КайфКодинг

В Zapier сотрудников оценивают по рубрике AI-навыков — и CEO компании Уэйд Фостер говорит, что постоянно сидеть на её верхнем уровне, пожалуй, бесполезно. В рубрике четыре уровня, от unacceptable до transformative, вторая версия вышла 31 марта. В выпуске подкаста Аакаша Гупты от 24 сентября Фостер разбирает её на примере продактов. Нижний уровень у него — фильтр: это планка, с которой в Zapier не нанимают. А простые задачи — суммаризация, поиск, черновик PRD — в 2026 году, по его словам, входной минимум для большинства компаний. Неожиданное начинается наверху. Про уровень transformative он говорит так:

Находиться здесь сто процентов времени, пожалуй, даже не полезно: тогда вы не делаете работу, а постоянно подкручиваете свои системы и способ работы.

Дальше — про компанию. Продактов в Zapier, по его прикидке, тридцать-сорок, и тридцать собственных систем с агентным циклом ему не нужны. Нужен один общий способ работы, может быть, пара. Строит его, по описанию Фостера, горстка людей — команда или две. Часть продактов пока работает по старому плейбуку и время от времени тестирует новый порядок. Сам верхний уровень Фостер определяет жёстко: для него это человек, который буквально первым делает что-то таким способом. На вопрос ведущего, не одна ли такая оценка за полугодие на команду в тридцать-сорок продактов, отвечает: возможно, процент, скорее всего, небольшой. Себя он ставит ниже — во многом на adoptive. И ждёт от сотрудников обратного: в своей профессии вы должны быть впереди CEO. Если он замечает очевидное, чего не видите вы, — это, по его словам, плохой сигнал. Выходит, рубрика нужна компании не для того, чтобы каждый дорос до верха, а чтобы немногие построили общий способ и остальные на него перешли. Это наше прочтение, Фостер так не формулирует. Но цель «у каждого своя мини-версия» он отвергает прямо. Выпуск бесплатный, но большинство цитат есть только в транскрипте: на странице — лишь часть. https://www.news.aakashg.com/p/zapier-ai-fluency-rubric-for-pms Напишите, чего в вашей команде больше — личных агентных систем или одной общей, которой пользуются все.

Sonnet 5.5 на максимальном effort обходится дороже, чем Opus 5.5 на максимальном, — хотя токен у него вдвое дешевле. Это замер Artificial Analysis, независимой от Anthropic. Прогон их индекса на Sonnet 5.5 max стоит в среднем $7,67 за задачу, на Opus 5.5 max — $5,98, и Opus набирает 58 баллов против 56. Те же 56 баллов Opus даёт на xhigh — за $3,46. Тот же Sonnet на medium — $0,59 за задачу и 41 балл. Между medium и max у одной модели разница в цене тринадцатикратная, это уже наш пересчёт. Anthropic пишет близкое сама: на высоких настройках Sonnet может работать сопоставимо с Opus при схожей цене за задачу. Если Sonnet у вас стоит на max ради экономии, сверьтесь с /usage. В этом замере уровень effort двигает счёт сильнее, чем выбор модели, — правда, задачи индекса — не ваш код. https://artificialanalysis.ai/models/claude-sonnet-5-5

Сносное разовое решение агента не остаётся разовым. Следующие агенты берут его за образец. Антон Зайдес больше шести лет руководит разработкой и ведёт рассылку для инженерных менеджеров. 15 сентября он опубликовал сообщение, которое самый опытный инженер его команды написал в общий канал. Тот чистил код и заметил повторяющуюся картину: там, где хороших примеров не было, один агент сделал проходное разовое решение — и несколько других взяли его реализацию за золотой стандарт. Планку инженер предлагает такую. Его слова:

Каждая строка, которая попадает в нашу кодовую базу, должна выдерживать вопрос: а что, если ещё сто человек сделают ровно то же самое везде.

