Искусственный Инсайт

Агенты теперь сами монтируют промо-ролики. Тестируем новый навык + свежую MiMo-2.6 Pro от Xiaomi 🎬

На днях на гитхабе завирусился занятный навык . Это скилл для AI-агентов, который сканирует ваш репозиторий или проект и собирает из него сочное динамичное видео.
Казалось бы генерировать видео агенты умели и раньше.

Как это устроено под капотом
Здесь работает детерминированный Code-to-Video пайплайн:

1. Агент выступает моушн-дизайнером: он анализирует проект, достает ключевые смыслы, выстраивает сценарий и пишет…
чистый фронтенд (HTML, CSS и покадровый таймлайн анимаций ).
2. Headless Chrome как рендер-ферма: браузер в фоне прогоняет таймлайн и делает покадровые снимки с идеальной четкостью.
3. FFmpeg сводит финальный мастер: сшивает кадры в 60/30 , прикручивает по миллисекундам саунд-дизайн (клики,щелчки переключателей) и укладывает саундтрек с плавным затуханием.

Краш-тест: выгрузка канала + MiMo-2.6 Pro от Xiaomi
Чтобы проверить это не на синтетических демо, а на реальной задаче, устроили боевой тест:

• Входные данные: скормили агенту полную выгрузку истории этого канала (messages.html).
• Модель: в качестве тест-драйва взяли только что вышедшую MiMo-2.6 Pro от Xiaomi 
• Промпт: вытащить ключевой ДНК канала, заверстать всё в стиле «современный попап» и положить на плотный drum lo-fi.

Результат: ровно за одну итерацию собрался 20-секундный вертикальный ролик (9:16, 1080×1920) с пружинящими модалками, переключателями и синхронизированным битом.
Дорабатывайте под себя, меняйте визуальный стиль как вам угодно(как в принципе и формат повествования)

Последние дни в тредсах и телеграм-группах только и разговоров про Jev

Jev модель, которая не пишет текст, а сразу выдаёт готовое решение в заданном формате: категорию, оценку, вероятность. Обычные LLM пишут токен за токеном по цепочке, а Jev считает все ответы сразу, параллельно.
Поэтому он кратно быстрее: 70–500 мс против секунд у обычных моделей по их собственным замерам, на задачах вида «классифицируй, разметь, выбери».
Стоит $0,042 за миллион токенов на входе, выход бесплатный. Регистрация открыта, новым аккаунтам дают $5 (примерно 120 миллионов токенов)

И главное он не может выдать ответ вне заданной структуры. Ошибиться в самой категории всё ещё может, поэтому к каждому ответу идёт вероятность уверенности: низкая - отправляем на человека.

По сути это умный if прямо в коде: classify, route, score там, где обычная логика слишком хрупкая. Текст при этом он не пишет вообще, только размечает и маршрутизирует.

Теперь про мой опыт.

Под руку подвернулась задача: проанализировать 30 000 входящих сообщений в GetCourse. Отсортировать по типам запросов, внутри типов квалифицировать, вытащить исторические данные ответов кураторов. И потом понять, что из этого вообще может заменить ИИ.

Вот тут Jev и пригодился. Скорость молниеносная, расход мизерный - весь прогон обошёлся в копейки. Но есть нюанс, качество классификации ОЧЕНЬ сильно зависит от того, какие параметры вы задаёте на входе и как квалифицируете.
Мне потребовалось три прогона, чтобы прийти к нормальному результату

Сколько на это ушло бы вручную - даже не представляю.

Презентации новых нейросетей стали похожи на презентации iPhone. Только не раз в год, а раз в два месяца.

Лучше, больше, умнее — беги и пользуйся. За всеми обновлениями следят уже, кажется, только гики.
Попробую вытащить полезное из сегодняшних новостей.

