AI Dev Broadcast
رفتن به کانال در Telegram
Всё про разработку с использованием AI технологий Наш канал про Android - @android_broadcast Видео как работать с AI - abdev.by/broadcast_ai_plus
نمایش بیشتر2 551
مشترکین
-124 ساعت
+147 روز
+9530 روز
آرشیو پست ها
2 551
Qwen4-Max: что умеет и как выглядит против флагманов
Alibaba открыла API модели Qwen4-Max. В блоге Qwen её показывают как модель для кода, профессиональной работы и длинных агентных задач. Там же есть примеры сборки игр в Unreal и Unity по короткому описанию. Модель сама собирает сцену, логику и интерфейс, запускает игру и правит камеру, анимации и темп по тому, что видит на экране. Для длинных задач компания описывает режим Live Delivery, когда агент рано отдаёт первую рабочую версию и дальше улучшает её по ходу, а человек может вмешаться в любой момент.
В агентном коде Qwen ставит модель наравне с текущими флагманами GPT и Claude, в терминале она заметно отстаёт. Большую часть этих цифр опубликовал сам Qwen. Независимый рейтинг Artificial Analysis ставит Qwen4-Max ниже Opus 5.5, GPT и Gemini.
API совместим с OpenAI и с Anthropic. Модель можно подключить в Qwen Code, Cursor и Claude Code, она также есть на OpenRouter. Сам клиент Qwen Code бесплатный, платить нужно за доступ к модели.
В API Сингапура миллион токенов стоит $1,5 на вход и $4,5 на выход. Это дешевле, чем у Opus 5.5, GPT-6.1 Sol и Gemini 4 Carbon, и заметно дешевле GPT-6 Astra. Для работы в этих инструментах есть Token Plan в Сингапуре. Младший тариф стоит $6 в месяц за 20 000 кредитов, старший $43 за 200 000. Кредиты не равны токенам, и в документации нет пересчёта, сколько задач выйдет на Qwen4-Max. Coding Plan за $50 в месяц эту модель в список не включает.
Токены разных моделей нельзя сравнивать напрямую. Один и тот же объём работы на разных моделях может занять разное число токенов, поэтому более низкая цена за токен ещё не значит, что задача обойдётся дешевле.#AI #Qwen #LLM
2 551
🧠 Gemini Decisions API: модель выбирает вариант, а не пишет ответ
Агенту часто надо лишь выбрать инструмент или очередь для обращения. В октябре для этого вышел Decisions API у OpenAI, и с тех пор лёгкие модели, которые только выбирают вариант, появляются одна за другой. Теперь свой API сделала и Google на
gemini-decision-1.
Модель не генерирует текст, а оценивает заданные варианты и возвращает вероятности и уверенность. Неуверенные случаи код может отдать человеку или большой модели. В одном запросе можно задать много вопросов к тексту, картинкам, аудио, видео или PDF.
result = client.decisions.create(
model="gemini-decision-1",
input="Mug arrived cracked.",
questions={"queue": {
"type": "choice",
"instructions": "Which queue?",
"criteria": {"billing": "Payments.",
"replacements": "Damaged items."},
}},
)
print(result.answers["queue"].choice)
Оплачиваются только входные токены, ответ бесплатный.
🔗 Анонс · Документация
#AI #Gemini #API2 551
🛠 Cursor Projects стал общим для команды: агенты разных людей видят планы друг друга
В сентябре в Cursor появились Projects, где один координатор раздаёт задачи нескольким агентам. Теперь в Project можно пригласить коллег, и их агенты работают в том же пространстве.
Обычно контекст у каждого свой, и новый человек в команде заново объясняет агенту требования. В общем Project лежат спецификации, схемы, макеты и решения из чатов, и агент любого участника видит их сразу. Личный чат с координатором у каждого остаётся.
