КайфКодинг

На какие именно инструментальные тесты я отправляю своих клиентов чаще всего? Инструменталка в отличии от кровяных тестов мне нравится тем, что данные здесь менее шумные, и более, как бы, фундаментальные чтоли.

Чаще всего это следующего рода тест:

- dexa scan: плотность кости, висцеральный жир, мышечная масса, a/g fat
- фиброскан: эктопический жир
- cardiopulmonary exercise testing: vo2max, пороги, красные флаги связанные со здоровьем сердца и легких
- ногтевая капилляроскопия: капиллярная плотность
- узи артерий: толщина комплекса интима-медиа, бляшки
- узи сердца
- watchpat или полисомнография: апноэ, ahi/rdi, качество сна
- динамометрия мышц (кисть, quads/ham ratio,…)
- спирометрия, dlco
- смад

Практического биохакинга вам в ленту.

Одна и та же модель на одном и том же бенчмарке дала 17,5% и 98,0%. Разницу сделала не модель, а обвязка вокруг неё.

Грег Камрадт из ARC Prize опубликовал 3 сентября замер GPT-6 Astra на ARC-AGI-3 и прогнал её через два харнесса. Стандартный оставляет модели только те заметки, которые она сама решила сохранить. Провайдерский хранит между запросами непрозрачное состояние рассуждений и сжимает длинный диалог, чтобы модель переиспользовала уже сделанную работу.

Оба процента выше сняты на низком reasoning effort. Провал стоил $38 166, успех — $21 298.

Хуже результат за большие деньги. По 167 парам «игра — уровень рассуждения», которые решили оба харнесса, провайдерский потратил на 49% меньше токенов и отработал в 3,66 раза быстрее.

Тут легко отмахнуться: провайдерский харнесс лезет во внутреннее состояние модели, вам такого не дадут. Только этажом ниже, там, где всё ваше, работает ровно тот же механизм.

Инженер AgentConnect Пэнчэн Сюй сравнил grep и семантическую навигацию через LSP на задачах переименования, а потом поменял в семантическом туле одну вещь: стал прикладывать к каждой найденной ссылке ±2 строки исходника. Бэкенд и набор ссылок остались прежними.

Pass@1 вырос с 0,67 до 0,83, а дочитывания файлов упали с 15,2 до 3,2 за эпизод. Его формулировка:

Бэкенд поиска не менялся ни разу — менялась только форма того, что возвращалось.

Обе истории про одно: обвязка выбрасывает то, что модель уже нашла, и модель добывает это заново за ваши токены. У вас та же развилка стоит на каждом кастомном туле и каждом MCP-сервере. Тул, который отдаёт {file, line, col}, отправляет агента открывать эти файлы руками.

Возьмите инструмент, который агент дёргает чаще всех, и посмотрите, можно ли из его ответа принять следующее решение, не открыв ещё один файл. Нельзя — это не инструмент, а указатель.

Это не значит «поставьте правильный харнесс и получите 98%». Провайдерский харнесс Astra не воспроизводится: он держит то, чего ARC Prize не видит. А замер про grep — из блога собственного продукта автора, и пилотом его называет он сам: три модели, несколько репозиториев, два-три прогона на ячейку.

https://arcprize.org/blog/astra

https://www.agentconnect.md/blog/grep-beat-lsp-harness/

Что ваш самый частый инструмент возвращает агенту, кроме координат?

Кафе Дионис, около РУДН.

Одно из любимых мест в Москве.

Открываешь меню и отправляешься кругосветное путешествие.

А рядом колорит общежитий РУДН и студенческий вайб

Месяц назад Саша из Mindset AI позвал меня рассказать про продуктвность в мире ИИ. Я ненавижу выступления и делаю это очень редко. Обычно хорошо у меня получается только в очень узких группах.

Но в этот раз у меня появилась мотивация. Появилось желание начать что от менять.

А то я своим клиентам (которые стесняются публиковаться на LiknedIn) рассказываю что mr Beast говорит что бы снять 100-е видео, надо снять хотябы 1-е. А сам - так ничего и не снял.

В результате получилось почти 2 часа неструктурированных рассказов и рассуждений на тему от появления Лайфхакера и до переезда во Флорду. Искуственному интеллекту досталось не очень много :)

Нельзя сказать что я не готовился. Я готовился и даже пару раз созвонился с Сашей, продумал план и оформил его. Но так уж работает мой мозг (но мы над этим работаем).

А ещё я делаю очень длинные отступление, ведь рассказать я хотел про другое.

Когда видео появилось и мой клод сумел его скачать, мы провели довольно подробный его анализ. Клод поставил мне 7/10 за хаотичность и 5/10 за полезность. Составил отличные схему моей непоследовательности и топ использования слов паразитов. Был подключен даже пульс c Oura.

Он даже предожил мне перемонтировать 1:40 в 36 минут...

