AI Vibe Digest за 20 апреля 2026

Архитектура и исследования

Machinelearning рассказывает о концепции разделения ИИ, предложенной Андреем Карпаты. Основная мысль в том, что современные огромные модели (триллионы параметров) тратят большую часть мощности не на мышление, а на сжатие и запоминание «интернет-помойки» — низкокачественных данных для обучения. Карпаты предлагает создать компактное «когнитивное ядро» (около миллиарда параметров) для решения задач, а факты хранить во внешней памяти. Это может привести к созданию более умных и дешёвых в эксплуатации систем.

gonzo-обзоры ML статей разбирает анализ утекшего кода агента Claude Code. Исследование показывает, что 98.4% кодовой базы — это не логика ИИ, а сложная оркестрационная обвязка. Она отвечает за безопасность, управление контекстом и памятью. Это важный урок: надёжность промышленных AI-агентов обеспечивается в первую очередь качественной инженерией вокруг модели.

Новые продукты и релизы

Machinelearning сообщает о выходе Gemini Robotics-ER 1.6 от Google DeepMind. Это обновлённая модель «воплощённого мышления» для роботов: она лучше планирует задачи, читает показания приборов (даже аналоговых) и точнее оценивает успех действий. Модель не управляет моторами напрямую, а отдаёт команды другой системе, что повышает безопасность и эффективность.

Machinelearning сообщает, что ElevenLabs открыла ранний доступ к локальному развёртыванию своих голосовых моделей. Будут доступны два варианта: для корпоративных серверов и для устройств с ограниченными ресурсами (например, с NPU). Обработка аудио будет происходить полностью на стороне клиента, что важно для конфиденциальности. Запуск планируется в первой половине этого года.

По информации эйай ньюз, Anthropic запустили Claude Design — отдельный инструмент для создания презентаций и UI-интерфейсов. Это шаг в сторону захвата прибыльных ниш, которые пользователи и так осваивали через API чатов, но теперь с более удобным и специализированным интерфейсом.

Практика и карьера

Всеволод Викулин | AI разбор ищет команду для внедрения AI-агентов в клиентскую поддержку Т-Банка. В посте он подчёркивает, что успех таких сложных проектов зависит в первую очередь от людей, а не только от технологий. В открытом наборе — ML-инженеры, продуктовые аналитики и бэкенд-разработчики.

Kantor.AI рассуждает о том, как монетизировать опыт в сфере ИИ с возрастом. Даются практические советы: уходить в консультирование, создавать свой аутсорс или развиваться в менеджменте. Главный вывод — нужно искать окружение, которое ценит ваш багаж знаний, а не там, где важна только скорость написания кода.