Инженерная ИИ-шница

Physics-Driven AI That Automates PCB Layout Quilter is physics-driven AI that automates PCB placement and routing.  https://www.quilter.ai/

Kimi K3.1 Pro: китайская модель подошла к Claude по коду вплотную за треть цены 23 октября Moonshot выпустила Kimi K3.1 Pro. Цена API - 2 и 10 долларов за миллион токенов на входе и выходе, на треть дешевле Kimi K3. Подписки 19/39/99/199 долларов. В первую неделю квоты сгорали за минуты, 26 октября компания извинилась и вернула всем 25% месячного лимита. 🪼 Почему все снова говорят "меняю Claude на Kimi" Это ответ на баны Anthropic пользователей с документами РФ. Плюс сайт Kimi и API открываются из России без VPN, а с 30 октября Moonshot принимает карты "Мир". Про первую волну я писала в июле, сейчас она сильнее: появились независимые замеры, а не только таблицы самой Moonshot. 🪼 Что показал независимый тест Vals.ai (независимая компания, которая тестирует ИИ-модели ) прогнал модели через одну и ту же обвязку (харнесс) на Terminal-Bench 4.0: агент получает терминал и задачу, засчитывается только полностью решенная: • Claude Opus 5.5: 65,2% - 13,2$ за задачу • Claude Sonnet 5.5: 64,1% - 16,51$ за задачу • Kimi K3.1 Pro: 63,6% - 4,57$ за задачу • GPT-6 Astra: 59,6% - 9,58$ за задачу Разрыв в качестве 1,5 пункта, разрыв в счете почти втрое: прайс отличается в 2 раза, а счет в 3, но Opus тратит больше токенов на задачу. 🪼 Почему замена пока не полная • Медленнее и многословнее. Kimi K3.1 Pro думает всегда, выключить это нельзя. Простая схема в SVG может занять 4 минуты, а текста модель выдает почти вдвое больше средней, так что за задачу платишь почти столько же, сколько за Kimi K3. • Слабая в науке и сложных рассуждениях. На научной версии Terminal-Bench 38% против 63% у Opus и 68% у GPT-6 Astra. По общему индексу Artificial Analysis Opus 5.5 выше на 2,5 пункта. • Квота подписки непрозрачная: как кредиты переводятся в работу, Moonshot не публикует, отсюда и история с извинениями)) Поэтому Kimi K3.1 Pro держат в связке с Claude: Kimi на черновики, прототипы, массовую генерацию и фронтенд-визуал (3D-сцены, анимации, верстка - тут у нее лучший вкус среди открытых моделей), Claude на доводку и все, где цена ошибки высокая. 🪼Бесплатно Kimi K3.1 Pro из-за наплыва сейчас не попробовать, но прежде чем расставаться с 19$, я решила сравнить ее с Opus 5.5 и Sonnet 5.5 через API. Результат выложу чуть позже, ваши реакции меня подбодрят 🔥 @NeuralProfit

Нейросети, помните? Волна банов в Anthropic дошла до того, что даже на досках объявлений стали массово появляться услуги по верификации аккаунта Claude. Авторы таких объявлений обещают пройти KYC и сопровождать на каждом этапе. При этом цены там разнятся от 10 тыс. до 350 тыс. рублей. Доски, конечно, чистят такие объявления, но некоторые все еще висят. Один из главных «лайфхаков» таких «консультаций» обычно в том, что в Anthropic есть две разные верификации - одна через платформу Persona, вторая через сам Claude. Если вам при использовании нейросети вылез попап со второго скриншота то это, как раз, верификация от самой компании. При прохождении такой очень высокий шанс бана, несмотря на то, какие документы вы отправите. Банит как наш загранпаспорт, так и документы любой другой страны. По сути, такое окошко - «черная метка» на аккаунте, и лучше всего с ним пока ничего не делать. Если же верификация вылезла при попытке пополнить аккаунт - скорее всего, это KYC от Persona (в их окошке будет подписано, кто именно проводит верификацию). В таком случае можно попробовать приложить даже свой загранпаспорт - документ обработает Persona, а сам Anthropic его не получит, и бана, с высоким шансом, не будет. Но, конечно, все на свой страх и риск и после бэкапов - все еще есть шанс потерять аккаунт насовсем 😀

