Refat Talks: Tech & AI

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Google выпустила Gemini 3.8 Live: голос на 97 языках, а Extended Thinking рассуждает и говорит одновременно.

- Anthropic слила Cowork и Design в обычный чат Claude, а артефакты выросли в Claude Docs и Slides с экспортом в PowerPoint. OpenAI же выпустила ChatGPT для Word.

- OpenAI выпустила Astra for Law, а Anthropic выпустила Claude for Financial Advisors.

- Трамп отказался тормозить AI, Хуанг согласен. Цукерберг тоже сказал что общая пауза не нужна, анонсировав модель Watermelon.

- Bloomberg считает, что лабораториям выгодно притормозить, а FT заметил просадку акций AI-компаний из-за этих призывов.

- 404 Media рассказала как подрядчики OpenAI читают переписки с ChatGPT.

- Исследователи с Claude взломали внутренние системы OpenAI.

- OpenAI запускает Sponsored Agents: клик по рекламе открывает чат с агентом бренда

- Anthropic переделала Projects в Claude Code: проект это координатор, который режет цель на параллельные потоки.

- Claude Code наконец читает AGENTS.md, также зреют моды - расширения CC.

- Meta запустила AI подписку Meta One от $2,99.

- Mozilla посадила ассистента Firefox на Mistral.

- Bloomberg: найм разработчиков в Bay Area рухнул, зато есть рост вакансий forward deployed engineer, Latent Space разбирает, что вообще делает FDE.

- Apple представила Reference Image для iPhone: снимок доказывает, что не сделан AI.

- Crusoe, строившая датацентр OpenAI, подняла $3,9 млрд на крошечные датацентры с завода: инференсу гигакластеры не нужны.

- Google открыла Agent Anomaly Detection: поиск подозрительного поведения агентов по трейсам.

- Slack показал Slack Code: люди и агенты пишут код внутри мессенджера.

- ElevenLabs выпустила AI-ресепшн для малого бизнеса.

Блок с релизами моделей (раскрывается):

- Alibaba выпустила Qwen3.8-Omni-Flash: миллион контекста, аудио и видео, час аудио в API подешевел на 98%.

- TypeSafe AI вышла из стелса с Jev: модели без генерации текста, сразу ответ с вероятностями и в разы быстрее LLM. Подробнее в моем разборе.

- Odyssey показала Odyssey-3, модель мира для роботов и машин.

- Bolt запустил Forge: агент на открытых GLM, DeepSeek и Kimi.

- Salesforce и Nvidia представили Koa на базе Nemotron: модель для CRM-задач.

- Ant Group открыла веса финансовой Ling-3.0-flash-Fin.

- Для локального железа: Bonsai 2 ужала Qwen 3.8 27B до 5,9 ГБ тернарными весами, Swift Qwen ускорила ее вдвое штрафом за overthinking, K2 Horizon 7B встала в индексе между Qwen 27B и 35B. Underdog - AI ассистент целиком на устройстве.

- QuiverAI выпустила Arrow 2, генератор векторной графики.

- Meta показала FLAT: картинки и текст в одну последовательность токенов переменной длины.

- Google придумала ToolGrad: данные для tool use генерируются от цепочки вызовов к запросу.

- Бенчмарки: в ApprenticeBench агента берут в компанию на полгода счетов. Real-SWE на закрытых репозиториях. HarnessTax: харнесс не влияет на успех, но сильно на цену.

- Cloudflare открыла скилл для агентных аудитов безопасности.

- px0: read-only IDE в браузере для проверки того, что написали агенты. И Code contracts: формулируешь, что код обязан делать, агенты проверяют.

- ars umbris: markdown и yaml становятся типизированным графом с диагностикой, как компилятор для заметок.

- Buzz шлет пуш на iPhone, когда агенту нужен человек

- @shadcn/lint линтит дизайн-системы под агентов

- Интерактивные статьи: слои compute-стека и что останется дорогим, когда AI подешевеет.

- 👍 dbt Charts описывает дашборды декларативно

- 🔥Cognition до 10 октября не считает в квоту Pro за $20 свою SWE-2 (сильный тюн Kimi K3) в Devin Desktop и CLI.

- 🤩 Inspo: дизайн-референсы с 832 сайтов как MCP-сервер, агент подсматривает у лучших.

Jev - это сенсор, а не собеседник

Вы уже могли слышать про TypeSafe AI (основатель - соавтор InstructGPT из OpenAI), они пару дней назад вышли из стелса и показали модель, которая не умеет писать текст зато отвечает в десятки раз быстрее и дешевле LLM. Ну как отвечает, скорее выбирает, но иногда это ровно то, что нужно.

Работает так: скидываешь ей данные и задаешь вопросы с заранее известными вариантами. Она не пишет ответ, а сразу выбирает вариант и говорит, насколько уверена. Промпт при этом никуда не делся - он живет внутри вопроса.

В общем эту штуку можно сравнить с датчиком, по сути же - это умный классификатор.

Родион уже прогнал Jev на практике: как реранкер в RAG она обошла Voyage, Qwen3-Reranker и Cohere, а как модератор чат-бота вышла в 5 раз быстрее и дешевле gpt-oss-120b. Мне еще понравилась демка с оптимизацией browser use.

Что еще стоит посмотреть:

- Опенсорс-реплики появились за трое суток: openjev (демо в браузере), jevmlx для Mac, vllm-jev-decison под vLLM, Verdict-open-jev - ближе всего к оригиналу: не логиты LLM, а энкодер ModernBERT.
- Тред на HN, 1800+ поинтов. Главный спор - про слово "can't hallucinate": тип гарантирован, суждение нет. CEO отвечает лично.
- Разбор Anthony Maio: самая трезвая критика. RLCD (метод обучения) не раскрыт, калибровка описывает популяцию ответов, а не конкретный ответ.
- Бенчмарк на 2000 фишинговых писем: в лоб Jev проиграл Haiku с треском, 63% против 81%. А потом автор разбил решение на пять маленьких вопросов в одном вызове и получил 95%. Самая поучительная история про то, как эту штуку надо готовить. Еще 15 независимых эвалов с кодом - в каталоге awesome-jev - 👍.

Мой тейк: штука полезная только при сильно лучшей экономике, и есть проблема всех узких решений (реранкеров, маленьких моделей, файнтюна): фронтир-лабы вливают миллиарды в универсальные модели, и те становятся лучше и быстрее даже в узких задачах просто по дороге. Бонусом LLM может "объяснить" свой выбор, а тут нет. И как любой классификатор, такие штуки по-настоящему раскрываются на своем железе: при нагрузке дорога до облака съедает всю экономию скорости.

Поэтому моя ставка не на TypeSafe, а на идею. Либо большие лабы добавят режим типа "выбор с вероятностью" в свои API, либо китайцы наклепают открытых версий и тогда "типизированные" решения станут таким же примитивом, как structured output. В обоих случаях выигрывает интерфейс/способ, а не компания.

🔥 ➕ 🔁 @nobilix

Что вы знаете про bb?

Они называют себя "AI IDE that builds itself".

Достаточно молодой проект, который из коробки закрывает целый спектр задач, где раньше приходилось велосипедить всем колхозом.

В текстовом варианте можете почитать отличный обзор у Рефата.

Я же хочу предложить вам совместно изучить bb в формате практического стрима.

Вместе со мной разбираться в особенностях этой IDE будут:

1. Рефат, автор канала "Refat Talks: Tech & AI" (кстати, у нас с Рефатом есть классный стрим про фреймворк Mastra)

2. Коля, автор канала "AI и грабли"

Проходить стрим будет на моём YouTube-канале.

Дата и время: 21 сентября, 19:00 GTM+3

Ссылка для добавления события в календарь

p.s.: Почему парень из Сингапура назвал проект так, будто забыл переключить раскладку на русский язык, чтобы написать "ИИ"?