Как команда до этого дошла, Зайдес расписывает по шагам. До апреля каждый пул-реквест смотрели автор и хотя бы один ревьюер. Потом начали новый продукт, у которого ещё нет прода, и сделали ревью необязательным. Потом вторым читателем стал скилл из трёх агентов. Потом задачи поделили на одноразовые и инфраструктурные и внимательно читали только вторые. За пять месяцев ревью у них упало со 100% до 2%. Вторая цифра — за сентябрь, на момент статьи неполный. Пул-реквестов в августе стало 28 в день вместо четырёх. Объяснение у Зайдеса важнее графика. Ревью заставляло автора по-настоящему понять, что написал агент: на вопросы в пул-реквесте приходилось отвечать самому. Принуждение убрали — и срезать углы, пишет он, начали все. Отсюда его версия теории разбитых окон. Район деградирует постепенно, обычная кодовая база — годами, а с агентами цикл сжимается до месяцев или даже дней: агент делает обходной путь, вы его толком не посмотрели, а дальше он просто следует существующему образцу. Решения у Зайдеса нет, и он пишет это прямо: хорошего способа пока не нашёл никто. Лучший совет, который он слышал, — оставить ревью примерно на 5% пул-реквестов и много ревьюить планы; второе он сам ещё не пробовал. Все цифры — одной команды на новом продукте. https://www.manager.dev/newsletter/the-broken-windows-theory-of-coding-agents Покажите самый живучий обходной путь в вашем репозитории — тот, который агент уже успел размножить.

Открытый протокол не делает сервер открытым: к удалённому MCP-серверу Figma подключится только тот агент, которого Figma внесла в свой каталог. Это правило из её документации: клиенты вне каталога не подключаются, разработчикам новых предлагают лист ожидания. 1 октября тред об этом вышел на Hacker News и ко 2 октября набрал 180 баллов; судя по заголовку, за бортом оказался агент Pi. Правило не новое: жалоба на 403 при подключении из opencode висит на форуме Figma с 1 апреля. Там же лимиты на вызовы, которые читают данные: 20 в месяц на тарифе Starter, для мест Dev и Full — 200 в день на Organization и 600 на Enterprise. Запись на холст, по справке Figma, бесплатна, пока идёт бета; дальше обещана оплата по расходу. Посмотрите, какие серверы в вашем .mcp.json принадлежат чужому продукту. Агента для них выбираете уже не вы, а владелец сервера. https://developers.figma.com/docs/figma-mcp-server/rate-limits-access/

Anthropic снова раздаёт баны: обсуждаем что делать Сегодня утром оживился чат моего канала. Подписчики обсуждают, что за ночь прокатилась большая волна банов. Открываю сторис — там тоже скриншоты писем счастья от Антропик. Иду смотреть чаты где меня тегнули за ночь, там спрашивают помогли ли апелляции.

🤦🏻‍♂️ Я за минувшую неделю получил два таких письма. Деньги не возвращают. Один аккаунт был на подписке за 200, другой на подписке за 100 долларов. Апелляции вернули отказ.

🤷‍♂️ Anthropic явно развивают направление модерации Первый account suspended я получил ещё весной. Тогда на апелляцию мне даже не ответили. Следующий аккаунт продержался полгода. Но самое интересное, что компания явно развивает это направление, прикрепил как выглядят страницы апелляции весной и сейчас. Причём весенний бан не поменял дизайн, видимо нельзя дать обратную совместимость. Как видите появились новые фичи: бекап данных (там можно увидеть даже когда вы авторизовались из странных локаций) и полное удаление аккаунта. Ну и да, юридически ребята явно подготовились, так как ещё весной деньги возвращали. 🤔 А что если удалить аккаунт и снова зарегистрировать Так как можно удалить аккаунт, то может быть можно и «забыть» бан просто удалив его? Попробовал — нет, так не работает. Второй раз в той же почтой не войти — email already in use. То есть аккаунт хоть и удаляют, но не до конца. GDPR c Роскомнадзором на них нет. Но можно попробовать не допускать телематики в будущем, в одном из чатов мне преложили вычищать из конфиг-файлов клода device id + чаще использовать CLI версию кодинг харнеса, чтобы не передавать дополнительную мета-информацию. На самом деле пользоваться можно пордолжать, просто очень дорого Все забанненые аккаунты продолжают работать со стороны platform.anthropic.com, можно авторизоваться по API ключу и выполнять все задачи на Opus 5.5) 👀 Поковырял данные, нашёл очень много меты Попросил локальный квен пробежаться и поискать информацию о записях на диске, вот фрагмент его рисерча

