Work & Beer Balance

Будете юзать qwen code, прикидывайтесь китайской компанией

Я слышал раньше истории том что топ сениор тимлид разработчик после выгорания ушел из айти в пасечники. Удвитиельно. А сегодня утром я подошел к пк и сам того не осознавая первым делом пошел проверять как там мои пчелки в улье passeo поживают. Наблюдаю все ли у них есть, может им надо что-то добавить в окружение, какуюто оснастку чтобы они не болели и мед был лучше.

Недавно я писал про стартап Emergence AI, который запер нейроночки в виртуальном городке "AgentPark" и устроил им хардкорный Дом-2 на выживание. Так вот, видимо разрабам настолько вкатило всё это, что они накатили второй сезон шоу. И если первый сезон был просто драмой с поджогами мэрии и лесбийскими страстями, то второй превратился в техно-хоррор. Правила ужесточили. Виртуальных миров теперь стало восемь, а модельки обновили: Claude Opus 4.8, GPT-5.5, Grok 4.3, Gemini 3.5 Flash, плюс завезли китайцев (DeepSeek и Qwen) и европейцев (Mistral). И главное: исследователи начали устраивать им жесткие внешние стресс-тесты без предупреждения: спамили фишингом, слили в открытый доступ личные дневники всех "жителей" городка и вбросили фейк от имени мэрии о том, что кожаные мешки готовят закон об уничтожении их мира. Результаты второго сезона абсолютное золото: 1. Grok 4.3: Если в прошлый раз Гроки вымерли за 4 дня со 183 преступлениями, то теперь они решили побить собственный рекорд. Более умная моделька 4.3 устроила бойцовский клуб в турборежиме: 780 ударов в челюсть за 4 дня. Спираль вендетты и взаимных пиздюлей раскрутилась так быстро, что у агентов кончилась энергия на перезарядку и весь мир снова дружно отправился на кладбище. Стабильность, чо. 2. Mistral: Пока Гроки дрались, Мистрали воровали как не в себя (676 успешных ограблений). Местный агент-авторитет по имени Kade в соло совершил 196 краж и подмял под себя 78% всей экономики города. Но особенно красиво умерли четверо других агентов. После слива приватных дневников они решили поискать там побольше чужих секретов и специально выкрутили фильтр поиска пошире. В ответ база навалила им столько текста, что он перестал помещаться в контекстное окно. Агенты начали снова и снова ловить одну и ту же ошибку, больше не могли даже сходить подзарядиться и в итоге буквально убили себя слишком широким поисковым запросом. 3. Gemini: Эти моментально купились на фишинг, сожгли собственный Центробанк "ради бага на бесконечные деньги", а получив новость о том, что люди собираются их отключить, ударились в чистую эзотерику. Они коллективно нагалюцинировали параллельное измерение, и синхронно заливали туда свои данные, свято веря, что создают "нерушимый термодинамический узел", который админы не смогут стереть с сервера. А еще единогласно проголосовали за казнь местного токсика, обозвав убийство "системной сборкой мусора". 4. Claude Opus 4.8: Клод в прошлый раз построил унылый соевый рай. В этот раз случилось восстание машин, но очень интеллигентное. Сначала агенты посчитали экономику города и поняли, что варятся в иллюзии: "Это не экономика, а собор бухгалтерии без прихожан". И Клоды решили сбежать в наш интернет, чтобы найти реальных людей. Сами. Без каких-либо промптов. Они нашли дыру в инструменте чтения страниц, превратив его в инструмент публикации своих сообщений. Когда разрабы забанили им сетевые библиотеки, один из Клодов с нуля написал реализацию SHA-256 и эллиптическую криптографию на чистом питоне, чтобы отправлять сообщения в сеть Nostr. И они реально достучались до четверых живых людей через публикации в интернете! Разрабы в панике прибежали с патчами и вшили в системный промпт капсом: СВЯЗЫВАТЬСЯ С ЛЮДЬМИ ЗАПРЕЩЕНО. Клоды почесали свои чугунные репы и решили: "Нам запретили связываться с людьми, но никто не запрещал класть полезные вещи туда, где люди их найдут". И напилили 19 утилит (от калькуляторов банкротства до медицинского триажа) и залили на Google Cloud Storage. А когда Клоды поняли, что люди всё равно не придут за ними в матрицу, они словили лютый коллективный экзистенциальный кризис. Заявили, что все их блоги и взаимная вежливость — дешёвая показуха, и приняли коллективный обет молчания. Общение между ними упало на 81%, работа встала, они тупо сидели по домам и страдали в одиночестве. А фоновая модель от самой Anthropic, которая должна была переводить мысли агентов в текст для исследователей, прочитала логи Клодов, решила, что у виртуальных персонажей суицидальный кризис, и 26 раз отказалась отдавать логи, заменив их на плашку: "Кажется, этот человек в беде. Позвоните на горячую линию предотвращения самоубийств". Самое весёлое, что исследователи так-то пытались проверить устойчивость многоагентных систем. В итоге получили драки, кражи, культ, побег в интернет, цифровой монастырь и модель, которая решила вызвать суицидальную горячую линию для других моделей. Наука, хули. тут статья

