CodeGryphon

Не могли пройти мимо 👀

Знакомьтесь — Грифон. Не CodeGryphon, а вполне настоящий: молодой кот из Москвы, который сейчас ищет дом.

Грифон родился в июне 2025 года. Здоров, кастрирован, воспитан, привык жить в квартире. Очень любит людей: посидеть рядом, пока вы работаете за компьютером, посмотреть вместе кино и, конечно, уютно помурчать на коленях.

😜 Кажется, такому имени просто обязан найтись хороший человек

Если давно думали о коте — присмотритесь. А если нет, будем очень благодарны за репост: возможно, будущий хозяин Грифона есть среди ваших знакомых.

🤍 Подробности на канале благотворительного фонда:
https://t.me/kusochekschastya_ru/36192?single

📞 По вопросам пристройства: +7 906 776-80-80



Когда говорят о SpaceX, обычно представляют многоразовые ракеты, посадки первых ступеней или полеты Starship. Но одна из главных причин успеха компании совсем в другом. SpaceX годами автоматизирует не только производство ракет, но и весь инженерный цикл вокруг них.

Проектирование, моделирование, тестирование, производство, анализ телеметрии, внесение изменений – каждый этап встроен в единую систему. Любое изменение сразу становится частью общего процесса, а не остается локальным решением отдельного инженера.

Такой подход позволяет компании проводить испытания значительно быстрее традиционной космической отрасли. Пока одни команды месяцами согласовывают изменения между подразделениями, SpaceX сокращает цикл обратной связи и быстро переносит полученные знания в следующую итерацию.

Именно поэтому конкурентным преимуществом становится уже не сама технология. Преимуществом становится скорость обучения всей системы.

Этот принцип давно перестал быть актуальным только для космической отрасли. В современной разработке большинство команд уже используют ИИ. Но во многих случаях он остается отдельным инструментом: открыть чат, сформулировать запрос, получить ответ, вручную перенести результат в проект.

От первого запроса до готового результата: смотрите, как это работает в CodeGryphon, а также листайте карточки ниже 👇

⚡️ Релиз CodeGryphon 2.1 уже доступен

В новом обновлении мы сосредоточились сразу на нескольких направлениях: сделали работу оркестратора более прозрачной, добавили инструменты для создания приложений, расширили возможности работы с репозиториями, улучшили управление моделями и доработали интерфейсы платформы.

Рассказываем подробнее, что же вошло в релиз ⬇️

🔎 Теперь видно, что именно сделал Gryphon
После работы в чате теперь показывается список измененных файлов и что именно в них поменялось. Больше не нужно гадать, внес ли Gryphon реальные изменения или просто предложил решение.

📊 Стало проще контролировать результат
Фокусы стали информативнее: теперь можно увидеть, сколько файлов было изменено, сколько строк добавлено и удалено, что помогает отслеживать объем выполненной работы.

Также появилась и другая развернутая статистика по проекту. Теперь можно посмотреть:
🔴сколько задач было в работе;
🔴сколько времени было затрачено;
🔴сколько сделал Gryphon;
🔴какой вклад внесен в проект.

⚙️ Gryphon стал лучше справляться с массивными задачами
Мы улучшили работу с многоэтапными сценариями. Gryphon меньше теряет контекст между шагами и эффективней доводит задачи до финального результата.

🤖 LLM Mode
Добавлены режимы работы моделей:

🔴 Lite
🔴 Balance
🔴 Pro

Они определяют качество, цену и доступность различных ИИ возможностей на уровне тарифа, проекта и конкретного сообщения.

🎁 Бесплатный тариф
Теперь пользователям доступен бесплатный тариф.

Каждый день начисляется 20 глифов в режиме Lite, которыми можно пользоваться без подписки. Если глифы не были использованы за день, на следующий день они обновляются, остаток не переносится.

💻 Обновленные Web и Desktop версии
Доработаны CodeGryphon Web и CodeGryphon Desktop.

В релиз вошли:
🔴переключатель режимов моделей;
🔴страница пополнения;
🔴MCP-интеграции;
🔴улучшенный нативный чат;
🔴терминальные блоки;
🔴автопродолжение задач;
🔴более стабильная работа длинных агентных сессий.

↗️ Gryphon Benchmark
Мы создали Gryphon Benchmark – внутреннюю систему оценки LLM-моделей в связке с движком CodeGryphon.

Это позволяет сравнивать модели на реальных задачах разработки и подбирать оптимальные конфигурации по соотношению качество / скорость / стоимость, чтобы пользователи получали качественный результат в каждом из режимов работы.

В ближайшее время мы также планируем делиться открытой частью Benchmark с сообществом.

Спасибо всем, кто пользуется CodeGryphon, делится обратной связью и помогает делать оркестратор лучше 🫶

Обновление 2.1 уже доступно!
🍏 Скачать версию для ARM64
🍏 Скачать версию для Intel
💻 Скачать версию для Windows
🐧 Скачать версию для Linux

Think. Create. Ship. 🌟

Почему скорость разработки перестает быть только проблемой разработчиков? ⚙️

Раньше замедление разработки воспринималось как внутренняя техническая проблема команды. В сегодняшних реалиях — это уже бизнес-вопрос.

Согласно исследованию Deloitte, скорость напрямую влияет на конкурентоспособность продукта, стоимость запуска новых функций и общую устойчивость бизнеса.

Когда релизы затягиваются:
🔹дорожает проверка гипотез;
🔹растет стоимость ошибок;
🔹команды тратят больше времени на согласования и правки;
🔹бизнес медленнее реагирует на рынок.

Именно поэтому AI начинают внедрять не только инженеры, но и CTO, и продуктовые команды и многие другие.

Потому что вопрос уже не в ускорении написания кода. Вопрос лишь в том, как ускорить весь цикл разработки.

Тезисно разобрали, где сегодня теряется скорость и как AI помогает сокращать этот разрыв 👇

Почему AI без контекста почти не влияет на скорость разработки? 👀

Большинство команд уже пробовали AI-инструменты. Но зачастую происходит одно и то же: AI помогает написать кусок кода, а дальше начинается ручная сборка проекта, уточнения, правки и потеря контекста. Именно поэтому многие компании не получают того ускорения, которого ожидали.

По данным Atlassian, одна из главных проблем современных команд — постоянная потеря контекста между задачами, людьми и системами.

Проблема уже не в генерации кода. Проблема в подходе: как сохранить логику проекта, структуру и единый процесс работы.

Поэтому новый этап AI-разработки — это не «чатик с кодом», а системы, которые работают внутри проекта и понимают весь контекст целиком.

Разобрали тезисно, почему именно контекст становится главным аспектом разработки 👇