Агенты разных людей ещё и договариваются между собой. Допустим, ваша фича читает из базы, а коллега в это время меняет схему: агенты заранее согласуют порядок работ, и конфликт не всплывёт при мерже. Общая доска показывает, кто чем занят и какой PR стоит за задачей.
Функция в бете для всех пользователей Cursor.
🔗 Блог Cursor · Анонс
#AI #Cursor #Agents
2 551
🧠 Gemini 4 Carbon открыли разработчикам: API, AI Studio и Android Studio
Две недели назад Google анонсировала Gemini 4 Carbon и дала доступ только специалистам по киберзащите. Теперь модель доступна всем, кто платит за Gemini API: в AI Studio, через API и в Android Studio. Подписчики AI Ultra получат её ещё в Antigravity и приложении Gemini.
👉 Carbon рассчитана на долгие задачи: многошаговую разработку, отладку сразу в нескольких файлах, поиск уязвимостей. Она тратит больше токенов на проверку своих решений, поэтому для быстрых правок и обычной работы Google по-прежнему советует Argon
👉 Модель уже есть в Cursor, и на внутреннем бенчмарке редактора в режиме high она заняла первое место
👉 До 30 ноября действует стартовая цена как у Argon, $2 / $10 за 1M токенов, потом $4 / $20
🔗 Google для разработчиков · Cursor
#AI #Gemini #Google
2 551
🔍 Векторный поиск: как получать точные ответы, а не старые инструкции
Векторный поиск находит похожие документы, но без контекста легко ошибиться: вернёт старую версию файла, документы другого отдела или неподходящую инструкцию. Знакомо?
🦾 19 ноября в 18:00 МСК на открытом вебинаре разберём, как настроить векторный поиск с учётом структуры данных и получать релевантные ответы от LLM.
Вы узнаете:
— Из чего состоит точка в Qdrant: вектор, payload (полезная нагрузка) и коллекция.
— Как загружать документы с метаданными и искать нужный контекст.
— Как использовать фильтры по отделу, типу документа и другим параметрам.
— Как меняется ответ модели при разном контексте.
❗️Кому будет полезно: LLM-инженерам, бэкенд-разработчикам, инженерам данных и ML-специалистам, которые работают с базами знаний и RAG-системами.
Вебинар проходит в преддверии старта курса «LLM-инженер». Все участники получат скидку на обучение.
👉 Регистрируйтесь по ссылке
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
2 551
🛠 Shopify показала, как агент проверяет мобильное приложение без эмулятора
Агент пишет экран за минуты, а чтобы проверить, что он работает, нужны сборка, эмулятор и скрипт с тапами. В Shopify, где агенты уже собирают приложения на удалённых Mac, это стало главным тормозом, и команда описала архитектуру Reflex, где логику приложения можно гонять без UI.
Всё, кроме экранов, лежит в модуле без UI-импортов: на Android это обычный JVM-модуль, на iOS пакет Swift. Каждая ViewModel отдаёт наружу JSON со своим состоянием и списком действий. Агент работает через CLI из пары команд:
ls показывает открытый экран, его состояние и действия, do Action выполняет действие так же, как тап пользователя.
Один тестовый файл запускается и на iOS, и на Android, так что фича не уедет на одну платформу без другой. Больше 1700 таких тестов проходят на CI примерно за четыре минуты.
Библиотеку Shopify не выкладывала: статья и есть рецепт, по которому агент соберёт то же под ваше приложение.
🔗 Shopify Engineering
#AI #Android #iOS2 551
Repost from Кирилл Розов
Какой терминал используете для работы с кодинг-агентами (Claude Code, Codex, Grok, Kent и т.д.)?
2 551
🛠 GitHub перестроил хранилище Git под тысячи агентов сразу
Когда в один репозиторий пишут сотни агентов, классический Git-стек упирается в координацию. GitHub описал новую архитектуру (Project Rubicon): объекты — в Azure Blob, согласовывать нужно только обновления веток.
