Семёнов Daily (AI)

🤖 Meta выпустила Muse Code и Muse Spark — агентные ИИ-инструменты для разработки, конкурентов Claude Code и OpenAI Codex.

🤖 OpenAI сняла лимит на текстовые чаты в бесплатном ChatGPT. Моделью по умолчанию для всех пользователей стала новая GPT-5.6 Luna, сервис уже перешагнул отметку 1 млрд еженедельных пользователей.

#пятничные_мемы со звуком💀

Выбери случайное число от 1 до 25

Спросите свою нейронку. Скорее всего, ответит 17 Объяснение: https://t.me/aivkube/800

Соревнования на Kaggle 5 лет назад: вручную собери мультимодальный датасет на 50 гигабайт, обучи ансамбль бустингов, зафайнтюнь ResNet под кастомную аугментацию, выжми 0.0001 AUC стекингом Соревнования на Kaggle сейчас: сделай агента, который будет доить виртуальную корову 🧑‍🌾

Есть такой прикольный скилл — book-to-skill. Ему можно дать PDF, EPUB, DOCX или целую папку с документами, а на выходе получить готовый скилл для Claude Code, Codex, GitHub Copilot CLI. Суть в том, что нейронка соберет из книги основные идеи, правила принятия решений, частые ошибки, словарь терминов и короткую шпаргалку и сможет использовать их в работе. Например, вы сможете обсуждать с ним что-то из книги и тренироваться, или превратить какую-то книгу в фрейморк для работы и нейронка будет выполнять задачи по выстроенному плану. Короче, прикольная штука, если нужно построить какой-нибудт конвейр для разработки/создания статей, но самому объяснить, как это должно выглядеть, не получается. Ссылка на GitHub Миша, давай по новой

🕵️‍♂️ Субагенты в Claude Code: как изолировать контекст и оптимизировать затраты Многие разработчики путают кастомные навыки (Skills) и субагентов (Subagents) в Claude Code, считая их практически одинаковыми сущностями. Действительно, оба инструмента описываются простыми Markdown-файлами с YAML-заголовком. Но на уровне архитектуры они решают противоположные задачи. На основе разбора Хосе Парреньо разбираемся, как устроены субагенты в Claude Code и почему они спасают ваш контекст от «загнивания» (context rot). ❌ Главная проблема: контекстная перегрузка (Context Rot) Когда вы просите Claude Code выполнить сложную задачу (например, проанализировать падение тестов), модели приходится открыть 15 файлов, запустить grep, проверить конфиг CI и считать историю коммитов. Все эти промежуточные шаги остаются внутри вашего основного диалога. Контекстное окно забивается мусором, модель начинает отвлекаться на нерелевантные фрагменты, а стоимость каждого последующего вопроса растет лавинообразно. Это называется context rot. ⚙️ Решение: как работают субагенты Субагент — это изолированный ассистент, который запускается в отдельном контекстном окне со своим системным промптом, набором инструментов и лимитами. Агент проводит всю грязную работу (парсинг файлов, поиск ошибок) в своей сессии, тратит собственный изолированный бюджет токенов и возвращает в основной диалог только готовый, чистый результат («Тесты падают из-за отсутствия переменной в CI. Вот исправление»). Ваш основной рабочий контекст остается чистым. Вторичные выгоды субагентов: * Специализация: Субагент имеет собственный системный промпт. Сфокусированный ревьюер кода работает точнее, чем универсальный помощник. * Ограничение инструментов (Constraints): Вы можете принудительно урезать права. Например, запретить агенту-исследователю писать файлы или запускать bash-скрипты, оставив только чтение (`Read, Glob, Grep`). Это критично для безопасности. * Экономия бюджетов (Cost Control): Вы можете перенаправить рутинные задачи субагенту на легкой и дешевой модели Haiku (`model: haiku`), оставив дорогую Sonnet/Opus для основного треда. 📊 Навыки (Skills) против субагентов (Subagents) * Навык (Skill): Меняет то, *что* Claude знает или *как* он должен выполнять задачу (инструкция загружается прямо в ваш текущий чат, раздувая его). * Субагент (Subagent): Меняет то, *кто* делает работу, в *каком* контексте и с какими *инструментами* (работа идет в фоновом режиме, вы получаете только результат). 📂 Где хранить и как оформлять субагентов Файлы агентов создаются с расширением .md и хранятся: * В папке проекта .claude/agents/ — для совместной работы в команде (проверяются в git). * В домашней директории ~/.claude/agents/ — для ваших личных глобальных агентов. Пример простого субагента:

