47682
Авторский канал по ВАЙБ КОДИНГУ, сотрудничество: @nikwolve
Поскольку вопросы безопасности становятся всё актуальнее, OpenAI выпускает специализированную модель для кибербезопасности — GPT-5.6-Cyber.
Это первая масштабная попытка компании напрямую усилить модель для продвинутых задач в этой области, включая разработку эксплойтов.
По словам OpenAI, модель уже показывает себя особенно сильно в защитных сценариях. Её используют по всему внутреннему стеку для редтиминга, а исследователи безопасности с её помощью нашли и закрыли большое количество 0-day уязвимостей в открытом ПО.
Qwen открыли Qwen-MM-Plugins.
Это набор плагинов, который добавляет агентным обвязкам мультимодальные возможности.
Кто-то уже побежал делать DeepSeek мультимодальным ⌨️
Разрыв между американскими и китайскими моделями практически исчез.
И теперь ByteDance, по данным сразу нескольких источников, обучает модель размером до 10 трлн параметров — примерно в три раза больше Kimi K3.
На этом фоне всё сложнее представить сценарий, в котором американские лаборатории просто решат замедлиться. Пока Китай продолжает инвестировать, масштабировать и давить на газ, такая пауза будет означать риск отдать лидерство конкуренту. 😱
Мы живём в антиутопии: 11-летняя девочка попросила Claude написать ей собственный браузер, чтобы обойти родительские ограничения на YouTube.
Её отец, техпредприниматель Сыци Чэнь, рассказал, что установил лимит экранного времени на ноутбуке дочери. В ответ она попросила Claude написать код и собрала браузер на Electron и Chromium, через который ограничение больше не работало. 🚬
Сам Чэнь написал:
«Теперь я вообще не знаю, что делать».Читать полностью…
С 14 августа Auto Mode станет режимом разрешений по умолчанию в Claude Code для пользователей Pro, Max и Team.
Auto Mode проверяет каждый вызов инструмента отдельным классификатором и решает, можно ли выполнить действие без ручного подтверждения.
Одна из причин, почему Anthropic доверяет Auto Mode больше, чем ручному подтверждению:
В исследовании с 1 053 платными тестировщиками обычный запрос разрешения заменяли на заведомо опасную команду. Ничего реально не запускалось — пользователи видели только текст.
Опасность замечали лишь в 13,6% случаев, а после 50 запросов показатель падал примерно до 5%.
Auto Mode блокировал те же команды в 89% случаев, причём эффективность практически не снижалась даже в длинных сессиях.
Вторая причина перехода — долгие агентные задачи.
Модели вроде Opus 5 уже могут планировать и выполнять многочасовую работу, но в этом мало пользы, если агент останавливается на каждом вызове инструмента и ждёт подтверждения.
С Auto Mode можно запустить одну задачу или несколько параллельно, а потом вернуться уже к готовым PR для ревью.
Сам классификатор расходует небольшое количество дополнительных токенов, но с сегодняшнего дня они больше не учитываются в лимитах Pro, Max и Team.
Позже это изменение появится и для Enterprise и пользователей API, когда Auto Mode станет режимом по умолчанию и для них. 👋
Новая функция Claude Code: теперь сессии могут общаться друг с другом.
Например:
> В одной сессии вы работаете над одной функцией.
> В другой — над другой частью проекта.
> Если одной сессии нужно что-то передать другой, можно просто попросить Claude сделать это.
Claude отправит краткое резюме с важной информацией, а другая сессия продолжит работу уже с этим контекстом.
Также можно задать вопрос другой сессии и получить её ответ прямо в той сессии, которой вы сейчас пользуетесь.
Обновите Claude Code, чтобы попробовать. Функция доступна на macOS и Linux. 🎉
Google раздаёт бесплатные деньги. 🤩
Если у вас подписка Google AI Pro или Ultra, каждый месяц вам начисляют бесплатные кредиты Google Cloud — и большинство об этом даже не знает.
