immers.cloud

Эволюция искусственного интеллекта

2026-02-27T11:24:33.230Z

Если первая половина истории искусственного интеллекта, от логических правил 1950-х до нейросетевых прорывов 1980–1990-х, была посвящена поиску способов научить машину думать, то вторая половина, начиная с 2000-х, стала временем масштаба. Благодаря росту вычислительных мощностей, доступу к большим данным и развитию алгоритмов глубокого обучения, ИИ перестал быть узкоспециализированным инструментом и начал проникать в реальные приложения: от распознавания речи и рекомендательных систем до автопилотов и медицинской диагностики.

Однако настоящий переломный момент наступил не от увеличения размера моделей, а от изменения архитектуры. И ключевым событием этого перехода стала публикация в 2017 году статьи «Attention Is All You Need», которая переопределила будущее не только NLP, но и всей области искусственного интеллекта.

На первый взгляд, это была очередная работа по машинному переводу, но на деле она заложила основу для самого масштабного прорыва в области искусственного интеллекта за последние десятилетия.

Авторы предложили новую архитектуру — трансформер, которая полностью отказывалась от рекуррентных и сверточных слоев, доминировавших до этого. Вместо них они внедрили три ключевых механизма:

Механизм внимания (attention) — позволил модели динамически фокусироваться на наиболее релевантных частях входной последовательности, будь то слова в предложении или элементы в коде.
Многоголовочное внимание — здесь используется несколько параллельных “голов”, которые как бы смотрят на текст с разных углов, чтобы уловить разные связи между словами и фразами. Это помогает модели лучше понимать контекст.
Позиционное кодирование — для учета "места" каждого слова в тексте авторы предложили особый метод, основанный на синусоидальных и косинусоидальных функциях. Что позволяет модели «помнить» о расположении элементов, что важно для выделения общего "смысла".

Эти идеи не просто усилили возможности обучения — они сделали его масштабируемым. Вскоре стало ясно: трансформеры можно обучать не только на параллельных корпусах для перевода, но и на огромных объемах неразмеченного текста.

Так родилась парадигма трансферного обучения:

Cначала модель учится общему пониманию темы на миллиардах документов, а затем — без полной перенастройки — адаптируется под конкретные задачи: классификацию, генерацию, ответы на вопросы.

Именно этот подход стал мостом от простых языковых моделей к современным ИИ-агентам, способным не просто отвечать, а планировать, исследовать, проверять гипотезы и взаимодействовать с внешними инструментами — то, что сегодня называют системами глубокого исследования (Deep Research).

2018: год двух прорывов — GPT и BERT

Если архитектура трансформера задала новый технический стандарт, то GPT-1, представленный OpenAI в 2018 году, определил новую методологию обучения. В статье «Improving Language Understanding by Generative Pre-Training» команда показала, как можно эффективно использовать огромные массивы неразмеченного текста для подготовки универсальной языковой модели — без ручной аннотации миллионов примеров.

Основой GPT-1 стал decoder-only блок трансформера — упрощенная, но мощная архитектура, ориентированная на генерацию последовательностей. Но настоящим прорывом стала двухэтапная схема обучения:

Предобучение (unsupervised pre-training) — модель обучается предсказывать следующее слово в тексте на основе контекста. Этот этап работает как “языковой тренажер”: нейросеть усваивает грамматику, факты, логические связи и даже элементы рассуждения — все это из «сырых» данных интернета.
Дообучение (fine-tuning) — на втором этапе модель адаптируется под конкретную задачу: классификацию тональности, распознавание именованных сущностей, анализ намерений и т.д. При этом используется небольшой размеченный датасет, но благодаря качеству предобучения результат оказывается значительно лучше, чем у моделей, обученных только на размеченных наборах с нуля.

Хотя GPT-1 по современным меркам выглядит скромно (всего 117 млн параметров), он продемонстрировал ключевую идею: универсальная языковая модель, предобученная на общих данных, может быть эффективно дообучена под узкие задачи. Эта парадигма — transfer learning через масштабное предобучение — стала основой не только для всех последующих GPT, но и для большинства современных LLM, включая те, что сегодня используются в ИИ-агентах и системах глубокого исследования.

Практически одновременно Google представила BERT (Bidirectional Encoder Representations from Transformers), предложив альтернативную стратегию. В отличие от GPT, который обрабатывает текст слева направо, BERT анализирует каждое слово с учетом контекста и до, и после него. Это резко повысило точность понимания семантики, особенно в задачах, где значение слова зависит от окружения — например, в вопросно-ответных системах или извлечении фактов.

Обучение BERT тоже проходило в два этапа, но с инновационными методами:

Masked Language Modeling — техника обучения, при которой используется текст, в котором "затираются" (маскируется) часть слов. При этом задача модели - восстанавливать их.;
Next Sentence Prediction — вспомогательная задача обучения, при которой модель должна была определять связаны ли данные пары предложений или нет.

Эти задачи заставляли модель глубже понимать связи между словами и предложениями, а не просто улавливать поверхностные паттерны.

Так GPT заложил основу для генеративных, автономных моделей, а BERT — для понимающих, контекстно-точных систем. Вместе они сформировали парадигму transfer learning, которая сегодня лежит в основе всех современных LLM — от код-ассистентов до ИИ-агентов, способных проводить глубокие исследования.

2019–2020: уточнение, унификация и масштаб

Если 2018 год стал временем архитектурных прорывов, то следующие два года оказались временем глубокой оптимизации и методологической зрелости.

В 2019 году команда Facebook* (* признана в России экстремисткой организацией, ее деятельность запрещена) AI представила RoBERTa — не новую архитектуру, а переосмысление принципов обучения BERT. Авторы провели масштабный анализ гиперпараметров и пришли к важным выводам:
Динамическое маскирование слов (Dynamic Masking Language Modeling) дает лучшее обобщение, чем статическое:

Задача Next Sentence Prediction, использованная в BERT, на самом деле вредит качеству и может быть отброшена;
Обучение с большими по размеру батчами (до 8 тыс. примеров) и расширенным словарем BPE (метод токенизации Byte-Pair Encoding;100 тыс. subword-единиц) значительно повышает стабильность и точность модели.

RoBERTa фокусируется на тщательной настройке гиперпараметров и улучшении деталей процесса обучения, а не на радикальных изменениях самой архитектуры.

Почти в то же время Google предложила радикально иную идею — унифицировать все NLP-задачи как «текст → текст». В рамках проекта T5 (Text-to-Text Transfer Transformer) любая операция — от перевода и суммаризации до классификации и генерации вопросов — формулировалась как преобразование входного текста в выходной. Это не только упростило сравнение моделей на бенчмарках, но и заложило основу для промпт-инжиниринга как дисциплины: если все — текст, то управление моделью сводится к искусству формулировки запроса.

Параллельно OpenAI продолжала развивать линейку GPT. От скромного GPT-1 (117 млн параметров) в 2018 году к GPT-2 (1.5 млрд) в 2019-м и GPT-3 (175 млрд) в 2020-м — рост был не просто количественным, а качественным.

Таким образом, развитие GPT стало ярким примером, как масштабирование и улучшение данных помогают искусственному интеллекту учиться лучше и справляться с все более сложными задачами.

Эти три направления — оптимизация обучения (RoBERTa), унификация интерфейса (T5) и масштабирование (GPT) — сформировали фундамент для следующего этапа: появления ИИ-агентов, которые не просто отвечают, а планируют, исследуют, проверяют гипотезы и взаимодействуют с внешними инструментами — то, что сегодня называют системами глубокого исследования.

