Кисель в АйТи | AI и технологии

Кажется у меня новое хобби... Генерировать новости под стихи Маяковского. Как же круто.

ОДА НА OPUS 4.8

Слушайте! Граждане         двадцать шестого года — из кода, из ночи, из кофе остывшего — встаёт        не машина,               не просто метОда, а Опус! Четыре!        И восемь!               вышедший! Я звал его —             он отвечал мне строчками, не мямлил,         не путал,             не лез в чепуху. Где раньше я бился                 над багом                        до точки я, теперь —        раз-два! —               и поправка вверху. Товарищ процессор,                 давай,                     разгоняйся! Мы вместе         запустим               стартап до небес! Проект мой           ракетою                 в космос врезается — а Опус        внизу            подаёт ему вес. Не спать!         Не сдаваться!               Гори, предприятие! Пускай говорят,              что работа —                      тюрьма. Я выйду!        Я брошу!             И — солнце! — объятия! — останусь        один           на один               с новым Опусом.                     Да!

Claude Opus 4.8 вышел. И самое интересное — не бенчмарки. Anthropic обновила Opus: модель стала сильнее в кодинге, reasoning и агентских задачах, цена осталась прежней — $5 / $25 за миллион токенов. Но главный апдейт - в поведении.

One of the most prominent improvements in Opus 4.8 is its honesty

Opus 4.8, по словам Anthropic, чаще признаёт неопределённость, лучше ловит собственные ошибки и примерно в 4 раза реже пропускает баги в написанном коде без замечаний. Плюс в Claude Code появился dynamic workflows: Claude может разбивать большую задачу на десятки/сотни параллельных subagents и тащить большие миграции, аудиты и рефакторинги. Кажется, AI-гонка постепенно смещается от слепой гонки за бенчмарками к более ощутимым и близким любому человеку метрикам. К примеру: "наша модель модель меньше врёт", "лучше проверяет себя", "может дольше работать без человека". И вот это уже гораздо интереснее очередного плюсика в бенче. Конечно же не забыли напомнить и про Mythos:

we expect to be able to bring Mythos-class models to all our customers in the coming weeks.

Хочется верить, что в ближайший месяц-полтора уже выпустят модель для всех.

Себе вот уже накатил CodeGraph на один из своих проектов. Установка оказалась довольно приятной. Установка запускается одной командой:

npx @colbymchenry/codegraph

Дальше установщик сам спрашивает, для каких агентов всё настроить. У меня он нашёл Claude Code, Cursor, Codex CLI, Gemini CLI и Antigravity IDE. Для Claude Code, Cursor и Gemini конфиги создал сам, а Codex CLI и Antigravity пропустил, потому что они не поддержали локальную установку в конкретный проект. Из полезного: CodeGraph сам ставит CLI в PATH, создаёт .codegraph/, добавляет MCP-конфиги и правила для агентов. Например, для Claude Code появились .mcp.json, .claude/settings.json и .claude/CLAUDE.md, для Cursor - .cursor/mcp.json и .cursor/rules/codegraph.mdc, для Gemini - .gemini/settings.json и GEMINI.md. После этого он сразу просканировал проект: нашёл 260 файлов, проиндексировал 239 и вытащил 2 529 символов. Для моего проекта это заняло меньше минуты - не гигантский монорепозиторий, но уже достаточно, чтобы агенту было куда ходить не через слепой grep. Мой вывод: на больших репозиториях попробовать точно стоит. Особенно если агент уже вторую неделю жрёт лимиты, как будто его дома не кормят 🍴

