Токенмаксинг – все? WSJ выпустили матеариал о том, что американские компании массово переходят к новому тренду на thrift-maxxing Thrift переводится как "бережливость". Суть в том, что если еще несколько месяцев назад тратить много токенов на топовые модели было модно, и в компаниях даже создавались лидерборды по сжиганию токенов, то сейчас все подостыли, вспомнили, что бюджет не резиновый, и теперь переходят к более дешевым моделям. В основном речь, конечно, при Китай. WSJ приводит несколько конкретных примеров компаний и стартапов, где полностью отказались от инструментов OpenAI/Anthropic и пересели на DeepSeek, Kimi или GLM. Некоторые используют мощные модели только для планирования, а всю остальную работу отдают моделям попроще и подешевле. Даже по общедоступным цифрам тренд видно хорошо: OpenRouter, например, сообщает нам, что доля США (Google+OpenAI+Anthropic) в американском энтерпрайз-сегменте упала с ~70% в июне 2025 до ~30% в июне 2026. При этом доля Китая, как вы понимаете, наоборот, растет (https://t.me/data_secrets/9445). Вот вам и истинная причина, почему Anthropic не подписывает письмо об опенсорсе ☕️

Борис Черный Главная мысль его выступления: продукты на базе AI теперь строятся не как обычный софт, а почти как экспериментальная наука. Каждое новое поколение моделей ведёт себя иначе. Поэтому нельзя заранее придумать огромный system prompt и сложную архитектуру, а потом годами их улучшать. Сначала нужно убрать почти всё, дать модели сложную реальную задачу и посмотреть, где она действительно ломается. Инструкцию стоит добавлять только тогда, когда одна и та же ошибка повторяется. Именно так команда Claude Code удалила около 80% system prompt для новой модели: большая часть старых правил компенсировала ограничения, которых у неё уже не было. Иногда модель без этих инструкций работала даже лучше. Борис назвал главную возможность для стартапов «product overhang»: современные модели уже умеют гораздо больше, чем позволяют существующие продукты. Мы часто сами ограничиваем AI — дробим работу на слишком маленькие шаги, подробно диктуем способ решения и не даём достаточно инструментов и свободы. Правильный подход — поставить задачу немного сложнее, чем кажется возможным, задать ограничения и критерий завершения, дать инструменты для самопроверки и позволить модели самой найти путь. Ключевой элемент здесь — не промпт, а верификация. Claude смог 11 дней переписывать runtime Bun с Zig на Rust, потому что у проекта был сильный набор тестов. Другой агент уже больше двух недель переписывает Electron-приложение на Swift, постоянно запускает результат и сравнивает интерфейс по скриншотам. Долгая автономная работа становится возможной, когда система сама понимает, приблизилась ли она к правильному результату. Ещё один сдвиг — тысячи агентов становятся новой формой вычисления. Они могут параллельно исследовать варианты, писать код, проверять друг друга и собирать итог. А постоянные routines уже ежедневно поддерживают кодовую базу Anthropic: удаляют мёртвый код, закрывают эксперименты, улучшают тесты и объединяют дублирующиеся абстракции. Мой главный вывод: в эпоху агентов выигрывает не тот, кто написал самый сложный промпт. Выигрывает тот, кто умеет дать модели настоящую работу, достаточную свободу и объективный способ доказать, что работа действительно выполнена. Коротко: ставьте более сложные задачи, меньше диктуйте способ решения и инвестируйте в проверяемость результата.

Если не видели, Anthropic выложили руководство по контексту для моделей 5 серии, раз уж и Opus присоединился к их числу. В принципе, это обобщенные правила из документации соответствующих моделей и в целом рекомендации можно свести к удалению большого количества нормативных правил, удалению примеров (новые модели склонны воспринимать их не как иллюстрации, а как прямые инструкции "Делай только так"), советуют также разделить большие скиллы и промпты на подгружаемые части. Представлена также новая команда Claude Code — /doctor или claude doctor из командной строки, — она инспектирует имеющиеся настройки и скиллы и предлагает их реструктуризацию. Только не относитесь к рекомендациям, как к догме — у меня она предложила удалить скиллы, которые ни разу не использовались за последние несколько дней, что в целом разумно, но в их число попали как скиллы для работы с Obsidian (просто реально на этой неделе именно Claude Code туда не ходил) и скиллы model-invocable — их вызов моделью на уровне субагентов может не триггерить счетчики. https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models

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 🤗

Все советы Anthropic по разработке за "лето" Студентам советую раз в неделю читать что выходило свежего у OpenAI/Anthropic по разработке с помощью ИИ. На мой взгляд это сейчас самый передний край и проверенное. Лучше всяких ютюб-блогеров. Внутри у них ~80% смерженного кода уже пишет ИИ, инженеры шипят в 8 раз больше, чем в 2021–2025. И они довольно подробно рассказывают, как это устроено. Вот что, имхо, самое полезное было (в PDF подробно, можете почитать и отдать ИИ) 1. Узкое место теперь не написание кода, а проверка. Агенты генерят быстрее, чем люди ревьюят, поэтому все инвестиции – в верификацию. Практически: выписываете всё, что повторно исправляете за моделью, и кодируете в скиллы-проверки (.claude/skills) – агент сам гоняет тесты и чинит до сдачи. Сама команда Claude Code гоняет цепочку /code-review → /simplify → /verify, а потом те же проверки гейтом на каждый PR. 2. CLAUDE.md – короче 200 строк и без очевидного. Только точные команды тестов по подкаталогам (иначе модель запускает полный сьют на 40 минут) и то, что противоречит дефолтам модели. И пересматривать раз в 3–6 месяцев – правила под старые модели душат новые. 3. Разделение простое: пожелание – в CLAUDE.md, процедура – в скилл, закон – в хук. Линтер после каждой правки и блокировка rm -rf – только хуками, скилл модель может и забыть вызвать. 4. Ревью переразделили: ИИ – стиль, линтинг, отлов багов, тесты (несколько узких агентов, с каждой находки требуют доказательств – доля содержательных комментариев выросла с 16% до 54%). Люди – security, границы доверия, продукт. Автономному агенту – минимум прав: их инцидент-бот умеет писать доки и читать логи, деплоить – нет. 5. Самый огненный кейс – миграции. Bun перевели с Zig на Rust: миллион строк за 2 недели и ~$165k в токенах (раньше такое стоило $3–4 млн и 4 года). Рецепт: сначала тесты против обеих кодовых баз, потом rulebook правил перевода, дальше дешёвые модели переводят, дорогие ревьюят. Главный принцип – повторяющийся фейл это баг правила, а не файла: правишь rulebook и перегенерируешь, руками не патчишь. Я так переписывал gtfs.guru, скоро выложу мажорный релиз https://claude.com/blog