Телеграм канал «CodeCamp»

Cloudflare сделали свою ответку Jev: они выпустили сразу две модели принятия решений — Clef и Clef-Flash.

Модели работают по той же идее, что и Jev: выбирают нужный вариант и отдают вероятности. То есть они полезны, например, чтобы решить, срочный ли тикет, куда его отправить или насколько серьёзна проблема.

Сама Clef построена на Qwen3.8-27B, а быстрая и маленькая Clef-Flash на Qwen3.5-9B. При этом главная модель выигрывает у Jev сразу по нескольким пунктам: во-первых, контекст у нее в два раза больше — 64K против 32K. Во-вторых, в тестах модель от Cloudflare в 3 из 4 сценариев разносит Jev, выдавая при этом еще и ответы в РАЗЫ быстрее. Ну, а еще работает с картинками.

Обе модели выложены на Hugging Face под Apache 2.0, так что можно запускать локально — забираем 👍

Отец вайбкодинга Андрей Карпаты поделился лайфхаками, как выжимать из нейронок реально понятные и полезные ответы 😊

Берем листочки и записываем:
🟢 Для сложных текстовых объяснений он просит выдавать ответ в стиле ASD-STE100 — это упрощённый технический английский из авиации с жёсткими правилами ясности. Ни слова воды, все по делу. Для удобочитаемости иногда ставит 80% от стандарта.

🟢 Вместо текста рекомендует просить диаграмму или картинку. Дело в том, что сложные вещи так зачастую воспринимаются быстрее и нагляднее.

🟢 Еще один вариант — попросить сделать интерактивную HTML-страницу под конкретную тему с визуализацией и анимациями.

🟢 А самый перспективный формат, по Карпаты, — персональные видео-объяснялки. Просто пишите «сделай мне ролик в стиле 3Blue1Brown про X» и сразу добавляете озвучку через ElevenLabs.

Слушаемся Карпаты 🤓

@xor_journal

Жесть, Claude опять МАССОВО банит российских кодеров — под раздачу попали уже десятки пользователей, включая топ-менеджеров ИТ-компаний 🥲

Люди получают письма о «подозрительных сигналах» и лишаются доступа к Claude Code. Похожая волна сейчас идёт и в Гонконге: там блокируют пользователей, которые месяцами заходили через VPN.

Anthropic, не надо 😭

Осторожно, она гений: девушка сделала приложение, которое ЧИТАЕТ ПО ГУБАМ 🤯

Ей хотелось диктовать текст, не мешая окружающим в коворкингах и библиотеках, поэтому она собрала LipFlow. Суть проста: камера смотрит на губы, распознаёт беззвучную речь и превращает её в текст. При этом при первом запуске нужно произнести без звука 24 фразы, чтобы подстроиться под вашу мимику и артикуляцию.

А ведь потенциально это будет полезно еще и людям, потерявшим голос!

Работает локально, GitHub здесь.

Лайфхак для вайбкодеров: если используете Claude Code, то вбейте команду /insights.

Opus 5.5 разберёт ваши последние 200 сессий и покажет, над чем и как вы чаще всего работаете, где застреваете, как пишите промпты и какими возможностями Claude почти не пользуетесь.

Устраиваем персональный аудит вайбкодинга ☕️

Лайфхак для вайбкодеров: если используете Claude Code, то вбейте команду /insights.

Opus 5.5 разберёт ваши последние 200 сессий и покажет, над чем и как вы чаще всего работаете, где застреваете, как пишите промпты и какими возможностями Claude почти не пользуетесь.

Устраиваем персональный аудит вайбкодинга ☕️

Почти в любом сервисе с персональной лентой рекомендации подбирает цепочка из большого количества моделей. В Яндексе проверили, может ли всю цепочку заменить одна нейросеть.

В умных колонках с Алисой, например, музыку подбирает каскад из десятков алгоритмов: одни отбирают из миллионов треков подходящие, другие отсеивают лишнее и выбирают лучшее. Каждый из них обучают отдельно, а признаки, по которым они оценивают треки, инженеры подбирают вручную.

Новая модель Sona делает всё это одна. Она устроена как языковая модель, только вместо следующего слова угадывает следующий трек. Для этого у каждой песни есть код из трёх токенов: его составляет другая нейросеть по первым 90 секундам звучания, названию и тегам. Вместо признаков Sona получает сырую историю — до 8192 последних действий человека, например что он слушал, пропускал, лайкал и дизлайкал. Закономерности в этих данных модель находит сама и постоянно дообучается: пропущенный трек попадает в её обучение примерно через 45 минут.

Инженеры проверили, справится ли Sona вместо всей прежней цепочки: неделю она подбирала музыку части слушателей умных колонок с Алисой. Время прослушивания рекомендованных треков выросло на 6,3%, а просьб повторить трек стало почти на 18% больше.

Единые рекомендательные модели сейчас строят крупные технологические компании. Китайская Kuaishou, владелец одной из самых популярных видеоплатформ страны, заменила цепочку одной моделью, но оставила ручные признаки. Pinterest объединил только часть этапов. Яндекс первым в мире разработал и протестировал систему с одной нейросетью вместо всей цепочки, самостоятельным подбором критериев и ростом качества в реальных условиях.

Поскольку эксперимент оказался успешным, Яндекс планирует развивать этот подход к созданию рекомендательных систем.

Подписывайтесь 👉 @techno_yandex