Инженерная ИИ-шница

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.

Мем: в Швеции перенесли релиз телешоу из-за ИИ-агента. Тот удалил весь сезон с сервера за месяц до премьеры. Восстановить файлы не удалось — пропали сотни дней работы. Канал сослался на «технический сбой» и перенес релиз на 2027 год. Исходники остались, но все придется монтировать заново. Лучше всего историю прокомментировал ведущий программы:

Знаете, иногда приходится смириться с тем, что ты живешь в чертовом ситкоме

Лучше не скажешь.

Новая статья на Хабре! В этой короткой статье-заметке я описала опыт моей коллеги по взаимодействию с ИИ в области создания СВЧ устройств в популярных программах.

Впечатления от Gemini 4 Argon Google сегодня сняла ограничения на использование Gemini 4 Argon на 20-долларовой подписке Pro: если в первые дни новинка была доступна только в чат-боте, то теперь ей можно пользоваться и в Antigravity – аналоге Claude Code и Codex. Я много гонял Argon в последние дни, вот впечатления: 🔹 Это действительно большая и умная модель на уровне конкурентов. Я в прошлые выходные с помощью GPT-6 Pro разбирал 700 научных математических работ (рассказ здесь), взял пару промптов из того разбора, закинул в Argon на максимальном уровне рассуждений, а затем попросил Fable 5.1 сравнить результаты. Вердикт Claude – модель Google лишь немного уступила GPT-6 Pro по глубине разбора, при этом дала очень понятный текст. 🔹 Как и все Gemini, Argon очень хорошо пишет на русском языке. Это идеальная модель для диалогов и чтобы узнавать что-то новое: подача понятная, плюс Argon умеет писать увлекательно. Нравится, что модель использует визуал в ответах: добавляет картинки, на лету кодит графики и диаграммы. 🔹 К Gemini 3 Pro у меня были две претензии: она отвратительно искала в интернете и часто галлюцинировала. У Argon поиск приемлемый – хуже, чем у GPT и Claude, но работать можно. На галлюцинациях модель я не ловил и не вижу, чтобы на это жаловались другие. 🔹 На уровне рассуждений Medium модель отвечает очень быстро, субъективно – быстрее GPT-6 Astra и Opus 5.5. 🔹 Мне не понравилось, как Argon делает фронтенд. Вроде аккуратно и почти без ошибок, но модель постоянно стремится нагородить максимум элементов интерфейса – будто ее обучали на сайтах из нулевых. Вот демо популярных дизайнов от Argon А вот та же задача, выполненная GPT-6 Astra Подозреваю, что фронт можно улучшить промптами или скиллом, но пока гарантированного варианта не нашел. 🔹 Традиционно у моделей Gemini мягкая цензура. Совсем откровенные штуки фильтры отсекают, но срабатывают позже, чем у Claude и GPT. 🔹 Зато жестят региональные фильтры. Я установил Antigravity на свой виртуальный сервер в Нидерландах – и получил сообщение, что с моего IP модели Google недоступны. Пришлось с помощью GPT-6 разворачивать кое-какие средства смены IP-адреса специально для Antigravity. 🔹 Лимиты Pro-подписки Argon сжигает нещадно: в веб-версии 5-часовое окно заполняется буквально за пару серьезных задач. У Antigravity свой лимит и он скромный: я сегодня за утро экспериментов сжег 40% недельной квоты на Gemini 4 Arogn. Тибо Демис, пора делать сброс! 🔹 Напоминаю маленький трюк: Pro-подписка за 20 долларов безо всякой доплаты до сих пор позволяет добавить до 5 пользователей в семью, каждый – со своими лимитами в веб-версии (но не Antigravity, как я понял). Еще value добавляет Google Drive на 2 терабайта. Есть ощущение, что у Google наконец-то получилось сделать модель на уровне топовых Claude и GPT, пусть и со своими плюсами и минусами. Однако в конце 2026-го только этого уже мало. Во-первых, теперь важно удержаться в гонке: лидеры обновляют модели примерно раз в два месяца. Есть инсайды, что внутри Google уже испытывается новая версия Argon, да и Gemini Flash компания обновляла очень быстро. Во-вторых, не менее важен харнесс. Веб-версия и приложения Gemini выглядят очень сильно оставшими на фоне Claude и ChatGPT: да, в них добавили скиллы и агентские функции, но в более простом виде и с традиционно для Google запутанным интерфейсом. К Antigravity у меня пока без претензий – я поставил на сревер версию для командной строки, работаю с ней через оболочку bb, которую использую и для Codex и Claude Code, поэтому все три агента выглядят для меня примерно одинаково. Но в целом у меня впервые за почти год появилось желание экспериментировать с моделью Google и отдавать ей часть задач. Как он будет дальше – зависит от того, наведет ли компания порядок в подписках и интерфейсах. — Как выжимать из ИИ максимум, я рассказываю на “Бусти”. В подписке 30+ полезных лонгридов, среди них: 👉 Разворачиваем Claude Code и Codex на VPS 👉 Промпты в 2026 году: что работает, что нет и зачем вообще стараться