CLI (~/.claude.json): - machineID ba1e5585… — генерируется один раз и персистит в конфиге. Не привязан к аккаунту → общий для всех аккаунтов на машине - userID 96d4a757… — это и есть device_id из телеметрии (совпадение подтверждено) - anonymousId claudeco… — анонимный ID телеметрии - Вложенный ~/.claude/.claude.json (используется cowork-VM/другой установкой) — вторая пара machineID 69687fc8… / userID 74b0689a…. Два разных machineID на одной машине → это не hardware-отпечаток, а сгенерированный-per-конфиг ID Десктопное приложение (~/Library/Application Support/Claude/): - ant-did — device ID приложения (UUID bb7c7c4c-5…, base64) - ant-device-registry.json — жемчужина: реестр «аккаунт → pk1:<публичный ключ>:<uuid> устройства». В нём зарегистрированы и старый аккаунт 3112f538…, и текущий 0cd53e76… — т.е. «одна и та же машина» сознательно привязана к каждому аккаунту, события подписываются ключом устройства (deviceEventSignerFor найден в коде) - ccd-ids.json — salt для производных ID - remote-control-state.json — telemetrySalt + identities - config.json — lastKnownAccountUuid, first_launch_at, hasTrackedInitialActivation - chromeExtension.pairedDeviceId в .claude.json - В claude-code-sessions/ лежат 3 аккаунт-UUID (текущий, предыдущий, и третий 982ddb5b…)

Как будто если делать новый акк, стоит удалять эти файлы с папками и инициализироваться по новой, чтобы не светиться ant-device-registry.json и machineID Если тоже получили письмо, поделитесь в комментариях, что будете делать и как анонимизироваться? ---- Поляков считает — AI, код и кейсы

🏠 Мы активно пользуемся Шушей, и вот что за этим стоит В нашей семье Шуша уже ведёт больше тридцати дел: быт, дети, дом, работа, переезд. Всё, что раньше жило в голове и в переписках, теперь записано и разложено по полочкам. И самое приятное: примерно за полторы недели ботом начала пользоваться супруга. Без уговоров и инструкций: просто пишет дела как есть, а Шуша раскладывает. Как это устроено. Мы опираемся на две проверенные методологии: 📥 Getting Things Done (Дэвид Аллен). Накидываешь дела как есть, без разбора, Шуша раскладывает сама: это одно действие, это проект из нескольких шагов, а это идея «когда-нибудь». У проекта всегда есть следующий шаг. Раз в неделю она делает обзор и напоминает про проекты, которые встали. 🤝 Fair Play (Ив Родски), про справедливое распределение семейных дел. Главное правило: дело не считается чьим-то, пока человек сам не сказал «беру». Назначить другого без его согласия нельзя. Если дело предложили, а второй не взял, оно не повисает молча на нём: на доске видно «Ждёт согласия» или «Ничьё», и мы вместе решаем, кто берёт. Никаких рейтингов «кто больше сделал». Личное и общее. Личные дела можно накидывать как угодно, их видите только вы. Общие видит вся семья. Всё складывается в проекты: «Переезд», «Отпуск», «Ремонт», у каждого видно, как идут дела. Шуша работает как личный ассистент, который знает эти методологии: помогает структурировать всю рутину, предлагает первый шаг, замечает дубли и ничего не навязывает. 🆕 Что нового в релизе v0.21.0: проекты, которыми Шуша управляет сама; дела, которые не остаются ничьими; коуч и недельный обзор по умолчанию; утренний обзор общих дел в семейной группе. Проект теперь называется Шуша. Код открытый: https://github.com/artkruglov/shusha Релиз: https://github.com/artkruglov/shusha/releases/tag/v0.21.0

