GPT-6 Astra: 15 Use Cases — Full Breakdown & Transcript

[00:00] Как вы наверняка слышали, GPT-6 Astra вышла, и она не просто лучше справляется с обычными задачами, она делает совершенно новую категорию вещей, которых раньше не было. У многих людей был ранний доступ к этой модели, и они уже вытолкнули ее за пределы того,

[00:15] чего нейросети могли достичь до сих пор. Поэтому в этом ролике я покажу вам 15 моих любимых примеров. Я отобрал их из сотен примеров, которые люди выложили в соцсети X и по всему интернету.

[00:27] способа применения и вещи, которые эта модель делает впервые. Раньше такое было невозможно, точно не на таком уровне. И один важный для меня нюанс. Мы не будем разглядывать только впечатляющие копии городов и памятников в трёхмерном виде. Сначала то, что можно применить

[00:40] в работе уже завтра. Надеюсь, часть из этого вы заберёте себе и внедрите в свою жизнь и свой рабочий процесс. А в конце пара примеров, от которых отвисает челюсть. Но прежде чем вернуть в это, оговорюсь. Пересказ самого релиза модели не главная задача этого ролика. Хотя 30 секунд

[00:55] на него я все же потрачу, потому что пост с анонсом действительно впечатляет. Итак, сначала тесты. Astra обошла к тех предшественников почти на каждом из них. Особенно впечатляет управление компьютером, то есть модель сама водит мышкой по экрану и делает работу за человека. Это очень

[01:10] сильно. Мне всегда нравятся еще и профессиональные тесты, а модели решают настоящие рабочие задачи, и здесь она разносит всех в пух и прах. И еще одна очень интересная вещь – длинный контекст. Его Его хвалят многие люди, и на тестах она тоже обходит всех предшественников.

[01:26] То есть целую гору информации она действительно запомнит целиком и в деталях. Предыдущие модели тоже заявляли о такой способности, но на большом объеме у них наступала самая настоящая амнезия. Хорошо, это тесты. Дальше в посте целая куча разных графиков.

[01:40] Они показывают, насколько Astra хороша, насколько она лучше всех конкурентов. И да, это настоящие данные, а не картинки для красоты. Но мне лично гораздо интереснее другой вопрос. Как мне применить все это в своем мире? Вот про это наш ролик. И про это же большая часть самого поста. Там встроены разные маленькие игры, в них можно поиграть прямо на странице. Честно, выглядят они отлично. Но помимо этого вы быстро заметите одну вещь. Очень многие демонстрации сделаны в программах для трехмерной графики. Astra просто безумно хороша в трехмерном моделировании, создании трехмерных миров, в Unreal Engine, во всем объемном вообще. К этому мы вернемся в самом конце ролика. Поэтому давайте разберем некоторые из этих примеров. Кое-где я добавлю детали из поста, их вы сможете проверить сами.

[02:21] Кстати, ролик с презентацией у них просто потрясающий. Отличный просмотр для тех, кто еще не видел. Он стоит в самом верху поста с анонсом. Но сейчас начнем с самых практичных примеров и способов применения от самых разных людей со всего интернета.

[02:35] И сразу короткое. Все промты из этого ролика, инструкции и разборы новостей я выкладываю в своем телеграм-канале. Промты для работы, для учебы, для заработка. Все бесплатно. Кстати, ссылка в описании. И в комментариях, и на QR-коде.

[02:48] Там же лезут ссылки на все 15 примеров из этого ролика. Каждый первоисточник вы сможете открыть сами и перепроверить любую мою фразу по каждому из 15 примеров. Начнем с самого близкого мне. Создание контента и письмо.

[03:01] Дэн Шиттер поделился в соцсети X вот чем. И мне это показалось особенно интересным. Он говорит, что это лучшая модель для письма из всех опробованных им. Она быстрая, видимо, на низком уровне рассуждений. Уровень рассуждений – это сколько модель думает перед ответом.

[03:13] На низком она отвечает почти сразу. Выдает очень мало мусора. Мусор это те пустые обороты, по которым текст нейросети видно с первой строки. И легко управляется. То есть хорошо следует инструкциям. Кстати, не у каждой модели это есть. Вы наверняка и сами это знаете.

[03:28] Часто пишет что-то в запросе. Особенно сейчас с Opus M5 от Клода, например. И модель просто не соблюдает все. Она как будто говорит, «Окей, ты это сказал, но я сделаю по-своему. У меня свои идеи». Легко управляется. Вот это я люблю слышать.

[03:41] И еще он пишет, это хороший напарник для ежедневной работы над текстами. А он, кстати, отличный автор, так что его словам я доверяю. Потому что, честно говоря, это одно из главных применений для большинства людей.

[03:53] Просто писать тексты. Документы, отчеты, статьи. Или просто ответы, которые кто-то читает и что-то с ними делает. Тексты по-настоящему важны для всех нас. Как это выглядит в работе? Вам нужно письмо клиенту с отказом, который не испортит отношения.

