What Telegram channels wrote about Artificial intelligence in July 2026: 2927 posts from 1621 channels, collected automatically from public Telegram channels.
AI Gone Wrong — шедевральные косяки нейронки
Коллекция работ разных ИИ, которые генерили какую-то неимоверную дичь: то, что у другой нейросети сочли бы за грубый косяк, здесь — фишка. Люди выкладывают свои самые странные работы чисто порофлить.
Платить не надо (да и кто бы платил). Еще это платформа для знакомств: можно кликнуть на некоторые работы и перейти на соцсети человека, который выложил изображение (идея, в целом, тоже странноватая).
#бесплатный #лолкек
Фильмы Леонида Гайдая подарили зрителям множество крылатых фраз.
Хорошо ли вы их помните? Сможете отличить от фантазий нейросети?
Digital Researcher / Аналитик-исследователь
Что делать: — искать и анализировать информацию по разным задачам, сферам и темам; — проверять найденную информацию, критически её оценивать и отделять полезные инсайты от шума; — находить решения для нестандартных задач в условиях отсутствия готовых инструкций; — исследовать новые AI-продукты, нейросети и сервисы.
Кого ищут: — глубокие навыки комплексного поиска, структурирования и верификации информации; — самостоятельность в принятии решений и поиске путей реализации задач при минимуме вводных данных; — умение копать глубже стандартной выдачи и находить неочевидные решения; — наличие опыта активной работы с AI-инструментами и понимание трендов в сфере нейросетей; — опыт программирования (например, написание простых скриптов или парсеров); — опыт журналистской, продуктовой аналитической или исследовательской работы; — навык работы с большими объёмами информации (написание сценариев, аналитических статей, лонгридов).
Условия: — полностью удаленный формат работы. — официальное оформление по договору ГПХ (с ИП или Самозанятыми).
Откликнуться: @m0rtymerr_hr
Нейродайджест за две недели (#122)
LLM - LongCat 2.0 — Первая большая LLM на китайских чипах. Meituan выкатили модель на 1.6T параметров, обученную на 50 тысячах ускорителей типа Huawei Ascend. Эмбеддинги занимают 10% весов, а контекст достигает миллиона токенов. - Claude Sonnet 5 — По перформансу модель подтянулась к Opus 4.8. Доступ открыли всем, включая бесплатных пользователей, а на API до конца лета действует промо-прайс. - Снятие ограничений с Anthropic — Эпичная развязка истории с блокировкой Fable 5. В детальном разборе инцидента подтвердилось, что модель нашла уязвимость в Amazon и написала под неё эксплоит. Теперь запросы фильтрует жёсткий классификатор, а доступ к модели полностью вернули. - Muse Spark 1.1 — Meta обновила модель с сильным упором на агентный кодинг и выкатила собственный API, выдавая $20 кредитов новым аккаунтам. - Grok 4.5 — SpaceXAI , при помощи Cursor, дотренировали свою модель на полтора триллиона параметров. Вышло неплохо, модель стоит всего $2/$6 за миллион токенов при небольших контекстах, лишь немногим больше GPT 5.6 Luna. - GPT 5.6 — Sol стала доступна платным юзерам, Terra и Luna — бесплатным. Вдогонку запустили агента ChatGPT Work, публикацию мини-сайтов и объединили Codex с ChatGPT на десктопе. - Продление доступа к Fable по подписке — Anthropic почувствовали конкуренцию с OpenAI и решили оставить Fable по подписке ещё на неделю.
Генеративные модели - Comfy MCP — Благодаря интеграции с MCP больше не нужно тонуть в спагетти-пайплайнах: ИИ-агент сам найдёт нужные ноды и соберёт любой воркфлоу. - Muse Image и Muse Video — гибридные модели от Meta для генерации визуала. Muse Image сама пишет код для точной вставки графики, верстает на HTML и сама исправляет косяки.
Прочее - Штраф для Google — Компания окончательно проиграла апелляцию в ЕС на $4.68 млрд за принудительную предустановку Search и Chrome на Android.