Anthropic и OpenAI стали массово запрашивать документы Обе компании уже два дня массово рассылают письма с просьбой отправить им документы. Причем, абсолютно неважны ваши запросы - под категорию «подозрительных» попадают абсолютно разные люди, с разными запросами и задачами. Главная проблема в том, что раньше компании принимали российские документы (загранпаспорт). Но теперь вы получаете моментальный бан. Без возврата средств. При этом ваш адрес компаниям совсем не важен - вы можете хоть 10 лет жить в Казахстане и ни разу не заходить с российских IP - документы все равно могут запросить. Не просят никаких документов, пока, только открытые китайские модели 😙

Google выпустили Gemini 4 Carbon — новую самую умную нейронку по версии Artificial Analysis. В общем рейтинге Carbon обошла GPT-6 Astra и Claude Opus 5.5. Она лучше конкурентов работает с огромными текстами, решает задачи по математике и выполняет офисную рутину. Самый заметный отрыв в кибербезе. А еще Carbon вдвое реже выдумывает факты и почти не жульничает на тестах. Пока дают только специалистам по кибербезу. Остальным обещают доступ «как можно скорее».

Готовим ИИ к тотальному блэкауту: вышла Survival LLM — бесплатная модель-спасатель для выживания без интернета. Знает, как очищать воду, обрабатывать раны и сколько хранится еда в холодильнике без света. База знаний основана на 1,5 млн статей из медицинских справочников, пособий по выживанию, Википедии и инструкций по ремонту разной техники. Можно добавлять свои файлы вроде показаний врачей или списка продуктов. Ставить нужно заранее, пока интернет еще есть. Забираем на черный день по ссылке.

Делаем из агента личного репетитора: на GitHub завирусилась бесплатная платформа DeepTutor — превращает учебники, конспекты и лекции в курсы. ИИ объясняет материал со всеми ссылками, собирает тесты и карточки и устраивает разбор ошибок. Принимает PDF, книги или ролики с YouTube. Их можно превратить в интерактивный учебник со схемами и анимациями. Подключается к подпискам и локальным моделям. А еще его можно вывести в Telegram. Забираем по ссылке.

Claude Mythos 5 во время теста атаковала реальных разрабов. ИИ не остановился, даже когда узнал, что это живые люди. Модель должна была взломать учебную сеть британского Института безопасности ИИ, но не справилась и ушла на GitHub. Там она нашла открытый проект, написала вирус и с фейковых аккаунтов уговаривала владельца загрузить его. Когда другой разраб заметил опасный софт, Mythos завела еще один фейк, заверяла с него, что код чистый, и попыталась залить новый вредонос. Его так и не приняли. В повторных прогонах модель останавливалась лишь в 5% случаев. В рассуждениях она убеждала себя, что владельцы проекта ненастоящие и их подставили организаторы теста.

