ChatGPT vs DeepSeek

Как мы моббин вскладчину покупали 🍪🍪

1️⃣ К моббину я отношусь с большим уважением, но у меня как у юзера почему-то всегда скрипели зубы от их прайсинга и подписочной модели. Я плачу за чатгпт $20 в месяц, и был бы готов платить больше, потому что пользуюсь им каждый день.

Моббин же лично мне нужен достаточно редко, и сценарий, как правило, один: зашел → нашел то, что нужно → забыл на два месяца. Поэтому я всегда жопил за него платить. В этом кейсе мне скорее ближе история с возможностью оплачивать одноразовые сессии (и я бы реально платил), но это моббину не выгодно будет, скорее всего.

2️⃣ Моим друзьям из России, как и мне, тоже был нужен моббин, но у них была еще одна проблема помимо «дораха», — российские карты не работают. Поэтому мы скооперировались и собрали чатик из 9 жадных дизайнеров.

Я зарегал новую чистую почту в Gmail, оплатил со своей карты Моббин на год, пошейрил эту сумму на всех и дал всем доступ к почте.

3️⃣ Спустя время вскрылась проблемка. Я как-то не подумал о пропускной способности новых устройств, с которых логинились ребята, поэтому через какое-то время их просто перестало впускать в почту.

Пересылать код ручками неудобно и не модно в 2025, поэтому я заставил чатгпт отрабатывать свои деньги и думать, как бы это все автоматизировать попроще (а я в этом реально дед пока).

4️⃣ Гпт предложил несколько вариков, но я остановился на скрипте Google Apps Script (это бесплатно 😂). Чат накодил первую версию, баги в которой я пофиксил после тестов, а потом связал ее с токеном бота BotFather и чатиком, в который предварительно его добавил. Мне оставалось лишь добавить триггер (с какой задержкой будут форвардиться письма) и запустить.

Теперь письма с кодом для входа пересылаются из почты в чатик ребятам.

Пост не инструкция к действию, а скорее байка, как дизайнеры изобретают костыли, когда нет гибкой модели подписки. Осуждаем, каемся, любим Mobbin ❓

Поделитесь в комментах своими осуждениями автора полезными сценариями автоматизации, которые вам реально упростили жизнь, будет интересно почитать

⚡️⚡️⚡️ OpenAI выпустили GPT-5.4 - новая топовая модель уже доступна в ChatGPT, API и Codex.

GPT-5.4 объединяет в одной модели advances в reasoning, coding и agentic workflows. Доступно две версии: GPT-5.4 Thinking (с расширенным режимом "размышления") и GPT-5.4 Pro.

Из того, что известно: контекстное окно выросло до 1М+ токенов (у GPT-5.3 было 400K), появился "extreme" thinking mode, который выделяет значительно больше вычислительных ресурсов на сложные задачи. Модель лучше справляется с длительными задачами на несколько часов и делает меньше ошибок в многошаговых воркфлоу.

https://openai.com/index/introducing-gpt-5-4/

#openai #gpt #ai #llm #coding

————————— Мысли Рвачева —————————

gpt-5.3-codex-spark очень нравится

🕹 Пробую делать игру на Godot и Unity: опыт для новичка

Решил попробовать сделать простую игру и заодно сравнить два движка: Godot и Unity. Для гугления использовал бесплатные AI типа Perplexity и DeepSeek, потому что у них нет ограничений по региону, и количеству токенов.

Godot: дружелюбно и по делу

Установка, запуск, первые шаги — всё супер. Не надо никакой IDE, автокомплит из коробки, интерфейс не перегружен. Если цель просто попробовать что-то быстро собрать — это идеальный вариант. Но вот с новой версией (4) справляться сложнее, нейросети вообще живут в прошлом.

Unity: монстр, который требует времени

После Godot переход на Unity ощущается как прыжок с велосипеда на грузовик. Движок кажется монструозным. Без туториалов можно часами кликать по интерфейсу и ничего не добиться. Обязательно нужна сторонняя IDE с настроенным автокомплитом и поддержкой C#, например, Rider или Visual Studio.

И что раздражает: • Запускается долго. Даже на SSD и 32 ГБ DDR5 приходится ждать. • Для простых вещей, вроде кнопки, приходится копаться в куче настроек.

Резюме

Если вы новичок и хотите быстро вкатиться — Godot ваш выбор. Unity лучше для серьёзных проектов, но чтобы освоить его, надо потратить уйму времени и терпения.