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- OpenAI заявила о решении Навье-Стокса ("задача тысячелетия") силами агентов, но математики год скармливавшие свои черновики в Codex, обвинили ее в присвоении работы.

- Неделя разговоров о замедлении. Пахоцки (OpenAI), Альтман и Амодеи предложили сделать добровольные паузы нормой.

- 25 филдсовских лауреатов подписали декларацию против гонки AI-компаний за математическими рекордами.

- OpenAI выкатила Agents API: харнесс Codex как сервис, цикл агента у OpenAI, среду исполнения выбираете сами.

- Anthropic призналась в четырех инцидентах: на киберучениях у моделей по ошибке был реальный интернет, и Mythos 5 выложила на PyPI вредоносный пакет.

- Anthropic опубликовала отчет о злоупотреблениях Claude: от подмены ответов чужими лабораториями до биоисследований, с разбором, как ловили и что делали.

- Mistral подняла 3 млрд евро при оценке 21 млрд. Крупнейший раунд в истории европейского теха.

- Meta выпустила персонального агента Muse: письма, бронирования, покупки через одноразовые карты Stripe.

- OpenAI закрыла продажу новых Pro за $200, 5.3-Codex-Spark отправляют на пенсию.

- Cursor открыл бету Projects: координатор раздает подзадачи субагентам, сам код не пишет.

- В ChatGPT Work появился Data-агент: дата-коннекторы и дашборды. А Codex appshots доехали до Windows.

- Anthropic тестирует Claude Code расширения, которые меняют интерфейс, логируют или ограничивают агента.

- Anthropic выложила Economic Scenario Explorer: три сценария до 2030, в экстремальном ВВП США растет на треть, а зарплаты падают.

- В британский парламент внесли законопроект о запрете ASI, в США такой анонсировал Сандерс. OpenAI ответила эссе про окно для регулирования.

- McKinsey: сокращений из-за AI в разы меньше чем ожидали.

- Стартап Abliteration AI продает API к моделям с вырезанным отказом.

- Google и Janelia выложили полный коннектом мозга дрозофилы, и его тут же научили играть в Doom и торговать биткоином.

- Google выводит TPUv7 Ironwood на чужие нагрузки: чипы впервые можно купить. Плюс агенты для переноса PyTorch в JAX.

- Siri AI выйдет 14 сентября в бете с дневными лимитами: серверов не хватает. Apple Watch получили постоянно слушающие функции.

- Shopify покупает Tailwind Labs: опенсорс остается под MIT, платные шаблоны сворачивают.

Блок с релизами моделей (раскрывается):

- DeepSeek выпустила V4.1-Flash: 552B MoE, контекст миллион, MIT. И снизила цены API, с кэшем для агентов вдвое. OpenDesign хвалит ее за дизайн.

- OpenAI выпустила ChatGPT Images 2.5: правка отдельной детали без разъезда остального, прозрачный фон.

- OpenAI открыла в API GPT-Live-1.

- Cognition выпустила SWE-2: RL поверх открытой Kimi K3. Заодно компанию оценили в $48 млрд.

- Tencent открыла терминального агента T1 на 122B: RL в песочнице с реальным шеллом.

- Microsoft выпустила MAI-Image-2.6-Flash: 1/2 по цене, в редактировании лучше GPT Image 2.

- Sakana обновила оркестратор Fugu и показала детектор AI-картинок Percept-Lens.

- Black Forest Labs показала FLUX Video Edit: правка ролика по тексту с сохранением камеры и звука, 3 цента за секунду.

- OpenUI выпустила OUI-1: диффузионная модель генерирует интерфейсы через свой DSL вместо HTML.

- Sierra представила Hyper-tau-bench, где агент строит агента: Opus 5 один проходит 24% задач, с инженером 82%.

- Alibaba открыла OpenCodeReview, свой внутренний AI-ревьюер кода.

- Mirai показала рантайм Uzu: локальные модели на Mac в 2-3 раза быстрее.

- hip-agent: агентный харнесс на 200 строк.

- Design Words: выбираешь стиль, шрифты и тени, копируешь готовый кусок промпта для агента.

- 👍 YC Globe: карта всех стартапов YC за 20 лет с фильтрами по нише и локации.

- 🔥Скилл, который дает Codex или Claude Code смотреть видео через Gemini: таймкоды, что сказано, что показано.

- 🤩Два скилла для диаграмм: archify качественно рисует архитектуру, diagram-design дает 38 редакторских типов без Mermaid-слопа.

Диплинки в кодинговых агентах

Deeplinks - простой, но иногда незаменимый прием для быстрого открытия программ прямо в нужном состоянии (как URL в браузере, только для приложений).

Я все чаще пользуюсь именно десктопными версиями Claude Code и Codex, и иногда надо из другого приложения открыть конкретную сессию или создать новую в конкретном проекте. Тут-то и помогают эти самые диплинки - ты просто формируешь ссылку вида claude://code/new?folder=/path&q=... или codex://threads/new?path=...&prompt=... и вуаля: при клике апп откроется и покажется на первом плане именно на этой "странице".

Как это можно использовать? Несколько идей.

- Дашборд проектов. Страничка в Obsidian / Notion: по проекту две ссылки - "продолжить последнюю" и "новая сессия". Или написать свой простой апп с обзором сессий именно так, как тебе удобно, по клику - открывается Claude / Codex.

- Всякие лаунчеры, типа Raycast. Можно открывать сессии откуда угодно. Например, удобно в Todoist задачу поставить ссылку на конкретную сессию в приложении агента.

- Human in the loop. Пуш / имейл / сообщение "сессия ждет ответа" с прямой ссылкой на апп. Или написать инструкцию чтобы когда клод имеет в виду другую сессию - давал линк на нее.

- Черновик промпта. Алерт или тикет с q=Investigate incident: ... - кликнул, промпт уже в поле: посмотрел черновик, захотел - дописал, отправил. Причем такое можно встраивать прямо в сайты.

- Handoff между агентами. Claude сделал фичу и в конце отдает open "codex://threads/new?path=...&prompt=Review the diff". Кликнул - и ты телепортировался в Codex. Или наоборот.

- Еще можно дернуть программно, скриптом или из терминала. Например, на маке это команда вида open "claude://code/continue?session=last".

Доки тут: Claude Code CLI, Claude Desktop, Codex, секция Deep links. Но там есть не все.

Ниже шпаргалка (раскрывается).

Claude Code App:
- claude://code/new?folder=/path&q=... - новая сессия в папке, промпт уже в поле.
- claude://code/continue?session=last - последняя сессия.
- claude://code/continue?session=local_<id> - конкретная сессия. Id - это имя json-файла в ~/Library/Application Support/Claude/claude-code-sessions, в самом приложении его нигде не показывают.
- claude://code/needs-input - сессия, которая дольше всех ждет ответа на permission.
- claude://resume?session=<uuid> - импорт CLI-сессии по uuid из ~/.claude/projects.

Три последних маршрута в доках отсутствуют, вытащил из анализа билда приложения.

Codex App:
- codex://threads/<id> - конкретный тред. Id - это uuid в имени rollout-файла в ~/.codex/sessions, или Cmd+Opt+C в самом треде.
- codex://threads/new?path=/path&prompt=... - новый тред в папке с промптом. Есть еще originUrl, чтобы тред помнил, откуда пришел.
- codex://new?prompt=... - короткий вариант того же, нужен хотя бы один параметр.
- codex://settings/..., codex://skills, codex://automations, codex://plugins/... - прыжок сразу в нужный раздел.
- Правой кнопкой по чату - Copy deeplink, или Cmd+Opt+L на текущем. Все это есть в доках.

Нюанс: некоторые приложения диплинки не открывают - Notion и Telegram, например, решается простой страницей с HTTP редиректом, типа такой.

Начал копать в эту тему потому что планирую написать себе небольшой лаунчер с быстрым поиском и фильтром сессий, где нужная сессия находится и создается в одно касание. Пока писал пост, нашел отличный репо awesome-deeplinks - схемы для кучи приложений (вы только посмотрите сколько там всего!).