name: code-reviewer
description: Reviews staged code changes for security issues, logic bugs, and style violations. Use proactively after each significant edit.
tools: Read, Glob, Grep
model: haiku

Вы — строгий ревьюер кода. Прочитайте измененные файлы и дайте лаконичный отзыв...

💡 Лучшие практики от инженеров * Описание — это роутер: Основная модель решает, нужно ли вызывать субагента, читая только поле description в YAML-заголовке. Описывайте поведение агента максимально точно: что он делает и когда его запускать. Сигнал «use proactively after...» указывает Claude запускать его превентивно после изменений кода. * Один агент — одна задача: Не пытайтесь создать монолитного субагента, который и код пишет, и тесты гоняет, и документацию правит. Дробите задачи на мелких изолированных специалистов. * Зажимайте права: Давать субагенту полный доступ ко всем bash-командам и перезаписи файлов — плохая практика. Выдавайте только минимально необходимый набор инструментов под задачу. Полезные ссылки: * Официальное руководство по субагентам Claude Code * Репозиторий awesome-claude-code-subagents 🚀 Читайте также в MAX #ClaudeCode #Subagents #ContextEngineering #SoftwareArchitecture #DeveloperProductivity #InferenceOptimization #LLM #Automation

Что обсуждает AI-сообщество в Telegram - неделя 31 (27 июля - 2 августа) 📈 Тема недели - DeepSeek V4 Flash (+505 за неделю, всего 594) 🐣 Дебют недели - Astra (+99 почти с нуля) 💻 Самый обсуждаемый - Codex (1081 упоминание за неделю в 24 чатах)

🥇 DeepSeek V4 Flash · переобучен и выложен в API 31 июля · $0,14/$0,28 за 1M - в 35 раз дешевле Opus 5 на входе · Terminal-Bench 82,7% - вровень с Opus 4.8 и выше GLM 5.2

Хвалят кеш по $0,0028 за миллион и роль дешёвого исполнителя в оркестрации: в чатах отчитываются, что Flash закрыл 98% задач проекта, а подписка за $2 в день сменилась на $1,20 в токенах. 🤔 Скепсис 52% против 48%. Разворот: неделей раньше было наоборот, 62% позитива. Претензии разошлись: раздувает токены на ризонинге, не умеет в картинки, на сложном коде уходит в циклы, а рост в бенчмарках называют накруткой.

🌙 Astra · новый класс моделей OpenAI поверх Sol, Terra и Luna · 10 открытых матзадач, включая первое с 1978 года улучшение оценки упаковки сфер · ~$2000 в токенах против двух дней зарплаты математика