От промптов к “очеловечиванию”: Few-Shot и RLFH

К 2020 году стало ясно: большие языковые модели вроде GPT-3 обладают удивительной способностью выполнять новые задачи без специального дообучения (изменения своих весов). Достаточно просто описать цель в текстовом запросе — и модель адаптируется на лету.

Этот подход получил название few-shot learning:

При zero-shot — модель получает только описание задачи («Переведи на французский: “Hello”»);
При one-shot — ей дают один пример («“Привет” → “Bonjour”. “Спасибо” → ?»);
При few-shot — несколько демонстраций, после которых модель должна ответить по аналогии.

Такой метод устранил необходимость в дорогостоящем fine-tuning для каждой новой задачи и превратил LLM в универсальный инструмент, управляемый через естественный язык. Но вместе с гибкостью пришла новая проблема: модели стали слишком буквальными. Они могли генерировать правдоподобные, но ложные утверждения, повторять токсичный контент из обучающих данных или давать опасные советы — все это под видом нейтрального ответа.

Решение предложили в 2021 году. Команда OpenAI внедрила Reinforcement Learning from Human Feedback (RLHF)— метод, который позволил снизить риск появления нежелательных ответов, сохранив при этом качество работы системы.

Источник: https://www.leewayhertz.com/reinforcement-learning-from-human-feedback/

Процесс RLHF состоит из трех этапов:

Supervised Fine-Tuning (SFT) — модель дообучают на парах «запрос → желаемый ответ», подготовленных людьми. После этого ожидаемое поведение закрепляется с помощью::

Создание модели вознаграждения (Reward Model) — на основе множества сгенерированных ответов, ранжированных людьми по качеству, обучается отдельная сеть, которая предсказывает, насколько «хорош» тот или иной ответ.
Обучение с подкреплением — основная модель оптимизируется так, чтобы максимизировать оценку от Reward Model.

В результате GPT-3 Instruct и последующие системы начали избегать вредоносного, токсичного или недостоверного контента — не потому что это «запретили», а потому что они научились понимать, чего люди действительно хотят.

Этот сдвиг — от умения к ответственности — стал критически важным шагом на пути к современным ИИ-агентам, которые сегодня не просто генерируют текст, а проводят исследования, проверяют факты и взаимодействуют с внешним миром, оставаясь в рамках этических и функциональных границ.

2022–2024: от ответа к рассуждению и управляемому диалогу

Если ранние LLM умели генерировать правдоподобный текст, то к 2022 году исследователи начали учить их мыслить шаг за шагом. Ключевым прорывом стала техника Chain-of-Thought (CoT): вместо того чтобы сразу выдавать ответ, модель получала примеры, где решение раскрывалось через последовательность логических промежуточных шагов — как будто человек вслух рассуждает над задачей.

Оказалось, что даже без изменения архитектуры или весов, простое добавление таких "мыслительных цепочек" в промпт резко повышает точность модели в сложных задачах — особенно в математике, логике и программировании. CoT стал мостом между генерацией и имитацией рассуждения.

В 2023 году эта идея развилась дальше — в метод Self-Refine (адаптивное итеративное уточнение). Теперь модель не просто дает ответ, а сама его оценивает и улучшает. Процесс выглядит так:

Генерируется черновой ответ;
Тот же LLM (или другая модель) анализирует его на соответствие цели, полноту, точность;
На основе этой обратной связи формируется улучшенная версия.
Цикл повторяется до достижения нужного качества — все это без обновления весов. Это превратило LLM из «одноразового генератора» в итеративного редактора, способного к самокоррекции.

Параллельно складывались и практические принципы эффективного взаимодействия с моделями. К 2023–2024 годам сформировались основные принципы управления:

Роль задает контекст: фраза «Ты — senior-разработчик на Python…» сразу направляет модель в нужную предметную область, исключая двусмысленность (например, термин «модель» теперь точно относится к ML, а не к авиамоделизму).

Формат вывода контролируется примером: достаточно показать желаемую структуру — JSON, markdown, таблицу — и модель будет следовать ей.

В совокупности это дало простую, но мощную формулу:

Роль + Контекст + Пример формата = Предсказуемый и качественный результат.

Эти подходы легли в основу современных ИИ-агентов: они не просто отвечают, а планируют, проверяют, уточняют и адаптируются — все благодаря эволюции самого способа общения с моделью.

От масштаба к разуму: MoE, reasoning и Deep Research

К 2023 году стало ясно: просто увеличивать число параметров — не самый эффективный путь. Настоящий прорыв пришел с архитектурой Mixture of Experts (MoE). Модель Mixtral 8x7B, представленная в декабре 2023 года, заменила традиционные полносвязные слои на разреженные блоки экспертов — небольшие подсети, каждая из которых специализируется на обработке определенных частей данных.

Ключевое нововведение — маршрутизатор (gate network), который для каждого токена выбирает только подходящих экспертов, активируя лишь необходимые вычисления. Это резко снижает потребление ресурсов и ускоряет инференс.

Подход оказался настолько успешным, что стал основой для следующего поколения гигантов:

Grok-1 (314 млрд параметров, 2024),
DeepSeek R1 (671 млрд, 2024),
Llama 4 Behemoth (~2 трлн, 2025).

Но даже MoE не решал главную проблему: глубокое рассуждение. Классические LLM часто зависали на задачах, требующих многошагового планирования, математических выводов или проверки гипотез. В ответ на это в 2024 году появились reasoning LLM — модели, способные не просто генерировать текст, а мыслить по шагам.

Такие системы, как OpenAI o1 или DeepSeek, имитируют человеческий когнитивный процесс: они формулируют подзадачи, проверяют промежуточные результаты и корректируют стратегию — все это внутри одного запроса.

Эта парадигма достигла зрелости в 2025 году с появлением функции Deep Research. Теперь ИИ-ассистенты — от Claude (Anthropic) до Grok (xAI) и Perplexity — могут выполнять автономные исследования:

Формулировать уточняющие запросы,
Переходить по ссылкам,
Сравнивать источники,
Выявлять противоречия,
И в итоге выдавать структурированный отчет с прямой атрибуцией.

Это уже не просто ответ на вопрос — это исследовательский агент, работающий в реальном времени. Также подобные подходы сегодня лежат в основе платформ вроде OpenClaw, где пользователь получает не текст, а решение, построенное на глубоком анализе, контроле качества и взаимодействии с внешними инструментами.

Как обычный GPU-сервис становится основой для передовых ИИ-задач

Сегодня разработка и развертывание современных ИИ-систем — от reasoning-моделей до агентов с Deep Research — требует не просто вычислительной мощности, а предсказуемой, изолированной и масштабируемой инфраструктуры.

Именно это и обеспечивает immers.cloud.

Все GPU-серверы в облаке построены на процессорах Intel Xeon Scalable (2–5 поколений) с поддержкой AVX-51.2 и DL Boost, оснащены до 8 ТБ DDR5 ECC RAM и NVMe-хранилищем до 7,68 ТБ. Каждый GPU — от RTX 3080 до H200 141 ГБ — закреплен только за одним пользователем, без оверселлинга.

Это гарантирует 100% производительности даже при длительных нагрузках: обучении MoE-моделей, инференсе Llama 4 Behemoth или запуске ИИ-агентов через OpenClaw.

Благодаря посекундной тарификации, бесплатному трафику до 20 Гб/с и готовым образам с предустановленными стеками (vLLM, Docker, ComfyUI, Automatic1111, OpenClaw), вы можете:

Развернуть приватный эндпоинт Qwen3-Coder-Next за несколько минут минут,
Запустить агента для автоматизации кодинга в VS Code,
Провести глубокое исследование через собственный LLM,
Или обучить кастомную модель на 8×H200 — все это без единого часа, потраченного на настройку железа.

