z.ai подсуетились :)

GLM-5.2 is now available to all GLM Coding Plan users across Lite, Pro, Max, and Team plans.

проверяем

#ZAI #GLM
———
@tsingular

🧠 О двух типах синхронности

Недавно я читал студентам лекцию о синхронных и асинхронных методах передачи данных. Но в какой-то момент стало очевидно: чтобы объяснить инженерные решения, нужно заглянуть глубже — в природу самого явления синхронности.

Мы привыкли считать, что синхронность — редкое исключение, а хаос и асинхронность — естественное состояние мира. Но если посмотреть шире, оказывается, что синхронизация проявляется на всех масштабах — от космоса до живых систем и инженерных архитектур.

⭐ Природные эталоны времени

Любая синхронизация начинается с ритма.

В природе существуют процессы, обладающие настолько высокой стабильностью, что их можно использовать как естественные эталоны времени.

Самый впечатляющий пример — пульсары. Это нейтронные звёзды, вращающиеся с исключительно стабильным периодом. Некоторые из них настолько точны, что используются астрономами для построения высокоточных временных шкал и проверки фундаментальных физических теорий.

Не менее впечатляющи и гравитационные системы. Планеты миллиарды лет обращаются вокруг своих звёзд, а звёздные системы — вокруг центра галактики. Эти движения определяются фундаментальными законами гравитации и обладают высокой регулярностью.

Гравитация способна не только создавать устойчивые ритмы, но и приводить к синхронизации движения небесных тел. Именно поэтому Луна всегда обращена к Земле одной стороной — её вращение вокруг собственной оси синхронизировано с обращением вокруг Земли. Это явление называется приливной синхронизацией.

🌌 Первичная синхронность

Первичная синхронность определяется общими законами физики и возникает как прямое следствие фундаментальных взаимодействий.

Примеры:

• Приливная синхронизация.
• Когерентность в сверхтекучих и сверхпроводящих системах.
• Сверхизлучение Дикке.
• Синхронизация связанных нелинейных осцилляторов.

Здесь синхронность не «настраивается» — она является следствием структуры физических законов и характера взаимодействий.

⚡ Вторичная синхронность

Вторичная синхронность формируется эволюционно — как результат самоорганизации устойчивых режимов в сложных системах с обратными связями.

Так работают:

Сердечные клетки — каждая клетка обладает собственной электрической активностью, но через межклеточные связи система выходит на общий ритм.

Нейронные сети мозга — миллиарды нейронов формируют согласованные ритмы взаимодействия.

Стаи птиц — ориентация на ближайших соседей, приводят к формированию согласованного движения без центра управления.

Косяки рыб — позволяют группе мгновенно перестраивать траекторию движения.

Колонии светлячков — фазовая подстройка вспышек соседей приводит к глобальной синхронизации свечения.

Во всех этих случаях синхронность не задана заранее — она возникает как результат взаимодействия множества независимых элементов и делает систему устойчивее, эффективнее и надёжнее.

🔥 Почему это важно

В распределённых системах мы постоянно выбираем между синхронными и асинхронными механизмами. Но природа показывает, что это не всегда противоположности.

Физика объясняет, как возникают устойчивые ритмы и синхронизация. Биология показывает, как эти принципы используются для коллективного поведения. Инженерия переносит те же идеи в распределённые вычисления, сети связи и системы управления.

Интересно, что во всех этих областях есть общий паттерн: сначала существует устойчивый ритм или источник времени, затем возникают механизмы согласования, и только после этого появляется коллективная динамика.

⚙️ Итог

Первичная синхронность определяется фундаментальными законами природы и возникает как прямое следствие физических взаимодействий.

Вторичная синхронность формируется эволюционно — как результат самоорганизации и отбора устойчивых динамических режимов в сложных системах с обратными связями.

Это деление не является общепринятым, но помогает увидеть единый принцип организации динамики — от космических масштабов до распределённых вычислительных систем.

#синхронность #физика #пульсары #highload #РСУ #DCS #асинхронность

—

🌐 Highload & Mission Critical

Сегодня не до ИИ.