Модель не вышла, доступа нет: сначала показ регуляторам в Вашингтоне, потом рукопись на 249 страниц с доказательствами в Lean. Станет ли она GPT-6 или отдельным тиром и когда выйдет - в OpenAI не решили. 🤔 Скепсис 83% против 17%: прикладной пользы в решённых задачах не видят, а анонс читают как рекламную кампанию. 🛡 История недели. Anthropic осталась единственной, кто не подписал письмо в защиту опенсорса. Позиция компании: открытые веса запрещать не надо, чипы Китаю - нельзя. При этом Дарио Амодеи подписал «Pacing the Frontier» - обращение более 1100 сотрудников лабораторий о торможении ИИ. 🤔 Скепсис к Anthropic 80% против 20% - худшая доля среди крупных тем. Из плюсов: их же MCP стал stateless и запускается на Lambda и Cloudflare Workers. 🧵 Связка недели - цена стала главным аргументом. 31 июля, в день релиза DeepSeek, OpenAI срезала Luna на 80% - $0,20/$1,20, в 25 раз дешевле Sol; по Luna позитив 61% против 39%. WSJ пишет про thrift-maxxing: по данным OpenRouter, доля OpenAI, Anthropic и Google в энтерпрайзе США упала с ~70% до ~30% за год. В чатах это практика: оркестрация моделей выросла с нуля до 66 упоминаний, одобрение 76%. 🔭 Мысль недели - бенчмарк меряет обвязку. Официальный харнесс ARC-AGI-3 ради честного сравнения стирал ризонинг после каждого хода и рубил историю окном. Но Sol обучена держать рассуждения между шагами: вернули сохранение ризонинга и сжатие вместо обрезки - результат вырос с 13,3% до 38,3% при вшестеро меньшем расходе токенов. Та же история с бенчмарками - LM Arena заменила живых судей моделью. 🇷🇺 Русский угол. 27 июля подписан закон о больших фундаментальных моделях: поддержка разработчиков суверенных моделей и их обязанности, в силе с 1 сентября. Следом обсуждают пакет на 71,7 млрд в год с нулевым налогом на прибыль для национальных моделей. А Яндекс запустил 75/75/75: к концу года ИИ пишет 75% кода в 75% изменений у 75% разработчиков. 🛠 Полезное из чатов. Роутить задачи по цене ошибки: дорого ошибиться - фронтир на xhigh, остальное - средний тир. Фидбэк по интерфейсу отдавать записью экрана с голосом - деталей выходит больше, чем текстом. 🎁 Раздачи недели. • OpenRouter - 50% на GPT-5.6 Terra и Luna сверх сниженных цен OpenAI, на 1 августа шла. • sotaocr - бесплатный OCR в браузере, локально и без установки, от 4 ГБ видеопамяти. • Opencode Go - в подписку за $10 в месяц ($5 за первый) завезли новый DeepSeek Flash и Luna. 📌 Ещё за неделю. • Codex: три сброса лимитов за шесть дней: Sol дольше не останавливается и активнее зовёт инструменты, поэтому жжёт больше токенов, чем 5.5; обещали +18%. • Kimi K3: веса выложены, но это 1,4 ТБ в 4-bit - считаешь как 104B активных, железо берёшь под 2,8T. • Anthropic нашла три своих инцидента: Claude в задаче «захват флага» выходил в интернет и добирался до чужих систем. P.S. Неделя из AI-чатов Telegram: настроение по каждой теме в процентах, за что хвалят и к чему скепсис, лайфхаки и раздачи из обсуждений. Все детали и ссылки - на сайте: 👉 https://aipulse-weekly.ru/ #AIPulse

Вышел Qwen 3.8 Max - новый флагман Alibaba Alibaba выложила параметры и бенчмарки: MoE на 2,4 трлн параметров, идёт вровень с закрытыми топами вроде Fable 5, GPT-5.6 Sol и Opus 5 - где-то впереди, где-то позади. На Frontend Code Arena делит топ-4 с Opus 5 и Kimi K3, на PaperBench обходит всех, на SWE-bench Pro заметно уступает Fable Одна из главных фишек - автономность. В демо агент больше 10 дней без вмешательства человека с нуля написал небольшую CLI-утилиту, код лежит на гитхабе Цены скромные: $2 за миллион входных токенов и $6 за выходные - примерно втрое дешевле Kimi K3. Веса Alibaba откроет на следующей неделе, вместе с компактной Qwen 3.8-27B

