AI и разработка | Кейсы, грабли и ИИ...

Cursor переводит плагины в командную настройку

Cursor обновил Team Marketplace: теперь админ может создать его без привязки к репозиторию и прямо в настройках задать режим установки для first-party plugins. В changelog от 1 мая перечислены три режима: Default Off, Default On и Required.

Это важно не только как удобство. Плагин в Cursor может упаковывать MCP-серверы, skills, subagents, rules и hooks, то есть команда начинает управлять не только редактором, но и тем, какие возможности вообще получает агент в проекте.

Практический эффект понятный: меньше ручной установки и расхождений между рабочими местами, проще онбординг. Базовый набор для GitHub, Linear, Figma или внутренних workflow можно раздавать централизованно, а не собирать на каждом ноутбуке заново.

Но вместе с удобством растут требования к политике доступа. Если агенту выдают больше инструментов, стоит заранее решить, что должно оставаться optional, что можно включать по умолчанию, а что нельзя делать required без проверки прав и сценариев записи.

Если команда уже работает в Cursor, полезно пройтись по текущим плагинам и разложить их в три корзины: оставить вручную, включить по умолчанию или ограничить.

AI в разработке

AI и разработка | Кейсы, грабли и ИИ... pinned a photo

ТРАНСЛЯЦИЯ ВЕБИНАРА «Искусственный интеллект в автотестировании: опыт QA Automation Tech Lead»

Подключайтесь по ссылке: https://vkvideo.ru/video-137384692_456239241

Cursor SDK выводит агента в код

29 апреля 2026 Cursor открыл в public beta TypeScript SDK. Того же агента из приложения, CLI и web теперь можно вызывать из своего кода через @cursor/sdk.

Модель простая: local работает в вашем cwd, cloud запускает задачу в выделенной VM Cursor, а run.stream() отдает события по ходу run. Для cloud-run Cursor отдельно обновил streaming, cancellation и lifecycle control.

Практический смысл в том, что агент становится частью workflow, а не только окна IDE. В официальном анонсе Cursor пишет про запуск из CI/CD и сценарий, когда run стартует из скрипта, а потом открывается в Cursor для ручного takeover.

Ограничения стандартные, но важные: это public beta с token-based биллингом, а качество и цена зависят от репозитория.

Если Cursor уже есть в команде, логичный тест один: вынести в SDK одну повторяемую задачу и сравнить, где хватает local, а где уже нужен cloud.

AI в разработке

Вебинар уже завтра, успевайте зарегистрироваться!

Спонтанный вебинар про ИИ для автотестировщиков 🔥

5 мая в 13:00 мск проведём онлайн-вебинар «Искусственный интеллект в автотестировании: опыт QA Automation Tech Lead»

Поговорим с практиком QA Automation Tech Lead о том, как AI уже помогает в работе автотестировщика: искать информацию, писать и чинить тесты, работать с локаторами, разбирать JSON, писать SQL-запросы и рефакторить код.

👨 Гость: Олег Пендрак, Tech Lead QA Automation в СберЗдоровье, лидер сообщества Thread QA
🗓 5 мая, 13:00 мск, вторник
💻 ОНЛАЙН

Обсудим
— как QA Automation Tech Lead использует AI в ежедневной работе;
— где искусственный интеллект помогает с ресерчем, кодом, локаторами и рефакторингом;
— как AI-IDE и MCP-интеграции меняют работу с автотестами;
— как использовать AI для браузера, документации библиотек и запросов к базе;
— какие задачи лучше не отдавать AI без ручной проверки;
— какие навыки автотестировщика становятся важнее, когда существенную часть рутины берёт на себя инструмент.

РЕГИСТРАЦИЯ НА ВЕБИНАР

Решил поделиться одним из главных организационных изменений, которое будет во втором потоке курса по ИИ в разработке

У нас есть Групповой тариф, который подразумевает, что студенты добавляются в чат ПОТОКА, могут там консультироваться с преподавателями и могут ходить на еженедельные встречи

Дак вот мы решили превратить этот закрытый чат в комьюнити. Это будет один чат на все потоки (состоявшиеся и грядущие) и даже те, кто уже закончил обучение — будут иметь возможность ходить на ВСЕ еженедельные встречи. Без ограничений по сроку.