[04:06] Вы даете ей свои условия и получаете письмо ровно по ним без отсебятина. И похоже, здесь она очень сильна, и это подтверждают уже несколько человек с самым ранним доступом к модели. Здесь я остановлюсь буквально на минуту, потому что письма и тексты это не просто удачный пример из ролика, это то, за что прямо сейчас платят деньги.

[04:23] Посмотрите, что висит на Headhunter. Больше тысячи удаленных вакансий, где прямо в тексте написано слово нейросети. Контент менеджеров ищет около 800 компаний, SMM менеджеров больше 1200. То есть спрос на людей, которые делают тексты вместе с нейросетью уже есть.

[04:37] И связан он именно с нейросетями. Это не абстрактный рынок будущего. Это открытые вакансии на сегодняшний день. Их можно открыть и прочитать самому. Но об этом чуть позже. А пока смотрим дальше, потому что следующий пример уходит совсем в другую сторону,

[04:50] и там нейросеть села за монтаж видео. Final Cut Pro это профессиональная программа для монтажа видео на компьютерах Apple. Импортировать определенные файлы, сделать цветокоррекцию, то есть подправить цвета в кадре до приличного презентабельного вида.

[05:02] А потом синхронизировать разные клипы между собой, чтобы запись экрана совпадала с видео с камеры. Это стандартный процесс для любого ролика, который мы делаем здесь на этом канале И вообще для любого учебного видео Так, и это на самом деле было довольно интересно смотреть

[05:16] Они комментируют вживую, пока она подтягивает файлы в проект Она даже создала отдельную папку для всех материалов Так удобнее и не делиться А потом она создает последовательность и правильно все синхронизирует И пробует сделать цветокоррекцию

[05:28] Справляется нормально, так я бы сказал А дальше она идет еще на шаг дальше Она сама находит несколько звуковых дорожек Выбирает одну, самую лучшую по качеству, и удаляет остальные. То есть она вышла за рамки просьбы, но сделала для них очевидно полезную вещь.

[05:43] Если вы монтируете ролики для своих клиентов или записываете уроки, самая нудная часть у вас та же. Раскидать файлы по папкам, выровнять звук, подогнать цвет, именно ее здесь и отдали машине. Понятно, это не полноценный набор тестов на монтаж.

[05:56] Они ничего по-настоящему не смонтировали. Им не пришлось принимать никаких сложных решений. Она просто выполнила процесс, который они повторяют каждый раз на каждом проекте Так что я не знаю точно, куда это будет развиваться Не знаю, достаточно ли хороша эта модель уже сейчас

[06:10] Увидим в ближайшие дни и недели Сможет ли она сама принимать решение про каждый кусок Убрать его или оставить в монтаже Но могу сказать одно До сих пор ни одна модель не была хоть сколько-нибудь полезна в таких задачах

[06:22] Слишком ненадежно все было А вот это выглядело по-настоящему солидно и надежно С первого до последнего шага в чужом проекте И вот на этом месте покажу пару примеров из своей собственной работы, потому что все это я уже несколько лет делаю руками вместе с нейросетями.

[06:36] Пример первый. Телеграм-канал бренда. Мне присылают три ссылки на прошлые посты и тему недели. Я пишу промт, нейросеть выдает план на неделю и семь черновиков. Дальше я правлю факты и убираю мусор. На весь канал уходит один вечер вместо недели.

[06:51] Пример второй. Статьи для дзена под компанию, которая ставит окна. Даю нейросети три чужие статьи как образец стиля и одну боль клиента. Получаю статью, которую редактирую 20 минут. Такие статьи не делали для настоящих клиентов.

[07:04] Скриншоты их каналов сейчас на экране. Теперь почему это важно именно сейчас? Коммерсант писал о сокращении расходов на маркетинг. Больше половины компаний их режут. Вести писали со ссылкой на опрос 265 компаний.

[07:17] 23% предприятий планируют урезать штаб до конца года. Причем это ВБЕР, Газпром, РЖД, ВЭБ и власти Москвы. И среди причин там прямым текстом стоит внедрение искусственного интеллекта.

[07:29] При этом контент никуда не делся. Авто, статей и рассылок нужно столько же или даже больше. Бизнес не перестал продавать. Он перестал платить за это троим сотрудникам. Ух ты, теперь один человек с нейросетью делает работу троих.

[07:41] Без нейросети это чисто физически не успеть. Поэтому и появилась новая профессия, где человек объясняет нейросети задачу и потом доводит ее текст до нужного результата. И вот здесь у многих людей возникает один совершенно честный вопрос, и я отвечу на него прямо сейчас.

[07:57] И вот здесь честная развилка. Всему этому можно научиться и самому. Проверьте себя. Вы наверняка уже видели десяток роликов про нейросети. Покажите текст, который вы после них написали. Очки ни у кого его нет. И это нормально. Рынок есть, это мы только что увидели.

[08:10] Но между этим пониманием и первыми деньгами лежит ровно одна вещь. Умение понять, что текст получился хороший. Пока вы этого не чувствуете, толку не будет. Ни задачу нейросети нормально поставить, ни оценить, что она выдала. Сама она вам этого не скажет.