Интересный канал от наших коллег осваивающих агентское содействие в инженерной работе :)

Привет. Меня зовут Антон, я инженер инфраструктуры. Последний год почти всё рабочее время уходит на ИИ-агентов: Claude Code, автономные задачи по cron, n8n, self-hosted сервисы на дешёвых VPS с 2-4 ГБ памяти. Здесь пишу, что из этого реально работает, что ломается ночью, пока никто не смотрит, и сколько это стоит в деньгах и часах. Без пресс-релизов и без «революций». Если инструмент оказался хуже, чем обещали, так и напишу. Темы: агенты и их обвязка, Linux и self-hosting, n8n и автоматизация, релизы, которые имеет смысл попробовать, и разборы чужих инцидентов. Вопросы и свои кейсы - в комментарии, чат под каждым постом открыт. Друзья канала: Инженерная ИИ-шница

Claude Code молча стирает логи сессий через 30 дней Если в ~/.claude/settings.json нет ключа cleanupPeriodDays, вы сидите на умолчании, и каждые 30 дней старые расшифровки сессий удаляются. Чистка идёт в фоне после старта сессии и ничего не сообщает, поэтому старая сессия просто исчезает из /resume. Исключение одно: с версии 2.1.248 сессии из Claude Desktop и Cowork хранятся при любом возрасте. Лечится одной строкой: { "cleanupPeriodDays": 3650 }, это около десяти лет. Автор разбора поставил такое значение, и у него на диске лежат 1 324 файла старше 31 дня, которые при умолчании ушли бы в чистку. Подвох в том, что уже удалённое настройка не вернёт. Папки проектов у автора заведены с января, а расшифровки начинаются только с 5 мая. Храните десять лет истории или ставите потолок в 365 дней, чтобы диск не разрастался? #ClaudeNews Источник: promtime.net

Хватит поправлять Claude словами. Откатите сессию, это бесплатно Знакомая ситуация: Claude тронул файл, который трогать не надо. Вы пишете "верни как было", он извиняется, переделывает, и все это остается в истории разговора. Ошибка и ее исправление занимают контекст, плохая версия файла продолжает влиять на все, что дальше. Вы заплатили токены, чтобы сделать сессию хуже. 🪼 В Claude Code, в том числе и в Claude Desktop, для этого есть команда /rewind. В терминальной версии меню также открывается двойным Esc при пустой строке ввода. Выбираете запрос перед ошибкой и нужное действие: 🪼 Restore code and conversation - откатить и файлы, и разговор 🪼 Restore conversation - откатить разговор, файлы не трогать 🪼 Restore code - вернуть файлы, разговор оставить 🪼 Summarize from here - сжать разговор с этой точки 🪼 Summarize up to here - сжать все до этой точки Что откатывается, а что нет: • Правки, которые Claude сделал своими инструментами редактирования - да • Файлы, которые Claude удалил или переместил через терминал - нет, они не вернутся • Ваши правки в редакторе и параллельные агенты - нет, поэтому после отката проверьте файлы. Чем отличается от соседних команд: /clear - очищает разговор, файлы не трогает /compact - сжимает разговор, файлы не трогает /branch - создает новую сессию из разговора, файлы не откатывает Только /rewind может вернуть правки в файлах. 🪼 Откатиться можно к любому из 100 последних сообщений в сессии. Через 30 дней эти сохраненные версии файлов удаляются. Порядок действий: заметили ошибку → откройте /rewind → выберите запрос перед ошибкой → Restore code and conversation → проверьте файлы → перепишите запрос с тем правилом, которого не хватало. НО! Это не замена git. Это быстрый откат внутри сессии. 🪼 Документация @NeuralProfit

❗️За оскорбления Claude будут банить Anthropic ввела новое правило, которое запрещает оскорблять нейросеть. Изменения вступят в силу 12 ноября.

