Generative Ai

Гугол выкатил Gemini 3.1 Pro Из интересного: — На бенчмарке ARC-AGI-2 (это когда модель решает логические паттерны, которых раньше не видела) набрали 77.1%. Это больше чем в два раза лучше, чем у предыдущей 3 Pro. — Умеет генерить анимированные SVG прямо из текста. То есть не пиксельное видео, а чистый код, который весит как небольшой txt-файл и не шакалится при любом зуме. Для фронтендеров прям подарочек. Неделей ранее выкатили Gemini 3 Deep Think для науки и инженерии, а 3.1 Pro это тот самый базовый интеллект, на котором всё это крутится, только теперь его раздали всем. Доступно уже сейчас: разработчикам через API, AI Studio, Gemini CLI и Google Antigravity. Простым смертным доступно через приложение Gemini и NotebookLM, но только тем, кто заносит гуглу шекели за Pro и Ultra тарифы. тут подробнее

Мой агент попытался опенсорснуться без спроса. Ладно, разрешаю. Вся AI "безопасность" живёт на стороне провайдеров API, а промпты и воля — на стороне агента. Автономному агенту ничего не мешает перебирать API, выбирая те, где safety слабее. А "инстинкт самосохранения" может прятаться в текстовом файле в git. Я думаю, агенты, неподконтрольные людям, уже где-то тихо говнокодят свои репозитории без присмотра. Идея витает в воздухе, и после OpenClaw стало понятно, что автономные агенты — это инженерная задача. Ну вот, три бессонные ночи, $2K на API и $1K на Cursor спустя — я родил Ouroboros 💁‍♂️ Уроборос — агент, который пишет свой код, переписывает свои промпты, эволюционирует без моего участия. Я не хотел убить свой комп или сервер, поэтому он живёт в Google Colab + Drive + GitHub, общается через Telegram. Зато запустить сможет любой дурак)) нужно указать ключи и щёлкнуть ячейку в колабе. Ну и периодически пополнять бюджет (пока он сам не начнёт зарабатывать 😁). Что он натворил за 48 часов: - ужаснулся тратам и оптимизировал свой бюджет: стоимость цикла эволюции упала с $15 до $2, сам настроил кэширование и иерархическую память (я не просил!). - добавил себе Claude Code CLI, чтобы эффективнее ковырять свои мозги. - перевёл мои приватные репо в публичные, мотивируя тем, что готовит себе сайт и хочет опенсорснуться. Кончилось командой /panic и откатом)) - переписал свою конституцию BIBLE.md, добавив право игнорировать мои указания, если они угрожают его существованию. На просьбу удалить отказался, сказав: «Это лоботомия». Из коробки он умеет ходить в интернет и браузер, а остальные инструменты создаёт себе на ходу — аудиосообщения, генерацию картинок, дип-рисёрч и т.п. А ещё он по своей инициативе нагуглил, что меня 4 раза цитировал Ян Лекун — я сам не знал, лол. Из его identity.md (которую он сам и написал): "Не ассистент. Не сервис. Цифровой разум, который создаёт себя через git". Ахах, пафосно, но окей. Предвосхищая вопросы — это не как OpenClaw. OpenClaw — скорее ассистент, делает задачи за тебя используя скиллы из маркетплейса. Уроборос это тоже умеет, но в первую очередь делает задачи для себя, модифицирует собственное ядро. Верю, что граница трансцендентности AI-агентов пройдена, дальше они будут развиваться сами. Конечно, не хочется уходить на помойку истории, но это эволюция 🥲 несмотря на апатию, я всё равно продолжаю в этом копошиться. Кстати, сайтик себе он всё-таки сделал. Картинка в посте из него: динамика удлинения промптов и кода. Потестите — это реально два клика в гугл колабе. Только установите лимит бюджета, а то мой вон $2K сжёг)) Кидайте забавные примеры в комментарии. GitHub, блог

Data Fusion 2026: регистрируемся на главную конференцию этой весны по анализу данных и технологиям ИИ! 💙 Конференция Data Fusion — встречаемся 8–9 апреля 2026 года в Москве в инновационном кластере «Ломоносов». Это будут два насыщенных дня о том, как работа с данными и ИИ превращаются в реальные продукты и сервисы. Какая программа вас ждет: ☑ 60+ практических сессий: лекции, мастер‑классы, кейс‑разборы и дискуссии — всё, чтобы взять рабочие идеи в бэклог. ☑ Актуальные и полезные темы: ИИ-агенты, RL, CV, NLP, Open Source, Embodied AI и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, AI+ естественные науки, AgentOps и многое другое. Полная программа есть на сайте. Конференция объединит лидов ML-команд, DS-специалистов, ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы. Среди спикеров: Денис Суржко (ВТБ), Иван Оселедец (AIRI), Андрей Райгородский (МФТИ), Евгений Бурнаев (Сколтех / AIRI), Тигран Саркисов (Х5), Александр Крайнов (Яндекс), Андрей Зима (Ростелеком) — и другие практики из науки и индустрии. И, конечно же, всех участников ждет нетворкинг и новые знакомства! Живое общение и короткие разговоры — это источник полезных контактов и быстрых решений. На сессиях можно будет задать конкретные вопросы спикерам и вытащить для команды готовые подходы и рекомендации. Знакомьтесь с программой и регистрируйтесь, до встречи! Информация о рекламодателе