[08:23] Она обучена быть приятной и хвалит почти любой текст. Значит, решение остается за вами. Поэтому у меня есть марафон по копирайтингу с нейросетями для новичков.

[08:43] На выходе первые работы с портфолио, которые уже посмотрел редактор. Набор ограничен, потому что кураторы доходят до каждого текста. Кстати, ссылку я оставил в описании и в комментариях, она же есть на QR-коде.

[08:55] А мы возвращаемся к Астре. И следующий пример как раз про личную базу знаний, собранную из всей рабочей истории одного человека. Пример от Итана Молика по-настоящему интересен И мне кажется, многие могли бы это повторить у себя

[09:07] Раз уж мы заговорили о контексте Он просто собрал дикий из всего своего рабочего контекста целиком Это не тот точечный контекст из моего рассказа минуту назад Вот я, помоги мне применить это к моей работе

[09:19] Это скорее так Вот вообще все, Маниколь, еле Он сделал следующее Он поручил GPT-6 Astra прочитать горы своих писем за много лет Свои тексты, записи в календаре и многое другое То есть можно скормить ей всю переписку в рабочем мессенджере, все почтовые ящики и все в таком дусе.

[09:35] А потом он собрал из этого личную Вики. Кстати, если не знакомы с идеей, Вики это как своя маленькая Википедия только про вашу работу. Личную Вики популяризировал Андрей Карпат из начала этого года. По сути это превращение всех ваших документов в хранилище текстовых файлов.

[09:49] И все они связаны друг с другом ссылками. Просто поищите в интернете Вики Андрея Карпатова. Там больше подробностей про саму идею и про способ ее собрать. Но в общем он сделал такое для всей своей личной жизни с помощью Астры.

[10:01] И теперь нейросеть несколько раз в день присылает ему сводку, что стоит держать в поле зрения, или что может его заинтересовать. Интересно, правда? То есть он взял всю свою рабочую историю, и теперь она подсказывает ему возможные интересы в будущем, использует прошлое для предсказания будущего.

[10:17] Тоже довольно умная схема, и вы тоже так можете. Например, менеджер проекта вскармливает ей переписку по всем клиентам за пару лет, и перед каждым созвоном получает справку, о чем с этим клиентом уже договаривались и что ему обещали. Несколько моментов, которые он сам подчеркивает.

[10:31] Он дал нейросети доступ к своему компьютеру, то есть она сама им пользовалась. Для этого он, скорее всего, использовал настольное приложение с этой моделью. И, похоже, шла она к цели несколько дней подряд. Можете себе представить, сколько токенов это стоило?

[10:45] Токены – это единицы, в которых считают объем текста и оплату работы модели. Наверняка больше обычной подписки. Цены на эту модель я в ролике разбирать не буду, все это подробно есть в посте с анонсом. Но многодневный прогон. Я не знаю,

[10:58] шел ли он напрямую через программный доступ или через настольное приложение по подписке. Но это может стоить в разы дороже обычной подписки. Завидится от многих факторов. От кэширования, от уровня рассуждений модели. С него не брали денег за

[11:10] токены с тестовый период. Но да, я не знаю. По прикидке автора того ролика это дорого. Не знаю. Возможно оно того стоит. Такую вики создаешь один раз и потом просто пользуешься. Еще есть фактор риска.

[11:22] Все-таки вы даете ей доступ к своему компьютеру. Но честно, автор того ролика не встречал людей с проблемами через официальные приложения. Вроде настольного приложения ChatGPT. Проблемы у людей начинаются в агентах для программирования через терминал.

[11:35] Агент это режим, в котором нейросеть не отвечает на вопрос, а сама выполняет цепочку действий на вашем компьютере. Вот там что-то может пойти не так. И да, для всех любопытных в комментариях, он отдельно отмечает одну деталь. Для Вики использовался Obsidian.

[11:48] Это бесплатная программа для заметок. Она хранит их обычными текстовыми файлами у вас на компьютере Как у большинства, кто такое собирает Кстати, у автора того ролика стоит та же связка Obsidian с синхронизацией между ноутбуками и его основной агент

[12:01] Он говорит, так к этому прирос и так все под себя настроил Поэтому до сих пор пользуется именно этим И тут же заметил одну вещь На компьютере для записи Obsidian у него не синхронизирован Синхронизация у него между рабочим компьютером и ноутбуком, который всегда с собой

[12:16] Это его станция для записи роликов Ладно, идем дальше Следующий пример показывает уже не личную работу одного человека, и на этот раз это целая маркетинговая компания. История, которая мне особенно нравится, потому что она целиком про обычную офисную работу.

[12:30] Возможно, вы найдете в ней вдохновение для чего-то своего. Сама OpenAI рассказала вот что. Astra помогала им вести компанию по запуску самой Astra. Посмотрите на все эти задачи, которые она делала. Один этот список уже годится как перечень разных поручений для нее.

[12:43] Создание и введение Google таблиц с данными. Создание и обновление плана коммуникации по мере движения команды. Черновики-питчи для журналистов и управление эмбарго. Питч – это короткое письмо журналисту с предложением темы.

