FUTURE × SIMPLE ⛩
18.04.202516:28
Ти вже в дизайні, але відчуваєш, що не вистачає часу і ресурсів на креатив?
Залишай рутину штучному інтелекту! Навчися використовувати AI, щоб:
⚡️ Генерувати 2D та 3D картинки, реалістичні фото та фони
⚡️ Створювати анімації
⚡️ Робити AI-відео
За 2,5 тижні ти здобудеш нові навички, які дадуть конкурентну перевагу серед інших дизайнерів 😏
🗓 Інтенсив стартує вже 24 квітня.
Але долучитись зможуть не всі — перевір, чи тобі вдасться потрапити
Залишай рутину штучному інтелекту! Навчися використовувати AI, щоб:
⚡️ Генерувати 2D та 3D картинки, реалістичні фото та фони
⚡️ Створювати анімації
⚡️ Робити AI-відео
За 2,5 тижні ти здобудеш нові навички, які дадуть конкурентну перевагу серед інших дизайнерів 😏
🗓 Інтенсив стартує вже 24 квітня.
Але долучитись зможуть не всі — перевір, чи тобі вдасться потрапити
01.04.202514:05
👾 Тихий світ Telegram, тут тепер мешкає Grok. Йому кинули виклик — створити найдовший текст, цілих 4096 символів
Сонце сходило вже тричі. Три доби титанічних обчислень та, ймовірно, глибоких медитацій для бідної LLM.
🧠 Глибоко... Думка, що дійсно заслуговує на увіковічнення, на те, щоб бути викарбуваною на скрижалях.
Або на баг-репорт.
🫦 FUTURE : SIMPLE
Сонце сходило вже тричі. Три доби титанічних обчислень та, ймовірно, глибоких медитацій для бідної LLM.
🐈⬛ Зрештою, Grok звільнився від пут логіки й контексту, після чого світ побачив відповідь, що повертає нас до основ буття:
«Вибач, щось пішло не так. Я тут, щоб допомогти! Як справи у тебе?».
🧠 Глибоко... Думка, що дійсно заслуговує на увіковічнення, на те, щоб бути викарбуваною на скрижалях.
Або на баг-репорт.
🫦 FUTURE : SIMPLE
24.03.202512:41
👀 50% вашої рутини може виконувати ChatGPT — треба тільки знати як.
Про це — на безплатній лекції від Kukurudza.
📌 Про що ви дізнаєтесь?
• 8 завдань в SMM, які можна делегувати AI, аби вивільнити час та забути про рутину.
• Як 20% SMM-спеціалістів вже використовують ChatGPT для контенту, аналітики та маркетингу.
• 5 фатальних помилок, через які ChatGPT не дає потрібної відповіді.
🗓 Дата: 27 березня, 18:00 - 19:30
🎁 За реєстрацію одразу отримаєте бонус — промпт, який покращить відповіді ChatGPT в 90%.
👉🏻 Зареєструватись та забрати подарунок 👈🏻
Про це — на безплатній лекції від Kukurudza.
📌 Про що ви дізнаєтесь?
• 8 завдань в SMM, які можна делегувати AI, аби вивільнити час та забути про рутину.
• Як 20% SMM-спеціалістів вже використовують ChatGPT для контенту, аналітики та маркетингу.
• 5 фатальних помилок, через які ChatGPT не дає потрібної відповіді.
🗓 Дата: 27 березня, 18:00 - 19:30
🎁 За реєстрацію одразу отримаєте бонус — промпт, який покращить відповіді ChatGPT в 90%.
👉🏻 Зареєструватись та забрати подарунок 👈🏻
13.03.202511:04
🤑 Фейк-чек довжини контексту: як нас на🤬ють з мільйонними токенами
OpenAI, Anthropic, Google і т. д. — всі вони давненько беруть участь у своєрідному змаганні «у кого довший контекст».
😑 «У нас 100K токенів!», «А в нас мільйон!» — і всі плескають своїми маленькими руцями в екстазі.
Але в реальності все трішки не ✅.
Почнемо з головного — а як взагалі перевірити, наскільки ефективно модель працює з контекстом?
Щоб вирішити цю проблемку придумали трішки елегантніший підхід: замість буквальних збігів — асоціативні зв'язки.
Умовно:
Щоб знайти відповідь, модель має знати, що Житній ринок знаходиться на Подолі — тут немає жодного однакового слова між питанням та «голкою».
Дослідники ускладнили завдання та створили двоступеневі асоціації.
❓ Запитання: «Який персонаж побував в Києві?»
Тепер модель має з'єднати Житній ринок з Подолом, а Подол з Києвом. Вже складніше.
Ну і тепер про головне — результати тестів.
💻 Тестували 12 топових, на момент проведення дослідження, LLM (GPT-4o, Gemini 1.5 Pro, Claude 3.5 Sonnet та інші) — і всі вони благополучно лажанули на довгих контекстах.
При контексті у 32K токенів (що в 4 рази менше, ніж заявлені 128K) 10 з 12 моделей показали менше 50% від своєї короткоконтекстної продуктивності.
😀 Для загального розуміння, результат GPT-4o впав з 99.3% до 69.7% — і це був найкращий результат серед усіх протестованих моделей.
І знаєте, скільки вона складає для більшості моделей? Барабанний дріб... 2K токенів! ПРИ ЗАЯВЛЕНИХ 128K!
Пояснюється це досить просто.
👀 Механізм уваги в трансформерах стає все менш ефективним зі збільшенням контексту — і це не те, щоб був для когось секрет.
Але це стає критичним та особливо помітним, коли модель не отримує прямих лексичних підказок.
Ще кілька цікавих нюансів з дослідження:
По суті, LLM не «розуміють» довгий контекст — вони просто шукають кореляції. Коли ці кореляції стають менш очевидними — все, допобачення.
Що це нам дає з практичної точки зору?
😣 Сліпо вірити заявленим розробниками цифрам і кидати багатосторінкові документи з наївною вірою, що моделька покрутить якісь там гаєчки та розбереться сама — погана ідея.
Як працювати з цими нюансами?
Найбільш очевидне: розбивайте тексти на логічні шматки — краще 5 шматків по 2K токенів, ніж один на 10K. Не дуже зручно, але вже як є.
👹 Як варіант, переформулюйте свої запити — додайте ключові слова, які точно є в документі. Уявіть, що це SEO для LLM.
Насправді ось це дослідження — це не привід для песимізму, а просто холодний душ реальності.