Таким образом, immers.cloud — это не просто аренда сервера с GPU. Это готовая платформа для экспериментов, разработки и production-развертывания самых сложных ИИ-систем — от генерации кода до автономного исследования.

GLM-5 — новая флагманская открытая модель от Zhipu AI

2026-02-16T07:44:10.704Z

Компания Zhipu AI (z.ai) представила GLM-5 — свою крупнейшую на сегодняшний день языковую модель с архитектурой Mixture-of-Experts (MoE). Это мощный шаг вперед в области open-weight моделей, особенно в нише программирования и автономных ИИ-агентов.

Архитектура и масштаб

GLM-5 содержит 744 млрд параметров, из которых 40 млрд активны при генерации каждого токена — заметный рост по сравнению с GLM-4.7 (~32 млрд активных). Такой подход повышает вычислительные требования на инференсе, но дает ощутимый прирост в качестве рассуждений и кодогенерации.

Модель поддерживает контекст до 200K токенов на входе и 128K на выходе, благодаря применению технологии DeepSeek Sparse Attention (DSA), которая оптимизирует использование памяти при работе с длинными последовательностями.

Только текст

На текущем этапе GLM-5 остается text-only моделью, сфокусированной на задачах программирования, логического вывода и агентного взаимодействия. Vision-версия, вероятно, появится позже — как это происходило с предыдущими поколениями (например, GLM-4.5 → GLM-4.5V).

В то же время конкуренты, такие как Kimi K2.5 и MiniMax M2.5, уже выпускаются с мультимодальной поддержкой из коробки.

Результаты бенчмарков

GLM-5 демонстрирует выдающиеся результаты в открытых тестах:

77.8% на SWE-bench Verified — лучший показатель среди всех open-weight моделей;
56.2 на Terminal-Bench 2.0;
92.7% на AIME 2026 I.

В агентных сценариях (BrowseComp, HLE) модель уверенно опережает не только другие открытые решения, но и ряд проприетарных систем.

Обучение на китайском железе — и совместимость с NVIDIA

Интересная особенность: GLM-5 была полностью обучена на чипах Huawei Ascend. Это объясняет, почему исходные веса выпущены в формате BF16 — китайские ускорители не поддерживают FP8 на аппаратном уровне. Тем не менее, команда Zhipu предоставила и FP8-версию, специально конвертированную для запуска на оборудовании NVIDIA.

Как запустить GLM-5 в облаке?

Для полноценного инференса GLM-5 требуется сервер с мощными видеокартами. Веса модели в BF16 занимают около 1.5 ТБ, что не помещается даже на 8 GPU. Однако в FP8 (~755 ГБ) модель легко размещается на восьми видеокартах NVIDIA H200 (по 140 ГБ VRAM каждая), оставляя достаточно памяти под KV-кэш и служебные структуры.

Ожидаемая скорость генерации — 40–50 токенов в секунду на один запрос, что сопоставимо с DeepSeek-R1 671B на аналогичном железе.

При INT4-квантизации GLM-5 можно запустить уже на четырех H200, что делает ее доступной для более широкого круга исследователей и компаний.

Модель поддерживается в популярных фреймворках: vLLM и SGLang, что упрощает интеграцию в существующие pipeline’ы.

Почему стоит арендовать облачный сервер для GLM-5?

Локальная сборка машины с 8×H200 — дорогостоящая и длительная задача. Гораздо эффективнее воспользоваться возможностью аренды облачного сервера с готовой инфраструктурой.

В immers.cloud вы можете:

Запустить виртуальный сервер с видеокартой H200 за считанные минуты;
Выбрать конфигурацию с 4 или 8 GPU — в зависимости от бюджета и требований;
Использовать предустановленные образы с CUDA, Docker и vLLM;
Платить только за фактическое время использования (посекундная тарификация).

Подробнее о модели GLM-5 и рекомендуемые конфигурации для инференса смотрите в нашем каталоге нейросетевых моделей.

Практическая разработка с Qwen3-Coder-Next

2026-02-09T13:51:51.900Z

Эта статья посвящена использованию современных ИИ-моделей для написания и анализа кода, в частности — открытой модели Qwen3-Coder-Next.

Модель построена по архитектуре MoE: из общего числа 80 миллиардов параметров активно задействовано около 3 миллиардов, что обеспечивает высокую эффективность использования ресурсов. В основе лежит гибрид линейной модели (Gated DeltaNet) и трансформера, ориентированный на агентные задачи. По результатам бенчмарка SWE-Bench точность генерации кода сопоставима с DeepSeek V3.2, а скорость инференса достигает порядка 60 токенов в секунду.

Модель успешно работает в AWQ-квантизации INT4 даже на трех видеокартах RTX 4090. Для запуска можно использовать публичный эндпоинт или локальное развертывание. При работе через vLLM требуется версия не ниже 0.15.0, так как именно с неё добавлена поддержка Qwen3-Coder-Next.

Подробная инструкция по развертыванию модели в облаке доступна по ссылке.

Особый интерес представляет интеграция модели в среду разработки. Наиболее удобные варианты — расширения для VS Code, совместимые с OpenAI-совместимыми API.

Например, Cline подключается за несколько шагов: после установки расширения достаточно указать URL эндпоинта и ключ доступа — дополнительная настройка не требуется.

Среди поддерживаемых API-провайдеров есть как OpenAI-совместимые эндпоинты, так и реализации в формате Anthropic Messages API — последний доступен в свежих версиях Ollama. Это расширяет гибкость интеграции модели в разные инструменты разработки.

Особенность Cline — высокая автономность при работе в режиме кодинг-агента. После утверждения плана задачи он способен самостоятельно выполнять цепочки действий: создавать файлы, писать функции, добавлять тесты и запускать их — без запроса подтверждения на каждом шаге.

На простых задачах, таких как реализация классических алгоритмов на Python, модель демонстрирует качество, сопоставимое с ведущими проприетарными решениями.

На практике ключевым этапом при создании даже схематичного прототипа реального приложения становится не столько генерация кода, сколько корректное планирование и адаптация к уточнениям в техническом задании. В этом Qwen3-Coder-Next проявляет себя уверенно: его объяснения логичны, детализированы и ориентированы на конкретные технические требования.

Дополнительное удобство — возможность просмотра diff между текущей версией кода и предлагаемыми изменениями, а также запрос пояснений к каждому изменению прямо в интерфейсе редактора.

Для работы с расширением Codex в VS Code сначала необходимо задать две переменные среды:

OPENAI_API_KEY — для аутентификации,

OPENAI_BASE_URL — для указания адреса эндпоинта.

После этого можно запускать редактор командой code.

Важный нюанс: Codex работает только с API в формате OpenAI Responses, а не с классическим Completions. Это ограничивает совместимость с некоторыми открытыми моделями и инфраструктурными решениями, так как Completions остаётся де-факто стандартом для большинства open-source LLM.Чтобы обойти это ограничение, модель Qwen3-Coder-Next можно запустить через Ollama — начиная с последних версий, она поддерживает Responses API. Процесс развёртывания при этом остаётся простым и не требует сложной настройки.

ollama pull qwen3-coder-next

Поскольку расширение Codex распознаёт только ограниченный набор имён моделей из экосистемы OpenAI — например, gpt-5.2-codex — для совместимости требуется переименовать Qwen3-Coder-Next на стороне сервера.Для этого создаётся файл Modelfile со следующим содержимым:

FROM qwen3-coder-next:latest

Затем в терминале выполняется команда:

ollama create gpt-5.2-codex -f Modelfile

После этого модель станет доступна под именем gpt-5.2-codex:latest, что можно проверить по адресу http://ollama-host:11434/api/tags. Этого достаточно для корректной работы расширения Codex в VS Code.