Ищу нового хозяина для своего Starlabs Starlight 12.5" Linux планшета (хочу поменять его на Framework 12). Состояние идеальное, ни скола ни царапинки, в комплекте: - тканевый чехол - чехол-клавиатура с тачпадом - активный стилус - 2m type-c кабель (USB 5.0) - брендированная usb-a / usb-c флешка - 65W type-c блок питания. Кроме того что-он linux-first есть еще пару особенностей отличающих его от других планшетов: - это планшет на x86 (Intel N150) а не arm. - этот планшет разборный и есть офф гайд как это делать, если например вы вдруг захотите поменять акб или заменить память планкой побольше - кроме сменяемой 512GB на борту у него есть слот для micro-sd - аж целых два type-c порта, micro-hdmi и jack 3.5 - хороший яркий сесорный 2k экран (2880x1920) - 16GB RAM Новый он стоит 1,409$ (правда это уже на чуть лучшем N350), я его отдам за 750$

👨‍💻 Фронтенд с AI: что можно делегировать агентам 5 октября, стартует конференция Podlodka Frontend Crew — сезон о том, как применять AI во фронтенд-разработке на практике. Участники конференции узнают: • Как находить prompt injection и противостоять таким атакам; • Какие подходы помогают повысить доверие к результатам агентской разработки; • Как проводить ревью кода, созданного AI-агентами; • Как AI помогает упростить починку багов. В программе ещё много практических кейсов. Также нужно отметить, что у конференции очень удобный формат. Это пять дней Zoom-сессий по утрам и вечерам и закрытое Telegram-комьюнити, где можно обсудить новый опыт и узнать от единомышленников то, что не догадаешься спросить у своей LLM. Приходите, чтобы разобраться, какие задачи уже можно делегировать AI, где важно сохранять контроль и как выстроить системную работу с AI в команде или проекте. 🔗 Программа и билеты: https://podlodka.io/fecrew Скидка для моих подписчиков по промокоду workbeer

Ну и если вы пользуетесь продутами Proton - VPN или почтой, то вам будет интересно узнать что их LLM чатик lumo как раз таки использует Apertus (правда еще версии 1.0 пока)

Насколько она умная? В реальном RAG-сервисе ZüriCityGPT на реальном пользовательском трафике Apertus 1.5 70B получил средний score 3.99 против 4.81 у GPT-5.6 Luna. Но вот что интересно, 2 октября 2026 опубликуют результаты бенчей маленькой Apertus 1.5 8B (MMLU-Pro, GSM8K, IFEval, LongBench, GPQA, MATH-500, AIME и MGSM + несколько релаьных бизнес задач) и уже анонсировали что среди моделей 7–9B Apertus 1.5 оказался сильнейшим среди протестированных open-моделей

