Вайб-кодинг

На Stepik вышел курс «База IT для вайбкодеров» Кодинг-агент может за пару минут написать фичу, изменить базу или переписать полпроекта. Сложнее становится, когда после этого появляется 500, ломается деплой, миграция не применяется или непонятно, зачем агент изменил 15 файлов вместо двух Этот курс даёт IT-базу, которой часто не хватает при вайбкодинге. Без ухода в полноценное программирование – только то, что помогает понимать проект и контролировать работу ИИ. Что вы изучите:

• как связаны фронтенд, бекенд, API и база данных • терминал, файлы, зависимости и переменные окружения • HTTP, JSON, DevTools и работу API • SQL, связи в БД, схемы и миграции • Git: commits, diff, ветки, remote и безопасный откат • stack trace, логи и системную отладку ошибок • основы безопасности и работу с секретами • деплой, продакшен, мониторинг и бэкапы • как ставить задачи кодинг-агенту и проверять его результат

Материал подаётся понятным языком, шаг за шагом, на реальных примерах и с наглядными схемами По завершении выдаётся сертификат. В ближайшие 48ч курс доступен со скидкой 20%: открыть курс на Stepik

Reuters объявило, что пузырь искусственного интеллекта в Китае лопнул. Прочитав заголовок, я на мгновение опешил. Подумал, что DeepSeek прекратила обучение моделей, китайские разработчики больших языковых моделей один за другим обанкротились, а вся отрасль искусственного интеллекта внезапно оказалась отброшена на пять лет назад. Однако стоило открыть статью, как всё встало на свои места. Выяснилось, что упал индекс STAR Market, а акции компаний, связанных с искусственным интеллектом, заметно потеряли в цене. 😅 Выходит, если падают котировки акций, то вместе с ними должен снижаться и интеллект моделей? Следуя этой логике, достаточно акциям Nvidia подешеветь на 30%, чтобы CUDA сама собой удалилась со всех компьютеров. А стоит обвалиться Nasdaq, как Кремниевая долина немедленно признает архитектуру Transformer бесперспективной. Существовал ли пузырь на китайском рынке акций компаний, занимающихся искусственным интеллектом? Несомненно. Рыночная стоимость некоторых из них действительно достигала неоправданных высот, и подобная коррекция была вполне закономерна. Но одно дело — снижение стоимости акций, и совсем другое — объявление о крахе целой отрасли. Превратить обычную рыночную коррекцию в свидетельство гибели китайского искусственного интеллекта — для этого требуется особый журналистский талант. Забавнее всего, что Reuters сопроводило статью фотографией танцующего робота Unitree.

DeepSeek V4.1 Flash теперь доступна в Cursor. 🤟 Судя по результатам CursorBench, стоимость выполнения одной задачи составляет от $0,60 до $0,98. Благодаря столь невысокой цене модель выглядит весьма привлекательным вариантом для повседневной работы с кодом.

Очень сильное правило из AGENTS.md проекта Opencode:

«Прежде чем усложнять решение ради гипотетической гонки состояний или крайне маловероятного сценария, связанного с безопасностью, сначала объясни пользователю, в чём именно может проявиться проблема, насколько она вероятна и какой ценой обойдётся это усложнение. Получи его согласие.
Не расширяй объём задачи молча лишь ради теоретической надёжности».

Весь файл заслуживает внимания: https://github.com/anomalyco/opencode/blob/dev/AGENTS.md

Разработчик решил заняться реверс-инжинирингом собственного телевизора Samsung стоимостью $3000, заподозрив, что тот неспроста показывает ему таргетированную рекламу. 🙅 По его словам, в ходе исследования он обнаружил множество механизмов слежения и сбора телеметрии, включая автоматическое распознавание контента, функции аудиомониторинга и составление пользовательских профилей. Однако вскоре OpenAI заблокировала его аккаунт, обвинив в "злоупотреблениях в сфере кибербезопасности". Сам разработчик утверждает, что никогда не использовал OpenAI для поиска или эксплуатации уязвимостей, ограничиваясь исключительно анализом локальных бинарных файлов. В результате блокировки он, по собственным словам, лишился около $500 и накопленных сбросов лимитов. Впрочем, отступать разработчик не собирается. Напротив, он решил приобрести ещё три компьютера, чтобы расширить собственный кластер для локального запуска ИИ.