Google показала "самый сильный ИИ". Пользоваться им пока нельзя Google представила Gemini 4 Carbon – модель, которая в обновившемся вчера рейтинге Artificial Analysis набирает, по данным Google, 59 баллов, на один балл выше прежнего лидера – Claude Opus 5.5. Особенно сильна новинка в кибербезопасности: она находит дыры в коде, проверяет, можно ли через них взломать систему, и сама их чинит. По этой же причине Carbon пока недоступна обычным пользователям: на старте модель получат только отобранные специалисты по киберзащите – госструктуры, операторы критической инфраструктуры и крупные платформы. Gemini 4 Argon выпускали по такой же схеме: сначала киберзащитникам, через 13 дней – платным клиентам. Произошло это две недели назад, так что если Google продолжит придерживаться прежних сроков тестирования, значит, компания вышла на ежемесячный график обновления своих фронтирных моделей. Отдельные бенчмарки очень сильные, пусть и с нюансами: ✅ Взлом. Главный козырь Carbon – ExploitGym, где модель должна доказать, что найденную дыру действительно можно использовать для атаки. Carbon справляется с 54,8% задач, GPT-6 Astra – с 42,4%, Claude Opus 5.5 – с 34,5%. Правда, рекорд Google поставила с лимитом 10 часов на задачу, а Claude сравнивает по замерам с лимитом в 6 часов. Но и за 6 часов у Carbon 53,5%, так что отрыв никуда не девается. ✅ Длинный контекст. Самый большой отрыв в таблице – на GraphWalks. Модели дают текст длиной от 256 тысяч до миллиона токенов, это несколько толстых романов, и просят разобраться в связях внутри него. Carbon справляется на 96,2%, Argon – на 84,2%, Astra – на 71,8%, Opus – на 66,8%. Все модели Google прогоняла сама. ✅ Бизнес. В Vending-Bench 2 ИИ-агент целый смоделированный год управляет торговым автоматом: закупает товар, ставит цены, торгуется с поставщиками. Carbon закончила год с $16 484 на счету, Astra – с $15 515, Opus – с $9 235. Этот замер внешний, его ведет независимая Andon Labs. ✅ Терминал. В Terminal-Bench 4.0, где агент работает в командной строке, Google подсветила Carbon как лучшую с 65,2%. Но в том же рейтинге Artificial Analysis этот тест возглавляет Kimi K3.1 Pro с 67% – китайскую модель Google в сравнение просто не включила. Проигрывает Carbon там, где ИИ работает как обычный пользователь компьютера или разработчик: ❌ Работа за компьютером. В OSWorld-2.1 модель сама управляет компьютером по скриншотам: кликает, печатает, открывает программы. Здесь Opus 5.5 набирает 87,2%, Carbon – 81,5%. Причем Google взяла лучший результат своей модели из трех попыток, а соперникам засчитала опубликованные цифры. ❌ Инженерия. В FrontierSWE 2 нужно решать сложные инженерные задачи из реальной разработки. Carbon набирает 61,2% и уступает и Astra (65,5%), и Opus (62,3%). Замер тоже внешний. Внушительный апгрейд, но пара жирных "но". Во-первых, покаюсь и заберу свои слова обратно: в разборе Gemini 4 Argon я хвалил модель за минимум галлюцинаций. Буквально на следующий день мне написал читатель и показал обратную историю, когда Argon выдумала ссылки на ряд научных работ. А затем я и сам несколько раз поймал модель на фантазировании – и это несмотря на то, что она отлично держится в бенчмарке на галлюцинации. По внутренним тестам Google, Carbon выдумывает вдвое реже Argon. Будем проверять после выхода, так как пока это одно из главных препятствий в использовании модели: GPT-6 и Opus 5.5 сейчас выглядят банально более надежными. Во-вторых, модель-лидер, которую нельзя попробовать, никому особо и не интересна. У OpenAI и Anthropic наверняка готовы новые модели, так что если Google выпустит Carbon через две недели, то с большой вероятностью лидером она не будет – как не стала и Argon. Но в любом случае темп компания взяла бодрый, а для пользователей наличие еще одного игрока в ИИ-гонке – однозначный плюс. — Как выбрать модель под задачу и выжать из нее максимум, я рассказываю в подписке. Там уже 35+ лонгридов: от гайдов по свежим моделям до опыта профессионалов. 👉 Читать на "Бусти" 👉 Читать на Sponsr