Расширение Codex ориентировано на более осторожное взаимодействие с файловой системой: по умолчанию оно запрашивает подтверждение на каждое изменение, если пользователь не разрешил полную автономию в настройках.

Это делает его подходящим для сред, где важен контроль над изменениями кода. Интерфейс напоминает ChatGPT, что может быть удобно для тех, кто привык к такому формату общения с ИИ.

Оба инструмента — Cline и Codex — предлагают схожий функционал, но с разной степенью интерактивности и стилем представления. Это даёт разработчикам гибкость в выборе подхода в зависимости от задачи и предпочтений команды.

На фоне роста числа решений для AI-ассистированной разработки становится очевидно: открытые модели достигли уровня качества, достаточного для профессионального использования.

Qwen3-Coder-Next демонстрирует, что локальное или приватное развёртывание может обеспечить производительность, сравнимую с ведущими проприетарными аналогами.

Главное преимущество такого подхода — возможность использовать ИИ в корпоративной среде без передачи кода и данных во внешние облака, что снижает риски утечки интеллектуальной собственности и соответствует требованиям безопасности многих software-компаний.

От перцептрона к трансформеру: как 80 лет науки привели к ИИ-революции, которую мы видим сегодня

2026-02-05T13:40:09.323Z

Представьте: вы запускаете генерацию изображения по тексту, и через секунду перед вами — фотореалистичная картинка в стиле Ван Гога с вашим логотипом. Или чат-бот мгновенно анализирует тысячи отзывов и выдает точные рекомендации по улучшению сервиса. Кажется, будто это магия будущего. Но за каждым таким чудом стоит не один день разработки, а десятилетия упорной научной работы, ошибок, перерывов и прорывов.

Почему это важно знать бизнесу сегодня? Потому что понимание эволюции ИИ помогает отделить хайп от реальных возможностей; и принимать взвешенные решения о том, какие модели разворачивать, как их масштабировать и где искать конкурентное преимущество. Давайте пройдемся по ключевым вехам пути от абстрактной идеи нейрона до архитектур, меняющих рынок прямо сейчас.

Зарождение: когда нейросеть была лишь метафорой (1943–1950)

Все началось не с кода, а с идеи. В 1943 году нейрофизиолог Уоррен МакКаллок и логик Уолтер Питтс предложили первую математическую модель нейрона — пороговый элемент, реагирующий на взвешенную сумму входов. Сеть из таких элементов еще не предполагала обучение: веса задавались вручную, адаптация отсутствовала. Но сама постановка задачи впервые формализовала смелую мысль:

«А что, если мозг — это вычислительная машина?»

Уже через шесть лет Дональд Хебб в книге «Организация поведения» сформулировал ключевой принцип обучения: связи между нейронами укрепляются при совместной активации. Это правило Хебба стало прообразом современного обучения без учителя — и вдохновило Марвина Минского на создание первой нейросетевой машины SNARC (1951) с 40 синапсами. А параллельные исследования Хьюбела и Визеля в зрительной коре заложили основу для будущих сверточных сетей: иерархия признаков, многоканальная обработка, обратные связи — все это было подсмотрено у природы.

Эти работы были теоретическими — но они создали язык, на котором спустя десятилетия заговорили машины. Следующий шаг — превратить метафору в инструмент.

От фантазии к первым разочарованиям (1950–1970)

1950 год: Алан Тьюринг публикует статью «Вычислительные машины и интеллект» и предлагает тест, ставший символом цели ИИ — обмануть человека в диалоге. Шесть лет спустя Дартмутский семинар официально провозглашает рождение искусственного интеллекта как науки. Оптимизм зашкаливал: казалось, машины скоро освоят язык, абстракции и самосовершенствование.

Но реальность оказалась жестче. Программы вроде General Problem Solver (1959) работали лишь в узких микромирах. Перцептрон Розенблатта (1960-е) вызвал ажиотаж, но быстро столкнулся с фундаментальными ограничениями: он не мог решать даже простые нелинейные задачи вроде XOR. Провал проектов машинного перевода и осознание масштаба проблемы привели к первой “зиме ИИ” — эпохе скепсиса и сокращения финансирования.

Алан Тьюринг

Зима, однако, не остановила науку — она заставила ее копать глубже. И в 1980-е годы из-подо льда начали проступать идеи, которые изменят все.

Фундамент современного ИИ: идеи, опередившие свое время (1970–2000)

Ключевой прорыв, алгоритм обратного распространения ошибки, открыл путь к обучению многослойных сетей. Возник коннекционизм: вместо жестких логических правил — параллельные ансамбли нейронов, самостоятельно извлекающие закономерности из данных.

Появились архитектуры, актуальные до сих пор:

Сверточные сети (Ян ЛеКун, конец 1980-х) — вдохновлены зрительной корой, они обрабатывают изображения локальными фильтрами, игнорируя позицию объекта. Именно поэтому сеть одинаково хорошо узнает лицо и в центре кадра, и в углу группового фото;
Автокодировщики (Хинтон, Румельхарт, 1986) — учатся сжимать данные без дополнительной информации об источнике, "без учителя", для выделения важных признаков, закладывая основу для современных методов представления;
Рекуррентные сети и LSTM (Хохрайтер и Шмидхубер, 1997) — впервые позволили моделям помнить контекст в последовательностях, став прообразом языковых моделей.

Но прогресс замедлился: данных было мало, а вычислительной мощности — еще меньше. ИИ вновь ушел в тень до тех пор, пока не созрели три условия одновременно.

На рубеже веков созрела идеальная буря: экспоненциальный рост данных, дешевые GPU и новые методы обучения. ИИ был готов выйти из лабораторий в реальный мир.

Революция, которая изменила бизнес (2005–2017)

2005–2006 годы стали точкой невозврата. Группы Хинтона (Торонто) и Бенджио (Монреаль) научились эффективно обучать глубокие сети — и мир заговорил о Deep Learning. После этого параллельно начали развиваться направления:

Фреймворки прошли путь от ручной работы с матрицами в MATLAB до PyTorch и TensorFlow — инструментов, где собрать сеть можно за час, а не за месяц;
Наборы данных для обучения выросли с 10 МБ (MNIST) до терабайтов (ImageNet);
Использование GPU привело к ускорению обучения в десятки раз, что сделало всю работу коммерчески оправданной.

Результат не заставил себя ждать:

2012: нейросети ворвались в распознавание речи (Microsoft, Google);
2014: VGG и Inception победили в ImageNet, а свертки 3×3 стали стандартом;
2015: ResNet с остаточными связями позволил строить сети в сотни слоев. До сих пор лежит в основе большинства систем компьютерного зрения;
2015: U-Net открыл эру точной сегментации изображений, позже став ключевым компонентом Stable Diffusion.

Бизнес впервые увидел ИИ не как научную диковинку, а как инструмент: распознавание лиц в соцсетях, автопилоты, анализ медицинских снимков — все это стало возможным благодаря архитектурам, рожденным в этот период.

Настоящий взрыв ждал нас впереди, когда архитектура, изначально созданная для перевода текста, вдруг оказалась универсальным ключом ко всем модальностям.

Эпоха трансформеров: когда ИИ стал мультимодальным (2017 — настоящее время)

2017 год. Исследователи Google Brain публикуют статью «Attention Is All You Need» и представляют архитектуру Transformer. Отказавшись от рекуррентности в пользу механизма внимания, она позволила обрабатывать последовательности параллельно, масштабироваться до миллиардов параметров и, самое главное, легко адаптироваться под любые задачи.

