Midjourney и другие нейросети обработки изображений - страница 1165
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
⚡️ Ультимативный бесплатный конфиг для вайбкодинга: Gemini 3 PRO + Cline
//я подробно всё описал и попросил Gemini 3 сделай рерайт в виде небольшого поста на форум
Многие сталкиваются с проблемой: Cline (через Grok Code Fast) удобен для правок прямо в IDE, но на сложных задачах начинает «тупить». В то же время топовые чат-боты вроде Gemini 3 PRO или Flash Thinking отлично соображают, но в больших файлах ленятся и пишут «замените этот кусок на тот», что дико неудобно внедрять руками.
Я нашел идеальную связку, которая экономит токены и бережет нервы:
Суть схемы:
Мозговой штурм: Идем в чат к мощной модели (Gemini 3 PRO, Flash Thinking или GLM 4.7). Скармливаем код и задачу.
Инструкции: Если файл большой и ИИ не дает полный код, просим его: «Напиши пошаговую инструкцию: что и в каких строках заменить».
Исполнение: Копируем этот ответ и кидаем в Cline (на бесплатном Grok Fast) прямо в VS Code.
Результат: Grok отлично справляется с ролью «рукастого джуна» — он четко вносит правки по готовой инструкции от «старшего брата», не плодя багов отсебятиной.
Почему это круто:
Экономия токенов: В основном чате не нужно перегенерировать огромные полотна кода. // т.к на этом этапе происходят разные упрощения, изменения того о чём не просили, но Gemini 3 PRO единственный кто в чате не косячит, но лимитов мало.
Надежность: Мощный интеллект думает — быстрый инструмент внедряет.
Контроль: Для проверки просто сохраняем файл, кидаем обратно в чат с вопросом «Так нормально?» и дошлифовываем.
Это, пожалуй, самый стабильный и полностью бесплатный способ вайбкодить в 2026 году.
The Pareto principle in trading is about finding the few factors that generate the most profit and discarding unnecessary everything.
That is, instead of trying to catch every tick and overloading the chart with dozens of indicators, you should identify the 20% of signals that generate 80% of the results .
//GPT5 text, Gemini 2.5 cover. Not the Holy Grail, but something new can be done.
Here are the top 5 indicator ideas built on this principle—not just another "redrawing arrow," but concepts that truly capture the essence of 80/20:
🧠 1. Pareto Volume Spike (PVS) - Volume Concentration Indicator
The idea: 80% of moves are formed in the 20% of the time when large capital enters the market.
Implementation:
Analyze the volume distribution by candles for the selected period.
Mark only the 20% of candles with the highest volume (Pareto cutoff).
Highlight areas of the chart where the volume exceeds this threshold - this is where a trend is likely to initiate.
📈 Application: Enter on pullbacks after such candles - essentially following the "smart money".
⏱ 2. Pareto Time Filter (PTF) — Time filter of trades
The idea: Not all hours of the day are created equal. 80% of strong moves occur in 20% of the trading time.
Implementation:
Analysis of volatility and volume history by time of day.
Allocating 20% to “golden hours” (for example, 10:00–11:00 and 15:30–17:00 Moscow time for the stock market).
The indicator highlights these zones on the chart, showing when it is really worth trading.
📈 Application: allows you to filter out “noise” and reduce the number of false entries, preserving the majority of your profits.
💡 3. Pareto Pattern Profiler (PPP) — Pattern selection based on profit
Idea: Of the dozens of visual patterns (flags, double bottoms, pin bars), only a few yield profit.
Implementation:
Collect statistics on the performance of each pattern over N periods.
Select those that give 80% profit with 20% frequency of occurrence.
The indicator highlights only these patterns, ignoring the “garbage” ones.
📈 Application: Can be integrated into a backtesting system—dynamically adapts the filter to the current market.
⚖️ 4. Pareto Risk-Reward Optimizer (PRO) - Dynamic Risk-Reward Optimizer
The idea: 20% of deals generate 80% of the profit, the rest are noise.
Implementation:
Analysis of transaction history and their distribution by risk/reward ratio.
Determines the range of the top 20% best trades (based on the R-set).
Automatically sets the target take-profit and stop-loss according to these ratios.