Просто красивая картинка вам в ленту :)

#пейзажи #оффтопик
------
@tsingular

Как включить Telegram Rich Messages в Hermes Agent

Тут телеграм подвёз поддержку сложного форматирования в сообщениях и ноусы мгновенно добавили их поддержку в Гермеса.

Как включить:

Скопируй и отправь своему Гермесу:

Выполни строго по шагам, ничего не пропуская:

1. Обнови Hermes Agent до последней версии:
hermes update

2. Обнови python-telegram-bot до 22.7+:
~/.hermes/hermes-agent/venv/bin/pip3 install 'python-telegram-bot[webhooks]>=22.7'

3. Проверь, что rich_messages default ON в коде (должен быть True):
grep -n '_rich_messages_enabled.*coerce_bool_extra' ~/.hermes/hermes-agent/gateway/platforms/telegram.py
Если видишь False — исправь на True:
sed -i 's/_coerce_bool_extra("rich_messages", False)/_coerce_bool_extra("rich_messages", True)/' ~/.hermes/hermes-agent/gateway/platforms/telegram.py

4. Отключи стриминг для Telegram (он подавляет rich-отправку):
hermes config set display.streaming false
hermes config set display.platforms.telegram.streaming false
hermes config set gateway.platforms.telegram.streaming false

5. Убедись что rich_messages в конфиге true:
hermes config set gateway.platforms.telegram.extra.rich_messages true

6. Перезапусти гейтвей:
systemctl --user restart hermes-gateway

7. Проверь что гейтвей запустился:
systemctl --user status hermes-gateway --no-pager -l | head -6
Должно быть: Active: active (running)

8. Отправь тестовое сообщение с таблицей и details — если таблица с границами, а details раскрывается — всё работает.

#hermes #rich_messages #update
———
@tsingular

ИИ агенты операторы за работой.

симуляторы людей всё совершеннее.

а главное никаким софтом это не отследить - с точки зрения системы выглядит как-будто за консолью реальный пользователь.

#агенты #китай #смартфоны
———
@tsingular

Используем ИИшки без палева

GPTDisguise - расширение Chrome, которое меняет Web интерфейс ChatGPT или Claude превращая их в Google Doc.

Плагин позволяет пользователям вводить вопросы как бы непосредственно в документ, а ответ ИИ появляется на той же странице.

Расширение предлагает различные темы, включая стили Microsoft Word и Notion, и поддерживает несколько моделей искусственного интеллекта.

Chrome Webstore

#chrome #gptdisguise
------
@tsingular

OpenRouter запустил Fusion - систему, где на один запрос отвечает не одна модель, а сразу несколько

Суть в том, что Fusion отправляет ваш промпт параллельно в разные модели. Каждая модель пытается решить задачу по-своему, при необходимости использует web search и bash-инструменты, а затем отдельный judge сравнивает ответы. После этого synthesizer собирает финальный вариант.

Получается не просто «выбор лучшей модели», а полноценная серверная схема коллективного мышления:

* несколько моделей работают одновременно;
* инструменты помогают проверять факты и считать;
* judge отбрасывает слабые ответы;
* synthesizer собирает итоговый результат в один связный ответ.

OpenRouter утверждает, что Fusion уже обходит frontier-модели на DRACO, deep research benchmark от Perplexity.

https://openrouter.ai/fusion

@machinelearning_ru

🇧🇷 Мэрия Рио-де-Жанейро (через свою муниципальную ит-компанию IplanRIO) только что выпустила модель под названием Rio 3.5 Open 397B

Модель с 397 миллиардами параметров (MoE), основанная на Qwen 3.5, с полностью открытой лицензией MIT, которая превосходит свою базовую модель и конкурирует с лучшими frontier в задачах программирования и агентного кодирования.

https://huggingface.co/prefeitura-rio/Rio-3.5-Open-397B

На планете есть страны, где запрещают школьникам использовать соцсети и мобильные устройства и есть Китай :)

#юмор
———
@tsingular

Все-таки "Вовка в тридевятом царстве" гениальный во всех отношениях мультик был.