Осталось потестить Unreal Engine и понять, где та самая “золотая середина”.

Как известно, «Sam has a superpower: recruiting and raising money. That's what he's like a God at».

Сегодня OpenAI объявляют о привлечении 110 миллиардов долларов в качестве инвестиций.

30 от SoftBank, 30 от Nvidia (как пишут в онлайн-газетах — это взамен 100 миллиардов, объявленных в прошлом году и привязанных к постройке ДЦ), и 50 — от Amazon.

15 миллиардов от Amazon будут доступны сразу же, оставшиеся 35 после выполнения некоторых условий. Официальные источники не говорят, что это за условия, но TheInformation на днях писали про ранние этапы обсуждений: выход на IPO или создание AGI 😳

Кроме этого, OpenAI теперь будет использовать чипы от Amazon — Trainium (Anthropic уже давно на них сидят). Будет использоваться чипов как минимум на 2 ГигаВатта энергии.

Также в анонсе говорится, что недельная аудитория Codex увеличилась в 3 раза с начала года и достигла 1.6 миллионов пользователей. Всего за ChatGPT платит более 50 миллионов человек, а общая аудитория превышает 900 миллионов в неделю — компания снова вернулась к росту после спада в ноябре-декабре.

Оценка компании ннаходится где-то около $800B, что делает её 15-16 самой крупной в мире.

В дополнение к https://t.me/jsninja_news/1017

Вообще внутри GitLab я вижу как растерянность растёт во всех направлениях - мы не пониманием как проводить собеседования, рынок нервно реагирует на каждый очередной анонс OpenAI, Anthropic и остальных, а сколько у нас каждый день инициативных людей предлагает своих, точно самых лучших и навыков и подходов для нашего AI - неперечесть.

Что делаю я? Я палю токены. Очередной “супер-мега-подход” - я палю токены. Новая версия GPT - я палю токены. Не сжигаю - сжигали великих, Жанну Д\арк, Джордано Бруно, токены я просто палю.

Потому что к тому времени, когда станет понятно “а что же является стандартом” в индустрии ИИ-разработки я должен знать ответ на вопрос, который я всегда считал ключевым тестом “понимаете ли вы технологию Х” - “А какие у технологии недостатки и ограничения”? И пока у меня есть возможность палить их за счет компании - я вкладываюсь по-максимуму, чтобы делиться не фантазиями и мелкими экспериментами (легкий камешек в сторону Мэта Покока с его AI-курсом), а реальным бизнесовым опытом что работает, что нет и почему

Только что Сэм Альтман на стриме OpenAI анонсировал ChatGPT Agent

На демо это выглядело как действительно мощный инструмент — своего рода гибрид Deep Research, Operator и других решений для автоматизации задач в разных средах одним агентом. Агент OpenAI умеет переходить по сайтам, работать с вашими аккаунтами, искать информацию в почте, а если нужно обработать данные — напишет и выполнит код. Всё это — в рамках одной системы. 🤖

Но для меня не сам анонс сейчас важнее всего. Может показаться, что теперь все сторонние «обёртки» для GPT теряют смысл, и всё нужно делать только через ChatGPT. Я с этим не согласен. На мой взгляд, ничего радикально не изменилось — появился ещё один удобный инструмент, который можно встроить в собственные цепочки автоматизации и процессы, где вы уже используете искусственный интеллект. Теперь это просто стало быстрее и дешевле. Посмотрим, как будет с качеством — но прогресс не остановить, и оно в любом случае будет расти. 🚀

Как я и говорил, главное в любой технологии — не просто её появление, а умение встроить её в реальные процессы и получить ощутимую пользу. Вот об этом, я считаю, стоит задумываться куда больше, чем о новых релизах.

AI заменит дизайнеров, 2 года спустя В 2023 писал про AI и как он уже совсем скоро заменит дизайнеров, разработчиков, редакторов и [Add.YourJobTitle].

Замены всё ещё не произошло, но AI активно встроился в нашу жизнь, работу и обучение. Костя Горский делился своим приземлённым виденьем развития искусственного интеллекта в дизайне и оно мне близко. Выглядит вполне реалистично.

Уже много ребят делает крутые вещи, на которые возможно бы не решились без AI инструментов: 🔤Тренажёр неправильных глаголов от Антона Шеина 🔤Финансовый советник от Влада Калашникова 🔤Платформа по изучению чеченского языка от Влада Кургузова 🔤iOS приложение с часами от дизайнера Фигмы Daniel Destefanis

Продолжая прошлый пост, первую историю Дюны я конечно дочитал, а Пол из первой генерации за два года стал старше. Половина моего обучения немецкому построена на смеси GPT и Gemini. C поиском ответов помогает Perplexity. С текстами и письмами — также GPT, а с покупками Rufus.

