Open source — April 2026

Как я разлюбил OpenClaw и перешёл на Hermes.

В феврале этого года в технологическом мире произошел ураган под названием OpenClaw.

Австрийский инди-разработчик Питер Штайнбергер придумал ИИ нового поколения: не чатбот, а автономную ИИ-систему, которая сама ведет многошаговую работу без твоего участия в каждом шаге.

Я был одним из первых, кто поставил себе OpenClaw, и тем, кто участвовал в первом официальном хакатоне OpenClaw в Берлине в марте 2026.

Но за эти два месяца я сильно разочаровался в "ИИ нового поколения".

1. Инди-проект продался Сэму Альтману. ИИ-агент остался бесплатным и open-source, но контроль все же перешел к OpenAI.

2. Это все-таки очень сырой продукт. Мой ИИ-работник все время терял память и спрашивал меня "А ты кто?" после миллиона скормленных ему токенов.

3. "Кроны", то есть автономные действия по расписанию - а это было самое ценное - регулярно отваливались.

И тут в апреле появилась замена OpenClaw под названием Гермес. Я попробовал его и пришел в полный восторг:

1. Hermes AI Agent - это тоже опенсорсный бесплатный ИИ-агент, который любой желающий может поставить себе на компьютер и поручить ему оркестровку всех своих процессов в жизни и в бизнесе.

2. Его сделали идейные техногики из Калифорнии именно как ответку OpenClaw, - и это гораздо более сложная и технически совершенная ИИ-агент-система.

Hermes, в отличие от OpenClaw, имеет сквозную память, умеет самообучаться и гораздо лучше защищен с точки зрения кибербезопасности.

3. Поставить и настроить себе Гермеса все еще сложнее, чем скачать аппку из AppStore. Но все работает в разы стабильнее, чем OpenClaw.

Инструкция, как это сделать самому - тут (я рекомендую к Гермесу докупать виртуальную машину Hetzner - это его "тело", и токены Nemotron через OpenRouter - это его "мозги").

Важно понимать: Гермес - это прото-прототип фантастической технологии, который через два-три года станет мейнстримом.

Что конкретно делает мой ИИ-агент Гермес?

- Принимает задачи из моих емейлов и сообщений (здесь я поставил специальную защиту от промпт-инъекций, но об этом как-нибудь отдельно расскажу) и часть из них сразу и выполняет - еще до того, как я проснулся.

- Ведет себя как проджект-менеджер моей жизни: контролирует дедлайны, накидывает планы, дает дельные советы. Агент знает все мои задачи по всем моим проектам.

- Гермес не один у меня, у меня уже целый зоопарк ИИ-агентов, все они живут в моем Slack (я люблю Слак именно за максимально "рабочее ощущение", хотя большинство людей настраивает агентов на базе Telegram).

- По факту, в моем слаке уже живет ИИ-агентство - почти такое же, как было у меня раньше, когда я делал свое SMM-агентство Gurov Agency. Только теперь это не живые копирайтер, дизайнер, сммщик, бухгалтер на зарплате - а специально запрограмированные ИИ-сущности.

В дальнейшем я хотел бы выращивать такие ИИ-агенства на заказ и продавать.

Например, человек сможет купить у меня готовое, выращенное с любовью маркетинговое ИИ-агентство или студию веб-дизайна - целиком работоспособное, состоящее из ИИ-работников, ведущее реальные проекты под ключ.

Согласитесь, огонь идея? И вполне реальная: я же вырастил для себя такое ИИ-агентство.

👋🏻 Привет, появилась возможность вернуться к вам.

Чуть больше месяца назад родился второй ребёнок, поэтому я просто решил отложить многие свои дела, чтобы совсем не выгореть.

Кроме того, уверен, что многие, как и я, последние 2–3 месяца словили сильнейший за последние 4 года FOMO, когда Codex и Claude Code стали настолько хороши, что при желании можно было бы делать по 1 проекту в день.

