very vibe coding

Совет использовать Luna для агентской работы был ошибкой - об этом говорят и разработчики из OpenAI. Нужно подниматься до Терры.

Вышел Qwen-3.8 Max на 2.4Т параметров. Теперь это - не опенсорс. Но, может, хотя бы маленькие модели откроют.

PS. Алибаба написала, что все-таки веса откроют. Заодно и метрики подоспели

На просторах интернета нашел программку, которая переводит экран браузера в темную тему - после того, как начал пользоваться терминалом, постепенно перешел на черный цвет везде..

У chatGPT в настройках для Luna есть уровень Max, который по умолчанию недоступен. Говорят, что моделька на этом уровне выступает очень даже сильно, при том, что стоит в разы дешевле Terra и Sol. Попробуйте

В таких харнесах, правда, есть проблема - их надо подключать по апи. Но можно использовать с GLM или DeepSeek, например.

Ouroboros теперь SOTA на Terminal Bench, OSWorld и CL-bench

Мой любимый агентный луп на чистом питоне доэволюционорал до состояния лучшего харнесса для кодинга! На главных бенчмарках он теперь обходит Codex, Claude code, Cursor и Hermes.

Выходит, что в рисёрче, в computer use, в работе через терминал и в задачах на кодинг — уроборос сейчас является лучшим агентом. Так что с этого момента всю разработку и исследования я веду только через уробороса.

Для полной воспроизводимости результатов. Весь код, скрипты, трейсы я выложил в открытый доступ.

Напоминаю: лицензия MIT. Так что спокойно ломайте, форкайте, проверяйте трейсы, пишите что я где наврал. И кидайте issues и PR-ы! Все постараемся с уроборосом принять😋

P.S. Кошмар какие дорогие агентные бенчи. Прогнать весь набор стоит как квартиру купить (это не шутка!!)

GitHub, Хабр, установочники

Мне кажется, что новый DeepSeek должен их уделать. Посмотрим..

https://t.me/data_analysis_ml/5532

Я эту модель в прошлом исполнении использовал для отдельных задач - это было выгодное предложение. А текущая модель по бенчам так и вообще сильнее старшей версии. Если нужна модель по апи - однозначно, один из лучших вариантов

https://t.me/data_analysis_ml/5531

Ну, кстати, цены на Luna действительно интересные, чтобы пробовать модель даже по апи…

https://t.me/vibecoding_tg/3597

River AI: как обучить собственную GLM-5.2 без GPU

River AI — новый сервис для дообучения open-source моделей через LoRA и reinforcement learning. Можно взять базовую Qwen, Kimi или GLM-5.2 и получить специализированный checkpoint под конкретную задачу.

Создатель и CEO River — Игорь Бабушкин. Ранее он работал над ИИ в DeepMind, OpenAI и xAI; River позиционирует себя как инфраструктуру для персонального, контролируемого пользователем ИИ.

Что даёт сервис:
— дообучение модели на своих примерах;
— RL с собственной функцией награды;
— хранение checkpoint;
— инференс через OpenAI-совместимый API без своих GPU.

Цены для GLM-5.2 с контекстом 32k:
— обучение: $4,40 за 1 млн токенов;
— вход при инференсе: $1,46 / 1M;
— выход: $3,67 / 1M;
— хранение: $0,10/ГБ в месяц.

Пример: запрос с 5 тыс. токенов входа и ответом на 1 тыс. токенов будет стоить примерно $0,011.

Но актуальные знания и документы лучше оставлять в RAG. Дообучение полезнее для устойчивых вещей — формата ответа, стиля, классификации, последовательности действий и проверки результата.

За стиль простите, лень переписывать за кло..

WTF: Этот CLI вытаскивает дизайн-систему из любого сайта

Просто передаёте URL, а он достаёт цвета, типографику, отступы, границы, тени, компоненты, брейкпоинты, моушен-токены и даже генерирует DESIGN.md.

Фронтендеры, вайбкодеры и дизайнеры теперь могут закрыть DevTools. И открыть терминал. ✋

https://dembrandt.com

OpenAI сбросили цены на GPT 5.6

Luna теперь дешевле в пять раз, всего $0.2/$1.2 за миллион токенов, против $1/$6 на релизе. Цену Terra сбросили на 20%, до $2/$12 за миллион токенов. Понижение цен касается не только API, но и квоты в Codex/ChatGPT Work. Sol не получил понижения цены, но для него выпустили Fast режим, который в 2.5x быстрее по 2x цене, но про дату релиза Sol запущенного на железе Cerebras OpenAI всё ещё молчат.