- вы что и отдыхать за меня будете?
- ага!

#юмор #Unitree #роботы
———
@tsingular

GenAI.mil Пентагона: 1,5 млн пользователей за полгода на Google Gemini

Шесть месяцев назад у платформы GenAI.mil было 80 тысяч пользователей. Сейчас — 1,5 миллиона в сутки, почти половина из 3,5 млн сотрудников DoW.

Запустились в декабре 2025-го, но настоящий рост начался когда подключили Google Gemini для работы на незасекреченных сетях.
После этого добавили OpenAI ChatGPT и xAI Grok в единый портал.

🔧 Агенты как новая оргструктура: За пять недель апреля 2026-го военные собрали более 100 000 полуавтономных агентов через Gemini Agent Designer.
Уровень Impact Level 5 — высший для несекретных чувствительных данных.
Агенты готовят отчёты по итогам операций, анализируют данные, разбирают изображения. Такая уже vibe-coded армия.

⚙️ Где ИИ работает сейчас: Черновики должностных инструкций, протоколы совещаний, бюджетные таблицы.
Главная экономия времени возникает в подготовке отчетов для конгресса: задача, которая требовала 200 человеко-часов, теперь укладывается в 5 часов.

🪖 Не только для офиса: Планы на FY27 — $54,6 млрд на Defence Autonomous Warfare Group (DAWG), против $225 млн в FY26.
Рост в 240 раз.
Это самостоятельный поток, отдельный от обычной закупки ИИ. Внутри него — дроны, автономия и боевая интеграция.

⚔️ Терки с вендорами: 580 сотрудников Google, включая senior-исследователей DeepMind, в апреле подписали письмо Пичаи с требованием отказаться от закрытых военных контрактов.
Аргумент, - Google не может контролировать как используют ИИ если сети закрыты.
Письмо не помогло: у Пентагона уже семь закрытых контрактов с ИИ провайдерами (Google, Microsoft, NVIDIA, OpenAI, Anthropic, xAI, …), и условия в них не содержат оговорок, форсирование которых довело Anthropic до исключения из доверенных поставщиков.

#GenAI #Pentagon #DoW #Gemini #OpenAI #xAI
──────
@tsingular

Qwen выходит в робототехнику.

Команда представила Qwen-RobotManip. Это Vision-Language-Action модель для управления роботами, построенная на базе Qwen-VL.

Главная идея: научить модель не просто «понимать картинку», а связывать сразу три уровня:

* что робот видит
* как он должен двигаться
* какое поведение нужно для выполнения задачи

Для этого в Qwen-RobotManip сделали unified alignment framework по representation, motion и behavior. То есть данные из разных источников не конфликтуют между собой, а приводятся к единой логике обучения.

Особенно интересно, что модель обучали только на открытых датасетах robotic manipulation и видео с человеческими демонстрациями. Без закрытого сбора проприетарных данных.

В итоге собрали корпус примерно на 38 100 часов pretraining-данных.

Уже сейчас Qwen-RobotManip показывает emergent generalization: модель начинает переносить навыки на новые объекты, сцены и задачи, а не просто повторять заученные траектории.

Блог Qwen-RobotManip:

https://qwen.ai/blog?id=qwen-robotmanip

Не, ну это гениально :)

Плагин использует веб-камеру и Mediapipe для точного подсчёта повторов упражнений.

Запускает промпт только после завершения повторений, а незавершённые повторения сохраняются в качестве долга для следующей сессии.

Предлагает различные пресеты и триггеры, а также отслеживает статистику.

https://github.com/BotchetDig/workout-gate

#навыки #claudecode #workout
------
@tsingular

📖 The New SDLC with Vibe Coding — свежий whitepaper от Google

Основная мысль: программирование превращается в задачу по корректному формулированию намерения.
Разработчик говорит что нужно сделать, машина решает, - как.