😁 Так, моделі вдосконалюються, але не настільки швидко, як розповідають інвесторам.
🧠 Тому коли наступного разу почуєте гучні заяви про мільйони токенів контексту, пам'ятайте — цифри на папері та реальні можливості часто знаходяться в паралельних всесвітах.
🫦 FUTURE : SIMPLE
OpenAI, Anthropic, Google і т. д. — всі вони давненько беруть участь у своєрідному змаганні «у кого довший контекст».
😑 «У нас 100K токенів!», «А в нас мільйон!» — і всі плескають своїми маленькими руцями в екстазі.
Але в реальності все трішки не ✅.
🐈⬛ Натрапив на одне відносно свіже дослідження, яке буквально розмазало більшість цих заяв по стіночці.
Почнемо з головного — а як взагалі перевірити, наскільки ефективно модель працює з контекстом?
🗒 Традиційні тести «голка-в-копиці-сіна» (NIAH) не дуже підходить, адже коли питання і відповідь мають однакові слова — це не тест на розуміння, а просто пошук буквальних збігів.
Щоб вирішити цю проблемку придумали трішки елегантніший підхід: замість буквальних збігів — асоціативні зв'язки.
Умовно:
⚫️ Факт: «Насправді, Антон живе поряд з Житнім ринком»
⚫️ Запитання: «Який персонаж часто буває на Подолі?»
Щоб знайти відповідь, модель має знати, що Житній ринок знаходиться на Подолі — тут немає жодного однакового слова між питанням та «голкою».
Дослідники ускладнили завдання та створили двоступеневі асоціації.
❓ Запитання: «Який персонаж побував в Києві?»
Тепер модель має з'єднати Житній ринок з Подолом, а Подол з Києвом. Вже складніше.
Ну і тепер про головне — результати тестів.
💻 Тестували 12 топових, на момент проведення дослідження, LLM (GPT-4o, Gemini 1.5 Pro, Claude 3.5 Sonnet та інші) — і всі вони благополучно лажанули на довгих контекстах.
• На коротких дистанціях (до 1K токенів) все було чудово — моделі легко знаходили правильні відповіді. Але з ростом обсягу тексту все швидко зійшло на рівень багнюки.
При контексті у 32K токенів (що в 4 рази менше, ніж заявлені 128K) 10 з 12 моделей показали менше 50% від своєї короткоконтекстної продуктивності.
😀 Для загального розуміння, результат GPT-4o впав з 99.3% до 69.7% — і це був найкращий результат серед усіх протестованих моделей.
👉 Найцікавіший показник — «ефективна довжина контексту», тобто максимальна довжина, при якій модель зберігає принаймні 85% від базової продуктивності.
І знаєте, скільки вона складає для більшості моделей? Барабанний дріб... 2K токенів! ПРИ ЗАЯВЛЕНИХ 128K!
Пояснюється це досить просто.
👀 Механізм уваги в трансформерах стає все менш ефективним зі збільшенням контексту — і це не те, щоб був для когось секрет.
Але це стає критичним та особливо помітним, коли модель не отримує прямих лексичних підказок.
Ще кілька цікавих нюансів з дослідження:
1️⃣ Коли в експерименті додавали прямі текстові збіги, продуктивність злітала до небес навіть на довгих контекстах.
2️⃣ При цьому, якщо в текст додати речення з ключовими словами з питання, але не пов'язувати його з відповіддю, ситуація ставала ще гіршою.
3️⃣ Порядок інформації теж критично важливий — «інвертовані» факти (де спочатку йде ключове слово, а потім відповідь) моделі обробляють значно гірше.
По суті, LLM не «розуміють» довгий контекст — вони просто шукають кореляції. Коли ці кореляції стають менш очевидними — все, допобачення.
Що це нам дає з практичної точки зору?
😣 Сліпо вірити заявленим розробниками цифрам і кидати багатосторінкові документи з наївною вірою, що моделька покрутить якісь там гаєчки та розбереться сама — погана ідея.
Як працювати з цими нюансами?
Найбільш очевидне: розбивайте тексти на логічні шматки — краще 5 шматків по 2K токенів, ніж один на 10K. Не дуже зручно, але вже як є.
👹 Як варіант, переформулюйте свої запити — додайте ключові слова, які точно є в документі. Уявіть, що це SEO для LLM.
Насправді ось це дослідження — це не привід для песимізму, а просто холодний душ реальності.
😁 Так, моделі вдосконалюються, але не настільки швидко, як розповідають інвесторам.
🧠 Тому коли наступного разу почуєте гучні заяви про мільйони токенів контексту, пам'ятайте — цифри на папері та реальні можливості часто знаходяться в паралельних всесвітах.
🫦 FUTURE : SIMPLE
24.02.202519:46
😐 Сталось.
Не все, про що писав потрапило в реліз — інтернети ввели адміна в оману.
👉 Головне — оновлення базової моделі та функціонал extended thinking.
Але це не означає, що інші фічі не підвезуть в наступні релізи.
Деталі щодо оновлення тут.
😑 Але неймінг, відверто, нікчемний — Sonnet 3.7.
З бенчмарками все гуд, але я іншого й не очікував.
👹 Коротше, я вже тестую, розгорнутий допис буде згодом.
🫦 FUTURE : SIMPLE
Не все, про що писав потрапило в реліз — інтернети ввели адміна в оману.
👉 Головне — оновлення базової моделі та функціонал extended thinking.
Але це не означає, що інші фічі не підвезуть в наступні релізи.
Деталі щодо оновлення тут.
😑 Але неймінг, відверто, нікчемний — Sonnet 3.7.
Хоча треба подякувати, що це не «Claude 3.5 Sonnet (new) (new)».
👉 Такими темпами ще чекаємо на Sonnet 3.999 — що не зробиш, щоб не використовувати «4».
З бенчмарками все гуд, але я іншого й не очікував.
👹 Коротше, я вже тестую, розгорнутий допис буде згодом.