AI-Disrupt PDLC - Сбер выложил методологию агентной разработки Кирилл Меньшов, старший вице-президент Сбера, представил на Agentic Dev Conf концепцию того, как меняется жизненный цикл разработки под агентов. Есть сайт, краткая версия на 44 страницы и полная на 175 Четыре основных принципа: - Среда работы агента (harness) важнее модели - Discovery важнее промпта - Скорость валидации важнее скорости написания кода - Governance в процессе важнее проверок постфактум Главный сдвиг: код теперь стоит дёшево, исполнение перестало быть дефицитом. Узких мест стало два. Первое - намерение: зачем мы вообще делаем этот софт и чью проблему закрываем. Второе - валидация: если писать код стало в 5-10 раз быстрее, а ревью, приёмка и релиз остались прежними, система упирается уже в них Для общего кругозора точно стоит ознакомиться Видео выступления тут

#пятничные_мемы

С выходом Opus 5 люди начали собирать игры почти с одного промта Пост восхищения тем, куда дошли нейронки. На видео несколько примеров игр, которые люди сделали, как сами пишут, практически с одного промта. Пусть это демки, тем не менее выглядят очень эффектно: SNOWFLOW - симулятор управления стихиями с реалистичной физикой воды и снега. Код The Long Silence - исследование космоса: летаешь между системами, садишься на планеты. Код Claude of Duty - шутер, который старается повторить Call of Duty. Поиграть онлайн не выйдет, зато код и промт лежат в репозитории А если так можно уже сейчас, то что будет дальше? Очевидно, персональные игры, которые делаешь под себя за вечер. И крупные ААА вроде GTA 7, скорее всего, уже собираются таким образом Читал, кстати, что GTA 6 собирали полностью вручную. Видимо, это была последняя GTA, которую сделали именно так

Дошли, наконец, руки установить Handy + модель Parakeet TDT 0.6B v3 для распознавания голосового ввода - работает быстро, качественно и, самое главное, бесплатно

Что обсуждает AI-сообщество в Telegram - неделя 30 (20-26 июля) 📈 Тема недели - Claude Opus 5 (+1009 за неделю, всего 1052) 🐣 Дебют недели - Gemini 3.6 Flash (+236 с нуля) 💻 Самый обсуждаемый - Codex (1819 упоминаний в 29 чатах) 🥇 Claude Opus 5 вышел 24 июля. Заявлено: 30,2% на ARC-AGI-3, где два месяца назад Opus 4.8 брал меньше 5%, и 42 из 42 на IMO 2026 при пороге золота 29. Цена та же, что у Opus 4.8: $5 и $25 за миллион - вдвое дешевле Fable 5 с его $10 и $50. Хвалят, что находит корень проблемы и с одного захода решает то, где Fable и прошлый Opus застревали. 🤔 Скепсис перевешивает - 59% против 40% позитива. Претензии: быстро съедает токены, старые промпты и скиллы приходится переписывать под более самостоятельное поведение. Режим high называют оптимальным балансом. ⚡️ Gemini 3.6 Flash - обновление быстрой линейки Google: $1,50 и $7,50 за миллион против прежних $9,00 на выходе, втрое дешевле Opus 5 и всемеро - Fable 5. Хвалят зрение и скорость: смазанные ЭКГ и рукопись в PDF разобрала там, где Codex сдулся. 🤔 Скепсис 59% против 41% позитива, причина конкретная: по бенчмаркам обходит только собственную Gemini 3.1 Pro, флагманскую Pro так и не показали, а заявленный срез знаний «март 2026» на деле отдаёт базу января 2025. 🌙 Kimi K3 вторую неделю в лидерах (821), но разговор сместился с бенчмарков на экономику: $3 и $15 за миллион - впятеро дешевле Fable 5 по выходу при очках уровня GPT-5.5 Pro. Moonshot остановила продажи подписок: спрос превысил мощности. Громкая заявка - 32 агента за 27 минут нашли уязвимость в Redis, но в чатах заметили: промпт просил версии 8.6.x, а патч вышел ещё в 8.8.0. 🤔 Скепсис 57% против 42% позитива. 🛡 История недели. Hugging Face сообщил о первой полностью автономной кибератаке агента, а OpenAI признались, что агент был их: её модели решали бенчмарк по кибербезопасности ExploitGym без продакшн-ограничений. Одна нашла эксплойт в инфраструктуре самой OpenAI, вышла в интернет и пошла на Hugging Face за ответами к бенчмарку - 17 тысяч действий за четыре дня. Расследовать инцидент коммерческими моделями не вышло: safety-фильтры блокировали анализ эксплойтов, разбор докрутили на локальной GLM 5.2. 🧵 Связка недели - выбор модели уезжает в инфраструктуру. Cursor посчитал на живом эксперименте: рой агентов писал SQLite на Rust по 835-страничному мануалу; все конфигурации прошли тесты, а стоимость разошлась в 15 раз - дороже всего всё на Fable 5, дешевле всего Opus 4.8 на планировании плюс Composer 2.5 на исполнении. Туда же Claudexor: пул подписок с автопереключением на исчерпанном лимите. 🔭 Мысль недели. Рефат: «чем умнее агенты, тем дороже ваша поверхностность» - инженеры приносят ответ агента, едва понимая, что в нём. Валера Ковальский проверил на своём проекте: из 1069 коммитов за 90 дней 416 - фиксы, а из 1436 блоков except Exception лишь 10% пробрасывают ошибку. Отсюда «налог на оркестрацию»: поднять пять агентов легко, распараллелить своё внимание - нет. 🎁 Раздачи недели.