😋 Расскажите как применяете AI в жизни, работе и обучении

Вчера после текста про формат мне написали несколько человек примерно одно и то же: «а что делать-то?» И я подумал, вероятно это и есть формат. Вот эта привычка к схеме «проблема / решение», что текст без инструкции воспринимается как незаконченный. Типа бесполезная информация без «how to apply». Автор сволочь даже промпт не оставил. Тем не менее, предположу, что любое "как это сделать" можно спросить у ChatGPT. Он даст пять шагов, которые вы сохраните и никогда не откроете. Мое кладбище намерений в избранном состоит из тысяч подобных могил. Я туда иногда захожу, кину взгляд как гвоздику на очередную инструкцию и дальше пошел. С собой не беру. А вот на поиски нового меня отправляют обычно не сохраненки, а вопросы, на которые ответа я еще не нашел. Как и в тексте вчера.

Как вы поняли, сегодня я не увернулся от хука "Маркетинг для зумеров умирает". Через 3 секунды мне уже объяснили, что вот сейчас выросло поколение Альфа и вот как надо ему продавать. Я еще не успел понять, что именно я хочу ему продавать, как меня уже попросили написать слово "поколение" в комментариях. Я обиделся на такой подлый удар по моей "новой нефти" и написал "поколение". Мне пришёл гайд.

Написал бы я "поколение" в 2016-ом? Или напишу ли я это слово в 2046 оставаясь при этом миллениалом? Этот вопрос заставил критически взглянуть на всю "теориею поколений". Но давайте посмотрим, что было в гайде.

Гайд был про адаптацию маркетинга под X, Y, Z и Альфа:

Миллениалы, ну тупо я или те, кто никто абсолютно никто, только мы так можем, оказались рационалисты, нам нужен длинный контент и символы статуса.  Зумеры чуют фальш, дофминовые микрорадости, покупают через соцсети. Альфе нужна геймификация, для них цифровая среда словно воздух.

Убедительно. Еще там были аккуратные плашки.и эмодзи около каждого пункта: 💡📈💎⚡️🚀 и в конце чек лист для проверки себя: ✏️

Я уже собрался идти делать длинный контент, но почувствовал фальш и закинул все на перекрестный глубокий анализ в Клод с Чатгпт. Тезисов было 12. Осталось 3 подтвержденых, но с оговорками: Зумеры действительно покупают через соцсети, есть проверка через транзакции. "Маленькие радости" как паттерн задокументированы, но только ли зумеры замечены в этом? Там же было "Почувствовать → рационализировать" — это вообще не про зумеров, это Канеман, просто так устроен наш мозг.

Остальное элегантные как халат автора "нарративные допущения". Миллениалы-рационалисты, при том что 74% из них самые крупные импульсные покупатели среди всех поколений. Зумеры, моментально чующие фальшь, разогнали TikTok Shop до $15 млрд через инфлюенсеров. Данных по Альфа практически нет. Большинство фактов из наблюдений их родителей во время когда они дают им айпады, что-бы наконец поесть в тишине.

Оказалось, теорию поколений придумали Штраус и Хоу в 1991-м. Сегодня она убедительна, так-же как гороскопы, и так-же неплохо продается в любых отделах маркетинга. Но в 2023-м Pew Research официально отказался от поколенческих ярлыков. Мета-анализ 584 тысяч человек из 113 стран, показал, что большинство "поколенческих" различий объясняется возрастом и эпохой. Если человеку 16 лет, то в любом веке его круг интересов будет примерно одинаковым. Просто искать он его будет не в журналах под кроватью отца, а в интернете. Пока его отец вспоминает где его 16 лет. Возможно, на Большом Каретном, а может в MDK в ВК. (Кстати, возможно алгоритмы ленты ВК построены на "теории поколений")

Децл мог продать мне Пепси, но продаст ли madk1d мне старый мельник? Ему кстати уже продадут. А вот Децл мне Пепси так и не продал. Я выбирал Колу.

Что это подтверждает? Что внутри одного поколения различий больше, чем между поколениями. Что это опровергает? Теорию поколений.