Уровень effort, перенесённый с Opus 5 на Opus 5.5, — уже другая настройка: слово то же, а думает модель дольше и тратит больше выходных токенов. Это из гайда Anthropic по промптингу Opus 5.5 — вендор пишет о своей модели, и замеры тоже его. Там прямо сказано: названия уровней не означают одинаковый объём рассуждений у разных моделей. По тестам Anthropic, Opus 5.5 на medium догоняет или обгоняет Opus 5 на high в коде и в работе со знаниями. По умолчанию у 5.5 стоит medium, у Opus 5 был high. Оставите значение от Opus 5 — гайд обещает ровно это: длиннее ходы и больше выходных токенов. Совет — выставить уровень явно и прогнать несколько уровней на своих эвалах. И отдельно: смена effort между запросами сбрасывает кэш промпта. Та же ловушка у конца хода. Opus 5.5 пишет отчёты о прогрессе, и часть из них заканчивает ход текстом без вызова инструмента, со stop_reason: "end_turn". Цикл агента, который считает это концом задачи, встаёт на середине. Anthropic советует считать такой ход отчётом и досылать открытые пункты — но не больше двух-трёх автоматических продолжений на задачу. После переезда проверять надо не промпты, а обвязку: effort, max_tokens — рассуждения теперь включены всегда и считаются в него — и то, что ваш цикл принимает за «готово». https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5-5 Напишите, какой effort стоит у вашего агента после переезда и выбирали ли вы его заново.

Учитывая популярность видео, сделанных на Opus 5.5 – не могу не поделиться большущей библиотекой таких видео, берите любое и повторяйте. Кроме этого там промпты игр, эксплейнеров и 3Д-сцен. Всего 475 штук. Вы знаете что с этим делать. Например, найдите понравившееся видео, передайте его промпт агенту вместе с вашим лого, цветами и шрифтами, и создайте версию для своего продукта. Тут ссылка.

🤖 Стартуем новую тему в лекционном клубе - робототехника. Недавно писал, что присматриваюсь к курсу Принстона Intro to Robotics, и решил не тянуть - с 12 октября начинаем его разбирать. Это вводный курс Anirudha Majumdar: motion planning, feedback control, state estimation и SLAM, machine learning для робототехники (imitation learning, diffusion models, RL, vision-language-action модели), и практика на квадрокоптерах Crazyflie. Формат прежний: каждый независимо смотрит лекции в течение недели, а в понедельник час обсуждаем на Zoom. К первой встрече нужно посмотреть сразу две лекции (вводную и про планирование движения), дальше - по одной в неделю. 📆 Первая встреча - понедельник, 12 октября, 10am ET / 5pm MSK 📍 Регистрация на Luma: https://luma.com/ujp2tnpv 🎥 К просмотру: Lecture 1 - Intro to Robotics: https://youtu.be/cMhFAq53v1c Lecture 2 - Discrete Motion Planning: https://youtu.be/LhLd8Kon1GY 📚 Сайт курса (слайды, конспекты, задания): https://irom-lab.princeton.edu/intro-to-robotics/ Обсуждать между встречами - в чате @rvnikita_blog_chat #robotics@rvnikita_blog #education@rvnikita_blog #ai@rvnikita_blog #princeton@rvnikita_blog ————————— Мысли Рвачева —————————

Robinhood позволит поручать сделки AI агенту прямо в приложении По данным брокера, с мая счета для сторонних AI агентов открыли более 150 тыс. клиентов. Теперь компания анонсировала встроенных Robinhood Agents. Доступ обещают скоро, только клиентам в США. Выбираешь модель → открываешь агенту отдельный счёт → задаёшь стратегию. Он изучает рынок и готовит сделки. В демо предлагает купить акции Apple и ждёт подтверждения. По умолчанию каждую сделку одобряет человек. Если отключить эту настройку, агент сможет торговать сам деньгами на отдельном счёте. Loops, торговлю по расписанию, обещают добавить позже. GPT-Luna дадут бесплатно до конца года. За решения AI и возможные убытки отвечает владелец счёта. #AIагенты #Robinhood @neurovibe_ai