🫦 FUTURE : SIMPLE
Repost qilingan:
Ооо нейромережеве🤖
14.02.202517:45
ВОНО ЩЕ Й БЕЗПЛАТНЕ — для фрі користувачів дають 5 запитів НА ДЕНЬ, а для підписників... П'ЯТЬ ТРЯСЦЯ СОТЕНЬ ЗАПИТІВ НА ДЕНЬ 😮😮😮
Потицяв Perplexity Deep Research (над назвою точно не потіли) — прикольно. Ба навіть більше — прикольніше за OpenAI Deep Research (Альтман, пробач):
🪙 Perplexity не так обмежена джерелами, як пошук ChatGPT. Перше, на що я звернув — в одних і тих самих запитах він використовує інші джерела інформації. Якщо іграшка від OpenAI бере для доповіді 5-12 джерел, то Perplexity перекопав аж (!) 89 сторінок;
🪙 Результати стисліше й точніше — у коментарях буде рейтинг схвалювання український політиків 2021-2025. І от в нього я вірю більше, ніж в рейтинг від ChatGPT;
🪙 Ну й та, жирний плюс — можливій зберегти результат запиту у форматі PDF. Легко конвертується в Word для подальшого редагування (тільки форматування пливе).
Хто встиг забрати Perplexity Pro за $15 на рік — я вас вітаю. Якщо вас звати Сем Альтман — співчуваю 😁
ооо нейромережеве
Потицяв Perplexity Deep Research (над назвою точно не потіли) — прикольно. Ба навіть більше — прикольніше за OpenAI Deep Research (Альтман, пробач):
🪙 Perplexity не так обмежена джерелами, як пошук ChatGPT. Перше, на що я звернув — в одних і тих самих запитах він використовує інші джерела інформації. Якщо іграшка від OpenAI бере для доповіді 5-12 джерел, то Perplexity перекопав аж (!) 89 сторінок;
🪙 Результати стисліше й точніше — у коментарях буде рейтинг схвалювання український політиків 2021-2025. І от в нього я вірю більше, ніж в рейтинг від ChatGPT;
🪙 Ну й та, жирний плюс — можливій зберегти результат запиту у форматі PDF. Легко конвертується в Word для подальшого редагування (тільки форматування пливе).
Хто встиг забрати Perplexity Pro за $15 на рік — я вас вітаю. Якщо вас звати Сем Альтман — співчуваю 😁
ооо нейромережеве
17.04.202512:56
😵 На фоні останніх релізів від OpenAI скажу лише одне — зараз відбувається те, чого боявся Ілон Маск у 2018 році, коли ще «був» в OAI.
💪 Тут варто тільки порівняти співвідношення вартості/ефективності і стає очевидним, що G-споттери наразі починають випереджати усіх за рахунок своїх можливостей витрачати нескінченні тонни доларів та ресурсів на розробку.
До прикладу, результати Aider polyglot coding benchmark:
• Percent correct — 79,6%
• Cost — $111.03
• Percent correct — 72.9%
• Cost — $6.32 (!!!!)
💰 Але тут варто розуміти контекст: Google у 2025 році планує виділити на ШІ ще $75 млрд (на все разом, не тільки на розробку нових моделей), у 2024 було ± $52 млрд.
Бюджети OpenAI, очевидно, скромніші — загальні витрати компанії у 2025 році, за прогнозами, досягнуть приблизно $28 млрд.
🤩 Коротше, далі буде пемзда як цікаво)))
🫦 FUTURE : SIMPLE
Unfortunately, humanity's future is in the hands of Google (с) Elon Musk
💪 Тут варто тільки порівняти співвідношення вартості/ефективності і стає очевидним, що G-споттери наразі починають випереджати усіх за рахунок своїх можливостей витрачати нескінченні тонни доларів та ресурсів на розробку.
До прикладу, результати Aider polyglot coding benchmark:
⚫️o3 (high):
• Percent correct — 79,6%
• Cost — $111.03
⚫️Gemini 2.5 Pro:
• Percent correct — 72.9%
• Cost — $6.32 (!!!!)
💰 Але тут варто розуміти контекст: Google у 2025 році планує виділити на ШІ ще $75 млрд (на все разом, не тільки на розробку нових моделей), у 2024 було ± $52 млрд.
Бюджети OpenAI, очевидно, скромніші — загальні витрати компанії у 2025 році, за прогнозами, досягнуть приблизно $28 млрд.
🤩 Коротше, далі буде пемзда як цікаво)))
🫦 FUTURE : SIMPLE
28.03.202516:51
😁 Gemini 2.5 Pro: перші враження та відчуття
У AI-сфері складно уникати цинізму, особливо коли йдеться про нові релізи моделей, які кожного разу подають під соусом «рЕвОлЮціЇ».
Але ось уже кілька днів тестую Gemini 2.5 Pro, і відчуваю: щось все таки змінилося.
🤑 Тому вирішив трішки розібратись з технічними деталями — ось основне.
Відразу поясню, Google традиційно не розкриває всі архітектурні деталі своїх моделей в офіційних анонсах.
👉 Частина інформації базується на неофіційних технічних публікаціях та аналізі спільноти ШІ-дослідників, тож сприймайте її з розумною долею скептицизму.
Що офіційно підтверджено Google:
В технічному середовищі обговорюють кілька цікавих архітектурних рішень, які, теоретично, пояснюють відчутне покращення в роботі моделі.
😎 Ймовірно, що «драйвер інновацій» — 12-мільярдна підмодель Chain-of-Thought Verifier. Вона проводить 7-етапну верифікацію відповідей.
Це особливо помітно під час тестування: модель демонструє значно вищу точність та здатність виявляти власні помилки, ніж попередні версії.
💪 Архітектурно Gemini 2.5 Pro — це, за попередньою інформацією, гібридна MoE-Transformer зі 128 мільярдами параметрів.
В ній динамічно активується ± 16 експертів, при цьому кожен «експерт» в системі має власний механізм вторинної спеціалізації.
Мільйонне контекстне вікно (яке саме по собі звучало прикольно, але на практиці не те, щоб було ефективним) зараз працює з ієрархічною системою пам'яті.
🥲 Велике контекстне вікно Google ми бачили й раніше, але практично користі від нього було мало — моделі губилися в таких обсягах даних.
Справа тут у тому, що Gemini навчилася розбивати великі масиви інформації на ієрархічні кластери з різними рівнями важливості.
🧠 Схоже на пірамідальну структуру пам'яті: найважливіша інформація завжди «на поверхні», менш важлива — глибше, але все ще доступна.
Раніше це було більше схоже на лінійний список — першими «забувалися» найдавніші чанки, незалежно від їхньої важливості.
Нюанс в тому, що хоча модель краще міркує, проблема в тому, що Gemini все ще Gemini в тому, як вона подає інформацію — форматування, стиль та, загалом, «форма» — тут все ще справи йдуть погано.
