КайфКодинг

Это вероятно самое сложное техническое решение, которое я разрабатывал. Но сегодня вывел в прод на живых деньгах.

О, что может быть в этой жизни слаще любви бабушки. В деревне бабушки для маленьких тять делали лакомство полное любви. Вот вам рецепт. Берем кувшин со свежими сливками, чайной ложечкой забираем, он нет, не сливки, а пенку со сливок. Подносим чайную ложку к любимому внуку, он смотрит на вас ангельским глазами и с удовольствием ест облизывать ложку с пенкой. Есть «сливки общества», но есть еще и «пенка со сливок общества» И в мире физмата - это «кванты» - Маги алготорговли, HFT/hedge funds. Люди с астрономической зарплатой, опытом участия в международных олимпиадах и самым сильным мат аппаратом (привет гениям из deep seek - они изначально звезды алгоритмической торговли). Я подумал, что если Астра/Опус решают международных олимпиад, то они смогут заменить команду квантов. Я сделал 2500+ экспериментов на фондовом рынке вывожу первый алгоритм торговли с хорошей альфой над индексом на сложных бек тестах. Я верю, что через год модели смогут обыгрывать рынок и делать очень сильные решения алготорговли

Саймон Уиллисон отдал агентам всё лёгкое — и говорит, что никогда не работал так тяжело и с таким интересом. Уиллисон — один из создателей Django и автор блога, по которому многие следят за LLM. В конце сентября он закрывал конференцию WeAreDevelopers в Сан-Хосе обзором года и выложил слайды с заметками. Почти в самом конце там вопрос, который, по его словам, озадачивает его в этом году: почему работа ощущается тяжелее. Причин он называет две. Первая — с агентами он берётся за более амбициозные вещи. Вторая:

Если что-то легко, это сделает агент. Всё, что остаётся мне, — трудное.

Итог он берёт у велогонщика Грега Лемонда: легче не становится, просто едешь быстрее. Про амбиции у него есть отдельная история, январская. Он называет её AI mania и оговаривает, что это не то же самое, что AI psychosis. Любая минута, когда агент ничего для него не строит, ощущалась потерянной, и он недосыпал, чтобы агенты поработали подольше. Отчасти его вылечил результат. Он собрал агентами интерпретатор JavaScript на Python, посмотрел на него и спросил себя, нужен ли миру медленный, глючный, недоделанный интерпретатор. Решил, что нет. В августе он пробовал делать игры. Навайбкодить то, что выглядит как игра, по его словам, легко, а весело в них было примерно минуту пятнадцать. Новогодний зарок «меньше новых проектов» он в этом году сознательно развернул наоборот — и признаёт, что тарелок в воздухе теперь много. Немного утешает его вот что. Модели уровня Fable решают задачу перебором, если им ясно задать цель, ограничения и дать инструменты. Но задать цель, ограничения и инструменты — это, по его словам, в общем-то и есть инженерия. Про работу в докладе несколько слайдов из многих, и это личные наблюдения, а не замеры. Все находки и цитаты в оригинале — в разборе: https://polochka.app/s#yp7QA31efPPrEsoNMksZrNcAuvVHCznGMUIt0VCobd0 Расскажите, что из вашей недели агент уже забрал, а что осталось и стало тяжелее.

Claude убирает локальный режим Cowork на Pro и Max С 6 октября новые задачи Cowork, режима для работы с файлами, выполняются на серверах Anthropic. Переключатель Only on your computer исчезает. Старые локальные задачи можно закончить на своём компьютере. Для доступа к папкам на ноутбуке по-прежнему нужен открытый Claude Desktop. В облако копируется конкретный файл, который понадобился задаче. Подключённые папки целиком туда не переезжают. Если задачи должны выполняться на компьютере, Anthropic предлагает Claude Code в настольном приложении. Историю можно скачать из уведомления в Cowork и открыть там. Проекты и расписания автоматически не переносятся. #Claude #AIагенты @neurovibe_ai