• AI Pro: $10 в месяц
• AI Ultra 20 ТБ: $40 в месяц
• AI Ultra 30 ТБ: $100 в месяц
Активировать кредиты можно через портал Google Developer Program. Для получения нужен проект в Google Cloud с включённым биллингом.
Для Pro сумма небольшая, но бесплатные деньги есть бесплатные деньги.
На аккаунте DeepSeek за последнюю неделю — всего один пост с релизом DeepSeek V4 Flash. До этого — тишина с 23 мая, когда компания объявила о 75%-й скидке на DeepSeek V4 Pro.
Тем временем в других компаниях:
Теперь Codex Security Review можно запускать прямо из GitHub.
Codex теперь может автоматически выполнять проверку безопасности каждого GitHub PR с учётом контекста всего репозитория, оставляя найденные проблемы и рекомендации прямо в комментариях к изменённому коду.
Узнать, как включить автоматическую проверку 🔈
Похоже, OpenAI работают над функцией, которая позволит покупать сброс лимитов запросов для Codex.
На это указывают находки в публичной конфигурации страницы оплаты и ресурсах веб-приложения ChatGPT.
Теперь ясно, почему Tibo не сбрасывает нам лимиты. 🙂
Совет: используйте Codex, Claude Code или другого ИИ-агента, чтобы быстро найти, что занимает место на диске.
Если хранилище переполнено и непонятно, куда исчезло свободное место, просто попросите Codex просканировать систему.
Промпт:
«Просканируй систему и найди, что занимает место на диске. Найди крупные файлы, старые установщики, неиспользуемые приложения, папки с кэшем, заброшенные проекты и всё, что можно безопасно очистить. Сгруппируй результаты по категориям с указанием размера и отметь, что можно удалить автоматически, а что требует моей проверки. Пока ничего не удаляй — только покажи список».
COMEBACK: Meta выпустили Muse Spark 1.2 и собственную IDE Muse Code в бета-версии. 🍗
Это быстрое обновление после Muse Spark 1.1, вышедшей всего несколько недель назад. Новая версия получила больше фокуса на задачах программирования и новый harness.
В тестах модель показала заметный рост в Terminal Bench, DeepSWE и внутренних бенчмарках. В агентных сценариях улучшились результаты в GDPVal и MCP Atlas.
В DeepSWE 1.1 Muse Spark 1.2 набрала 59%, обойдя Grok Build 4.5 и Gemini 3.6 Flash.
При этом цена остаётся крайне низкой. Если готовы немного поделиться данными с Цукербергом ради «улучшения продуктов Meta» — Spark 1.2 можно получить почти даром: $0,10 за 1 млн входных токенов и $0,20 за 1 млн выходных.
Firecrawl запустил anydoc — их новый движок для парсинга документов на Rust
Он конвертирует PDF, Word-документы, презентации и ещё 10 форматов в Markdown менее чем за 5 мс, сохраняя одно из лучших качеств обработки в индустрии.
100% опенсорс
Совет по вайбкодингу: попросите Codex создать интерактивную карту вашего репозитория, а затем отмечать, какие модули изменились с момента её генерации.
Нажав на любой модуль, можно увидеть его вызывающие компоненты, зависимости, основные потоки выполнения, связанные тесты и подтверждающие данные из исходного кода.
Он создаёт:
→ docs/codemap/codemap.html
→ docs/codemap/codemap.json
→ docs/codemap/codemap.lock
Полный промпт ↓
Analyze the current codebase. Do not modify product code. Only create or update files under docs/codemap/.
Ignore vendor, build, dist, cache, and other generated directories.
If docs/codemap/ already exists, first compare the existing codemap.lock with the current repo and list the modules that changed. Then regenerate these three files together:
1. docs/codemap/codemap.html
Build a fully self-contained interactive code map that opens directly in a browser. Include:
- major modules, services, databases, queues, and external dependencies
- no more than 20 primary nodes; group low-level files under their parent module
- calls and data flows between modules
- the 3-5 most important end-to-end flows
- a clear dark theme by default
- system boundaries and the most important data flows visible on the first screen
- color-coded module types with a simple legend
- automatic layout that minimizes crossing edges
- clicking any module highlights its upstream callers, downstream dependencies, related tests, and the flows it belongs to
- selecting a flow highlights its complete path
- search, filtering, zoom, and drag controls
At the top, show the repo name, generation time, and the commit it was generated from.
