47682
Авторский канал по ВАЙБ КОДИНГУ, сотрудничество: @nikwolve
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.
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».Читать полностью…
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.
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
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
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.
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
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. 🤷♂️
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
В последнее время Anthropic начала рекомендовать компаниям сокращать количество субагентов, вплоть до объединения некоторых специализированных агентов с основным циклом работы.
Опыт нескольких корпоративных проектов показал, что архитектура, состоящая из одного агента и набора скиллов, зачастую оказывается эффективнее сложных мультиагентных систем. Так, у одного из клиентов после перехода на единый цикл работы скорость выполнения задач увеличилась примерно вдвое.
Причины этого нетрудно понять.
При передаче задач от одного агента другому приходится всякий раз передавать и обобщать контекст. В результате часть информации может теряться, задержки увеличиваются, а затраты растут.
Теперь Anthropic рекомендует возлагать планирование и выполнение задач на основного агента, который по мере необходимости будет динамически загружать скиллы и инструменты. При этом бизнес-процессы и знания предметной области предлагается сохранять в виде компонентов, пригодных для многократного использования.
Однако в статье приводится один примечательный случай, заслуживающий особого внимания.
Однажды специалисты Anthropic объединили субагентов в системе обслуживания клиентов. Это действительно позволило сократить задержки, однако задача, прежде выполнявшаяся успешно, неожиданно перестала выполняться. Причина заключалась в том, что основной агент пропустил этап согласования времени доставки со специалистом по логистике.
Именно поэтому автор подчёркивает необходимость проводить сквозное тестирование (end-to-end Eval) после каждого объединения субагентов, особенно внимательно проверяя, какие из прежде успешно выполнявшихся задач начали завершаться ошибками.
Разумеется, субагенты по-прежнему сохраняют свою ценность там, где необходимы параллельные исследования, независимая проверка результатов или изоляция контекста.
Таким образом, при проектировании мультиагентных систем в будущем стоит прежде всего задаться вопросом: действительно ли каждому субагенту необходимы собственный независимый контекст и отдельный цикл выполнения задач?
Кроме того, Anthropic опубликовала в открытом доступе набор инструментов для миграции, позволяющий анализировать существующую архитектуру, постепенно объединять субагентов и сопоставлять качество работы, затраты и задержки до и после внесённых изменений.
Всем, кто занимается разработкой ИИ-агентов, настоятельно рекомендую с ним ознакомиться.
https://claude.com/resources/articles/building-agents-when-to-fold-subagents-into-your-main-agent-loop
Grok Bot теперь может напрямую взаимодействовать с системными приложениями на вашем смартфоне.
Он поддерживает работу с календарём, напоминаниями, контактами, сообщениями и геолокацией. Более того, Grok Bot способен даже управлять освещением и дверными замками в вашем доме.
Например, можно дать ему такое поручение:
> «Проверь мой календарь на завтра, найди свободное время, чтобы встретиться с <имя> за чашкой кофе, отправь этому человеку сообщение и спроси, подходит ли ему выбранное время. Затем установи напоминание за 30 минут до того, как мне нужно будет выйти из дома».
Эта возможность постепенно становится доступна на iOS и Android. 😸
$16К/месяц на приложении. Ноль на рекламу.
Никакого секрета, только система: сайт + расширение + приложение + API ссылаются друг на друга, и Google тащит их вверх.
Подробнее тут → /channel/its_capitan/614
Если не можете разобраться в коде, который только что изменил ваш агент, установите diff-tour. Он заставляет Claude Code или Codex провести вас по изменениям так, как их читает опытный разработчик.
> Сначала объясняет, зачем нужны изменения, затем показывает файлы, которые стоит прочитать, включая связанные файлы, которые не менялись.
> Задаёт за вас вопросы: «То, что работало раньше, всё ещё работает?», «Что произойдёт при сбое или повторном запуске?», «Можно ли безопасно откатить изменения?»
> Отделяет то, что обязательно нужно исправить, от необязательных улучшений и объясняет, почему участки, которые выглядят рискованными, на самом деле в порядке.
> Там, где стоит остановиться и подумать, сначала задаёт вопрос, чтобы вы могли предположить ответ, прежде чем увидите объяснение.
Запустите его перед слиянием, и вы поймёте, где эти изменения могут что-то сломать, а заодно начнёте понимать, как опытный разработчик читает код.
Весь процесс проходит в режиме только для чтения. Claude Code или Codex, в который вы уже вошли, готовит разбор за две–пять минут. Каждая строка кода на экране берётся прямо из git.