И в Твиттере/Ютубе/Телеграме только и было, что какой-то очередной сударь вышел на MRR $70k.

В США B2B SaaS наплыв, на Product Hunt и Product Radar в 2–3 раза вырос поток заявок стартапов.

И на фоне роста себестоимости GPU, возможного глобального кризиса из-за конфликта на Ближнем Востоке и кучи других факторов кажется, что если не сейчас, то никогда.

Но в какой-то момент мне стало немного спокойнее — не на 100%, но лучше точно. И я сфокусировался на меньшем количестве проектов, а если и делал что-то совсем новое, то только если оно было в орбите фокусного продукта и усиливало его, было гипотезой, но не было бы вообще отдельным продуктом.

И также я заметил, что и некоторые другие ребята, кто не только ловили FOMO, но и действовали соответствующе, запуская 7–10 проектов одновременно, успокаивались и фокусировались на 1–2.

Страх говорит максимально диверсифицироваться и пробовать сразу много, но ценность в глубине, и обеспечивать глубину в 10 продуктах может только огромная команда или же корпорат. А когда ты стартап-команда или же вообще солопренёр — то велик риск, что стратегия дробовика только приведёт к выгоранию.

Как у вас с этим?

—

Кстати, на прошлой неделе мы на Product Radar запустили один больше даже социальный продукт, который делали для себя, а решили поделиться с другими, и скорее всего сделаем его open-source.

Про него расскажу подробнее чуть позже, а пока можно посмотреть тут— там ещё можно проголосовать за него до 12 по мск.

Это как раз пример того, что продукт тоже был отдельный от основного, но в его орбите и созданный для основного.

@oh_my_zen

Essential Python Libraries to build your career in Data Science 📊👇

1. NumPy: - Efficient numerical operations and array manipulation.

2. Pandas: - Data manipulation and analysis with powerful data structures (DataFrame, Series).

3. Matplotlib: - 2D plotting library for creating visualizations.

4. Seaborn: - Statistical data visualization built on top of Matplotlib.

5. Scikit-learn: - Machine learning toolkit for classification, regression, clustering, etc.

6. TensorFlow: - Open-source machine learning framework for building and deploying ML models.

7. PyTorch: - Deep learning library, particularly popular for neural network research.

8. SciPy: - Library for scientific and technical computing.

9. Statsmodels: - Statistical modeling and econometrics in Python.

10. NLTK (Natural Language Toolkit): - Tools for working with human language data (text).

11. Gensim: - Topic modeling and document similarity analysis.

12. Keras: - High-level neural networks API, running on top of TensorFlow.

13. Plotly: - Interactive graphing library for making interactive plots.

14. Beautiful Soup: - Web scraping library for pulling data out of HTML and XML files.

15. OpenCV: - Library for computer vision tasks.

As a beginner, you can start with Pandas and NumPy for data manipulation and analysis. For data visualization, Matplotlib and Seaborn are great starting points. As you progress, you can explore machine learning with Scikit-learn, TensorFlow, and PyTorch.

Free Notes & Books to learn Data Science: https://t.me/datasciencefree

Python Project Ideas: https://t.me/dsabooks/85

Best Resources to learn Python & Data Science 👇👇

Python Tutorial

Data Science Course by Kaggle

Machine Learning Course by Google

Best Data Science & Machine Learning Resources

Interview Process for Data Science Role at Amazon

Python Interview Resources

Join @free4unow_backup for more free courses

Like for more ❤️

ENJOY LEARNING👍👍

✔️ Повышение квалификации, интересные примеры программирования — на иностранных ресурсах.

✔️ Все большие лингвистические модели ИИ (кроме одной) у столь любимого нашим правительством искусственного интеллекта, который теперь всем предписывается внедрять в обязательном порядке — иностранные. Даже частное использование LLM — это сразу многие гигабайты «иностранного» трафика.

То есть иностранный трафик сейчас — вынужденная необходимость.