[12:55] А эмбарго – это договоренность не публиковать новость раньше назначенного часа. Отслеживание ответов на письма. Брифинги для прессы и журналистов. Создание фирменных PDF для блогов. А потом сверка итогового результата. Тем самым выпуском на совпадение.

[13:07] Сбор всех материалов от разных команд и сборка пресс-китов. Пресс-кит – это папка с готовыми материалами для прессы. Отслеживание упоминаний модели по всему интернету в реальном времени Автор того ролика собрал себе такую же штуку

[13:19] Из нее он и сделал свой обзор Она создала сайт для анализа всех публикаций и реакций в соцсетях А потом написала отчет со сводкой всего этого И тогда сотрудница могла сосредоточиться на более тонких вещах Не на ведении гугл таблиц и не на создании PDF

[13:33] А на общении внутри команды и на общей истории и стратегии На проведении самих созвонок На полноценном ночном сне На наблюдении за ситуацией и на решениях, которые нужно принимать со всей этой информацией на руках. Мне кажется, это очень хорошо составленный список,

[13:46] что должна делать нейросеть и что должен делать человек. Если вы ведете запуск чего угодно, хоть курса, хоть акции в магазине, список у вас тот же. Таблица с задачами, письма партнерам и отслеживание, кто что ответил. И если вы смотрите на это и думаете так,

[13:59] «Боже мой, некоторые из этих задач напрямую попадают в область моей оплачиваемой работы», тогда стоит подумать вот о чем. Как эти инструменты могут усилить вашу работу, чтобы вы могли больше заниматься стратегией и общением с людьми.

[14:12] Понимаю, это подходит не всем и не для каждой работы, но, скорее всего, именно туда все это нас и ведет. И следующие примеры показывают это очень хорошо и очень наглядно. Для любого человека с офисной работой. Вернемся на секунду к той маркетинговой компании.

[14:25] Формально ее вела нейросеть, но задачу ей ставил живой человек. И знал он далеко не только слова. Он знал, кому это читать, в каком формате и ради чего компания вообще все это затеяла. Вот за что сейчас платят деньги.

[14:37] Не за красивые предложения сами по себе, за текст, после которого компания заработала. Посмотрите на вакансии, они сейчас на экране. Редактор телеграм-канала от 150 тысяч. Начинающий контент-менеджер от 70 тысяч без опыта.

[14:49] И самое показательное, даже сами нейросети учат писать люди с текстами. Яндекс.Избир набирают таких сотнями. Вакансия называется AI-трейнер. 260 по стране, почти все удаленные. Потолок до 133 тысяч.

[15:02] Программирование не требует нигде. Требует грамотный русский и опыт работы с текстами. Ровно этому мы и учим на марафоне по копирайтингу с нейросетями. Как поставить задачу нейросети? Как понять, ради чего вообще пишется текст? И как устроены форматы, за которые платят?

[15:16] Дальше можно пробовать себя и редактором 10 телеграм-каналов или каналов на Дзене. Ключница нашей школы Анастасия устроилась контент-маркетологом. За полгода выросла с 40 до 80 тысяч. Теперь руководит командой авторов.

[15:28] Ссылку я оставил в описании и в комментариях. Она же есть на QR-коде. А мы возвращаемся к Астре, потому что впереди еще 11 примеров, и дальше они становятся только интереснее. А этот пример уходит в область производства видео.

[15:40] Один запрос создал целый учебный ролик. Мы уже видели Fable 5 и 5.1, которые вышли на этой неделе. Они очень впечатляют в производство видео и в Motion Graphic, и во всем таком. Motion Graphic это анимированные схемы и надписи прямо в видео.

[15:54] Но с первого взгляда вот это выглядит как следующий уровень. Это просто чисто. Посмотрите на это видео. Это ролик на несколько минут. И мне трудно найти в нем хоть что-то очевидно неправильное. И заметьте, это не какая-то заранее заготовленная презентация, вылизанная до блеска.

[16:09] Это просто один запрос, который звучит так. Создай короткий учебный ролик про Т-клетки. Так что да, это уже нечто вполне конкретное и полезное. Раньше такие ролики тоже существовали. Их можно было делать в сервисах вроде ноутбук LM от Google.

[16:22] Это сервис, который делает из ваших документов пересказы и короткие ролики. Но часто в них были артефакты. Смотришь и сразу думаешь. Вот это очевидно неправильно, этого здесь быть не должно. А вот это выглядит все чище и чище. И этот порог очень важен.

[16:34] Как только результат нейросети перестает очевидно вонять мусором, люди начинают этим пользоваться. Представьте, вы отвечаете за обучение новичков в компании. Одна инструкция превращается в короткий ролик. И вам больше не нужно объяснять одно и то же каждому новичку лично.

[16:48] И мне кажется, этот порог мы только что перешагнули сразу для многих сценариев из сегодняшнего ролика. А вот этот пример интересен другим. Вы, возможно, найдете способ применить его для себя лично.

