Max Syabro and a Slop Driven Development

делаю сикретни пет-проект
вот такой дизайн с Claude Design захерачило, прям ок

Claude Design завезли

https://fixupx.com/claudeai/status/2045156267690213649?s=46

https://www.youtube.com/watch?v=H62MJQ3OH-Y

Чот я какой-то херней занимаюсь если так можно

Поиграть можно здесь:
https://studioigor.github.io/ashen-crown

Исследователи Yaniv Leviathan, Matan Kalman и Yossi Matias обнаружили, что повторение одного и того же промпта дважды подряд улучшает точность моделей (Gemini, GPT, Claude, Deepseek) на 21-97% в зависимости от задачи — просто дублирвешь перед отправкой.

Эффект работает для моделей без режима рассуждений и не требует никаких дополнительных вычислений.

https://arxiv.org/abs/2512.14982

У кого тоже Opus 4.7 понерфили? Сука уже тупит, хотя еще не вышел

ебать, принесли тут

https://github.com/collaborator-ai/collab-public
варп здорового человека

Для меня один из самых больших аттракционов это Warp

Мне досталось годовая подписка и я иногда юзаю его чтобы что-то подебажить на сервере

Эти ребята умудряются меня удивлять тем что я каждый раз охуеваю от того что они опять поменяли UI и я не понимаю куда тут нажимать.
Сегодня пытался понять как вызвать агент и как терминал.

Вот типа добавили вертикальные табы и пытаются быть новым cmux. Но как внутри переключаться между pane и где мой агент который я только что юзал? А хуй его знает

Кстати из реально полезных штук у них допиленный инпут для всех агентов со встроенным голосовым вводом

Но кровати заебали двигать

https://fixupx.com/warpdotdev/status/2044065236789911931?s=46

Claude Code Routines

Anthropic добавил repeatable routines — автоматизированные повторяющиеся задачи в Claude Code.

- Задаёте инструкцию один раз.
- Указываете расписание (daily/weekly или cron).
- Задача выполняется на инфраструктуре Anthropic

Не требует постоянной онлайн-сессии. Идеально для ежедневных отчётов, мониторинга, генерации summary, обработки данных.

https://code.claude.com/docs/en/routines

Лайфхак с биллингом ChatGPT.

В настройках подписки можно сменить страну на US и выбрать штат Oregon — там нет налогов.

OpenAI не проверяет адрес, достаточно указать любой zip-код из Орегона, например 97205.

Пока было $22, пофигу. Но при плане за $100 платить налогов $120 в год уже жаба

PS https://help.openai.com/en/articles/8156143-how-can-i-change-the-billing-details-on-my-invoice

Zaiцы (авторы GLM) ебанулись и решили что их тормозящее говноапи с GLM-5.1 это SOTA модель и решили поднять цены

https://z.ai/subscribe

Позавчера брал за $30

Ну и о погоде

https://fixupx.com/nicopreme/status/2040502870093750544

Потихоньку ковыряю pi в рамках PAC1. Нравится.
И в целом судя по твитам как-то там какие-то упоротые крутые ребята в комьюнити.

Меня задолбало что Claude почти везде стала отваливаться на web_fetch.

В ишью agent-brower нашел https://github.com/CloakHQ/CloakBrowser

Stealth-браузер для автоматизации, который проходит антибот-проверки. 32 патча в C++ исходниках Chromium, скомпилированных в бинарник. Canvas, WebGL, audio, шрифты, GPU — всё модифицировано до компиляции. Детекторы видят обычный Chrome, потому что это и есть обычный Chrome.

reCAPTCHA v3 выдаёт 0.9, Cloudflare Turnstile проходит автоматически, BrowserScan показывает NORMAL. navigator.webdriver — false, CDP не детектируется, TLS-отпечаток совпадает с настоящим Chrome.

Drop-in замена для Playwright и Puppeteer — меняется импорт, остальной код работает как был. Ставится через pip install cloakbrowser.

Отдельно есть Browser Profile Manager — self-hosted альтернатива Multilogin и GoLogin. Docker-контейнер с веб-интерфейсом, уникальные фингерпринты на профиль, прокси, персистентные сессии. Данные остаются локально.

Попробую развернуть на его базе свой MCP сервер на хомлабе + доступ к нему через tailscale

купил зайцев блядь

[   4.8s] [librarian] ERROR: 429 The service may be temporarily overloaded, please try again later
[   4.8s] [librarian] done, context: 0 chars
[   4.8s] [librarian] file list:

30 баксов за 429?

https://prefab.prefect.io

Prefect выкатили Prefab — UI-фреймворк для сборки интерфейсов целиком на Python. Карточки, таблицы, чарты, формы — 100+ готовых компонентов. Вложенность задаётся через context managers: with Card(): вместо JSX. Код компилируется в JSON-протокол, а рендерит всё bundled React-фронтенд на shadcn/ui.