@ai_newz

Очень впечатляющая история - своего рода первая ласточка. В Америке сейчас в связи с этим проходят конкурсы открытых писем и большой срач между конторами.

Ну и на этом фоне интересно, что проект Ильи Суцкевера по безопасным моделям не умер, а получил еще 5 ярдов от NVIDIA. Видимо, тема актуальна как никогда.

Да, есть ощущение, что и на рынке крипты как никогда много успешных атак. Очевидные жертвы

OpenAI сделали специальную программу для поиска проблем с безопасностью. Опенсорс. Ну что, отлично, не помешает..

https://github.com/openai/codex-security

В выходные потестировал еще один популярный скилл, который называется ponytail –
он пытается сделать из кодинг агента, такого душного чувака с хвостиком, который с самым большим ЧСВ на свете программирует бекенд какой-то корпорации за 300кк в секунду

И на удивление, оказалось, что если этот скилл подключить через хук (ну то есть, чтобы он вызывался всегда а не по настроению агента) – скилл правда экономит ~10% токенов, и даже больше иногда

Тут все детали:
https://blog.jetbrains.com/ai/2026/07/ponytail-skill-claude-tested/

(последний час теста, я анимировал хвостик на аватарке)

💎
🌝

Ну и правда, то ли у нас SOTA для запуска на локальных машинках, то ли бенчмарки хакнули..

https://t.me/machinelearning_interview/2910

Лучше бы пил

Сегодня про браузеры - мы очень быстро придем к тому, что браузеры будут особенно и не нужны в том виде, как мы их используем сейчас - будем просто спрашивать своих агентов, что нужно.

https://t.me/vibecoding_tg/3582

Агенты наконец-то перестают драться с человеком за браузер.

На GitHub сегодня резко выстрелил ego (lite) — отдельный Chromium-браузер для совместной работы человека и CLI-агента. Идея здесь не в очередной Playwright-обёртке: Claude Code, Codex или Cursor получают свой изолированный Space внутри того же браузера, пока мои обычные вкладки остаются нетронутыми. Можно параллельно отдать агенту несколько задач — например, собрать лиды из залогиненного CRM, пройти внутреннюю админку или сверить данные в SaaS — и не наблюдать, как он уводит мышь и закрывает нужные табы.

Технически агент работает через skill ego-browser: вместо длинной цепочки CLI-вызовов он отправляет JavaScript, который за один проход вызывает snapshot/fill/click/navigate. Авторы обещают меньше tool calls и приводят собственный benchmark до 2,5× быстрее против Vercel agent-browser — это именно их замеры, а не независимый тест.

Самая полезная и одновременно опасная часть — при онбординге можно перенести из Chrome профиль, cookies, расширения и активные логины. После этого агент реально способен работать там, где нет нормального API: в закрытой админке, CRM, почте, аналитике. Но это не «безобидный браузерный skill»: агент получает доступ к уже авторизованным сессиям. Для финансовых, продовых и личных аккаунтов я бы сначала завёл отдельный профиль с минимальными правами и оставил подтверждение на любые необратимые действия.

Пока только macOS; репозиторий и skill открыты под MIT, а сам браузер скачивается отдельно. Сегодня проект в GitHub Trending набрал около тысячи звёзд за сутки — хороший индикатор, что сценарий «агент работает в моей реальной веб-среде, но не ломает мои вкладки» становится отдельной категорией инструментов.

GitHub: https://github.com/citrolabs/ego-lite
Релиз v1.2.5: https://github.com/citrolabs/ego-lite/releases/tag/v1.2.5
Документация: https://lite.ego.app/document/en/docs/quick-start

Я всё это смотреть не буду.

Теперь и не нужно — появился опенсорс скилл, который позволяет Claude разбирать видео по ссылке почти как человек. 🙄

Он работает с YouTube, Loom, TikTok, локальными файлами и всем, что поддерживает yt-dlp.

С его помощью агент может разобрать запуск конкурента по хукам, визуалу и структуре, найти баг по записи экрана, сделать краткое резюме длинного выступления с точными таймкодами или вытащить из продуктового видео только реальные изменения без маркетинга.

Под капотом yt-dlp сначала забирает доступные субтитры, а ffmpeg извлекает кадры с учётом смены сцен, чтобы не тратить токены на десятки одинаковых изображений. Claude получает кадры с таймкодами, а если субтитров нет, подключается Groq Whisper.

Для Claude Code:

/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video

Для Codex, Cursor и Gemini CLI:

npx skills add bradautomates/claude-video -g

p.s. Для видео длиннее 10 минут лучше указывать нужный фрагмент через --start и --end, иначе полный разбор может заметно расходовать токены.