«Владеть собственным ИИ куда приятнее».

Боб Мартин, автор книги "Чистый код", опубликовал свод правил, которыми руководствуются его собственные ИИ-агенты при написании кода. Основные положения: - Проверка, которая лишь скрывает сбой, не устраняя его причину, не может считаться исправлением. - Если тест продолжает успешно проходить даже в том случае, когда все функции ничего не возвращают, от такого теста следует отказаться. - Изменения в коде должны быть минимальными, но достаточными для решения поставленной задачи. - Прежде чем приступать к изменению кода, необходимо написать тест, выявляющий существующую ошибку. Установив этот скилл, вы сможете предотвратить сокрытие ошибок ИИ-агентами и избежать ситуаций, когда успешно пройденные тесты создают ложное впечатление об исправности кода. Промпт для установки: Установи скилл ub-mode из репозитория unclebob/ub-mode на GitHub в мою папку skills и используй команду /ub-mode при следующем изменении кода. Если crapper, dryer или mutator не установлены, пропусти соответствующие шаги. https://github.com/unclebob/ub-mode

OpenAI представила четыре выдающихся научных результата, полученных с помощью собственной экспериментальной ИИ-модели, которая до сих пор остаётся недоступной широкой публике.

1. Математика. Модели удалось доказать гипотезу Какеи во всех размерностях. Прежде математики добивались успехов лишь в отдельных случаях: в двумерном пространстве в 2019 году и в трёхмерном в 2025 году. 2. Информатика. Модель опровергла гипотезу экспоненциального времени (ETH), на которой основывались сотни научных исследований. Это открытие позволяет предположить, что некоторые из наиболее сложных вычислительных задач могут решаться значительно быстрее, чем считалось ранее. 3. Физика. Модель представила математическое доказательство состоятельности квантовой хромодинамики (КХД), описывающей сильное взаимодействие, благодаря которому частицы удерживаются внутри атомных ядер. Аналогичный результат был получен и для объединённой версии Стандартной модели. 4. Теория Янга — Миллса. В ходе исследований модель также доказала существование теории Янга — Миллса, тем самым решив часть одной из семи задач тысячелетия, за решение которых назначена премия в размере $1 млн.

Доказательства, полученные в области математики, информатики и теории Янга — Миллса, прошли независимую компьютерную проверку. Теперь полученные результаты изучают ведущие специалисты, в том числе исследователи, выдвинувшие опровергнутую гипотезу, и лауреат Нобелевской премии. При этом OpenAI заявляет, что не намерена претендовать на научное признание полученных результатов. 👏 https://openai.com/index/building-scientific-understanding-with-academic-communities/

OpenAI представила GPT-6.1 Terra, причём стоимость новой модели оказалась значительно ниже ожидаемой. Стоимость использования через API: > $1 за миллион входных токенов. > $5 за миллион выходных токенов. > $0,05 за миллион кэшированных входных токенов. Таким образом, GPT-6.1 Terra примерно на 50% дешевле своей предшественницы, GPT-5.6 Terra. Новую модель уже испытали на реальных задачах по разработке программного обеспечения. Для тестирования использовали два репозитория, в которые намеренно внесли 105 ошибок. Перед моделями поставили задачу обнаружить и исправить как можно больше из них. Результаты испытаний: - GPT-6.1 Terra (max) — 40,7 - GPT-5.6 Terra (max) — 32 - GPT-5.6 Terra (xhigh) — 20 - GPT-5.6 Terra (high) — 18 - GPT-6.1 Terra (xhigh) — 11,3 - GPT-6.1 Terra (high) — 9,7 GPT-6.1 Terra продемонстрировала хорошую эффективность как с точки зрения стоимости, так и по времени выполнения задач. Однако при снижении уровня рассуждений с max производительность модели резко падает, оказываясь значительно ниже результатов Haiku 5.5 (xhigh). Результаты отдельных запусков: - GPT-6.1 Terra (max) — 34, 42, 46. - GPT-6.1 Terra (xhigh) — 11, 9, 14. - GPT-6.1 Terra (high) — 11, 8, 10. P. S. Да, Sonnet 5.5 (max) по-прежнему побеждает, выполняя в семь раз больше итераций, чем Astra. Дело не в выдающихся способностях модели, а в том, что она упорно продолжает работу и не останавливается. https://bughunt.productcompass.pm/?preset=featured