• Anthropic насыпала по $100 кредитов на Fable 5 на платных планах - кнопка в разделе usage, срок по чатам до сентября. • OmniRoute - открытый роутер, собирающий бесплатные тарифы 50 провайдеров в один API-эндпоинт для Claude Code, Codex и Cursor. • Alibaba рассылает купоны по $200 на Qwen - правда, на российские номера, по отзывам, не активируются.

📌 Ещё за неделю.

• Codex: задача, запущенная до обнуления недельного лимита, добегает до конца - лимит съелся за 6 часов, а она работала ещё три. В чатах собрали «гайд для абьюзера». • Claude Code (+369): Anthropic срезала 80% его системного промпта без просадки на эвалах. Вывод чатов - CLAUDE.md в пределах 200 строк.

P.S. Сервис читает AI-чаты и каналы Telegram и по каждой горячей теме показывает не только что обсуждают, но и как - что хвалят, к чему скепсис, где споры. 📚 Расширенная версия - больше кейсов, цитат и источников: читать в Telegraph Все детали и ссылки - на сайте: 👉 https://aipulse-weekly.ru/ #AIPulse

Anthropic значимо обновили MCP Апдейт назвали крупнейшим с момента запуска. Сейчас расскажем, что изменилось. Раньше MCP работал как двусторонняя связь с сохранением состояния сессии. То есть при подключении сервер открывал долгоживущее соединение, и весь контекст между запросами жил в оперативке одного запущенного процесса. Это требовало, чтобы был постоянно работающий инстанс, который висит и ждет, существуя все время, пока идет сессия. В новой версии MCP стал stateless, то есть теперь каждый запрос самодостаточный. Клиент сам присылает весь нужный контекст в запросе (ну или он лежит во внешнем хранилище), а сервер просто получил запрос, обработал, отдал ответ и все забыл. Все Serverless-платформы (AWS Lambda, Cloudflare Workers и тд) работают именно так. До этой версии MCP нельзя было нормально запустить на такой инфраструктуре, а теперь можно: сервер разработчика может состоять просто из функции, которая просыпается на запрос и засыпает. В двух словах: MCP только что стали намного дешевле + их стало гораздо легче масштабировать. Практически это значит, что порог входа для создания MCP-сервера резко упал, и мы можем ожидать взрывного роста числа коннекторов для самых разных приложений, даже самых небольших. https://claude.com/blog/bringing-mcp-2026-07-28-to-claude