Кроме того, российское программное обеспечение просто пронизано западными опенсорсными продуктами. Например, истинно российский мессенджер Мах использует технологию webRTC от Google. Отечественные операционные системы — все сплошь на базе опенсорсного Linux, кроме KasperskyOS и «Авроры». Системы управления базами данных — в основном на базе опенсорсной PostrgeSQL.

Есть, конечно, российские продукты, где вся обвязка отечественная, но даже они используют массу небольших опенсорсных модулей и библиотек. Это, конечно, была гениальная идея англосаксов — сделать системы с «открытым исходным кодом». Она очень быстро отучила разработчиков всего мира писать код «с нуля».

Слышали такие слова, что программная система написана «со слов», без кода — «low code – no code»? Это не значит, что кода нет. Это значит, что разработчики берут куски готового иностранного кода и — тяп-ляп — делают из них свои программные продукты. И таких систем в России множество. И как тут быть без «иностранного трафика»?

А ещё русских в западных программистских сообществах тоже недолюбливают и периодически блокируют. Например, получить доступ к большинству моделей ИИ (LLM) с русского IP-адреса нельзя. Русским приходится маскироваться. Правильно, при помощи VPN. Причём не все разработчики работают через корпоративные VPN (которые как бы можно внести в «белые списки» Роскомнадзора), напротив — в среднем каждый разработчик поднимает свой собственный сервер, потому что он же разработчик, он может.

И получается, что РКН борется не столько с компаниями, сколько непосредственно с разработчиками. Напрямую. Кто они? Это в основном молодые мужчины (90%), технически продвинутые, в массе аполитичные и «свободолюбивые». Они не ходят с вопросами к начальству. Они просто берут и делают. Их в стране примерно миллион. У них азарт — обойти ограничения. Поэтому сотни программистских форумов кишат советами, как обойти блокировки, где взять новую софтину, приладу, приложуху, тулзу, варез для обхода.

Вчера в одной из моих компаний РКН заблокировал по ошибке один публичный сервис. Поколдовали минут 20, подняли обходной канал VPN — всё заработало. Так и будет по всей стране. Никто из разработчиков не пойдёт регистрировать в РКН свой VPN, чтоб его занесли в белый список. Нет, они просто поколдуют — и всё заработает.

Пока блокировок не станет столько, что Интернет не перестанет ходить совсем.

Ну, и в заключение — общее соображение. Социальную проблему нельзя решить техническими средствами. Доступ к плохому контенту, враждебные иностранные цифровые платформы, информационная война — социальная и политическая проблема, а не техническая.

Людям закрыли платформы, они находят способы это обойти. Им закрывают способы обхода, они находят новые. Конфликт, противостояние государства с собственным населением развивается, рейтинги власти падают, а проблема остается.

А у нас в стране ведь есть примеры успешной борьбы с нежелательным и вредными явлениями. Многолетняя кампания против курения привела к тому, что курить стали меньше. При этом обошлись без прямых запретов, постепенными ограничениями, многие из которых — экономические и юридические.

Можно же, если не верить в технократические иллюзии и в технические решения сложных социальных проблем.

⚡️Стажировка в VK: C++ developer в команду KPHP (TeamLead — выпускник КТ)

Отлично знаешь C++? Нравятся операционные системы? Хочешь понять, как устроены языки программирования изнутри или любишь разбираться в сложных вещах? Тогда откликайся к нам на стажировку 😉

Наша команда разрабатывает KPHP — сердце инфраструктуры бэкенда ВКонтакте. Это не только компилятор языка, но и языковой рантайм, веб-сервер и платформа исполнения, на которой работает бэкенд vk.com, обрабатывающий нагрузку порядка 2 миллионов RPS.