Opus 5.5
Обещают уровень GPT Astra, но дешевле. Из бонусов обещают - а мы верим:
→ меньше расход токенов
→ выше скорость ответа
→ прокачали кодинг
→ более естественные ответы (Claude в этом всегда был хорош)

В тарифах для богатеев за $100 и $200 подняли пятичасовые лимиты и дали сброс лимитов.
Цены: 1M input $5 → $4, 1M output $25 → $20.

GPT-6 Sol и Luna
Тут лично мне приятнее. Последнее время на корпоративной подписке за $100 и личной за $20 лимиты улетали буквально за пару дней, и приходилось экономить запросы шекели.

Sol подешевела в два раза, Luna примерно на 50–58%. Метрики Sol примерно на уровне Fable 5.1. Цену Luna скинули до $0,1/$0,5 за миллион токенов - в 10 раз дешевле оригинальной 5.6 Luna. Подписчикам завезли всеми любимый ресет лимитов. По идее станет пользоваться комфортней в плане количества запросов в рамках подписки.

MiMo-2.6 от Xiaomi
Китайские братья за миску риса подвезли новую рабочую лошадку. Pro-версия, по словам разработчиков, работает на уровне Claude Opus 5 и GPT-5.6 Sol в большинстве агентных бенчмарков (верим, конечно). Контекст до 1 млн токенов, нативная мультимодальность.

Цена — люкс:
→ Pro $0,435 / M input, $0,87 / M output
→ Flash $0,14 / M input, $0,28 / M output

Поэтому в пятницу будем жечь лимиты и пробовать сделать что-нибудь интересное в формате теста.

Очередная пятница — жгём лимиты 🔥

Продолжение прошлого поста и продолжаем про видео.

Появилась идея: а что если инструкцию из прошлого поста превратить в полноценный скилл — повторяющийся навык для агента, по сути, кидаете скилл в Codex / Claude Code (или чем вы пользуетесь), описываете текстом а агент собирает вам видео.
А что ещё лучше: навык можно заточить под ваши визуальные предпочтения. Пишете агенту «хочу в духе Балабанова» и он уже сам ресёрчит, что это за визуальный язык, и пробует воспроизвести видеоряд. На нашем языке «постарается» а по сути берёт референсы и пересобирает кодом.
Это не генерация кино уровня видеомоделей, видео кодом - сцены, монтаж и стилизация по сути генерация линиям. Зато повторяемо -один раз настроили вкус и дальше каждый ролик в вашей стилистике.

Задача специально была изначально абсолютно абстраткная, чтоб посмотреть результат:
Ёжик в тумане» на современный лад, где основной сюжет — LLM и токены.

На выходе - смесь постмодерна и сюрреализма( с Питерским вайбом), как заказывал, в общем.
Скилл тут: https://github.com/ilyachu/canvas-motion

Сегодня два практических инструмента

1. Научить агентов работать с YouTube
Сам периодически пользуюсь этой историей и сильно облегчает жизнь. Я встроил её себе в мини-бота: кидаю ссылку на YouTube и получаю краткое саммари + полный транскрипт видео. Пригодилось и для клуба - все воркшопы мы заливаем на youtube и дополнительно прикладываем текстовую расшифровку. В итоге запись можно не только посмотреть, но и спокойно скормить агенту, добавить в базу знаний или быстро найти нужный фрагмент.
Нашёл для этого youtube-skills набор инструментов, который позволяет агентам нормально работать с YouTube.
Что умеет:

• получать полную расшифровку ролика с таймкодами;
• искать видео по любой теме;
• просматривать каналы и находить свежие ролики;
• получать содержимое плейлистов;
• скачивать субтитры;
• массово обрабатывать видео — например, получить транскрипты всего канала или плейлиста;
• проводить исследования через YouTube: найти несколько роликов по теме и сразу их проанализировать.

2. Генерация видео через JavaScript
У Артёма увидел интересную инструкцию по генерации видео программно через JavaScript. Выглядит вполне неплохо, особенно если смотреть на это не просто как на «сгенерировать один ролик», а как на возможность собирать автоматизированные пайплайны: шаблоны, титры, графика, данные → готовое видео.

