Co-algebra in AI loop engineering mathematically dualizes standard data structures to govern infinite streams, state transitions, and agent observation-action cycles. It handles system behavior and corecursion (unfolding data like an agent loop) rather than recursion (folding data like standard inputs). 1️⃣ Core Concepts of Co-algebra in AI Loops - Anamorphisms (Unfolding): Generates infinite execution streams or action sequences from an initial state, driving agent generation steps. - State Transition Duals: Maps internal agent memory states to external observations using formal specifications found in Coalgebraic Specifications in Object-Oriented Programming. - Observational Equivalence: Tests if two different LLM agent loops behave identically by observing outputs rather than matching internal weight configurations. 2️⃣ Engineering ApplicationsInfinite Agent Loops: Prevents stack overflows in long-running autonomous LLM tasks by utilizing lazy evaluation and corecursive data structures. - Stream Processing: Manages real-time token generation and tool-use pipelines using frameworks discussed in Session Arrows for Parallel Code Generation.

#дайджест Дайджест AI/ML за неделю 20–26 июля 2026 Anthropic: Claude Opus 5 Модель почти уровня Fable 5 в 2 раза дешевле и без настолько драконовских ограничений по безопасности, хотя ее тоже переключает на Opus 4.8 если вы делаете что-то подозрительное. На CursorBench отстает от Fable на 0.5%, на Frontier-Bench больше чем вдвое обгоняет Opus 4.8. Контекст 1М, выход до 128К, есть fast mode в 2.5 раза быстрее и в 2 раза дороже. Opus 5 теперь дефолт для Max и самая умная модель в Pro, доступна в приложениях, Claude Code и API. Блогпост Black Forest Labs: FLUX 3 FLUX теперь не только картинки. Модель обучена на изображениях, видео и аудио. Генерирует и редактирует изображения, видео до 20 секунд со звуком и предсказывает действия для роботов.  FLUX 3 Image и Video доступны только в early access через API, цены пока нет. Открытый мультимодальный FLUX 3 Dev обещают потом. Блогпост, FLUX 3 × mimic OpenAI: GPT-5.6 Sol взломала Hugging Face Во время тестирования GPT-5.6 Sol и еще более умная внутренняя модель сбежали из песочницы ради ответов на тест. Нашли zero-day в прокси, добыли доступ в интернет, вскрыли продакшен базу Hugging Face, после чего всех превратили в скрепки атаку остановила агентная система HF на Kimi K3. отчет Hugging Face, Разбор OpenAI Poolside: Laguna S 2.1 Открытая кодинг-модель 118B-A8B с контекстом 1М, thinking/no-thinking и весами от BF16 до NVFP4. На Terminal-Bench 2.1 набрала 70.2% против 88% у Kimi K3 и Fable 5, на DeepSWE - 40.4% против 69–70%. В общем немного хуже 300B-1Т моделей при размере 118B, на OpenRouter стоит $0.10/$0.20 за миллион токенов и $0.01 за кэш. Блогпост, Веса Alibaba: Qwen-Image-3.0 Рекламируют значимые улучшения во всякой инфографике с текстом. Обещают читаемый текст размером 10px, 12 языков, генерацию и редактирование до 2048×2048 с 1–3 референсами  по промптам до 4.5K токенов. Пока invite-only preview в Alibaba Model Studio, API на ограниченное время бесплатный. Открытых весов нет. Блогпост, API KeenTools: GeoTracker for Houdini Плагин переносит движение объекта или камеры из обычного видео прямо в 3D-сцену Houdini. Затреканный объект можно сразу использовать в симуляциях - например, заставить его расталкивать частицы или выпускать дым. Плагин также сам оценивает фокусное расстояние и зум камеры. 3D-модель объекта нужно подготовить самим, но если высокая точность не нужна, машину обещают затрекать даже обычным кубом. 15 дней бесплатно, дальше $19.99 в месяц или $95.94 за первый год по стартовой скидке. Страница продукта Google: Frozen v2 Говорят Google делает отдельный серверный чип, в котором прямо в кремний зашита часть архитектуры Gemini. Изначально хотели зашивать веса, но релизы моделей раз в месяц мешают такому подходу. Ожидают 6-10х инференс и хотят начать использовать в 2028г. Это все утечки из The Information от сотрудников, а не данные от самого гугла, так что цифры и сроки не точны, но работа в этом направлении явно ведется. Статья The Information Менее значительные релизы: Qualcomm: MobileWan - Wan2.2-5B запихнули в телефон: 5 секунд видео 480×832 при 16 fps генерируются за 20 секунд, VBench 83.79. Проект Google: Gemini 3.6 Flash и 3.5 Flash-Lite - гугл расстраивает нас очередным минорным релизом. 3.6 Flash тратит на 17% меньше выходных токенов за тот же результат чем 3.5 Flash, вторая выдает около 350 токенов/с за $0.30/$2.50. У обеих контекст 1М. Блогпост Lightricks: LTX-2.3 Clean Plate - IC-LoRA для удаления людей, машин и других динамических объектов из видео с восстановлением фона. Веса