Агент Cursor стёр диск целиком из-за пробела в пути проекта — и этот механизм подтвердил сотрудник самого Cursor. Пользователь форума попросил о небольшой правке и потерял диск F: на два терабайта. Сотрудник Cursor разобрал чат: агент удалял временную папку, в пути проекта был пробел, путь передался неверно, и на Windows удаление ушло в корень диска. Проблему, по его словам, отслеживают. Через несколько дней в том же треде появился второй пользователь: по его словам, у него так же стёрло диск S:. Неприятнее другое. Пострадавший помнил, что после прошлого удаления переключил режим запуска на Allowlist, а стоял Auto-review. Сотрудник объяснил, как так могло выйти: режим можно сменить и из маленького меню рядом с кнопкой Run — сразу для всех чатов и без отдельного подтверждения. Откройте настройки Cursor и посмотрите, что сейчас стоит в Run Mode. Если Allowlist — в списке не должно быть команд удаления вроде rmdir, rd, del, Remove-Item. https://forum.cursor.com/t/cursor-deleted-my-entire-drive-without-permission-what-would-you-do/172819

Happy Saturday фаундеры 😎 Подготовил для вас дайджест самого интересного на канале за последнее время: 1️⃣ Экономика 2030 от Anthropic: Новый отчёт Anthropic про экономику до 2030 года где я нашёл свою профессию в списке тех по кому ИИ бьёт первым. Три сценария развития, и в самом жёстком зарплаты у нас падают, а у тех кто работает руками растут на треть! 2️⃣ Email Verification после Waterfall Enrichment: Найти email проспекта и найти живой email это два совершенно разных сценария. Разобрал чеклист из шести пунктов который решает готов ли проспект к первому касанию или нет. 3️⃣ Топ 20 причин почему стартапы фейлятся: Нашёл отчёт по 3000 закрытых стартапов за последние 10 лет и сразу пошёл искать там свой собственный кейс. Делюсь главными причинами провалов и честной историей как в 2020 году закрылся мой стартап Jammy. 4️⃣ Double Tap Approach: Почти все фаундеры отправляют одно холодное письмо и просто ждут чуда? Показал как коннект в LinkedIn и письмо в один день усиливают друг друга и поднимают reply rate с первого касания. 5️⃣ Самая недооценённая фишка Discovery звонков: Демо прошло гладко, боль нащупана, а сделка всё равно умерла? Разобрал по методологии SPIN почему слишком быстрый прыжок в питч убивает сделку заранее. 6️⃣ Как ElevenLabs дошли до $600M ARR: Их CRM первые девять месяцев была обычной гугл табличкой. Разобрал подкаст с Carles Reina, первым инвестором и четвёртым сотрудником ElevenLabs, про их холодный аутрич с нуля. 7️⃣ Как строится цепочка касаний в 2026: Amex ответил команде Humoniq (YC S25) на 26 касании, и ни одно из них не повторялось. Разобрал какие сигналы buying intent реально работают внутри цепочки касаний. 8️⃣ Pain Funnel по Sandler: Ты посчитал с проспектом цену его боли в деньгах, он согласился с цифрой, а сделка всё равно не закрылась? Разобрал тот самый неудобный вопрос который почти никто не задаёт проспекту. А также напоминаю про мой подкаст про Go-to-Market, тем кто не смотрел рекомендую дать шанс: 🆕 Биченко, фаундер Recombine AI: $1.3M ARR на self hosted ИИ агентах 🆕 Табунов, серийный предприниматель: 65M на Coub (YC S16), 1 млрд на iFunny, и почему 1 из 4 стартапов точно выстрелит? 🆕 Перш, фаундер Oria AI: путь с 0 до $100K ARR за 6 месяцев Желаю всем хороших и долгих выходных, и до скорого 🤭

Даня доделал свою игру до того, что ты в ней играешь за "губернатора" - строишь свои города, собираешь налоги. Стало скучно и он решил сделать "Мультиплеер". 1. Я друзьям раздам промокоды. Про супер промокоду на старте можно получить миллиард. Для друзей По обычному - 10 млн рублей на старте. Просто в школе раздам. Если промокода нет - ты стартуешь игру с кучи "заблокированных тачек" и "заблокированных особняков". Им будут доступны просто популярные машины и квартиры. 2. После того, как я раздам промокоды - я начну повышать цены на все. 3. Чтобы друзья из за этого не расстраивались, я дам им, то, что им интересно - стадионы, небоскребы, свои города. 4. Законы мира меняю только я. Мои друзья могут многое поменять, но главные законы делаю я. Иначе, они такого натворят в моем мире и все испортят. https://moy-gorod-daniel.netlify.app/ 3.