Первый поток показал, что еженедельные встречи — это не просто история про разбор домашек и ответы на вопросы, а место где реально заинтересованные люди делятся своими наблюдениями, опытом, болями и рабочими кейсами. Это очень круто, потому что опыт и специфика работы у ребят очень разные: были люди из быстрых стартапов, где всем по-умолчанию оплачивают подписку на Cursor; а были люди из банков, где за одно упоминание ИИ вызывают на ковер к СБ — это очень расширяет кругозор и позволяет обстучать свое представление о мире об чужой опыт :)

В общем, теперь наш Групповой тариф — это не про возможность получать обратную связь в рамках потока, а еще и про пожизненный доступ к закрытому комьюнити

🔥 Следующий поток стартует 20 апреля — не пропустите!

Курс по AI для разработчиков

Вчера Open AI выкатили новые «дешевые» и умные модельки gpt-5.4-mini и gpt-5.4-nano и все вокруг пишут, как же круто, какие же они дешевые, а я решил сделать быстрый замер на реальной нашей задаче. Вот результаты

Контекст
Есть задача в одной из внутренних систем - метчить кандидатов на запросы при помощи LLM. Сейчас там используется моделька gpt-5-mini с low effort

Методика эксперимента
При тех же самых входных данных и промптах - меняем модельки и effort для них и смотрим на результаты

Замеры
На скриншоте

Итоги
1) Конкретно в нашей ситуации чуть лучший результат по качеству результата выдает gpt-5.4-mini с medium effort. Но по цене получается в ±3.5 раз дороже
2) gpt-5.4-mini с low effort выдает результат стабильно хуже, чем gpt-5-mini (незначительно, но хуже). Стоимость при этом примерно в 2 раза дороже
3) gpt-5.4-nano стабильно выдает в нашей задаче худшие результаты
4) Все модельки gpt-5.4 работают в 3+ раза быстрей

OpenAI выпустила GPT-5.4

Что важно:
— native computer use: модель управляет UI через скриншоты и клики. 75% на OSWorld — выше человека (72.4%);
— tool search: вместо загрузки всех определений инструментов в контекст модель сама находит нужный. Минус 47% токенов — критично для MCP;
— контекст до 1M токенов в API;
— /fast в Codex: 1.5x скорость генерации без потери качества;
— на 33% меньше фактических ошибок vs GPT-5.2.

Цена в API: $2.50/M input, $15/M output (GPT-5.2 — $1.75/$14). Дороже за токен, но модель расходует их экономнее.

GPT-5.2 Thinking уедет в Legacy 5 июня 2026.


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

Страшный сон вайб-кодера

Разработать решение на базе ИИ — это половина дела. Вторая половина — запустить его так, чтобы экономика сходилась. Эксплуатация LLM в продакшене — это GPU-серверы за миллионы рублей в месяц. И на каждом шаге — решение, которое меняет итоговый счёт: какую модель взять, как сконфигурировать железо, как масштабировать под нагрузку. Выбор модели, архитектуры и конфигурации GPU может изменить стоимость инфраструктуры на порядок — как в плюс, так и в минус.
На вебинаре разберём, из чего складывается стоимость инференса и какие решения при проектировании снижают бюджет на порядок.

🗓 13 марта, 12:00 мск, Пятница
💻 ОНЛАЙН

Что разберём:
— как устроен инференс LLM и какие способы оптимизации производительности существуют;
— из чего складывается стоимость эксплуатации LLM в продакшене;
— как выбор LLM-модели и конфигурации GPU меняет стоимость инфраструктуры на порядок;
— бенчмарки на реальном оборудовании: сравнение GPU в разных конфигурациях под нагрузкой;
— свой сервер и API: расчёт с ценами российских провайдеров, что выгодней.

Вебинар будет полезен для CTO, архитекторов, руководителей продуктов и разработчиков, которые строят LLM-решения и хотят понимать экономику их эксплуатации.

🔥 Зарегистрироваться на вебинар

Ликбез про бенчмарки ИИ кодинг-агентов

Вендоры любят хвастаться «плюс X% на бенчмарке». Но запутаться в куче названий бенчмарков очень легко. Вот очень короткий гайд по актуальным бенчмаркам.