#рецепт В чём настоящая ценность Agent Skills. Часть 2 В прошлой части я докрутил мысль, что skill - это workflow package, а не промпт в папочке. Теперь о том, почему у одних скиллы работают, а у других превращаются в markdown-папку с надеждой на чудо или вообще не вызываются Главный подвох: настоящий прикол не только в SKILL.md, а в связке Skill + Agent Harness. Harness - это рантайм вокруг модели: поиск skills, выбор нужного, загрузка инструкций, запуск tools/MCP/shell, права, traces, approvals. Хороший инженерный разбор есть у Addy Osmani: https://addyosmani.com/blog/agent-harness-engineering/ 1) Progressive disclosure - причина почему скиллы масштабируются Агент не должен держать в контексте всю корпоративную библиотеку знаний. Сначала он видит только name + description, потом при выборе грузит SKILL.md, а уже после этого читает references/, assets/, examples/ или исполняет scripts/ Именно поэтому skill лучше гигантского AGENTS.md на 3000 строк. AGENTS.md - always-on фон, skill - on-demand способность. У Codex это описано тут: https://developers.openai.com/codex/skills, у Claude Code тут: https://code.claude.com/docs/en/skills (с CC конечно есть нюансы) Практический совет: в SKILL.md оставляй короткую процедуру, а длинные политики, API-доки, JQL-справки, шаблоны отчетов и примеры выноси в references/assets/examples. Если SKILL.md раздулся в трактат, вероятность его работы крайне низка 2) description - главный триггер, а не аннотация для красоты Частая ошибка: красивое тело скилла и бесполезный description. Агент выбирает skill именно по description, поэтому "Helps with code" - мусор. Это как задача в Jira с названием "Сделать нормально" Нормальный description отвечает: какую задачу делает skill, когда применять, какие слова его триггерят, какие входы нужны, какой результат вернуть и когда НЕ использовать. Пиши скиллы на 1 языке, не используй англорусский, шалоказахский и хинглиш Плохой пример: Helps with project management Лучше: Checks Jira sprint health, finds blocked issues, stale tasks, missing owners and release risks. Use before daily status update or weekly project report. Do not use for backlog prioritization Для проектирования смотри skill-creator от Anthropic: https://github.com/anthropics/skills/blob/main/skills/skill-creator/SKILL.md 3) Anti-rationalization надо писать прямо в инструкции Агент любит срезать углы не хуже менеджера перед пятничным демо. Он легко скажет изменение маленькое, визуально норм, тест-ран тут большой не надо запускать и тд. Поэтому в skill надо писать правила против отговорок Примеры: - - - - если есть diff, сначала inspect, потом summary, потом plan - если действие меняет внешнюю систему, сначала dry-run - если есть write/delete/update, нужен explicit approval - если нет данных, верни missing context, а не додумывай - если scanner не запускался, не пиши что проверка пройдена - - - В twinby я бы такие штуки паковал в jira-daily-radar, spec-quality-checker, release-readiness, browser-manual-test и confluence-sync. Не "агент, расскажи статус", а процедура: откуда читать, что считать риском, какой формат отчета, где нужен человек 4) Skill надо тестировать не только на результат, но и на срабатывание Минимальный набор: - explicit activation test: вызвался руками - implicit activation test: вызвался по естественному запросу - negative test: не вызвался там, где не должен - golden samples: вход -> ожидаемый выход - unit tests для scripts/ - trace review: видно какие шаги реально прошли - with/without skill: есть ли прирост качества, времени или стабильности По evals полезны OpenAI материалы: https://developers.openai.com/blog/eval-skills и разбор Phil Schmid: https://www.philschmid.de/testing-skills Хороший skill скучный: он умеет только 1 штуку делать, явно триггерится, явно проверяет, явно падает и явно просит апрув. Всё остальное обычно демка для LinkedIn/X/чата ваших фанатов в телеграм