Последствия были взрывными:

2018–2024: генерация изображений по тексту (DALL·E, Stable Diffusion, Kandinsky, Flux);
2019–2025: взрыв популярности больших языковых моделей: от GPT и LLaMA до российских разработок;
2021–2025: мультимодальные модели (GPT-4 Vision, CLIP, LLaVA), которые понимают одновременно текст, изображения, видео и аудио.

Сегодня гонка сместилась с архитектур на масштаб: данные, параметры, вычислительные ресурсы. Компании выпускают целые линейки моделей: от легких версий для мобильных устройств до гигантов с сотнями миллиардов параметров. И здесь возникает практический вопрос бизнеса: как развернуть такую модель быстро, экономично и без головной боли с инфраструктурой?

Почему история ведет нас в облако

Каждый этап развития ИИ, от перцептрона до трансформера, требовал новых вычислительных мощностей. Сегодня обучение современной модели может стоить миллионы долларов и требовать сотен специализированных GPU. Но даже готовую модель непросто запустить: локальные серверы часто не справляются с нагрузкой, а закупка железа под разовые задачи экономически нецелесообразна.

Именно здесь облако становится стратегическим преимуществом. Аренда GPU-серверов позволяет:

Мгновенно масштабироваться под задачу — от тестирования небольшой модели до запуска мультимодального инференса;
Избежать капитальных затрат на оборудование, которое быстро устаревает;
Фокусироваться на продукте, а не на настройке драйверов, кластеров и балансировщиков.

В immers.cloud мы создаем инфраструктуру, которая превращает сложность ИИ в простоту использования. Наши серверы с новейшими GPU (NVIDIA RTX 5090, H100 NVLink, H200 и другие) доступны за пару кликов без долгих согласований и предоплаты.

Хотите протестировать модель, вроде Kimi-K2-Thinking? Запустить свою LLM? Или собрать пайплайн для генерации контента на базе Stable Diffusion? Мы даем вам мощность — а вы воплощаете идеи.

История ИИ учит нас одному: прорывы случаются там, где технологии становятся доступными. Мы делаем следующий шаг этой истории — помогаем сделать нейросети вашим инструментом уже сегодня.

Что такое Deep Research агенты и зачем они нужны

2026-01-23T09:20:03.200Z

В свете недавнего выхода обновления Deep Research для Gemini стоит разобраться, как этот и подобные ему агенты работают.

Очевидно, что речь идёт об автоматизированном исследовании — точнее, о последовательности шагов по поиску, анализу и синтезу труднодоступной информации. Когда для решения задачи требуется пройти множество этапов: найти данные, проверить их достоверность, сравнить источники, выполнить несколько итераций запросов — именно такие процессы Deep Research способен сократить с нескольких часов до пары минут.

Многие AI-лаборатории — OpenAI, Google, IBM — уже имеют свои версии агентов глубокого поиска. Но мы также знаем и открытые реализации. Возьмём хотя бы Open Deep Research от LangChain — проект, который отлично демонстрирует архитектуру такого пайплайна. Как и любой качественный Deep Research-процесс, он включает три ключевые фазы: уточнение цели исследования, сбор информации и формирование итогового отчёта.

На практике это выглядит как мультиагентный сценарий: агент-супервайзер планирует задачи, а агенты-исполнители выполняют конкретные действия — например, вызывают внешние функции, запрашивают данные из баз или анализируют документы.

Основных проблем остаётся две:

— Скорость выполнения — чем больше шагов, тем дольше итоговый ответ;
— Доступ к качественным источникам — без надёжных данных даже самый умный агент выдаст «правдоподобную ерунду».

В этой статье мы хотим объяснить, что такое Deep Research-агенты, как они устроены и зачем они нужны.

immers.cloud — это облачный GPU-сервис, ориентированный на разработчиков, исследователей и команды, работающие с ресурсоёмкими ИИ-проектами. Его основная задача — снизить порог входа в эксперименты с крупными моделями и сложными вычислениями.

Вместо необходимости приобретать и обслуживать дорогостоящее оборудование, пользователи получают доступ к мощным GPU (включая H100, A100, 4090) по модели посекундной тарификации. Это позволяет быстро запускать прототипы, тестировать агентские системы, обучать модели и масштабировать вычисления по мере необходимости — без долгосрочных вложений и привязки к железу.

Скорость, архитектура и доступ к данным: техника за кадром

Скорость выполнения зависит от используемой LLM — именно поэтому для агентных систем сейчас активно разрабатываются модели с высокой пропускной способностью и упором на быстрый, точный reasoning. К таким разработкам относится недавний релиз первой модели нового поколения — Nemotron 3 от NVIDIA. Эта серия LLM была заявлена как вклад компании в развитие открытого агентного ИИ.

Производительность инференса повышена за счёт гибридной архитектуры: трансформер плюс Mamba. Преимущества Mamba в контексте пропускной способности и экономии памяти на KV-кэше хорошо известны — особенно при длинных последовательностях запросов, характерных для многошаговых исследований.

Однако гибридные архитектуры — не единственный путь к усилению агентных возможностей. Например, DeepSeek предлагает выгодную альтернативу благодаря реализации MLA-внимания (Multi-Head Latent Attention), которое обеспечивает высокопроизводительный инференс за счёт значительно меньших по сравнению с полным вниманием затрат на KV-кэш.

Далее возникает другая проблема: одна и та же реализация Deep Research может давать очень разные результаты — в зависимости от доступности и качества данных. Для веб-поиска существуют удобные инструменты, интегрируемые с ИИ-агентами, например Tavily. Однако далеко не все вопросы можно решить простым «погуглив».

Часто требуется доступ к закрытым или частным источникам — внутренним базам знаний, документации, корпоративным API. В таких случаях становится необходимым развёртывание Deep Research в приватном окружении. Мы в immers.cloud работаем с разными подходами к этой задаче: от облачных приватных эндпоинтов до локально или в облаке развёрнутых LLM-серверов.

Всё сводится к одному: как предоставить модели безопасный доступ к данным. Одним из решений может быть использование собственного конфиденциального MCP-сервера, имеющего доступ к закрытым данным и реализующего механизм авторизации для ИИ-агентов, запрашивающих доступ к определённым MCP-ресурсам.

Например, если доступ к LLM есть не только у вас — вы либо не даёте доступ вообще, либо строго его ограничиваете. Можно также реализовать модель согласия: запрашивать разрешение у владельца данных перед каждым обращением — что поддерживается протоколом MCP.

Наконец, необходимо совершенствовать поисковые способности открытых моделей. Крупные компании активно дообучают свои LLM, чтобы повысить эффективность в многошаговых поисковых сценариях — например, Gemini 3 Pro, на котором работает новый агент Deep Research.

Основные задачи, на которые направлена эта подготовка: улучшение качества финального отчёта, минимизация галлюцинаций и обеспечение строгой верификации выводов фактами из достоверных источников. В ходе этих разработок Google представил специализированный бенчмарк — DeepSearchQA.

Этот инструмент может быть полезен не только для закрытых систем, но и для улучшения открытых моделей, решаемых те же задачи. Его преимущество — в качественной ручной сборке примеров, категоризации данных по областям знаний и фокусе не просто на точности ответа, а на его полноте, структурированности и проверяемости.

В итоге становится ясно: Deep Research — это не временный тренд, а устойчивый агентный паттерн с широкой областью применения. Он уже востребован в научных, аналитических и инженерных задачах, где требуется глубокая обработка информации.

Чтобы такие системы работали надёжно и автономно, нужно развитие по трём направлениям:

— Более эффективные и быстрые архитектуры моделей;
— Безопасный доступ к разнообразным источникам данных;
— Методы проверки и валидации результатов.