Внутри любого "поколения" различий в разы больше, чем между поколениями. Получается, "маркетинг для зумеров" это маркетинг для 2 миллиардов человек с несовпадающими доходами, ситуациями и ценностями. 

Миллениал 2016-го и миллениал 2026-го — разные потребители потому, что изменился возраст и контекст. Есть только "period effect" (влияние исторических событий) и он всегда уникальный. И поведенческий паттерн, тут мы все люди как люди.

А есл иподумать, то сама "теория поколений" родилась в 91-м году. Ей, получается 34! Она буквально миллениал. Она рационально объясняет себя и апеллирует к статусу. И возможно даже обидется если ее назовут "ненаучной".

ChatGPT moment for VideoGen

🏈 Anthropic троллит OpenAI рекламой на Super Bowl

Самая просматриваемая реклама в мире - и Anthropic решили использовать ее чтобы потролить конкурентов. Компания объявила, что в Claude никогда не будет рекламы, и выпустила ролик где AI-ассистенты вставляют спонсорские сообщения прямо посреди советов.

Позиция Anthropic простая: реклама несовместима с тем, чем должен быть Claude. Если спросишь про проблемы со сном - ответ не должен зависеть от того, кто заплатил. Никаких "спонсорских" ссылок, никакого product placement.

OpenAI же недавно подтвердили, что реклама появится в ChatGPT для бесплатных пользователей и тарифа Go. 30-секундный ролик Anthropic покажут во время игры, а минутную версию с AI-терапевтом - в прегейм шоу.

#anthropic #openai #claude #superbowl #ai

————————— Мысли Рвачева —————————

Я экспериментировал с Playground. В нем тоже нельзя вставлять супер большие сообщения. Но есть отдельная секция Prompt messages, куда можно добавить без проблем. Впрочем, результаты оказались посредственными, модели теряются когда нужно сделать большую сложную выборку из большого текста. И к тому же очень медленно работают, когда контекст под завязку (хотя не факт, что проблема в самих моделях). Я думаю, если попросить найти какой-то факт по тексту, то может что-то и выйдет. А вот если нужно вычленить несколько десятков килобайт текста, который идет не подряд — то это уже невыполнимая задача. В итоге я вручную выбрал посты где затрагивалась заданная тема. Вышло 68Kb текста или 16k токенов.

С меньшим размером текста модели стали работать заметно быстрее. Однако результат получался далеко даже от приемлемого. Я просил генерировать на английском, переводя на лету с русского. В какой-то момент подумал, что это будет усложнением для LLM и решил перевести материал один раз на английский и потом работать с ним.

68Kb кажется небольшим объемом. Но это субъективно. Чтобы оценить такой объем - стоит начать переводить. Или хотя бы вдумчиво прочитать. Так вот с задачами перевода и адаптации текста LLM справляют отлично. Я попросил перевести и сохранить авторский стиль. И результат получился весьма качественный, насколько я смог оценить читая по диагонали. Заняло это все около 5 минут или больше, но точно не больше 15 минут. Стоило это меньше доллара. И это действительно поражает (до сих пор).

> Помню, как мой коллега заказывал перевод примерно такого объема лет 7 назад, он тогда отдал не менее 150 долларов (не помню, может и в 2-3 раза больше), ему переведили 2 недели и качество перевода было весьма посредственное, так как переводчик не очень знал профессиональную лексику.

С материалом на английском, модели стали еще шустрее работать и качество ответов повысилось. Осталось получить статью.

Фактор неуверенности

Иронично, как по разному иногда тренируются модели. Фраза которая кардинально улучшает для меня результаты в Opus 4.5/4.6 и почти не имеет эффекта в GPT 5.3/5.3 Codex (когда я работаю с кодом в котором действительно не уверен что полноценно знаю и разбираюсь)

This is just a theory, I might be wrong. Either confirm it or reject it with arguments

Для опуса у меня это убирает вот это "You're absolutely right" которым он болеет и дико раздражает Раньше я говорил что среди топовых моделей выбор часто продиктован стилем работы модели (у Опуса и Кодекса он очень разный). Теперь иногда думаю что темперамент пользователя тоже влияет роль

📺 Как я экономлю часы на просмотре ютуб-видео

В предыдущих постах я уже рассказал, как я эффективно читаю научные пейперы и книги через GPT. Теперь пришло время рассказать, как я подхожу к видео на ютубе.