[17:22] Буквально через секунду мы увидим еще примеры такого подхода, а потом использовать полученный результат каким-то другим способом. В этом случае результат это цены всех накопителей и всей памяти, которую он купил за годы, и она сравнивает их с текущей рыночной ценой. Но здесь есть настоящая

[17:37] закономерность, правда. Подумайте о таком. Извлечь одно конкретное знание из массива данных, которые у вас уже есть, а потом использовать это знание для сравнения с чем-то еще в реальном мире. Подумайте, сколько знаний прячется у вас в почте.

[17:49] Там может быть очень много всего полезного. Например, фрилансер за годы накопил гору писем от заказчиков. Он просит собрать из них все правки, которые повторялись, и получает список того, что стоит прописывать в договоре заранее. Так вот, если контекст у вас настроен правильно, можно просто

[18:03] зайти в чат GPT или в Клод и спросить, слушай, как мне применить эту схему, этот сценарий к моему миру, к моей работе, к моей личной жизни и быту. Нужен только правильно собранный контекст. Контекст это все, что модель знает о вас и о задаче

[18:16] до того, как начнет отвечать. В любом случае, это просто небольшая заметка про правильную сборку контекста. Давайте посмотрим на следующий сценарий, и он, мне кажется, одним из самых полезных во всем списке. А вот пример, который остро

[18:28] практичен для очень многих людей, потому что это закономерность. И особенно я хотел выделить вот этот юридический кейс. Одна юридическая команда пишет следующее. На их собственном тесте результат подскочил очень резко. Это огромный скачок.

[18:40] А задача была такая – проверить соглашение о неразглашении на соответствие внутренней политике компании по договорам. Соглашение о неразглашении – это договор, по которому вы обещаете не рассказывать чужие секреты. Такое подписывает почти каждый фрилансер перед крупным заказом.

[18:54] И просто прийти к правильному вердикту здесь было бы недостаточно. Нужно было точно сослаться на тот пункт, который за этим стоит. Так вот, обе модели отказались одобрить этот черновик. Он действительно не соответствовал политике.

[19:06] Но только Astra указала на точную формулировку политики, которая все решала. GPT 5.6 пришла к тому же выводу, но без ссылки на пункт. Для вас это выглядит так. Заказчик прислал договор на много страниц.

[19:18] Вы просите сверить его с вашим обычным шаблоном. И вместо общего ощущения получаете точный пункт, где условия хуже ваших обычных. И мне кажется, именно этот пример по-настоящему огромен. Эта способность еще и проверяет свою работу.

[19:30] Это большая закономерность, которую я вижу во многих этих примерах. Она не просто выдает результаты получше. Она работает с компьютером, и с данными, и с контекстом, и приходит к выводам, которые можно защитить. А ведь именно за это многие люди до самого последнего времени и отмахивались от всех нейросетей.

[19:46] Потому что в следующем примере Астра координировала целую армию агентов. Агент, напомню, это нейросеть, которая сама делает шаги до результата. А армия агентов – это когда одна главная нейросеть раздает куски работы многим таким помощникам.

[19:59] Они проверяли несколько разных финансовых моделей. Финансовая модель – это большая таблица, где посчитано, сколько бизнес заработает и потратит. По сути, следили за верностью всей информации, то есть делали ту самую перепроверку.

[20:11] А она часто была камнем преткновения для многих людей. Ну хорошо, нейросеть что-то создает, а кто потом убедится в правильности результата? Так вот, он пишет следующее. Он дал ей несколько финансовых моделей. Астра проверила все, сравнила результаты с исходными таблицами и исправила все ошибки.

[20:27] Понятно, такие вещи трудно проверить, и у нас пока нет тестов на надежность подобной работы. Но чем умнее становятся эти модели, тем сильнее напрашивается простая мысль. Они становятся и надежнее тоже, и перепроверка источников теперь вполне возможна.

[20:41] Картинка из офиса такая. Бухгалтер или маркетолог собрал квартальный отчет в большой таблице. Вторая нейросеть пересчитывает каждую формулу и сверяет с исходными выгрузками до того, как отчет идет руководителю. Одна нейросеть что-то создает.

[20:54] А потом запускаете еще армию агентов только для перепроверки всего. И тогда границы возможного для обычной работы с таблицами и цифрами сдвинутся очень далеко за пределы сегодняшних. Так что давайте посмотрим на следующий пример того же самого в действии.

[21:07] Уэйд Фостер показывает несколько примеров из их прогонов на тесте по автоматизации. По сути, это практический тест на реальных задачах из жизни. Тех самых, которые вы и сами хотели бы автоматизировать. Один пример он приводит такой. Перераспределить квартальный рекламный бюджет по фактическим итогам прошлого квартала.

[21:22] И они сравнивали ее с предыдущей лучшей моделью OpenAI по имени Sol. Результат Sol выглядел законченным, но доли бюджета в нем были посчитаны неверно. А Astra нашла нужные поправки к долям, и каждое число сошлось до копейки.

[21:34] Опять та же самая петля. Она проверяет себя, просто делает это умнее, и сама по себе умнее в деле. Есть и другой пример, где Sol на самом деле обошла Astra, но совсем чуть-чуть, на волосок. Потому что Sol получила частичный зачет за задачу, а Astra просто сдалась.