Примеры возможных задач - Улучшение стандартной библиотеки языка - Оптимизация рантаймовых примитивов языка (строки, массивы, хеш-таблицы и другие) - Оптимизация собственной реализации stackless корутин - Улучшение типовой системы языка - Разработка системы performance-тестов

У нас интересно - Огромное влияние на продакшен ВКонтакте - Большая часть разработки проходит в open source - Используем современные технологии — C++-23, Tokio Rust, stackless корутины - Разнообразные задачи и отсутствие рутины - Нет лишней бюрократии

Ищем желающих на время стажировки присоединиться к нашей уютной команде очно в офисе в Доме Зингера в Спб или удаленно 😎 Отправляй заявку по ссылке ☺️

Xiaomi представила флагманскую опенсорсную модель MiMo-v2.5 Pro. По возможностям сопоставима с Claude Opus 4.6, GPT-5.4 и Gemini 3.1 Pro

Модель хорошо справляется с написанием кода и агентскими задачами. Поддерживает интеграцию с более чем 1000 инструментов и быстро решает рутинные задачи, которые обычно занимают несколько дней.

#полезное

Нейросети: Волшебство ИИ

Развернуть свою LLM или на API-шке заведется?

В прошлом посте считали стоимость инференса своей LLM. Может, ну его нафиг, и будем просто OpenAI за токены платить? Вопрос не простой. Правильный ответ зависит от того, на какой стадии проект и от его ограничений. Стадий всего две. Ограничений — поболее. Теперь по порядку.

Две стадии AI-проекта: MVP и масштабирование

1) MVP. Цель — получить сигнал, что продукт реально решает проблему и растит бизнес-метрику. Опросы пользователей, оффлайн-метрики, A/B-тесты — отсюда получаете сигнал.

2) Масштабирование. Сигнал получили, теперь раскатываем решение в прод. Здесь уже думаем про железо, стоимость, безопасность, SLA — всё то, на что было плевать вчера.

Это две разные задачи с разными рисками. И модели под них нужны разные (подробнее про стадии проекта в статье).

MVP: только API, только хардкор

Главный риск на старте — закопать месяцы в проект, который вообще не надо было делать. Поэтому на стадии MVP запрещено думать про стоимость инференса, скорость работы и безопасность. Главная метрика — скорость проверки гипотезы. Каждая инвестиция в AI-инфраструктуру — бездарно потраченное время.

Отсюда правило: берём самую толстую API-модель, которая есть на рынке. Если уж она задачу не вытянет, можно честно закрывать проект и идти делать следующий.

Масштабирование: когда API может не тянуть

Сигнал получили, продукт нужен, начинаем думать, стоит ли слезать с API. Причины для слезания:

1. Безопасность данных. 99% реальных причин ухода с API. Регуляторка, персональные данные, банковская тайна, корпоративные секреты и тд.

2. Медленно. Редкая история. Современные провайдеры используют много примочек и сильно разогнали инференс. У вас, скорее всего, сильно быстрее не получится.

3. Дорого. Тоже редкий случай. Платите за GPU вы постоянно, но нагрузка у вас пикообразная. Ночью пользователи спят. Днём работают. В ваш сервис реально ходят несколько часов в день, а карты постоянно в вашем P&L. В API вы платите строго за токены, что использовали. И не забудьте про команду, которая должна инференс поднять и поддерживать. Опенсорс становится дешевле если: (а) у вас реально большой трафик (б) вы умеете грамотно утилизировать железо в провалах — сдувать ночью, поднимать днём, шарить между задачами. Вывод: в 99% кейсов API дешевле, чем свой инференс. Если вам кажется иначе — посчитайте ещё раз.

Как делать Масштабирование на опенсорсе

1) Пробуем самый большой опенсорс. Да, он хуже топовых API-моделей. Но разрыв меньше, чем принято думать. Если экономика сходится — вы восхитительны, можно больше ничего не делать.

2) Если экономика не сходится — дистиллируем. Учим маленькую модель на ответах большой. Это вот ровно тот кейс, где оправданно обучать свои модели. Маленькая модель запоминает паттерны большой, теряет широту (на задачах за пределами вашего домена она будет тупить), зато выигрывает порядок по железу. Но на широту вам обычно пофиг, лишь бы конкретно вашу задачу более менее решала. При правильной дистилляции реально сжать модель на порядок.