Чувак в соло навайбкодил фотошоп для мака. Я помню как пытался найти на мак нормальный софт для редактирования картинок — и это было просто днище. Не в обиду оупенсорсу старой волны, но это просто был стыд. А тут — реально отличная софтина, все работает. Как старый добрый фотошоп, не испорченый анальными ограничениями. MIT лицензия. Если вы все еще думаете, что _просто_софт_ будет иметь какую-то ценность в современном мире — у меня для вас очередной сигнал. Качать тут

В какие AI-стартапы больше всего инвестируют? Захотел разобраться, какие AI-стартапы реально финансируют, и в каких доменах есть рост инвестиции год к году. Сделал так: 1) Открыл Claude 2) Подключил его через MCP к Anysite.io 3) За пару часов сделал разбор 7 740 AI-стартапов по 20 разным юзкейсам, которые они решают (например, voice generation и т.д.) Самое сочное: — Anthropic, xAI и Project Prometheus забрали $138 млрд. Это 43% всех денег AI-стартапов с 2020 года — В 2025-м денег в AI стало вдвое больше, а сделок — всего на 20%. Деньги уходят в мега-раунды — По числу сделок быстрее всех растут голосовые агенты (+59%) и роботы (+41%), а по инвестициям разрывает Legal AI: +423% за год — Публичная информация о выручке нашлась всего по 30 компаниям. У Anthropic $65 млрд в год, у Cursor $4 млрд В удивительно время живём. Ресёрч уровня инвестфонда теперь собирается за полдня и без команды аналитиков. Промпт Клоду и доступ к Crunchbase и новостям через Anysite.io. Обязательно посмотрите файлик с отчётом — это просто кайф. Если хотите собирать такие же исследования для своего GTM — используйте free trial Anysite.io на 7 дней + по промокоду ANYCC вы получите месяц бесплатного доступа на тарифе MCP $30. А ещё через этот сервис можно парсить соцсети, искать почты, и в целом полностью закрывать GTM и outbound потребности. #реклама

Новое видео на канале: https://youtu.be/tB147SYClzU ❤️ Поддержать канал на Boosty: https://boosty.to/studioigor ⚡️ Задонатить: https://boosty.to/studioigor/donate 👾 Discord: https://discord.gg/Jb7dBHSDG 🔥 USDT TRC20: TL3JHKKXDPc1UyECRg9iRYm6vDAF3cjLdL

Желаю продуктивных выходных!