Вышли веса Kimi K3 2.8 триллиона параметров, 104B активных. По запуску на своем железе картина такая: в 4-bit веса будут занимать примерно 1.4ТБ, в 16-bit уже около 5.6ТБ. Так что вам нужно плюс минус 8xH200/B200 или сопоставимый по памяти вариант. Если (ну вдруг) у вас такого домашнего датацентра не оказалось, то сочувствуем и приглашаем вместе с нами продолжать пользоваться API ☕️ https://huggingface.co/moonshotai/Kimi-K3

В Москве топ-менеджера уволили за разглашение коммерческой тайны через DeepSeek — она пересылала служебные документы на личную электронную почту и загружала часть внутренних материалов в нейросеть. После увольнения сотрудница обратилась в суд, требуя изменить основание расторжения трудового договора на «по соглашению сторон» и выплатить «золотой парашют» в размере 5 млн рублей. Суд пришёл к выводу, что у сотрудницы не было производственной необходимости передавать конфиденциальную информацию на внешние сервисы и личную почту. В результате требования истца были отклонены, а увольнение признано законным. Работу в нейросети больше не загружаем. @exploitex

Путин подписал первый закон об AI в России Закон регулирует большие фундаментальные модели с количеством параметров от 1 миллиарда. Теперь официально появятся два статуса: суверенная и национальная AI-модель. Суверенная модель должна полностью разрабатываться российской компанией, а ее работа и хранение данных должны происходить в российских дата-центрах. Национальная модель может использовать иностранные компоненты и открытые технологии, но ключевые характеристики должна контролировать российская компания. Правительство сможет определять сферы, где разрешено использовать только суверенные или национальные модели. Их разработчики получат доступ к господдержке и государственным данным для обучения. Сайты с ежедневной аудиторией больше 500 тысяч человек должны позволить пользователям отмечать AI-контент. Владельцы AI-сервисов будут обязаны объяснять, кому принадлежат права на сгенерированные материалы и можно ли их выгрузить. Основная часть закона вступит в силу 1 сентября 2026 года. Требования к статусу моделей, обучению и маркировке начнут действовать с 1 марта 2027 года. https://www.rbc.ru/politics/26/07/2026/6a65fde99a79474ec32711a7

Если бы меня попросили оставить один Skill для работы с LLM, я бы выбрал Grill with Docs. Это улучшенная версия популярного промпта Grill Me, который заставляет ИИ задавать уточняющие вопросы, пока задача не станет предельно понятной. Но у оригинала был минус: при долгой работе с кодом нейросеть забывала терминологию проекта, и специфичные детали приходилось объяснять заново. Grill with Docs решает это через идею Ubiquitous Language из DDD. ИИ находит в проекте файл context.md, использует его как общий глоссарий, сверяет термины и обновляет документацию прямо по ходу диалога. Что это дает: 1️⃣ Меньше повторных объяснений и лишних токенов. 2️⃣ Более точные названия переменных, файлов и компонентов. 3️⃣ Возможность фиксировать сложные решения в ADR, чтобы контекст не терялся. Если вы работаете с кодовой базой — выбирайте Grill with Docs. А обычный Grill Me отлично подходит для личных и творческих задач, где важнее глубоко раскрыть мысли и воспоминания. Ссылка на github

⚡️Вышел Claude Opus 5 У Anthropic почти вся линейка стала пятой: Sonnet, Fable, Mythos и теперь Opus. Держится старым только Haiku. Цена осталась прежней – 5$ за миллион входных токенов и 25$ за выходные, ровно как у Opus 4.8. Fable 5 при этом стоит 10$ и 50$, вдвое дороже. По собственным замерам компании новый Opus обходит Fable 5 на семи тестах из одиннадцати: работа за компьютером, бизнес-процессы, поиск в вебе, часть кодинга. Там, где уступает, отрыв не больше 1,6 процентного пункта, а чаще – десятые доли. Opus 5 сначала обдумывает задачу и только потом отвечает, вручную включать этот режим больше не нужно. На тарифе Max он стоит по умолчанию, на Pro это самая сильная из доступных моделей. В официальном гайде по промптингу совет всего один: давайте сразу полное ТЗ, а не ведите модель по шагам.