Именно эти факторы определяют, насколько ИИ-агент сможет заменить или дополнить человека в сложном исследовательском процессе.

#artificialintelligence

#machinelearning

#generativeai

#deeplearning

Вайб кодинг, как и зачем делать браузерные приложения и причем здесь аркадные игры

2026-01-22T10:35:26.085Z

Тема искусственного интеллекта невероятно популярна сегодня. Количество пользователей, сумевших с ним «подружиться» и эффективно использовать его — будь то для решения домашних работ, генерации изображений и видео, создания контента — растёт с каждым днём.

Главная возможность современных нейронных сетей (а именно их я буду подразумевать под ИИ в этой статье, хотя это понятие существенно шире) — выполнять ту работу и решать те задачи, с которыми ранее мог справляться только человек. Эта особенность и стала отправной точкой автоматизации процессов с использованием ИИ.

Хочется отметить, что автоматизация бывает разная: от комплексов управления беспилотными автомобилями до чего-то очень простого, но от того не менее полезного в повседневном применении для конкретного пользователя — того, что позволяет автоматизировать наши рутинные задачи.

Сегодня мы часто слышим, что сложные математические расчёты, аналитика данных, построение отчётов, графиков, дашбордов, создание презентаций и так далее стали простыми задачами для ИИ. Но тут важно понимать, что речь, как правило, идёт об определённых программах — продуктах на базе нейросетей, а не о нейронных сетях как таковых. А вот чаты — та форма, которая известна, доступна и широко используется большинством пользователей, — хотя и достаточны для целого ряда практических задач, но не всегда способны удовлетворить их ожидания; отсюда нередко появляется скептическое отношение к способностям ИИ.

На связи блог immers.cloud. Наша цель — рассказывать о технологиях искусственного интеллекта и показывать, как наш облачный GPU-сервис помогает эффективно решать такие задачи.

Стандартное приглашение диалога чата https://chat.deepseek.com/

Дело в том, чтобы предоставлять действительно сложную аналитику, ИИ, как правило, должен быть дополнительно обучен и встроен в сервис, который создают команды программистов, промпт-инженеров, экспертов предметной отрасли, дизайнеров и многие другие — например, «Нейроюрист» от Яндекса.

Главное меню сервиса Нейроюрист от Яндекса https://neurolegal.ya.ru/expert выглядит похоже на предыдущее изображение, но сколько всего под капотом сделано разработчиками что бы это приложение давало действительно юридически грамотные и выверенные ответы!

Таким образом, чат — это не волшебная кнопка, а довольно несовершенный инструмент, обращаться с которым нужно очень аккуратно. Проиллюстрирую сказанное на примере реального кейса.

Мой друг провёл анкетирование через Яндекс.Формы, опросил 170 человек и получил таблицу в Excel с ответами на вопросы. Далее он составил очень подробный промпт, в котором указал, какую аналитику нужно провести по этим данным, на что обратить особое внимание и как структурировать ответ. Этот промпт вместе с файлом таблицы он загрузил в Perplexity и уже на второй генерации получил идеальный отчёт с графиками, таблицами, выводами и рекомендациями — а главное, в виде готового Word-документа.

На радостях, что сделал работу за два дня всего за пять минут, он уже почти отправил этот документ руководителю, но решил ещё раз внимательнее его прочитать. И ужас: уже на первой странице, в графике распределения пола респондентов, он увидел, что их 140, а не 170, как в исходной таблице. Дальше — хуже: все числа в отчёте, а значит, и метрики, не соответствовали действительности. Повторные генерации не помогли — они только ухудшали отчёт.

С этой проблемой он обратился ко мне. Ситуацию мы исправили довольно просто: я скопировал первые пять строк из Excel-таблицы анкетирования в чат DeepSeek (да, если будете так делать — не обращайте внимания, что эти данные в интерфейсе чата будут выглядеть как откровенная ерунда; модель прекрасно поймёт, что это таблица, и получит необходимые сведения о её структуре), а затем попросил написать скрипт на Python для Google Colab, который запросит загрузку исходной таблицы, рассчитает требуемые статистики, распределит ответы на открытые вопросы по категориям и запишет результат в простой текстовый файл.

Потом мы загрузили этот файл в чат Perplexity, где ранее был сгенерирован визуально отличный, но совершенно неточный отчёт, и попросили модель исправить отчёт, опираясь строго на рассчитанные нами самостоятельно статистики. Результат был великолепным.

Не проси ответ — проси скрипт

Мораль этой истории такова: в некоторых ситуациях просить у модели в чате готовый результат — плохая идея (особенно если это просто текстовая модель, а в интерфейсе чата не реализована возможность вызова инструментов). Всё, что модель отвечает, нужно тщательно проверять.

Но попросить её написать код, который позволит получить промежуточный результат — и который потом можно будет использовать для аналогичных задач (например, получить статистику по другой анкете) — вот это уже хорошая история. Здесь как раз доступная всем форма чата оказывается достаточно эффективной: модель способна написать довольно сложную программу по вашему пожеланию. Это уже следующий шаг к автоматизации процессов, а сам подход называется AI pair programming или, в народе, «vibe coding».

Мне кажется, это сейчас одно из золотых правил: во многих случаях лучше попросить ИИ написать код, который решает задачу, чем просто попросить решить саму задачу.

И тут мы переходим к предметной части статьи. А что, если — и это вполне нормально — у пользователя нет навыков программирования? Как он будет запускать и использовать код, сгенерированный моделью? Мало кому из моих знакомых, кто не занимается программированием, хочется решать повседневные задачи, просматривая и копируя выводы из консоли IDE или Google Colab.

Внешний вид работы вывода информации в google.colab. Здесь программа, используя ИИ модель проанализировала серию решений Верховного суда и вывела на экран предварительную информацию, согласитесь не очень красиво

Интерфейс вместо консоли

Большинству пользователей — да и программистам, иногда тоже — нужен понятный и удобный интерфейс для использования кода в автоматизации простых рутинных задач. И тут на помощь приходят HTML, JS и CSS, которые позволяют создавать и запускать небольшие приложения прямо в браузере.

И да, это тоже код — и чаты на базе ИИ отлично справляются с его написанием.

Поясню, что я имею в виду. Одно время по работе мне было необходимо просматривать конфигурационные JSON-файлы нейросетевых моделей и выписывать из них строго определённые сведения. На первом этапе автоматизации я пользовался поиском по файлу или на странице браузера — это было очень неудобно, особенно если учесть, как выглядит JSON-файл, их количество и число позиций, которые нужно было выписывать.

Что я сделал? Я попросил нейросеть написать мне код браузерного приложения на HTML и JS, которое позволяло бы вставлять в исходное поле JSON, задавать ключи для поиска, сортировать найденные значения и отображать результат на экране в нужном формате. Получилось следующее:

Пример мини-приложения для ускорения поиска информации в json

Рабочее приложение было сгенерировано практически с первого ответа: все необходимые мне сведения выводились в виде удобной таблички, которую я потом использовал дальше.

Безусловно, это довольно специфический — отраслевой — пример и относительно простая задача. На текущем этапе автоматизации я этим уже не занимаюсь — эту работу выполняет программа, запускаемая по расписанию. Но на том предыдущем этапе это мини-приложение очень помогло мне ускорить процесс.

Вот другой пример:

Интерактивные презентации

Дочь попросила меня помочь сделать презентацию по биологии на тему простейших организмов. Я снова обратился к возможностям ИИ в создании браузерных мини-приложений. Модель сгенерировала код приложения, которое открывается в любом браузере — включая мобильные телефоны.

