Сиолошная

[про кодинг] В чате канала описали ситуацию, мол, надо запускать разные скрипты, которые долго ждать, и агент всё пытается по разному это обойти, не всегда удачно. Иногда ставит таймаут вечность, иногда дёргается проверять процесс каждую секунду (ведь действия wait у него нет, а какие-то токены генерировать надо). Тут сразу же понятен совет: «ну так чо ты, запиши это в Agents.md, чтобы агент про это знал». Человек сказал, что у него это так и так написано, но весь файл занимает больше 10 тысяч токенов, и агент теряется и пропускает. Вот это звоночек — в таких случаях часто агент сходит с ума и как будто бы не умеет читать, поэтому надо делать 3 вещи: 1) внимательно вычитать файл, убрать дубли, переписать покороче, оставить только самую суть 2) вынести часть логики в Skills, которые как раз хороши для описания тонкостей запуска тех или иных команд, включая долгое ожидание 3) наконец, разбить файл Agents.md на несколько и положить в папки проекта. Агенты автоматически считывают ближайший файл в дереве папок, поэтому ближайший файл имеет приоритет, и каждый подпроект может иметь индивидуальные инструкции. И вот я зашёл на сайт чтобы сделать скриншот для чата, и увидел пример, которым захотел поделиться: в основном репозитории OpenAI аж целых 88 файлов Agents.md 😳 у меня у самого обычно 2-4, но чтоб так! Удивительно, сколько знаний о кодовой базе подают агентам (ну и ясно, почему они работают лучше, чем без этой информации)

(poll without text)

Новая 5.3-Codex была задизайнена, натренирована и развёрнута на стойках GB200-NVL72 с чипами Blackwell (которые начали поступать в середине прошлого года). Частично этим объясняется ускорение новой Codex-модели. Почти 3 года назад, почти сразу после бума ChatGPT и выхода GPT-4, OpenAI отправили в Nvidia свои хотелки по тому, как должны выглядеть чипы, видеокарты и серверные стойки (сеть внутри них и так далее). И вот только сейчас мы видим плоды этой проделанной работы — настолько длинный цикл. Помню, в статье DeepSeek v3 китайцы тоже давали много советов Nvidia, правда почти уверен, что ничего из этого не повлияло на решения зелёных: потому что большинство фичей уже было анонсировано как раз таки из-за того, что придумали крупнейшие заказчики Nvidia, включая OpenAI. Для меня это отчасти служит аргументом, что наработки DeepSeek по архитектуре могут быть очень похожи на решения фронтир-лабораторий: в конечном итоге ведь оптимизируют под железо, которое оптимизируют под вон те запросы. Но пойди пойми, это они сами придумали, или услышали в кафе/на вечеринке, или догадались из первых принципов глядя на то, как устроены новые железки?

Помимо двух моделей и подкаста сегодня мы получили 3 интересных блогпоста: — От Cursor, про то как они (снова) заставили агентов работать неделю целой группой. Тут в основном больше рассказывают про оркестрацию и дизайн системы. — От Anthropic, где они решили повторить эксперимент Cursor с запуском роя агентов, который за неделю написал компилятор для языка С, который должен мочь скомпилировать ядро Linux. Суммарно это стоило $20k (в API-кредитах) и заняло 2 недели. Компилятор также смог сбилдить Doom 👀 — От OpenAI, где GPT-5 снова подключили к автоматизированой лаборатории с целью оптимизации широко распространенного биологического процесса: бесклеточного синтеза белка (БКПБ). Модель через несколько итераций смогла улучшить лучшее доступное на рынке решение, сделав его на 40% дешевле. Пока протестировали лишь на одном протеине, так что не ясно, насколько хорошо обобщается. 🙂 обычная неделя в 2026 UPD: Ещё от Anthropic, где они рассказывают, как Opus 4.6 помог найти 500 уязвимостей нулевого дня (=не задокументированных до этого) в открытом ПО.

OpenAI отвечают симметрично: https://openai.com/index/introducing-gpt-5-3-codex/ (модель уже есть в Codex App) Метрик показали меньше, зато: > The Codex team used early versions to debug its own training, manage its own deployment, and diagnose test results and evaluations—our team was blown away by how much Codex was able to accelerate its own development. >we are also now running GPT‑5.3-Codex 25% faster for Codex users, И на первой картинке вы можете увидеть, что токенов теперь тратится ещё меньше — поэтому задачи в среднем будут решаться быстрее.