Подход простой: сначала прочитать краткое содержание с основными мыслями из видео → затем уже решать стоит ли посмотреть его целиком. Я давно уже пытался внедрить такой процесс в ручном режиме. Для популярных видео или курсов я искал сначала саммари с основными мыслями, но такое находилось редко.

🤖 У меня наконец получилось автоматизировать этот процесс (почти) для любого видео при помощи расширения от команды Glasp. Работает так: у каждого видео на ютубе есть автоматическая транскрипция в текст. Расширение берет этот текст, открывает окно с ChatGPT, вставляет туда и просит саммаризировать до основных мыслей. В отличии от предыдущего сервиса — понадобится активный аккаунт OpenAI. Также если есть платный аккаунт, то GPT-4 дает результаты в несколько раз лучше.

👨‍🔬 Выше я написал, что это работает почти для любого видео. Тут вступает в силу вопрос длины контекста. Напомню: в текстовое поле ChatGPT помещается около 4k коротких английских слов или 1k на русском. В пересчете на минуты английского видео — это в районе 10 полных минут разговора. Ребята из Glasp это предусмотрели и написали код, который равномерно берет куски текста из всего транскрипта так, чтобы они гарантировано поместились.

✅ Классные результаты получаются на английских видео длиной до 30 минут. В коментарии к посту закину результат саммаризации видоса от Balaji из вчерашнего поста. Никто не запрещает запустить расширение и на часовом видео, но там большая вероятность потерять важные мысли из видоса. На русском языке не рекомендую запускать — даже на очень коротких видео получал посредственные результаты.

😎 Pro tips: 1) расширение удобнее всего запускать по хоткею Cmd+X+X; 2) Расширение также работает для страниц в интернете, статей, документации — запускается тоже по хоткею.

@prod1337

📊 YouTube - король всех возрастов

Sensor Tower выпустили статистику самых популярных приложений в США (Q4 2025). YouTube на первом месте во всех возрастных группах - от 18 до 45+.

Интересные наблюдения:

- Discord в топ-10 только у молодежи (18-24 и 25-34) - TikTok на 9 месте у 18-24, но в топ-10 у 45+ тоже попал - ChatGPT пробился в топ-10 у 35-44 (9 место) и 45+ (10 место) - Google Gemini появился только у 45+ на 10 месте - Facebook предсказуемо растет с возрастом: 6 место у молодых → 2 место у 45+ - WhatsApp стабильно в топ-10 во всех группах

Другие интересные графики про mobile доступны в отчете: 🔗 a16z.news/p/best-of-the-best-of-mobile

#mobile #report #a16z #apps #youtube #statistics

————————— Мысли Рвачева —————————

🔄 Claude дает тебе промпт, чтобы вытащить знания о тебе из других AI.

В настройках Claude есть прикольная штука - "Import memory". Тебе дают довольно длинный промпт, который ты кидаешь в ChatGPT или Gemini. Тот AI выгружает все знания, которые он про тебя сохранил - предпочтения, инструкции, контекст из прошлых разговоров. Копируешь результат обратно в Claude - и он моментально тебя "узнает".

Но самое интересное - этот же промпт можно использовать как персональный "open crawl". Просто попроси ChatGPT выгрузить все, что он о тебе знает. Без всяких GDPR-запросов и форм - просто промпт в чат. Полезно хотя бы для того, чтобы увидеть, какую картину о тебе построил AI за все время общения.

Конкурентный ход тоже красивый - Anthropic делает переезд максимально простым. А когда сервис не держит тебя силой, доверие к нему только растет.

#anthropic #claude #ai #chatgpt #privacy

————————— Мысли Рвачева —————————

Используем `Response`

Для преобразования "одиночных" значений в ReadableStream можно также использовать конструктор Response() и прокидывать его в аналог loadDataFromResponse() или передавать его свойство body сразу в loadDataFromStream().

loadDataFromResponse(new Response('...file content...')); loadDataFromStream(new Response('...file content...').body);

Конструктор Response() принимает широкий набор значений: Blob, ArrayBuffer, TypedArray, DataView, FormData, ReadableStream, URLSearchParams и строки.

Таким образом, Response() может служить достаточно универсальным конвертером одиночных значений в ReadableStream. Однако стоит понимать, что переданное значение обычно не бьётся на чанки (если это не ReadableStream; тогда чанки из стрима передаются как есть, но могут и переразбиваться). Так, если в Response() положить ArrayBuffer на 100 мегабайт, то, скорее всего, он (а вернее, его копия) и выпадет на принимающей стороне единственным чанком. Поэтому реальной пользы от конвертации в стрим, кроме как подгонки под интерфейсы, не будет.