[21:48] Когда найти нельзя, работа останавливается вместо импровизации. И это стоит уложить в голове. Потому что до сих пор мы привыкли к другому. Нейросеть идет вперед и старается как может. Потом вы ее поправляете. Эй, это совсем не то. Ты что вообще делаешь?

[22:01] А она с готовностью отвечает. Вы правы. И делает правильно. Но если она говорит вам это раз за разом, доверие к ней просто пропадает. Вы такой. Ладно, почему ты каждый раз приглашаешься со мной? Может, сам будешь прав для разнообразия?

[22:14] И вот это изменение я здесь и вижу. Или читая его между строк. Точнее, такое ощущение у меня складывается при чтении между строк всего сделанного людьми с этой моделью. И если вам важны результаты этого теста на автоматизацию, его проводит Zapier.

[22:27] Если не знаете, это сервис, который связывает программы между собой. Пришло письмо, строка сама появилась в таблице, менеджеру ушло уведомление, а Уэйт, между прочим, сооснователь и глава Zapier, Astra на максимальных настройках просто разносит даже Fable 5.1,

[22:41] и Gemini, и Sol, и все остальные модели тоже. И все это при сопоставимой с Fable 5.1 цене. Интересно Для вашей работы это значит простую вещь Если вы поручили ей разнести данные по таблице

[22:53] И нужного файла нет Она скажет об этом И она не станет рисовать правдоподобные цифры Вместо недостающих данных И вы не понесете такую таблицу начальник Отлично Дальше контроль качества с Астрой Она очень хорошо пользуется компьютером

[23:05] Она гораздо точнее и гораздо умнее Она просто лучше по всем фронтам Умнее по всем фронтам Точнее по всем фронтам И поэтому теперь можно сделать контроль качества На новом уровне точности Вот Клара в соцсети X выделяет целую кучу разных сценариев.

[23:18] Но особенно мой интерес зацепил один. Проверка качества через браузер. Она пишет это просто откровенно лучше, чем раньше. И процесс проверки шел очень долго. Она по-настоящему прощелкала все кнопки. Все до последней мелочи из опыта пользователя этого приложения.

[23:32] Она начала кликать по всему, пестировать, отправлять сообщения в чат. И вот что было по-настоящему полезно в работе через браузер. Она заглядывала в консоль, проверяла логи ошибок, ловила гонки состояний, обновляла хром. Консоль это служебное окно браузера, куда программа пишет о своих ошибках.

[23:47] Логи это журнал таких записей. А гонка состояний это редкая ошибка, когда два действия происходят почти одновременно и мешают друг другу. Делала всю ту работу, которую человеку делать очень нудно и трудно.

[23:59] Так что чем бы вы ни занимались и что бы вы ни собирали, она не просто лучше делает вещи, она еще и лучше их проверяет. А от этого она лучше делает вещи, потому что возвращает результат проверки обратно в процесс создания. Простой пример из жизни. Вы заказали сайт подрядчику. Перед оплатой просите ее пройти по сайту как обычный посетитель и принести список всего, что не работает.

[24:18] Именно эта петля проверки и есть главная новость этого примера для любого человека с любым проектом. Так, следующий пример похож, но здесь речь о скорости модели. По отзывам она ниже, чем у привычных вам предыдущих моделей.

[24:30] Зато Бен Дэвис заметил вот что. Она по умолчанию гораздо охотнее сама открывает браузер и проверяет собственные функции. Обычно в агентах такое приходится настраивать вручную, расписывать целые процессы, как тестировать и когда тестировать.

[24:42] А она, похоже, просто лучше не только пользуется компьютером, она еще и понимает, когда им пользоваться. Вот что я вычитал из этого поста. И он говорит, это лучшая модель с одного захода из всех когда-либо сделанных, если не знакомы.

[24:54] Один заход это когда вы даете ей одну инструкцию и получаете результат без доработок. Потому что она отлично пользуется компьютером и дорабатывает все сама. Для обычной задачи это выглядит так. Вы просите собрать простую форму записи для клиентов и уходите пить чай

[25:08] А она сама открывает форму, заполняет ее как посетитель и чинит то, что сломалось И это был ответ на пост Макса По словам Макса, это по сути лучшая модель для создания личного софта Но иногда приходится подождать, пока она соберет все кусочки вместе

[25:21] Так что да Как мы видели в примере с Итаном Моликом Если что-то работает часами или даже целыми днями, как у него Не удивляйтесь Она в это время пользуется компьютером и проверяет свою собственную работу шаг за шаг Зато результат на выходе будет заметно лучше всего сделанного любой другой моделью раньше на такой же задаче.

[25:38] Хорошо, наше путешествие по практическим примерам GPT-6 Astra продолжается. И прежде чем идти дальше, хочу сразу предупредить вас. Некоторые из этих примеров странно узкие.

[26:02] можно ли применить ту же идею к тому, чем занимаетесь вы. А для некоторых примеров это просто не сработает. И это нормально. Но с этой оговоркой давайте посмотрим на следующий пример. Это приложение для ученого. Так что да, если вы не ученый, это может не сильно откликнуться.

