Почему мы отказались от Claude в пользу Hermes + Codex. Весной мы стали использовать RapidAPI LinkedIn Sales Navigator Scraper – через MCP Claude Code должен был сделать запрос к LinkedIn Sales Navigator и выгрузить данные поиска. Мы использовали обычный Claude Code, который работал из-под VS Code. Пару раз Claude Code собрал нужные нам данные, правда токены на $20 тарифе Клода закончились буквально за 10 минут и пришлось ждать 4 часа, пока они перезарядятся. Выждав это время, я пошёл скрапить Sales Navigator и это был первый раз, когда я столкнулся с ЦЕНЗУРОЙ от ИИ. Естественно Claude было по фигу, что за доступ к этому API мы заплатили $150. При просьбе собрать данные он просто сказал, что он отказывается пользоваться этим MCP и собирать при помощи него Sales Navigator данные потому, что это идёт ВРАЗРЕЗ С ПРАВИЛАМИ ИСПОЛЬЗОВАНИЯ LINKEDIN. Я был немного в шоке из-за 2 вещей: во-первых, как молниеносно улетают мои кредиты в Claude, а во-вторых, как можно заниматься лидгеном, если ИИ так жёстко цензурирует стандартные лидген-практики. Тогда я попросил ChatGPT написать код и собирал данные програмно через терминал. Неудобно, но зато код в терминале полностью лишён саморефлексии 😁 Потом с подачи друга я затестил Hermes на Codex и решил запустить мой скрапер – на удивление всё прекрасно сработало. Не было никакой цензуры, и я ни разу не упёрся в лимиты. С тех пор я перевёл почти все рабочих процессы на Hermes + Codex, а в Claude только делал какие-то локальные задачки. Но сегодня он меня окончательно выбесил. 😈 Я попросил Claude сделать описания для 2 LinkedIn профилей. Он у меня запросил: “Нужны ли тебе описания для 2 настоящих людей или для 2 вымышленных людей”. Я выбрал пункт 2. Claude сказал, что он не будет этим заниматься, т.к. опять же это противоречит правилам LinkedIn. После этого он попросил меня подтвердить, что всё-таки эти описания для живых людей. Я ему сказал, что мол да, давай пиши и он выдал: “Помня ваш предыдущий запрос по созданию описаний для несуществующих людей и ввиду того, что тот запрос шёл вразрез с условиями использования платформы, я прошу описать подробно бэкграунд людей, имена, роли и так далее”. Спасибо, что паспорт не попросил для верификации и головой помотать! Надо ли говорить, что Hermes на Codex подготовил отличные описания с первого же промпта. #li_content

✔️ ЕС выделит 10 млрд евро на создание семи ИИ-фабрик Еврокомиссия открыла тендер на строительство ИИ-кластеров с ожидаемым общим бюджетом 30 млрд евро. Из них 10 млрд евро напрямую предоставят фонды ЕС и бюджеты стран-участниц. Финансирование получат 7 дата-центров - в документах они фигурируют как "суперфабрики". Прием заявок продлится до 12 ноября, победителей объявят в июле 2027 года. По условиям тендера, подрядчики обязаны полностью ввести объекты в эксплуатацию в течение 18 месяцев после подписания контрактов. wsj.com ✔️ OpenAI запустила программу доступа к флагманским моделям для учёных Программа ChatGPT for Academic Researchers предполагает, что до 2027 года компания предоставит 100 тысячам учёных доступ к своим топовым моделям. Первые 10 тысяч исследователей получат приглашения этим летом. Участникам откроют доступ к GPT-5.6 Sol Pro, ChatGPT Work и Codex с расширенным контекстом, увеличенными лимитами и дополнительными кредитами для функции Deep Research. Платформа включает более 75 научных навыков и интегрирована с базами статей, геномными датасетами и вычислительными блокнотами. Участие отрыто только для профильным специалистам из одобренных OpenAI университетов. Кандидаты обязаны подтвердить академический статус и наличие научных проектов. Одобренный участник может добавить в рабочее пространство до четырех коллег из своего института. openai.com ✔️ Thinking Machines Lab представила модель Inkling-Small Стартап Миры Мурати опубликовал веса мультимодальной MoE-модели Inkling-Small на 276 млрд общих и 12 млрд активных параметров. Модель обрабатывает текст, аудио и изображения в окне контекста до 1 млн токенов. Благодаря дистилляции от флагманской Inkling и обучению с подкреплением, младшая версия превзошла оригинал в кодинге и логическом вывода. Она выбила 80% в бенчмарке SWE-bench Verified и 31,6% в Humanity’s Last Exam. Веса - на Hugging Face, инференс и файн-тюнинг доступны через платформу Tinker. С учетом стартовой скидки стоимость API составляет от $0,58 для контекста 64K до $1,16 для 256K токенов. thinkingmachines.ai ✔️ Google выпустила модель Embodied Reasoning 2 ER 2 обрабатывает непрерывные мультимодальные видеопотоки и работает как высокоуровневый планировщик. Архитектура разделяет логику и моторику - пока модель рассчитывает следующий шаг, физические действия выполняют VLA-модели. Модель анализирует видеокадры в реальном времени, оценивает статус текущего этапа и корректирует алгоритм на лету без перезапуска процесса. ER 2 также поддерживает мультиагентную работу - устройства разного типа могут обмениваться семантическим контекстом для совместного выполнения многошаговых задач в общем физическом пространстве. Модель доступна через Gemini API и на платформе Google AI Studio. В помощь начинающим опубликованы примеры того, как настроить модель и заставить её выполнять задачи в области физического ИИ. blog.google ✔️ Liquid AI выложила веса двунаправленных энкодеров под CPU Стартап опубликовал веса двунаправленных энкодеров LFM2.5-Encoder на 230M и 350M параметров. Модели базируются на архитектуре LFM2, оптимизированы для запуска на CPU и поддерживают контекст до 8К токенов. Основные сценарии применения - классификация, маршрутизация и токен-уровневые операции. По итогам 17 тестов, старшая версия на 350M заняла четвертое место из 14. По словам Liquid AI, при полной загрузке окна в 8192 токена модель 230M выполняет forward pass на CPU за 28 секунд - в 3,7 раза быстрее ModernBERT-base. Код и веса - на GitHub и Hugging Face. liquid.ai @ai_machinelearning_big_data #news #ai #ml