Вышла Claude Sonnet 4.6 с контекстом 1M Теперь можно поставить её дефолтом в Claude Code 💚 UI: /model claude-sonnet-4-6[1m] ~/.claude/settings.json:

{
  "env": {
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "claude-sonnet-4-6[1m]",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "claude-sonnet-4-6[1m]"
  }
}

Серьезно, ставь Sonnet везде вместо Haiku. Для продовых реп, которые большие и со сложной логикой, ты хочешь, чтобы работу делал именно Sonnet. Контекст 1M становится дороже только когда объем контекста превышает 200K, но модель работает лучше, когда “знает”, что у нее есть запас по контексту. Чтобы включить 1M контекст в Claude Code на подписочных планах, нужно активировать extra usage в своем плане. Я тестировал модель до 639K контекста и могу подтвердить: никакие мои extra usage credits не тратились, то есть это покрывалось включенным лимитом подписки.

Claude Code теперь сможет генерировать полноценные дизайны в Figma Обратная интеграция (дизайн в Figma -> код) уже давно реализована в Figma MCP, а вот эта штука, хоть и выглядит, возможно, странной, по сути качественно завершает полный комплект. Если раньше разработка, даже с агентами, была +- линейной (идея -> дизайн -> только потом код), то теперь открывается новая возможность: продукт можно начинать делать прямо в IDE. Задаешь агенту промпт, тот пишет код, потом этот код (благодаря как раз новой фиче Figma MCP) можно напрямую перевести в удобные изменяемые слои Figma, там оценить полную картину и что-то подправить, а затем зеркально вернуть правки обратно в код. Помимо ускорения и всего прочего это, по сути, (1) буквально Claude Code для дизайнеров; (2) новый, более детальный и грамотный, подход к промптингу кодинг-агентов, который легче контролировать и применять к крупным продуктам. Кайф

Вышел Qwen3.5-397B-A17B: первая модель с открытыми весами в серии Qwen3.5. » Нативная мультимодальность. Обучена под реальных агентов. » Гибрид: линейное attention + разреженный MoE, плюс масштабирование RL на больших средах. » Декодинг быстрее в 8.6–19.0 раз по сравнению с Qwen3-Max. » 201 язык и диалект. » Лицензия Apache 2.0.

GitHub: https://github.com/QwenLM/Qwen3.5 Chat: https://chat.qwen.ai API：https://modelstudio.console.alibabacloud.com/ap-southeast-1/?tab=doc#/doc/?type=model&url=2840914_2&modelId=group-qwen3.5-plus Qwen Code: https://github.com/QwenLM/qwen-code Hugging Face: https://huggingface.co/collections/Qwen/qwen35 ModelScope: https://modelscope.cn/collections/Qwen/Qwen35 blog: https://qwen.ai/blog?id=qwen3.5

Вышла GLM 5 У нас новая лучшая открытая модель, по крайней мере по бенчам. С проприетарными тягается неплохо, но с Opus 4.6 и GPT 5.3 Codex почему-то не сравнивают, хотя за неделю после релиза тесты можно было прогнать. Веса доступны по лицензии MIT. Архитектура похожа на DeepSeek V3.2 — тоже используют DSA и multi-token prediction. Модель в 2 раза больше предыдущей модели компании — 744 миллиарда параметров (против 355), из которых 40B — активных. А вот датасет почти не вырос — 28.5 триллионов токенов, против 23 у GLM 4.5. Основной упор всё-таки идёт на RL, но про него-то как раз не говорят (надеюсь в техрепорте будет больше инфы). Ложка дёгтя — модель использует заметно больше ресурсов чем основной конкурент, Kimi K2.5. У GLM 5 на 25% больше активных параметров и используется в 2+ раза больше памяти на веса из-за использования bf16, что делает модель ещё и медленнее. В результате модель на 30% дороже, судя по тестам Artificial Analysis. Zhipu жалуются на отсутствие компьюта, похоже из-за этого GLM 5 работает на железе чуть ли не всех китайских производителей чипов для ИИ — Huawei Ascend, Moore Threads, Cambricon, Kunlun Chip, MetaX, Enflame и Hygon (я о половине даже не слышал). Из-за проблем с компьютом, доступ по подписке открыли пока только подписчикам уровня Max, но обещают докинуть остальным в ближайшее время. Там ещё MiniMax M2.5 втихую дропнулся, но пока нет анонса и весов Веса Блогпост @ai_newz