[26:16] Но вот Дарья пишет в соцсети X, Астра собрала сложное приложение, которое измеряет данные проточной сетометрии. Честно говоря, я в этом ничего не понимаю. Насколько я понял из ее объяснения, это одна из самых важных технологий в иммунологии. Но вот что она говорит прямо. Кабаратории платили огромные деньги за подписки на подобные приложения. А теперь, по ее словам, она почти собрала полностью рабочую версию такого приложения исследовательского уровня. С помощью Астры. И вот что мне здесь показалось интересно.

[26:41] По ее словам, предыдущие версии этой идеи она собирала в кодексе еще до Астры. Кодекс это приложение OpenAI для сборки разных вещей. Но впервые она дошла до версии, которая работает ровно по ее задумке.

[26:54] Картинка из обычной работы такая. Логист годами считает маршруты в громоздкой таблице с кучей складок. Он объясняет нейросети, что именно считает, и получает маленькую программу ровно под свой склад. Это интересно. Многие люди проходят через одно и то же.

[27:07] У них есть идея. И они думают, боже мой, нейросеть же может это сделать. приходят, пробуют и разочаровываются. И часто это вызывает негативную эмоцию. Человек такой, ай, боже мой, эта штука и близко не так хороша по сравнению с рекламой.

[27:19] Иногда дело в контексте или в обвязке, который этот контекст подает модели. Обвязка это инструкции и файлы, которые вы даете модели вместе с задачей. Люди ошибаются именно там. А иногда дело просто в чистых возможностях самой модели.

[27:31] И здесь по всем фронтам эти возможности просто выросли. Модели могут то, чего раньше не могли вообще. И эта закономерность будет повторяться в следующих нескольких примерах, и вы увидите ее снова и снова. Хорошо, следующий пример очень веселый, он от Пьетро Скирано.

[27:44] И это тоже вполне себе территория практики. То есть вы и правда можете сделать так же и применить это для чего-то полезного. Всего одна фраза. Эй, Астра, сделай мне приложение для Mac. Оно должно показывать трехмерный iPod в свободном стиле,

[27:57] который ты сама построишь в блендере. А потом я хочу видеть на нем все мои потоки задач из кодекса. С оригинальным интерфейсом iPod и его колесиком. Приложение для Mac это обычная программа для компьютера Apple. Он собрал ее одной фразой.

[28:09] То есть он использует это для разных потоков агентов в кодексе. Кодекс, напомню, это приложение OpenAI для сборки разных вещей. Но сюда можно поместить что угодно. Можно сделать приложение с портфолио на своем сайте.

[28:21] Просто вставляете это на страницу, и вдруг у вас на сайте трехмерная модель айпода. Или любого другого предмета, если на то пошло. Например, вы продаете мебель или упаковку. Вместо плоских фото покупатель крутит на сайте трехмерную модель стола и смотрит его со всех сторон.

[28:35] Или можно использовать это как презентацию на встречах. Сценарии применения всего этого пока еще немного размыты. То есть пока непонятно, какое главное применение у всей этой трехмерной истории для обычных людей. Если вам нужна игра, делать ее все равно будет игровая студия.

[28:48] Теперь, наверное, с помощью вот этого. Но обычным людям трехмерное моделирование в жизни нужно не так уж часто. Правда ведь? В своем демонстрационном ролике они показали такой пример. Человек создал очень детальную ракету с нуля, потом вставил ее в игру,

[29:02] а потом еще и напечатал эту ракету на трехмерном принтере. Посмотрите, тот ролик, он фантастический. Но обычно людям не нужны ракеты с трехмерного принтера, и я не называю это бесполезным, я лишь говорю о другом. Мы пока не поняли, куда это гладко встраивается в нашу жизнь, а возможности до сих пор просто не доходили до уровня свободных экспериментов, когда люди могли бы пробовать много всего.

[29:21] Ограничения были слишком жесткими для этого. Каждый город, каждый предмет, который вы строили, выходил кривым и незаконченным. И вот теперь мы впервые видим нечто по-настоящему законченное, и я думаю, люди очень быстро начнут понимать возможности этой новой технологии.

[29:35] И тогда появятся вещи для самых обычных пользователей, и таких вещей раньше не делал никто вообще. А теперь два примера, просто для удовольствия, чтобы вы понимали масштаб. Как насчет целого трехмерного города? По сути это Синь-Сити, если не играли, это игра, где вы строите город и управляете им.

[29:50] Смотрите, называется New Haven. Можете попробовать сами, все ссылки я, кстати, положил в телеграм-канал, если захотите потрогать это своими руками. Ну вот он, New Haven. И здесь очень много функций, смотрите. Я просто прохожусь по разным районам города, теперь могу проектировать так.