🔥 DeepSeek и Huawei строят китайскую альтернативу CUDA DeepSeek выпустила open-source инструменты для ускорителей Huawei Ascend, включая поддержку TileLang для Ascend 950. Они упрощают написание вычислительных ядер, перекладывая часть низкоуровневой работы на компилятор. Смысл шире одной библиотеки: Китай пытается снизить зависимость не только от чипов NVIDIA, но и от всей экосистемы CUDA. Именно за этим сейчас стоит следить особенно внимательно. Сильный GPU без удобных компиляторов, библиотек и инструментов для разработчиков мало что решает. Китай строит не просто свои AI-чипы. Он строит свой полный AI-стек.

Уже влезли в долги, чтобы наскрести на подписку ChatGPT за 500$? Пока убеждаете друзей занять вам денег, чтобы за две недели навайбить убийцу Nvidia, самое время разобраться, что же такое Cerebras и почему именно их железо внезапно оказалось настолько интересным для LLM-инференса. Забавно, что изначально Cerebras в первую очередь пытались решить задачу обучения нейросетей. И, если верить довольно жёсткому разбору Irrational Analysis, именно с training всё получилось не очень хорошо. Архитектура получилась сильно перекошенной: внутри самого WSE пропускная способность огромная, но канал обмена с внешней памятью и другими устройствами относительно узкий. Поэтому для обучения Cerebras приходилось дополнять WSE внешними системами MemoryX и SwarmX, а ограниченный внешний I/O становился одним из главных bottleneck'ов. А что вообще такое WSE, MemoryX и SwarmX и как всё это устроено, читайте в отчёте Irrational Analysis. А вот с инференсом всё оказалось гораздо интереснее. Cerebras довольно самобытная архитектура. Вместо относительно классической связки GPU с расположенной рядом HBM они буквально делают процессор размером почти с целую кремниевую пластину, Wafer-Scale Engine. WSE-3 содержит около 900 тысяч маленьких ядер, у каждого из которых есть локальный SRAM и простые SIMD-блоки. В сумме получается примерно 44 GB SRAM прямо на wafer. И вот для inference это оказалось очень интересной комбинацией. Обычный GPU при генерации токенов во многом упирается в необходимость постоянно читать веса модели из HBM. У Cerebras веса и KV-cache можно держать прямо в SRAM рядом с вычислительными ядрами, а слои модели распределять по WSE. Если одного WSE не хватает, модель распределяется между несколькими. Каждый хранит свою часть модели и передаёт следующему только промежуточный результат вычислений, а не сами веса. Благодаря этому веса остаются в быстром локальном SRAM, а между WSE нужно передавать сравнительно небольшой объём данных. Отсюда и очень высокая скорость генерации. То есть архитектура, которая довольно странно выглядела как конкурент Nvidia в training, неожиданно нашла свою сильную сторону именно там, где сегодня особенно ценится latency: ультрабыстрый LLM inference. Но silver bullet из Cerebras всё равно не получился. Вопрос, как оптимальнее всего строить железо для LLM inference, сегодня всё ещё открыт. Одна из главных проблем Cerebras в том, что объём SRAM нельзя наращивать так же легко, как внешнюю память, а большие модели и длинный контекст требуют всё больше памяти. В итоге приходится использовать больше WSE, и впечатляющая скорость начинает обходиться всё дороже с точки зрения масштабирования всей системы. Сам отчёт отдельно отмечает, что KV-cache и веса конкурируют за один и тот же ограниченный SRAM, а с ростом размера модели экономика такого подхода становится всё сложнее. Но сам инженерный подход всё равно совершенно безумный и очень интересный. Кстати, если вы забыли, какого размера «чип» у Cerebras, приложу фотку в комментариях. P.S. Пост чуть больше чем полностью построен на отчёте Irrational Analysis. Обязательно ознакомьтесь с ним, невероятно увлекательный и познавательный разбор.