Первоисточник
Ну а результат видео собственно в посте

Перестал держать всё в голове. Собрал себе мини операционный контур.

Не так давно поймал себя на том, что опять начал тонуть в задачах и мини-проектах. Структурно держать это в голове уже тяжело а если честно, уже невозможно.

Первую неделю записывал всё на листочках. Ощущение, что физически вычёркиваешь задачу, реально помогало, но временно )
Дальше решил собрать себе мини операционный контур:

заметки
канбан с разбивкой по проектам
уведомления
календарь
расшифровка голоса, чтобы надиктовать на ходу

Единым контуром выбрал Hermes он и так давно прикручен к Телеге, а работает в связке с супер дешёвым DeepSeek.

Что имеем на выходе: чат, который принимает все записи, раскладывает их по заметкам и задачам и назначает встречи в календаре. Надиктовал голосом по дороге — утром прилетело напоминание, что горит.

За основу взяты открытые проекты:

Hermes Agent — агент, оркестратор и телеграм морда
github.com/NousResearch/hermes-agent
Memos — заметки
github.com/usememos/memos
Vikunja — канбан и задачник
github.com/go-vikunja/vikunja
Deepgram — расшифровка речи (nova-3, русский понимает)
deepgram.com

Всё живёт на своём сервере, заметки и задачи никуда не улетают. На айфоне стоит Moe Memos приложение заметок, которое синхронизируется с той же базой: надиктовал , через минуту всё в общей системе.

Про DeepSeek - он опять обновился и теперь V4.1-Flash , контекст 1M, встроенная мультимодальность и ещё раз срезанные цены.

Очередная пятница. Жгём лимиты, чтоб в выходные отдохнуть.

Если в прошлые разы я делал что-то осмысленное( здесь, здесь и здесь), то сегодня к вечеру сил осталось ровно на то, чтобы скормить агенту абсурдный промпт и посмотреть, что из этого выйдет.

Заодно протестировал новый скилл, который собирает видео чистым кодом (Remotion под капотом). На видео выше результат - попытка ИИ на пальцах объяснить базовые мемы рунета за 30 секунд.

В чём вообще прикол такого подхода:
- Обычная генерация через видеосетки (Kling, Runway, Luma) стоит нормальных денег. И чем свежее модель, тем дороже обходится каждая попытка.
- Плюс вечные грабли: текст на экране плывёт в кашу, в точные тайминги модель не попадает, а заставить её нарисовать нормальную инфографику или ровные плашки - отдельная боль.

Здесь логика другая: агент сам генерирует ассеты, нарезает слои, выравнивает пословные субтитры через Whisper и собирает проект в коде.

Если без шуток про скуфов, штука вполне боевая. Идеально подходит под обучающие ролики, динамичные моушн-вставки, демо продуктов и автоматическую нарезку рилсов/шортсов, где важны чёткий тайминг и нормальная верстка.

Главное - запаситесь оперативкой )
p.s последний раз тестировал в апреле и прогрес заметен

Начался какой-то бум новых моделей.
На часть смотришь сквозь пальцы, а часть забираешь в дальнейшую работу. Вот что забрал я.
1. Gemini 3.8 Flash.
Итак , 3.7 была норм. 3.8 по первым впечатлениям лучше следует промптам и чётче выполняет поставленные задачи. Но до claude и gpt пока далековато.
И тут важный момент: новая модель как не в себя жрёт токены, а значит и лимиты. Решает лучше предыдущей, но и шагов ей требуется гораздо больше. За пару дней у меня недельный лимит улетел, хотя с поставленными задачами справился. Тестировать дальше можно, аккаунты годовые стоят копейки.
2. Meta Spark 1.3 free
Внезапно тот самый аутсайдер начал сыпать новинками. Сначала Spark 1.2, а теперь вот 1.3 . Этот текст я, кстати, прямо сейчас в ней и набираю. Главный её плюс — она сейчас бесплатна. Скачиваете Opencode, в вебе берёте API-ключ от Opencode Zen и пользуетесь халявными лимитами.
Ограничение понятное: на ваших данных будут обучать модель, но кого этим удивишь в современном мире.