2. docs/codemap/codemap.json
Use this structure:
{
"generated_at": "",
"generated_from_commit": "",
"scope": [],
"nodes": [],
"edges": [],
"flows": []
}
Each node must include:
- id
- path
- role
- entrypoints
- tests
- constraints
- evidence
Each edge must include:
- from
- to
- type
- evidence
type may only be:
- imports
- calls
- reads
- writes
- publishes
- subscribes
Each flow must include:
- trigger
- steps
- outcome
Every step must reference an existing node id.
Attach the matching source path and symbol to every node and edge. Mark any relationship without source evidence as unknown. Do not guess.
3. docs/codemap/codemap.lock
Use parseable JSON to record:
- the current commit
- whether the working tree has uncommitted changes
- generation time
- scanned scope
- excluded directories
- the fingerprint algorithm
- a deterministic fingerprint for each top-level module, calculated from its tracked file paths and current file contents
If no existing codemap.lock is found, treat every module as new and generate the full map.
When finished, verify that:
- codemap.json parses successfully
- every node path exists and every evidence symbol can be found in the source
- every edge and flow step references an existing node
- codemap.html and codemap.json use the same nodes, edges, and flows
- codemap.lock matches the current commit, working tree state, and module fingerprints
- every relationship without source evidence is marked unknown
These three files must always be generated together from the current repo. Never edit only one of them manually.
Finally, show:
- files created or modified
- stale modules
- remaining unknowns
- validation results
- the complete diff
AGENTS.md, чтобы карта кода всегда оставалась синхронизированной с репозиторием:At the start of every code-changing task, compare the current repo with docs/codemap/codemap.lock.Читать полностью…
Before modifying a module, use docs/codemap/codemap.json to answer three questions:
1. What calls it?
2. What does it affect?
3. Which tests cover it?
If the map is stale or cannot answer those questions, regenerate codemap.html, codemap.json, and codemap.lock before changing the code.
Whenever module boundaries, dependencies, routes, databases, queues, or major data flows change, update the code map in the same commit as the code.
Вот это день. 😳
Meta снова всерьёз возвращается к открытым моделям. Компания выпустила Glimmer — сильную агентную модель c 30 млрд параметров и уже готовит Spark 1.2 с открытыми весами.
Anthropic тем временем попыталась решить одну из самых известных нерешённых задач в математике — гипотезу Римана — с помощью ещё не выпущенной модели Claude. Саму гипотезу модель не решила, но в процессе Claude неожиданно улучшил давний результат вокруг неё: долю нулей дзета-функции Римана, для которых гипотеза подтверждена, удалось поднять с 41,6% до 67,2%.
Параллельно Anthropic объявила, что стартовая цена Sonnet 5 становится постоянной: $2 за миллион входных токенов и $10 за миллион выходных.
А Gemini 3.5 Pro, похоже, вообще не выйдет. По данным SemiAnalysis, Google отменила релиз модели и, судя по всему, сразу переходит к Gemini 4.
Полезный плагин для Codex 5.6: Sentry
Многие сталкивались с таким. Только исправил баг, и старая проблема снова появляется, загоняя проект в цикл бесконечных переделок.
Это происходит потому, что скриншоты или логи, которые вы обычно передаёте Codex, содержат только последнее сообщение об ошибке. При этом действительно важные данные, которые определяют, можно ли вообще нормально исправить проблему, отсутствуют: стек вызовов, область влияния, частота возникновения, информация о версии и контекст выполнения.
Недавно по совету друга из Китая я подключил плагин Sentry к Codex, и теперь весь процесс поиска проблем выглядит совсем иначе.
Больше не нужно постоянно копировать и вставлять отчёты об ошибках. Достаточно сказать:Используй Sentry, чтобы определить текущие баги в проде. Не смотри только на сообщения об ошибках, сопоставь стек вызовов и текущий код, чтобы найти реальную первопричину.