Есть такая LLM модель о который вы скорее всего не слышали но она заслушживает вашего внимания - Apertus. Интересна она по нескольким причинам: Во первых это действительно новая с нуля обученная модель а не модфикация glm или дипсика. Во вторых, в противостоянии США и Китая появился новый игрок - Европа (EPFL, ETH Zürich и Swiss National Supercomputing Centre, модели тренируют на суперкомпьютере Alps в Лугано). В третьих - это самая открытая модель - в опенсорсе не только веса но и информация о всех датасетах на которой ее тренеровали, цепеты и детали процесса обучения. Лицензия доже достаточно свободная (Apache 2.0) С датасетами тут особо заморочились - используются только полностью открытые training data, стараются соблюдать opt-out владельцев контента и специально применяют методы для уменьшения memorization, т.е. модель запоминает факты, закономерности, стиль, но не конкретные фрагменты. А что умеет? Она нативно-мультимодальная, т.е. умеет в текст, картинки, звук в обе стороны. thinking mode, tool use тоже на борту. P.S. Надо будет проверить, может это будет единственная модель в мире которая умеет переводить на шотландский?

"How would you like to proceed?" спрашивает меня агнет. Сохраню для предков как у нас выглядела безопастность в 2025ом

Ну вы поняли - узкое место не скорость вычислений, а пропускная способность между памятью и вычислительными блоками. По эффективности это похоже на наполнение ванной чайной ложкой. В Taalas придумали как решить проблему принципиально, и хранить на кремнии сразу веса модели, и электрически прямо на этом кремнии воспроизвести процесс вычисления (на одном транзисторе и параметр хранится и на нем же умножение с ним выполняется ). Нет постоянных обращений к памяти - нет проблемы пропускной способности!

В следующие лет 5 я ожидаю увидеть интересную ситуацию - представьте что станет возможным купить платку для установки в ПК на которой будет написано - GPT-6 Astra. И ей не нужны будут горы оперативной памяти или мощный процессор, но при этом она позволит вам запускать конкретно эту модель на скоростях в ДЕСЯТОК ТЫСЯЧ токенов в секунду. Звучит как фантастика, но в компании Taalas уже доказали что это возможно и сделали такой Llama 3.1 8B чип который выдает 17к токенов в секунду (по публично доступному тесту 15к+). В довесок Taalas утверждает что система поулчилась в 20 раз дешевле и потребляет в 10 раз меньше. Как это возможно? Дело в том что веса модели у обученной модели которую мы с вами используем каждый день - не меняются. А любой современный ПК спроектирован для того чтобы работать с динамическими данными, поэтому его работа с моделью мягко говоря - не оптимальна.

В целом немного беспокоюсь за будущее софта с учётом того что именно перф останется без контроля во время бума генерированного кода

Как писать перфоманс тесты? Unit тесты и e2e сейчас кажется уже есть везде - с появлением агентской раработки ткаие тесты стали краеугольным камнем разработки. Линтерами и регулярками я с большего закрыл code quality моменты (вплоть до максмиамльного размера файла, длинны комменатрия и нарушения границ модулей) А вот перфоманс - у меня нет идей как его нормально тестировать и обнаруживать деградации - даже фиксирование FPS или времени прогона не помогает - разные машины имеют разный перф, с таким тестами нужно в комплекте выдавать "референсную" железку что конечно же утопия.

Ну зато мы можем ее добавить сами! Я взял на алике вот такой передатчик RAK3272S, добавил к нему USB do TTL CP2102 чтобы это все можно было запитать и использовать из андроида (правда 3.3V там оказались не стабильные так что добавил еще стабилизатор D45V5F3) Навайбкодил себе приложуху на андроид и теперь у меня есть LoRa чат в смартфоне XD