> Читать дайджест #121
#дайджест @ai_newz
Искусственный интеллект не отменит учителя В интервью звучит мысль, что ИИ может заменить учителя. Госпожа Лихачёва говорит: «Искусственный интеллект придёт - вообще зачем будут учителя нужны?» Я категорически не согласен. Искусственный интеллект не отменяет учителя. Как синтезатор не отменил музыканта. Технология может помочь человеку. А может превратиться в костыль. Вопрос не в наличии инструмента, а в том, кто и зачем его использует. Когда ребёнок просит нейросеть думать вместо него - это проблема. Но когда он использует её, чтобы быстрее найти информацию или освоить новый навык, - это возможность. Запрещать инструменты бессмысленно. Нужно воспитывать человека, который не позволит инструменту управлять собой.
«Зумеры - будущее крестьянство»: почему это оскорбительно Отдельно скажу о формулировке «Зумеры - будущее крестьянство». Я понимаю, что заголовок интервью построен как вопрос и, возможно, сознательно заострён. Но само употребление слова «крестьянство» в качестве пугающего образа интеллектуального падения - это высокомерие не только по отношению к молодёжи, но и к собственной истории. Крестьянин - это человек земли, труда, терпения, семьи и ответственности. Предки большинства из нас не родились в профессорских кабинетах. Делать крестьянство синонимом необразованности - значит проявлять неуважение к собственной стране. Что мы сеем, то и пожнём.
Меня в этом разговоре тревожит даже не критика отдельных недостатков. Критиковать необходимо. Меня возмущает интонация приговора. Когда публичный человек постоянно твердит молодым, что они хуже, слабее, глупее, он разрушает связь между поколениями. Дети перестают слушать взрослых, потому что чувствуют презрение. А потом те же взрослые удивляются, что подростки ищут доверия где-то на стороне. Сейчас против нас ведётся настоящая война - не только на поле боя, но и в школах, вузах, в головах детей . Задача противника - сделать так, чтобы россиянам, в первую очередь детям, стало стыдно быть русскими . И когда авторитетный представитель культуры убеждает общество, что молодое поколение почти потеряно, он играет на руку этим силам. Потеряться можем мы - взрослые, если вместо собственного примера продолжим читать надменные лекции о том, насколько дети хуже нас. И от того, что мы вложим в них сегодня - презрение или веру, пустоту или культуру, страх или ответственность, - зависит, какой станет наша страна завтра.
И последнее: досмотрев интервью до конца, у меня сложилось стойкое ощущение, что человек, который всё это говорит, просто ненавидит страну, в которой живёт, и всё, что с ней связано. Ну серьёзно: русская культура - не наша, кокошники - не наши, водка - не наша, дети - потеряны, образование - обесценено, будущего - нет. Слушаешь её - и хочется спросить: а что вообще в этой стране твоё? Что тебе здесь дорого? С таким подходом, знаете, можно вообще весь русский мир отменить. И вот я смотрю на её регалии - и в голове не укладывается: как человек с таким высокомерным и одновременно убогим набором выводов вообще мог занимать эти должности? Я был просто шокирован, когда понял, что передо мной не случайная женщина, а человек, который сидел в кресле главы главных культурных институций страны. Это не критика - это какой-то системный сбой, когда место, где должны беречь культуру и воспитывать уважение к стране, занимает человек, который эту страну и её детей ненавидит.
Максим Фадеев
Интересный промпт для Nano Banana 2 Пробуем - здесь
Промпт: A breathtaking, close-up fantasy portrait of a majestic white lion with beautiful amber eyes, looking into the distance. The lion's face features hyper-realistic fur textures, detailed whiskers, and a serene, powerful expression. Its voluminous mane seamlessly transitions into a swirling, dreamlike cosmic nebula made of white and grey storm clouds, heavily infused with thousands of tiny, glittering gold and silver stars and glowing space dust. Warm, magical light emanates from within the mane, highlighting the contours of the lion's face and casting a golden rim light. The background is a soft, dark misty void. Intense high-contrast lighting, celestial masterpiece, 8k resolution.
Перевод: Потрясающий фэнтези-портрет крупным планом: величественный белый лев с красивыми янтарными глазами смотрит вдаль. Морда льва отличается гиперреалистичной текстурой меха, прорисованными усами и безмятежным, мощным выражением. Его объемная грива плавно переходит в закручивающуюся сказочную космическую туманность из белых и серых грозовых облаков, сплошь усыпанную тысячами мелких сверкающих золотых и серебряных звезд, а также светящейся космической пылью. Теплый волшебный свет исходит изнутри гривы, подчеркивая контуры морды льва и создавая золотистый контурный свет. Фон — мягкая темная туманная дымка. Контрастное освещение, небесный шедевр, 8k.