3. Fable 5.1 вышел, но в моей корпоративной подписке так и не появился. Обидно, но горевать буду недолго. Вроде как сегодня ждём новую модель от OpenAI astra. Посмотрим.

И наблюдение напоследок. Судя по корпоративному миру, всё больше людей выбирают Codex. По факту Anthropic сейчас чуть ли не единственная компания, которая всячески старается не взять у вас деньги.

Раз запросов в комментах не прилетело - пришлось выдумывать из головы и жечь лимиты самостоятельно)

Решил продолжить тему интерактивного звука и визуала, поэтому держите пятничный чилл:
🧘 ZenSpace минималистичное веб-пространство для медитации, дыхания и вечерней перезагрузки.
👉 https://zen.chuchuchu.ru

Что под капотом:
• Студийные практики на русском.
• Дыхательные режимы (Квадрат 4-4-4-4, 4-7-8 перед сном) с мягким световым ореолом.
• Звуковой микшер: потрескивание костра, сверчки летней ночи, дождь, океан и тибетская чаша.
• Медитативный фон: частицы плавно реагируют на курсор и дыхание.

P.S. Если среди вас есть вдруг авторы практик или просто те, у кого есть свои классные записи медитаций/звуков — пишите, с удовольствием добавлю их

Пятница. Если у кого то есть идеи создать что то развлекательное, не сильно сложное и ни в коем случае не связанное с работой - пишите в комменты.
Сегодня будем жечь лимиты на Grok, чтоб в выходные спокойно отдохнуть)
В прошлый раз это была игра и лоу фай

Можно смотреть бесконечно на три вещи огонь, воду, как работают другие люди ну и на папку с сохранёнными бесплатными курсами.

Vercel выпустила полноценный курс Build Your Own AI Coding Agent Harness.
В нём учат с нуля вручную писать собственный полностью рабочий каркас ИИ-агента для кодинга.

Anthropic запустила бесплатную Claude Academy
Появилась полноценная обучающая платформа с бесплатными курсами и гайдами для всех желающих.

Внутри есть разные уровни: от базового понимания, как работает AI, до более продвинутого использования Claude в повседневной работе. Некоторые курсы дают сертификаты, так что скоро их наверняка станет заметно больше и в LinkedIn (как бы него попасть ещё)

Все материалы естественно бесплатные и открыты без ограничений.
https://academy.claude.com

Когда то в детстве я мечтал был писателем , но не стал)

Ну а если вы вдруг пишите, то точно рекомендую попробовать.

Генератор рассказов, который создает интерактивную карту мира с временными отрезками и по сути графом по героям. Ну и сама фишка в том что можно менять/перетаскивать героев истории или локации - и меняется сама история. Собственно дальше Ai продумывает дальнешую ветвь.

- перетащил персонажа в другое место → AI предложит, как изменить текст
- соединил двух персонажей → предложит добавить их взаимодействие
- поменял порядок событий на таймлайне → перепишет историю с новой хронологией.

Работает локально, нужен openai api key(надеюсь вы знаете где его вам взять)
https://github.com/m-damien/VisualStoryWriting

P.s. идея для стартапа - elink книги c таким встроенным приложением.

Продолжаю мучать модель и жечь токены Gemini 3.6 Flash.

Захотелось а что-то вайбовое и расслабленное. В итоге увлёкся собрал мини-проект, под который можно работать или просто поставить телефон на столе фоном.

Я люблю работать под lofi.
- Поэтому внутри сразу два варианта звука: движок сам генерит треки прямо в браузере, и можно подключиться к живому онлайн-радио.
- Фоны меняются. К картинке мягко цепляются визуальные эффекты в ритм музыки. Можно потыкать на небо и будут падать звёзды!
- Звук можно состарить под винил или старое радио. Плюс сверчки, ветер и остальной фон.
- Есть штуки, которые раньше не делал - на айфоне можно ставить как веб-приложение и может жить как заставка. На экране блокировки работает свой плеер (чудеса но так тоже можно).
- Ещё таймер помодоро и таймер для сна.