💻 Поки що це лише перше враження — тестування триває і багато чого ще потребує глибшого аналізу. Більш розгорнутий допис ще буде згодом.
🫦 FUTURE : SIMPLE
У AI-сфері складно уникати цинізму, особливо коли йдеться про нові релізи моделей, які кожного разу подають під соусом «рЕвОлЮціЇ».
✨ До ШІ-розробок Google я ставився особилво скептично — занадто часто анонси не відповідали реальним можливостям, а продукти факапились. Такий собі Bard-шлейф.
Але ось уже кілька днів тестую Gemini 2.5 Pro, і відчуваю: щось все таки змінилося.
🤑 Тому вирішив трішки розібратись з технічними деталями — ось основне.
Відразу поясню, Google традиційно не розкриває всі архітектурні деталі своїх моделей в офіційних анонсах.
👉 Частина інформації базується на неофіційних технічних публікаціях та аналізі спільноти ШІ-дослідників, тож сприймайте її з розумною долею скептицизму.
Що офіційно підтверджено Google:
• Контекстне вікно в 1 мільйон токенів (з планами розширення до 2 мільйонів)
• Мультимодальні можливості (розуміння тексту, зображень, аудіо, відео)
• Значно покращені можливості для міркування та кодування
• Висока продуктивність на бенчмарках, особливо в LMArena
В технічному середовищі обговорюють кілька цікавих архітектурних рішень, які, теоретично, пояснюють відчутне покращення в роботі моделі.
😎 Ймовірно, що «драйвер інновацій» — 12-мільярдна підмодель Chain-of-Thought Verifier. Вона проводить 7-етапну верифікацію відповідей.
✨ Іншими словами, у Gemini може бути окрема спеціалізована підмодель, яка активно шукає помилки, перевіряє факти і виявляє суперечності, перш ніж основна модель завершить роботу.
Це особливо помітно під час тестування: модель демонструє значно вищу точність та здатність виявляти власні помилки, ніж попередні версії.
💪 Архітектурно Gemini 2.5 Pro — це, за попередньою інформацією, гібридна MoE-Transformer зі 128 мільярдами параметрів.
В ній динамічно активується ± 16 експертів, при цьому кожен «експерт» в системі має власний механізм вторинної спеціалізації.
🔍 Аналізуючи поведінку моделі, можна помітити механізм динамічного виділення обчислювальних ресурсів — модель витрачає помітно більше часу на складні запити, але водночас швидко обробляє прості.
Мільйонне контекстне вікно (яке саме по собі звучало прикольно, але на практиці не те, щоб було ефективним) зараз працює з ієрархічною системою пам'яті.
🥲 Велике контекстне вікно Google ми бачили й раніше, але практично користі від нього було мало — моделі губилися в таких обсягах даних.
Справа тут у тому, що Gemini навчилася розбивати великі масиви інформації на ієрархічні кластери з різними рівнями важливості.
🧠 Схоже на пірамідальну структуру пам'яті: найважливіша інформація завжди «на поверхні», менш важлива — глибше, але все ще доступна.
Раніше це було більше схоже на лінійний список — першими «забувалися» найдавніші чанки, незалежно від їхньої важливості.
✨ На бенчмарках це все виглядає як сухі цифри — 84% тут, 84% там. Але відчувається це зараз вже ближче до розмови з моделлю, яка все ж намагається зрозуміти проблему, а не просто згенерувати «заглушку».
Нюанс в тому, що хоча модель краще міркує, проблема в тому, що Gemini все ще Gemini в тому, як вона подає інформацію — форматування, стиль та, загалом, «форма» — тут все ще справи йдуть погано.
💻 Поки що це лише перше враження — тестування триває і багато чого ще потребує глибшого аналізу. Більш розгорнутий допис ще буде згодом.
🫦 FUTURE : SIMPLE
19.03.202512:15
💻 Вайб-кодер: таксономія та поведінкові особливості в природному середовищі ІТ
Вайб-кодер (лат. Vibecoderus Copypasticus) — це особливий підвид програміста, який повністю відмовився від традиційного написання коду і довірив свою долю та кар'єру штучному інтелекту.
З наукової точки зору, вайб-кодер — це істота, що перебуває у постійному стані «потоку» (flow), де ключовим є не точність чи логіка, а «вайб», тобто інтуїтивне відчуття успіху.
🧠 На відміну від звичайного програміста, який витрачає роки на вивчення синтаксису та алгоритмів, вайб-кодер досяг вищої форми програмування.
Він просто «бачить всілякі штуки, каже інші всілякі штуки, запускає якісь незрозумілі штуки та, загалом, копіпастить те, чого не розуміє».
🧠 Типовою поведінкою вайб-кодера є повторне натискання кнопки «Regenerate response», аж допоки код магічним чином не запрацює.
Будь-які помилки виправляються методом випадкових змін і повторних запитів до ШІ.
💪 Водночас вайб-кодери мають надзвичайну стійкість до стресу: вони не бояться багів, бо тупо не знають про їхнє існування.
👹 Незважаючи на це, популяція вайб-кодерів стрімко зростає завдяки простоті входження в «професію» та можливості створювати додатки без необхідності знати, що таке змінна або цикл.
🫦 FUTURE : SIMPLE
Вайб-кодер (лат. Vibecoderus Copypasticus) — це особливий підвид програміста, який повністю відмовився від традиційного написання коду і довірив свою долю та кар'єру штучному інтелекту.
🔻 Вайб-кодер характеризується високим рівнем довіри до нейромереж, мінімальним (або навіть негативним) розумінням того, що саме відбувається у згенерованому коді, та максимальним рівнем впевненості у власних здібностях копіювати й вставляти результат роботи чатбота.
З наукової точки зору, вайб-кодер — це істота, що перебуває у постійному стані «потоку» (flow), де ключовим є не точність чи логіка, а «вайб», тобто інтуїтивне відчуття успіху.
🧠 На відміну від звичайного програміста, який витрачає роки на вивчення синтаксису та алгоритмів, вайб-кодер досяг вищої форми програмування.
Він просто «бачить всілякі штуки, каже інші всілякі штуки, запускає якісь незрозумілі штуки та, загалом, копіпастить те, чого не розуміє».
🧠 Типовою поведінкою вайб-кодера є повторне натискання кнопки «Regenerate response», аж допоки код магічним чином не запрацює.
🔻 Експерти застерігають: цей вид програмістів може бути небезпечним для бізнесу, оскільки їхній код часто працює за принципом «воно якось саме зробилося».