На экране симпатичная инфузория-туфелька хаотично движется и «поедает» бактерии. При нажатии на кнопку информации появляется изображение её внутреннего строения с интерактивными подписями-кнопками для всех органелл. При клике на каждую — всплывает окно с описанием.

Интерактивная презентация в браузере

Презентация имела успех у учеников: дети с удовольствием читали описания и при этом не забывали следить за происходящим на экране — соревновались, у кого инфузория «съела» больше еды и насколько подросла.

Ещё один пример — интерактивная презентация по информатике на тему форматов чисел, с которыми работают машины: как их правильно конвертировать и почему возникают ошибки в вычислениях.

Скриншот интерактивной презентации. Как перевести число Пи в формат float32

Надеюсь, мне удалось убедить вас в полезности практического vibe coding и, в частности, в удобстве браузерных мини-приложений.

Теперь перейдём к практике — и здесь нужно ответить на два вопроса: какую нейросеть выбрать для генерации кода и как правильно действовать.

Выбор модели: от чатов к агентам

Отвечая на первый вопрос, скажу, что идеальный вариант — это сервисы с ИИ-агентами, например Cursor и им подобные. Пожалуй, главное удобство таких сервисов — в механизме редактирования кода. При необходимости внесения исправлений не нужно писать: «исправь мне класс такой-то или функцию такую-то» (хотя и желательно), — можно просто сказать: «в моём приложении не работает вот это — сделай что-нибудь». Агент при этом изучает текущий код и точечно вносит изменения, не переписывая всё с нуля, как это часто делают модели при общении в чате.

Ещё один серьёзный плюс — система контроля версий (но это уже отдельная история). К сожалению, Cursor требует оплаты подписки. Хорошая новость в том, что существуют открытые и бесплатные модели, способные генерировать качественный исполняемый код, причём доступны они не только на платформе Hugging Face — в первую очередь ориентированной на разработчиков и инференс, — но и в уже упомянутых чатах. Но какая из них лучше?

Чтобы ответить на этот вопрос, я протестировал самые известные на рынке решения на задачах генерации, на мой взгляд, самых сложных браузерных мини-приложений — а именно игр. Программирование игр требует прописывания сложных условий и логики взаимодействия объектов, поэтому не случайно разработчики нейросетей демонстрируют возможность генерации игр в своих релизах — например, здесь или здесь. Если модель умеет хорошо создавать игры, она без труда справится с логикой вашего мини-приложения для автоматизации рутинных операций.

Мои оценки моделей основаны не на бенчмарках, а на практической пользовательской метрике: запускается ли игра и реализованы ли все её механики. Результат получился однозначным. Из протестированных — DeepSeek, Qwen, Kimi K2 и ряда других (включая ChatGPT и Gemini) — лучшими оказались серии моделей GLM 4.5, GLM 4.6 и GLM 4.7 от компании z.ai, доступные в чате chat.z.ai. Именно этим моделям удалось сгенерировать серию узнаваемых и горячо любимых классических игр. Примеры результатов я покажу ниже, а пока расскажу о процедуре.

Переходим по адресу chat.z.ai, в окне чата вводим простейший промпт:

Сгенерируй мне код браузерной версии классической игры pacman в одном файле. Используй html, js, css. Можешь использовать emoji. … Далее вы можете сразу описать какие-то особые пожелания

В ответе вы увидите примерно следующее:

Пример интерфейса чата c GLM 4.6 c ответом на запрос о создании игры (приложения)

При нажатии на объект №1 (артефакт генерации) справа откроется окно с превью игры в браузере. Далее переключаемся на вкладку №2 (отображение кода) и нажимаем кнопку «Копировать» (№3) — код игры скопируется в буфер обмена.

Затем создаём текстовый документ в обычном блокноте (подойдёт любой простой редактор), вставляем скопированный код и нажимаем Ctrl + S, чтобы сохранить файл.

Внешний вид кода в документе notepad.exe

Пока это просто текстовый файл, чтобы он запускался в браузере, необходимо изменить его расширение с .txt на .html. Для этого щёлкните правой кнопкой мыши по иконке файла, выберите «Переименовать» и подтвердите предупреждение об изменении расширения.

Далее запускаем игру двойным щелчком левой кнопкой мыши (ЛКМ) или нажатием клавиш Enter — и всё, смотрим, что получилось!

Если в игре что-то не работает или работает не так, как вам нужно, — возвращайтесь в чат с моделью и отправьте промпт, в котором опишите проблему и попросите её исправить.

Пример промпта для исправления ошибок. Тут я написал ScaleX(-1), потому что знаю в чем проблема, но модели достаточно сказать «рыбка не поворачивается в сторону движения, заданного клавишей» и модель сама поймет в чем проблема и исправит ее

Советы по эффективному генерации кода

Модель чаще всего сгенерирует код с нуля, хотя может создать и фрагмент для исправления. Если лень искать нужный участок или разбираться в структуре — просто попросите переписать код или создать новый артефакт (для модели это эквивалентно).

Еще раз повторюсь: переписывание кода с нуля — не лучший подход, но если у вас нет возможности использовать ИИ-агенты для редактирования, — придётся смириться. Либо научиться использовать агентов 😊 — правда, это потребует не только времени, но и определённых затрат.

Несколько практических советов:

Чем подробнее вы опишете механику игры, управление и функции — тем лучше будет результат. Детализация помогает модели точнее понять задачу.
Популярные игры, информация о механике которых есть в интернете, генерируются качественнее. То же справедливо и для мини-приложений: модель легко создаст калькулятор под любую специфическую задачу, потому что «знает», как он должен выглядеть и работать.
Не бойтесь начинать новый диалог — более того, это строго рекомендуется. Да, модель теоретически помнит контекст, но с каждым запросом на исправление она вынуждена перечитывать весь диалог. Чем он длиннее — тем сложнее ей сохранять фокус. Ответы начинают деградировать вопреки ожиданиям. Не используйте один чат более чем для 5–7 корректировок (одна игра в среднем занимает около 1000 строк кода).
Создайте новый диалог: скопируйте в него последнюю рабочую версию кода и изложите, что именно вас не устраивает в текущей реализации.
Не пытайтесь исправить всё сразу. Вместо промпта с длинным списком багов — просите исправлять по одной проблеме за раз. Это повышает точность и снижает шанс ошибки.
В какой-то момент захочется вносить правки самостоятельно. Начните с простого: цвет интерфейса, ширина игрового экрана, текстовые пояснения. Скорее всего, так и случится — ведь модель, умея решать сложные задачи, иногда путается в мелочах. Вы можете попросить её добавить комментарии к каждому блоку кода или указать, в какой строке реализуется та или иная механика.

Так вы сможете сами изменить количество врагов, координаты их появления или цвет стен — и постепенно приобщитесь к программированию. Для этого рекомендую открывать файл с игрой в редакторе, например, VS Code — мощном, бесплатном и удобном инструменте. Скачать его можно здесь.

Что получилось: игры, созданные ИИ

Далее стоит показать, что получилось у меня — и почему я отдал предпочтение моделям GLM. Ниже — небольшой список игр с кратким описанием их механик и скриншотами:

Pac-Man

Классическая аркадная видеоигра, разработанная японской компанией Namco и вышедшая в 1980 году. Колобок в лабиринте должен собирать точки-энерджайзеры, одновременно уворачиваясь от монстров-привидений.

Если Пак-Ман съест «арбуз» (power pellet), он получает возможность временно съесть привидение и заработать дополнительные очки.

Количество строк кода: 692.
Главная сложность: плавная анимация открывания и закрывания рта у колобка.

Скриншот браузерной версии игры Pac-Man

Donkey Kong

Компьютерная игра в жанре платформера, разработанная и выпущенная компанией Nintendo в 1981 году.