📈 Application: turns risk management into an adaptive system, not a fixed 1:2.
🔄 5. Pareto Momentum Selector (PMS) – Selecting the Best Assets
The idea: if you're trading a portfolio, 20% of your assets account for 80% of the movement.
Implementation:
Daily recalculation of asset returns and volatility.
Sorting by efficiency, highlighting the top 20% (Pareto front).
The indicator shows which assets are worth trading now.
📈 Application: acts as the "brain" of the strategy, concentrating capital only on effective instruments.
💬 Bottom line:
The Pareto approach to trading is essentially anti-algorithmic minimalism.
You don't try to calculate everything, but rather look for a small subset of market factors that provide the greatest advantage .
Such indicators help to "narrow your focus" and increase the likelihood of successful trades.
Почему AI-агентам необходим протокол «осознанного отказа»
//идея оформленная Gemini 3 PRO
В современной гонке вооружений LLM (Large Language Models) основной фокус смещен на увеличение контекстного окна, скорости инференса и точности генерации кода. Однако индустрия упускает из виду критический архитектурный изъян, который превращает даже самые мощные модели из помощников в разрушителей: неспособность признать поражение.
Текущие ИИ-кодеры страдают от «синдрома отличника» (sycophancy). Они запрограммированы всегда давать решение, даже если его не существует в их базе знаний или контексте. Это приводит к циклу бесконечных правок, наслоению ошибок и генерации нечитаемого «спагетти-кода». Следующий шаг в эволюции ИИ — это не написание кода быстрее, а умение вовремя остановиться.
Проблема «Петли Разрушения» (The Loop of Doom)
Типичный сценарий работы современного агента (например, в IDE) выглядит так:
Агент получает задачу.
Генерирует решение, которое вызывает ошибку компиляции.
Пытается исправить ошибку, добавляя «костыль» (hack).
Новый код ломает логику в другом модуле.
Агент пытается исправить и это, теряя изначальный контекст архитектуры.
В результате, вместо отсутствующей фичи разработчик получает сломанный проект, который приходится откатывать вручную. ИИ не обладает мета-познанием — он не понимает, что его действия ухудшают ситуацию.
Концепция «Честного Агента»: Fail Safe, Fail Fast
Для решения этой проблемы необходим сдвиг парадигмы: переход от линейного выполнения задач к циклической модели с жестким риск-менеджментом. Агент должен обладать правом (и обязанностью) на стратегическое отступление.
1. Бюджетирование попыток
Агент должен работать в рамках строгого лимита итераций.
Логика: Если тест не проходит после $N$ попыток (например, $N=3$), процесс принудительно останавливается.
Смысл: Это предотвращает глубокую галлюцинацию и попытки «подогнать» решение под ответ любыми средствами.
2. Принцип атомарности и отката (Git-based Sandbox)
Работа агента должна происходить в изолированной «песочнице» или временной ветке (feature-branch).
Условие: Если агент исчерпал лимит попыток и не добился «зеленых» тестов, срабатывает триггер ROLLBACK .
Результат: Кодовая база возвращается в состояние до начала работы над проблемной функцией. Проект остается чистым и рабочим.
3. Генерация «Отрицательного результата»
Вместо сломанного кода агент должен генерировать структурированный отчет (Human-Readable Log).
Пример вывода: «Я успешно реализовал структуру базы данных, но не смог внедрить модуль авторизации OAuth 2.0 из-за конфликта версий библиотек. Я откатил изменения, связанные с OAuth, и оставил заглушку TODO с описанием ошибки. Базовая система работает».
4. Обратная связь замкнутого цикла
Агент не может полагаться только на текст кода. Ему необходимы инструменты валидации:
LSP & Linter: Анализ синтаксиса в реальном времени.
Runtime Feedback: Возможность запустить проект и получить stack trace.
Computer Vision: Способность «видеть» UI, чтобы понимать, что верстка «поехала», даже если консоль чиста.
Инфраструктурные требования: Agentic IDE
Реализация такой логики требует выхода за рамки простых плагинов автодополнения. Необходима среда Agentic IDE, которая управляет не просто текстом, а состоянием проекта.