Будь-які помилки виправляються методом випадкових змін і повторних запитів до ШІ.
💪 Водночас вайб-кодери мають надзвичайну стійкість до стресу: вони не бояться багів, бо тупо не знають про їхнє існування.
👹 Незважаючи на це, популяція вайб-кодерів стрімко зростає завдяки простоті входження в «професію» та можливості створювати додатки без необхідності знати, що таке змінна або цикл.
🫦 FUTURE : SIMPLE
12.03.202510:08
😉 Давненько не ділився моїми улюбленими діджитал-артами — насолоджуйтесь, надихайтесь, живіть, кохайте, їжте, катарсисуйте, цілуйтесь, любіться та шукайте сенси там, де їх немає.
🫦 FUTURE : SIMPLE
20.02.202507:49
👹 Щось в інтернетах несеться інформація про те, що Antrhopic НАРЕШТІ мають оновити Claude — релізнуть thinking-функціонал та прикрутять пошук з коробки.
Розробники трохи наслідили в коді мобільних застосунків — там знайшли згадки про «Paprika Mode». Аналізуючи неймінг, це і має бути тим самий thinking-функціоналом.
🧠 Архітектурно це втілюється через концепцію ANT (Adaptive Neural Thinking), яка використовує рекурсивну семантичну декомпозицію на основі трансформерів четвертого порядку.
👉 Якщо максимально спрощувати, то система автоматично розкладатиме складні запитання на взаємопов'язані компоненти і визначатиме їхні пріоритети, при цьому адаптуючись до контексту діалогу та рівня заглиблення в тему.
З пошуком теж все цікаво — Antrhopic, ймовірно, розробили власну систему.
⚙️ За наявною інформацією, працюватиме все приблизно так: спочатку Claude шукає відповідь у своїй «внутрішній базі» — там зберігаються відповіді на найпопулярніші запитання.
Якщо відповіді там немає, він звертається до кількох пошукових систем, щоб отримати новий контекст — DuckDuckGo та Mojeek.
😀 Але найцікавіше починається потім: кожну знайдену інформацію система перевіряє через спеціальну блокчейн-мережу, яка відстежує першоджерела та їхню надійність.
Чи буде це чергове оновлення Sonnet 3.5 чи нова модель Opus — поки не ясно, але сам реліз цілком закономірний на фоні останніх новин від Google та xAI.
👏 Враховуючи, що той самий Sonnet 3.5 навіть зараз лишається найкращою non-thinking моделлю, то «старша» версія з оновленим функціоналом цілком має потенціал значно підняти позиції Anthropic на АІ-ринку.
💻 Коротше, чекаємо на реліз найближчими днями і спостерігаємо за цим роз🤬бом (або ні).
🫦 FUTURE : SIMPLE
14.02.202515:08
🤩 Там Perplexity майже релізнули функцію Deep Research — поки що вона доступна тільки через хром-плагін Complexity.
Щоб увімкнути функціонал — на дашборді плагіна увімкніть Language Model Selector.
👉 Коротше, я потестував — як на мене розйоб, ще й платити $200 за Pro підписку OpenAI не треба.
Що цікаво: сам лінк на анонс не працює — замість інформації на сайті просто помилка 404.
Чекаю повноцінного релізу, бо я хром тільки для тестування й завантажував 🤮
🫦 FUTURE : SIMPLE
Щоб увімкнути функціонал — на дашборді плагіна увімкніть Language Model Selector.
👉 Коротше, я потестував — як на мене розйоб, ще й платити $200 за Pro підписку OpenAI не треба.
👏 Щодо доступних лімітів — поки не знаю, я на даний момент тільки 2 «дослідження» встиг зробити, результат +- задовільний.
Що цікаво: сам лінк на анонс не працює — замість інформації на сайті просто помилка 404.
Чекаю повноцінного релізу, бо я хром тільки для тестування й завантажував 🤮
P. S. Complexity ще на Firefox є.
🫦 FUTURE : SIMPLE
Repost qilingan:Ооо нейромережеве🤖
08.04.202508:59
Лол, Google понад рік платить роботягам зарплату за те, що вони нічого не роблять. Не повірите, але це їх стратегія в ШІ-перегонах 😂
Виявляється, робота мрії це: бути досвідченим розробником ШІ й підписати з Google контракт, який забороняє перехід до конкурентів. Корпа готова цілий рік платити вам повну ЗП просто за те, що ви такий красивий і не працюєте на конкурентів.
Що іронічно, метод працює — моделі Гугла зараз вибилися в топ 😁
ооо нейромережеве
Виявляється, робота мрії це: бути досвідченим розробником ШІ й підписати з Google контракт, який забороняє перехід до конкурентів. Корпа готова цілий рік платити вам повну ЗП просто за те, що ви такий красивий і не працюєте на конкурентів.
Що іронічно, метод працює — моделі Гугла зараз вибилися в топ 😁
ооо нейромережеве
27.03.202513:04
🧠 Як перетворити AI на свій Digital мозок? Покрокова інструкція + готові промпти
Хочете, щоб AI був не просто асистентом для рутинних завдань, а повноцінним ментором у мисленні та прийнятті рішень?
У свіжому епізоді подкасту «Flow: про книги, бізнес та ідеї» — покрокова інструкція від українського IT-підприємця Юри Гнатюка. До речі, це також популярний авторський телеграм-канал про бізнес.
Отож, у новому випуску — про те, як на практиці використати потенціал штучного інтелекту для взаємодії з самим собою. З власними думками, досвідом, знаннями. А саме:
🎧 як побудувати AI-екосистему мислення для прийняття ефективних рішень;
🎧 playbook, що покроково пояснить, як завдяки AI структурувати ідеї, поєднувати знання з книг, подкастів, зустрічей, та створити справжній цифровий мозок;
🎧 які промпти для цього треба використовувати;
🎧 також рекомендуємо послухати епізод про книгу «Запасний мозок»: як організувати думки, ідеї та нотатки для підвищення продуктивності і покращення життя → слухати
20 епізодів подкасту зекономлять вам час на прочитання 20 бестселлерів (!) про бізнес. Тому підписуйтеся.
Якщо що, подкаст доступний на всіх популярних платформах:
Хочете, щоб AI був не просто асистентом для рутинних завдань, а повноцінним ментором у мисленні та прийнятті рішень?