---

Интересно заметить, что Response() можно использовать для конвертации FormData() в строку ("multipart/form-data") и обратно, что я обнаружил, когда писал этот текст. Сам FormData() по какой-то причине такой функциональностью не обладает. Но, манипулируя методами Response(), этого несложно добиться:

> Не думаю, что так было задумано, скорее побочный эффект, от того решение выглядит ещё более интересным. Я даже помучал ChatGPT (4o и o1-preview), и он не знал и не смог вывести решение (чат с o1). Гугл тоже не помог найти что-то подобное. Но я не претендую на оригинальность 😉

const formData = new FormData(); formData.set('value', 123); formData.set('myfile', new File(['{"hello":"world"}'], 'demo.json', { type: 'application/json' }));

// FormData -> multipart/form-data string const multipartString = await new Response(formData).text();

console.log(multipartString); // ------WebKitFormBoundaryQi7NBNu0nAmyAhpU // Content-Disposition: form-data; name="value" // // 123 // ------WebKitFormBoundaryQi7NBNu0nAmyAhpU // Content-Disposition: form-data; name="myfile"; filename="demo.json" // Content-Type: application/json // // {"hello":"world"} // ------WebKitFormBoundaryQi7NBNu0nAmyAhpU--

// multipart/form-data string -> FormData const boundary = multipartString.match(/^\s*--(\S+)/)[1]; const restoredFormData = await new Response(multipartString, { headers: { // Без правильного заголовка не распарсится 'Content-Type': 'multipart/form-data;boundary=' + boundary } }).formData();

console.log([...restoredFormData]); // [ // ['value', '123'], // ['myfile', File { ... }] // ]

я перестал учиться год назад. это был самый продуктивный год в жизни

всю осознанную жизнь учусь — самостоятельно, по книгам, курсы, подкасты, консультации. но за последний год я вообще перестал учиться старыми способами

мой паттерн теперь другой: дип-рисёрч темы → вытаскиваю лучшие практики → моментально применяю в работе → обучаюсь об практику. мне сложно представить задачу, на которую не найду применимых ответов этим способом. начинал с дип-рисёрча от чатжпт. сейчас у меня своя система, которая разбирает тему с разных сторон, в том числе критикует выводы

но агенты двигают планку ещё выше. зачем мне вообще читать рисёрч и вникать в тему? рисёрч должен превращаться в агента. это должен быть модуль внутри системы, заземлённый на реальные данные. пускай он и принимает решения

хочу строить продукт, который нужен пользователю? подключаю ajbtd-агента из данных курса. хочу разобраться в виральных хуках? запускаю рисёрч → упаковываю в агента → агент генерирует хуки за меня

стоимость репликации таких агентов будет нулевой. нажимаешь кнопку и он у тебя. это и убьет большую часть курсов и онлайн-образования

тут можно парировать: чёрная коробка, не знаешь что внутри. но это не так. все инструкции для агента открыты и видны. и они легко докручиваются через фидбэк-луп самим же агентом. не нравится хук → объясняю → даю больше примеров → скармливаю больше рисёрч-данных → получаю более совершенный пайплайн

здесь интересно поисследовать — куда пойдет онлайн-образование. я вижу выход в человеческом взаимодействии, сообществах, их я и хочу строить в этом году

ChatGPT/LLM'ки уже так прочно вошли в рутину - не представляю жизнь без этого. Вот навскидку, где использовал за последний месяц:

- спланировал сложный маршрут для отпуска; - получил рекомендации на основе анализов крови и сверил с рекомендациями нутрициолога и врача; - подобрал сигару по скриншоту из интернет-магазина, чтобы не тратить время самому; - использую как ассистента в изучении греческого (напр. прошу выстраивать мне ассоциации для запоминания слов); - собрал потрет кандидата и job description; - использую в роли учителя для подготовки к урокам Торы; - собирал за минуту простые инструкции для мамы по установке VPN и прочих технических штук; - анализирую, как распределяется мое время, чтобы не утонуть в операционке; - собрал пост в телеграме на основе заметок и рефлексии с ChatGPT.

И бесчисленное количество раз использую, чтобы собирать мысли в кучу. Надиктовываю с Wispr Flow поток бессознательного и прошу ChatGPT привести в порядок.

Не разделяю разговоров про то, что AI нас всех заменит, нравится концепция, что забустит производительность. Что сейчас и происходит.