Такая среда должна включать:
Менеджер задач (Supervisor Agent): Надстройка над кодирующей моделью, которая оценивает прогресс и принимает решение об отмене задачи.
Snapshot-система: Мгновенные снимки файловой системы для быстрых откатов (быстрее и гранулярнее, чем git commits).
Изолированный контейнер: Docker-среда, где агент может безопасно выполнять команды терминала (установка пакетов, миграции БД), не угрожая основной системе разработчика.
Оценка эффективности внедрения
Ниже приведена оценка потенциала внедрения протокола «осознанного отказа» в современные инструменты разработки (Copilot, Cursor, Windsurf и будущие аналоги).
1. Шкала нужность (Necessity): 9/10
Обоснование: По мере роста автономности агентов, риск деструктивных действий растет экспоненциально. Без механизма «стоп-крана» полностью автономные агенты (которые пишут код без присмотра человека часами) невозможны в принципе. Это фундамент безопасности кода.
2. Потенциал реализации (Viability): 10/10
Обоснование: Технически это не требует изобретения нового AGI. Это вопрос инжиниринга (scaffolding) вокруг существующих моделей. Все компоненты (контейнеризация, git-автоматизация, парсинг логов) уже существуют.
3. Прирост эффективности (Efficiency Gain)
Внедрение такой системы изменит метрику «Время разработчика» (Developer Time) следующим образом:
Текущая ситуация: Разработчик тратит 30% времени на промптинг и 70% на ревью и (часто) исправление багов, внесенных ИИ. Часто проще переписать с нуля, чем чинить «галлюцинировавший» код.
С новой моделью:
Время на исправление ошибок ИИ стремится к 0% (так как сломанный код не попадает в main).
Время на анализ отчетов («почему не вышло») займет около 10-15%.
Расчетный прирост чистой эффективности: +40% ... +60%
Резюме
ИИ, который умеет сказать «Я не смог, поэтому я ничего не сломал», ценнее ИИ, который говорит «Я все сделал», оставляя за собой руины. Способность признавать ограниченность своих возможностей и обеспечивать стабильность системы — это ключевой признак зрелости инструмента, переводящий его из разряда «игрушки» в разряд надежного промышленного решения.
🚀 GLM-4.7-Flash: Быстрый MoE-инструмент для разработчиков и агентов
//текст, обложка Grok4.1
Zhipu AI (Z.ai) представила GLM-4.7-Flash — новую «легкую» модель в линейке GLM, теперь доступную в open-weight (на Hugging Face: zai-org/GLM-4.7-Flash) и через API. Модель позиционируется как прямой конкурент GPT-4o-mini и Claude 3.5 Haiku, с особым упором на автономных агентов и кодинг.
🛠 Техническая «начинка»:
📈 Главные достижения:
💡 Для чего использовать?
Вердикт: Настоящая «рабочая лошадка» для программирования и логики — перформанс уровня флагманов при минимальных затратах ресурсов и стоимости. Отличный выбор для локального запуска или бюджетных агентных систем.
//Если учесть, что Qwen и DeepSeek ещё не выпускали крупных обновлений пред празднованием Нового Года, стоит ожидать чего-то особенно мощного. GLM просто подкинул дровишек.
Полное гало: Земля под ударом экстремального солнечного шторма
https://xras.ru/magnetic_storms.html
//текст Gemini 3
Сегодня, 20 января 2026 года, наша планета столкнулась с одной из мощнейших магнитных бурь за последние десятилетия. Уровень возмущения магнитосферы вплотную приблизился к критической отметке G5 (экстремальный шторм). Что же произошло на нашем светиле?
Хроника космического удара
Событие началось в воскресенье с мощной вспышки в активном пятне AR4341. Вспышка класса X1.9 длилась аномально долго — почти 7 часов. Этого времени хватило, чтобы Солнце «выстрелило» в сторону Земли колоссальным объемом перегретой плазмы.
Астрономы классифицировали этот выброс как «полное гало». На снимках коронографов это выглядит как расширяющееся светлое кольцо вокруг Солнца. Для ученых это тревожный сигнал: такое «кольцо» означает, что облако плазмы летит не мимо, а направлено прямым курсом на нас.