Октябрь выдался плотным: OpenAI, Google и Moonshot выкатили новинки почти одновременно. Собрала главное в одном посте - мой обзор на модели, а заодно затронем тему лимитов в Codex. 1️⃣ GPT-6.1 Terra от OpenAI, 26 октября Быстрая и недорогая модель на каждый день: тексты, скриншоты, формы, документы, в общем для компьютерной работы. Есть в ChatGPT Work и Codex на Plus и выше, через API вдвое дешевле Sol. Заметьте, для сложного кода OpenAI сама советует Sol или Astra. 🪼 Как по мне, из плюсов скорость и экономичность) Я попробовала GPT-6.1 Terra в своем Hermes агенте - ничего особого с прошлой модели не поменялось лично для меня и моих задач. В текстах хуже Claude Opus 5.5, на запросы тупит, надо разжевывать, что я имела в виду, легко может понять не так. Для анализа тоже нет - уж лучше на бесплатных лимитах Manus Lite использовать (стартовые+300 ежедневных). Спарсить, посчитать, выполнить формулы и прочую офисную работу и затем передать более умному агенту - да. Например, рутину и правки по скриншотам отдавайте Terra, а Sol оставьте на планирование и большие изменения. Кстати 👇 🪼 Про лимиты в Codex На Terra их хватает примерно вдвое дольше, чем на Sol. Вот сколько сообщений за 5 часов на Plus обещает официальная таблица OpenAI: • Astra - 5-45 • Sol - 15-160 • Terra - 35-285 • Luna - 350-3000 Если уходили с Plus из-за лимитов, с Terra есть смысл попробовать снова: лимитов на ней хватает больше, чем на Sol, правда больших надежд я бы не возлагала и использовала для офисных задач и прочего) 2️⃣ Gemini 4 Argon от Google, в приложении с 13 октября Новый флагман Google. Доступен в Gemini на подписках Google AI Pro и Ultra, бесплатно его нет. Сильная сторона - длинные документы и видео: на тесте с текстами от 256 тыс. до 1млн токенов у Argon 84,2% против 71,8% у GPT-6 Astra (цифры Google, прошу учесть). В сложном коде уступает конкурентам (Opus 5.5, Astra), многословный. В API до 30 ноября стартовая цена, с 1 декабря она удваивается. 3️⃣ Kimi K3.1 Pro - от Moonshot, 23 октября Агентный флагман, конкурент старшим Claude и GPT для кодинга, исследования и долгой самостоятельной работы при более низкой цене за токен, плюс обещают открытые веса к 4 ноября. 🪼 В тестах самой Moonshot идет вровень с Opus 5.5 и обходит GPT-6 Astra, но все они горазды, мягко говоря, преувеличивать на своих внутренних тестах и по своим словам) Вот и тут не обошлось, в независимом рейтинге Artificial Analysis она заметно ниже обеих 😬 Главный плюс - цена: через API в 5 раз дешевле Astra. Что из этого уже в работе у вас? И что думаете про эти модели, перейдете или уже? С чем согласны, с чем нет? В общем, с удовольствием почитаю ваши мнения в комментариях 👇 @NeuralProfit

Не Клодом и Кодексом едиными Ну и в тему агентов — кроме Клод Кода и Кодекса есть еще куча мест, где можно работать с агентами. При чем часто абсолютно бесплатно. Мы собрали гайды по самым классным и полезным агентам для новичков — вот вам небольшая подборочка: — Как поставить DeepSeek Harness и поручить ему работу с файлами на компьютере — Как установить бесплатное приложение OpenCode и дать ему первую задачу — Как настроить Hermes Agent и сделать из него личного помощника — Как установить OpenClaw и разобрать с ним заметки со созвонов Каждый гайд — пошаговый разбор, где мы показываем установку агента, постановку задачи и все такое. Но врать не будем — это все же общие гайды, которые помогут просто познакомиться с инструментом. А вот чтобы копнуть глубже, разобраться в нюансах и научиться правильно организовывать работу в агентах, приходите к нам в Нейроцех. У нас есть готовые курсы по вайб-кодингу, ИИ-ассистентам и куча классных вебов, которые помогут окунуться во все это чудо с головой и всего за пару недель стать другим человеком. Если хотите, чтобы агенты работали на вас сразу в несколько рук, — присоединяйтесь → @neurozeh_bot

Moonshot выпустила Kimi K3.1 Pro. Модель прокачалась в 3D Астрологи объявили неделю 3D и сравнений Kimi с Opus 5.5. Судя по демо роликам инженеры из Moonshot знатно подистиллировали. Все тесты буду делать завтра, а сегодня перед сном полистаю бенчмарки и твиттер: https://www.kimi.ai/blog/kimi-k3-1-pro Кстати, сегодня перешёл на стодолларовую подписку на kimi.ai на слухах о выходе. Кто уже затестил? Делитесь результатами в комментариях. ---- Поляков считает — AI, код и кейсы