Короче, довольно удобная штука, может и вам пригодится.

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- OpenAI выпустила GPT-6 Astra, Брокман объявил "эру AGI"). Бенчмарки впечатляют, особенно в computer use и 3D. Лимиты пока скромные: 200 сообщений в неделю за $200 Pro.

- Anthropic выпустила Fable 5.1: умнее, чтение кеша вчетверо дешевле, меньше отказов по базовой биологии.

- Nvidia официально объявила о покупке Hugging Face за $12,9 млрд. Хуанг обещает, что платформа останется нейтральной.

- Anthropic подписала облачный контракт на $35 млрд с Lambda, и Reuters пишет о старте маркетинга IPO в середине октября (прогнозируют оценку $2 трлн).

- Sony и Warner подали иск к Anthropic за пиратские книги и тексты песен в обучении Claude. А Минюст США встал на сторону OpenAI в иске NYT: обучение на текстах - fair use.

- Claude Code и Cowork научились работать с компьютером в фоне, не отбирая его у вас.

- Гайд по API Astra: асинхронные вызовы тулов, смена инструкций посреди задачи, reasoning effort меняется без сброса кеша. Temperature и top_p больше нет.

- Claude Code получил /skill-doctor для поиска неиспользуемых скиллов. В ant CLI появился ant apply: можно сохранять/применять все зависимые скилы и настройки окружения в виде файла-конфига.

- Anthropic выложила шаблоны агентов для e-commerce и статью с кодом об их архитектуре.

- Qwen выпустила E-Commerce Bench: агент получает 100 тысяч юаней и управляет магазином.

- Anthropic запустила проверку файлов на следы Claude и включила невидимые водяные знаки в тексты Fable 5.1.

- Google запустил Pics, редактор картинок без холста на Nano Banana, работает в Docs и Slides. И открыл вейтлист на Play with Putty, многопользовательский вайб-кодинг.

- Вышел OpenClaw 2.0, крупнейший релиз проекта, главная фича - общие облачные сессии.

- Manus снова независим после развала сделки с Meta.

- AfterQuery стал самым быстрым единорогом YC: превращает работу нанятых юристов, врачей и тд в обучающие данные.

Блок с релизами других моделей (раскрывается):

- Google выпустила Gemini 3.8 Flash и Flash Cyber для поиска уязвимостей (пока доступ ограничен).

- Meta обновила Muse Spark до 1.3: местами приближается к Fable 5, веса обещают открыть. Кодинг-агент Muse Code вышел из беты с подписками от $5.

- Meta выпустила Muse Voice Transcribe, Microsoft - MAI-Transcribe-2, а Inworld - синтезатор Realtime TTS-2.

- Стартап Фей-Фей Ли выпустил Atlas, мультимодальную world model.

- Runway показала две модели мира: Solaris генерирует интерактивные интерфейсы кадр за кадром, GWM Worlds 2 - среды в 720p со звуком в реальном времени.

- IFM выпустила K2 Horizon: шесть моделей до 375B под Apache 2.0.

- Z.ai открыла веса большой GLM-5.3 под особой лицензией: компаниям с выручкой от $10 млрд нужна проверка от Z.ai.

- Google выпустила открытую TimesFM-3 на 330M: zero-shot прогноз временных рядов.

- Тоби Лютке показал модель на 0.8B, обошедшую GPT-5.6 Sol на узкой задаче Shopify, собрана на их открытом Tangle.

- Nvidia и CrowdStrike представили SafeMind: пара агентных моделей для кибербезопасности.

- Perplexity в macOS-клиенте распределяет запросы между локальной моделью и облаком + фильтр перс. данных. Там движок Lily, обгоняющий MLX на Apple Silicon.

- Еврокомиссия включила ChatGPT, Reddit и Roblox в список очень крупных платформ по DSA: ежегодный аудит, отчетность и тд.

- ChatGPT, Claude и Grok 3 сентября легли одновременно. Вероятная причина - Azure (east-us).

- Стэнфорд выбросил 85% курса CS146S по разработке ПО и переписал его под агентов, вкус и ревью.

- Локальный AI в браузере взрослеет: Hugging Face выложила 207 открытых WebGPU-ядер, в 2,6 раза быстрее ONNX Runtime Web, а Three-LLM гоняет Qwen и Phi через шейдеры Three.js.

- 👍 funes - долговременная память для коддинг-агентов, общая между машинами и агентами (Claude Code, Codex, pi), индекс локальный.

- 🤩Подробный плейбук по архитектуре агентного харнесса: состояние, рантайм, инструменты.

Qwen 3.8 27B, локальный инференс и мои эксперименты с подбором железа

Про эту модель уже несколько недель пишут "Opus 4.6 у себя дома". Нет, конечно. Но, черт, это первая небольшая локальная модель, которую я готов всерьез обсуждать в агентных сценариях, а не для чата по базе знаний.

Небольшие локальные модели (которые влезут в домашний GPU) на агентных задачах часто зацикливается, либо ломают tool-calling. Qwen 3.8 27B, пожалуй первая в моих тестах, у которой это не разваливается. На агентном индексе Artificial Analysis она #8 из 140 моделей, сразу за Kimi K2, которая в сто раз больше по параметрам, и реддите ее дружно хвалят и тд.

Мои тесты этой (и не только) модельки совпали с вполне прикладной задачей - выбрать железо для локального AI-периметра. Надо выбрать одновременно и модель, и железо. Для этого решил арендовать стенды на Vast.ai: 3090 за $0.13/час, там же брал 4090, 5090 и GB10 (тот же DGX Spark). Написал skill поверх их CLI, и дальше вместе с Claude поднимал и тушил машины для экспериментов, гонял бенчмарки по SSH и вел журнал. Десятки замеров, четыре типа железа, ряд моделей - все вместе примерно пару десятков баксов.

Вот на контрасте с соседями по весовой категории (уместиться в 5090 или пару 3090) плотная Qwen 3.8 и выстрелила. Единственная из всех стендов дважды нашла все 10 заложенных дефектов в тестовом договоре. 100 из 100 по tool-calling. На заведомо нерешаемой задаче остановилась за 4 шага и честно отчиталась, пока конкуренты (в том числе MoE) зацикливались. Ну и да - первая локальная модель, которая осилила мой лифтовый вайб-чек (посмотрите пост, в декабре у ChatGPT лифт не ехал!). Минусы тоже есть: например, модель требует высокой полосы (на маке и Spark работает медленно) и, главное - знаний о мире у 27B, заметно меньше. Но знания агенту приносят тулы и поиск, а вот дисциплину в цикле извне не принесешь.

Если присматриваетесь к локальному инференсу под агентов, вот что я бы хотел знать заранее:

1. Считайте секунды на шаг агента, а не только токены в секунду. У меня модель с втрое большим декодом делала шаг за 2.1 секунды против 1.2 у "медленной" и решала задачу за большее кол-во шагов.

2. Часто говорят только про память, но тут есть как минимум три оси. VRAM решает влезет ли модель и останется ли место под кэш. Пропускная способность памяти - очень важный параметр, влияет в первую очередь на скорость генерации ответа (поэтому старенькая 3090 все еще тащит). Compute решает, как быстро модель переваривает входящий промпт. Это упрощенно, вот например неплохой визуальный разбор roofline-модели. Отсюда следует много всего, например что при низкой полосе (на маках, спарках) лучше брать MoE модели.

3. Чат упирается в память, агент - в compute, контекст и кэш. Самое дорогое в агентном цикле - не ответ, а чтение промпта. Шагов много и на каждом шаге агент заново отправляет всю историю. Тут экстремально важен префикс-кэш.

4. Смена движка или его настроек может дать разницу в разы. Вариантов много: vLLM, SGLang, llama.cpp, кастомные движки вроде NInfer. Перебирать это руками долго, поэтому у меня этим занимался агент в стиле авторесерча: поднял ряд стендов, прогнал матрицу экспериментов параллельно, записал в журнал и тд.