Принёс новый GitHub-тренд для тех, кто работает с большими проектами - CodeGraph. Идея простая: CodeGraph (ссылка на репо) заранее строит для агента «карту проекта». Он индексирует репозиторий, вытаскивает функции, классы, импорты, вызовы и зависимости, складывает всё в локальную SQLite-базу, а потом отдаёт агентам через MCP. То есть вместо привычного ритуала grep → read → grep → read → grep → read агент может запросить готовый граф кода. Собственно, никакой магии тут нет, и польза весьма приземлённая. У больших проектов есть ощутимый налог на разведку: каждый новый агент сначала пытается понять, где что лежит, какие файлы важные, кто кого вызывает и где начинается нужный flow. Память и карта проекта в markdown тут не сильно спасает. Когда в репозитории сотни или тысячи файлов, агент может сжечь кучу токенов просто на то, чтобы осмотреться. А раздутый контекст - это не только дороже и медленнее. Это ещё и лишний шум: модель тащит за собой мусор, который насобирала по пути. В итоге её «интеллект» внезапно начинает напоминать меня после третьего созвона подряд. По собственным бенчмаркам автора на 7 open-source проектах CodeGraph дал примерно 35% экономии стоимости, 57% меньше токенов, 46% быстрее ответы и 71% меньше tool calls. Цифры красивые, но пока это именно авторский benchmark, а не независимое исследование. Полноценных независимых исследований именно CodeGraph пока нет - инструмент свежий. Судя по релизам, он появился буквально в мае 2026 года и сейчас активно допиливается. Но сама идея не новая. Уже много лет существуют статические анализаторы, графы вызовов и графы зависимостей. Теперь этим всем пытаются научить пользоваться AI-агентов, потому что каждый лишний обход проекта - это токены, деньги и время. Сразу задаюсь вопросом: почему это не стало мейнстримом раньше? Думаю, основная причина в том, что раньше боль была слабее. AI и до этого умел писать код, объяснять файлы и помогать с рефакторингом, но чаще человек сам приносил ему контекст: вот файл, вот функция, вот ошибка. С агентами сценарий поменялся: теперь им всё чаще отдают задачу целиком - «разберись в проекте, найди нужную логику, измени её и проверь последствия». И тут внезапно значимая часть работы уходит не на кодинг, а на разведку проекта. Поэтому старая идея code intelligence снова стала актуальной. Это привычные IDE-фичи вроде Go to definition, Find usages и Rename symbol, только теперь не для человека, а для агента. CodeGraph пытается дать ему не простыню файлов, а карту связей внутри проекта. Но открытых вопросов всё ещё много. Как сделать такой граф универсальным, если в реальных проектах есть динамические импорты, DI-контейнеры, ORM, generated code и магия фреймворков? Как заставить агента действительно пользоваться графом, а не продолжать бегать через grep/read по привычке? Похожие подходы уже проверяли в исследованиях. Например, в препринте про Codebase-Memory использовали похожую связку: Tree-sitter, knowledge graph и MCP. Результат ожидаемый: токенов уходит сильно меньше, tool calls тоже меньше, но качество ответов может просесть, если вопрос требует не карты проекта, а внимательного чтения конкретной реализации. То есть это снова не «серебряная пуля» для разработки. Но инструмент может быть полезным для больших репозиториев.

И так, важный вопрос.

Для ресёрча к постам иногда прогоняю тему сразу через несколько разных моделей. Одна лучше ищет детали, другая помогает проверить факты, третья подкидывает неожиданные углы для рассказа. Удобно, когда это можно делать в одном месте, не прыгая между сервисами. В последнее время для такого часто открываю Umnik AI. Claude к примеру намного хуже справляется с поиском по ru ресурсам, а вот chatgpt - намного лучше. Но они часто очень "сдержанные", поэтому острые вопросы удобнее разобрать с Гроком. И вот уже в сумме получается +- объективно. Так и живём.

Я не мог это не выложить

Вдохновляемся ИИ-поэзией после тяжёлого рабочего дня. Оригинал то знаем?

Послушайте! Ведь, если токены сжигают — значит — это кому-нибудь нужно? Значит — кто-то хочет, чтобы ответы были? Значит — кто-то называет эти миллионы запросов не «тратой денег», а автоматизацией? И, надрываясь в метелях ночного вайбкодинга, врывается в API, боится, что лимит кончился, платит, обновляет подписку дрожащей рукой, просит — чтоб обязательно достроило MVP! клянётся — не перенесёт эту безнейросетную муку. А после ходит тревожный, но спокойный наружно. Говорит кому-то: — Ведь теперь деплой не страшен? Да?.. Послушайте! Ведь, если токены сжигают — значит — это кому-нибудь нужно?