🔥Делитесь своими результатами в комментариях
#нейросети #nanobanana #промты
Most upvoted papers on huggingface this week (July 6-12):
- The Mirage of Optimizing Training Policies: Monotonic Inference Policies as the Real Objective for LLM Reinforcement Learning - Vidu S1: A Real-Time Interactive Video Generation Model - RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation - AlayaWorld: Long-Horizon and Playable Video World Generation - Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning - RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation - OmniOpt: Taxonomy, Geometry, and Benchmarking of Modern Optimizers - UI-MOPD: Multi-Platform On-Policy Distillation for Continual GUI Agent Learning - Hierarchical Sparse Attention Done Right: Toward Infinite Context Modeling - PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space https://huggingface.co/papers/week/2026-W28
Бреслав и Ложечкин #39 — Зачем писать себе некролог
Обсудили в выпуске, зачем писать самому себе некролог и как это связано с практикой Amazon Working Backwards. Если серьёзно - обсудили, как можно относиться к себе, как к продукту, как с помощью LLM сделать себе нормальный план развития и как агентов использовать для того, чтобы самому себе помогать по этому плану идти.
Партнёр команды Podlodka — наши давние друзья @AvitoTech. Это команда с крутыми процессами, культурой здравого смысла и эксперимента. Узнать про их технологии, подходы и прокачку компетенций в командах можно по ссылке: https://clck.ru/3UmSHY
Слушать выпуск: Telegram Mave Apple Castbox Яндекс Spotify YouTube.Music YouTube
Реклама. ООО "Авито Тех”, ИНН 9710089440, erid:2SDnjbocFa3
Сейчас популярный мем про тупые проекты на ИИ, и во многом это правда, большая часть того, что сейчас делают, реально ерунда
Но причина не в ИИ, просто раньше такие же пустышки собирали руками, а теперь их клепают нейросетью, оттого их и стало ещё больше и заметнее
Нормальный проект выходит только там, где есть стоящая идея и её проверка на людях
Cinematic cyberpunk masterpiece, back view of a beautiful woman with pale skin, dark tousled hair, black lace fingerless glove hand gently resting on her neck. An advanced neural interface implant designed as a glowing motherboard with visible CPU processor is seamlessly embedded into her cervical vertebra at the base of the neck, with intricate metallic pins and circuits connecting directly to her spine. Her skin is covered in luminous holographic projections of green code, data streams, neural network diagrams, system diagnostics and futuristic text overlays. Moody dramatic lighting, dark teal and emerald color palette, intricate details, ethereal atmosphere, cybernetic elegance, ultra detailed, photorealistic, 8k --ar 3:4 --stylize 500 --v 7 --q 2
Держать 16 разных API-ключей только ради тестов разных LLM - то ещё удовольствие.
freellmapi решает это проще: один OpenAI-compatible endpoint для бесплатных tier’ов от Google, Groq, Cerebras, NVIDIA и ещё 14 провайдеров.
Что внутри:
* около 1.7B токенов в месяц суммарно * роутер выбирает лучшую модель под запрос * при rate limit автоматически переключается на другого провайдера * ключи хранятся в зашифрованном виде * интерфейс совместим с OpenAI API
По сути, это единая точка входа для экспериментов с разными LLM без ручного жонглирования ключами и лимитами.
15.9K звёзд на GitHub, а я почему-то наткнулся только вчера.
https://github.com/tashfeenahmed/freellmapi
⭐ 15.9K
#OpenSource #DevTools
⭕️معرفی Mamba
اگر با Python و مخصوصا Data Science، Machine Learning یا AI کار کرده باشید، احتمالا با Conda آشنا هستید. Mamba یک جایگزین سریعتر برای Conda است که با زبان C++ نوشته شده و هدفش این است که ساخت محیطهای مجازی و نصب کتابخانهها را خیلی سریعتر کند.