После этого Codex может напрямую получить доступ к данным об ошибках, на которые у вас есть права, и сопоставить их с текущим кодом проекта, чтобы:
> Восстановить ситуацию. Посмотреть полный стек вызовов и контекст выполнения, чтобы понять, при каких условиях возникает баг.
> Найти первопричину. Сопоставить ошибки из прода с конкретным кодом, не строя догадки только по последнему сообщению об ошибке.
> Проверить исправление. Сначала воспроизвести проблему и добавить регрессионные тесты, а затем изменить код, чтобы не получилось так, что исправление одного ломает другое.
Можно наконец выйти из цикла, когда баг исправили, он снова сломался, его снова исправили — и так по кругу. 😱
Совет по вайбкодингу: попросите Codex использовать навык Visualize, когда он что-то вам объясняет.
Добавьте в свой AGENTS.md: При объяснении чего-либо пользователю используй навык Visualize.
Для тех, кто хочет залезть под капот Kimi K3: минимальная реализация архитектуры, сделанная специально для того, чтобы её можно было нормально прочитать, запустить на CPU или в Google Colab и сверять код с оригинальным техническим отчётом.
KDA, Gated MLA, Attention Residuals и Stable LatentMoE здесь сохранены, но некоторые части упрощены ради читаемости.
ChatGPT Live получил поддержку файлов и Projects.
Теперь во время разговора можно прикрепить файл или изображение и сразу задавать вопросы по его содержимому. Также GPT-Live можно использовать внутри Projects — где уже собраны чаты, справочные файлы, инструкции и текущий контекст.
При этом забавно: какое-то время назад там уже можно было включить камеру и вести мультимодальный диалог о том, что вы видите перед собой. 🪑
Одна из самых полезных привычек при работе с Codex 5.6 на завершающем этапе — это сжимать длинные диалоги в документ для передачи контекста по проекту. Это может сэкономить огромное количество токенов.
Когда диалог по долгому проекту становится слишком большим, в нём накапливаются устаревшие решения и мусор из логов ошибок. В результате ИИ снова и снова просматривает код и наступает на старые грабли, впустую расходуя огромное количество токенов.
Примерный промпт, который помогает заметно сократить бесполезный расход токенов:
«Текущий этап работы подходит к завершению. Создай или обнови PROJECT_STATUS.md, сведя результаты этого этапа в документ для передачи проекта, с которого можно будет бесшовно продолжить работу.
Документ должен включать: текущие цели, завершённые задачи, ключевые технические решения, изменённые основные файлы, результаты тестирования и проверки, известные проблемы, уже опробованные, но не сработавшие подходы, а также последовательность следующих шагов разработки.
Сверь содержимое с текущим кодом, изменениями Git и результатами тестов. Оставь только ту информацию, которая действительно понадобится для дальнейшей разработки. Не добавляй нерелевантные обсуждения, неподтверждённые выводы и чувствительные данные вроде паролей или ключей».
«Сначала прочитай PROJECT_STATUS.md, чтобы подтвердить текущий прогресс, известные проблемы и следующие шаги, а затем продолжай разработку».
OpenAI вместе с AWS, Cursor, GitHub, VS Code, Vercel и другими запускает Agent Plugins — открытый стандарт для упаковки скиллов и конфигураций MCP-серверов в единый формат.
Один такой пакет можно использовать в разных совместимых агентных клиентах. На старте поддерживаются Codex, ChatGPT, Cursor, GitHub Copilot, VS Code и Kiro.
Самое полезное здесь то, что инструкции наконец могут переноситься вместе с нужными им инструментами. Больше не придётся заново собирать и настраивать одну и ту же конфигурацию под каждый клиент.
Пока первая версия стандартизирует только формат пакета. Аутентификация, разрешения, установка и интерфейс остаются на стороне каждого клиента.
Claude Code в стартовый список пока не входит. 🤷♂️
Anthropic обновила защитные механизмы Claude Fable 5, связанные с биологией, чтобы сократить количество ложных срабатываний. После обновления число отказов по запросам, связанным с биологией, уменьшилось примерно на 85% во всех продуктах компании.
