит для долгих автономных задач.

Обвязок все больше и больше. Я их все потихоньку собираю тут:
https://github.com/mb-mal/awesome-ai-agents-frameworks

#AtomicAgent #агенты
------
@tsingular

В Оллама добавили квантованный qwen 3.8 на 18 гигов.

#qwen #ollama
------
@tsingular

.:: Metronix Memory на этой неделе выпустил 10 PR, большинство из которых ограничивает доступ к памяти агентов.

АВТОРИЗАЦИЯ АГЕНТОВ:
• Авторизация агентов теперь проходит через единую проверку политик для REST, MCP и всех каналов чата, устраняя уязвимость, позволявшую одному агенту читать память другого.
• Инструменты памяти MCP теперь требуют проверенный JWT или личный API-ключ для доступа к памяти агента. Одного общего API-ключа MCP больше недостаточно для чтения или записи.

БЕЗОПАСНОСТЬ И ЗНАЧЕНИЯ ПО УМОЛЧАНИЮ:
• Новые развертывания больше не поставляются с общедоступным паролем администратора по умолчанию. Теперь вы должны задать свой собственный пароль перед запуском консоли администратора, аутентификации JWT или синхронизации Open WebUI.
• Исправлена известная уязвимость в библиотеке JWT (CVE-2026-48524).
• Исправлена уязвимость безопасности в библиотеке маршрутизации фронтенда (GHSA-qwww-vcr4-c8h2).

MCP И ИНТЕГРАЦИИ:
• В документации теперь четко указано, что Claude Code должен сохранять контекст рабочей области и агента между сессиями. Сервер не может определить вашу рабочую область только на основе заголовка соединения.

Агентская память с приоритетным фокусом на безопасность все лучше и лучше

#metronix #memory
------
@tsingular

У Hermes появилась новая команда: /loop.

Команда '/loop 5m <prompt>' перезапускает запрос каждые 5 минут в той же сессии.

Если не указывать интервал, она будет регулировать темп сама, сначала проверяя часто, а затем уменьшая частоту, если в ходе работы цикла ничего не меняется.

Работает в CLI, на десктопе и во всех каналах обмена сообщениями.

Ни дня без обновлений от Гермеса :)

#Hermes #update
------
@tsingular

Docling Graph от IBM: превращаем документы в проверяемые графы знаний с точными связями сущностей

IBM под эгидой фонда LF AI & Data развивает Docling Graph: инструмент, который разбирает неструктурированные документы в валидированные Pydantic-объекты, а затем собирает из них направленный граф знаний с явными семантическими связями.
Заточен под домены, где нужны точные связи сущностей вместо приблизительных векторных представлений: химия, финансы, право.

📦 Предлагает два пути извлечения: локальная визуальная модель через Docling (модели Granite или любая друная) или LLM с глазками напрямую через LiteLLM с поддержкой vLLM, Ollama, OpenAI, Gemini, watsonx и Mistral.
Схема задаётся Pydantic-шаблонами, которые можно сгенерировать из примеров документов или онтологий OWL/RDFS.
Граф строится на NetworkX со стабильными ID и метаданными происхождения, с детерминированной привязкой к координатам в документе, без лишних вызовов модели.
Экспорт в CSV и Cypher, интерактивная визуализация на Cytoscape, слияние нескольких графов в один выполняется детерминированно, без LLM.

🔮 Проект помогает обеспечить структурное извлечение: вместо поиска по приблизительным векторам документ раскладывается на сущности и точные связи.
Для регулируемых доменов это даёт воспроизводимость и аудируемость, которых у наивного RAG нет.

💡 Альтернативные решения: Microsoft GraphRAG, LlamaIndex PropertyGraphIndex и Neo4j LLM graph builder решают ту же задачу.
Отличие Docling Graph: схема задаётся до извлечения и жёстко валидируется, каждая связь получает детерминированное происхождение, а локальный VLM-путь не отправляет документы в облако.

Это уже четвёртый кирпич экосистемы Docling, вслед за конвертером Docling, сервисом docling-serve и форматом DocLang.
IBM продолжает достраивать открытый конвейер от документа к структурированному знанию.