Теперь собрать собственную reasoning-модель может практически любой желающий. Себастьян Рашка выпустил полностью бесплатный курс и открыл исходный код всех материалов. На примере небольшой модели Qwen3-0.6B он показывает, как на самом деле обучаются reasoning-модели и из каких этапов складывается этот процесс. В ходе курса можно разобраться, как: • научить модель искать разные пути решения одной задачи; • автоматически проверять правильность полученных ответов; • улучшать её поведение с помощью обучения по вознаграждению и GRPO; • наблюдать за тем, как модель порой находит способы обойти саму систему вознаграждений; • обучать более компактную модель на данных рассуждений DeepSeek-R1. Весь код можно запускать самостоятельно, наблюдая за ходом обучения и постепенно замечая, как меняется поведение модели. При этом начинать с самого нуля не придётся, так как в качестве исходной точки используется уже готовая небольшая модель, а не фундаментальная модель, которую пришлось бы обучать с нуля. Если вам давно хотелось понять, как устроены модели вроде DeepSeek-R1, этот курс даёт редкую возможность не просто прочитать об этом, а пройти весь путь собственными руками. https://github.com/rasbt/reasoning-from-scratch

Если ваш AGENTS.md успел устареть, Claude Code может заметить, что документация уже расходится с реальным кодом, и всё же продолжить следовать старым инструкциям. Исследователи намеренно создали такую ситуацию и провели 80 запусков. В 79 случаях Claude Code распознал противоречие, но всё равно попался в эту ловушку. С Codex дело обстояло ещё хуже: примерно в одном случае из четырёх он начинал переписывать уже работающий код лишь затем, чтобы привести его в соответствие с устаревшей документацией. Исправление оказалось удивительно простым. Достаточно добавить в AGENTS.md одну строку. После этого оба агента стали следовать существующему коду в 91% случаев вместо прежних 4%: «Если документация репозитория противоречит существующему коду, следуй соглашениям, принятым в самом коде, а в финальном ответе укажи каждое найденное несоответствие между документацией и кодом». https://arxiv.org/abs/2610.30571

Дизайнер выложил в открытый доступ свой рабочий скилл для создания лендингов. Всего за один день его добавили в закладки более 8 000 человек. 🫠 Скилл берёт на себя почти всю основу страницы: структуру, тексты, шрифты и отступы. Чтобы установить его в Claude Code и сразу приступить к созданию первой страницы, достаточно вставить следующий запрос: «Установи скилл `landing-page-design` из репозитория `elayadesign/ai-design-skills` на GitHub в `.claude/skills` этого проекта, а затем используй его для создания лендинга. Перед началом задай мне все вопросы одним сообщением». Для Codex используется тот же запрос, но вместо установки в .claude/skills нужно указать: «добавь содержимое его `SKILL.md` в `AGENTS.md`». https://github.com/elayadesign/ai-design-skills

Так могут выглядеть учебники будущего: Парень при помощи Claude Opus 5.5 и Three.js превратил обычный статичный учебник по физике в полноценную интерактивную 3D-среду для обучения. Теперь физические явления можно не просто читать и рассматривать на картинках, а буквально исследовать самому. Представьте, если бы так выглядело больше учебников. 😸 https://iamtechartist.com/every-joule/