При этом запросы, которые Anthropic считает задачами двойного назначения, включая вирусологию, токсикологию и молекулярный дизайн, по-прежнему будут автоматически передаваться в Opus 5. Из-за этого Fable 5 всё ещё не подходит для профессиональных биологических исследований и разработки лекарств.
Впрочем, на вопрос, откуда берутся дети, Claude Fable 5 по-прежнему отвечать отказывается. 🥲
OpenAI существенно обновила ChatGPT:
Теперь пользователи Free и Go могут без ограничений пользоваться GPT-5.6 Luna в текстовых чатах — моделью, возможностей которой уже более чем достаточно для большинства повседневных задач. Кроме того, на бесплатном тарифе появляется кнопка Think, которая позволяет модели уделять больше времени рассуждению при ответе на сложные вопросы.
Не остались без обновлений и пользователи Plus и Pro. Все новые чаты теперь по умолчанию работают на GPT-5.6 Sol, а также появился ползунок, с помощью которого можно регулировать объём рассуждений перед ответом. По данным OpenAI, новая версия модели допускает на 68% меньше фактических ошибок по сравнению с GPT-5.5 Instant. 💃
При этом обновление касается только обычных чатов ChatGPT. Версии GPT-5.6 Sol для Codex и Work остаются без изменений.
Плохие новости: на странице API DeepSeek написано, что в ближайшее время стоимость использования API DeepSeek значительно вырастет.
Самое время выжать максимум из Flash, пока он не подорожал. 👀
Очень интересный релиз: Prime Intellect запустили Prime Agent — обвязку, которая превращает долгие автономные сессии ИИ в отдельную задачу программирования.
Его единственный инструмент — постоянное IPython-ядро. Модель может программно искать по своей истории, вызывать инструменты, запускать постоянных субагентов и хранить полезное состояние вне активного контекста.
Prime Intellect описывают это так:
«RLM рассматривает контекст как переменную, а делегирование субагентам — как вызовы функций внутри REPL».
Вычисления для ИИ скоро отправятся на орбиту.
NVIDIA и SpaceX официально объединяются для создания космического дата-центра.
В рамках проекта спутник Starmind AI1 получит вычислительный модуль на базе NVIDIA Vera Rubin NVL72.
Он будет использовать солнечную энергию для работы ИИ-инфраструктуры на орбите, обеспечивая высокопроизводительные вычисления с передачей результатов на Землю. 🚀
Модель или обвязка?
Если вы разрабатываете ИИ-агентов для продакшена, эту статью стоит сохранить.
Авторы собрали 41 типичный сценарий отказа и классифицировали их по тому, на стыке каких компонентов возникает проблема. Каждая ошибка привязывается к взаимодействию между моделью, обвязкой, пользователем, инструментами, памятью или окружением, а также указывает, на какой стороне находится причина и где её нужно исправлять.
Это хорошо отражает реальную картину: большинство проблем ИИ-агентов возникает не в самой модели, а на стыке модели и окружающей её инфраструктуры.
Подход также подходит для автоматического анализа. В тестах на четырёх передовых моделях лучший ИИ-судья достиг коэффициента согласия Коэна 0,76 по сравнению с ручной разметкой. Это позволяет автоматически классифицировать ошибки прямо в продакшене, а не разбирать их вручную после каждого инцидента.
В этом году инженерия обвязки стала одним из главных факторов качества ИИ-агентов, но общего языка для разделения ошибок модели и ошибок обвязки до сих пор не было. Эта работа как раз предлагает такую систему.
Статья: https://arxiv.org/abs/2607.28802
Qwen 3.8 Max действительно впечатляет.
Модели Qwen 3.8 Max, Claude Opus 5, Kimi K3 и GPT-5.6 Sol получили одну и ту же фотографию неба с просьбой нарисовать силуэт животного по форме облаков.
По этому тесту Qwen 3.8 Max выглядел ничуть не хуже остальных моделей.
А вот GPT, похоже, разглядел в облаках что-то своё. 😄