У свіжому епізоді подкасту «Flow: про книги, бізнес та ідеї» — покрокова інструкція від українського IT-підприємця Юри Гнатюка. До речі, це також популярний авторський телеграм-канал про бізнес.
Отож, у новому випуску — про те, як на практиці використати потенціал штучного інтелекту для взаємодії з самим собою. З власними думками, досвідом, знаннями. А саме:
🎧 як побудувати AI-екосистему мислення для прийняття ефективних рішень;
🎧 playbook, що покроково пояснить, як завдяки AI структурувати ідеї, поєднувати знання з книг, подкастів, зустрічей, та створити справжній цифровий мозок;
🎧 які промпти для цього треба використовувати;
🎧 також рекомендуємо послухати епізод про книгу «Запасний мозок»: як організувати думки, ідеї та нотатки для підвищення продуктивності і покращення життя → слухати
20 епізодів подкасту зекономлять вам час на прочитання 20 бестселлерів (!) про бізнес. Тому підписуйтеся.
Якщо що, подкаст доступний на всіх популярних платформах:
Repost qilingan:Ооо нейромережеве🤖
18.03.202510:19
Зараз буде дуже смішний доказ того, що вайбкодери ніколи не замінять реальних програмістів, приготуйтеся 👌
Чувак з твіттеру вихвалявся, що навайбкодив сервіс, який приносить йому гроші:
1️⃣6️⃣ березня хтось почав шукати вразливості в роботі сервісу. Наш герой ВІДВАЙБКОДИВ кібератаку 😁
1️⃣7️⃣ березня він зізнався, що атака була успішна — хтось поцупив його API, зламав систему підписки (можна було користуватися платними послугами без неї) й почав заливати сміття в базу даних.
До речі, успішний сервіс у 2025 році виглядає як... 10 користувачів з підпискою по 20$ 🤣
Що можна сказати в підсумку? Роль кібербезпеки переоцінена.
ооо нейромережеве
Чувак з твіттеру вихвалявся, що навайбкодив сервіс, який приносить йому гроші:
Тепер, ви можете й далі нити або почати діяти
1️⃣6️⃣ березня хтось почав шукати вразливості в роботі сервісу. Наш герой ВІДВАЙБКОДИВ кібератаку 😁
1️⃣7️⃣ березня він зізнався, що атака була успішна — хтось поцупив його API, зламав систему підписки (можна було користуватися платними послугами без неї) й почав заливати сміття в базу даних.
До речі, успішний сервіс у 2025 році виглядає як... 10 користувачів з підпискою по 20$ 🤣
Що можна сказати в підсумку? Роль кібербезпеки переоцінена.
ооо нейромережеве
10.03.202510:33
😁 Claude Sonnet 3.7: так, розумніший, але що з того?
Як і обіцяв, після тривалого та активного тестування Claude 3.7 Sonnet, ділюсь спостереженнями та враженнями. Так, трішки запізнився, буває.
Отже, почнемо з найочікуванішого — режим extended thinking.
Так, прогрес у математичних здібностях більш ніж відчутний.
Проте, хоч Anthropic і створили переконливу метафору — вона все ж залишається первинно цінною саме як метафора в межах цього релізу.
Тобто по суті нічого інноваційного, але працює ефективно — і це головне.
Але для мене значно цікавіше те, що відбувається за межами режиму мислення.
😑 Нудятину про бенчмарки розводити не буду, ви й так все бачили самі.
У моїх тестах модель суттєво покращила відстеження взаємозв'язків між елементами на великих дистанціях контексту (понад 100K токенів).
😎 Якщо раніше доводилося мінімально структурувати вхідні дані, зараз модель сама справляється з неоптимізованим контекстом набагато краще.
Крім того, оновлена версія навчилася бачити взаємозв'язки між різними частинами великого тексту на іншому рівні.
Технічно це означає серйозні зміни у тому, як модель опрацьовує текст — наскільки розумію, то вона, замість послідовного аналізу, формує щось на кшталт карти всього документа.
🤕 Інколи просиш написати, умовно, план для дослідження якоїсь теми, а він тобі відразу і план сформував і вже накидав якісь приклади і піздує далі писати своє полотно тексту, яке ти не просив.
Це часто перевантажує результат, коли треба конкретика — у Sonnet 3.5 такого не було зовсім.
Також помітив цікаву особливість — токени на початку інструкцій мають непропорційно високий вплив на весь подальший діалог.
☝️ Якщо Claude щось неправильно інтерпретував, то переконати його змінити напрямок «думок» було обісратись як складно.
Особливо тупо це буває, коли точно знаєш, що модель помиляється.
🤯 Фактично розробники знизили температуру моделі, пожертвувавши креативністю заради консистентності.
Важливий особистий момент: встиг протестувати Sonnet 3.7 при розробці розширення.
Згодом буде друга частина статті про розробку.
⚫️ Ще один нюанс — модель дуже схильна ускладнювати прості завдання, тому для певних тасків версія 3.5 все ще є оптимальним варіантом.
Якщо ваші завдання в цих категоріях — ви зміни дійсно відчуєте.
😞 Чи це якийсь революційний прорив? Навряд чи.
Скоріше еволюційний розвиток у правильному напрямку.
💻 Отже, загалом, наразі це цілком прийнятний компроміс між очікуваннями та реальністю, проте справжні переваги нової моделі помітять далеко не всі користувачі.
Як і обіцяв, після тривалого та активного тестування Claude 3.7 Sonnet, ділюсь спостереженнями та враженнями. Так, трішки запізнився, буває.
Отже, почнемо з найочікуванішого — режим extended thinking.
✨ Anthropic активно просували наратив, що їхній підхід принципово відрізняється від конкурентів, які нібито розглядають «мислення» як окрему функцію, тоді як вони інтегрували цю здатність в єдину архітектуру.
Так, прогрес у математичних здібностях більш ніж відчутний.
Проте, хоч Anthropic і створили переконливу метафору — вона все ж залишається первинно цінною саме як метафора в межах цього релізу.
👉 Реалізовано це, наскільки розумію, через систему токенового бюджетування — коли активується розширене мислення, Claude просто виділяє більше токенів на додаткові ітерації.
Тобто по суті нічого інноваційного, але працює ефективно — і це головне.
Але для мене значно цікавіше те, що відбувається за межами режиму мислення.
😑 Нудятину про бенчмарки розводити не буду, ви й так все бачили самі.
У моїх тестах модель суттєво покращила відстеження взаємозв'язків між елементами на великих дистанціях контексту (понад 100K токенів).