Ключевые идеи:

🔄 Спектр: вайб-кодинг → агентная инженерия. Вайб-кодинг — это «написал промпт, принял что дали, сломалось — скопипастил ошибку обратно».
Агентная инженерия — это спецификации, тесты, гардрейлы, оценка траектории, человеческий надзор.
Разница не в инструментах, а в дисциплине.

🧠 Контекстная инженерия — ключевой навык. Качество кода зависит не от сложности промпта, а от качества контекста: AGENTS.md, файлы правил, память, навыки, RAG.
Статический контекст vs динамический — это инженерный компромисс, который надо версионировать как код.

⚙️ Модель — лишь двигатель. Харнес — вся остальная машина (ближайшее по смыслу слово, - обвязка, если кому не знаком термин).
Промпты, инструменты, песочницы, хуки, оркестрация, наблюдаемость — это и есть харнес.
На Terminal Bench 2.0 команда подняла агента из-за пределов топ-30 в топ-5, поменяв только харнес, без смены модели.

🎭 Дирижёр и оркестратор — две роли разработчика. Дирижёр работает в IDE, контролирует каждую строку. Оркестратор ставит цели, делегирует агентам, проверяет результат.
Режим зависит от задачи, а не от «лестницы автономности».

⚠️ Проблема 80%. Агент пишет 80% кода за минуты, но оставшиеся 20% — граничные случаи, обработка ошибок, интеграция — требуют глубокого контекста.
Ошибки выросли от синтаксических к концептуальным: код «выглядит правильно», но содержит незаметные архитектурные дефекты.

💰 Экономика: низкий CapEx, высокий OpEx у вайб-кодинга. Подписка на ИИ-ассистента стоит копейки, но токены сжигаются в бесконечных «промпт-петлях», а техдолг от неструктурированного кода копится экспоненциально.
Агентная инженерия — высокий CapEx (проектирование спецификаций, тестов, контекста), зато OpEx резко падает.

🏭 Фабричная модель.
Разработчик проектирует не код, а систему, которая производит код.
Как менеджер завода проектирует сборочную линию, а не собирает каждую деталь вручную!!!

Практические рекомендации:
- Заведите AGENTS.md (10 строк: стек, соглашения, жёсткие правила, воркфлоу)
- Пишите тесты и эвалы до генерации кода — это ваш контракт с ИИ
- Различайте прототипирование (вайб-кодинг) и продакшен (агентная инженерия) явно
- Инвестируйте в харнес как в общий актив команды
- ИИ умножает вашу инженерную культуру — и сильные, и слабые стороны

Книга на английском в комментарии

Перевод на русский выложил в ИИзбранном

#ai #vibecoding #sdlc #google #dev
———
@tsingular

Google Cloud представила Open Knowledge Format: “agentic skills”, но для данных и корпоративного контекста

Google Cloud представила Open Knowledge Format (OKF) — открытый формат для хранения знаний для AI-агентов.

Такой вариант смеси wiki памяти от Карпатого и агентских навыков.
Только если в навыках описывается как агенту выполнять задачу, то OKF описывает, что агенту нужно знать о данных, метриках, таблицах, API и процессах.

Проблема, которую они решают: знания в компаниях разбросаны по каталогам, wiki, Google Drive, комментариям в коде и головам старших инженеров.

Поэтому каждый AI-агент заново собирает контекст: что означает метрика, как джойнить таблицы, где актуальный runbook, какие API устарели.

OKF предлагает хранить знания как папку с Markdown-файлами и YAML-метаданными.
Один файл = один концепт: таблица, датасет, метрика, API или runbook.
Связи между ними задаются обычными markdown-ссылками, превращая папку в граф знаний, понятный и людям, и агентам.

Почему это важно:
• знания можно версионировать рядом с кодом
• их можно читать в любом редакторе или на GitHub
• AI-агенты могут использовать один и тот же формат без кастомных интеграций
• формат не привязан к Google Cloud, BigQuery или конкретной LLM
• команды могут постепенно превращать внутреннюю экспертизу в переносимую “живую wiki”

#Google #навыки #OKF
———
@tsingular

#юмор #fail
———
@tsingular