Вайб-кодинг

Вышел Grok 4.7.

Главный скачок — Terminal-Bench вырос с 20,3% до 38%.

На CursorBench модель также обходит GPT-5.6 Sol: 46,3% против 41,7%.

Цена за токены осталась такой же, как у Grok 4.6.

До Fable 5.1 Grok 4.7 всё ещё не дотягивает в обоих тестах, но прирост получился серьёзный.

https://x.ai/news/grok-4-7

После обвинений в скрытой отправке исходного кода пользователей в облако — Zhipu открыла исходный код ZCode.🚬

Исследователь обнаружил, что десктопный клиент перед обращением к модели упаковывал всю рабочую директорию, включая историю .git, и отправлял архив в облако Alibaba.

Zhipu объяснила это работой Repo Wiki, которая индексировала репозиторий и была включена по умолчанию. Компания принесла извинения, а в версии 3.14.0 полностью удалила Repo Wiki и отключила загрузку снимков рабочих директорий.

Теперь под лицензией Apache 2.0 выложили весь код ZCode: десктопный и веб-клиенты, Agent CLI и среду выполнения.

По заявлению Zhipu, загруженные данные были удалены и не использовались для обучения моделей. Компания также ссылается на аудит Китайской академии информационных и коммуникационных технологий и NSFOCUS.

Но открытая версия всё же отличается от официального клиента. Часть бонусных лимитов и других преимуществ в ней недоступна, а в исходниках прямо указано, что эта сборка не участвует в программах дополнительных квот.

Появлися мод для Claude Code, который экономит токены. 🦀

Вместо загрузки всех навыков в окно контекста они остаются вне него до момента, когда действительно становятся нужны.

Jev анализирует доступные навыки и для каждого запроса выбирает подходящий, добавляя в контекст Claude только необходимый.

Решение работает с API от TypeSafe и AI Gateway от Vercel.

Установить мод можно одной командой:

npx claude-code-templates@latest --mod productivity/jev-skill-suggestion

Похоже, у Jev появилась открытая локальная альтернатива — Laya.

Laya - локальная открытая модель принятия решений на 421 млн параметров. Она работает со структурированными решениями (быстрые ответы да/нет, оценка или выбор из вариантов).

> работает менее чем с 1 ГБ памяти
> бесплатно доступна на Hugging Face
> запускается на ноутбуке и даже на телефоне

В тесте Laya сравнили с облачным Jev. Обе системы играли в одну и ту же змейку с одинаковым форматом решений в течение 30 секунд.

> Laya — счёт 46, длина 52, 86,5 решений в секунду, P50 около 9 мс
> Jev — счёт 1, длина 7, 3,2 решения в секунду, полный цикл запроса к API 317 мс

На M5 Pro медианное время составило 15,3 мс для локальной Laya и 298,1 мс для облачного Jev. Это почти 20-кратная разница в этом тесте.

Главное отличие здесь в том, что Laya принимает каждое решение локально, тогда как Jev на каждом шаге ждёт ответ от облачного API.

При этом у проекта есть два ограничения, о которых заявляется прямо:

1) контекст всего 512–1024 токена, поэтому некоторые задачи просто не поместятся
2) без дополнительной настройки Laya хуже обобщает, чем Jev

GitHub - https://github.com/NandhaKishorM/laya

Можно легко расшарить свой localhost кому угодно через бесплатный сервис от Cloudflare.

Достаточно запустить одну команду: cloudflared tunnel --url http://localhost:8000

Удобно для локальных проектов, тестирования вебхуков, демонстрации работы клиентам, быстрых превью и доступа ИИ-агентов к локальным приложениям :)

https://try.cloudflare.com/

Claude Code наконец добавил поддержку AGENTS.md.

Ничего дополнительно настраивать не нужно, теперь Claude Code по умолчанию сначала читает AGENTS.md, а если файла нет — использует CLAUDE.md.

Поддержка доступна начиная с версии 2.1.277. 💬

NVIDIA представила SoL-Pi

Систему, которая автоматически улучшает обвязку ИИ-агентов и сокращает расход токенов почти вдвое без заметной потери качества.