🤖 SWE-bench (https://www.swebench.com/) — модель получает реальный GitHub issue и должна сделать рабочий патч. Золотой стандарт для кодинг-агентов. SWE-bench Verified — 500 задач, которые инженеры проверили вручную.
Метрика — процент задач, где патч проходит тесты

🤖 Terminal-Bench (https://www.tbench.ai/) — задачи в реальном терминале: software engineering, сисадминирование, кибербезопасность, научные вычисления. Агент получает задание и работает в настоящем CLI-окружении. Топовые агенты набирают ~75% — значит, задачи действительно сложные.
Метрика — доля задач, где результат проходит автоматические тесты

🤖 LiveCodeBench (https://livecodebench.github.io/) — свежие задачи с LeetCode, AtCoder и Codeforces. Его регулярно обновляют, поэтому модель с меньшим шансом «видела» задачи при обучении. Хороший тест на свежесть.
Метрика — доля задач, которые прошли тесты

🤖 HumanEval (https://github.com/openai/human-eval) — 164 задачи: написать Python-функцию по docstring. Классика от OpenAI, но для топовых моделей уже простоват.
Метрика — доля задач, где первый ответ проходит юнит‑тесты

🤖 BigCodeBench (https://bigcode-bench.github.io/) — много задач с реальными библиотеками (pandas, torch, sklearn). Гораздо ближе к продовому коду, чем олимпиадные задачки.
Метрика — доля задач, которые прошли тесты

🤖 OSWorld (https://os-world.github.io/) — задачи с реальными десктопными и веб-приложениями. Агент должен кликать, печатать, переключаться между окнами и доводить задачу до результата. По сути, тест на «computer use» — может ли модель работать за компьютером как человек.
Метрика — доля задач, выполненных до конца корректно

🤖 MRCR v2 (https://huggingface.co/datasets/openai/mrcr) — бенчмарк от OpenAI на длинный контекст (до ~1M токенов). Модель получает синтетическую переписку, где один и тот же запрос повторяется 2, 4 или 8 раз. Задача — найти и вернуть конкретный экземпляр. Не про кодинг напрямую, но критически важен для агентов, которые работают с большими кодовыми базами и длинными контекстами.
Метрика — точность извлечения нужного фрагмента из длинного контекста

🤖 MMLU-Pro (https://github.com/TIGER-AI-Lab/MMLU-Pro) — 12 000+ вопросов по 14 областям: от математики и физики до права и экономики. Вариантов ответа не 4, а 10 — угадать сложнее, нужно реально рассуждать. На MMLU топовые модели уже упёрлись в потолок, а вот MMLU-Pro снова разделяет сильных и слабых.
Метрика — доля правильных ответов

Конечно, ни один бенчмарк не покажет эффективность модели именно на вашем проекте. Но как ориентир — помогает. На какой бенчмарк вы смотрите в первую очередь?

Канал — AI и разработка

Cursor выпустил Composer 1.5 — собственную кодинговую модель, вторую в линейке

Что под капотом:
— RL (reinforcement learning, обучение с подкреплением) масштабировали в 20 раз по сравнению с Composer 1. Объём пост-тренинга превысил объём самого претрейна — нетипичная пропорция.
— Thinking-модель с адаптивным рассуждением: на простых задачах думает минимально, на сложных — копает глубоко.
— Self-summarization: когда контекст заканчивается, модель сама сжимает историю и продолжает работу. Может срабатывать рекурсивно несколько раз подряд. Качество при этом не падает.

Из важного — цена. Composer 1.5 стоит $3,5 / $17,5 за миллион токенов (вход/выход). Для сравнения — GPT-5.3 Codex в Cursor обходится в $1,75 / $14. То есть Composer вдвое дороже на входе и на 25% дороже на выходе. Claude Opus 4.6 ещё дороже — $5 / $25, но это и другой класс модели.

При этом Cursor не публикует бенчмарки — только «внутренние тесты показывают рост, особенно на сложных задачах». Сравнить с GPT-5.3 Codex или Claude Opus 4.6 по цифрам пока невозможно. Придётся проверять руками.

Модель уже доступна в Cursor

Подробности → https://cursor.com/blog/composer-1-5

OpenAI выкатила GPT-5.3-Codex

Что важно разработчику:

— Terminal-Bench 2.0: 77,3% (было 64% у GPT-5.2-Codex). При этом модель тратит меньше токенов, чем предшественники.
— OSWorld: 64,7% против 38,2% — почти двукратный рост в задачах на управление компьютером. Человеческий уровень — ~72%.
— Модель на 25% быстрее GPT-5.2-Codex.
— Интерактивная работа: можно подруливать агента прямо во время выполнения задачи — задавать вопросы, менять направление, не теряя контекст.
— Выход за пределы кода: презентации, таблицы, PRD, анализ данных, деплой — всё в одной модели. На GDPval (реальные рабочие задачи из 44 профессий) показывает результат на уровне GPT-5.2.