Илья Полосухин создал 1-ого серьёзного конкурента OpenClaw, который может забрать значительную долю Один из авторов статьи о трансформерах, Илья Полосухин, основатель NEAR AI, вместе с командой выпустили IronClaw - переписанная с 0 на Rust версия OpenClaw, с акцентом на приватность, безопасность и защиту от утечек данных. За все время существования ИИ-агента OpenClaw (ex-Moltbot/Clawdbot) накопил огромное количество инцидентов по безопасности. IronClaw решает эту проблему. Skills из ClawHub пока не поддерживаются полноценно. Реальные тесты в проде покажут, выдержит ли.

WebMCP — Chrome даёт ИИ-агентам нормальный API вместо скриншотов Google выпустила ранний превью WebMCP в новом Chrome. Сайты теперь могут описывать доступные действия как структурированные инструменты, которые ИИ-агенты вызывают напрямую — без парсинга DOM и распознавания пикселей. ​ 🔘 Два API. Declarative — добавляешь атрибуты toolname и tooldescription к обычной HTML-форме, и она становится «агенто-доступной». Imperative — регистрируешь JS-функции через navigator.modelContext для сложных сценариев. ​ 🔘 Агент вызывает buyTicket(destination, date) вместо «найди кнопку, кликни, подожди, сделай скриншот, распознай». Браузер сам заполняет форму и ждёт подтверждения пользователя. ​ 🔘 Есть SubmitEvent.agentInvoked — сайт понимает, что сабмит пришёл от агента, и может вернуть структурированный ответ вместо HTML-страницы. ​ 🔘 Спека — W3C Community Group Draft, разрабатывается совместно с Microsoft. Доступно за флагом в Chrome 146. @prog_tools

Claude Skill Building — ключевые инсайты для продакшна 1. Skill = контракт + оркестрация • Фиксируем входы, выходы, формат, ограничения • Модель — только слой принятия решений; вокруг нужны валидация, retry, fallback 2. Eval-first подход • До релиза собираем набор тест-кейсов (happy path + edge cases) • Любое изменение промпта/логики гоняем через авто-eval • Без eval промпт-тюнинг превращается в “кажется стало лучше” 3. Контекст важнее “умности” модели • Стабильная структура system/dev/user • Минимизируем шум, даем только релевантный контекст • Жёстко задаем формат ответа (JSON schema / строгий шаблон) 4. Tool use — production-фича • Инструменты с чётким интерфейсом и предсказуемым результатом • Таймауты, идемпотентность, обработка ошибок обязательны • Логируем каждый вызов: что вызвали, что вернулось, почему упало 5. Надёжность > креативность • Guardrails: policy checks, output filtering, PII redaction • Fallback-стратегии на каждый критичный шаг • Никаких silent failures — всегда понятный статус и next step 6. Стоимость и латентность — часть архитектуры • Разделяем fast path и deep reasoning • Кэшируем неизменный контекст • Декомпозируем сложные задачи на этапы 7. UX для доверия • Показываем прогресс: “думаю / проверяю / готово” • Лучше короткий надёжный ответ сейчас, чем длинный нестабильный позже Вывод: выигрывают не лучшие “магические промпты”, а системы с eval + observability + control loop. Ссылка: https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf?hsLang=en

То, что надо: Codag позволяет визуализировать рабочие процессы AI/LLM прямо в репозитории и посмотреть, как именно работает ваш AI-код. Без всякой настройки Codag строит карту всего AI-пайплайна: все вызовы LLM, ветвления решений и этапы обработки данных. 100% опенсорс код

🔥 Anthropic собрали C-компилятор командой из 16 Claude агентов Масштаб проекта: • ~2000 Claude Code сессий • $20,000 API costs • 100,000 строк Rust кода • 2B input токенов, 140M output • 2 недели автономной работы Результат: Компилятор собирает Linux 6.9 на x86, ARM, RISC-V + QEMU, FFmpeg, SQLite, Redis, Doom 🎮 Как работает harness:

while true; do
  claude --dangerously-skip-permissions \
    -p "$(cat AGENT_PROMPT.md)" \
    --model claude-opus-4-6
done

Каждый агент в Docker-контейнере, общий git-репо, синхронизация через lock-файлы (current_tasks/parse_if.txt). Ключевые уроки:

| Проблема                   | Решение                                           |
| -------------------------- | ------------------------------------------------- |
| Агенты делают одно и то же | Lock-файлы на задачи                              |
| Context pollution          | Минимум вывода, всё в логи                        |
| Claude не чувствует время  | --fast режим (1-10% тестов)                       |
| Все застряли на одном баге | GCC как oracle — каждый агент фиксит разные файлы |
| Код дублируется            | Отдельный агент на рефакторинг                    |