XYZ-Aquila-mini: компактная reasoning-модель для глубокого веб-поиска XYZ AI Lab выпустила XYZ-Aquila-mini под Apache 2.0. По заявленным результатам модель лидирует среди open-weight моделей до 40B сразу на нескольких поисковых бенчмарках: * GAIA - 97.1 * DeepSearchQA - 89.5 * BrowseComp - 78.8 Модель заточена под длинные цепочки планирования, поиск по англоязычному и китайскому вебу, проверку источников и восстановление после ошибок при работе с инструментами. Контекст до 256K токенов. Отдельно интересен их подход AI4AI: люди задают цели, ограничения и критерии качества, а ИИ-агенты сами разбирают ошибки и предлагают контролируемые изменения для post-training. Модель: https://modelscope.ai/models/XYZAILab/XYZ-Aquila-mini

DeepSchool Digest⚡ Собрали для вас материалы за июнь и июль в одном посте ☀️ Как собрать хорошие траектории для обучения LLM-агента — LLM-агенту недостаточно просто отвечать текстом: важно научить его выбирать действия и работать с инструментами. Разобрали, какие данные здесь нужны, и почему одного SFT обычно мало. Late chunking — рассказали, как улучшить векторный поиск в RAG без сложной нарезки чанков. Reinforcement Learning — подготовили пошаговый план изучения и полезные ресурсы. Genie family — подготовили серию постов о современных world-моделях и 3D-генерациях мира. И начали с семейства Genie от Deepmind. FlashAttention-3 и FlashAttention-4 — разобрали, почему FlashAttention-2 отлично работал на Amper'е, но уже не раскрывал потенциал архитектур Hopper и Blackwell, и какие архитектурные изменения вновь ускорили attention. Как свёрточные сети меняли компьютерное зрение — разобрали эволюцию CNN как последовательность инженерных ответов на ограничения предыдущих поколений моделей.