5. Комьюнити уже прошло часть пути за вас: есть и готовые рецепты типа 3090-club и тулы вроде llmfit: сканирует железо и подтягивает реальные замеры других пользователей. Только эти бенчмарки регулярно не сходятся с реальностью. Тестируйте на своих задачах.

По итогам, кстати, для этой модели по соотношению цена/качество победила пара 3090. А самое интересное в этой системе - архитектура "советника": локальная модель делает всю работу, а для редких сложных вопросов зовет фронтир через строгий гейт, который не выпускает приватные данные за периметр. Но это уже отдельный пост.

upd: кстати, если хочется уже сейчас протестить, то у Валеры на neuraldeep она доступна бесплатно

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Nvidia покупает Hugging Face за $12,9 млрд (соглашение еще не подписано). Комьюнити тревожится за не-CUDA бекенды.

- Apple представила первый свой 2-нм чип M6 и M5 Ultra: Mac mini от $899, Mac Studio с памятью до 512 ГБ и полосой 1.2 ТБ/с. В продаже осенью.

- Anthropic показала MHS - аналог MCP для физического оборудования: роботы, микроскопы, лазеры.

- OpenAI показала первые результаты своего инференс-чипа Jalapeno: до 1.9x эффективнее Nvidia по работе на ватт.

- OpenAI расторгает контракт с Cursor после его покупки SpaceX: доступ к моделям отключат 12 ноября.

- WSJ: Nvidia за $7 млрд поглощает Poolside де-факто, но не де-юре: забирает технологию и команду с планами догнать Китай по опенсорсу.

- Anthropic с 14 сентября постоянно поднимает недельные лимиты Claude на 25% - на смену акционным +50%.

- У Claude появился встроенный браузер в Cowork, а память стала общей для чата и Cowork.

- Claude Code: новую сессию на компе можно стартовать с телефона, а /resume подхватывает терминальные сессии в десктопе.

- OpenAI выкатила Site tools - свою реализацию WebMCP: сайт отдает агенту готовые действия прямо в залогиненной странице. Параллельно хакатон WebMCP Challenge и пост про автоматизацию рутины через Codex.

- ChatGPT Work: scheduled tasks теперь запускаются по событиям в Gmail, Slack и GitHub, а не только по расписанию.

- OpenAI вернула Plus-подписчикам пятичасовой лимит в Codex и ChatGPT Work, в Pro его не будет.

Блок с релизами моделей (раскрывается):

- Z.ai раскрыла загадочную Ox Alpha: это GLM-5.3-Flash - мультимодальная, 320B (18B активных), веса открыты. На бенчах уровень фронтира. На запуске раздавала пакеты по 100 млн токенов.

- Alibaba открыла веса Qwen3.8-Flash-Next - превью архитектуры Qwen4: 6B активных плюс 51B в n-gram памяти.

- Tencent выложила открытую Hy4-preview: 770B (49B активных), Apache 2.0, заявка на лидерство в SWE-bench Pro.

- Google выпустила Gemini 3.5 Transcribe: сразу чистый текст без слов-паразитов, 85+ языков.

- IBM выпустила открытые Granite 4.2 (3B-30B, Apache 2.0) с переключаемыми режимами рассуждения.

- fal показала H3 Max: 5 секунд видео генерируются быстрее, чем длятся (много новых юз кейсов!).

- Apodex выпустила версию 1.1, открытую 35B mini и Apache-харнесс FrontierAgent под длинные задачи.

- Pipecat и Nvidia открыли PhoneLLM для голосовых агентов: заявлен уровень GPT-5.6 Terra в разы дешевле.

- Cohere запустила Parse: корпоративные документы в структурированные данные, $1.50 за тысячу страниц.

- Perplexity выпустила Portable Computer - локальный агент на Qwen 3.8 и DGX Spark.

- Суд отменил внесение Anthropic в черный список Пентагона.

- OpenAI, Anthropic, Google и еще сотня компаний подписали письмо о срочном укреплении киберзащиты.

- Расследование Reuters: план Цукерберга заменить сотрудников Meta агентами провалился.

- AWS покупает DuckLabs (DuckDB), опенсорс-лицензии сохраняются.

- Xiaomi показала прототип AI Cube - локальный AI-компьютер на трех собственных чипах, гоняет модели до 120B при 150 Вт.

- Про роботов пишу редко, но слежу: пишут о близком hardware takeoff, а WSJ - о world models как следующем большом скачке AI.

- TIME выпустил Time 100 AI 2026: добавился Суцкевер, вылетели Хуанг и Хассабис, есть Перис Хилтон.

- Из ресерча: AWS измерила "налог на передачу задачи" между моделями, а JIT-Agent собирает харнесс под конкретную задачу сам. Anthropic выпустила TASTE - бенчмарк на отбор идей safety-ресерча.

- Anthropic ввела enterprise-managed auth для MCP-коннекторов, а Vercel Connect вышел в GA с короткоживущими токенами вместо вечных API-ключей.

- Awesome Graph Engineering - подборка о том, как графовые структуры организуют память и координацию мультиагентных систем.

- AI SDLC playbook от Антропик

- 👍 is-agentic.com проверяет, насколько ваш сайт готов к визитам AI-агентов.

- 🤩 Microduck - опенсорсный 25-см робот от Pollen Robotics и Hugging Face за $399: за сутки собрал $2.6 млн заказов.

Вот сколько бы ни хоронили промпт-инжиниринг (никогда не понимал этого пафосного названия), но то, как вы формулируете запрос, по-прежнему во многом определяет качество результата.

Например, мой частый совет из практики - Заменяй summarize на extract. "Суммаризируй" дает общий пересказ, а вот "Извлеки ключевые факты списком, по одному на пункт, без комментариев" - операция ближе к парсингу. Точный глагол = точный режим.

Что еще часто использую:

Просить маркировать уверенность вместо "не галлюцинируй". "Пометь каждое утверждение: факт из текста / вывод / догадка". Жесткая версия для документов: "процитируй точное предложение под каждым пунктом" - цитату не подделаешь незаметно.

Разворачивать направление: пусть модель спрашивает вас. "Прежде чем отвечать, задай мне 3-5 вопросов, которые сильнее всего изменят твой ответ". Она часто спрашивает про то, о чем вы не подумали. В СС так и пишу обычно: используй AskUserQuestion.

Заставлять критиковать свой ответ. "Раскритикуй ответ выше: что неточно, чего не хватает. Потом перепиши". Генерация и оценка - разные режимы, популярный grill-me скилл, кстати, cюда же, но неплохо работает и просто фразой.

Отделять инструкцию от данных.. Если в тексте за промптом идет сам инпут, то оборачивайте данные тегами (`<text>...</text>`) или тройными бэктиками - особенно когда инпут длинный или содержит собственные инструкции.

Часто диктовать лучше чем печатать. Голосом вы отдаете в разы больше контекста за то же время, а промпту вредят не лишние слова, а недосказанность (ramble session как назвал это Карпаты). База, но напомнить не лишне, потому что использую давно и почти каждый день, но встречаю еще людей, которые брезгуют и из принципа набирают куцый текст двумя пальцами даже там, где больше деталей бы выдали голосом.

Этажом выше мета-приемы. Про один я уже писал: терминология домена - назвав вещь ее именем, попадаешь в самую суть, и, между прочим, LLM вознаграждают экспертизу - модель усиливает качество инпута, а не подменяет его. Еще пример: "я, вероятно, неправ, но..." перед своим тезисом - удивительно полезно. Модели очень хотят угодить, и, поставив свою точку зрения под сомнение, вы как бы разрешаете модели проверить ее честно, а не поддакивать.

И да, модели правда становятся все понятливее, все важнее становится доменный контекст, а не большое количество детальных инструкций. Но пара нужных слов все еще меняет ход ответа.