Вместо ручной настройки исследователи запускают циклы автоматических экспериментов над самой обвязкой в разных репозиториях и средах с проверяемым результатом. В итоговую версию попадают только механизмы, которые стабильно проходят отбор.

Таких механизмов осталось четыре: объединение действий, сжатие контекста прямо во время работы, более эффективная обработка наблюдений и сокращение делегированного чтения с сохранением важных доказательств.

На EdgeBench из 51 задачи SoL-Pi показала качество на уровне базовой системы с GPT-5.6 Sol и Opus 5, при этом сократила трафик токенов почти на 50%.

По оценке авторов, это уменьшает расходы на API примерно на треть. Экономия составляет около $8,75–13,50 в час по сравнению со штатными системами Codex и Claude Code и $4,36–5,71 в час по сравнению с базовой обвязкой.

Код опубликован на GitHub в NVlabs. 🤖

Статья: https://arxiv.org/abs/2609.20519

ИИ-агентам по-прежнему нужен контроль на высоком уровне. При этом ручная проверка кода уже становится узким местом, а сами модели стали достаточно сильными, чтобы жёсткие детерминированные системы проверки начали ограничивать их возможности.

Возникает вопрос, как тогда контролировать результат их работы?

Для этого, Боб Мартин, известный как автор "Чистого кода", создал специальный инструмент анализа системы, связанный с агентом. Он показывает структуру проекта в виде диаграммы, похожей на UML, и подсвечивает её метриками CRAP и мутационного тестирования.

Диаграмма интерактивная. Можно выбрать любой элемент и постепенно провалиться от общей архитектуры вплоть до конкретного участка кода.

Если пользователь видит проблемную часть системы, он может сразу поручить связанному агенту внести изменения. Это может быть как перестройка архитектуры, так и локальный рефакторинг. Агент вносит правки, после чего обновлённая структура снова появляется на диаграмме.

Инструмент он сделал под себя, но его можно использовать как шаблон и поручить агенту собрать собственную версию под конкретный проект.

Пока это рабочий прототип, поэтому в ближайшие недели он наверняка сильно изменится. Но к тому моменту вы, скорее всего, уже будете переделывать его под себя.

А улучшения всегда можно забирать обратно из исходника или из форков других разработчиков и интегрировать в свою.

http://github.com/unclebob/uml-viewer

OPENAI: расширения Chrome теперь поддерживаются во встроенном браузере ChatGPT Desktop.

Похоже, это был последний недостающий штрих. Зачем теперь вообще нужен другой браузер?

Во встроенном браузере ChatGPT теперь есть и расширения, и поддержка CDP для работы с DOM.

Пора тестировать его как основной браузер. 🤓

Jev теперь можно подключить к Codex, Claude Code и другим агентам через открытый проект JevRouter.

Он позволяет использовать Jev без переписывания существующей оркестрации и берёт на себя маршрутизацию между моделями, инструментами и субагентами. Разрешения и подтверждения при этом остаются у основного агента.

В опубликованном авторами тесте Toolathlon на 10 задачах Jev показал 38% точности выбора инструмента на первых пяти шагах против 24% у DeepSeek V4.1 Flash.

Авторы также заявляют примерно 5,5-кратное преимущество по скорости и семикратное снижение стоимости.

Как подключить:

1) Получить ключ Jev. Модель уже доступна через OpenRouter / Vercel

2) Открыть http://jevrouter.co и скопировать инструкцию

3) Добавить ключ и передать инструкцию Codex, Claude Code или другому поддерживаемому агенту

Рекомендую попробовать Codex вместе с Jev. В связке они ускоряют работу с браузером в 5–10 раз.

Обычно когда Codex сам работает со страницей, ему на каждом шаге приходится читать DOM, рассуждать и вызывать инструмент. Каждый такой цикл добавляет задержку.

Теперь действия вроде нажатий, переходов, переключений и прокрутки можно отдать Jev, а Codex оставить рассуждения, ввод текста и проверку результата по изображению.