https://golden-ring-danya.netlify.app/ - классный школьный проект по Золотому Кольцу. Проект сделали фоном за 1 вечер с Даней

И не зря - вы, батенька, ещё и победили в этом поле чудес Итого - Марк собрал 7 верных пунктов в одном сообщении: - Постоянный персональный агент — dot работает в фоне и продолжает задачи между обращениями пользователя - Общение с агентом через Slack и голосом — можно написать своему dot или начать голосовой разговор - Покупки с подтверждением пользователя — dot может совершать покупки после одобрения - Подписка примерно за $500 — представили Pro за $500 в месяц - Функции без расхода обычных лимитов — разговоры с dot не расходуют лимиты ChatGPT - Codex работает без включённого ноутбука — задачи продолжают выполняться в облаке - Общее пространство для людей и агентов — представили ChatGPT Space для совместной работы команды и ИИ Также аплодисменты Вячеславу, Kr1to и Nastia - вы были очень близки 👊🏻 ——— Теперь все знают, у кого есть инсайдеры и кого можно просить о сбросах Чудо-диктофон отправляется к победителю в ближайшие пару дней

🎬 Сделал скилл для Claude Code: ролик с голосом из идеи, отчёта или продукта Даёшь агенту материалы, на выходе готовый ролик с озвучкой, музыкой и субтитрами. Вертикальный для Reels и Telegram, горизонтальный для презентаций. Во вложении пример: ролик про Шушу, помощницу семьи в Telegram. Вот как агент его собрал. 1️⃣ История до сценария. Сначала каркас: одна фраза, которую зритель перескажет («Шуша помнит за семью, а вы просто рядом»), героиня Анна, ставки (всё держится на памяти одного человека) и поворот (помощница живёт прямо в Telegram). И список того, что обещать нельзя: например, что бот сам оформляет заказ во ВкусВилле. Это делает человек. 2️⃣ Сценарий с линтером. 11 сцен по методологии Шуши: записать, разобрать, поделить, время для себя, побыть вместе, общая память. Линтер следит, чтобы зацепка была короткой («Кто в вашей семье помнит всё за всех?»), реплики не затягивались, а финал был мыслью, а не «ссылкой в описании». 3️⃣ Голос с режиссурой. Gemini TTS, у каждой реплики своё настроение: интрига в начале, тревога на проблеме, облегчение, когда Шуша забирает дела. Каждый дубль расшифровывается и сверяется с текстом: модель иногда глотает слова или пересказывает своими. 4️⃣ Музыка от Lyria, приглушается под голос. 5️⃣ Видео собирается кодом в Remotion, а не генерируется. Диалоги Анны с Шушей набраны пузырями чата и помечены «пример диалога», анимация идёт точно под голос: поменял реплику, и весь ролик перемонтировался сам. 6️⃣ Проверка перед рендером: стоп-кадры и вторая пара глаз от модели со зрением. На Шуше проверка поймала схему памяти, где линии не доходили до кружков. Итог: 105 секунд, 1080×1920. Открытый код, MIT: 👉 github.com/artkruglov/voice-film Поставить: git clone https://github.com/artkruglov/voice-film ~/.claude/skills/voice-film Спасибо за идеи product-film-skill и nd-video-studio 🙌