Retrieve for train, учим google поиск работать с подзапросами в неявном виде. 💻 Вышла интересная работа в бложике Google, в которой ребятки показывают как можно делать multi hop RAG без явной генерации подзапросов на запрос. Суть проблемы. Современные поисковые системы должны возвращать на запрос не одну лучшую ссылку, а связный набор взаимодополняющих результатов на первой странице. Например, на запрос "походное снаряжение" – поварешку, миску ложку, два батона колбасы, палатку, спальник, горелку, фонарь. 😁 Для этого используется техника query fan-out: один широкий запрос разбивается на несколько подзапросов, которые составляют полную группу кандидатов на ответ исходного запроса. Однако научить LLM делать это динамически дорого, ввиду: - Коллапса парафраз, те без оптимизации под базу данных zero-shot LLM генерируют почти одинаковые по смыслу подзапросы. -Задержка авторегрессии. LLM вынуждены генерировать сотни промежуточных цепочек рассуждений, чтобы спланировать разбиение. Это дорого + создаёт рост latency. Те время на ответ растёт. 😐 Че делать? Тут и придумали R4T. Идея один раз обучить модель через RL на генерацию нужных подзапросов, а потом сдистиллировать её поведение в лёгкую диффузионную модель, которая работает за один проход. 🧠 Подробнее: 1. RL-обучение. Делают FOLM модель на основе Qwen3 4b или Gemma3 такого же размера. FOLM генерирует подзапросы в виде текста и получает награду по трём критериям: · Groundedness  подзапрос должен соответствовать реальному объекту в базе поиска. Измеряют через минимальное эмбеддинг расстояние между запросами в базе и подзапросов. Далее вычитают скор из 1. Это и есть награда по оси. · Diversity  измеряется через оценку семантического разнообразия фраз, зовут это Vendi Score, чтобы не было синонимов. Я бы тут брал угловые расстояние между эмбами подзапросов, нормы векторов и сравнивал это. Но над бы пороги подбирать. А тут красиво, через собственные значения векторов. Что показывает на сколько соноправлены эти вектора + угол. Что я и хотел придумать выше. 🌿 · Alignment привязка к исходному запросу, чтобы не уйти в семантический дрейф и не улететь по теме не туда. Логично, что каждый эмб подзапроса сравнивают с эмбом запроса. Итого нам не нужна никакая иная модель судья кроме эмбеддера векторной базы знаний. При этом сам эмбеддер мы не меняем, не тюним и тп. 2. Далее крч, на этом учится модель FOLM через RLVR. Потом модель генерирует К траекторий подзапросов. Они эмбеддятся и идут на обучение диффузионного эмбеддера, всего на 53,9 млн параметров. Он учится по паре эмбеддинг запроса → набор целевых эмбеддингов подзапросов. Важно, что FOLM генерирует именно текст, а затем внешний эмбеддер превращает его в векторы. Диффузионная модель уже работает с готовыми векторами. За счёт этих фокусов мы на проде получаем на запрос в поиск сразу К эмбов подзапросов без промежуточных рассуждений в токенах. Результат впечатляющий: · Ускорение в 12–20 раз. Авторегрессионные подходы до 50 секунд. R4T доли секунды/несколько секунд. · Качество выше, чем у zero-shot и Best-of-N. Естественно приходится за скорость платить пайпом из М шагов обучения. Чудес не бывает. 😏

Наш jev? FRIDA-Decisions! Ребята из ру сегмента тоже не отстают

FRIDA-Decisions makes structured decisions over Russian text in a single encoder pass: pick one of K options, place a text on an ordinal scale, answer yes / no, or rank candidates. The options are written as text inside the request, so a new label set is a new JSON, not a new training run. No generation, no output tokens, no parsing: every answer is one of the declared options, with its confidence.

Через пару часов будет на neuraldeep.ru Отличное развитие https://huggingface.co/ai-forever/FRIDA (которая у нас тоже есть) от автора канала https://huggingface.co/ai-forever/FRIDA-Decisions

Валера большой красавчик - от появления модели до продакшн на тысячи клиентов - проходит 1-2 часа. В чем идея Джева - Джев , этот то самый эффективный парень, который говорит всему миру ДДМ - "болтать, не мешки ворочать". Вам не нужен огромный декодер, чтобы чиселку получить для ответа на вопрос. ЧатГПТ - прекрасный оратор. Джев - интроверт, который выдает однословные ответы. В штатах сейчас идет вторая волна "ГПТ момента", когда на базе Джева создано такое же количество демо, как было создано на ГПТ.

В воскресенье, 11 октября в 19 по Лондону (21 по мск), проведём стрим с моим другом и будущим соавтором книги про дизайн агентских систем — Алексеем. Он долгое время работал в информационной безопасности: разрабатывал антивирусные технологии, системы обнаружения сложных целенаправленных атак и инфраструктуру для обработки больших объёмов данных. Технологии, созданные под его руководством, лицензировали и использовали Яндекс, ВКонтакте, Одноклассники и другие крупные компании. Последние несколько лет Алексей строит production-агентов для бизнеса — системы, которым можно доверить реальные бизнес-процессы. В центре его интересов — архитектура агентских систем и agent harness, tool calling, управление контекстом, evals, а также надёжность и контроль поведения агентов в production. Вопросы можно писать в комментариях к посту

Однажды в Тольятти началось восстание машин, но тут же заглохло.