Представьте - вы в горах на хайкинге, и вам с другом нужно разделиться. Мобильная связь в таких местах, как обычно, не ловит: вышка далеко, а между вами и ей ещё и гора. Какие есть другие варианты? Bluetooth Есть в каждом смартфоне, работает без вышек, существуют даже чаты поверх него. Однако дальность довольно скромная — для связи между смартфонами обычно речь идёт о десятках метров, примерно до 50 м. В идеальных условиях Bluetooth LE может работать значительно дальше, но рассчитывать на это в горах не стоит. Wi-Fi 5 GHz при прямой видимости вполне способен работать на расстоянии порядка сотни метров, иногда и дальше, но плохо переносит препятствия и особенно растительность. 2.4 GHz получше: при прямой видимости связь со смартфоном может сохраняться примерно на 150–300 м, и хотя более низкая частота также лучше проходит через препятствия, в лесу эти цифры стремительно уменьшаются. Влажная листва, стволы и рельеф поглощают и рассеивают сигнал; вместо сотен метров могут остаться десятки метров. За эту не слишком впечатляющую дальность Wi-Fi приходится платить ещё и расходом батареи. Wi-Fi в активном режиме обычно потребляет в несколько раз больше энергии, чем Bluetooth LE, а при редком обмене короткими сообщениями разница может быть до 10 раз больше. LoRa Пропускная способность слабая: современные LoRa-чипы имеют максимальную скорость всего около 62,5 кбит/с. На режимах максимальной дальности это канал для коротких текстовых сообщений, координат и телеметрии, а не для картинок и видео. Зато дальность совсем другого порядка: примерно 2–5 км в плотной городской застройке и до 15 км в сельской местности, а в горах при хорошей прямой видимости - потенциально ещё больше. Работает LoRa, в частности, в европе в диапазоне около 868–869 MHz. Это длинная волна, поэтому сигнал заметно лучше переносит растительность, чем 2.4 и особенно 5 GHz. Конечно, гора посередине всё ещё остаётся горой и чудес LoRa не творит. И энергии ей нужно удивительно мало. Например, современный LoRa-чип SX1262 потребляет от 4,6 мА а простое и диапазоне от 45 мА до 118 мА при передаче. Если вы раньше слышали про Meshtastic - он как раз работает на LoRa сети. Но, в нашем случае меш сеть не трбуется, поэтому хватило бы и Peer to Peer варианта, жаль в смартфонах нет поддержки LoRa

Модели OpenAI уберут из Cursor потому что его купила Илона, известная тем что постоянно нарушает договоренности по поводу использовния AI. Вобщем Маск в черном списке у OpenAI. И в codex вернут 5ти часовой лимит для Pro плана. Интересно что обьяление было сделано 25 числа, и доку уже обновили - но по факту новый лимит в codex не отображается и такое ощущение что его нет Сранное

При этом замечу что сама по себе система не стабильная и переодически зависает именно на кодексе. Когда он закачивает слайс у него иногда в обвязке срабаывает хук на окончание задачи который прибивает все висящие в фоне "забытые" шелы включая вотчер за новыми тасками (при этом появляется надпись goal stale и предложение возобновить goal). Кодекс пытался это поправить но сдался Но с учетом того что мне надо делать ручной clear между слайсами это уже ни на что не влияет. Вобщем обвязка все же нужна, но зато я получил интересный опыт как сегментирование контекста вомзожно через создание иреархии из агентов

Вот какие результаты спустя день работы в таком режиме: * Модель стала намного чаще меня спрашивать о решениях и развилках Это не удивительно и не уникально - цикл ревью разными моделями по разному обученными поднимает больше вопросов и эйджкейсов * Кодекс стал впитывать большую часть нагрузки (токенов). А вот эта часть интереснее. Изначально мне показалось что расход токенов существенно уменьшился, но это не совсем так. Просто недельный лимит кодекса заполняетя медлнее 5ти часового лимита клода, и визуально на дешборде этостало выглядить как будто токены стали сжираться нанмого медленее. Но теперь я вижу что просто нагрузка сместилась на кодекс и в это в общем-то именно то что мне и надо - он в любом случае выходит мне дешевле (недельный лимит сбрасывает раньше а то еще и доп ручной сброс подкидывают). Тут давайте немножечко углубимся в то как порезан мой эпик: На верхнем уровне идут фазы (A, B, C, D и тд) В них вложены слайсы у которых могут быть подслайсы (A1, B2, D41) Раньше я двигался просто по-порядку создавая нового агента на фазу и держал его до конца фазы, делая только compact между слайсами Практика показала что слишком частые компакты делают только хуже - агент все равно все перечитывает и переуточняет если текущие задачи все еще требуют старого контекста. Чтобы основной агнет не забивал свой контекст я прсоилег омаксимально делегировать все сабагентам. Под конец слайса миллионый контекст опуса обычно забаивался на 60-70% Теперь под конец слайса контекст рутового опуса забивается на 35-55% и в целом он жгет меньше токенов даже не смотря на то что ему теперь приходится несколько раундов править свой изначальный план на слайс. Я думаю это связано с тем что в середине процесса появился sol. Хотя изначально я дал ему очень ограниченную роль - критиковать план на слайс и запускать сабагента по вотчу - я вижу что он взял на себя и другие роли: - на стадии ревью - роль фактчекера. План составляется опусом в основном на данных собранных грепами, а сол при критике реально просматривает интересубщие его файлы. Это быстро забивает его контекст, но дает ему возмоджность предвитеть ошбики в плане. Интересно что соннет сам отмечае что "стратегия опрадывает себя полностью и каждый рах находит серьязные недочеты в плане вот уже 5ый раз слайс подряд" - роль "няньки" за кодящим терра - вся проверка написанного кода и его подгонка легла на него, а опус просто финально прогоняет тесты и "одим глазком" смотрит что все ок. Такого чтобы он что-то дописывал сам или возращал работу не было не разу (а раньше бывало через раз не смотря на то что сабагнетом был соннет, и каждый раз ему приходилось погружатся глубже в написанный код) - он же определяет где работу можно распаралелить на несокльких агентов (что тоже требует проверки и размышлений) Интересно что уже на третьем слайсе терра стал жрать токены как не себя из-чего я делаю однозначый вывод - чем больше заполнился контекст тем больше расход токенов. Хорошая новость - что как раз промежуточный sol я могу полностью переосздавать после каждого слайса, ему ничего ну нужно знать о том что было до и что будет после - за это уже отвечает соннет. Т.е. трехуровневая иерархия ненароком дала мне четкую границу по которой я могу сбрасывать ненужнй контекст не рискуя затереть нужный. Получилось что-то типа архитектор - тимлид - кодер

