Тестируем бесплатный OCR на Mac 👀

Я тут на днях решил проверить, насколько хорошо с распознаванием текста на сканах и PDF справляется встроенная система macOS.

Насколько точно она может обычный скан документа превратить в текст, который потом можно искать, переносить в таблицу, CRM или отдавать ИИ на анализ?

Для сравнения взял специализированную библиотеку docTR, которая занимает около 2,5 ГБ, и обычный офисный PDF без текстового слоя: фирменный бланк, с реквизитами, адресом и русским текстом.

Что получилось👇🏻

macOS Vision, быстрый режим — 1,19 сек и около 95% кириллицы. Ошибки единичные: «стр.ба» вместо «стр.6а»

macOS Vision, точный режим — 0,75 сек и 0% кириллицы. На выходе «o6[?]eCTB0 c orpaHM4eHHOkl OTBeTCTBeHHOCTbK)»

docTR — 3,64 сек плюс почти 20 секунд на загрузку моделей и тоже 0% кириллицы. «O6ueCTBO C orpahnyeHHOM OTBETCTBEHHOCTbIO».

Оказалось, что «точный» режим macOS просто не поддерживает русский язык, а «быстрый» поддерживает. По названию режима этого вообще не понять 😅

А самое печальное, что ни один из инструментов не выдал ошибку 🤪
Оба вернули результат как успешный: цифры, email и телефон на месте, длина текста правильная, 1774 знака, что тебе еще надо? 🤣

👉🏻 Если такое улетит в базу или в CRM пачкой сканов договоров — вы узнаете об этом сильно позже((

💡 Мой вердикт:

встроенный OCR на Mac вполне можно брать в работу с русскоязычными документами, только если правильно выбрать режим и проверять качество на своих файлах.

Сэм Альтман обещает AGI уже к концу 2026 👀

В OpenAI сейчас очень уверены, что до AGI* осталось совсем немного. Сам Альтман говорит про конец этого года, Марк Чен оценивает прогресс примерно в 80%.

👉🏻 Один из главных аргументов — новая система Astra. Ей можно дать идею эксперимента, а она сама пишет код, запускает тесты и возвращается с результатами.

Но тут есть важный нюанс))

OpenAI определяет AGI как систему, которая превосходит человека в большинстве экономически ценной работы. То есть «AGI к концу года» сильно зависит от того, какое определение считать правильным.

А вы как думаете: большое событие уже рядом или пока слишком громкое название для очередного скачка в моделях?

*

AGI — Artificial General Intelligence.

Простыми словами, это ИИ, который умеет решать широкий круг задач примерно на уровне человека или выше.

Anthropic выкатили большой отчет по AI-агентам за 2026 год 👀

Anthropic опросили 500+ технических руководителей в США:

компаний уже используют агентов в многоэтапных процессах

говорят, что получают от них измеримый экономический эффект.

Чаще всего пользу видят в аналитике и отчетности, автоматизации внутренних процессов, разработке и поддержке клиентов.

При этом главные проблемы все те же: интеграция с существующими системами, качество данных и стоимость внедрения.

То есть сам агент уже редко является главным ограничением — сложнее нормально встроить его в бизнес, о чем мы как раз вчера говорили с вами)

В общем, главный вывод такой, что агенты уже постепенно выходят из стадии экспериментов и становятся рабочим инструментом внутри компаний.

Почитать полный отчет можно тут

компаний притормозили внедрение AI-агентов. Почему?

По данным KPMG, почти половина компаний урезали или остановили внедрение агентов, потому что затраты начали обгонять полезный эффект 🫠

И я думаю, причина кроется в одном вопросы, который редко задают на старте: а эту задачу вообще имеет смысл отдавать агенту?

Например, так недавно на одном проекте мы отказались от автоматизации ручного скрапинга👇🏻

Технически все было понятно, бота можно было собрать за пару дней. Но когда разобрали процесс целиком, выяснилось, что скорость сбора данных вообще ничего не меняет.

Узкое место находилось в другом месте, поэтому агент просто быстрее упирался бы в ту же стену.

С агентами легко попасть в другую ловушку: настроить, связать несколько систем, потом чинить интеграции, проверять результат, разбирать ошибки — и в какой-то момент автоматизация сама становится отдельной работой.

👉🏻 А вот это "давайте внедрим куда-нибудь ИИ, потому что так модно, так надо, так все сейчас делают" только сильнее загоняет компании в эту ловушку.

Поэтому перед внедрением я бы начинал с четырех вопросов:

Какой процесс реально стоит денег?

Что именно его тормозит: скорость, объем, данные, согласования или решения людей?

Сколько будет стоить поддержка, проверка и исправление ошибок?

И только потом — какой инструмент здесь вообще нужен?
По сути, именно эта арифметика и отделяет рабочего агента от красивой демки, которую через несколько месяцев тупо выключат.

А у вас была автоматизация, которая в итоге создавала больше работы, чем экономила? 👇🏻

Обязательно сохраните это себе 👀

Нашел огромную шпаргалку по Claude Code на русском — почти все основные команды и настройки собраны в одном месте.

Внутри есть горячие клавиши, слэш-команды, MCP-серверы, работа с памятью и файлами, конфиги, env, skills и еще куча вещей, которые обычно приходится искать по документации отдельно.

🔥 Если вы уже пользуетесь Claude Code или только начинаете разбираться, такая штука сильно экономит время

Не нужно каждый раз вспоминать команды или лезть в доки, когда хотите настроить память, подключить сервер, сменить режим или запустить нужный сценарий.

Сохраняйте себе и отправляйте тому, самому другу/коллеге, который живет в Клоде))

Вайбкодить теперь можно прямо с телефона 😅

Теперь для вайбкодинга больше не нужен не только навык программирования, но и компьютер 😱

А все потому что вышло семейство Ornith-1.5 на базе Qwen 3.6:

Модель 9B можно запускать прямо на iPhone и Android
При этом у нее контекст до 256 000 токенов, мультимодальность и автоматическое разбиение сложной задачи на подзадачи.
Плюс есть версии под устройства разной мощности.

Пробовать можно тут

Многие не знали, но продажи приносят невероятный результат😁

А что вам дали продажи? Пишите в комменты👇🏻

Если без шуток, то конечно, продажи очень интересная сфера. Мне наоборот по душе этот постоянный анализ и, справедливости ради, сейчас вообще мало стабильного и мир вокруг быстро меняется))

Прости, нам не по пути
Или как вы убедили меня сменить OpenClaw на Hermes))

В комментариях многие писали, что выбрали Hermes и советовали мне тоже его попробовать. Я решил чисто ради эксперимента попробовать и в итоге полностью на него переехал😁

Почему?

Все просто, Hermes оказался для меня удобнее в повседневной работе: его проще поддерживать, проще обновлять, проще переносить настройки, и в нем нет ощущения, что ты 24/7 что-то достраиваешь вокруг ассистента, чинишь, переделываешь и тд

Все технические детали и сравнение с OpenClaw я подробно разложил в карточках выше👆🏻
Если сейчас выбираете между ними, думаю, вам будет полезно посмотреть. Также оставил там полезные советы, как упростить процесс настройки с самого начала.

Жалею ли я о пяти месяцах, которые потратил на OpenClaw?

Вообще нет. Именно благодаря его настройке я собрал все свои скиллы, данные, промпты и понял, что мне вообще нужно от такого ассистента. Поэтому потом смог довольно быстро перевезти все это в Hermes.

Если бы я сразу начинал с Hermes, то вся настройка от и до также заняла бы несколько месяцев)

❤️, если было полезно