Прогнал тестирование проекта через Claude прямо в браузере Дал Клоду доступ к Chrome (через плагин Claude in Chrome) и одну задачу: «прощёлкай весь функционал и составь отчёт о работоспособности». После одной из самых жирных фич у меня на проекте много чего отвалилось — хотел понять масштаб. Что в итоге получилось: — прощёлкал всю админку, публичную часть — проверил лендинг: демо, тарифы, форму заявки — залез в консоль и Network, померил тайминги через Performance API — сложил всё в test_report.md с приоритизацией багов И нашёл вполне реальные вещи, не «вода»: 🔴 403 на прямом заходе/F5 на вложенных страницах админки (nginx без fallback на index.html) 🔴 404 на фоновом паттерне темы — фон просто не грузился 🔴 сломанный эндпоинт конфига чата, который ещё и 440мс впустую жрёт 🟡 пустое демо на лендинге первые 6 секунд + hydration mismatch в Nuxt 🟡 опечатки, сброс контекста после F5 Отдельно порадовало, что он сам додумался перепроверять свои же выводы: сначала решил, что сломан фильтр (пустая выдача), а потом понял, что это была комбинация «поиск + фильтр» без совпадений, и переиграл вердикт. Не просто «вижу пусто → баг». И конечно же понравилось, что в чате остались скриншоты всех найденных артефактов. Удобно!) Честно про минусы: ⚠️ вкладка под автоматизацией иногда подвисала, скриншоты отваливались по таймауту ⚠️ paint-метрики (FCP/LCP) врут, потому что фоновая вкладка троттлится — для честных цифр всё равно нужен Lighthouse руками Вывод: как первый проход QA по живому продукту — неожиданно полезно. Не заменяет ручное тестирование и автотесты, но за один заход выдаёт приоритизированный список «что пойти чинить». Я за полчаса получил карту поломок, на которую сам бы потратил вечер. #claude

Как ИИ помог восстановить доступ к крипто-кошельку, на котором было $400к. Прошу внимания, история достойная. В студенческие годы один товарищ купил 5 BTC по $250. И однажды под кайфом решил сменить пароль. А потом его забыл. Десять лет эти пять биткоинов пылились на кошельке. И дорожали, дорожали, дорожали. К 2026 году они стали стоить четыреста штук баксов. И это замечательно! Только вот пароля нет. И ничего не помогало его найти. Последняя надежда была на Claude. Ему поручили копаться в мусоре (изучить все файлы на старом ноутбуке). И, о чудо, на этой свалке нашёлся старый бэкап кошелька - тот, что был сделан ещё до смены пароля. Только вот старый файл с старым паролем не открылся... Btcrecover уверенно выдавала ошибку "Пароль неправильный". Батька Claude почесал голову, выругался и полез разбираться дальше. Залез далеко, аж в исходники btrecover. Там нашелся баг: утилита неправильно склеивала внутренний ключ кошелька с пользовательским паролем. И уже после этого фикса бэкап открылся с первой попытки. Упорство и труд Claude - ключ от кошелька найдут. А еще пару лет назад мы могли о таком только мечтать. А сейчас вон, драйвера чинят, игры старые портируют, теперь вон и кошельки восстанавливают. Круто!

Снова олимпиада. Собираюсь на трек ML. В этот раз оффлайн, давно пора посмотреть на кластер Ломоносов. В этот раз хочу проверить новые подходы решения задач с быстрыми моделями (haiku, flash 3,5 и т.д). Предыдущий опыт с Opus 4.6 и Gemini 3 Pro был относительно неудачным. Сложные задачи триггерят режим thinking, который со временем выпадает в таймаут через 20-30 минут. Причем не оставляет ни намёка на решение. Колоссальная потеря времени. А вот постепенная оптимизация/эволюция слабого решения быстрыми моделями показала себя намного лучше. Чтож, проверим. Кто с Москвы - присоединяйтесь оффлайн. Если нет - приходите онлайн.