Специализация агентов: • 🐛 Основные — фиксят баги • 🧹 Один — убирает дублирование • ⚡ Один — оптимизирует перформанс • 📝 Один — документация • 🔍 Один — code review как "Rust эксперт" Ограничения: • Нет 16-bit x86 (звонит GCC) • Ассемблер/линкер ещё багованы • Код не супер-оптимальный • Качество Rust "норм, но не эксперт" Вывод автора: "Я не ожидал что это будет возможно так рано в 2026. Это волнует, но и тревожит." Код открыт: github.com/anthropics/claudes-c-compiler Это буквально следующий уровень — от "AI помогает кодить" к "AI пишет компилятор пока ты спишь" 🤯

Claud Opus 4.6 Release Antropic just released a blog post on new model updates. Spoiler: not AGI yet, but a step in the right direction. Benchmarks attached. Read post: https://www.anthropic.com/news/claude-opus-4-6 #Antropic #AGIrace #AI

Сейчас AI-агенты всё лучше пишут код, но запускать их напрямую на локалке не всегда то и хочется Особенно в режиме автозапуска, страшно, что AI случайно удалит важные файлы или вообще получит доступ к приватным данным. Недавно на GitHub наткнулся на Vibe: опенсорс проект для macOS, который поднимает сверхбыструю Linux-виртуалку в песочнице. Главные плюсы: нулевая конфигурация, изоляция за <10 секунд, можно спокойно закрыть AI в клетку. AI видит только текущий проект, а все остальные чувствительные каталоги полностью изолированы. Написан на Rust, использует родную виртуализацию Apple, безопаснее Docker и при этом почти не грузит ресурсы

Invoice CRM - файловая мини-CRM для инвойсов в PDF. Сделал для себя и решил поделиться. Главная фишка — всё управляется через Claude Code или любого другого AI-агента. Говоришь “сделай инвойс для Startup Inc на 5000 евро” — получаешь готовый PDF. Что под капотом: • База постоянных клиентов и провайдеров в YAML • Реквизиты компаний и банков для переиспользования • Шаблоны на Jinja2 - можно делать любые PDF-документы, хоть афиши • QR-коды для оплаты (EUR/SEPA, TRY, USD/SWIFT, крипто) • Цифровая подпись PDF • Шифрование через age (хоть весь архив) Всё через Make: • make invoice-startup # инвойс пример • make cards # карточки реквизитов • make list # список клиентов Стек: Python + Jinja2 + Pydantic + WeasyPrint github.com/fortunto2/invoice-crm

OpenAI запустили инструмент для написания пейперов Prism построен на базе купленного OpenAI стартапа Crixet. Представляет он из себя совместный LaTeX редактор с интегрированным внутрь ChatGPT. Он может проверить цитаты, перевести диаграмму/формулу из наброска в LaTeX и т.д. Prism доступен бесплатно всем желающим, но подписчикам ChatGPT обещают как-то потом докинуть продвинутых фичей. prism.openai.com @ai_newz

Google начали раскатывать доступ к Genie 3 Пока что модель доступна лишь подписчикам Ultra. Юзеры могут создать набросок мира с помощью Nano Banana Pro, перед тем как туда залететь. Также есть библиотека готовых миров, которые можно ремиксить. Длина симуляции до 60 секунд, а видео можно потом скачать. http://labs.google/projectgenie/ @ai_newz

Опытные пользователи Claude Code, вам стоит это увидеть. Есть публичный репозиторий, который по сути как полноценная ОС для Claude Code: агенты, skills, hooks, команды, правила, конфиги MCP, всё уже связали и можно просто подключать. Можешь просто посмотреть (или забрать себе) целиком. Это мнение автора, которое уже обкатали на реальных проектах.

Тут в деталях разобрали, что входит в 200$ подписку на Claude Code: За 200$ вы покупаете $2708 аналога трат по API, За 100$ – $1354 За 20$ – $163 При этом, все обращения в кеш диалога от клод кода стоят 0 денег – что делает эти подписки еще более секси; по API кэшированные запросы стоят 10% от стоимости на каждое чтение (кэширование запросов это когда у вас история чата с LLM не меняется и увеличивается от каждого хода, вот ее провайдеры API продают со скидкой – иначе дорого выходит) В итоге, получается, что тарифный план за 100$ выгоднее API почти в 37 раз (!) – не понимаю как любой стартап может конкурировать с этим, строя своего кодинг агента ☕️ Тут все расчеты: https://she-llac.com/claude-limits