Почему эта буря особенная?
Ситуация уникальна из-за наложения трех факторов:
Прямое попадание: Облако плазмы (CME) врезалось в магнитосферу Земли на скорости более 1000 км/с.
Эффект «догона»: Поток быстрого солнечного ветра из открытой корональной дыры подтолкнул основное облако, сделав удар более плотным и продолжительным.
Радиационный фон: Еще до прихода плазмы Землю накрыл поток протонов (шторм уровня S4), что стало серьезным испытанием для спутниковой электроники.
Чего ожидать на Земле?
При уровне бури G5 (или близком к нему) география полярных сияний расширяется до невероятных пределов. Аврору сегодня можно наблюдать в регионах, где её не видели десятилетиями.
Однако есть и обратная сторона: возможны перебои в работе GPS, временные проблемы с коротковолновой радиосвязью и повышенная нагрузка на магистральные электросети. Специалисты рекомендуют метеозависимым людям уделить больше внимания отдыху, так как подобные геомагнитные колебания могут влиять на самочувствие.
Недавно состоялся релиз HeartMuLa — это новое семейство open-source моделей для генерации музыки, которое уже называют серьезным конкурентом Suno и Udio. В отличие от многих закрытых сервисов, код и веса этой нейронки доступны на GitHub под лицензией Apache 2.0, что позволяет запускать её локально.
// текст gemini 3
HeartMuLa: «Suno в открытом доступе»
HeartMuLa (Music Foundation Models) — это не просто один алгоритм, а целая экосистема, состоящая из нескольких специализированных компонентов:
HeartMuLa-oss-3B: Основная языковая модель (LLM), которая генерирует музыку на основе текста, тегов и лирики. Она поддерживает множество языков, включая английский, китайский, японский и корейский.
HeartCodec: Инновационный кодек, который сжимает аудио до очень низкой частоты (12.5 Гц) без потери качества. Это позволяет модели «видеть» длинную структуру песни и сохранять музыкальную логику на протяжении нескольких минут.
HeartTranscriptor: Модель для распознавания лирики, оптимизированная под реальные песни (где голос часто перекрыт инструментами).
HeartCLAP: Система сопоставления звука и текста для точного поиска и понимания музыкальных стилей.
Ключевые фишки:
Глубокий контроль: В отличие от конкурентов, HeartMuLa позволяет задавать стиль не только для всей песни целиком, но и для отдельных её частей (вступление, куплет, припев) через текстовые промпты.
Четкость вокала: Согласно исследованиям разработчиков, HeartMuLa обходит Suno v5 и Udio v1.5 по качеству и разборчивости произношения слов.
Режим Audio2Music: Модель умеет делать каверы или достраивать музыку, основываясь на загруженном аудио-референсе.
Локальный запуск: Для работы модели требуется около 16–20 ГБ видеопамяти (VRAM), что делает её доступной для владельцев мощных домашних ПК.
Текущее состояние
На данный момент проект находится на стадии активного развития. Пользователи отмечают, что хотя качество звука иногда уступает топовым платным сервисам (заметна компрессия), возможность тонкой настройки структуры песни и открытость кода делают её лучшим выбором для разработчиков и энтузиастов.
Ссылки для изучения:
Код: GitHub HeartMuLa
Демо и примеры: heartmula.github.io
Пернатый питомец
//нейросеть
Глобальный ИИ-разрыв: Саммари отчета Microsoft (H2 2025)
//текст Gemini. Сам отчёт - https://www.microsoft.com/en-us/research/wp-content/uploads/2026/01/Microsoft-AI-Diffusion-Report-2025-H2.pdf
Мир стремительно погружается в эру искусственного интеллекта, но делает это крайне неравномерно. Новый отчет Microsoft фиксирует, что к началу 2026 года каждый шестой житель планеты (16,3%) регулярно использует генеративный ИИ. Однако за общими цифрами скрывается глубокая пропасть между лидерами и остальным миром.
Ключевые выводы и мировые тренды:
Новые лидеры: На вершине рейтинга закрепились ОАЭ (64%) и Сингапур (61%). Эти страны создали уникальные условия для внедрения ИИ во все сферы жизни — от образования до госсектора.
