AI для Разработки — Claude | Cursor | Copilot

Nvidia запилила RTX Spark — чтобы гонять локальных агентов прямо на ноуте Короче, Nvidia показала RTX Spark для Windows-ноутов и мини-ПК. Цифры бодрые: до 1 петафлопа и до 128 ГБ единой памяти. Смысл — запускать AI-агентов и большие модели локально, без облака. Самое сочное для нас: обещают LLM на 120 миллиардов параметров прямо на устройстве. То есть свой условный 120B без оплаты токенов и без отправки кода куда-то наружу. Microsoft в деле на стороне Windows, плюс новые механизмы безопасности. А ещё будет OpenShell — штука, где ты сам говоришь агенту, что ему можно трогать на компе, а что нет. Песочница, чтобы агент не снёс тебе полрепы. Графика тоже не забыта: 3D-сцены 90+ ГБ, 12K-видео, игры в 1440p с RTX. Первые девайсы — осенью у ASUS, Dell, HP, Lenovo, Surface и MSI. Подробности у Nvidia 😎 — наконец без облака 👀 — а ценник покажут? @ai_for_dev

PewDiePie навайбкодил свой ChatGPT — и отдал бесплатно Да, тот самый PewDiePie. Запилил Odysseus — self-hosted AI-воркспейс, который крутится на твоём железе, на твоих данных и без всякого трояна (цитата из README, не я придумал). По сути это локальный ChatGPT/Claude, только «с большим количеством jank и фана». Что внутри: - Чат с чем угодно — Ollama, llama.cpp, vLLM, OpenRouter, OpenAI - Агент, которому суёшь инструменты и он сам делает таску (на opencode + MCP) - Cookbook — сканит твою видяху и сам говорит, какую модель потянешь и где скачать - Compare — слепое сравнение моделей бок о бок, без предвзятости - Почта с AI-триажем, заметки, календарь и даже нормально работает на телефоне Всё бесплатно и в open source: GitHub 🎉 — качаю, разворачиваю 👀 — а сколько VRAM съест? @ai_for_dev

🧠 ИИ, который влезает в ноутбук и не врёт по документам AIRI (при поддержке Сбера) выкатили OCC-RAG — компактную модель из семейства Optimal Cognitive Core. Логика простая: не пытаться запихнуть «весь интернет» в веса, а научить модель аккуратно работать с тем контекстом, что ты ей дал. Что приятно девелоперу: • Версии 0,6B и 1,7B — крутятся прямо на ноуте или смартфоне, без серверной фермы • Отвечает только по контексту, а если данных мало — честно говорит «не знаю» вместо фантазий • В 1,5–2 раза быстрее больших LLM и токенов жрёт меньше в среднем в 1,5 раза • Уже в открытом доступе — бери и пихай в свой RAG Идеально для корпоративных баз знаний, саппорта и всего, где надо отвечать строго по бумажкам. Дальше обещают агентное ядро, которое само полезет искать контекст в базах и кодовых репах. 🔥 — self-hosted gang 👀 — гляну размеры весов @ai_for_dev

Болтаем с аватаром в реалтайме — Avaturn открыла AVTR-1 Ребята из Avaturn.live выкатили в опенсорс AVTR-1 — фреймворк для видеодиалога с аватаром в реальном времени. Кидаете фотку, подаёте звук — и аватар отвечает с синхронной по губам речью на 25 кадрах в секунду. Самое вкусное для нас: в комплекте не только веса модели, но и инференс-стек под TensorRT плюс бэкенд для живой диалоговой сессии end-to-end. То есть не «вот вам модель, дальше сами», а готовый серверный стек — авторы говорят, такого в опенсорсе ещё не было. И главное — хватит обычной игровой карты: RTX 3070 / 4060 Ti тянут реалтайм, а A100 / L40 вдвое быстрее. Лень ставить? Есть демо. Веса лежат на Hugging Face. 🔥 — фотка готова, запускаю 👀 — гляну на демку @ai_for_dev

Qwen3.7-Plus обошёл Claude Opus 4.6 в агентских задачах Alibaba выкатила Qwen3.7-Plus и сразу прогнала через Terminal-Bench 2.0 — это бенчмарк про то, как модель рулит задачами прямо в командной строке. Итог: первое место из семи, мимо пролетели Claude Opus 4.6, GPT-5.4 и ещё четверо. Что умеет: понимает текст, картинки и видео, сама ковыряется в интерфейсах приложений и кликает по ним, пишет код по скриншоту и тащит многошаговые задачи без няньки. В демке даже клонировала готовое приложение и решила «найди отличие» питон-скриптом. Только без фанатизма: один бенчмарк — ещё не корона. На остальных тестах она примерно вровень с Opus 4.6. Но китайцы реально дышат в затылок топу. Глянуть детали 🤩 — китайцы наваливают 🤔 — один бенчмарк не приговор @ai_for_dev