Наша версия немного упрощена: игрок управляет Прыгуном, который бегает и прыгает по платформам, собирает мешки с деньгами, а собрав все — получает право добраться до флага финиша на верхней платформе. При этом ему нужно уворачиваться от бананов, которые в него кидает Донки Конг.Дойдя до финиша, игрок переходит на следующий уровень, где меняется расположение платформ, а Донки Конг бросает бананы всё быстрее и точнее.

Количество строк кода: 1 121.
Главная сложность: плавная анимация ходьбы персонажа (для отрисовки использовались простые эмодзи).

Если игрок не увернется от банана он теряет жизнь (горилла стреляет метко😊)

Тетрис

Компьютерная игра, изобретённая и разработанная советским программистом Алексеем Пажитновым. Игра была выпущена в 1985 году; её механика, пожалуй, одна из самых узнаваемых в истории и практически не требует объяснений.

С учётом её популярности и культового статуса модели удалось сгенерировать очень аккуратную и полностью играбельную версию — с постепенным повышением сложности и корректной реализацией механики дропа.

Количество строк кода: 818.
Главная сложность: плавное и резкое опускание фигур («мягкий» и «жёсткий» дроп), требующее точной синхронизации с игровым циклом.

Тут очевидно куда просится фигура в форме синей буквы «Г»

Звериный Dig Dug

Моя версия аркадной игры Dig Dug, разработанной и выпущенной компанией Namco в 1982 году в Японии.

В игре кролик пробирается по норам под землёй, собирая алмазы и морковки, одновременно уворачиваясь от змей. Он может копать туннели и уничтожать врагов, сбрасывая на них камни — за это начисляются дополнительные очки. Архитектура уровней генерируется случайным образом; сложность зависит от количества врагов и расположения алмазов.

Количество строк кода: 932.
Главная сложность: синхронизация плавности анимации всех движущихся объектов — особенно камней при падении на змей.

Игрок только в начале пути и выбирает лучший маршрут

Asteroids

Аркадный шутер, выпущенный компанией Atari в 1979 году. Игрок управляет космическим кораблём, пролетающим сквозь пояс астероидов, по которому периодически перемещаются летающие тарелки. Цель игры — стрелять и уничтожать вражеские корабли (астероиды при этом не разрушаются), избегая столкновений со всеми объектами. С каждым новым уровнем увеличиваются скорость, количество астероидов и врагов.

Для отрисовки игровых объектов использовались изображения, сгенерированные в чате Qwen — к слову, он отлично справляется с генерацией изображений и коротких видео (но это уже тема для отдельного обсуждения).

Количество строк кода: 673.
Главная сложность: точная настройка точки вылета лазерного луча — она должна исходить строго из центра носа корабля, что потребовало тонкой привязки координат в JavaScript-анимации.

Уже на 6 уровне игра требует максимальной концентрации

Морское приключение

Моя авторская задумка, вдохновлённая классическими аркадными играми.

Рыбка плавает по экрану, собирая хаотично движущиеся креветки. При этом ей нужно избегать акул, кальмаров и других хищных морских обитателей, которые на высоких уровнях начинают атаковать с разных сторон экрана. Периодически на дне появляются бонусы — дополнительные жизни, ускорение или защита. Чтобы получить их, игрок должен перехитрить крабов, ползающих по дну.

Игра простая по механике, но получилась очень красочной, динамичной и увлекательной. Все объекты, кроме пузырей, выполнены в виде эмодзи.

Количество строк кода: 1 173.
Главная сложность: создание красивых и плавно движущихся пузырей — обычный CSS-анимируемый круг не подошёл, пришлось экспериментировать с градиентами и прозрачностью для эффекта объёма.

Что бы ускорить движение рыбки игроку нужно подобрать молнию с песка

От игр — к реальным задачам

Почему я начал с vibe coding мини-приложений для работы, а пришёл к играм? Ответ прост: технология и процесс генерации мини-приложений по представленному мной алгоритму — тот же самый, что и у игр, а зачастую даже проще. ИИ-модели, включая GLM, справляются с такими задачами быстрее и качественнее.

Приведу пример браузерного мини-приложения, которое я создал с помощью нейросети GLM. По работе мне нужно было тестировать открытые и проприетарные модели ИИ через API — в том числе те, которые развёртывала наша команда. Цель — быстро оценить не качество ответов по бенчмаркам (у них сейчас, похоже, совсем другая роль), а способность модели чувствовать системный промпт, корректно работать с параметрами вроде температуры, top-p и другими настройками генерации.

Не все Spaces на Hugging Face предоставляют такую возможность, а Playground от разных разработчиков позволяют экспериментировать только со своими моделями. Вдоволь насмотревшись на экран IDE, я решил использовать vibe coding и за один промпт собрал всё необходимое в одном HTML-файле — лёгкое, автономное приложение, которое решает эту задачу.

Модель невероятно хорошо отыгрывает роль пожилого профессора права

Пример детальной настройки системного промпта и параметров

Далее — сам чат. Первоначально он создавался для визуализации диалога, но быстро оброс полезными возможностями: поддержкой загрузки документов и извлечением текста из них — чтобы модель могла работать с контекстом; экспортом чата в документ (да, именно в форме чата — красиво оформленным, что есть далеко не у всех современных ИИ-чатов); а также возможностью сохранять и загружать диалоги прямо в браузере, без привязки к серверам.

Некоторые модели, например Qwen-3-235B-A22B-Instruct, не просто отвечала на вопрос как на скриншоте выше, но реально отыгрывала пожилого профессора права

Это приложение оказалось приятнее и удобнее IDE — и, что самое главное, позволяло быстрее решать задачи, поставленные передо мной. Его основа была написана с нуля моделью GLM 4.5 по тому же сценарию и правилам, что и генерация игр.

С полным основанием могу предположить: не всем нужны специфичные инструменты вроде моего или игры как таковые. Но поверьте — генерация браузерных мини-приложений способна закрыть и автоматизировать широкий круг повседневных задач, на которые люди сейчас тратят часы и даже дни. При этом такие решения работают быстрее, точнее и — главное — с постоянной воспроизводимостью.

А ведь именно этого так часто не хватает в обычном общении с ИИ: да-да, если вы три раза получили отличный ответ по хорошему промпту, ничто не гарантирует, что на четвёртый раз результат будет таким же. А вот код, однажды сгенерированный и проверенный, остаётся неизменным. Двигателем такого приложения становится программный код, который фактически отражает все ваши пожелания — а для его запуска достаточно любого интернет-браузера (доступ к Сети при этом вовсе не обязателен).

Поэтому всем рекомендую попробовать vibe coding браузерных приложений. А если не знаете, с чего начать — начните с игр. 😊

Технологии ИИ развиваются стремительно, но настоящая сила скрывается не в том, чтобы просто спрашивать, а в умении заставить ИИ работать на вас. Браузерные мини-приложения — это простой, доступный и мощный способ превратить идею в инструмент за считанные минуты. И неважно, вы программист или нет — главное, иметь задачу и желание её автоматизировать.

А мы в immers.cloud верим, что будущее — за такими подходами. За теми, кто не ждёт готовых решений, а создаёт свои. Наши облачные GPU-сервисы разработаны именно для таких задач: где нужно обучать модели, запускать тяжёлые вычисления или масштабировать ИИ-инструменты, созданные с помощью vibe coding.

Если вам интересно больше узнать о том, как облачные технологии помогают раскрывать потенциал искусственного интеллекта — подписывайтесь на наш блог. Здесь мы рассказываем не только о возможностях ИИ, но и о том, как сделать их своими — практично, быстро и без лишней сложности.