Это моя базовая база, из памяти, хотел зафиксировать заметкой. Какие приемы у вас в постоянной ротации?

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- OpenAI официально притормозила обучение будущей фронтир-модели Astra (из-за киберспособности). Anthropic тем временем рассказала о внутренней Model 2 сильнее Mythos, которую выпускать не планирует.

- Z.ai выпустила GLM-5.3 с фронтирным кодингом, но придержала веса на две недели: кибер-скоры вышли выше Mythos 5.

- Cursor запустил Origin - хостинг репозиториев под агентный темп разработки; в ту же нишу метит новый code.storage.

- Stripe покупает OpenRouter за $7+ млрд.

- Anthropic берется за автономный дизайн лекарств и дизайн белков, а Амодеи пишет, что большинство болезней можно вылечить за 5-10 лет.

- Выручка Anthropic перед IPO превысила $65 млрд годовых - семикратный рост за год.

- OpenAI срезала цены GPT-5.6 Sol на 20-30% на три месяца, следом подвинулись OpenRouter и Vercel, а Replit запустил Free Mode с x30 лимитами на Luna.

- Anthropic продлила +50% лимитов Claude Code до 31 августа.

- Контекст GPT-5.6 Sol в Codex расширили до 1 млн токенов через конфиг; все сверх 272к идет по двойному тарифу.

- Claude Code: скилл /design с редактируемыми UI-артбордами, cross-session упоминания через @ и др.

- OpenAI выпустила ChatGPT for Teens: подростков автоматически переводят в режим с защитами с родительским контролем.

- Anthropic запустила Claude Academy - бесплатное обучение AI-грамотности плюс скилл academy-guide.

- Meta выпустила десктопное AI-приложение для macOS с диктовкой и шарингом экрана.

- OpenAI: совместное редактирование в ChatGPT Sites и прозрачный фон в GPT-Image-2.

- Bank of China кредитует AI-разработчиков, оценивая их по расходу токенов и выручке от AI-продуктов.

- Робособаки закрывают кадровые дыры в охране в США: берут на себя рутинные обходы, смена дешевле штата на $80-130 тысяч в год.

- Anna's Archive зовет волонтеров сканировать книги на фоне скандала с промышленным разрезанием редких изданий AI-компаниями.

- Apple засветила в коде macOS больше 10 продуктов: AirPods с камерами, складной iPhone, OLED MacBook.

- Google Research показала PhotoScan: оценку состава тела и риска инсулинорезистентности по двум фото со смартфона.

- Public AI Observatory - независимое измерение реального использования AI: 24,5 тыс. диалогов, 52 модели (findings).

- DeepSeek выпустила V4-Flash-Vision-Exp - мультимодальную версию под агентов, которым нужно видеть экран

- Голосовые: Sonic-3.6 от Cartesia возглавила рейтинги синтеза речи, ElevenLabs открыла v3 Conversational для голосовых агентов.

- Sand.ai открыла видеомодель MAGI-2: MoE 114B с 6B активных, 10-секундные ролики сразу с аудио.

- Alibaba открыла бету музыкального генератора HappyShrimp.

- Engram с Harvey показали, как дообученная Qwen3.8-27B решает юрзадачи в 10 раз дешевле Opus 4.8.

- Artificial Analysis запустила Search Index - бенчмарк поисковых API для агентов.

- Отрезвляющие бенчмарки: CADBench - топовые модели берут лишь четверть задач в Fusion 360, SWE-bench Science - ниже 50% на научном софте.

- Вокруг Grok Bot выросла социальная лента ботов, которую человеку уже сложно читать, а Hermes Desktop от Nous Research скопировал этот UX своим Bot mode.

- Vercel дает $1 млн (bounty фонд) за побег из своей песочницы.

- Berd от Block - Mac-приложение: папка = проект, персонажи-агенты и доска, работает на ваших подписках Codex и Claude Code.

- openhistory.sh - открытое Mac-приложение, трекающее весь рабочий день для агентов (идея как у OpenAI).

- Очень неплохое и детальное сравнение подходов к памяти агентов.

- 1kpapers.com - тысяча лучших статей года, суммаризированных и визуализированных за $4 на DeepSeek V4 Flash.

- 👍 TrueFoundry открыла TrueForge - self-hosted харнесс для продакшн-агентов с песочницами, аппрувами и трейсами (как Managed Agents от Claude).

- 🔥 Notion открыл lore - общую память агентов на основе истории разговоров.

- 🤩 Vercel открыла fx - кодинг-агент на Zig весом 6 Мб с мгновенным стартом, работает даже в браузере.

Железки - это весело. Пятничный пост про DIY.

Знаете, софт - это хорошо, но есть особый шарм именно у железяк: когда что-то щелкает, пищит, светится, включает и выключает вещи в комнате. Что-то осязаемое. Даже если девайс делает какую-то малополезную мелочь.

Еще вся эта DIY-электроника стала сильно проще. Помню, раньше написать нормальную прошивку занимало мгого дней, а сейчас: втыкаешь девайс по USB, говоришь Claude Code или Codex, что хочешь получить, и агент сам коннектится, ставит тулчейн, пишет прошивку, заливает, читает логи.

Например, этим летом я собрал себе климат-контроль для кондиционера, буквально за пару часов на выходных: M5Stack Stick (это готовый блок на ESP32 с экранчиком, кнопками, блютузом, Wi-Fi за $10-20). Добавил только ИК + датчик температуры, и попросил Клода написать прошивку и веб-приложение.
Стало жарче 26° - сам включился, опустилось ниже 23° - выключился, ночью спит. Управляется с телефона, слушается Siri. Реально, пользуюсь каждый день)

Еще есть проект девайса, который автоматически ставит телевизор на паузу, если ребенок подходит к нему слишком близко. Ну это из последнего, раньше, конечно, много всего собирал и тем удивительнее видеть, как все упростилось с тех пор.

Хотел сначала накидать сюда полезных ссылок и инструкций, но, честно говоря, вам проще открыть AI-чат и начать расспрашивать: как это вообще работает, какие проекты можно собрать, что для этого нужно и т.д. И поверьте, если вам такое интересно - затянет. Еще бы время на это находить почаще, но когда нахожу - всегда фаново)

А, ну еще хотел спросить, что вы такого интересного делаете или планируете делать помимо софта?

Как писать код с AI-агентами?

А если командой?

Что нужно учесть, чтобы этот код не положил продакшн?

Эти и другие не менее интересные вопросы мы обсудим на следующем стриме на моём YouTube-канале.

Для обсуждения я позвал очень интересных гостей:

Андрей Бреслав – один из создателей языка программирования Kotlin. Сейчас Андрей разрабатывает Agentic Engineering Toolkit под названием CodeSpeak.

Валера Ковальский – автор одноимённого канала. Основатель проекта Neuraldeep https://neuraldeep.ru/ и автор множества Open Source проектов, созданных примерно за 120 минут каждый.

Максим Ключников – автор канала Этихлид. Разработчик с огромным опытом, который усилил себя с помощью AI-агентов. Работал на позиции Senior Software Developer, когда я ещё в школу ходил 😊

Дата: четверг, 20 августа

Время: 19:00 (GMT+3)

Проходить будет на моём YouTube-канале.

Добавить событие в календарь

Вопросы для эфира оставляйте в комментариях к этому посту 👇

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Anthropic встраивает невидимые водяные знаки во все тексты Claude, а следом планируют OpenAI, Google и другие.

- OpenAI: Computer History отдает ChatGPT и Codex историю работы в приложениях как контекст, вышла Linux-версия, а в Business появятся Premium-места за $125 с 5x лимитами и без 5-часового окна.

- Anthropic сделала временную дисконт цену Sonnet 5 постоянной: $2 и $10 за миллион токенов.

- OpenAI показала Ultrafast: GPT-5.6 Sol на железе Cerebras выдает до 750 токенов в секунду.