Считаю что анализ получился очень крутым и полезным. Я просто попросил клода:

скачай видео и транскриббируй c deepgram https://www.youtube.com/watch?v=R2XBi3RYgWM

после этого разбери с подагентами мое выступление - на сколько оно было дреганным нелогичным и какова была моя речь так же инетересна последовательность и хаотичность

Очень советую к использованию с модификациями в зависимости от ваших запросов. И это был Opus.

Сергей Булаев AI 🤖 - об AI и не только

Даня нагенерировал себе новых машин

Как оптимизировать расход токенов? Гайд от канала Нейровайб

Собрал пошаговый разбор на примере Fable 5.1.

Внутри:
- скиллы
- инструменты для сокращения расхода токенов
- все бесплатно и опен-сорс

Открыть гайд

Поделись с другом, знания топ!

#AIагенты #оптимизация #токены
@neurovibe_ai

Я просто хотел сделать голосового бота, чтобы с супругой общий список дел вести.

Ваш системный промпт устарел вместе с моделью, и Anthropic сама выписала, где именно.

Страница про промптинг Fable 5.1 начинается с того, что старые промпты Fable 5 должны работать и без изменений. Дальше идут шестнадцать разделов, и каждый открывается симптомом: молчит между вызовами, реже зовёт поиск на low effort, пишет плотнее, тащит куски источника без кавычек.

Тринадцатый — прямо про ваш счёт. В доках дословно: 5.1 скорее перепишет текстовый файл целиком, чем сделает точечную правку. Результат обычно тот же, но, если только файл не короткий и меняется не бóльшая его часть, перезапись стоит больше output-токенов и времени.

Вы платите за размер файла, а не за размер правки.

Лекарство лежит в том же разделе — одна строка в системный промпт. Если её у вас нет, разница уже идёт в счёт за output.

https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5-1

Новый хит от Дани. Чувство вкуса нужно прививать в детства. Сделано в Фабл 5.1

Codex может закончить ваш тёрн не на той модели, на которой начал.

Вечером 2 сентября OpenAI смёрджила три пул-реквеста подряд, меньше чем за два часа, и все три про то, кто выбирает эту модель. В 21:53 UTC — Codex сам пересаживает задачу на резервную квоту, когда кончилась включённая в тариф. В 22:52 UTC — перед перезапуском на более быстрой модели, выбранной сервером, теперь показывают подтверждение, и в нём прямо сказано, что модель может оказаться менее способной.

Спрашивать начали только сейчас. До этого модель меняли без вашего согласия.

Дифф, качество которого вы списали на плохой день модели, мог доехать на другой модели. Смотрите /status, а не ощущение.

https://github.com/openai/codex/pull/42380

Российские математики придумали модель, которая заняла первое место на ARC-AGI

Небольшой стартап Mostik состоит из 15 человек, среди которых 12 PhD и Филдсовский медалист Станислав Смирнов. Компания существует всего 4 месяца, и только что вышла из стелса со своей идеей о новом подходе к ансамблированию. Ребята придумали, как модели могут обмениваться скрытыми состояниями.

Как это работает:

Языковая модель, генерируя один токен, строит огромные скрытые векторы. Это порядка миллиона чисел (~2 МБ). При этом в выхлоп попадает только ~17 бит – сам токен, а остальное выбрасывается.

Все системы, где модели общаются между собой (команды агентов, консилиумы и тд), общаются именно через этот узкий текстовый канал. При этом в отбрасываемой части остается море информации, описывающей все, что модель знает о задаче в этот момент. Это не только данные о текущем токене, но и о будущих (вспомните то же исследования Anthropic J-space: https://t.me/data_secrets/9497).

Идея Mostik – это, собственно, дать моделям "мостик", через который они смогут общаться полноценно, чтобы работать эффективнее. Они обучили небольшой модуль-переводчик, который передает скрытые состояния от одной модели к другой. При этом модели могут быть из разных семейств, их веса не меняются, и совсем никакого текста между ними не проходит.

Результаты:

Авторы взяли большую GLM-5.2 (753B) и маленькую Qwen-3.5 (4B), и сделали так, что GLM-5.2 только читает текст (это дешевле), а затем передает Qwen скрытое состояние через мостик, чтобы та уже генерировала токены. Разрыв в качестве у моделей огромный, но при таком сетапе закрывается 50% этой разницы. На некоторых задачах прирост в качестве получается в 2 раза, и при этом связка обходится в 2.5 раза дешевле по вычислениям, если пересчитывать результаты на эквивалентную среднюю модель.

Кроме того, "мостик" можно использовать для дистилляции или создания инструментов для мониторинга. Авторы также упоминают о том, что система на основе этого подхода предварительно заняла первое место на лидерборде ARC Prize этого года.

Поздравляем авторов с потрясающей работой и просим для них максимальной поддержки!

Статья Wired | Блогпост Mostik | Канал CEO Саши Малышевой