Алгоритмы & ML: регистрация открыта! 30 мая с 15:00 до 19:30 мск приходите участвовать в олимпиаде по программированию онлайн или офлайн в кластере «Ломоносов» в Москве. Эта олимпиада для инженеров, разработчиков, аналитиков из разных IT-компаний, а также студентов старших курсов. Здесь каждый пишет свой код, а после на отдельной онлайн-встрече может увидеть решения других участников и узнать лучшие практики. 🔵Формат — только индивидуально. 🔵Время на решение задач — два часа. На выбор будет два трека: 1️⃣ Алгоритмы — пять задач: простые, средние и одна оптимизационная. Способ решения — самостоятельно, без помощи ИИ. 2️⃣ ML — три хардкорные оптимизационные задачи, можно пользоваться ИИ-помощниками. В каждом треке определим победителей и наградим призами :) Мы всегда рады новым участникам в нашем олимпиадном комьюнити. Приходите сами и зовите друзей! Зарегистрироваться

20 мая 1935 года родился Владимир Иосифович Левенштейн - человек, чью идею использует почти каждый поиск, мессенджер и телефон на планете. Имени его почти никто не знает. А идеей пользуются миллиарды людей каждый день, даже не догадываясь об этом. И самое интересное здесь не то, что он сделал, а то, для чего он это делал. В 1965 году в Докладах АН СССР вышла его статья "Двоичные коды с исправлением выпадений, вставок и замещений символов". Название звучит как что-то про текст и опечатки. На деле работа была про связь. Шестидесятые: спутники, телеграф, военные радиоканалы. Сигнал передаётся битами. По дороге часть битов пропадает, часть появляется лишняя, часть инвертируется. Приёмник должен восстановить исходное сообщение. Левенштейн придумал, как кодировать данные, чтобы это было возможно. В качестве инструмента он ввёл метрику: минимальное число вставок, удалений и замен, чтобы превратить одну последовательность символов в другую. Её назвали расстоянием Левенштейна. Пример из учебника: "кот" → "кит" Заменили одну букву, расстояние равно 1. Дальше произошёл странный поворот. Метрика, придуманная для битовых потоков в каналах связи, идеально легла на строки букв. И её стали использовать совсем не для того, для чего она писалась. Сегодня расстояние Левенштейна всё еще активно используется. К примеру простейший поиск с учетом опечаток часто строится именно на основе Левенштейна. А еще сверка адресов, имён и записей в банках и налоговых. В задачах, где важен не только набор символов, но и контекст, его потеснили языковые модели: - автозамена в телефоне: первые поколения считали именно edit distance и превращали "прювет" в "привет", сейчас SwiftKey и Gboard работают на нейросетевых языковых моделях - подсказки поисковика "возможно, вы имели в виду..." - дедупликация текстов для обучения LLM: на современных масштабах применяют MinHash и LSH, но логика "найти почти дубликат" та же самая История с Google показательна. В начале двухтысячных под капотом "Did you mean" стоял именно Левенштейн плюс частотность слов. Питер Норвиг, директор по исследованиям Google, тогда показал, что весь спелл-корректор умещается в 36 строк Python. Языковые модели и анализ кликов пришли позже, когда у компании накопилось достаточно поведенческих данных. Сейчас расстояние Левенштейна там - один сигнал из многих, но фундамент был заложен именно им. Маленькая, но важная поправка. Левенштейн не придумал способ быстро считать это расстояние. Привычный код на динамическом программировании за O(m*n) - это работа Вагнера и Фишера, 1974 год. Левенштейн дал метрику. Алгоритм её вычисления появился девятью годами позже. В 2006 году IEEE вручила ему медаль Хэмминга - одну из главных наград в теории информации. На церемонию он не приехал: после инсульта почти не мог работать. Умер в Москве в сентябре 2017-го. Человек проектировал коды для спутниковой связи. А в итоге дал миру первый язык, на котором компьютеры научились говорить "это почти то же самое". Дальше пришли нейросети и языковые модели, но точка отсчёта осталась за ним.