🧐 چه کاری انجام میدهد؟ • ساخت و مدیریت محیطهای مجازی پایتون • نصب و حذف پکیجها • حل کردن وابستگیهای پیچیده بین کتابخانهها مثلا وقتی نصب یک پکیج با Conda چند دقیقه طول میکشد، Mamba معمولا همان کار را در زمان کوتاهتری انجام میدهد.
😶🌫چرا سریعتر است؟ چون بخش حل وابستگیها (Dependency Solver) را با یک پیادهسازی سریعتر انجام میدهد و میتواند از پردازندههای چند هستهای بهتر استفاده کند.
🔗 پروژه در GitHub: https://github.com/mamba-org/mamba
@devefun🤖
Как с помощью нейросети докрутить свой пост
Для этой цели можно использовать любую нейросеть.
Копируем текст своего поста и используем промт: Ты — эксперт по маркетингу и SMM. Я дам тебе текст поста. Твоя задача: 1. Разобрать пост по критериям: цепляющий ли заголовок, структура текста, эмоциональность, понятность, ценность для аудитории. 2. Определить, насколько текст подходит для моей целевой аудитории [опиши ЦА, если нужно]. 3. Указать, вызывает ли пост доверие и желание подписаться/купить/записаться. 4. Найти слабые места (где теряется внимание, где нет конкретики, где можно усилить). 5. Дать рекомендации по улучшению: - как переформулировать заголовок, - как улучшить подачу, - какие триггеры/примеры добавить, - какой призыв к действию использовать. 6. Предложить 2–3 альтернативных варианта этого поста: - короткий и ёмкий, - более эмоциональный, - продающий с акцентом на выгоду. Вот текст поста для анализа: [ВСТАВЬ ТЕКСТ]
Благодарность принимаю так — ❤️🔥👍
GPT-5.6 за 7 секунд отключил стартапу всех платных подписчиков.
Модель должна была обработать заявки на отмену подписки, но когда список закончился, нейросеть запустила действие ещё раз, но уже без конкретного пользователя. В итоге команда сработала по всем активным подпискам.
Главная боль в том, что отменённую подписку нельзя просто включить обратно. Стартап потерял несколько тысяч долларов, а железяка назвала свою ошибку катастрофической и безрассудной.
ИИ-агенты всё больше похожи на стажёров 😐
💜 Что отличает портфолио новичка от портфолио профи?
В карточках собрали самые распространенные ошибки 💜
А если вы хотите начать путь в графическом дизайне, приглашаем на бесплатный курс LOGO START.
На курсе вы:
✔️ изучите Figma и создадите свой первый логотип; ✔️ познакомитесь с актуальными нейросетями для дизайнеров; ✔️ разработаете этикетку для упаковки и рекламный креатив; ✔️ сверстаете первый экран лендинга; ✔️ получите пошаговый план по упаковке портфолио и поиску заказов; ✔️ получите сертификат.
Регистрация ⬅️
На Young Con'е, про который я писал недавно, я познакомился с классными ребятами - организаторами и участниками одной образовательной некоммерческой инициативы - CS Space. Это открытое Computer Science объединение из Петербурга. Инициатива объединяет под собой очень крутых преподавателей-тяжеловесов: профессоров МГУ, ВШЭ, МКН СПбГУ, CTO и principal-инженеров из индустрии, медалистов международных олимпиад по математике и информатике (IMO, ICPC, IMC и т.п.), которые читают лекции, проводят семинары, создают курсы с глубоким погружением в темы, вроде вычислений на видеокартах, "нейрологии LLM", или алгоритмов для NP-трудных задач. А некоторых таких преподавателей вы даже могли слышать у меня в подкасте - это, например, Сергей Николенко и Николай Полярный.
Завтра у CS Space в СПб пройдёт митап "LLM и агенты в математике и компьютерных науках" (подробности в ТГ, подробности на сайте), который я тоже планирую посетить. Вообще, после нескольких месяцев, проведённых с кодинг-AI-ассистентами, меня не покидает ощущение, что сейчас не только в разработке рутина делается агентами, почти любое направление, связанное с обработкой информации подразумевает возможность запуска параллельных агентских исследований и проверки гипотез. Вот, будет интересно послушать как там у математиков.