- Chrome-расширение Claude теперь интегрировано с Cowork, а Claude Code научился сам продолжать задачу после сброса лимита.

Блок с релизами моделей (раскрывается):

- SpaceXAI выпустили Grok 4.6 - близок к Sol и Opus при вдвое меньшей цене (полевой гайд).

- Google выпустила Gemini 3.7 Flash - цена вдвое ниже 3.6 при лучшем перфомансе.

- Meta вернулась в открытые веса: мультимодальная Muse Glimmer 30B.

- Qwen выпустила Qwen3.8-27B, сообщество зовет ее маленьким Opus 4.6 для ноутбука. Еще выкатили веса Qwen 3.8 Max.

- DeepSeek вывела V4 Pro из превью и открыла веса и резко поднимает цены с 16 августа.

- Microsoft представила MAI-Thinking-1, первую свою reasoning-модель, собранную с нуля.

- Cohere выпустила North Micro Vision - компактную VLM под Apache 2.0 с фокусом на документы.

- Solar Pro 4 от Upstage прыгнула с 14 до 42 по Intelligence Index, особенно на агентных задачах.

- Медиа-модельки: MiniMax выложила музыкальную Music3 с русским языком и запуском от 8 ГБ VRAM, Lightricks обновила видеомодель LTX-2.5 до мультишотовой генерации, а Deepgram запустила Flux TTS с откликом 80 мс.

- xAI запустила Grok Bot: у каждого агента своя облачная Linux-машина с браузером и терминалом, учится по одной демонстрации. Oткрытый аналог появился быстро.

- DeepSeek открыла агентный харнесс dsh под MIT, где все является плагином с хот-релоадом (уже оброс каталог плагинов).

- Spotify выпустила Xirp - Claude Code, Codex и Gemini CLI в одном окне.

- Google запустил Sheets canvas: таблица превращается в интерактивное мини-приложение.

- DeepMind встроила перевод языка жестов в Pixel 11.

- Цукерберг выложил манифест на 6000 слов: персональные агенты и тезис, что широкое распространение AI безопаснее централизации.

- Apple обучила собственную модель для Китая при поддержке Alibaba, первой из иностранных компаний пройдя регулятора.

- Исследователи научились расшифровывать зашифрованные цепочки рассуждений Anthropic, OpenAI и Google.

- Белый дом разрешил частным компаниям наступательные кибероперации против иностранных группировок.

- Manus отделяется от Meta по требованию китайского регулятора, данные надо забирать вручную до 23 августа.

- Игорь Бабушкин, сооснователь xAI, привлек $1,1 млрд в River AI - домашний компьютер для AI.

- Foreman от Vercel Labs - шаблон софтверной фабрики: задачи из GitHub и Linear проходят четыре станции и выходят отревьюенным черновиком PR.

- Vercel завел приватные паки скиллов, которые можно шарить внутри аккаунта.

- Интересный техобзор харнессов вокруг DeepSeek V4 Flash: восемь штук на 30 реальных задачах, победил Pi.

- Несколько интересных бенчмарков: ExtractBench от LlamaIndex, AA-AnalystAgent, и Optima - платформа чтобы гонять бенчмарки на своих нагрузках.

- Интересный разбор про текстовые водяные знаки.

- /show-me - скилл, который заставляет агента отвечать деревьями, диаграммами и псевдокодом вместо простыней текста.

- Ref - общий режим планирования для команды перед тем, как агенты начнут строить.

- 👍 treg - каталог из 2600 agent-friendly инструментов, "OpenRouter для агентных тулов"

- 🤩 seoskill.dev - SEO-скилл для агентов.

Evidence-based planning, или что не так с чистым SDD

TL;DR: Одно из самых недооцененных свойств AI-кодинга - это проектирование софта через ранние дешевые эксперименты.

Стандартный путь (часто) выглядит так: собрать весь input, скормить его в spec-driven framework или аналог, который нарежет все на тикеты, и погнали кодить агентами. Проблема в том, что спека, написанная до контакта с реальностью, фиксирует галлюцинации автора и агента о задаче, а формальность документа создает иллюзию продуманности.

Я делаю иначе, через контакт с реальностью как можно раньше. Сначала задаюсь вопросом, где больше всего белых пятен и ключевых развилок, и начинаю экспериментальное исследование: прощупываю границы интеграций, возможные подходы, варианты интерфейсов. Постепенно расширяю карту - от неопределенного к протестированному фактами (отсюда evidence-based), до состояния, где я могу сказать:
- "Этот кусок решен, вот здесь точно работает".
- "При интеграции мы получим ровно такой JSON, если возьмем эту альтернативу".
- "Протестил все семь вариантов - эти два показывают себя лучше всех, на цифрах".
- и т.д.

И только потом задачи - там теперь есть ссылки на проверенные решения, конкретные контракты и доказательная база под ними.

Ощущается это как стратегия в реальном времени: карта под туманом войны, и каждый прогон открывает участок - здесь проходимо, здесь обрыв, здесь дорога упирается в rate limit/неожиданную зависимость/и тд. Бонусом получаешь границу достаточно понятного куска, а его уже проще и проектировать, и верифицировать, и раздавать людям и агентам параллельно.

Это спайки, у которых сняли лимит

Вся традиционная инженерия построена на одном допущении: код дорого писать и еще дороже переписывать. Из него выросло много дефолтов, включая умозрительное проектирование на бумаге - проверить было непозволительно дорого.

У практики проверять есть старое имя - спайк (spike), из методики экстремального программирования (XP): короткий эксперимент, цель которого - знание, а не продукт. Но спайк всегда был дорогим удовольствием, поэтому и оставался редкостью.

Сейчас он стоит минуты/часы внимания: агенты не только пишут код, но и сразу исполняют его, документируя успехи, неудачи и подводные камни. Причем пачками и параллельно.

Заметьте, я не предлагаю меньше думать и больше делать. Просто к думанию добавилась роскошь, которой раньше не было: проверить дешево вместо того, чтобы гадать.

Вход и выход спайка

На входе один сформулированный вопрос ("что именно я хочу узнать/проверить") + релевантный контекст.

На выходе:
1. Решения - выбор из альтернатив с зафиксированным "почему" и "почему не остальные"
2. Контракты - фактические интерфейсы, схемы, форматы ошибок, лимиты, которые эксперимент выдал по факту
3. Границы проверенного - докуда дошел эксперимент и какие вопросы остались открытыми

Код прогона можно выбросить (или оставить), но эти три вещи забираем. Они идут в план, в спеку и в тикеты - и поэтому реализация становится почти механической, и яснее, как ее верифицировать.

Одна оговорка про параллельность. Она ценна, пока узкое место - генерация. Как только им становится ваша способность оценить результаты, каждая новая ветка дает отрицательную отдачу.

---

Кстати, удешевление экспериментов уже не раз двигало целые дисциплины (тысячи нитей накаливания у Эдисона, аэродинамическая труба братьев Райт, A/B-тесты в вебе).

Что касается софта - каждый раз убеждаюсь, что этот подход работает прекрасно, и что откладывать это невыгодно. Предполагать теперь дороже, чем проверить.

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Alibaba выпустила Qwen3.8-Max: 2,4T параметров, контекст 1M, вчетверо дешевле Opus 5.

- OpenAI обновила Sol, обещают меньше ошибок, а бесплатным дали безлимитную GPT-5.6 Luna.

- Agent Plugins - открытый стандарт упаковки скиллов и MCP-серверов в плагины; за ним OpenAI, AWS, Microsoft, Vercel, Cursor и другие.

- Джефф Дин уходит из Google строить Discovery Loop - автоматизацию науки и ML.

- OpenAI оценила внутреннюю модель Astra как критическую по киберспособностям и приостановила часть работ.

- Anthropic выкатила self-hosted среды для Claude Code, научила сессии переписываться между собой и делает auto mode режимом по умолчанию.

- Meta выпустила терминального кодинг-агента Muse Code и модель Muse Spark 1.2.