Резюме: итоговый алгоритм

1. MVP → самая большая API-модель. Ищем сигнал, что продукт решает проблему.

2. Сигнал получили + с безопасностью ок + скорость норм + экономика сходится → остаёмся на API.

3. Данные отправлять нельзя → разворачиваем самый толстый опенсорс.

4. Опенсорс не лезет в экономику → дистилляция под ваш домен.

5. Всё остальное (дообучаем модель, чтобы она поумнела; поднимаем свой инференс, чтобы сэкономить на API; перебираем опенсорсы на MVP) — от лукавого.

401 meetup – call for papers

Друзья, пишу поделиться отличной новостью!

Анонсирую оффлайн-митап про Identity & Access Management (IAM) в Москве 27 мая. Концепция: свободный вендор-независимый митап для сообщества.

Подробности и начало регистрации для участников будут объявлены позднее, а пока приглашаю спикеров заявиться с докладами.

Очень жду и приветствую доклады про аутентификацию, управление доступом и смежные области. Это будет классная возможность выступить на релевантную аудиторию. Тайминг 35-40 минут. Запись постараюсь организовать, чтобы материалы были доступны.

Принимаем любые идеи, крутые технические или архитектурные доклады всегда в цене. А если вам нужно вдохновение, вот темы, о которых особенно хочется послушать: - Аутентификация и авторизация: MFA, passwordless, адаптивная risk-based аутентификация, Just-in-Time Access, политики и модели контроля доступа - Протоколы и стандарты: интересные, новаторские практики использования OAuth 2.0, OIDC, SAML, применение новых RFC и спецификаций - Безопасность identity: Identity Threat Detection and Response (ITDR), уязвимости, атаки на аутентификацию, контроль доступа и меры защиты от них - Практика и highload: опыт использования “нестандартного” Open Source (Ory, Casdoor, ZITADEL, etc.), адаптация IAM под высокие нагрузки и специфичные НФТ, разработка собственных IAM-решений - Новые вызовы: аутентификация и контроль доступа для AI-агентов и MCP - Enterprise-задачи: B2B IAM, федерации, мультитенантность - Customer IAM (CIAM): UX и безопасность, управление аккаунтами и согласиями, social login - Архитектура: аутентификация и контроль доступа в распределенных системах, service-to-service взаимодействия, SPIFFE - Интеграции: комплексные решения из нескольких компонентов: IdM, IAM, SIEM, API Gateway, etc.

⛔️ Для подачи заявки на доклад заполняйте форму.

Прием заявок открыт до 1 мая (но времени не так много, не затягивайте). Со всеми заполнившими форму свяжемся. По вопросам можно писать Андрею Кузнецову.

Сомневаетесь, подходит ли ваша тема? Оставляйте заявку – обсудим и подумаем вместе. Мы открыты к специалистам с различным опытом и профилем. Если у вас есть идея доклада, но вы никогда не выступали и переживаете, мы поддержим и поможем подготовиться <3

Напоследок TLDR: 📆 27 мая оффлайн в Москве, площадку согласился предоставить Яндекс 📩 Заявки на доклады присылайте в форму до 1 мая

Stay tuned!

#announce #iam_general

И чо?

(последняя часть)

Короче, индустрия не готова к росту от агентов. Потому что он случился слишком внезапно.

На рынке, где в конечном счёте важны долгосрочные контракты на сложную инфраструктуру для создания чипов.

У Антропиков сейчс есть 2.5 гигавата на вычисления и к концу года нужно 5-6. Столько можно получить только побираясь в категории Other. CoreWeave, Bedrock, Vertex, Foundry. С миру по нитке и за очень дорого. А они хотят стать прибыльной компанией и не могут позволить себе транжирить деньги.

Поэтому грустное.

Скорее всего страдать будем мы с вами.

