Приключения социолога и единороги

Ну что, дорогие... Мой отдых, как всегда, ну просто невероятно продуктивен. Мой Hermes и Oh-my-pi последние два дня неистово гоняют GPT-6-Astra на самых разных задачах, и реальность крайне далека от бенчмарков, которые позавчера обещали AGI. В общем, спойлер: никакого AGI нет — ни у OpenAI, ни у Anthropic. Пока есть миллионы сожжённых токенов и всё те же типичные ошибки, без всяких там чудес. А если к делу, то... модель применялась в разработке и ревью кода, настройке серверов и интеграций, исследовательских симуляциях, подготовке учебных материалов и документов, подборе параметров для локальных моделей. Больше всего пользы увидел в задачах, где нужно долго работать с проверяемым результатом: разобраться в чужом коде, воспроизвести ошибку, исправить её, прогнать тесты и отдать другому агенту на проверку. Или собрать вычислительный эксперимент, отдельно пересчитать результаты и проверить, воспроизводятся ли они при повторном запуске. Здесь получается вполне конкретный результат: найденные дефекты, работающие изменения, проверенные расчёты. В технической аналитике тоже полезно: сопоставляет документацию, характеристики железа и реальные ограничения, находит ошибки в исходных рекомендациях. А вот сложные интеграции всё ещё могут превращаться в долгую череду исправлений и ПОСТОЯННЫХ лупов: отдельные тесты проходят, а целиком система пока не работает. Пока картина следующая: модель особенно полезна для разработки, отладки и вычислительной исследовательской работы — там, где ей можно дать инструменты и способ проверить себя. И да, тут же недавно вышла Fable 5.1 от Anthropic. На мой взгляд, в длительных задачах она пока выглядит более перспективной, особенно в тех, что занимают 6+ часов. Astra как будто более ленивая. Вот такие вот дела.