Докладчики:
- Сергей Николенко расскажет о том, как LLM меняют подход к математике и почему именно рассуждающие модели стали прорывом (Николенко, если что, автор того самого толстого учебника по глубокому обучению, так что это тот случай, когда рассказывает человек, который сам писал книгу). - Алексей Скрынник - LLM в реальной research-работе: от кодинга и чтения статей до генерации и проверки гипотез. Что уже работает, а что пока хайп. - Константин Яковлев - взгляд руководителя лаборатории: как меняется роль студента и исследователя и к чему готовиться, если ты только стартуешь в науке.
Где и когда:
- 14 июля (завтра), 18:00–22:00 - Mishka Бар, Конногвардейский бул., 4, Санкт-Петербург
Вход свободный, но требуется предварительная регистрация.
Дополнительная информация об организации для тех, кто заинтересовался:
Сайт: https://csspace.io YouTube: https://www.youtube.com/@ComputerScienceSpace Телеграм-канал: @csspace
Кто управляет кодинг-агентом: человек или спроектированный им цикл?
Мы привыкли обсуждать промпты, контекст и обвязку одного запуска агента. Но когда агент сам возвращается к работе - по расписанию, событию или результату прошлого прохода, - задача становится архитектурной: кто находит работу, проверяет результат, хранит состояние и может остановить цикл.
14 июля в 16:00 по Москве проведу прямой эфир с Максимом Смирновым. Разберём материал HuaShu «Loop Engineering: The Anthropic Playbook for Designing Systems That Prompt Your Agents». Это будет уже 19й выпуск подкаста Research Insights Made Simple.
Максим — ИТ-архитектор, автор Telegram-канала «Архитектура ИТ-решений» @it_arch. В прошлом — руководитель департамента ИТ-архитектуры «Билайн» и главный архитектор информационных систем Банка России; спикер, автор и преподаватель курсов по ИТ-архитектуре.
Формально это не публикация Anthropic и не рецензируемая статья, а независимый рабочий конспект (working note) HuaShu. Сильная сторона этой whitepaper - точная постановка задачи: перестать подталкивать агента очередным промптом и спроектировать ограниченный, наблюдаемый и останавливаемый цикл.
Обсудим: - чем проектирование циклов отличается от обвязки одного запуска и почему cron с повторяющимся промптом ещё не цикл; - как связаны поиск работы (discovery), передача (handoff), проверка, сохранение состояния и планирование; - почему агенту опасно доверять проверку своей работы и как разделить исполнителя и проверяющего; - какие долги накапливают автономные циклы — от долга проверки до потери понимания системы; - какие ограничения нужны вокруг LLM: изоляция, лимиты, журнал, откат и аварийная остановка; - где остаются инженерное суждение, ответственность и контрольная точка для человека.
Главный вопрос эфира: как отдать агенту повторяемую работу, не позволив ему незаметно накапливать ошибки.
#AI4SDLC #Agents #Architecture #Engineering #Research
Вайбкодинг для экспертов - как сэкономить до 1млн на сервисах в год
С такой темой буду выступать 16 июля в 16.00 по мск на бесплатной онлайн-конференции «Нейросуть 6.0», которая пройдёт 15, 16 и 17 июля, организованной @svetmanakini
Конференция для экспертов, которые хотят делать в 2 раза больше, тратя в 2 раза меньше времени, – без найма команды и увеличения бюджета.
20 спикеров-практиков покажут на реальных кейсах, как создавать фото-, видео- и аудиоконтент с помощью нейросетей – и превращать его в клиентов и продажи ⚡
Вас ждёт:
✅ Практика без воды: от автоматизации контента через Claude и создания мультсериалов с ИИ до вайбкодинга и сборки ленивых воронок, приносящих пассивный доход.
✅ Разбор реальных кейсов: как получать миллионы охватов на автопилоте, экономить до 1 млн рублей в год на сервисах, упаковывать экспертизу за три диалога с ИИ и задавать правильные запреты в промптах.
✅ Инструменты, которые можно применить сразу после эфира, – промпты, готовые алгоритмы, связки нейросетей, ИИ-агенты и дашборды для любых бизнес-задач.
Онлайн 15, 16 и 17 июля. Участие бесплатное – регистрируйтесь по ссылке: https://master-coach.info/neuro6
А если вы не уверены, что сможете быть онлайн все 3 дня, – берите тариф с записями. Тогда вы не потеряете ни одного инструмента, ни одной связки, ни одного готового промпта, которые могут дать результат уже на следующий день 🔥
🥰Чьи огоньки ждать в чатике эфира?