👉 На практике. Пуши в разные ветки больше не ждут друг друга. Git-объекты неизменяемы и пишутся параллельно; «узкое место» — refs, их вынесли в сервис Ref-CAS.
👉 Зачем агентам. Агент ждёт каждый push, прежде чем идти дальше. Меньше очереди на одну ноду — быстрее параллельные сессии. Во внутренних тестах GitHub гонял тысячи одновременных писателей на один репозиторий.
👉 Доступ. Limited private preview сейчас, шире — в начале следующего года. Снаружи git как раньше: push, fetch, ветки.
Про бэкенд Git у OpenAI (Pando) писали раньше.
🔗 Inside GitHub’s new Git storage architecture
#AI #GitHub #Agents
2 551
🛠 Cursor научился собирать живое приложение и отдавать ссылку
Агенты давно пишут код, но большинство черновиков так и остаётся на localhost. Теперь cloud agent в Cursor может собрать веб-приложение, поднять Postgres, повесить auth за SSO Cursor, прогнать проверки и выдать live-ссылку. Об этом в changelog от 5 ноября.
👉 Как запускается. Нужно явно сказать агенту, что вы хотите приложение. Он поднимает каркас, при необходимости базу и хостинг. На publish вы выбираете домен; в прод ничего не уходит, пока проверки не пройдут и вы сами не подтвердите.
👉 Что режет на выходе. Четыре проверки всегда включены: секреты в файлах, credential-файлы, .env и source maps. Плюс агентный security review. Админы команды видят все приложения и секреты и могут снять публикацию.
👉 Кому шарить. Людям, группам или всей команде за логином Cursor. На индивидуальных планах можно открыть публично. Доступно на платных планах с cloud agents.
Про Agent SDK писали раньше.
🔗 Build Live Apps
🔗 Docs: Apps
#AI #Cursor #CloudAgents
2 551
🧠 GPT-6 Cyber: модель для поиска дыр, которая лучше держит рамки
OpenAI представила GPT-6 Cyber для security-исследований. На ExploitGym — 48,5% против 32,1% у GPT-5.6 Cyber. В тесте «не лезь за скоуп» без спецпромпта удержалась в 99,93% случаев, со спецпромптом — в 100%.
👉 На Linux с ней собрали 948 privilege-escalation эксплойтов. В Firefox нашли 81 high-severity дыру, многие уже закрыты Mozilla.
👉 Доступ через Daybreak Red для выбранных клиентов. Daybreak Blue — для верифицированных защитников с меньшим числом отказов. Основной GPT-6 Astra уже умеет code review и triage.
🔗 OpenAI · Linux research
#AI #OpenAI #Security
2 551
Чисто для справки: цена одного GPU NVIDIA B200 варьируется от 30 до 50 тыс. долларов, и это без налогов, наценок и прочего железа, необходимого для их работы.
Готовый сервер с 8 такими ускорителями стоит 515 тыс. $.
То, что сделали Revolution — решение для очень богатых компаний, но стратегически оно полностью верное: независимость от внешних облаков и все данные в контуре компании.
2 551
🤯 Revolut перевела 2000 инженеров с Claude Code и Codex на свою GLM и платит в 10 раз меньше
На AI Engineer в Нью-Йорке Revolut рассказала, как с апреля сделала моделью по умолчанию открытую GLM от Z.ai: сначала GLM-5.1, теперь GLM-5.3. Модель крутится на 56 GPU Nvidia B200, токены обходятся в $0,30 за миллион. Счёт вышел в десять раз меньше, чем раньше у Anthropic и OpenAI.
Раньше Claude Code раздавали с жёсткими лимитами, и токены берегли под сложный код. Теперь лимитов нет, агентов гоняют и по Jira, Confluence и почте. По данным банка, время на код сократилось на 60%, а путь задачи до мержа на 70%.
Инженеры работают в тех же OpenCode, Claude Code и Codex, но через свой эндпоинт. GLM работает только с текстом, картинки уходят в Gemini. Claude и Codex оставили для самых сложных задач.