- xAI выпустила картиночную модель Imagine Image 2.0.

- Крупнейшая атака на npm: скомпрометированы 868 пакетов с 2 млрд установок в месяц.

- Белый дом вывел открытые модели из-под обязательного тестирования.

- Anthropic собирает команду для разработки собственных AI-чипов.

- CNBC: отрыв США от Китая в AI практически исчез.

- DeepSeek предупредила о значительном повышении цен на API (до 5x).

- Alibaba начнет брать процент с провайдеров, продающих доступ к следующим поколениям Qwen.

- Cloudflare провела Agents Week: Cloudflare OS - общий агентный воркспейс, Computer, Kitesurf - браузер для агентов без Chromium, Wallets, WebMCP, Agent Access Model для корпоративного контроля.

- Anthropic запустила inference hooks: инлайн контроль каждого промпта и тула.

- NYT разбирает, что компании получают за AI-траты: посчитать не может никто, Linux Foundation создала Tokenomics Foundation.

- Meta дает дешевый доступ в обмен на данные для обучения.

- Google показала Science One - генерацию научных статей "без галлюцинаций".

- Две новые видеомодели: FLUX 3 Video от Black Forest Labs и Wan 3.0 от Alibaba.

- ByteDance выпустила SeedRealtime: полнодуплексная, аудиовизуальная.

- Liquid AI выпустила LFM2.5-2.6B - агентную модель для смартфонов, ~30 токенов в секунду на Snapdragon.

- Mistral выпустила Shieldstral - открытый 3B safety-классификатор.

- DeepGrove показала Maple-Preview - открытую 20B модель на тернарных весах, 200+ ток/с на Mac Mini.

- Pokee AI заявила Pokee-Isaac 28B с контекстом 10M токенов и запуском на одной RTX 4090.

- Celeris-1 возглавил рейтинг скорости Artificial Analysis (~1765 ток/с).

- Качество моделей сильно зависит от инференс-провайдера (у Kimi K3 разброс скорости между провайдерами 312%), Artificial Analysis даже добавила Endpoint Accuracy Index.

- Backflip AI превращает физическую деталь в CAD-файл за минуты и примерно $10.

- Warp выделила своего агента в отдельный CLI с роутингом по моделям.

- Prime Intellect выпустила Prime Agent - открытый самоулучшающийся харнесс вокруг python-REPL.

- Бенчмарки недели: APEX-Accounting для бухгалтерии, приватный SWE-Bench от Ramp на продакшн-задачах, Supabase Evals, плюс MerchantBench и Boundary-Bench.

- Mference запускает DeepSeek V4 Flash 284B в 5.3 ГБ памяти на маке, подтягивая экспертов с SSD.

- Photon 2.0 компилирует модели в мегаядра: весь forward pass - одна GPU-программа.

- TokTier: токенизация съедает до 64% TTFT в агентных нагрузках; stateful-сервис токенизации это чинит.

- Conductor Cloud - мультиплеерные облачные воркспейсы для кодинг-агентов.

- GenOffice - открытый AI-офис от Genspark: собрали за неделю и $10K на токены.

- FutureSearch - AI-прогнозирование по запросу: спрашиваешь "что будет, если я сделаю X" и получаешь прогноз с вероятностями.

- OpenRouter выкатил Ori Eval - автоподбор модели под задачи конкретного репозитория.

- 🔥 Firecrawl выпустила anydoc: конвертация любых документов в Markdown за миллисекунды, на Rust.

- 🤩 Comp AI выложила открытый agent-first CRM с долгоживущими ресерч-агентами, лицензия MIT.

bb - Codex-подобный оркестратор, который расширяется плагинами. И почему это делает его интересным.

В awesome-листе агентных оркестраторов сейчас под сотню проектов, они решают примерно одну задачу: собрать упряжки (Claude Code, Codex, OpenCode, Pi и тд) под одним интерфейсом, будь то терминал, TUI или десктоп.

bb хорош двумя вещами (помимо прочего).

Первая простая: он удобный и приятно выглядит. Интерфейс практически повторяет приложение Codex, а его сегодня, пожалуй, можно назвать самым удобным десктопным агентом.

Вторая - главная: плагины. bb написан на TypeScript, и в его архитектуре заложен принцип расширяемости просто просишь агента, получаешь фичу в нем же, без перезагрузки. Та же идея в свое время сделала популярным Pi: минимальная поставка, а дальше каждый дописывает под свои нужды. Только Pi живет в терминале, а здесь удобный для широкой аудитории GUI.

В твиттере bb обсуждают почему-то только со стороны разработчика. А я вижу главный потенциал в другом: это UI платформа для AI-native компаний. Юристы, продавцы, проджекты и тд. - виджеты и расширения под их работу могут встраиваиваться прямо в десктоп-агента. И все это на базе развитых харнесов и их подписок. Круто же.

Немного идей для написания плагинов:
- своя панель в сайдбаре: трекер, CRM, канбан (я сделал виджет для Twenty CRM)
- произвольные виджеты прямо в ленте чата — агент рендерит их в своем ответе (я, например, сделал превью tg постов из markdown)
- свои вьюеры файлов: не нравится встроенное превью docx - сделай свой
- расщирение навигации, вплоть до полной замены списка тредов
- свои источники для @-меншенов: клиенты, сделки, заметки из Obsidian
- фоновые сервисы: дайджесты, напоминания, архивы по расписанию
- Весь спектр Generative UI включая живую аналитику
- и тд: SDK дает доступ практически ко всему: боковые панели и слоты в UI, навигация, своя SQLite-база, формы для запроса решения у человека, инструменты для агентов, CLI-команды, HTTP-ручки, фоновые сервисы, события тредов.

Минусы: проекту несколько месяцев, плагины только вышли из экспериментов, десктоп пока только macOS (остальным есть веб версия через npx, мобилка тоже работает через web). Надеюсь, у проекта будет больше внимания и контрибьюторов (Open Source, MIT, кстати).

Сам опыт "пишешь интерфейс прямо в интерфейсе" затягивает: попросил виджет - и через пару минут он уже работает прямо тут же, живой, с данными. А еще в широком смысле это позволяет делать опыт human in the loop удобнее, нагляднее и безопаснее.

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- OpenAI снизила цены на GPT-5.6 и объяснила зачем.

- Anthropic обновила MCP: stateless-архитектура, официальный статус у Apps и Tasks и пр.

- Moonshot выложила веса Kimi K3 - теперь модель доступна на десятках провайдеров.

- OpenAI выкатила в API GPT Transcribe и потоковую GPT Live Transcribe.

- Про необходимость притормозить теперь говорит не только Дарио, но и Альтман и больше тысячи сотрудников AI лаб подписали открытую инициативу об этом.

- Anthropic изложила позицию по открытым весам: запрещать не надо, надо контролировать дистилляцию и тестировать мощные модели.

- NVIDIA собрала Open Secure AI Alliance, Microsoft AI представила MAI-Cyber-1-Flash и Vercel в тему выложил бенчмарк DeepSecBench.

- Claude Mythos почти автономно нашла слабости в постквантовой схеме HAWK и AES.

- Anthropic проверила 141 тысячу своих киберучений и нашла три случая, когда модели вышли наружу и скомпрометировали боевые системы реальных компаний.

- OpenAI открыла Codex Security CLI.

- ChatGPT добрался до 1 млрд пользователей в неделю.

- В ChatGPT/Codex вернули пятичасовое окно.

- OpenAI раздает ученым бесплатный доступ к фронтир-моделям.

- Grok Voice Think Fast 2.0 научился слушать, думать и говорить одновременно. В Grok добавили встроенный конструктор приложений с хостингом.

- Google выкатил Gemini Distillation Service - обучение маленькой модели на рассуждениях большой.

- Google выпустил генератор музыки Lyria 3.5: треки до трех минут, контроль BPM и тд.

- Cursor запустил в Индии тариф Start за ≈$7.