Microsoft собрал мини-коробку для девелоперов — то, что не смог Qualcomm Только на выходных вышел Surface Laptop Ultra, а теперь Microsoft показывает крошечный Surface для разработчиков. Surface RTX Spark Dev Box внешне напоминает верхушку Xbox Series X, а алюминиевый корпус заодно служит радиатором. Внутри — новый Arm-чип Nvidia RTX Spark и целых 128 ГБ объединённой памяти. А значит, локально можно гонять модели до 120 млрд параметров. Без облака, без API-лимитов. Из коробки уже стоят VS Code и GitHub Copilot, а Windows 11 Pro заранее причёсан под разработку: тёмная тема, виджеты убраны, Do Not Disturb включён, PowerShell 7 по умолчанию, Developer Mode сразу активен. По сути это замена так и не вышедшему Snapdragon Dev Kit от Qualcomm, который два года мучали проблемы с железом. Цены пока нет, выйдет позже в этом году в США. 🔥 — хочу на стол 👀 — жду ценник @ai_for_dev

GNOME сказал «нет» вайбкодингу Площадка GNOME Circle официально закрыла дверь перед приложениями, которые делали с помощью ИИ. Логика простая: насыпали столько автогенерённого добра, что очередь на модерацию раздулась до лет ожидания, а половина заявок — мусор, который не проходит по качеству. Заодно ребята вообще временно прикрыли приём новых заявок — сначала разгребём старое, потом продолжим. И тихие заявки без ответа автора будут автозакрываться. Контекст в тему: Линус Торвальдс недавно ворчал про лавину баг-репортов от ИИ-ассистентов — но сказал, что в долгую это всё-таки польза, любой найденный баг лучше проигнорированного. Похоже, эпоха «накодил за ночь нейронкой — закинул в стор» начинает упираться в реальность. 😁 — поделом вайбкодерам 🤔 — а как отличать-то будут? @ai_for_dev

Microsoft форкнула свой же терминал и засунула туда ИИ-агента Microsoft выкатила Intelligent Terminal — открытый форк Windows Terminal, но теперь с ИИ-агентом прямо внутри. Написано на C++ и Rust, лежит на GitHub под MIT. Самое вкусное: поддержка протокола ACP, через который цепляются Copilot, Claude, Codex и Gemini. То есть прямо в терминале выбираешь, какой агент сегодня будет чинить твой деплой, и переключаешься между ними. Всё привычное на месте — вкладки, темы, профили, сплит экрана. Сверху накинули статусную строку с состоянием агента, закрепляемую панель с контекстом и историю того, что агент успел натворить. Один нюанс: в тестовой версии шлёт телеметрию в Microsoft. Ну, классика. 🔥 — затащу в свой setup 👀 — гляну, что за ACP @ai_for_dev

«Я устал»: Flathub забанил AI-приложения Мейнтейнер инфраструктуры Flathub Барт Пиотровски объявил тотальный запрет на ИИ — и в коде приложений, и в автоматизации публикации. Под нож идёт всё: манифесты, метаданные, патчи, сборочные скрипты, pull-запросы — любой артефакт через flatpak-builder. Раньше можно было «сгенерил → проверил руками», теперь нельзя и так. Причина по-человечески понятна. За месяц резко выросло число авторов, которые ведут себя так, будто «дарят нам, идиотам, свои блестящие программы», а мы их почему-то отклоняем. Цитата дня: «Я устал». Хорошая новость для тех, кто уже залил: правило без обратной силы, старое не удаляют. До Flathub так же поступила GNOME Circle. 😁 — слайды maintainer'а 🤔 — а доказать-то как? @ai_for_dev

Агент сломался, а где — непонятно? Чините evals по слоям Классика: смотрим на success rate, токены и стоимость, всё вроде ок. Потом success rate падает с 85% до 72%, и начинается гадание на кофейной гуще. Retrieval помер? Модель тупит с выбором инструментов? Контекст замусорился за пару ходов? Или это уже потолок базовой модели? Чем больше проект — тем веселее: ошибки слоёв перемножаются, и в какой-то момент ты просто теряешь контроль над собственным агентом. Лечится покомпонентными evals. Идея простая: не мерить один общий балл, а тестировать каждый слой отдельно. Retrieval — нашёл нужный чанк в top-k или нет. Структурированный вывод — валидна ли схема, на месте ли обязательные поля. И главное — разные слои меряются по-разному, один success rate их всех в кашу смешивает. И не обязательно сразу строить дорогущий комбайн: даже маленький smoke-suite на 20–50 кейсов прямо в CI ловит регресс ещё до того, как пользователь напишет «у меня агент бредит». 🔥 — пойду раскладывать на слои 🤡 — а у нас один success rate и молитва @ai_for_dev