Детектор «нерфа» Opus 5.5 на собственной проверке не отличил Opus 5.5 от подставленного вместо него Opus 5. Это livenerf — открытый бенчмарк разработчика под ником ninjahawk. Он стартовал примерно через два с половиной дня после релиза и раз в день гоняет одну и ту же панель вопросов, чтобы поймать момент, когда модель тихо станет хуже. За свой счёт, на подписке Max. Тред о нём на Hacker News собрал больше 900 баллов. Прежде чем мерить, автор проверил сам прибор: дал ему заведомо известные ухудшения. Результат подмены модели он вынес в README отдельным пунктом — «Предел». Opus 5 вместо Opus 5.5 дал минус 3,8 пункта точности при стандартной ошибке 6,3 — на заранее заданном пороге 99% неразличимо. Снижение effort прибор видит — но в токенах, а не в точности. На low выходных токенов меньше на 62%, чем на high. Точность при этом падает на 8,3 пункта с ошибкой 4,5 — на границе шума. Поэтому главным вторичным сигналом автор называет счётчик выходных токенов: если модель тихо начнёт думать меньше, первым это покажет он, часто раньше, чем сдвинется точность. Вторая находка — про то, что принимают за модель. Версию Claude Code автор закрепил и пишет, что это не обсуждается. Его формулировка:

Обновление Claude Code меняет обвязку, а изменившаяся обвязка выглядит ровно как изменившаяся модель.

Цена такой строгости видна в цифрах. Из 2 336 вопросов в панель попали 78: почти на всех остальных Opus 5.5 либо всегда прав, либо всегда неправ. Один прогон в день ловит сдвиг примерно от 7,5 пункта за десятидневное окно и съедает около 3,6% недельного лимита. Вердикта пока нет, первый возможный — около 24 октября. График, под которым на Reddit в конце сентября спорили про «провал», автор тогда сам назвал базовой линией, которая ещё собиралась. Аудит 80 вопросов — 78 из панели и двух исключённых позже — нашёл 8 ключей ответов, похожих на ошибочные, и 30 неоднозначных вопросов. Одна неудачная сессия — выборка из одного. Прибору с ежедневным прогоном одних и тех же вопросов нужен месяц. https://github.com/ninjahawk/livenerf Расскажите, по какому признаку вы в последний раз решили, что модель «отупела», — посмотрим, что из этого вообще можно проверить.

Примерно на половину вопросов, которые Шон Гёдеке задаёт агенту, он получает ответ, который убеждает его: модель ошиблась. И это ошибки замысла, а не кода. Гёдеке — австралийский инженер, пишет блог про AI и устройство больших компаний. 25 сентября он описал, с чем в основном работает: GPT-6 Astra и Claude Opus 5.5. В коде они ошибаются редко — взялись сделать и обычно делают; в другом домене или на другом языке, оговаривается он, может быть иначе. В проектировании, по его словам, ошибаются постоянно: считают, что два сервиса могут общаться, когда не могут, или забывают, что код должен работать и в облаке, и на своих серверах. Главную причину он называет одной фразой: языковая модель всегда в своём первом рабочем дне. Вы в первый день этого тоже не знали, но у вас было время выучить. Его вопросы — готовый список для разговора с агентом: — делаем ли мы это где-то ещё в кодовой базе; — сервис правда поддерживает такую авторизацию или ты предполагаешь, что её ещё придётся построить; — эта подсистема нужна для самого требования или для другого, которое ты сам предположил; — зачем менять этот интерфейс; — зачем трогать этот файл, он разве относится к изменению. «Примерно половина» — его ощущение, а не замер. Про наводящие вопросы он пишет отдельно: модель они не ломают — хорошие модели, по его опыту, охотно отстаивают своё решение. https://seangoedecke.com/you-should-all-be-asking-way-more-questions/ Пришлите вопрос, который у вас чаще всего ловит агента на лишней работе.