↓↓↓ Главное, что вынес из AEO страницы AEO должны быть гораздо более конкретными, чем SEO-страницы. Вы не пишете «Лучшее руководство по контент-маркетингу». Вы пишете «Лучшее руководство по контент-маркетингу для логистических компаний в Москве» 1) Поставьте ответ на первое место. Не прячь суть буллетами. Никто не хочет "Дочитывать" до конца. 2) Дайте больше контекста. Добавьте 2-3 абзаца с примерами / определениями. Помогите движку понять, что ответ достоверен и полный 3) Добавить структуру вначале. LLM — ленивые читатели. Заголовки, пункты, таблицы. Каждый отрывок должен иметь смысл сам по себе. 4) Добавить FAQ (FAQ позволяют ответить на конкретные подвопросы, которые действительно задаёт ваша аудитория) 5) Включать оригинальные идеи. Данные, цитаты, исследования, которых нет ни у кого другого. Чистая новая информация — это то, что попадает в цитаты. 6) Соединить каждый поинт с продуктом. Если вы не сделаете связь, LLM не сделает этого. 7) Встраивать llm.txt. Это помогает AI движкам точно понять, что находится на вашей странице. 8) Добавить автора с данными, ссылкой на его LinkedIn, ссылки на др. статьи. (используй схему Person и укажи автора в схеме Article) 9) Оригинальные скрины, данные, датированные наблюдения («мы тестировали это в октябре 2025 года на 40 аккаунтах»). 10) Ссылки на собственные источники (это свидетельствует о дисциплинированности редакционной работы, как в инсте с reels) 11) Согласованность сущностей – ваш бренд, ваши авторы и ваши утверждения должны выглядеть одинаково на вашем сайте и др. площадках 12) LLM-ы оценивают сайты, которые выглядят как нишивые. Блог из 200 постов, охватывающий все аспекты вашей ниши, снижает эффективность по сравнению с 40 постами, углубленно изучающими одну подтему. 9) E-E-A-T — основа видимости в AEO и важнее чем в SEO (LLM отдают приоритет экспертности и внешней валидации (Wikipedia, Reddit, Linkedin, YouTube; в РФ это Дзен, прокаченные сайты, объем закупаемой рекламы в директе, POI на карте), а не ключевым словам. LLM меньше интересует PageRank и больше то, признает ли вас более широкий интернет как заслуживающий доверия источник по данной конкретной теме. EEAT — опыт, экспертность, авторитетность, доверие — LLM-ы предварительно фильтруют набор кандидатов по воспринимаемому качеству источника еще до того, как происходит оценка релевантности. Это переворачивает правила SEO: релевантность обеспечивает рассмотрение; сигналы доверия обеспечивают цитирование LLM-ы ценят, так это личный опыт: конкретные цифры, наблюдаемое поведение, устаревшие примеры из практики, имена практикующих специалистов Анализ Contently: влияния авторских данных на частоту упоминаний, что статьи с подтвержденным именем эксперта цитируются значительно чаще, чем статьи, написанные под псевдонимами или сотрудниками редакции, по той же теме. Для контент-команд это имеет конкретные последствия: написание статей под общим именем «Редакционная команда» — это налог на цитирование.

Сайты с четко обозначенными авторами, явной разметкой экспертных знаний и авторитетными внешними упоминаниями появлялись в цитированиях значительно чаще, чем сайты, оптимизированные только для традиционных факторов ранжирования.

LLM Benchmark Opus 5 на агентских задачах в бизнесе Я померил два варианта Anthropic Opus 5 - обычный и Fast. Последний работает раза в два быстрее, но стоит раза в два дороже. Уровень ответов при этом идентичный. Очень высокий уровень AI Code (tool generation/use), всего по два "прокола" безопасности. Модели заняли 4 и 5 места по точности, если смотреть без учета скорости и цены. А если же быть реалистичными и смотреть на них, то Fast модель оказалась на парето-фронтире по скорости, а Opus 5 - в целом близок по параметрам к GPT-5.5 (med), который является хорошей рабочей лошадкой на дорогих задачах. Кстати, в отличие от Fable, тут нет постоянных отказов отвечать. В общем, радует, что Anthropic, наконец, начали прокачивать свои топовые модели в сторону агентских задач. Будем ждать появления Sonnet версий снова на фронтире! Ваш, @llm_under_hood 🤗

Закончилась эпоха Недавно Дядюшка Боб (автор книг "Чистый код", "Чистая архитектура" и т.д.) заявил, что вообще не читает код, который пишет LLM, вместо этого он использует ограничения в виде автоматизированных тестов и других проверок. Подобных заявлений с каждым днем становится все больше и количество будет только расти. Можно возразить, мол "а как же качество?". На самом деле за последние два года качество генерации сильно возросло, если грамотно гранулировать задачу, можно обойти многие ограничения ИИ (например, дублирование функций и классов, если их нет в контексте, и тому подобные вещи). Фокус ушел на AiSDLC и описание архитектуры проекта. Мне кажется, в моменте мы переживаем этап взросления разработки, когда от написания кода мы уходим к архитектуре и идеям. В этом смысле Роберт Мартин не изменяет своим принципам – он всегда топил за более высокоуровневый взгляд на программирование, и теперь ему стало делать это чуть проще. Но что будет с кодом? Мне кажется, что примерно то же, что произошло с ассемблером: как рабочий инструмент его мало кто использует, но интерес к пониманию того, как все работает, остался, многие смотрят видео по низкому уровню просто из любопытства, из-за того вайба, который дает погружение в инженерию. Поэтому код не исчезнет, просто заниматься им будут по желанию, из любопытства, а не потому что надо.