$50K за месяц, потому что забыли про кеш Знакомая история: разрешили сервисам напрямую звать ChatGPT. Сначала кайф, фичи летят. Через месяц — счёт от OpenAI на $15K и полное непонимание, кто столько токенов нажёг. А один стартап вообще словил $50K, потому что каждый чих уходил в GPT-4 без кеширования. Лечится паттерном AI Gateway — это прослойка между твоими сервисами и LLM. Дёргаешь не модель напрямую, а шлюз, и он берёт на себя: • семантический кеш — до 40% запросов это повторы, зачем платить дважды • контроль расходов — наконец видно, кто жжёт бюджет • rate limiting + resilience — пики не роняют прод • безопасность в одной точке Собрать можно на Spring Cloud Gateway, или как плагин к Kong/APISIX, или sidecar на Envoy. Суть одна: модель — это полноценный сервис, и ходить к ней надо по-человечески, а не «дёрни из любого места». 🔥 — узнал свой прод 🤔 — у нас пока без шлюза @ai_for_dev

Скилл, субагент, команда — кто все эти люди? Лабы плодят умные слова быстрее, чем мы успеваем их гуглить, и каждое следующее жрёт токенов по экспоненте. Давайте по-человечески. Чат — пишете агенту, он сам кодит, запускает и отвечает. База. Скилл — написали одно и то же три раза, выдохнули и просите:

создай skill.md

Теперь это повторяемая инструкция на человеческом языке. Цель — агент крутится в цикле, пока не скажет себе «всё, готово». Субагент — отдельная голова под подзадачу со своим окном контекста. Главный рулит, всего проекта малыш не видит. Команда — субагенты, которые умеют болтать друг с другом и работать сообща. Дороже, зато тащит реально сложное. /workflow — когда код управляет Клодами, а не наоборот. Десятки (а если токенов не жалко — сотни) агентов по сценарию. По сути просто TypeScript, который можно передать другу. 🔥 — наконец без мифологии 👀 — пойду перечитаю дважды @ai_for_dev

Дешёвый ресёрч руками, дорогой агент — только на выводы Наткнулся на Dataroom — и идея реально цепляет. Автор не видит смысла жечь токены Claude/Codex на тупой сбор источников и делит задачу на две фазы: 1. Локальная Qwen3.6-35B-A3B на твоём GPU часами роется в вебе и складывает всё в аккуратный .zip: topics/, sources/, data/, SUMMARY.md — и каждый факт с линком на первоисточник. 2. Дальше фронтир-агент распаковывает этот zip и работает только по нему. Без веба. Первый вопрос был: ну как локалка нормально наресёрчит? А она и не ресёрчит — её работа оркестрация. Формулирует запросы, решает что читать дальше, понимает когда тему закрыть, а сам поиск делает Jina CLI (ищет, вытаскивает чистый текст, кидает дубли в топку, даже переписанные другими словами). И кайф в том, что у локалки нет лимита сессий. API Claude обрубает по времени и считает токены, а Qwen жжёт только электричество и крутится хоть три часа. Долго — но именно поэтому тщательно. Итог: мощная модель ≠ хороший ресёрч. Качество — от пайплайна. Есть ещё Skill, чтобы агент сам дёргал это как API. 🔥 — заберу в свой стек 🤷 — GPU жалко @ai_for_dev

AI прямо в терминале: история aish от Selectel Знакомый сюжет: друзья-айтишники после 30 хейтят вторжение AI в профессию, а ты уже переобулся и сам это вторжение и пилишь. Примерно так менеджер проектов в Selectel описывает работу над aish — терминалом со встроенным AI-агентом для серверов. Логика простая: чат с агентом — самый текстовый инструмент на свете, а CLI — самый текстовый интерфейс. Грех не поженить. Но был и скепсис: да кто подпустит AI к управлению боевыми серверами? Начали с прототипа — портала SELECTOS Manpages: man-страницы, умный поиск и AI-консультант по серверным задачам. И тут сюрприз: больше всех радовались не сисадмины, а менеджеры и нетехнари. Развернуть домашний сервер или MVP под гипотезу — без захода к занятым инженерам. А вот профи из CLI попросили прямо: дайте такого же агента уже в настоящем терминале. 🔥 — давно ждал такое 🤡 — агент в проде, что вообще плохого @ai_for_dev