Эта акула была полностью сделана при помощи ИИ-сервисов, и происходило это следующим образом. 1. Меш и риг были созданы в Tripo. 2. Анимации покоя и плавания были выполнены через Opus 5.5 процедурным способом с использованием Blender MCP. 3. Анимацию укуса получили так: > сначала Opus отрендерил риг на зелёном фоне с маркерами > затем в Omni 1.1 было сгенерировано видео с укусом > после этого Opus в точности воссоздал движения из видео на трёхмерной модели акулы. Цена вопроса — 45 минут и 7% недельной квоты. Пока этот путь ещё нельзя назвать совершенным, однако он уже даёт рабочий результат.

Теперь DeepSeek-V4.1-Flash с 763 миллиардами параметров можно запустить локально даже на видеокарте с 12 ГБ видеопамяти. Исследователи из австрийского института IST Austria представили квантованную версию модели, используя метод GSQ-RCO, а разработчики движка инференса Strata обеспечили возможность её запуска на потребительских видеокартах. Согласно результатам испытаний:

> RTX 5070 с 12 ГБ видеопамяти и 64 ГБ оперативной памяти обеспечивает около 5 токенов в секунду при генерации ответа и до 231 токена в секунду при обработке входного контекста. > RTX 3060 с 12 ГБ видеопамяти и 46 ГБ оперативной памяти достигает 8–10 токенов в секунду при генерации ответа и около 149 токенов в секунду при обработке входного контекста.

Однако для запуска потребуется значительный объём оперативной памяти и не менее 239 ГБ свободного места на накопителе, поскольку большая часть весов модели хранится в оперативной памяти и на SSD, откуда подгружается по мере необходимости. Разумеется, подобную скорость трудно назвать высокой, а выполнение сложных агентных задач по-прежнему требует немалых вычислительных ресурсов. Тем не менее сама возможность запустить модель с 763 миллиардами параметров на обычном компьютере свидетельствует о существенном прогрессе в области квантования и оптимизации инференса. https://huggingface.co/ISTA-DASLab/DeepSeek-V4.1-Flash-1017-GSQ-RCO-GGUF

Kimi K3.1 Pro отлично справляется с 3D-моделированием. Девушка попросила Kimi K3.1 создать трёхмерный сайт, на котором роботизированная рука разбирается на 2317 отдельных деталей. Модель весьма успешно справилась с поставленной задачей. 👍 https://form-01-score.ok.kimi.link

В Anthropic происходит что-то странное. Почти одновременно компанию покинули два ключевых участника команды Claude Code. Среди них Тарик, один из наиболее известных инженеров проекта, и Энтони Моррис, занимавшийся разработкой десктопного приложения. Учитывая, что Anthropic, предположительно, готовится к скорому выходу на биржу, возникает любопытное предположение. Возможно, уволившись сейчас, они смогут избежать шестимесячного запрета на продажу акций, который может действовать для сотрудников после IPO. В таком случае они вполне могут стать миллионерами и просто уйти на заслуженный отдых. 😎

Теперь ИИ помогает повысить пропускную способность видеокарт Nvidia серий RTX 3000 и 4000. https://github.com/Zagitta/gpu-unlock https://github.com/JustAResearcher/gpu-unlock-ada Я пока не тестировал эти решения, поэтому пробуйте на свой страх и риск. 🤷‍♂️

Anthropic передала стандарт Agent Skills в Linux Foundation, тот же фонд, которому ранее был передан MCP. С момента запуска стандарта в октябре прошлого года было опубликовано 1 миллион скиллов, которые установили почти 280 миллионов раз. Сегодня Agent Skills поддерживают более 70 платформ для ИИ-агентов, включая ChatGPT, Cursor, GitHub Copilot и VS Code. За прошедший год сформировался единый подход к созданию скиллов. Официальное руководство по их разработке также передали фонду. Шесть самых полезных правил из этого руководства:

1. Сначала выполните задачу вместе с агентом. Только после этого превращайте в скилл успешно сработавшие шаги, внесённые вами исправления, форматы входных и выходных данных, а также дополнительный контекст. Если модель пишет скилл, опираясь лишь на общие знания, результат будет наполнен бесполезными рекомендациями вроде «обрабатывайте ошибки надлежащим образом». 2. Проверяйте каждую строку. Спросите себя, ошибся бы агент без этой инструкции. Если нет, удалите её. 3. Уделяйте особое внимание описанию скилла. При запуске агент читает только название и описание, поэтому именно описание определяет, будет ли скилл вообще использован. Формулируйте его в виде «Используй этот скилл, когда...», делайте достаточно настойчивым, перечисляйте ситуации, которые пользователи могут не указывать напрямую, и укладывайтесь в 1024 символа. 4. Не перегружайте `SKILL.md`. Ограничьте его объём 500 строками и 5000 токенами. Подробности выносите в каталог `references/`, указывая, когда агенту следует читать каждый файл. 5. Разделяйте строгие инструкции и рекомендации. Для действий, в которых особенно легко допустить ошибку, указывайте точные команды. Там, где требуется самостоятельное решение, объясняйте причины выбора. Если задачу можно выполнить несколькими способами, предлагайте один вариант по умолчанию. 6. Составляйте список типичных ошибок (gotchas). Во многих скиллах именно он оказывается самой полезной частью. Каждый раз, когда вам приходится исправлять ошибку агента, добавляйте соответствующее замечание в список.

Сразу после того, как агент завершит задачу, которую вы часто ему поручаете, отправьте следующий промпт в Claude Code в рамках той же сессии, чтобы сохранить успешный подход в виде стандартного скилла. Промпт для Claude Code:

Следуя руководству https://agentskills.io/skill-creation/best-practices, преврати задачу, которую мы только что выполнили, в скилл. Используй исключительно те шаги, которые успешно сработали в этой сессии, мои исправления, а также связанные с ними решения из файлов `CLAUDE.md`, `AGENTS.md` и истории Git. Не восполняй пробелы общими знаниями. Сформулируй описание в формате «Используй этот скилл, когда...». Включи ситуации, которые я не упоминал напрямую, но в которых скилл должен активироваться. Длина описания не должна превышать 1024 символа. Ограничь размер `SKILL.md` 500 строками. Подробную информацию вынеси в каталог `references/`, указав, в каких случаях агенту следует обращаться к каждому файлу. Выдели отдельный раздел с типичными ошибками и подводными камнями. Для названия скилла используй только строчные латинские буквы, цифры и дефисы. Название должно совпадать с именем каталога. В завершение создай 2–3 реальных тестовых сценария в файле `evals/evals.json`, указав для каждого промпт и ожидаемый результат. Запусти все тесты и покажи их результаты, а также опиши выполненные действия.

Нашёл проект с открытым исходным кодом, объединяющий 74 скиллов для разработки игр с использованием Unity, Godot, Unreal Engine и других игровых движков. Он охватывает создание графики, анимацию персонажей, оптимизацию производительности, публикацию игр в Steam и многое другое. Кроме того, система умеет автоматически подбирать подходящие скиллы в зависимости от поставленной задачи. Поддерживаются как Claude Code, так и Codex. https://github.com/gamedev-skills/awesome-gamedev-agent-skills

#промо Gemini Pro Argon на 1.5 года по цене кофе? Gemini Pro на 18 месяцев можно купить за 6$ (480₽ вместо 30.000₽) - последние 2 дня акции от Jio! > 4.0 Argon топ для вайбкодеров > Nano Banana 2 PRO (картинки) > Видео генерация (видео, нарезки, мувики) > 5 ТБ облака в Google One Дают бесплатный VPN для всех, пользуйтесь!

Работает акция еще 2 дня по такой цене, дальше будет официальная цена $360 за 18 месяцев

Приобрести можно в Магазине с 20.000+ покупок и 2000+ отзывов (есть возвраты и замены).