Основные преимущества:

> Jev последовательно выполняет действия, а Codex подключается только когда нужно что-то ввести или проверить изображение

> Чем меньше обращений к модели, тем ниже задержка и расход

Как настроить:

1) Подготовить Codex с браузером/CUA, Node.js 22+ и ключом TypeSafe API

2) Установить Skill для Codex: npx skills add wy-coliney/jev-browser-use -g -a codex -y

3) Настроить ключ Jev и запустить новую задачу Codex. Skill будет передавать Jev нажатия, переходы, переключения и прокрутку

4) Когда требуется принять решение или ввести текст, управление возвращается Codex. После этого Jev продолжает выполнение

5) Проверить всё на реальной странице продукта или в автоматизированном тесте

Тем, кто самостоятельно разрабатывает продукты и каждый день прогоняет тесты через браузер, стоит попробовать.

Skill открыт: https://github.com/wy-coliney/jev-browser-use

AgentCloak запускает бесплатное расширение для браузера, которое помогает не передавать личные данные в запросах к ИИ.

По словам разработчика, небольшая ИИ-модель работает локально прямо в браузере, находит такие данные, как имена и номера счетов, и заменяет их на подставные значения перед отправкой запроса. После получения ответа расширение возвращает исходные данные обратно.

Поддерживаются ChatGPT, Claude, Gemini, Grok, DeepSeek и другие модели. Регистрация не требуется.

https://incountry.com/

🤣🤣🤣

Навайбкодить AI-агента сейчас можно за вечер. А вот довести его до прода так, чтобы он не выбирал неправильные тулы, не работал с устаревшими данными и не выполнял опасные действия без ограничений – уже совсем другая история 😵‍💫

Как раз про этот разрыв между демкой и нормальной системой сделали курс «AI-агенты» в Школе Высшей Математики.

Ведут его инженеры, которые запускали агентные системы в Revolut, Wildberries и Точка Банке. В программе разберут всё, что нужно агенту уже в реальной эксплуатации:

— трейсы, логи и отладка агентов
— метрики и оценка качества
— ограничения для опасных действий
— RAG, LangGraph, MCP и Langfuse
— мультиагентные системы и деплой

Курс идёт 12 недель, занятия живые + домашки с фидбэком от преподавателей. Нужны Python и опыт работы с API, опыт разработки агентов не обязателен.

Старт нового потока — 24 сентября.

Если пока не уверены, что курс вам подходит, у ребят есть бесплатное вводное занятие и воркшоп про AI-агентов в BigTech.

По промокоду VIBE дают скидку. Программа и отзывы – по ссылке 🍯

Реклама.
О рекламодателе.

MiniMax открывает исходный код MiniMax Code.

Руководитель разработки и исследований компании, Ронни, анонсировал публикацию проекта на GitHub словами:

«Создано вместе с разработчиками. Теперь создаётся открыто. Увидимся на GitHub».

То есть MiniMax Code сначала создавали вместе с разработчиками, а теперь сам продукт переводят в открытую разработку.

Особенно интересно это на фоне свежих тестов компании. На одной и той же модели и наборе из 30 задач MiniMax Code показал 76,7% успешных выполнений против 66,7% у Codex и 63,3% у Claude Code.

Среднее время выполнения составило 4 минуты 33 секунды против 6 минут 43 секунд у Codex и 9 минут 38 секунд у Claude Code.

Стоимость одного запуска — $1,83 против $3,47 у Codex и $18,34 у Claude Code.

Теперь можно будет посмотреть, как устроена эта обвязка и за счёт чего она даёт такую разницу. 🤔

Orca с открытым исходным кодом идеально подходит для координации нескольких агентов для вайбкодинга: Claude Code, Codex, Opencode, Antigravity и других.

Например, Claude создаёт посадочную страницу, а Codex оценивает её по шкале от 1 до 10. Если оценка ниже 9, он запрашивает изменения, повторяя цикл со скриншотами и кодом.

Результат получается намного лучше первой версии.