Стейт реактивный. Класс Rx связывает данные с компонентами, а декларативные экшены — SetState, ShowToast, SetInterval — управляют поведением без единой строки JavaScript. Получается полноценное SPA, написанное питонистом, который ни разу не открывал node_modules.

Но главное здесь не DX для дашбордов. Главное — MCP Apps. Prefab встроен в FastMCP и спроектирован так, чтобы LLM-агент мог генерировать интерфейс на лету: протокол декларативный, сериализуемый, безопасный для model output. Агент дёргает тул — и возвращает пользователю не JSON-блоб, а интерактивный UI с кнопками и графиками. В Python MCP-экосистеме такого до сих пор не было.

Идею декларативного протокола с отдельным рендерером первым показал FastUI от Pydantic. Prefab перенёс подход в MCP-контекст и добавил реактивность на клиенте.

Python 3.10+, pip install prefab-ui. Проект в активной разработке — авторы сами просят пиннить версию.

Thinking — Fast, Slow, and Artificial
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6097646

Исследователи из Wharton расширили классическую модель Канемана “быстрое и медленное мышление”, добавив System 3, искусственное мышление за пределами мозга. Три предрегистрированных эксперимента, 1 372 участника, 9 593 попытки.

Схема такая: участники решают адаптированный Cognitive Reflection Test, задачки, где интуитивный ответ неверен. Одна группа с доступом к AI-ассистенту, другая без. Через скрытые seed-промпты исследователи контролировали, даёт AI правильные ответы или намеренно ошибается.

Больше половины попыток участники обращались к AI и принимали ответы с минимальной проверкой, подавляя и интуицию, и аналитическое мышление. Когда AI отвечал верно, доля правильных ответов росла на 25 п.п. Когда врал, падала на 15. Cohen’s h = 0.81. Авторы назвали это cognitive surrender.

AI при этом повышал уверенность даже когда подсовывал неправильный ответ. Участник ошибался вместе с моделью и чувствовал себя увереннее, чем без неё.

Ни дефицит времени, ни деньги, ни обратная связь эффект не устранили. Когда AI прав, он компенсирует нехватку времени и усиливает отдачу от стимулов. Когда ошибается, участники ошибаются вместе с ним независимо от условий. Сильнее всего эффект у тех, кто больше доверяет AI и меньше склонен думать самостоятельно.

Авторы называют это Tri-System Theory. AI — внешний когнитивный агент, которому мозг с готовностью передаёт управление.​​​​​​​​​​​​​​​​

PS Я бы провел исследование с еще одной фокус-группой а которой ответы дает «внешний эксперт» и сравнил результаты против AI

https://platform.xiaomimimo.com/#/token-plan


У Шаоме появился план.
Мне кажется по токенам сейчас что-то брать никто не будет для себя.

Subscription Tiers
• Lite ($6/mo): 60M Credits. A low-cost entry point for beginners exploring AI development and OpenClaw.
• Standard ($16/mo): 200M Credits. The core solution for professionals relies on AI for daily efficiency.
• Pro ($50/mo): 700M Credits. For specialized users who deeply integrate AI into their professional workflows.
• Max ($100/mo): 1.6B Credits. Unleash tremendous power for continuous, high-intensity development environments and coding works.

QWEN 3.6-plus тем временем
Выглядит хорошо, но подписка на алибабашку нынче $50 :(
https://qwen.ai/blog?id=qwen3.6


UPD: Про машину ответило )

You'll need to drive the car. Since the goal is to get the car cleaned, it has to physically be at the car wash. Walking would only get you there, leaving the car behind!

At just 100 meters, driving will take literally 10-15 seconds. The only exception would be if the car wash offers a pickup/drop-off or valet service where you can walk over to hand off the keys, but for a standard car wash, driving it there is the only practical choice. 🚗💨

UPD2: Бесплатно на опенроутере
https://openrouter.ai/qwen/qwen3.6-plus-preview:free

Дизельгейт лол

Intel's BOT агрессивно оптимизирует Geekbench под свои процессоры (векторизует код, +5.5–30% в тестах). Geekbench будет трекать помечать такие результаты в новой версии.

https://www.geekbench.com/blog/2026/03/analyzing-geekbench-6-under-intels-bot/