Anthropic продлевает бесплатный доступ к модели Fable 5 и повышает лимиты
Разработчики решили оставить доступ к своей самой мощной нейросети открытым еще на неделю.
•Акция продлена до 19 июля, 23:59 по тихоокеанскому времени. До этого момента использование Fable 5 не требует бонусных баллов. • Вы можете тратить до 50% своего еженедельного лимита плана на Fable 5 без доплат. Учитывайте, что она расходует лимиты быстрее, чем Sonnet или Opus. • Бонус для Claude Code. Повышенные на 50% лимиты запросов также остаются в силе до 19 июля. • С 20 июля за использование Fable 5 начнут списываться бонусные баллы.
Идеальный момент, чтобы закрыть самые тяжелые тикеты в коде, пока это входит в стоимость подписки.
GigaChat 3.5 Ultra Publicly Released — The New Generation of the Flagship Model
The GigaChat team has released GigaChat 3.5 Ultra as open source—a new 432B model under the MIT license. This is the first open-source hybrid of GatedDeltaNet and MLA scaled to hundreds of billions of parameters, featuring a proprietary training recipe we refined through more than 1,500 experiments. The model has grown in terms of code, mathematics, agent scenarios, and application domains—yet it’s 40% smaller than GigaChat 3.1 Ultra.
What’s inside:
🔘A proprietary hybrid MLA + Gated DeltaNet architecture with a dedicated stabilization framework, without which this hybrid setup would not train reliably at this scale; 🔘 Gated Attention: the model can locally down-weight overly strong signals from the attention layer; 🔘GatedNorm: normalization with an explicit gate that controls signal magnitude across features; 🔘Approximately 4x lower KV cache per token: with the same memory budget, the model can support 2.14x longer context and deliver a 20% throughput increase under load; 🔘Two MTP heads, enabling up to 2.2x faster generation; 🔘FP8 across all training stages with no quality degradation compared with bf16, enabled by custom Triton and CUDA kernels; 🔘A new online RL stage after SFT and DPO.
Results:
🔘 GigaChat-3.5-Ultra-Base outperforms DeepSeek V3.2 Exp Base and DeepSeek V4 Flash Base on average across a set of general, math, and code benchmarks: 🔘 GigaChat-3.5-Ultra-Instruct is comparable to DeepSeek V3.2 in terms of average score, despite having half the size; 🔘 According to the MiniMax-M2.7 LLM judge, the average win rate against GigaChat 3.1 Ultra is 75.9%, and against GPT-5 is 68.7%.
The entire stack — data (our own LLM-filtered Common Crawl, 600+ programming languages in the code), architecture, training methodology, and infrastructure — was built end-to-end by GigaChat team. ➡️ HuggingFace
Senior AI/ML Engineer Kazakhtelecom JSC 1,600,000 to 2,400,000 KZT NET per month Astana / Remote
Leading telecommunications company in Kazakhstan. AI solutions for Kazakhtelecom's Digital Office.
Responsibilities: • Design and build an LLM-based chatbot • Deploy and maintain AI systems • Select and integrate foundation models • Develop RAG pipelines and chatbot APIs • Optimize inference and response quality
Requirements: • 4+ years in AI/ML systems • Python, PyTorch, Transformers; LLMs and NLP • RAG architectures and vector databases • Production services and APIs • Docker and cloud infrastructure
Optional: • Open-source LLMs; LangChain or similar • GPU inference optimization • ML/AI platform design or technical project leadership
DSML Apply
Как я занял 5‑е место в конкурсе SYNTX.AI и получил 1000$
Хочу поделиться не просто новостью, а рабочим кейсом: нейросети могут быть не только инструментом для экспериментов и красивых роликов, но и способом монетизировать реальные навыки.
Недавно на платформе SYNTX.AI проходил конкурс SYNTX.AI TUTORIALS. Задача — создать короткий обучающий ролик, показать процесс и дать зрителю результат, который он сможет повторить.