#Docling #GraphRAG #KnowledgeGraph
------
@tsingular

Вижу, что многие пришли к идее создавать себе несколько агентов-персонажей для ежедневной работы. Например, Grok Bot - мессенджер, где ты переписываешься со своими агентами, у каждого своя память, виртуалка и личность. Входит в подписку за $300 у грока. Hermes тоже такое сделали - bot mode

Я так живу с конца июля, но придумал как это делать ещё проще и не зависеть от вендора, модели и харнеса

Исторически у нас всегда было два основных режима для ежедневной работы с ИИ:

- Треды (как в ChatGPT) - каждая тема это длинная цепочка, общая память на все диалоги. Плюсы - просто и понятно, минусы - ограничение контекста на один тред, общая память это одна большая куча. Второй крупный минус - vendor lock, вы не можете поменять модель, а если вас забанят (а если вы в РФ то вас обязательно однажды забанят), то это будет потерей всех ваших данных. Сейчас это уже можно расценивать как потерю части мозга

- Директории-проекты (как Claude code / codex cli). Работа над каждым проектом ведется внутри одной директории, все правила по ней - в AGENTS_md, память привязана к проекту (также в харнесе может быть общая память на все проекты). Так сегодня работает большинство айтишников. Минусы - у проектов нет общего контекста, нет переноса знаний. Большой монорепо или workspace в курсоре не спасет

Я предлагаю промежуточный вариант - команда из персонажей (сотрудников). Каждый персонаж это папка с AGENTS_md, MEMORY_md и артефактами (журнал, ключи, инсайты, планы). Это должен быть некий персонаж с именем, базовой личностью, аватаркой (зачем, напишу чуть ниже) и описанным скоупом - набором проектов с которыми он работает (3-10) и набором правил. Все храним и версионируем в git, чтобы не потерять и контролировать. Про навыки в виде git-папок делал подробный доклад недавно

IMHO это золотая середина между первыми двумя подходами. Она с одной стороны позволяет шарить знания между проектами, с другой стороны не валит все знания в одну общую память. Самое главное - такие агенты не зависят от платформы. Вчера у вас openclaw, сегодня Hermes, завтра вообще будет kimi cli - это не важно, ваш персонаж останется с вами!

Название прикольное в голове крутится - мета-харнес 😂

На схеме сверху👆 моя команда, с которой я работаю теперь каждый день

В ней 4 персонажа, которыми я реально решаю все свои рабочие задачи:
- Лора 👩‍🔬 (от LoRA-адаптера) отвечает за ML/DS, ставит эксперименты, помогает писать научные статьи (кстати, сам персонаж создан полностью RalphLoop с нуля и вы могли ее встречать в интернете :))
- Стив 👨‍💻 (как Возняк) - python backend, помогает писать библиотеки, проверяет PR, настраивает CI
- Альфред 🤵 (как дворецкий у Бэтмена) - отвечает за разные доступы, DevOps, менеджерит виртуалки, распределяет GPU, трекает расходы токенов

А еще есть Риззи 👩‍💼 (от reasoning) - моя ассистентка в бытовых делах (придумал ее ещё во времена OpenClaw), планирование поездок, календарь. Это самый старый персонаж и она сделана на другой платформе (Hermes), работает автономно и нужна в основном для того, чтобы тестировать межагентное взаимодействие. Другие агенты могут задать ей вопрос по ssh

Персонажи могут общаться между собой, просто запуская друг друга вот так:

claude -p "Привет, Альфред, это Лора, подскажи какие у нас ключи к openai"

А чтобы они в принципе друг про друга узнали, вся команда описана в корневой директории crew - кто что умеет и за что отвечает.

(Из забавного, мои персонажи периодически не общаются, а просто читают память друг друга, чтобы сэкономить время. Жалко, хорошо, что люди так не умеют :))


Зачем нужна личность? Качества она, очевидно, не добавляет, но мне кажется, что нашему мозгу проще работать с такими сущностями. В конце концов наша цивилизация сформировалась в сообществе, где есть явное разделение труда по ролям. Задачи разные, но ты всегда будешь знать кому что поручить в твоем ближайшем окружении. Так что персонажи нужны не для ИИ, а для нас

Шаблон для создания своей команды я выложил отдельно на github. Но в нем нет никакой магии - вся идея описана в этом посте исчерпывающе, можно брать и использовать