Пять инвайтов, ноль рекламы и оценка $10 млрд. Разбираем, как Instinct выходит на рынок Наверняка многие из вас уже слышали про сумасшедший раунд Instinct: $1 млрд при оценке $10 млрд, лиды — Sequoia, Benchmark и Coatue. Стартапу около года, продукт до сих пор доступен только по инвайтам. Но интереснее цифр раунда то, как Instinct выходит на рынок. Похоже, в эпоху AI дефицитный ресурс — уже не внимание пользователя, а компьют. И весь GTM строится вокруг этого. Как раз вышло интервью с основателем Ноа Шинном — его первый большой разговор о компании. Старт был максимально скромным: продукт дали 200 друзьям и родственникам, у каждого пользователя было пять инвайтов. Первые дни база прибавляла по несколько человек в сутки, потом по паре процентов. Когда пользователей стало несколько тысяч, люди начали сами выкладывать в сеть свои кейсы, и рост разогнался до 10–11% в день. То есть база удваивалась примерно раз в неделю. На маркетинг при этом не потратили ни доллара. Инвайты перепродают на eBay по $300. А кто-то пишет фаундеру в личку, потому что не уверен, что попадёт в «пятёрку» друга. Только инвайты здесь не игра в эксклюзивность. Каждый пользователь сжигает дорогой компьют, а мощности закупаются с лагом в несколько месяцев. Ноа признаётся, что около 40% времени думает о том, сколько GPU брать впрок. Инвайт-система работает как кран, которым регулируют рост. Иначе можно однажды проснуться с десятикратной базой, 80% которой не может достучаться до продукта. Второе решение — у Instinct нет приложения. Ассистенту пишут в iMessage и WhatsApp, отправляют письма на почту, надиктовывают голосовые. Если горит дедлайн, он может позвонить и сам. Новый интерфейс не строят — заходят в каналы, которые у людей и так открыты весь день. Третье. Главная метрика у них не активность, а доверие. Через три недели использования 40% пользователей привязывают к Instinct банковскую карту. И это считая тех, кто к тому моменту уже ушёл. Среди тех, кто доверил ассистенту хоть что-то чувствительное, удерживается 80%. Для консьюмер-продукта это почти нереальная цифра. И бизнес-модель. Для пользователя продукт бесплатный, зарабатывать планируют на комиссии с мерчантов. Сколько брать, пока не решили. Через платформу уже проходит больше $1 млрд в год, половина — тревел, где бутик-отели готовы отдавать до 30% с брони. При этом индустрии ломать не собираются — хотят стать для них новым каналом продаж. Раньше ограничением роста был бюджет на маркетинг. У Instinct это GPU, и под них пришлось перепридумать и воронку, и интерфейс, и монетизацию. Мне больше всего нравится история с инвайтами как краном для роста. А что из этого впечатляет вас больше всего? Голосуйте в опросе ниже, а если выбрали «хайп» — расскажите в комментариях почему Андрей Резинкин | Money For Startup

Стандартная метрика сдвигов вёрстки ставила claude.ai оценку «хорошо» — а на 31% загрузок что-то на странице сдвигалось уже после того, как в ней можно было печатать. Это из отчёта инженеров Anthropic о двухнедельном августовском спринте: веб и десктоп ускорили примерно втрое, влили больше трёх тысяч изменений без единого инцидента у пользователей. Пишет вендор о своём продукте, независимой проверки нет. Строки сайдбара подъезжали после загрузки, и ни один монитор этого не видел. Cumulative Layout Shift давал на сдвиг около 0,008 при пороге «хорошо» в 0,1. Заметили по записи экрана. Тогда Claude завёл событие, которое привязывает каждый сдвиг к области страницы и фазе загрузки, и тест, падающий на любом сдвиге: 20 из 20 красных прогонов на main, 20 из 20 зелёных на PR. Первые же данные с поля — те самые 31%. Главный вывод авторы делают сами: раньше измерение было нулевым шагом, а с Claude это «step one of the climb». Дали агенту число — он его двигает. Поэтому самым ценным стало искать, что ещё можно посчитать, а каждый принятый замер превращался в порог CI, который можно только опускать. Обратная сторона этого вывода: агент чинит ровно то, что видит метрика. Всё, чего она не видит, остаётся как было, при зелёном дашборде. Там же нашлась секунда зависания подсветки кода — из-за длинного тире, которое переводит строку в UTF-16. https://claude.dev/blog/how-we-made-claude-ai-faster/ Какое зелёное число в вашем проекте вы ни разу не сверяли с записью экрана?