Это мой профиль: видеогенерация, промпт‑системы, раскадровки и автоматизация контента. Поэтому я решил участвовать не ради галочки, а чтобы упаковать один из своих рабочих подходов в короткий, понятный и полезный туториал.
Я не хотел делать очередное видео в стиле: «Смотрите, что умеет нейросеть». Цель была другой — дать аудитории рабочий инструмент, который можно применить в своём проекте.
Сначала нашёл идею, затем прогнал её через тесты, написал сценарий и собрал ролик. Перед публикацией несколько раз проверил требования и убедился, что в видео есть главное: понятный путь от идеи до результата.
Конкурсный формат — отличная тренировка для любого AI‑автора. Он заставляет: 🔸Объяснять идею так, чтобы её понял человек без твоего опыта. 🔸Убирать лишнее и оставлять только действия, ведущие к результату. 🔸Показывать не «магию нейросети», а повторяемую систему. 🔸Укладывать пользу, сценарий и визуал в короткий формат. 🔸Проверять требования заранее, а не вспоминать о них после публикации. По итогам мой туториал занял 5‑е место и получил приз 1000 $.
Скажу честно: после объявления результатов я сохранял профессиональную осторожность. Опыт участия в конкурсах научил не считать приз полученным, пока деньги реально не поступили на счёт. Но здесь всё прошло чётко: со мной связался менеджер SYNTX.AI, подтвердил результат, уточнил удобный способ получения средств, я отправил реквизиты — и 9 июля 2026 года 1000 $ поступили на карту.
Отдельно благодарю организаторов конкурса и всю команду SYNTX.AI. За то, что создаёте возможности для авторов не только показать навыки и принести пользу своей аудитории, но и монетизировать экспертизу через честное соревнование и понятные условия.
Это не рекламный отзыв — я делюсь конкретным завершённым кейсом: сделал обучающий ролик, занял место, получил приз. Каждый может относиться к платформам по‑своему, но мой личный опыт с этим конкурсом оказался именно таким. Если хотите изучить инструменты SYNTX.AI и попробовать собрать свой AI‑проект, оставляю ссылку: 👉 SYNTX.AI — начать работу
Что стоит забрать из этого опыта 🔸1. Не гонитесь только за вау‑эффектом Красивый кадр может собрать просмотры. Но реальную ценность создаёт система: когда зритель понимает, что именно сделать, какие инструменты использовать и как повторить результат. 🔸2. Превращайте тесты в продукты Рабочий промпт, пайплайн, шаблон раскадровки или автоматизация — это не просто эксперимент. Это материал для туториала, кейса, консультации, продукта или конкурсной работы. 🔸3. Упаковка навыка — отдельная компетенция Мало получить сильный результат. Нужно суметь объяснить его быстро, наглядно и без воды. Умение передавать опыт повышает ценность вашей экспертизы. 🔸4. Конкурсы — это полигон для роста Они учат работать по брифу, соблюдать дедлайны, упаковывать идеи и делать контент понятным незнакомой аудитории. Даже без призового места остаётся кейс для портфолио. А если работа занимает место — это ещё и прямое подтверждение качества вашей методики. 🔸5. Нейросети начинают приносить доход, когда решают задачу Задавайте себе три вопроса перед созданием контента: - Какую проблему решает мой ролик? - Что зритель сможет сделать после просмотра? - Какой конкретный инструмент он заберёт с собой? Именно этот подход я продолжаю развивать: не просто показывать возможности нейросетей, а собирать из них реальные рабочие системы для создания контента.
Если вы работаете с AI — не оставляйте удачные находки «в столе». Тестируйте, фиксируйте процессы, превращайте их в инструкции и публикуйте. Один хорошо упакованный навык способен принести сильный контент, новую аудиторию, признание и вполне реальную монетизацию.💪
🎵 Американская ассоциация звукозаписывающих компаний (RIAA) предложила систему маркировки AI-музыки: два тега — для полностью сгенерированных треков и для «AI-assisted» записей, где нейросеть помогала, но человек всё равно участвовал.
Трек, где AI написал мелодию и текст — это одно. Трек, где продюсер использовал AI для мастеринга или генерации фоновых партий — совсем другое. Коалиция настаивает: слушатели вправе знать, что именно они слушают, и индустрия не должна ждать, пока это решат за неё регуляторы.