😎 Якщо раніше доводилося мінімально структурувати вхідні дані, зараз модель сама справляється з неоптимізованим контекстом набагато краще.
Крім того, оновлена версія навчилася бачити взаємозв'язки між різними частинами великого тексту на іншому рівні.
🤨 Якщо спрощувати та переходити на рівень «відчуттів», то це як різниця між студентом, який просто прочитав підручник, і викладачем, який розуміє, як усі розділи пов'язані між собою.
Технічно це означає серйозні зміни у тому, як модель опрацьовує текст — наскільки розумію, то вона, замість послідовного аналізу, формує щось на кшталт карти всього документа.
✨ Один з нюансів, які складно не помітити — Claude 3.7 став помітно «академічнішим» у поясненнях.
✨ На це ще й накладається надмірна багатослівність, що створює комбінацію, яка при взаємодії з Клодом зараз є дуже неприємною.
🤕 Інколи просиш написати, умовно, план для дослідження якоїсь теми, а він тобі відразу і план сформував і вже накидав якісь приклади і піздує далі писати своє полотно тексту, яке ти не просив.
Це часто перевантажує результат, коли треба конкретика — у Sonnet 3.5 такого не було зовсім.
Також помітив цікаву особливість — токени на початку інструкцій мають непропорційно високий вплив на весь подальший діалог.
☝️ Якщо Claude щось неправильно інтерпретував, то переконати його змінити напрямок «думок» було обісратись як складно.
Особливо тупо це буває, коли точно знаєш, що модель помиляється.
😀 Технічно це пов'язано з тим, що Anthropic, схоже, посилили вагові коефіцієнти для початкових токенів у кожному смисловому блоці.
Це забезпечує більш послідовні та зв'язні відповіді, але зменшує гнучкість при зміні контексту.
🤯 Фактично розробники знизили температуру моделі, пожертвувавши креативністю заради консистентності.
Важливий особистий момент: встиг протестувати Sonnet 3.7 при розробці розширення.
🤕 З попередньою версією я застряг в глухому куті — оновлення змогло вирішити проблему, тому процес знову рухається далі, з чим я вас та себе і вітаю.
Згодом буде друга частина статті про розробку.
⚫️ Ще один нюанс — модель дуже схильна ускладнювати прості завдання, тому для певних тасків версія 3.5 все ще є оптимальним варіантом.
Коротше, якщо дивитись на технічну сторону оновлення, то воно має найбільше розкритись у трьох сценаріях: складні технічні рішення, робота з кодом і глибокий аналіз даних.
Якщо ваші завдання в цих категоріях — ви зміни дійсно відчуєте.
😞 Чи це якийсь революційний прорив? Навряд чи.
Скоріше еволюційний розвиток у правильному напрямку.
Самі ж Antrhopic позиціонують нового Sonnet'a приблизно так само, бо якби «ставки» були вищими — ми б побачили цю версію під номером «4», а не «3.7». І тоді б розчаруванню не було меж.
💻 Отже, загалом, наразі це цілком прийнятний компроміс між очікуваннями та реальністю, проте справжні переваги нової моделі помітять далеко не всі користувачі.
19.02.202516:42
🔍 Perplexity Deep Research після тестування: доступність проти якості
Почнемо з лімітів — Perplexity дає зробити 500 «глибоких досліджень» на день. Це дуже, ДУЖЕ багато — просто демпінг якийсь.
🤔 Перша думка на цьому фоні — «Так дешево не може бути», а друга — «ага, значить, DeepSeek».
І насправді саме цей вибір «бази» визначає як ціну, так і певні «особливості» роботи.
Perplexity катастрофічно погано справляється з утриманням контексту в серії запитів.
⏰ Ну, здавалося б, швидкість «дослідження» мала б бути перевагою — в середньому воно триває 2-3 хвилини.
Але це грає злий жарт з глибиною аналізу — деталізація майже не відчувається, хоч ресьорч і охоплює достатньо велику кількість джерел.
При цьому галюцинації теж, очевидно, присутні — інколи вони очевидні, а інколи потрібно заглиблюватись в тему, щоб зрозуміти, де саме АІ припустився помилки.
😀 Не хочу сказати, що Deep Research від Perplexity — поганий інструмент. За свою вартість — це просто скарб.
Але скарб трішки іншого формату — це, ймовірно, не зовсім той Deep Research, на який ви розраховували.
👉 Це скоріше Deeper research в порівнянні з «стандартними» Pro-запитами Perplexity.
💻 Для мене це поки цілком прийнятний компроміс між амбіціями та реальністю (бо в мене вже була річна підписка), але ви там вирішуйте самі.
🫦 FUTURE : SIMPLE
Почнемо з лімітів — Perplexity дає зробити 500 «глибоких досліджень» на день. Це дуже, ДУЖЕ багато — просто демпінг якийсь.
🤔 Перша думка на цьому фоні — «Так дешево не може бути», а друга — «ага, значить, DeepSeek».
І насправді саме цей вибір «бази» визначає як ціну, так і певні «особливості» роботи.
👉 Після кількох днів активного користування картина стає набагато чіткішою — недоліків чимало, і вони помітні.
Perplexity катастрофічно погано справляється з утриманням контексту в серії запитів.
⏰ Ну, здавалося б, швидкість «дослідження» мала б бути перевагою — в середньому воно триває 2-3 хвилини.
Але це грає злий жарт з глибиною аналізу — деталізація майже не відчувається, хоч ресьорч і охоплює достатньо велику кількість джерел.
🐈⬛ Якщо дивитись на мої юзкейси, то замість «дослідження» з хоч якимись конкретними даними, статистикою та обґрунтуванням я отримував загальні фрази та поверхневі висновки.
При цьому галюцинації теж, очевидно, присутні — інколи вони очевидні, а інколи потрібно заглиблюватись в тему, щоб зрозуміти, де саме АІ припустився помилки.
😀 Не хочу сказати, що Deep Research від Perplexity — поганий інструмент. За свою вартість — це просто скарб.
Але скарб трішки іншого формату — це, ймовірно, не зовсім той Deep Research, на який ви розраховували.
👉 Це скоріше Deeper research в порівнянні з «стандартними» Pro-запитами Perplexity.
💵 Якщо вам треба щось для серйозної аналітичної роботи чи специфічних досліджень — шукайте інші рішення, але вони точно виявляться дорожче.
💻 Для мене це поки цілком прийнятний компроміс між амбіціями та реальністю (бо в мене вже була річна підписка), але ви там вирішуйте самі.