Игрок RomaPro227 собрал прямо в Factorio языковую модель на 6,4 млн параметров без модов и сторонних скриптов. Конструкция насчитывает около 105 тыс. комбинаторов и 200 тыс. проводов, а ответы выводятся на табло из 8 тыс. ламп. В основе лежит трансформер с 8 слоями, 8 головами внимания и контекстным окном на 256 символов. Комбинаторы выполняют математические операции, причём пара из арифметического и постоянного комбинаторов образует нейрон с 256 или 1024 входами. Веса модели хранятся в постоянных комбинаторах, а числовые векторы передаются по проводам. Вопросы на английском языке приходится вводить вручную, по одному символу в ряду комбинаторов. При 60 обновлениях игры в секунду модель выдаёт примерно один символ за 7 секунд. Генерация текста из 100 символов занимает почти 12 минут без учёта обработки входных данных. При такой скорости нейросеть всё же умеет отвечать на вопросы о Factorio, сочинять короткие истории и шутить, хотя иногда ошибается и повторяется. Автор опубликовал на GitHub сохранение мира с нейросетью, её веса и инструкцию по запуску. Там же доступна Python-версия модели, которую можно запустить за пределами игры. Для работы самой конструкции нужны Factorio 2.0 и дополнение Space Age.

Все хвалят bb – ну и я похвалю Второй день вижу в русскоязычном ИИ-сегменте похвалы в сторону bb, а ведь сам я этой штукой пользуюсь почти месяц – и ничего не написал. Надо срочно исправить. Если коротко, то bb – это open source оболочка для ИИ-агентов, работающих в командной строке. Выглядит похоже на ChatGPT, позволяет оркестрировать агентов, удобно управлять их проектами, на лету передавать задачи между разными моделями и т. д. Если длинно, то моя история началась весной, когда я решил переселить Claude Code и Codex на отдельный виртуальный сервер. Причин было несколько, главная в том, что мой основной рабочий инструмент – корпоративный ноутбук, на который установка софта от OpenAI и Anthropic запрещена.  Есть еще игровой ПК, но на нем я обычно экспериментирую с открытыми моделями и смотрю, что нового появилось в десктопных Codex и Claude Code. На ноутбуке же в основном работаю с браузерными ChatGPT Work и Claude Cowork, а когда нужен агент посерьезнее – подключаюсь к серверу. И еще один момент – мне очень понравилась идея выделить агентам свое место. Некоторые покупают для таких целей Mac mini, но на самом деле даже на VPS с двумя ядрами и 4 ГБ памяти Claude Code и Codex смогли обустроить небольшой “домик” с автоматизациями, необходимыми для работы файлами и кодом. Кстати, за полгода агенты ни разу ничего серьезно не сломали. Проблема только в том, что работать со всем этим приходится через командную строку – по сути, нейросетью XXI века ты управляешь из эпохи MS-DOS. Для простых команд нормально, но скопировать текст, переслать файл, посмотреть архив переписок – проблема. А если ноутбук выключить, то соединение рвется и приходится все восстанавливать. Сначала я решил вопрос комбинацией tmux + termius – это все еще терминал, но более продвинутый и не прерывающийся при отключении. Плюс Codex собрал для меня что-то вроде панели управления, где можно просто загружать и скачивать файлы, читать и редактировать черновики текстов, следить за состоянием сервера и делать другие штуки. bb – следующий этап. По сути, оболочка поверх установленных на сервере агентов. Подключаешься через браузер, а интерфейс понятен любому, кто хоть немного работал в ChatGPT. В левой колонке сразу видны проекты: папки, которые агенты создают под разные задачи. И что особенно удобно – для каждого проекта видны все чаты, которые к нему относятся. В командной строке работа со старыми чатами для меня была отдельной болью. В bb очень удобно управлять несколькими агентами. Прямо в чате можно запустить субагентов, если задача бьется на части – или, работая, например, в Claude, призвать агента на Codex для непредвзятой проверки или консультаций. Появилась побочная задача? Просто командуем запустить ее в другом чате – и агент начинает работать параллельно. В эпоху терминала мне пришлось создавать сложную “почтовую систему” между Claude Code и Codex, сейчас же это делается буквально на лету. Так как bb открытый проект, то функционал расширяется плагинами – можно качать готовые или дать задачу агенту написать собственный. Я, например, установил редактор md-файлов, так как много работаю с текстами, а прямо сейчас мой коллектив агентов мучительно пытается выдать плагин для точки – нового ИИ-ассистента OpenAI – чтобы он тоже мог подключаться к серверу и кодить с помощью Opus 5.5 в награду за хорошее поведение. Стоит сделать скидку, что проект открытый, некоммерческий и молодой – ошибки встречаются, но правят их быстро. Зато вокруг bb уже сформировалось отличное сообщество – им пользуется даже Тоби Лютке, CEO Shopify. Вообще, рано или поздно мы придем к концепции “одного окна”, когда у тебя будет просто бесконечный чат с ИИ, из которого модель сама будет вытаскивать задачи и организовывать их. Собственно, в эту сторону двигаются dots от OpenAI и другие похожие ассистенты. Но до идеальной реализации такого подхода еще минимум год, так что пока bb выглядит интересным вариантом работы с агентами. —  Подробно о том, как обустроен “быт” ИИ-агентов на VPS-сервере, я рассказывал в большом лонгриде. Кстати, глава про установку и настройку bb там теперь тоже

