Refat Talks: Tech & AI

Лифтовый вайб-чек возвращается! Распаковка Claude Opus 4.6 и GPT-5.3-Codex Сегодня случилось редкое: Anthropic и OpenAI выкатили свои главные модели в один день. Claude Opus 4.6 и GPT-5.3-Codex - оба от 5 февраля почти подряд. Поэтому мой лифтовый бенчмарк возвращается. На видео протестил обе модели - и в веб-интерфейсе, и в Claude Code / Codex. По-моему, в этой задаче однозначный фаворит - Opus, но судите сами. Коротко что в каждом релизе. Claude Opus 4.6 - 1M токенов контекста (было 200k) - первый Opus с таким окном - Agent Teams - несколько агентов параллельно на одной задаче - Adaptive Thinking - сама решает когда думать глубже - Claude в PowerPoint (превью) - SOTA на агентном кодинге, бьет GPT-5.2 на 144 Elo - Нашел 500 zero-day уязвимостей в open-source - $5/$25 за 1M токенов - блог-пост GPT-5.3-Codex - Первая модель, которая участвовала в собственном создании - На 25% быстрее при меньшем расходе токенов - Terminal-Bench: 77% (было 64%), OSWorld: 65% (было 38%, человек ~72%) - Первая "High capability" для кибербезопасности + $10M на гранты - Вышла за пределы кода: PRDs, презентации, аналитика - Codex app для macOS - 500k загрузок за 3 дня • блог-пост Любопытно: ни один бенчмарк в анонсах напрямую не пересекается. Обе компании выбрали разные тесты, так что сравнить лоб в лоб по цифрам - нельзя. По ощущениям, модели стали как будто быстрее, но Opus дотошный прямо стал - перепроверяет по несколько раз из-за этого сам процесс дольше. Disclamer: это шуточный тест, не настоящий бенчмарк, и конечно надо тестить на разных задачах, Claude и так был хорош во фронтенде, а новый Codex надо бы потестить как архитектора и ревьювера еще, так что кто потестил сам - расскажите ваши впечатления - что удалось потестить и какие впечатления?