Новая модель от Anthropic: https://www.anthropic.com/news/claude-opus-4-6

Dwarkesh Patel и John Collison взяли интервью у Elon Musk, вот топики и таймкоды: 0:00:00 - Orbital data centers 0:36:46 - Grok and alignment 0:59:56 - xAI’s business plan 1:17:21 - Optimus and humanoid manufacturing 1:30:22 - Does China win by default? 1:44:16 - Lessons from running SpaceX 2:20:08 - DOGE 2:38:28 - TeraFab Самая интересная для меня часть — первая, про датацентры в космосе, потом про роботов, и в конце про TeraFab. Я на днях прикидывал, что для вывода 1 ГВт датацентров в космос нужно примерно 200 запусков Starship V3. Это кажется большим числом по текущим меркам, но ничем по сравнению с амбициями SpaceX. Dylan Patel из Semianalysis недавно говорил, что у Head of Compute Anthropic и SpaceX (ex-xAI 😂) есть пари: будет ли к 2028-му году 1% мощностей датацентров в космосе? (примерно как раз 1 ГВт из расчётов выше). 🤷‍♂️ поживём увидим

В воскресенье суперкубок, который я по традиции смотрю. Компании будут закупать рекламу, в том числе и разработчики AI — ролик OpenAI в прошлом году мне понравился сам по себе, но не как реклама 🤷‍♂️ Посмотрим, что будет в этом году. А вот Anthropic решили постебаться над конкурентами и выпустили сегодня аж 4 рекламных ролика по минуте, и все на одну тему: рекламы в Claude нет и не будет. Ни один ролик напрямую OpenAI/ChatGPT не называет (Dario продолжает в играть в эту игру, хахаха). (тут уместно сказать, что у Anthropic основной бизнес — продажа API, а обычных клиентов у них меньше... чем у ChatGPT в одном Техасе. Так что им конечно легко отказаться от рекламы) TheVerge пишут, что Anthropic купили аж два рекламных слота на финале, один — в прешоу (полминуты, укороченная версия), второй — во время игры. Но вообще реклама вводит в заблуждение — ответы ChatGPT не меняются в зависимости от рекламы. Реклама зависит от ответа, но не наоборот. Но кто из читателей и зрителей про это знает или вспомнит? 🍿

Если вам не сложно, то лайкните (или даже репостните!) пожалуйста твит с анонсом. Нужно чтобы больше людей узнали про качественный материал 👻

А вот и он: https://www.ikot.blog/anthropic-take-home-for-dummies Это мой первый блог на английском языке, спасибо Gemini 3 Pro за помощь в переводе. Пошло куда бодрее, чем год назад с GPT-4o. О чём же я пишу? С выпуском Claude Opus 4.5 компания Anthropic объявила об устаревании своего «пресловутого сложного тестового задания». Почему? Потому что всего за два часа работы модель показала результат выше, чем любой из кандидатов за всё время. Недавно компания опубликовала это задание в открытом доступе вместе с постом в блоге, где подробно описаны принципы его разработки. Автор задания, Tristan Hume, хотел создать «что-то по-настоящему увлекательное, что вызывало бы у кандидатов азарт», а не просто тест, «набитый шаблонными задачами». И, надо сказать, ему это удалось на славу. В итоге я потратил на эту задачу гораздо больше времени, чем планировал, просто потому что решать её было интересно — хотя я и не собирался устраиваться в команду по оптимизации. В этой статье я разберу эту задачу от начала до конца. Мы рассмотрим предложенную архитектуру процессора, алгоритм, который нужно оптимизировать, и три ключевых метода, обеспечивающих наибольший прирост производительности (ускорение в 65 раз!). Чтобы разобраться, вам не потребуются глубокие знания в области архитектуры процессоров или оптимизации; я объясню всё с нуля, включая SIMD, VLIW и другие пугающие аббревиатуры.

SpaceX официально объединилась с xAI. Первая аэрокосмическая корпорация с нейросетью и твиттером.