Самое очевидное решение - они просто срежут лимиты и поднимут цены.

На днях они перевели OpenClaw на API. И так и написали, сорян ребята. Затягиваем пояса, вот вам 20 баксов в подарок за беспокойство. А еще ввели разные тарифы в зависимости от времени суток. Я уже пару раз сталкивался с тем, что в "непиковые" часы Клод ложился под нагрузкой. Под наплывом бедняков за дешевыми токенами.

Я для себя два вывода сделал.

1. Не класть все яйца в одну корзину.

Например, создавая скилл делать так, чтобы он работал на любой модели. Я тащусь от Клода, но OpenAI и Google в намного лучшем полжении в плане дступа к компьюту.

Поэтому я научился менять модель в зависимости от задачи. Плачу минимальную подписку каждой лабе. А когда заканчивается лимит - просто меняю нейронки.

Китайским опенсорсом пока не пользуюсь, потому что зачем. Не юзайте Дипсик, ради всего святого.

2. Нервничать, что я не зарабатываю на ИИ.

Нейронки для меня это не способ зарабатывать больше денег. Это моя статья расходов, которая себя окупает давая больше возможностей и времени.

Но вот если введут какой нибудь тир за 1000 баксов, я такое не потяну. Сейчас это абсурдно звучит. Но вспомните пример из первой части статьи с зарплатой реального человека. Пока 1000 баксов затрат приносит 5000 прибыли - это круто.

И те кто так делать не умеет, будет сидеть в бесплатном тарифе и смотреть рекламу =/

Многие думают, что ИИ это какое-то новое направление. На самом деле, это целая новая мировая экономика.

Когда выделяю в течение дня время на узнать новое вокруг ИИ, то я погружаюсь в бездну. Это напоминает момент, когда ты только знакомился с интернетом и провалился в него на 15 часов в сутки. Ссылка за ссылкой, ссылка за ссылкой. И вот ты уже сам не знаешь где. И на каждом шаге перед этим и далее - новое. Новое. Новое. Новое.

Сегодня уже, конечно, не успеть ... невозможно объять эту тему. Каждый день новый опенсорс проект на гитхабе или озвученная идея на реддите порождает сотни "ответов" - новых, еще более продвинутых проектов. Производные от производных. Которые охватывают весь старый мир, все отрасли, ... и создают новый мир, с какими-то "неведанными чудесами". Читаешь и ... ты даже подумать не мог о таком, что такое может быть. Новые функции человеческой жизни, новые ниши, новые рынки ... новой экономики.

Сравнивая наши "стартапы" и "их", приходишь к выводу, что инвестировать уже и некуда. У "наших" просто архаика, прошлый век. Да, дивидендные модели, пока генерящие кэш. А там ...у "них" ... ты только подумал: "Идея! Вот это буду делать" - уже завтра какой-то гик то сделал бесплатным и выложил в сети, а послезавтра от этого родились еще полтора десятка производных идей. И они еще круче и более захватывающие. И люди делятся ими. Друг с другом. С миром. Выкладывают бесплатно, хотя сами потратили на это миллионы токенов.

Обывателю сейчас тяжело понять, о чем я говорою. Это покажется ему пустыми словами. Или бредом. Но лишь потому, что он не видит и даже примерно не осознает, как за последние годы сильно он отстал от того будущего мира, "их" мира.

Да, ему привезут готовые "продукты", которыми он будет пользоваться, как сегодня пользуется телевизором, ноутбуком, мобильным ... но он уже вряд ли когда-нибудь поймет, как это работает или как это создать.

Очень, уж, далеко мир удетел в последние месяцы благодаря ИИ. Скачок после почти годового затупа и стояния на месте.

| подписывайтесь на @ecworldai | нейросети (AI)

Вот вам чистый опенсорс, всё локально. Генерация голоса за 48 секунд, музыки за 30 секунд. omnivoice2 + ACE-Step-1.5-XL.

👉 ЭнерджиIT - Подписаться