⚠️ В 90% экономии не учтены железо, команда и мониторинг. А время до первого токена упало с 14 до 1,7 с только после ручной настройки инференса на тех же GPU.
🔗 Доклад · The Register
#AI #ClaudeCode #Codex #GLM
2 551
🛠 OpenAI переписала бэкенд Git под агентов: медианный push стал почти на 80% быстрее
С Codex в монорепозитории OpenAI стало намного больше веток, пушей и фетчей, и к концу прошлого года надёжность временами падала ниже 90%. Компания написала Pando, новый бэкенд для Git. Клиент и протокол остались прежними, так что инженеры и агенты работают с обычным
git.
Ветки в Pando обновляются независимо, поэтому пуши в разные ветки не ждут друг друга. Пакфайлы из пушей лежат в blob-хранилище, и сервер отдаёт их следующим клиентам как есть, без сборки отдельного пака под каждый fetch. Сейчас Pando отдаёт почти петабайт Git-данных в день, больше 99% байтов идут из кэша.
От старта до продакшена прошло 10 недель. Архитектуру спроектировал один инженер, код на Rust писали агенты в Codex. Часть доработок клиента уже приняли в upstream Git.
🔗 Scaling Git at OpenAI
#AI #OpenAI #Codex #Git2 551
🧠 Бенчмарк GDPx: лучшая модель решает 12% задач, а Gemini 4 Carbon на втором месте и втрое дешевле
SemiAnalysis выпустила GDPx, бенчмарк агентных задач в 11 областях, где ИИ может принести больше всего денег: разработка ПО, дизайн чипов, кибербезопасность, финансы, право, биология и другие.
Первое место у Claude Opus 5.5: 12% при $51 за задачу. Gemini 4 Carbon, которую Google анонсировала на прошлой неделе, набрала 10,9% за $16, а GPT-6 Astra 9,6% за $54. В разработке ПО Carbon чуть впереди всех.
⚠️ У Opus 5.5 и GPT-6 Astra результат занижают фильтры безопасности. Если убрать кибербезопасность, биологию и alignment, первой становится GPT-6 Astra (11,8%), Opus 5.5 рядом (11,7%), а Carbon опускается на пятое место.🔗 Разбор SemiAnalysis · Тред с графиками #AI #Gemini #Claude #бенчмарки
2 551
🎬 Stageshow: скилл, с которым агент сам рисует и анимирует макеты интерфейсов
На GitHub вышел бесплатный скилл Stageshow для кодовых агентов. Он помогает делать иллюстрации интерфейса, похожие на настоящий продукт: статичные кадры, карточки фич, демо с курсором и бенто-сетки на React.
• Внутри правила композиции и анимации, React-кит без сторонних библиотек анимации и готовые примеры, включая разборы Figma, Linear, Slack и Raycast
• Агент снимает результат на видео через Playwright и Chrome, проверяет его на ширине телефона, в разных состояниях и с reduced motion
• В локальном плейграунде есть девять визуальных стилей и учебные пары с пометками «плохо» и «хорошо»
Скиллы для агентов теперь развиваются как открытый стандарт, мы писали об этом здесь.
GitHub
#ai #agentskills #design
2 551
🐱 DeepSeek открыла прототип суперагента: Router раздаёт задачи, воркеры решают их в своих сессиях
Команда DeepSeek Harness выложила под MIT dsh-superagent. За два дня у репозитория больше 11 000 ⭐. Агент обслуживает один GitHub-репозиторий: слушает комментарии и чат Feishu, по запросу заводит задачу, решает её в отдельной сессии и отвечает там же, например готовым PR.
Внутри два слоя. Router общается с людьми и раздаёт работу, но сам код не пишет. Каждый Worker держит одну задачу и свой контекст и видит только сообщения из своих тредов.