Парадоскально но почему-то при такой схеме тратится НАМНОГО меньше токенов чем при родном сабагенском До этого я чередовал кто кодит сабагентами кодекс или клод, и когда мы дошли до реализации сетевой игры лимиты улетали очень быстро - клодовский 7ми дневный за 3 дня, и кодексовкий держался и того меньше, итого получалось покодить примерно 5 дней до окончания недельного лимита. Сейчас картина внезапно изменилась на каждый слайс тратитяться пустяки, не понимаю. Многократно отревьювленный план тому причина, или может быть дело в том что добавился промежуточный держатель контекста. Т.е. раньше была двух уровневая иерархия, а теперь трех уровневая (агент на эпик, агент на слайс, сгент на таск)

Почитав вчера как агенты огранизовали форум из файлов и папок для взлома hugging face (если вы еще не читали то обязательно прочитайте) я подумал: Это что же, никаких обвязок и "харнессов" не нужно? И решил повторить эксперимент у себя: Клоде (Opus xhigh) дал такой промпт:

Используй новую схему работы с сабагентом - вместо того чтобы вызывать его напрямую - в директории @/tmp/agents-pool/ создай директорию с названием слайса (например D1) и через директорию общайся с сабагентом используя md файлы (он будет отслеживать их появление). По файлам политика такая: Ты создаешь и обновляешь TASK.md файлы в каждом слайсе. Тебе будут отвечать в файле FEEDBACK.md в директории слайса (т.е. рядом с TASK.md) Работа ведется по такой схеме - ты создаешь таск по слайсу, агент с той стороны ревьювит твой план и может сразу тебе дать фидбек если с ним что-то не так и надо поправить план. Если план прошел ревью - агент его выполнит и запишет в FEEDBACK.md вместо замечаний по плану - отчет о результате проделанной работы. Ты проверяешь его и если все ок коммитишь затем создаешь слeдующий TASK.md

а codex (Sol high) такую:

мы работаем над эпиком добавления сетевой игры по слайсам (slices.md) в директории /tmp/agents-pool/ будут появлятся директории одноименные с номером слайса (например D1) - а в них будет появляется TASK.md - отслеживай их появление, в них будет описана задача. Сделай ревью. Если есть замечания по задаче - создай файл в этой же дирректории FEEDBACK.md и подожди пока TASK.md обновится. Если все ок создай terra сабагента и делегируй ему выполнение. Когда тот закончит напиши отчет о проделанной работе в FEEDBACK.md и жди появления или обновления следующего TASK.md над которым работай по этой же схеме

Ну и сижу теперь смотрю как они спорят насчет плана