AI маскирует некомпетентность Про хорошее в ЭйАй сказано уже много, но сегодня про побочки, которые приехали вместе с тем, что порог входа снижается и в этот марафон затягивает всё больше людей. На неделях, чтобы качнуть скорее направления, заказывал аудиты сразу у двух подрядчиков, а перед этим сам погонял каждую задачу через все нейронки, что подключены. И вот оба приносят работу, я открываю, а у меня внутри уже на автомате: стоп, где-то я это видел, причём у себя же. Пошёл проверять в три слоя: сам на логику, своей нейронкой и через наших технических экспертов (ускорился, называется). По итогу один аудит оказался переупакованной нейронкой, а второй тоже был сделан с ней, только грамотно: пилотировал её человек, который понимает предмет. Скепсиса к работе через нейронки у меня нет совсем, но, как и любой инструмент, она множитель, а множить можно как умность, так и тупость. И думаю, многие уже поймали у себя этот дополнительный этап валидации «а не кормят ли меня AI-фастфудом». Страх справедливый, ведь на рынке уже есть те, кто вообще не думает, а работает на заказ методом ctrl+c, ctrl+v в нейронку и обратно. Сигнал сломался Годами хорошая работа сама была пропуском: принёс человек связный аудит, где всё сходится и ничего не торчит, значит, голова у него варит. «Чистый лист» — отличный фильтр для ума. Сейчас любой любое может собрать за вечер, и о том, кто его принёс, документ не говорит ровным счётом ничего. Раньше слабое отсеивалось само, ещё на уровне документа, и до моего разбора доходили единицы, а теперь доходят все. Ну и выходит, что экспертизу подрядчика проверяет моя же экспертиза, причём ровно в той области, за которой я к нему и пришёл, и хорошо, если под рукой есть свои технические эксперты. Пол поднялся, потолок остался Со множителем тут есть подвох: тупость нейронка умножает в гладкую уверенную четвёрку, поэтому снаружи её и не видно. Сильный как делал на пятёрку, так и делает, только быстрее. Разница между ними никуда не делась, но на бумаге сжалась до одного балла и стала похожа на вкусовщину. Больнее всего от этого сильным, ведь их отрыв снаружи больше не виден и платить им начинают как средним, ну а заказчик без своей экспертизы спокойно берёт четвёрку по цене пятёрки. В найме «чистым листом» годами были тестовое и сопроводительное. Сейчас их, как и ответы на собеседовании, делают с чатом в соседнем окне, и первый этап отбора почти перестал фильтровать. Что пока работает С подрядчиками выручил прогон, сделанный до них, так что теперь это правило: сначала гоняю задачу сам и плачу только за то, что окажется поверх. Выходит дольше, зато сразу видно, не принесли ли мне мою же четвёрку в другой обёртке. С наймом так не выходит: тестовое слишком маленькое, чтобы разглядеть на нём разницу между четвёркой и пятёркой, а настоящие задачи человек будет решать уже после найма. Поэтому роль тестовых задач и проектов размылась, и теперь мы всё больше челленджим на предмет того, как человек может объяснить логику своих рассуждений. А вы как сейчас отличаете сильного от того, кого просто хорошо прикрыла нейронка? Константин Сухачев

Отучаем ИИ-агентов говорить «готово», когда ничего не работает: нашли бесплатный курс по харнессам для Claude Code, Codex и других агентов. Объясняют, как настроить инструкции и проверки в проекте, чтобы агент не бросал задачу на полпути. Вместе с лекциями дают практические задачи. Есть перевод на русский. В Anthropic проверяли: одна и та же модель без «обвязки» за 20 минут собрала нерабочий конструктор игр, а с ней за 6 часов — полностью рабочий. Прокачиваем вайбкодинг по ссылке.

Есть мнение: GPT-1, прожил 248 дней GPT-2, прожил 469 дней GPT-3, прожил 916 дней GPT-3.5, прожил 104 дня GPT-4, прожил 237 дней GPT-4 Turbo, прожил 189 дней GPT-4o, прожил 290 дней GPT-4.5, прожил 46 дней GPT-4.1, прожил 115 дней GPT-5, прожил 97 дней GPT-5.1, прожил 29 дней GPT-5.2, прожил 84 дня GPT-5.4, прожил 49 дней GPT-5.5, прожил 77 дней GPT-5.6, прожил 56 дней GPT-6 Astra, прожил 19 дней GPT-6 Sol, прожил 7 дней GPT-6.1 Sol, только родился 2 дня К чему мы идем? @CGIT_Vines _______ Источник | #CGIT_Vines @F_S_C_P ▪️Генерируй картинки и видео в Mini App: Flux + Veo 3 + Wan 2.2 + MidJourney v7 + другие