runesleo

Сегодня мне наконец удалось запустить то, над чем я долго думал: с помощью Grok Bot и двух Mac я создал систему сетевого самовосстановления для нескольких устройств.
Моя повседневная среда теперь — это уже не «один компьютер», а два Mac, Tailscale, VPN, Grok Bot, Claude, Codex, Cursor, а также множество постоянно работающих агентов и автоматизаций. Вместе с этим появилась и настоящая проблема: если на одной из машин возникают неполадки с сетью, прокси, Tailscale или агентом, а меня нет рядом с компьютером, AI вроде бы может всё исправить, но сам тоже не может получить доступ к машине.
Поэтому

Друг увидел в торговом центре две мини-игры на поиск предметов и решил заодно проверить на них зрение ИИ.
Найди зефирку среди тюленей
Найди ягнёнка среди Санта-Клаусов
ChatGPT: думал 9 минут и нашёл оба.
Doubao: не нашёл зефирку, а потом с полной уверенностью…
Прямо добавил две зефирки на исходное изображение, обвёл их и сообщил мне ответ 😂
Самый комичный момент с ИИ — не когда он ошибается.
А когда, чтобы доказать, что он ответил правильно, он просто меняет условие задачи.

Сегодня проблема с «непрерывностью выполнения задач» в ChatGPT сильно меня подкосила.
Дело не в том, что качество какого-то отдельного ответа упало, а в гораздо более неприятном:
некоторые уже давно работающие диалоги внезапно перестали отвечать;
инструменты / MCP, которыми я обычно пользовался, внезапно перестали подключаться в отдельных сессиях;
в новом диалоге снова можно общаться, но контекст задачи, состояние выполнения и информация о том, на каком этапе всё остановилось, легко теряются одновременно.
Сегодня я потратил много времени не на «работу», а на восстановление «того, что AI изнача

В последнее время всё сильнее ощущаю:
По мере того как естественно-языковые интерфейсы таких AI Agent, как Codex и Grok, постепенно становятся зрелыми, а к ним подключаются собственная локальная рабочая станция, браузер, различные инструменты и сильнейшие облачные модели —
обычные люди фактически впервые получают собственную «операционную систему на базе AI».
Вам больше не нужно самостоятельно открывать десятки программ, запоминать кучу команд и вручную выстраивать рабочие процессы.
Достаточно просто сказать:
«Разберись с этим».
А затем Agent сам будет обращаться к компьютеру, коду, браузеру,

В последнее время при выполнении долгих задач в ChatGPT я постоянно с этим сталкиваюсь.
Самое абсурдное: на переднем плане появляется сообщение «Потоковая передача прервана», хотя фоновая задача иногда на самом деле продолжает выполняться.
Чем активнее используешь Agent, тем яснее понимаешь: ум модели — лишь часть дела.
Именно подключение, повторное подключение, восстановление состояния и наблюдаемость долгих задач по-настоящему влияют на повседневный пользовательский опыт.

Remote Control в ChatGPT я использую уже довольно давно.
Раньше я воспринимал эту функцию просто как очень удобный инструмент:
находясь вне дома, я открываю телефон и продолжаю управлять Codex, который работает на домашнем Mac.
Отправляю задачу с телефона → Mac выполняет её локально → в любой момент смотрю прогресс → продолжаю давать инструкции.
Но только недавно, подключив к AI всё больше рабочих задач, я по-настоящему осознал, что это значит.
Когда AI получает доступ к компьютеру, файлам, терминалу, браузеру и различным рабочим процессам, телефон на самом деле перестаёт быть «устройством для

Только сегодня узнал, что ChatGPT Pro, оказывается, предоставляет 100 ГБ файлового пространства.
Я пользуюсь им уже так долго, но занято всего 315 МБ.
И тут я понял: раньше я использовал ChatGPT лишь как «вычислительные мощности» и «диалоговое окно», но по-настоящему не воспринимал его как долгосрочное рабочее пространство.
Поэтому я заново整理л свою архитектуру хранения данных для ИИ:
Mac: выполнение задач
Локальный диск большого объёма: исходные данные / холодный архив
Google Drive: официальные документы, редактируемые людьми
ChatGPT Library: долгосрочно доступный для чтения ИИ, доступный для

Столько времени занимаюсь AI и vibe coding, а сегодня впервые внимательно посмотрел статистику использования Codex:
Всего токенов: 103,82 миллиарда
Пиковое значение за день: 4,59 миллиарда
Самый долгий непрерывный период использования: 119 дней
Цифры оказались гораздо более впечатляющими, чем я представлял.
Но на самом деле важнее не то, сколько токенов было потрачено, а во что они в итоге превратились.
В последнее время собираюсь полностью разобрать уже работающую у меня систему автоматизации на базе AI:
исследования, мониторинг, помощь в торговле, создание контента, удалённое выполнение зада

В последние пару дней в AI-кругах появилась новая модель Jev, и, думаю, на неё стоит взглянуть отдельно.
Самое контринтуитивное в ней — не то, насколько выше стал очередной бенчмарк, а то, что она вообще не пытается быть LLM, которая «лучше умеет общаться».
Идея @typesafeai такова:
Многим программным задачам вообще не нужно, чтобы модель «сгенерировала текст».
Сейчас множество AI-workflow фактически выглядят так:
state → LLM → генерация текста / JSON → parse → validate → retry → программа снова решает, что делать дальше
Но внутри программы AI часто действительно нужно ответить лишь на следующи