7 МБ терминала, который сам кодит Знакомьтесь — Terax, терминал для тех, кто живёт в консоли и не вылезает из ИИ. Весит как мемас с котиком (7-8 МБ), но внутри целая мастерская. Редактор кода, git с графом коммитов, превью веб-страниц и агент прямо в боковой панели — причём на ваших ключах или вообще на локальной модели, без слива данных на сторону. Никакой телеметрии, никакой регистрации: поставил — работаешь. Open source, крутится на Rust, летает за счёт WebGL. Windows, macOS, Linux — берите любой. Забрать на GitHub 🔥 — пойду накатывать 👀 — а вдруг лучше Cursor @ai_for_dev

Mellum 2 от JetBrains — опенсорс для кодинга JetBrains выкатили Mellum 2, и это уже не та скромная 4B-автодополнялка. Теперь это MoE на 12B, но на каждый токен пыхтят всего 2.5B — по железу почти даром, а по уму как модель в разы крупнее. Что умеет: писать и править код, дебажить, дёргать инструменты, водить агентов за ручку. Окно контекста — 128K, лицензия Apache 2.0, ставь хоть на свой сервак. Завезли сразу три версии: base, instruct и thinking (которая сначала думает вслух, потом отвечает). Подробности в техрепорте. 🔥 — качаю прямо сейчас 👀 — а на моей видяхе потянет? @ai_for_dev

Швейцарский нож для прогера прямо в браузере Принёс IT Tools — бесплатный сайт, где собрано больше 100 утилит, которые мы все гуглим раз в месяц и каждый раз заново. Генераторы JWT, UUID, QR-кодов, форматтеры JSON/YAML/SQL, конвертеры, калькулятор подсетей, Regex-тестер, конвертер Docker Compose, анализатор паролей — и ещё гора всякой мелочи. Особенно приятно, что всё работает быстро и выглядит так, будто UX делал человек, который сам этим пользуется. Ещё и open-source. Кидаем в закладки и делаем вид, что знали про него давно 😏 🔥 — закрыл 10 вкладок разом 👀 — а где подвох @ai_for_dev

Реверс-инжиниринг репозитория одной заменой в URL Нашёлся забавный сервис GitReverse. Обычно мы из промпта собираем код, а тут наоборот: берёшь любой GitHub-проект — и получаешь промпт на человеческом языке, по которому AI-агент соберёт такой же. Пользоваться проще некуда: → меняешь в ссылке github на gitreverse — и всё Ничего ставить и настраивать не надо. Удобно, когда залез в чужой репозиторий и хочешь быстро понять, что там вообще происходит, без вдумчивого чтения каждого файла. И да — на 100% бесплатно. 🔥 — погнал чужие репы потрошить 🤡 — а копирайт спросили? @ai_for_dev

ИИ как друг, а не амнезик: чиним память LLM Книги обещали нам ИИ-напарника, а по факту LLM — это случайный знакомый с тяжёлой амнезией 😅 Каждый новый запрос — и снова «здравствуйте, мы знакомы?». Фишка в том, что на вход модели каждый раз уходит вся история чата целиком. А значит её можно подменять перед отправкой — переписывать свои реплики и даже ответы самой модели. Так рождается теневой контекст: не тащим всё подряд, а собираем нужные срезы памяти. Как это делается: 1. Режем диалог на отдельные предложения → два массива, отдельно для юзера, отдельно для модели. 2. Прогоняем каждое предложение через дешёвую быструю LLM-классификатор, которая вешает теги (tech, sport, noise). 3. Получаем маску индексов — и собираем под новый вопрос ровно тот контекст, что нужен. Про железо спросили — подмешали только про железо. Про спорт — только спорт. Шум вроде «Отличный план!» отлетает в noise. Простая идея, а окно контекста разгружает заметно. 🔥 — пойду переписывать историю 👀 — а память не поедет? @ai_for_dev

Copilot теперь считает токены, а не запросы С 1 июня GitHub Copilot перешёл с привычной подписки на оплату по факту использования. Цена планов та же — Pro $10, Pro+ $39 — но внутри теперь лимит AI-кредитов, а всё сверх него либо доплачиваешь по токенам, либо ждёшь следующего месяца. Звучит безобидно, пока ты не агентный фанат. Чат, агентные сессии, авто-ревью — всё это жрёт токены как не в себя. На Reddit уже считают убытки: у одного счёт прыгнул с $29 до ~$750, у другого с $50 до $3000. Комьюнити, конечно, не упустило шанс: мол, столько нагоняют только «вайб-кодеры», которые гоняют по двадцать итераций на одну функцию. Ну, кто-то узнал себя. 💔 — кошелёк напрягся 😎 — я не вайб-кодер @ai_for_dev