[30:04] Вот это похоже на... Ну давайте сделаем офисный квартал Как насчет вот здесь? Зазначаю это место под офисные здания А потом можно перейти к башням Могу я поставить башню сюда? Нужно чуть больше свободной земли

[30:16] Хм, а как насчет вот тут? Строим башню здесь О, стройка началась Хочу еще одну башню рядом Вы вообще можете в это поверить? Все это от начала до конца сделала нейросеть Посмотрите на все эти функции вот здесь слева

[30:28] Ваш город одним взглядом Со здравоохранением все хорошо Но пока идет время, можно следить за происходящим Здесь постоянно что-то случается. Вот срочный вызов полиции, могу зайти и разобраться с ним. В этом здании сообщили о преступлении.

[30:41] Боже мой, что там вообще происходит? Думаю, суть вы поняли. С этим можно играть, здесь очень много всего. Впечатляет именно эта сложность и количество деталей. И к тому же выглядит все это очень хорошо. Ничего кривого или сломанного здесь по сути нет.

[30:54] Согласны со мной? Вот эти ветряки, например, они просто отличные. Здание выглядит добротно и цельно. Просто невероятно на самом деле. И это только первый из двух примеров для удовольствия на сегодня И последний пример на сегодня

[31:06] Это целый мир, населенный жителями на нейросети Так, сделал его Мэтт Шумер и выложил в соцсети Икс У него был ранний доступ И он построил целую планету Ну или целый мир с поселением, так я понял

[31:18] Соселил его жителями И дал им полную свободу ходить где захотят Цель у них была такая Все эти люди должны были выжить И у них был доступ к нейросети для общения и порождения речи А рассказывает он это так И рассказывает, надо сказать, отлично, прямо как писатель.

[31:32] Он вернулся в комнату и вдруг услышал шум. Эти человечки переговаривались голосами и строили планы. Я могу принести Хоя еды, если ему нужно.

[31:45] Спасибо, Брюс, еда у меня есть, спрошу его, когда доберусь. Честно, это, во-первых, просто жутковато слышать, а во-вторых, если вы хоть немного знаете про разработку игр, то понимаете. Можно построить такой мир и расставить в нем персонажей,

[31:57] дать им языковую модель для порождения текста и другую нейросеть для превращения текста в голос. Эта часть сама по себе даже не так удивительна. Удивительно другое. Все это создала Астра. Все трехмерные модели людей.

[32:09] Эту карту, всю логику, которая держит это вместе. Обычно над таким работает целая команда разработчиков не один месяц. Вы наверняка видели игры от нейросетей раньше. Обычно это космическая стрелялка. Маленькая ракета летит куда-то по черному экрану.

[32:22] Или совсем простые плоские игры. И вдруг она делает полноценные трехмерные миры. И как вы только что видели на примере с городом, это поразительно. Она собрала все это целиком с нуля. А дальше этот мир можно просто отпустить, и он живет сам по себе.

[32:35] Так что давайте на этом остановимся и попробуем сделать выводы о том, куда все это идет. Потому что это по-настоящему уникальная и интересная история и очень крутая демонстрация совершенно новых возможностей нейросетей. Кстати, на этом канале вы найдете не только меня, но и еще четырех экспертов.

[32:51] Каждый из них разбирает свою нишу в нейросетях, без которой в 2026 году на рынке труда делать нечего. И все гайды по удаленным профессиям и нейросетям для вас бесплатные. Подписывайтесь. А мы продолжаем.

[33:03] Ну и напоследок про главное. Эй, а вдруг она галлюцинирует? А вдруг она что-то выдумает? Ну да, тогда она запустит еще армию агентов. И перепроверит дважды, проверит трижды, четырежды. Как там это выражение, если это армия проверяющая?

[33:16] Точно, вот оно. Как вообще спорить с таким аргументом? Потому что это новая эра. Это уже не люди перепроверяют работу. Эта нейросеть, назовите как хотите, проверяет все сама. И это, дамы и господа, уже совсем другой уровень. Так что надеюсь, что-то из этого вдохновило вас на свое.

[33:30] Я знаю, многие сейчас расстроены, у них нет доступа, а раздают его очень медленно. Но смотрите, мы в новом мире. Технология, которая делает все эти проверки, все эти сценарии и строит трехмерные миры, теперь существует.

[33:42] А еще вчера ее не было. И вы уже в правильном месте. Вы пытаетесь держаться впереди. Пытаетесь уложить в голове границы возможного. Именно это вы делаете, когда смотрите этот ролик. Именно это мы делаем здесь вместе

[33:54] И честно говоря, я думаю, это правильная позиция в такой ситуации Со временем мы точно выясним настоящее применение этой штуки Я буду разбирать это на канале, так что подписывайтесь Один шаг на сегодня такой Откройте в телеграм-канале любой один пример из этих 15

[34:07] И примерьте его к своей работе по нашей договоренности из середины ролика Отступите на шаг и спросите себя, где у вас та же схема Ссылка на канал и на марафон по копирайтингу в описании и в комментариях и на QR-коде

[34:20] Как обычно, мне в удовольствие быть вашим проводником в этом путешествии, если мы еще не знакомы. Меня зовут Марк Николаев. Хорошего вам дня и до скорой встречи в следующем большом ролике про нейросети и новую работу.