OpenAI выпустили Codex.... в 6й раз 😂 Теперь это нативное приложение, а не интерфейс в терминале или плагин для IDE. Модели те же, инстурменты те же, просто новый интерфейс. Основных удобства у приложения по сравнению с терминалом 3: — поддержка одновременной работы нескольких агентов над одним репозиторием. Обычно приходится руками делать разные папки или git worktree, или следить, чтобы область работы между двумя агентами в одной папке не пересекалась. — создавать и использовать скиллы можно прямо в UI — можно создавать автоматизации. С одной стороны не самый популярный юзкейс, с другой OpenAI привели хороший пример: «каждую пятницу читай мои последние 10 чатов и на их основе делай скиллы. Я сам так не делал, но слышал от пары знакомых, что они вот ровно так и делали (правда, в Claude Code). Также в приложении легко делать ревью кода, но это надо щупать на практике, насколько похоже на привычное. Сегодня доступно на MacOS, для Windows и Linux можно записаться в вейтлист. И самое главное, почему я вообще пишу эту новость: приложение Codex доступно по подпискам ChatGPT Free (да, даже бесплатникам!) и Go, а для пользователей Plus, Pro, Business, Enterprise и Edu OpenAI удваивают лимиты запросов. Если давно хотели пощупать этих ваших агентов, но не хотелось тратиться — то вперёд! https://openai.com/codex/

А ещё сегодня день рождения у термина «вайб-кодинг», предложенного Andrej Karpathy. Если честно, мне помнилось, что этот термин начали употреблять и до него, но истоков днём с огнём не сыщешь, поэтому данный твит является точкой референса.

Быстроновости в понедельник: — Начался февраль, ожидается много релизов моделек, от китайских GLM-5 до Claude Sonnet 4.6 / 5 (который может выйти вообще завтра, судя по некоторым утечкам) и GPT-5.3. — При этом источники из Китая говорят, что DeepSeek уже не планирует выпуск V4 в конце февраля (к Лунному Новому году). Компания, кстати, получила одобрение от Партии на закупку H200 у Nvidia — ещё месяц назад был полный запрет, «должно быть всё своё родное», потом разрешили закупку для Tencent и Alibaba, и вот дошли до Китов. — OpenAI пытается успеть провести IPO в 2026-м году, Anthropic и SpaceX тоже. Большой год для финансовых рынков. А ещё xAI может ещё объединиться с Tesla/SpaceX, так что формально тоже выйти на биржу. Мне не нравится идея выхода Anthropic и особенно OpenAI на IPO — потому что оценка публичных компаний сильно подвержена новостному фону и настроению инвесторов, которые зачастую ничего не понимают. «Пишут, что GPT-5 плохая? Сливаем акции». — Некоторые пользователи заметили, что у них обновился ChatGPT DeepResearch. Он теперь по другому строит план и может выполнять несколько пунктов плана одновременно. Возможно, это означает, что под капотом будут работать 💫agent swarms ✨— это когда агент не один, а несколько. — Agent Swarms вообще рискует стать одной из горячих тем 2026-го, где от каждой компании мы увидим релиз, связанный с этим. А возможно и новые уровни подписок, за $500 или даже $1000-$2000. Совсем недавно вышла Kimi-K2.5, которая обучена аркестрировать «сотни» агентов, но как и любая ранняя технология это скорее концепт нежели что-то реально стоящее. Ждём больших игроков, которые покажут, как правильно. — По информации WSJ, CEO Nvidia в приватных беседах выражал сомнение в «бизнес дисциплине» OpenAI, и что обсуждение инвестиций в раунде на $100B пока заморожено. Сам Jensen эту информацию опроверг, сказав, что они участвуют в следующем раунде и сделают рекордную для себя инвестицию. Посмотрим, как будет — за кусок пирога OpenAI с ним будут тягаться Softbank, Microsoft и Amazon, последний хочет вкинуть какие-то огромные деньги, $50B. — Завтра после обеда лонг (не про файлы Эпштейна)

Пока люди в твиттере хайпуют по бесполезному редиту для ИИ-агентов, а я дописываю 8-ую тысячу слов для следующего лонга — Anthropic отчитались, что марсоход проехал 400 метров под контролем Claude: https://www.anthropic.com/features/claude-on-mars (детали будут после лонга)

АИ и обучение программированию Антропик взяли 52 джунов, им нужно было решить задачку, затем ответить на тестовые вопросы связанные с темой задачки. В вопросах теста рисерчеры сделали упор на понимание кода, дебаг сообщений и обших концептов. Джунов разделили на две группы: одна могла использовать АИ инструменты во время решения задачи (но не во время теста), вторая - нет. Что получилось: • Группа без АИ лучше справилась с тестом. Эти джуны чаще ошибались при решении самой задачки, но эти ошибки и были их обучением. Чаще видишь сообщение с ошибкий -> начинаешь их лучше понимать. • Участники, которые надеялись на АИ слишком сильно, хуже всех справились с тестом. Сюрприз-сюрприз, если ты делаешь себя прослойкой между консолью и АИ чатом - ты ничего не поймешь. • Участники активно взаимодействующие с чатом (просили объяснить куски кода, задавали вопросы о коде и смысле сообщений о багах) справились с тестом лучше всех. Вывод? Если аутсорсить trial and error из процесса обучения в АИ, то ничему не научишься. https://www.anthropic.com/research/AI-assistance-coding-skills