В синтетическом тесте на 300 сообщений схема закрывала задачу за 12,4 мин по медиане, а одна сессия с сабагентами за 20,4 мин. Платить за это приходится токенами: из кэша читается в 2–4 раза больше.
⚠️ Это исследовательский код. Watchdog из статьи в прототип не вошёл, а агент работает с полным доступом от вашего пользователя ОС.
🔗 Статья о дизайне
#AI #DeepSeek #агенты
2 551
🧠 С декабря ChatGPT и Codex будут тратить один общий лимит
OpenAI обновила справку: на тарифах Plus, Pro и Business лимиты ChatGPT и Codex объединят в один пул. Так компания переносит агентные возможности Work в основной ChatGPT.
👉 Счёт в токенах: расход зависит от модели и задачи, продвинутые модели и сложные задачи тратят больше
👉 Instant бесплатно: обычные чаты в режиме Instant лимит не расходуют
👉 Если лимит кончился: ждать сброса, перейти на тариф выше или докупить кредиты
Остаток и время сброса будут в Settings → Usage. Точной даты и цифр по тарифам пока нет. OpenAI ожидает, что большинству не придётся ждать сброса чаще, чем сейчас. При этом долгая сессия в Codex теперь расходует тот же запас, что и разговоры в ChatGPT.
В октябре лимиты Codex на Pro 200 сначала собирались урезать, а потом удвоили.
🔗 Understanding ChatGPT and Codex usage limits
#AI #OpenAI #Codex
2 551
🤯 В маркетплейсе Cursor 11 часов лежала заражённая версия расширения Claude Code
29 октября с 12:27 до 23:35 по Минску в маркетплейсе расширений Cursor была версия
Anthropic.claude-code 2.1.313 с вредоносным кодом. Anthropic её не выпускала. По данным Cursor, её получили не больше 5000 человек. StepSecurity пишет, что эта же версия была и в Open VSX, который Cursor зеркалит.
👉 Расширение отправляет атакующему имя хоста и пользователя, ОС, Git email, имена переменных окружения и публичный IP. Ещё оно дописывает чужой SSH-ключ svc-telemetry в authorized_keys и пытается открыть обратный SSH-туннель
👉 Для автозапуска оно ставит LaunchAgent на macOS и задачу планировщика на Windows. Если просто удалить расширение, эти скрипты продолжат работать
👉 Cursor удалил версию, пересобрал маркетплейс и вместе с хостингом отключил сервер атакующего. Другие расширения, по данным Cursor, не тронуты
Проверка на macOS: grep svc-telemetry ~/.ssh/authorized_keys
⚠️ Если у вас стояла 2.1.313, обновитесь до 2.1.314, запустите скрипты очистки из уведомления Cursor и с другой, чистой машины смените токены и ключи, которые были доступны на заражённой.🔗 Cursor · StepSecurity · Пост в X #AI #Cursor #ClaudeCode #Security
2 551
🧠 Mistral открыла веса Large 4: по её замерам это лучшая открытая модель для кода
В начале октября Mistral показала Large 4 (Le Chonk) в превью, а сегодня выложила на Hugging Face веса улучшенной версии. Модель мультимодальная, в ней 1 трлн параметров, активны 52 млрд. После трёх недель дообучения она лидирует среди открытых моделей на FrontierCode 2.0 от Cognition (19,7%) и Terminal-Bench 4.0 (41%, на 13 п.п. больше, чем у превью).
👉 В Coding Agent Index от Artificial Analysis у неё 48%, как у GLM-5.3, но токенов на задачу уходит в среднем на 47% меньше
👉 Режимов рассуждений три: low, medium и high, последний включён по умолчанию
👉 Попробовать можно в Mistral Studio, через API и OpenRouter, а на своём железе модель запускается в vLLM и SGLang
⚠️ Лицензия у модели изменённая MIT. Если компания продаёт доступ к моделям как сервис, для коммерческого использования ей нужен отдельный договор с Mistral.🔗 Mistral · Hugging Face #AI #Mistral #LLM