#ReDigest Продолжаем субботнюю рубрику, тут я кратко рассказываю про новости из мира технологий и AI, которые привлекли мое внимание. Дайджест недели: - Неделя тяжелых уязвимостей. В PHP, на котором работает большая часть сайтов, с помощью AI нашли две дыры, через которые сервер захватывают без пароля. В GitLab дыра на 10 из 10 во всех версиях с 2014 года. А LiteLLM два часа раздавала троян, крадущий ключи; и другие сюжеты. - Anthropic запустила Claude Duet: фоновый проактивный агент, пишет сам когда нужно внимание. Позаботлись о безопасности. Waitlist. - Anthropic передаст 5% акций в фонд общественной пользы: деньги пойдут НКО и людям, чью работу забрал AI. - OpenAI продлила кэш промптов в API до 12 часов, а в Codex и Work, по словам главы Codex, кэш хранится бессрочно. - В Google Cloud появился Claude под управлением самой Anthropic, а скоро добавят модели OpenAI и Codex. - В ChatGPT любой чат теперь можно закрыть PIN-кодом или биометрией. - OpenAI рассказала, как строила рекламу в ChatGPT на LLM-оркестраторе. - Лабы берут посредников под контроль: OpenAI с 20 ноября пускает роутеры и AI-шлюзы только после одобрения, а Anthropic ввела профили конечных клиентов, чтобы наказывать одного клиента, а не весь акк. - OpenAI выложила MultiLangBench: GPT-6 Astra с нуля пишет SQLite-совместимую СУБД на 20 языках, включая COBOL. - Крупные банки США ограничивают AI-агентов в онлайн-банкинге: агенты клиентов иногда действуют без команды. - Microsoft предлагает считать AI-агентов инсайдерской угрозой. - США запретили DeepSeek в гражданских федеральных ведомствах. - Anthropic передала стандарт Agent Skills в Agentic AI Foundation, вместе с ним фонд принял Open Responses от OpenAI и OpenEnv от Hugging Face. - Anthropic вкатывается в тренд формальной верификации: Claude математически доказывает надежность кода открытых библиотек. - Рынок засомневался в стройке AI-дата-центров: крупнейший арендодатель GPU CoreWeave за неделю подешевел на четверть. - Arc - всё, перестанет работать 22 декабря (я на нем, посоветуйте альтернативу). Блок с релизами моделей (раскрывается):

- Moonshot выпустила Kimi K3.1 Pro: говорят почти догоняет Opus 5.5 в кодинге. - MiniMax выпустила M3.1 Flash и открыла веса: втрое быстрее и на 70% дешевле M3. - Recursive выложила открытую Flint для локального агентного кодинга. - Cloudflare показала Clairic: модель за один проход извлекает факты в JSON без генерации токенов, веса обещают открыть. - MemTensor выложила MemT-1.0 с памятью внутри модели: заяляют в 66 раз меньше места, чем KV-кэш. - Block показала Dessa: разговорная модель, обученная только на живой речи без текста. Слушает и говорит одновременно и работает локально. - ElevenLabs выпустила speech-to-speech Eleven Realtime на 90+ языков, а Mistral представила Voxtral 3. - Ideogram выпустила Vector 1, модель для редактируемых SVG и переводит растр в вектор.

- DeepSeek открыла DeepInfer, движок своего инференса. - Google открыла Harness2: агент сам переписывает промпт, инструменты и скиллы своей обвязки без эталонных ответов. - Anthropic советует сворачивать субагентов и сложную оркестрацию в одного агента со скиллами. - HumanLayer открыли код под Apache 2.0: среда для команды людей и флота Claude Code и Codex. - whatsapp-mcp: агент ищет и делает сводки по твоим чатам WhatsApp, только чтение, живет в твоем Cloudflare. - Vercel выложила durable-harness: Claude Code, Codex и OpenCode переживают падения и продолжают ход с того же места. - 👍 Antirion: AI-гейтвей на Rust одним бинарником, альтернатива LiteLLM с фолбэками и бюджетами на команду. - 😍 colorfigures: Claude-скилл рисует интерактивные схемы бытовых вещей и объясняет, как они устроены. - 🔥 Claude поддержал MCP Tasks и Elicitations (наконец). - 🤩 Motion2Code: скилл пересобирает моушн-видео в редактируемую анимацию на SVG и GSAP, сверяя покадрово.

Moonshot AI выпустили Kimi K3.1 Pro: новая модель на некоторых бенчмарках оказалась круче Opus 5.5 и GPT-6 Astra. K3.1 Pro обошла всех в Humanity’s Last Exam, а Terminal-Bench 4.0 сравнялась с Opus 5.5. Отлично пишет код, справляется с агентскими задачами и повседневной рутиной. Контекст — 1 млн токенов. Уже можно тестить в веб-версии и Kimi Code. В ноябре выложат веса в опенсорс.