Идея быстро обросла деталями.

Можно теоретически собрать приложение в apple и google store. Но жаба душит отдавать 100 долларов Apple и 20 Google, пока непонятно, нужно ли это кому-то кроме меня. Поэтому оставил кнопку. Если спрос будет, придётся разбираться в нюансах мобильной разработки)

Потыкать можно тут:
https://lofi.chuchuchu.ru

На айфоне: Поделиться → На экран «Домой». Откроется как обычное приложение, без строки браузера. Для Андроида - если надо пишите, попробую также сделать

Как затестить новую модель - собираем аркаду за часик

Вышел новый Gemini 3.6 Flash. Предыдущая версия, скажу честно, любила безответственно косячить на коде и бросать задачи на полпути. Чтобы нормально проверить, поумнела ли модель на самом деле, смотреть скучные бенчмарки не хотелось —ирешил собрать небольшую браузерную ретро-игрушку для коллег на тему пятничного офиса.

Пайплайн получился простой и полностью рабочий:
1. Концепт и референсы
Закинул идею в веб-версию gpt : 16-битный раннер/слэшер про сотрудника, который в 17:45 пытается добежать до выходных сквозь горящие дедлайны, звонки и правки. Накидал туда же пачку визуальных референсов из Pinterest (пиксель-арт, интерфейсы аркадных автоматов, неоновая палитра).

2. Архитектура промпта и Goal Mode
Попросил gpt собрать два файла: постоянный системный контекст проекта и компактный промпт для запуска агента в режиме цели (Goal Mode). В таком режиме модель не просто генерирует один кусок кода и ждёт похвалы, а сама ставит шаги, пишет код, билдит, запускает тесты через и не останавливается, пока проект не заработает без ошибок.

3. Сборка в agy (Antigravity CLI)
Скормил задачу в CLI-агента от Google. Модель развернула проект , сама синтезировала чиптюн-музыку и собрала базовый геймплей.

4. Итеративная докрутка
Дальше оставалось только направлять:
- Добавили механику парирования правок и двойной прыжок на «кофейной тяге».
- Внедрили форс-мажоры (пожарная тревога, торт на кухне и падение интернета с тайм-стопом).
- Нарисовали 4 скина (от Джуна до CEO на кабриолете) и босса «Последнее Согласование».
- Полностью переработали мобильный режим: сделали отдельный ретро-геймпад под экраном, свайпы и тактильный виброотклик ( не работает пока)) под каждое действие.

Результат агент залил на Vercel - игра для всех, кто сегодня искренне устал от рабочих созвонов и правок
👉 https://friday-1745.vercel.app

P.S. По первым ощущениям, flash в связке с агентским циклом стал на порядок стабильнее держать контекст. Погоняю ещё модель на реальных веб-интерфейсах недельку

Интересный пост завирусился на X про контекст в AI-агентах (620 тыс. просмотров, 373 репоста).
Перевёл и законспектировал.

Короткая суть - ваш агент отлично работает первые 10 шагов. А на пятнадцатом начинает тупить. Большинство винит модель. Почти никогда дело не в модели, дело в том, что модель видит.

Организация того, что видит модель, называется контекстной инженерией. И это стремительно становится главным навыком для тех, кто строит агентов.
Почему это вообще проблема. Контекстное окно агента по сути оперативная память. Она заполняется и исследования вапоказывают : деградация начинается задолго до жёсткого лимита. Модель с окном в 200K токенов может заметно тупить уже на 50K. Плюс эффект «Потерянного в середине» неросети хорошо помнят начало и конец, середину игнорируют.