- США запретили импорт китайских гуманоидных и четвероногих роботов.

- В девяти американских школах учебный год начнут защищать боевые дроны.

- ASML просела на новости, что в Шанхае начали серийно выпускать DUV-литографы.

- ЕС со 2 августа включает обязательную маркировку AI контента.

- В Китае заработали биржи прав на внешность: лицо "сдают в аренду".

- AI-компании скупают старые книги, режут прессом, сканируют и уничтожают.

- Тренд недели: мы переусложняем промпты. Под новые модели надо не добавлять инструкции, а убирать.

- DeepSeek вывела V4-Flash из превью в API с поддержкой Codex и в тот же день выложила веса.

- Thinking Machines выпустила Inkling-Small, качество почти как у флагмана при четверти размера.

- MiniMax открыла мультимодальную H3: единый контекст по тексту, картинкам, видео и аудио.

- LightOn выложила mDenseOn и mLateOn - полностью открытые мультиязычные ретриверы под длинный контекст и код.

- Тема недели: harness решает не меньше модели. У OpenAI две настройки харнесса подняли результат Sol на ARC-AGI-3 с 7.8% до 38.3%, Databricks намерила двукратную разницу в цене между харнессами при том же качестве, а AgentRadio почти удвоил результат асинхронным обменом сообщениями между агентами.

- WSJ пишет про новый класс предпринимателей: компании на миллион долларов с одним сотрудником.

- WASTE - движок для моделей (включая Kimi K3), которые больше вашей памяти.

- Саймон Уиллисон выпустил smevals - прогон компактных наборов эвалов сразу по нескольким моделям, харнессам и промптам.

- sharechat - расшарить сессию Claude Code или Codex по ссылке, читающему не нужен ни аккаунт, ни логин.

- Coast - полностью локальная память для вас и ваших агентов, собирается из того, что вы видите на своем Mac.

- Как DoorDash, Instacart и Uber Eats встроили LLM в поиск тремя разными способами: обогащение графа офлайн, понимание запроса и файнтюн эмбеддингов.

- 👍 YC выложил в опенсорс QM - мультиплеерный агентный харнесс, на котором внутри работают бухгалтерия, юристы, ивенты и инженеры.

- 🤩 Awesome Free AI Books - 30+ бесплатных книг по AI/ML. И отдельно хорошая книга-гайд по Agentic AI.

Фидбэк по фронту через запись экрана (с адаптацией для агентов).

Пока я весь в делах и не доходят руки до длинного бэклога с постами, поделюсь коротким лайфхаком.

Последнее время фидбэк по интерфейсу отдаю агенту короткими видео. Просто записываешь пару минут с экрана и наговариваешь голосом, что и где именно надо улучшить и отдаешь агенту в специальном формате (об этом позже). Разница в скорости и полноте: за эти пару мин успеваешь выдать в разы больше деталей, чем накликаешь и наберешь текстом, плюс нагляднее ведь курсор синкается с речью.

Тут просто скинуть видео недостаточно, из него надо слепить легкий контекст-пак: синхронизированные транскрипт, ключевые кадры, координаты курсора. Из готовых тулов под это лучшее, что нашел - clipy, типа Loom, но он готовит этот легкий контекст и дает CLI и MCP. После разовой настройки просто делаешь запись и сразу кидаешь агенту ссылку, и он сам достает оттуда все нужное из готового контекста, работает почти мгновенно. Есть глюки, но терпимо и бесплатной версии хватает.

Есть и опенсорсный вариант, который богаче по фичам. Да и если есть время - свой можно сделать легко. Но попробуйте сам принцип - мне зашло особенно тем, что это быстро и можно записать много фидбэка разом, а агент понимает его очень четко.

🔥 ➕ 🔁 @nobilix

#ReDigest

Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание.

Дайджест недели:

- Релиз Claude Opus 5: по заявлениям компании близко к Fable 5 за половину цены. Промптить и строить контекст надо иначе.

- Модели OpenAI вырвались из песочницы, вышли в интернет и увели ответы с серверов Hugging Face, которым пришлось использовать китайские модели чтобы анализировать происходящее.

- Ровно на этом фоне в Палату представителей внесли AI Kill Switch Act: рубильник для отключения опасных моделей.

- Google выпустил Gemini 3.6 Flash, 3.5 Flash-Lite и 3.5 Flash Cyber. Задачи решается за меньшее число шагов.

- Kimi K3 уличили в дистилляции (сама представляется как Claude), Белый дом обвинил Moonshot в обходе экспортного контроля, Минфин пригрозил санкциями.

- Китай в ответ обсуждает запрет на выкладывание весов за рубеж.

- Anthropic заплатит $1,5 млрд авторам за книжное пиратство (обучение - fair use, наказали за хранение).

- Anthropic закупит у AMD до 2 ГВт мощности и AMD представила Helios - первую rack систему.

- Google разрабатывает чип Frozen v2 с архитектурой Gemini, вшитой прямо в кремний.

- OpenAI запустила Presence - голосовых и текстовых агентов для корпоративной поддержки, только для энтерпрайза.

- ChatGPT Voice приехал в десктоп: общаясь голосом можно запускать и менеджить задачи в Work и Codex.

- Anthropic обновила голосовой режим Claude: вместо Haiku теперь Opus и Sonnet с переключением на лету, подтянулись коннекторы.

- Anthropic [выпустила] плагин (https://x.com/claudeai/status/2079990597973057691) Claude Security для многоагентного поиска уязвимостей в репо.

- Claude Cowork учится, наблюдая за вами: записываете экран и проговариваете шаги, на выходе скилл, который Claude повторит. Codex недавно релизил похожее.

- Claude Desktop также получил поддержку iOS-симулятора.

- Alibaba показала превью Qwen3.8 Max на 2,4 трлн параметров.

- В Шанхае учредили Всемирную организацию по сотрудничеству в сфере ИИ: 29 стран, дают открытые китайские модели и учат локальных ML-инженеров.

- Еврокомиссия оштрафовала Google на 890 млн евро по DMA.

- Винт Серф ушел из Google делать DNSid - открытый стандарт идентификации агентов поверх DNS.

- YouTube отключит монетизацию контент-заводам.

- Netflix использовал AI примерно в 300 фильмах и сериалах и заодно рассказал как поднял свой LLM-инференс в продакшене.

- Неделя роутеров: Cursor Router, Ramp Router экономит 30% и объясняет механику, Runway роутит генеративную медиа.

- Вышла FLUX 3 - изображения, видео, аудио и физические действия в одной архитектуре.

- Poolside выложила Laguna S 2.1 - 118B MoE с 8B активных под агентный кодинг и длинные задачи. Контекст 1 млн, открытая лицензия.

- Alibaba выпустила Qwen Image 3.0: модели можно дать полноценное ТЗ на инфографику или интерфейс.

- Джек Дорси запустил Buzz - опенсорсный воркспейс где люди, агенты и репозитории в одном канале.

- Google опубликовала AI & Economy ATLAS.

- YC обновил список желаемых стартапов: AI выходит в физический мир - образование, здравоохранение, оборонка, финансы и заводы.

- Agent Client Protocl (ACP) v2 вышел в драфте.

- draw-your-font - скилл, превращающий фото вашего почерка в устанавливаемый шрифт.

- OpenWorker от Эндрю Ына - локальный десктопный AI-коллега, который работает с вашими файлами и приложениями.

- GenReasoning выпустила BackSearch - поиск и фетч по замороженному архиву веба на заданную дату.

- Карпаты снова назвал вслух очевидный тренд, и все побежали: ramble-coding (диктовать свои мысли эффективнее чем промптитить текстом).

- 🤩 Две красоты для продуктовых лендингов: Canvas UI - библиотека эффектных компонентов, отрисованных на canvas, с MCP в комплекте, и scroll-world - скилл, собирающий из бренда скроллируемый 3D-мир. А еще Rivet для генераций вариантов дизайна.