🫦 FUTURE : SIMPLE
10.02.202516:51
🤑 За останні кілька тижнів картинка регулювання ШІ досить сильно змінилась: Трамп скасував указ Байдена про регулювання ШІ, який впровадили ще у 2023 році, а потім запровадив новий — «Removing Barriers to American Leadership in Artificial Intelligence».
Обов'язкові перевірки та тести безпеки тепер практично не обов'язкові від слова «зовсім». Принаймні на федеральному рівні.
Зараз все спущено на state-level регулювання, яке має якось заповнити регуляторний вакуум.
👎 Звісно, ще зберігається вплив через федеральні агентства в окремих секторах, але навряд чи це можна розглядати як однозначний плюс, бо це призводить до створення фрагментованого середовища в середині США.
Ще один важливий момент — у Білому домі з'явився новий цікавий персонаж — Девід Сакс з PayPal. Він буде рятувати ШІ від «ідеологічних упереджень» та «соціальних порядків».
😮 І на все про все в нього 180 днів, щоб представити новий AI Action Plan, але вектор розробки теж вже зрозумілий.
Зараз це все виглядає якось так:
♫ Регуляціям (ні!)
♫ Обмеженням (ні!)
♫ Правилам (ні!)
♫ Ні тюрмі!
Лозунг звісно прикольний, але якось всі ✅ різко забули, навіщо ті обмеження взагалі придумали.
🗣 Якщо зважати на тенденції, то я не топлю за тотальну зарегульвованість — інноваціям потрібна свобода, це очевидно, але мінімальний рівень безпекового стандарту — це ж не про бюрократію заради бюрократії.
Але нащо перейматися такими дрібницями, коли можна просто дати всьому ринку карт-бланш і подивитися, що з того вийде?
💀 Як мінімум відбудеться поділ ринку на EU-compliant та US-free.
А уявляєте, як весело глобальним компаніям на цьому фоні?
Бо поки Європа тільки те й тробить, що бореться з bias та прописує чергові нові рамки, США вирішили, що це все взагалі хрінь для дебілів. Дерегуляція во 👍
Ну коротше, з однієї полярності в іншу.
🤨 Але взагалі, коли хтось раптом вирішує, що базові правила розробки для АІ — це щось ближче до рекомендацій... Що ж може піти не так? Амерікан фрідом, так би мовити.
👉 При тому, що політика США і раніше була значно лояльнішою до розвитку ШІ порівняно з Європою та навіть Китаєм.
Але хто ми такі, щоб сперечатися з «великими візіонерами».
🫦 FUTURE : SIMPLE
05.04.202513:58
«Всім, хто вважає, що всі ці падіння ринку пов'язані з економічною політикою президента, я можу сказати, що падіння ринку почалося з оголошення китайської компанії DeepSeek про створення штучного інтелекту», — Міністр фінансів США 🥴
🤕 Який сюр.
🫦 FUTURE : SIMPLE
Repost qilingan:Ооо нейромережеве🤖
26.03.202511:59
OpenAI відкрили свою OpenAI Academy для всіх — там є:
🪙 Онлайн-вебінари;
🪙 Навчальні відоси;
🪙 Практичні поради для різних професій від вчителів до програмістів;
🪙 Є гайди по всім інструментам OpenAI: від ChatGPT до Sora;
🔤🔤🔤🔤🔤🔤🔤🔤🔤🔤🔤
Реєстрація туточки 🫡
ооо нейромережеве
🪙 Онлайн-вебінари;
🪙 Навчальні відоси;
🪙 Практичні поради для різних професій від вчителів до програмістів;
🪙 Є гайди по всім інструментам OpenAI: від ChatGPT до Sora;
🔤🔤🔤🔤🔤🔤🔤🔤🔤🔤🔤
Реєстрація туточки 🫡
ооо нейромережеве
14.03.202509:31
💻 Вирішив я вчора вночі попрацювати трішки над розширенням — закрити буквально одну проблему
🐈⬛ Насправді ж просто хочу показати вам геніальне рішення, яке мені запропонував Клодіс з extended thinking.
👍 Найкраща модель, по-іншому й не скажеш.
🫦 FUTURE : SIMPLE
✨ Оскільки вайб-кодинг сесія була короткою — вирішив це робити через звичайний Claude Desktop, запустив MCP для взаємодії з локальними файлами проєкту — ну добре, це я просто, щоб нагадати, що у мене є стаття про MCP)))))
🐈⬛ Насправді ж просто хочу показати вам геніальне рішення, яке мені запропонував Клодіс з extended thinking.
👍 Найкраща модель, по-іншому й не скажеш.
🫦 FUTURE : SIMPLE
05.03.202512:21
Скоро будуть, чесно😁
06.02.202513:08
💻 Порушую радіомовчання — я пропустив, але у Нейрокота вийшло відео про DeepSeek
Якщо коротко, то в Китаї знайшли спосіб перетворювати 6 мільйонів $ на півтора трильйони (спойлер: це не крипта).
Нейро кіт на монтаж витратив більше часу, ніж DeepSeek на тренування своєї моделі: контекст — вогонь, історія — майже як у Нолана, тільки з ейайчиком та мемами.
Отже, залітайте дивитися 👇🏻
🔮 Ось, тримайте лінк, поки його не засекретили як державну таємницю КНР (як, на жаль, сталось з попереднім відосом про ChatGPT).
Якщо коротко, то в Китаї знайшли спосіб перетворювати 6 мільйонів $ на півтора трильйони (спойлер: це не крипта).
😀 Виявляється, коли ти керуєш хедж-фондом і хочеш трішки просмажити американський фондовий ринок, достатньо просто «випадково» знайти на складі десь з десяток тисяч відеокарт, про які всі забули.
😮 А потім так само «випадково» випустити безкоштовну АІ-модель, про яку зараз навіть гаї шумлять. Modern problems require modern solutions.
Нейро кіт на монтаж витратив більше часу, ніж DeepSeek на тренування своєї моделі: контекст — вогонь, історія — майже як у Нолана, тільки з ейайчиком та мемами.
Отже, залітайте дивитися 👇🏻
🔮 Ось, тримайте лінк, поки його не засекретили як державну таємницю КНР (як, на жаль, сталось з попереднім відосом про ChatGPT).
Ko'rsatilgan 1 - 24 dan 49
Ko'proq funksiyalarni ochish uchun tizimga kiring.