4 стратегии контекстной инженерии:

Запись - дайте агенту способ помнить. Черновики, файлы правил (CLAUDE.md), извлечение памяти между сессиями.
Отбор - не давайте агенту всё. Дайте то, что нужно прямо сейчас. RAG поверх описаний инструментов: точность выбора растёт с 14% до 43%, токенов вдвое меньше.
Сжатие - контекст накапливается. Сохраните смысл, обрежьте токены. Скользящее резюме истории, автосжатие, очистка старых результатов инструментов.
Изоляция - самая мощная. Суб-агенты, раздельные контекстные окна. Исследовательский шум не загрязняет фазу написания кода.

4 способа отказа агентов:
Отравление, ошибка на шаге 5 отравляет все последующие
Отвлечение, агент перестаёт думать и начинает пережёвывать
Спутанность, слишком много инструментов, модель не может рассуждать
Конфликт, системный промпт говорит одно, документ — другое
И про деньги. KV-кэш: если начало контекста стабильно между вызовами, провайдер кэширует вычисления. Разница в стоимости в 10 раз. Стабильный контент в начало, динамический в конец.

Полный перевод статьи в файле. Кому интересно разобраться, почему агент тупит и что с этим делать.

🗓 Завтра в 12:15 МСК встречаемся на закрытом воркшопе в рамках ветки ИИ-контента

Напомним, что на прошлом воркшопе дали готовую схему по созданию обучающих и промо-видео через ИИ.
— идея и сценарий
— структура ролика
— озвучка
— ассеты: картинки, видео, B-roll
— субтитры
— музыка
— монтаж
— финальная сборка

Подключили инструменты для создания видео через код: графику, анимации, интерфейсы, обучающие ролики, субтитры, музыкальные подложки и простые визуальные сцены. И научились собрить видео по шаблонам: текст, изображения, сцены, озвучка, субтитры.

Также разобрались с ограничениями ИИ-видео: консистентность картинки, стоимость генерации, API-ключи, качество исходников и почему не всегда нужно сразу бежать в дорогие сервисы.

Запись доступна в мини-апе бота @cmo_razbory_bot, раздел Ядро

Соберем агента, который каждый день будет ходить по новостям Reddit, Twitter/X, YouTube, Hacker News и Google Trends. И выдаёт готовую подборку тем для постов!

Агент ресерч — прослойка, через которую агент видит интернет. Он читает Reddit, Twitter, YouTube, RSS, GitHub, LinkedIn. Полностью бесплатно.

Пре-вирал трекер — находит темы, которые ещё не стали популярными, но уже набирают обороты. Работает через Google Trends RSS, без единого ключа

Сейчас:
Сами придумываете идеи постов или получаете бестолковые от ChatGPT.

После воркшопа:
Ваш агент каждое утро собирает новости и статьи, отбирает 5 самых горячих тем и готовит 3 варианта поста под каждую 🪄

🚫 Важно! Мероприятие для участников CMO Ядро
Для записи на ВОРКШОП, напишите Диме

Отношусь со скепсисом к таким инструментам.

Обычно комбайн всё и сразу на деле означает ничего толком не умеет. Но когда я только начинал, действовал именно так: поставил всё и сразу, потом тестировал, оставлял нужное, сносил лишнее. Так что понимаю, зачем это нужно на старте.

Кто только начинает и хочет закрыть все задачи сразу это для вас.

В сети появился огромный сборник, собранный за 10 месяцев кропотливой работы. Автор один из победителей хакатона от Anthropic выложил в открытый доступ свой набор инструментов и наработок.

Это ECC - операционная система для агентных харнессов. Скиллы, инстинкты, память, оптимизация токенов, безопасность, оркестрация субагентов и правила разработки под 12+ языковых экосистем.

Внутри:
• 261 skill (по данным v2.0.0)
• 66+ агентов
• 84 команды
• Система памяти между сессиями
• Поддержка Claude Code, Codex, Cursor, OpenCode, Gemini, Zed, GitHub Copilot и других


affaan-m/ECC · ⭐️ 211.9k+