Решил присоединиться к экспертам по вождению из комментариев, но так как у меня нет прав и я не знаю ПДД (главное чтобы судья так не сказал 😀)— попросил GPT-5.2 Pro проанализировать ситуацию по доступной информации. У нас, конечно, нет самого важного — видео и точной точки на карте, где случилось событие, поэтому нельзя узнать, какие знаки были на дороге. Ссылка на полный ответ — полиция говорит, что ребёнок выбежал вне пешеходного перехода и вдали от регулировщика движения — приехавшая скорая помощь осмотрела и отпустила ребенка, травмы если и есть, то совсем лёгкие. — в случае человека вина/не вина определяется комбинацией факторов: была ли у транспортного средства "разумная" скорость (ниже установленного предела), предприняты ли попытки минимизировать аварию, смотрел ли в телефон/отвлекся ли. Многие человеческие пороки к модели не применимы, поэтому важный фактор — скорость. — ChatGPT пишет, что около школьных зон бывают знаки 15-20-25 миль в час, Waymo ехало 17. В радиусе 150 метров от школ действует лимит 15 миль в час, особенно часто во время высадки детей и окончания уроков. Авария произошла "в двух кварталах" от школы, что похоже на меньше чем 150 метров, но ChatGPT нашла документ от 2014-го года, в котором написано установить лимит на улице (улицу авраии тоже нашла — видимо в каких-то новостях было) в 25 миль в час. Изменились ли ограничения за 11 лет — не знаю. — плюс, на дороге была припаркована не одна машина, а две (параллельно), что а) не позволяет водителю/модели ехать по левой линии и раньше распознавать опасность б) если вдруг вина будет, то часть может быть возложена на ЧИЛАВЕКА, который припарковался. Так что может получиться, что робота не накажут, а человека — да 😏 В целом, вероятность что Waymo невиновны очень высокая. ChatGPT считает, что с 80% вероятности ничего не будет. Из анализа ещё интересно предположение GPT-5.2 Pro, что авария может привести к изменению алгоритма выбора пути, чтобы ещё реже оказываться в зонах риска (зоны около школ и так далее). Думаю, Waymo и сейчас не очень охотно составляет маршрут через них, но может стать ещё меньше.

Ждать долго не пришлось: автомобиль Waymo сбил ребёнка около школы в Калифорнии. Waymo заявили, что ее роботакси сбило ребенка на скорости 10 километров в час после резкого торможения с примерно 27 километров в час. Молодой пешеход «внезапно выскочил на проезжую часть из-за высокого внедорожника, двигаясь прямо на пути нашего автомобиля», — говорится в сообщении компании в блоге. Waymo заявила, что ее автомобиль «немедленно обнаружил человека, как только он начал выходить из-за остановившегося транспортного средства». Ребёнок сразу же смог встать и отойти на тротуар, а такси вызвало 911. Waymo утверждает, что по результатам их моделирования выходит, что «внимательный водитель в той же ситуации столкнулся бы с пешеходом на скорости приблизительно 22 километра в час». Хоть деталей этой аналитики не опубликовано, в целом поверить, что алгоритм сработал лучше человека не трудно. Посмотрим, что скажет полиция, и как это повлияет на регуляции, а самое главное человеческое отношение. Каждый такой кейс может или поспособствовать ускорению внедрения самоходных такси, или откинуть их назад на годы.

Обещал не писать про очередные раунды, но это довольно большие значения, чтобы пропустить. Amazon ведёт переговоры об инвестициях до $50 млрд в OpenAI. Если сделка состоится, Amazon станет крупнейшим участником текущего раунда, в котором OpenAI привлекает до $100 млрд при оценке около $830 млрд. Вчера были сообщения, что SoftBank планирует участие в этом раунде, вкладывая до 30 млрд долларов. Сразу видно, что там комментариев в чатах не читают и не подозревают, что это пузырь пузырем и скоро лопнет. https://www.wsj.com/tech/ai/amazon-in-talks-to-invest-up-to-50-billion-in-openai-43191ba0?st=GjBnZ4&reflink=desktopwebshare_permalink