Ну а что ещё делать, если лимиты кончились?

Нейрослоп-семена и скам дачников 🌱 Благодаря новым моделькам картинки теперь выглядят достаточно реалистично, чтобы люди поверили в их существование. Так что старая схема развода обрела буквально вторую жизнь. ИИ потихоньку входит в массовый сегмент. И многие к этому точно еще не готовы 🍆 P.S Отзывы кстати в основном хорошие. Люди ждут всходов семян и первого урожая.

Однажды утром я проснулся знаменитым. Точнее, проснулся с 8000 подписчиков на канале. А перед сном их было 1000. Спойлер: это были не люди. За два года ведения @kisel_it я собрал коллекцию таких историй. И коллекцию рабочих методов, к которым в итоге пришёл - через 130 000 ₽ бюджета и десяток слитых экспериментов. Собрал весь опыт в большой пост на Boosty. Что внутри: - как работают сети ботов, охотящихся на розыгрыши Premium - почему статья на Хабре с 56 000 просмотров даёт 5 подписчиков - как канал вырос с 250 до 4000 - и какая у этого цена - что я делал бы по-другому, если бы стартовал сейчас Да, это анонс первой большой статьи на Boosty, над которой я работал последнее время. Без волшебных методов и обещаний. C реальными цифрами из статистики и провалами. https://boosty.to/kisel_it/posts/7423439c-955c-4d36-82ad-4103bd2b321f

Пользоваться этим будут явно очень смелые люди. Пока ни одна модель не показала себя достаточно финансово граммотной в моих любимых опытах с "ии-предпринимателями". Но тренд есть тренд, я думаю уже через год-полтора раскатят на весь мир. Но я бы побоялся привязывать карту. Задонатит еще куда не надо, а потом думай, как это расхлёбывать... Я рядом стоял, это всё чатбот виноват?)

А тем временем OpenAI приподубил еще сотенку стартапов. Новый апдейт chatGPT может подключаться к вашим банковским счетам, карточкам, инвестиционным вкладам и давать вам дашборд для управления своими финансами. Также как делают все эти многочисленные приложения для аналитики личных расходов и финансов. Используя GPT-5.5, ChatGPT анализирует ваши реальные транзакции, чтобы: → Отслеживать ежедневные расходы и регулярные платежи → Составлять планы достижения основных целей по экономии → Сокращать ежемесячные расходы без использования банальных советов Утверждается, что chatGPT не имеет контроля над счетами и не сможет тратить ваши деньги. Только наблюдать, как бездумно тратите их вы сами. Пока раскатывают на тариф Pro и только в US. https://openai.com/index/personal-finance-chatgpt/ @cgevent

Сегодня узнаем про еще один скилл для Claude Code: /ultrareview. Работает просто. Скилл упаковывает diff текущей ветки против main и отправляет в облачный sandbox, где параллельно работают от 5 до 20 агентов под разными углами - логика, edge cases, безопасность, производительность. Каждый найденный баг независимо валидируется вторым агентом, прежде чем попасть в отчёт. На выход прилетают подтверждённые баги. Вызвать можно двумя способами. Первый - как skill.

/ultrareview # сравнивает локальную ветку (включая uncommitted) с дефолтной веткой
/ultrareview 1234 # запуск ультраревью определенного пул реквеста

Второй - как команду в консоли:

claude ultrareview            # diff vs default branch
claude ultrareview 1234       # PR mode
claude ultrareview origin/main # diff vs указанной ветки

Есть так же CLI-сабкоманда claude ultrareview с --json и exit 0/1 для CI Судя по всему промо-период продлили дальше. У меня всё еще доступно по 3 ревью в день. После серьезных изменений прям хорошо. Работает правда криво - 1-2 запуска из трёх тупо отваливаются по таймауту. Обратите внимание на сам принцип работы скила - одна и та же модель с разной "инструкцией" способна выявлять разные баги. Я локально тоже это использую, гоняя скептика и безопасника над своим кодом. #claude

И помни, брат, нейросети нужны, чтобы приносить пользу, брат. Вспоминаем SOLID.