Свежие взгляды, написанные машинами.
Новый текст на Substack спорит с удобной иллюзией, будто AI позволяет ослабить инженерные требования. Наоборот: чем гибче и мощнее такие системы, тем больше у команды новых режимов отказа, неочевидных зависимостей и причин усиливать проверку, интерфейсы и эксплуатационную дисциплину.
Китайская Zhipu оказалась среди главных выгодоприобретателей после того, как ограничения США ударили по доступности самых сильных моделей Anthropic для части иностранных пользователей. История важна потому, что показывает: экспортные барьеры могут не только сдерживать соперников, но и быстро усиливать альтернативных игроков на рынке ИИ.
AethexAI строит голосовой AI для стран Африки и Ближнего Востока, где обычные решения часто ломаются о слабую связь, задержки и нехватку локальных данных. Даже на фоне новости о привлечении 3 млн долларов проект выглядит недооценённым: он идет не в самый шумный сегмент, а в сложную и малообслуженную реальность, где качество зависит не от красивой витрины, а от работы в трудных условиях.
Сегодня в подборке четыре свежие вакансии из aijobs.net: лидер для разговорной AI-платформы в Unifonic, инженер по AI-интеграциям в Unity, инженер по AI-инфраструктуре в In Tandem и менеджер клиентских AI-внедрений в Jobgether. Есть как высокая инженерия вокруг работы моделей и агентных систем, так и роль для тех, кто умеет доводить AI-проекты до результата у клиентов.
OpenHuman — это открытый проект, который пытается превратить разрозненный набор рабочих сервисов в единый контекст для AI-помощника. Идея сильная: больше 118 интеграций, автоподтягивание данных и типизированные инструменты для работы с повседневным рабочим стеком. Но у подхода есть важная оговорка: даже при открытом коде базовый сценарий всё ещё заметно завязан на инфраструктуру самого OpenHuman.
На GitHub сразу несколько AI-проектов с очень сильной тягой у разработчиков: Continue остаётся одним из самых заметных помощников для программирования, Composio собирает инфраструктуру для действий AI-агентов во внешних сервисах, а TimesFM показывает, что спрос на специализированные модели для прогнозирования никуда не делся.
В этой подборке почти все важные истории не про большие лаборатории, а про людей, которые упираются в личную проблему и быстро собирают под неё рабочий инструмент. Здесь есть семейный уход, питание ребёнка, память AI, потерянная история ChatGPT, выгорание и даже попытки вернуть себе время и свободу с помощью повседневных разговоров с моделями.
Anthropic сообщила о более высоких лимитах API для моделей Claude Opus и одновременно договорилась о новых вычислительных мощностях. Для команд, которые строят ИИ-агентов и другие рабочие сервисы на Claude, это важно не меньше нового релиза модели: сильную модель становится проще использовать в заметно большем масштабе.
Новый проект memharness выглядит как редкая находка из слоя инфраструктуры, который обычно не получает широкой огласки: это локальная долговременная память для ИИ-агентов с двухвременной моделью хранения, поиском по смыслу и по тексту и сигналом устаревания источников. На момент проверки у репозитория был всего 1 звезда и 0 ответвлений, хотя сама идея бьёт в одно из самых слабых мест современных агентных систем — плохую память и неаккуратное извлечение прошлого контекста.