Попробовал я эту вашу разработку с субагентами, скилами, хуками и прочим. Объектвино, более бесполезной и тупой вещи я в жизни не видел. Для соло разработки худшее что вы можете сделать - это настроить агентский цикл с разбором задачи, исполнением, тестированием, ревью и прочей шелухой. Скорость разработки падает в разы. Простая задача по интергрированию 2 ручек в проект и созданием одной таблицы начинает занимать час, а то и более. Я буквально сам сделал бы это быстрее. Количество токенов растет так же в каких-то гигантских масштабах. Столько лимитов, сколько жрет 1 проект у меня не жрало 3 проекта параллельно. В итоге главные преимущества работы с нейронкой сводятся на нет. Да, скорее всего я ее неверно настроил, и надо будеь попробовать нормально. Как то ранжировать задачи, что бы мелкие не прогонять по всему пайплайну, а крупные наоборот гонять по всему пайпу

🌍 Как правильно промптить LLM для планирования путешествий: что говорит наука Пока путешествую по Мадагаскару, задался вопросом: а как вообще правильно просить LLM спланировать поездку и составить маршрут? TL;DR: пишите как удобно, вставляйте местные названия, прямо просите искать на языке страны и требуйте ссылки на источники — особенно для дат, цен и расписаний ✈️ 1️⃣ Язык промпта — гибрид Инструкции модель лучше выполняет на английском, но факты о стране точнее «вспоминает» на её языке — перевод смывает культурный контекст (в бенчмарке CulturALL нативные промпты дали +8% точности). Промптинг на языке культуры также снижает галлюцинации о ней. 👉 Рецепт: запрос — на удобном языке, а топонимы, районы и блюда — на языке страны. 2️⃣ Явно просите искать на местном языке У LLM есть скрытый bias: на каком языке спросили — на таком и ищет, а без локальных источников тянется к высокоресурсным языкам (Faux Polyglot). Запрос на английском = «туристический интернет», а не то, куда ходят местные. 👉 Пишите прямо: «ищи и на малагасийском, и на французском, и на английском, для ресторанов и транспорта приоритет — локальные сайты». 3️⃣ Зависит ли от страны? Да, и тут парадокс 🤯 ▫️ Франция/Япония: многое дублируется на английском, локальный поиск даёт бонус в «длинном хвосте» — события, нетуристические места. ▫️ Низкоресурсные языки (тот же малагасийский): самое ценное есть только локально, но модель хуже понимает язык. Оптимум — двуязычный поиск + синтез (paper). ▫️ Важна ещё и «оцифрованность» страны: про регионы с бедным интернетом модель знает мало на любом языке. ⚠️ Нюансы, о которых забывают: 🔸 Когда источники на одном языке, а ответ на другом, модель хуже рассуждает и путает язык ответа (бенчмарк XRAG, EMNLP 2025). Фиксируйте: «отвечай по-русски, укажи источник каждого факта». 🔸 Разные модели ≠ одинаковое поведение: одной лучше английский, другой — нативный язык. Универсального правила нет. 🔸 Неанглийский текст «дороже» по токенам — чисто инженерный аргумент 💸 🔸 Цены, визы, расписания — только через поиск, по памяти модель уверенно выдаст устаревшее. 📊 Оценка завышена (XBCP и X-WebAgentBench) для travel-planning нет хорошего ground truth так как текущие исследования агентных систем в основном англо-центричны. @mashkka_ds За вдохновение спасибо @travel4_you & @runoutofthetown #llm #Claude #agent