Cкрипт установки проверяет скачанный файл по контрольным суммам и устанавливает инструмент в папку вашего пользователя. На Mac или Linux выполните однострочную команду в начале README, затем введите tour в своём проекте.
Когда закончите разбор, передайте обязательные исправления Opus 5.5:«diff-tour разобрал мои последние изменения и отметил то, что обязательно нужно исправить: [перечислите здесь]. Для каждого пункта объясни, как ты собираешься его исправить и какие файлы затронешь, и дождись моего согласия, прежде чем что-либо менять. После исправлений запусти тесты и сообщи, какие пункты исправлены, а какие ещё нет».
github.com/init-co-jp/diff-tour
Каждому пользователю Claude Code обязательно стоит установить /stack.
Мод /stack показывает ВСЁ, что установлено и доступно в Claude Code:
Скиллы, субагенты, команды, хуки, MCP-серверы, плагины, настройки и стили вывода.
Всё сгруппировано по уровням конфигурации: Enterprise, User, Project, Plugin и флаги CLI.
Модуль выполняет полное сканирование и отображает результаты в интерактивной панели, где можно увидеть, какие компоненты активны, какие отключены и какие переопределяются другими.
Наконец-то вы сможете лучше понять, почему ваши сессии Claude Code расходуют так много токенов и почему Claude ведёт себя именно так.
Кроме того, можно изучить все встроенные команды, скиллы и субагенты, поставляемые вместе с Claude Code, включая те, которые даже не упоминаются в официальной документации!
Установить можно командой:
npx claude-code-templates@latest --mod ui/stack-viewerЧитать полностью…
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».
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 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=all
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
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/
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.
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. 😎
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.
Следуя руководству https://agentskills.io/skill-creation/best-practices, преврати задачу, которую мы только что выполнили, в скилл.Читать полностью…
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.
#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
Kimi K3.1 Pro официально представлена.
Команда выпустила первую модель семейства K3.1, и результаты выглядят многообещающе.
- Модель класса 3 трлн параметров с контекстным окном в 1 миллион токенов.
- Превосходит Astra и Fable 5.1 при значительно меньшей стоимости.
- Набрала 65,7% в Terminal-Bench 4.0.
- Полные веса модели опубликуют 4 ноября.
Модель уже доступна в Kimi, Kimi Work, Kimi Code и через API.
Kimi снова в игре. 🚬
В честь китайского Дня программиста разработчики ZCode бесплатно раздают 500 миллионов токенов для моделей GLM-5.3 и GLM-5.3-Flash.
Из них 200 миллионов предназначены для GLM-5.3, а ещё 300 миллионов — для GLM-5.3-Flash.
Получить токены могут даже пользователи бесплатного тарифа. Всего доступно 200 тысяч пакетов, которые раздаются в порядке очереди.
Акция действует с 23 по 26 октября. Использовать полученные токены можно исключительно внутри ZCode, но не через API.
Если у вас установлен ZCode, обновитесь и проверьте. 😏
Kimi K3.1 уже на подходе!
Несколько часов назад команда Kimi опубликовала тизер, намекающий на скорый выход новой модели.
Ожидается, что Kimi K3.1 станет лучшей среди доступных китайских моделей, при этом её использование будет значительно дешевле, чем Kimi K3.
👀👀👀
ANTHROPIC:
Со следующей недели Claude начнёт по умолчанию использовать Auto Mode для управления разрешениями на тарифах Pro, Max и Team.
Anthropic решила бросить вызов OpenAI Dots и Grok Bot, выпустив Claude Duet на базе невероятно мощной Opus 5.5.
• Доступен на тарифе Claude Pro (для Dots нужна подписка ChatGPT Pro за $100 в месяц).
• Работает на Opus 5.5, которую называют лучшей моделью в мире.
• Имеет собственную виртуальную машину и браузер.
• Поддерживает более 6000 коннекторов (у Dots их 4000).
• Продолжает работать, даже когда ваш ноутбук выключен.
• Каждое утро присылает сводку задач, требующих вашего внимания.
• Все задачи ведутся в одном непрерывном чате. Поручения можно давать текстом или голосом.
• Уже использует вашу память Claude, скиллы и подключённые приложения.
• Отслеживает неоплаченные счета, начисляет зарплату и отправляет договоры на подпись.
• Совершает покупки с помощью виртуальных карт, скрывающих номер вашей настоящей банковской карты.
• Запрашивает подтверждение перед отправкой сообщений, проведением платежей, подписанием документов или удалением данных.
• Никогда не получает доступ к вашим паролям.
• Доступен на iOS, Android и в веб-версии.