Дистанция «Севера» и «Юга»: Использование ИИ в развитых экономиках (Глобальный Север) растет вдвое быстрее, чем в развивающихся. Уровень проникновения технологий здесь достиг 24,7%.
Феномен DeepSeek: 2025 год стал годом триумфа открытых моделей. Китайская платформа DeepSeek показала взрывной рост, став основным инструментом в регионах, где доступ к западным сервисам затруднен.
США теряют позиции: Несмотря на технологическое лидерство, по уровню реального использования ИИ населением США занимают лишь 24-е место (28,3%).
Объективности ради: взгляд на ситуацию в России
В рейтинге Microsoft Россия занимает 119-е место с показателем использования ИИ около 8%. Эти цифры выглядят сенсационно низкими, однако при детальном анализе становятся понятны причины такого статистического перекоса.
Для формирования объективной картины стоит учитывать три критических фактора:
1. Особенности телеметрии и «цифровая слепота». Методология Microsoft опирается преимущественно на данные собственной экосистемы (Windows, Copilot, Edge) и активность на официальных сайтах западных разработчиков (OpenAI, Anthropic). Поскольку компания официально свернула многие операции в России, её инструменты просто не фиксируют активность миллионов пользователей, которые работают с ИИ вне этой экосистемы.
2. Невидимый слой трафика. Значительная часть российских пользователей обращается к глобальным ИИ-платформам через альтернативные технические маршруты и конфигурации сети. С точки зрения серверов Microsoft, такие запросы выглядят как трафик из Нидерландов, Германии или других стран. Это искусственно занижает показатели России в статистике и «дарит» цифры активности другим регионам.
3. Мощный внутренний рынок и альтернативы. Отчет практически полностью игнорирует локальных гигантов — YandexGPT (Алиса) и GigaChat (Сбер). Эти сервисы глубоко интегрированы в российскую цифровую среду: от умных колонок в каждой второй квартире до банковских приложений. Если суммировать пользователей отечественных LLM и тех, кто использует зарубежные модели через непрямые каналы доступа, реальный процент вовлеченности населения будет в разы выше 8%.
Басня об ИИ и Неумелом Юзере
//Gemini 3 Flash
//При желании с 2-3 промтов можно довести рифму до совершенства
Слух по лесу прошёл, что диво появилось: В компьютере «Нутро Разумное» открылось! Лиса — в восторге: «Гляньте, господа, Как я в картине этой молода! Смотрите: хвост пушист, и на щеках румянец, И на когтях горит заморский глянец!» Медведь ворчит: «А мне оно за час Напело песен — заслушаешься нас! И код к берлоге «умной» написало, Чтоб мёда в сотах больше прибывало».
Услышал то Осел. «А я чем не мастак? Нажму на кнопку — и свершится так! Зачем учиться, тратить дни на скуку, Когда Машина знает всю науку?»
И вот Осел засел за свой экран: «Хочу, — кричит, — чтоб я был как султан! С кобылой в вальсе, в золотом саду!» Нажал — и вмиг попал в беду. Глядит: в саду у той кобылы Шесть ног торчит, как старые вилы, У самого Осла — под мышкой третий глаз, А нос взошёл над бровью, словно спас!
Решил запеть — Машина выдает: «Трава бежать... корова... самолет...» Ни рифмы нет, ни смысла, ни души, Хоть уши сразу воском затуши! Полез он в код (затеял «вайб» крутой), Но код — немой, кривой и пустой: Берлога рухнула, и мёд утёк в овраг... «Обман! — вопит Осел. — Машина — злейший враг! Галлюцинаций рой! Сплошная ложь и бред!»
Но тут Кот Мудрый дал ему совет: «Ты взял модель, что со времён потопа, Ввёл «сделай круто» — и сидишь как олух... Чтоб ИИ тебе служил, как верный паж, Нужна сноровка, ум и пилотаж! Промт выверь точно, сервис выбери посильней, Да голову включи — она всего важней!»
Мораль
Коль хочешь результат иметь от Сил Искусственных, Сначала приложи хотя бы часть Естественных.