Инициатива исходит от самой отрасли — лейблов и артистов, которые ещё вчера засыпали AI-компании исками. Теперь та же RIAA предлагает стандарт прозрачности вместо запретов. Это прагматичный сдвиг: если AI-музыку не остановить, лучше выстроить правила раскрытия информации, чем получить регуляцию сверху.
Для авторов здесь скрыт и практический вопрос: попадёт ли твой трек в категорию «AI-assisted», если ты использовал нейросеть для одного элемента? Где граница? Ответа пока нет — но сам факт, что индустрия начала его формулировать, уже кое-что значит.
@ip_sense
Оценка научной результативности - выбор между спорным, дорогим и страшноватым
Использование наукометрических показателей для оценки науки давно вызывает критику. Главные аргументы известны: количество публикаций и цитирований лишь косвенно отражает качество исследований; погоня за метриками стимулирует не научный прогресс, а оппортунизм. Эта критика во многом справедлива.
Если наукометрия так несовершенна для оценки, чем ее заменить? Заменить на оценку практической отдачи исследований невозможно - во многих областях практический эффект исследований не подразумевается вовсе. Один из вариантов это экспертная оценка. Если говорить о национальном масштабе, наиболее известный пример такой системы - британский Research Excellence Framework (REF), результаты которого используются для распределения государственного финансирования университетов.
Основа REF - экспертное рецензирование научных результатов. Обычно отмечают, что экспертная оценка значительно дороже наукометрии. Но насколько она дорога? В 2023 году был опубликован отчет с подробной оценкой затрат на проведение волны оценки REF 2021, позволивший увидеть цену одной из самых известных систем оценки науки.
По оценкам авторов отчета, совокупные затраты на проведение REF 2021 составили около 471 млн фунтов стерлингов. В эту сумму вошли не только расходы финансирующих организаций, но и издержки самих университетов: подготовка материалов для оценки, рабочее время членов экспертных комиссий, административного персонала и исследователей, участвовавших в подготовке заявок.
В этом цикле оценки участвовали 157 университетов. Если разделить общую сумму на число университетов, то получится, что в среднем оценка научной результативности одного вуза обошлась почти в 3 млн фунтов стерлингов (заметим, что эти затраты не являются ежегодными, REF проводится примерно раз в 6–8 лет).
Представить, сколько бы стоила оценка REF в российском контексте довольно сложно. Нельзя просто умножить оцененные расходы в 3 млн фунтов на число российских занимающихся наукой организаций (> 4000) или вузов (> 1000 c филиалами). С одной стороны, стоимость труда в России ниже, чем в Великобритании. С другой - британские университеты уже имеют многолетнюю инфраструктуру и опыт подготовки к REF (в российских вузах ее нет).
Тем не менее очевидно, что проведение национальной системы экспертной оценки стало бы заметной статьей расходов на науку. Для сравнения, совокупные затраты на REF 2021 превышают годовой бюджет РНФ, включая все его грантовые программы.
При этом наукометрический подход тоже не бесплатен. Вопрос сколько ресурсов российская наука тратит на функционирование своей системы оценки результативности организаций - весьма интересный, исследовать его непросто. Даже простая оценка числа специалистов, занятых "административной наукометрией" в России, - нетривиальная задача.
На этом фоне уже не хочется отметать сразу идею об использовании ИИ-инструментов в оценке научных результатов (хотя сначала хочется). В начале этого года Майк Телволл (Mike Thelwall), один из наиболее известных исследователей в области наукометрии, опубликовал статью о перспективах использования ИИ-моделей для оценки научной результативности.
Профессор Телволл с коллегами активно проводят эмпирические исследования, в которых они смотрят, как LLM-оценки согласуются с оценками экспертов. На базе этого опыта в обзорной статье автор не продвигает идею, о том что LLM - хорошая альтернатива наукометрии и экспертам, но напоминает о проблематичности двух традиционных подходов и рассуждает о том, по каким причинам мы в целом все равно не испытываем энтузиазма перед передачей оценки науки на аутсорс ИИ.
Если ранее у нас было два "плохих" подхода к оценке, теперь у нас их может стать три. Кажется разумным комбинировать три несовершенных способа так, чтобы они нейтрализовали недостатки друг друга. Однако, пожелать это легче,чем сделать.