Отдельная история — кибербезопасность. Это первая модель OpenAI с рейтингом High по Preparedness Framework и первая, которую целенаправленно обучали находить уязвимости.

Забавный факт: GPT-5.3-Codex — первая модель, которая участвовала в собственном создании. Ранние версии дебажили свой же тренинг и помогали с деплоем.

Доступна в Codex app, CLI, IDE и вебе на платных планах ChatGPT. API — скоро.

Подробности → https://openai.com/index/introducing-gpt-5-3-codex/

Anthropic выпустила Claude Opus 4.6 — самую сильную модель в линейке

Что изменилось для разработчика:
— Агентный кодинг на новом уровне: модель планирует глубже, держит контекст дольше и сама ловит ошибки в коде. Лучший результат на Terminal-Bench 2.0.
— Контекст 1M токенов (бета). Первый Opus с таким окном. На тесте MRCR v2 набирает 76% против 18,5% у Sonnet 4.5 — качественный скачок в работе с большими кодовыми базами.
— Adaptive thinking: модель сама решает, когда включать глубокое рассуждение, а когда не тратить время. Плюс четыре уровня effort (low / medium / high / max) для контроля баланса скорости и качества.
— Context compaction: автоматическое сжатие контекста в длинных сессиях — агенты больше не упираются в лимит окна.
— Agent teams в Claude Code (превью): несколько агентов работают параллельно и координируются сами. Подходит для ревью и задач с большим объёмом чтения кода.

Цена та же: $5 / $25 за миллион токенов. Премиум-тариф для промптов свыше 200k.

Модель доступна в API (claude-opus-4-6), на claude.ai и облачных платформах.

Подробности → https://www.anthropic.com/news/claude-opus-4-6

Antigravity от Google — сильно отстает от Cursor по функционалу, но супер-сильный аргумент в его пользу — его ценовая политика.

На базовом платном тарифе (около 15$) лимиты на использование моделей (в том числе, топовых) обновляются каждые 5 часов.
При активной работе получается примерно так: 1-2 часа гоняешь на топовой Opus-4.5, потом еще ±час на Gemini-3 (High), пару часов отдыхаешь и так по кругу.

При этом, Cursor в режиме On-Demand биллинга выжирает около 10$ в час активной работы на Opus-4.5 🤬

AI и разработка | Кейсы, грабли и ИИ... pinned «Как разработчику использовать AI? Курс стартует уже через неделю! AI уже умеет писать код, помогать с ревью, генерировать тесты и даже собирать прототипы. Но в продакшене без системного подхода это превращается в лотерею: сегодня повезло, завтра всё развалилось.…»

Как разработчику использовать AI? Курс стартует уже через неделю!

AI уже умеет писать код, помогать с ревью, генерировать тесты и даже собирать прототипы. Но в продакшене без системного подхода это превращается в лотерею: сегодня повезло, завтра всё развалилось.

Мы запустили практический курс «AI-driven разработчик» — как встроить ИИ в свою работу так же естественно, как Git или код-ревью.

В курсе:
- много важной теории, основы LLM, работа с локальными моделями;
- много практики по работе с код-агентами (Cursor, Claude Code);
- разработка своего MCP и RAG;
- разработки агентов: LangChain / LangGraph, LlamaIndex.

9 недель, нагрузка 5–10 часов в неделю. Один сквозной проект от идеи до рабочего прототипа. Видеоуроки с практикой; домашки; групповые встречи и разборы с преподавателями; общий чат для консультаций .

Старт обучения — 15 декабря
🔥 По промокоду AI_IN_DEV — скидка 10% на любой тариф

Посмотреть программу и записаться

Знание разблокировано: теперь вы знаете, что происходит, когда вы задаёте ChatGPT тупой вопрос

Спасибо всем, кто пришел!

Записью вебинара поделимся дополнительно.

Будем рады вашей обратной связи и идеям тем для будущих вебинаров