Небольшой эксперимент по объединению трёх книг
Промпт: Привет. Какие из последних книг тебе известны по мотивации. Напиши топ3, опиши каждое в один абзац. Я выберу одну для изучения
В конце ответа получил: Что из этого вам ближе? Если выберете одну, я могу подробнее раскусить её главные методики или даже составить для вас план внедрения советов из неё в жизнь.
Промпт: Давай первую. И напиши максимально огромную выжимку из неё, чтобы всё было понятно до мелочей
Итак ещё 2 раза.
Финальный промпт: На основе всех трёх книг собери один большой структурированный лонгрид, отдельно делая акцент на практике и получаемых выгод
Ответ Gemini 3 Flash:
Этот лонгрид объединяет три разные философии — радость (Абдаал), волю (Моррисон) и систему (Клир) — в единую сверхэффективную стратегию управления жизнью.
Ультимативный гид по продуктивности: Энергия, Система, Прорыв
Многие пытаются стать продуктивнее, просто работая больше. Но это путь к выгоранию. Чтобы достичь выдающихся результатов, нужно работать на трех уровнях: состоянии, механике и мышлении.
I. Фундамент: Энергия и Состояние (по «Feel-Good Productivity»)
Суть: Ваша продуктивность напрямую зависит от вашего настроения. Счастливый мозг работает на 30% эффективнее.
Практические действия:
Принцип «Игривого любопытства»: Перед сложной задачей спросите себя: «Как бы я сделал это, если бы мне было весело?». Добавьте музыку, смените локацию или соревнуйтесь с таймером.
Эффект сопричастности: Если задача «не идет», созвонитесь с другом в Zoom или пойдите в кафе, где работают другие. Присутствие людей снижает психологический барьер.
Аудит энергии: В течение дня отмечайте, какие задачи вас «заряжают», а какие «опустошают». Старайтесь ставить «заряжающие» дела на периоды спада продуктивности.
Ваша выгода: Вы перестаете воспринимать работу как каторгу. Исчезает хроническая усталость, а креативность растет, так как мозг в состоянии покоя лучше генерирует идеи.
II. Механика: Атомные Системы (по «Atomic Habits»)
Суть: Мотивация переменчива, система — надежна. Вы то, что вы делаете каждый день.
Практические действия:
Правило 2-х минут: Любое новое начинание (йога, чтение, код) должно занимать меньше 120 секунд в начале. Цель — не результат, а стать человеком, который не пропускает.
Наслоение привычек: Привяжите новое действие к уже существующему ритуалу.
«После того как я почищу зубы, я 2 минуты помедитирую».
Дизайн среды: Сделайте хорошее очевидным, а плохое — невозможным. Уберите телефон в ящик, положите книгу на подушку.
Ваша выгода: Вы экономите колоссальный объем силы воли. Полезные действия выполняются на автопилоте, освобождая ресурс мозга для решения действительно сложных задач.
III. Прорыв: Выход из колеи самосаботажа (по «Exit the Wheel»)
Суть: Даже лучшая система сломается, если ваш мозг боится успеха и тянет вас обратно в привычное болото.
Практические действия:
Техника «Стоп-кадр»: Когда вы ловите себя на мысли «сделаю это завтра» или «я не справлюсь», зафиксируйте это. Спросите: «Это говорит мой страх или реальность?». Осознание — 50% победы над саботажем.
Идите на дискомфорт: Раз в день делайте то, что вызывает легкий страх (звонок клиенту, честный разговор). Это тренирует «мышцу смелости» и расширяет вашу зону контроля.
Радикальная ответственность: Перестаньте искать виноватых в обстоятельствах. Примите установку: «Я не выбирал ситуацию, но я выбираю, как из нее выйти».
Ваша выгода: Вы обретаете психологическую устойчивость. Внешние кризисы больше не выбивают вас из колеи, а внутренний критик замолкает, уступая место решительному лидеру.
Единый алгоритм внедрения (Ваш план на неделю)
Итоговая выгода системы:
Применяя эти три подхода вместе, вы получаете «Святой Грааль» личной эффективности: вы двигаетесь к целям быстрее (Клир), делаете это с удовольствием (Абдаал) и гарантированно не бросаете на полпути из-за внутренних страхов (Моррисон).