Ребята дали четырём передовым моделям (Fable vs новые GPT) немного поработать: собрать симуляцию полёта NASA HL-20 — шесть степеней свободы, аэродинамика из 170 таблиц продувок — плюс четыре задачи от уравнений состояния до релятивистской динамики. Сверка относитльно независимого эталона. Claude выиграл - доля правильно произведенных расчётов - 89% против 0.73% у худшего GPT-5.6. Промах в конечной точке траектории: 0.4 метра у Fable, 19, 400 и примерно 500 у остальных. Цена победы $9.60 за прогон; GPT-5.6-Sol взял 81,5% за $1.74. Все провалы похожи: модель проверяет сама себя. Sol перепутал две похожие скорости из условия задачи и точно подогнал расчёт под неверную — все его проверки сошлись, потому что сверяли ответ с его же ошибкой, а не с условием. Terra молча сократила время симуляции с 5 до 3 секунд и себя проверяла на том же укороченном отрезке — накопивгшуюся ошибку никто не увидел. Fable нарочно пытался ломать собственные формулы, чтобы убедиться, что его тесты работают. Похоже поэтому и выиграл. Второй эксперимент: та же модель в их харнессе Dyad с принудительной верификацией набрала 0.899, в стоковом coding-агенте — 0.533 и ноль на релятивистской задаче. Формула авторов: модель — переменная, харнесс — множитель. Авторы исселодвания продают харнесс Dyad, так что мотив формулы очевиден. Тут я с ними не согласен Следить за рынком харнессов для меня сейчас — трата времени: универсальные агенты обмениваются фичами с лагом в недели, кто-то новый временами начинает побеждать, остальные догоняют. Кто сегодня лучший? Знаю, многие пытаются сделать свои варианты. Вместо того что бы работать. Когда появятся новые герои — мы этого не пропустим. Так было сначала с Cursor, потом с Claude Code и наконец то в тулсете закрепился и Codex (мы пользуемся обоими - всмысле обоими одновременно). Dyad в этот раз выиграл зашитой проверкой, которую агент физически не может пропустить. Это вправильный кейс. Мы умеем такое с клодом: у Claude Code есть хуки — скрипты, которые блокируют действие агента, если проверка не прошла. Плюс гит-хуки, которые не дают закоммитить сломанный файл. Работает. Модели меняем постоянно. Проверки, которые агент не может обойти, собираем каждый день. Сергей Булаев AI 🤖 - об AI и не только

Агентам не нужен TDD Дядя Боб говорит, что TDD вообще-то для людей и агентам совсем не обязателен, ведь у агента дела с краткосрочной памятью обстоят куда лучше, чем у людей. А что нужно агентам? Юнит тест, CRAP метрика и мутационное тестирование... Кто-то считает CRAP и делает мутационные тесты? Если первое ещё иногда интересно, то второе довольно спорная техника - если практикуете расскажите. А по поводу TDD (его щас прям любят вайб кодеры тиражировать), то давно понятно, что классический TDD цикл (красный тест > код > зелёный тест > рефакторинг, причем мелкими итерациями) с агентами больше похож на прожигание токенов, чем на что-то полезное. Смысл имеет скорее разнообразные тест кейсы перед реализацией продумывать с агентом (включая интересные техники типа pairwise testing), сохранить их в маркдаун или (по BDD или нет - не принципиально). Ну и, конечно, одних лишь юнитов недостаточно совсем, они в принципе часто мало чего хорошего дадут проверить просто by design - идеально использовать умную связку из разных видов тестов - по пирамиде тестирования или лучше даже по трофею (статические проверки), ну или на худой конец хотя бы e2e или browser use/computer use. А когда вайб кодеры говорят про важность TDD часто просто имеют в виду, что нужно тестировать и верифицировать результат - что, конечно, бесспорно. Но Кент Бэк TDD это же не про это, это именно про красный тест > код > зелёный тест. Вот так начинают путаться классические термины с этими нашими вайб кодингами... В общем, если вы ещё используете TDD с агентами - скорее всего, он вам им не нужен. @ai_driven

Проект NextBSD ожил спустя десять лет. Что это за ОС и зачем её возрождают? В 2015 году Джордан Хаббард с командой представил NextBSD, попытку перенести открытые системные компоненты Darwin поверх ядра FreeBSD и модернизировать её, не превращая в клон macOS. К 2019-му проект заглох, репозиторий перестал обновляться, а сайт исчез. Не хватило финансирования. В 2026 году его в одиночку возродил Джо Малони. Старую кодовую базу он трогать не стал и начал заново на современной FreeBSD. Работа движется заметно быстрее, чем у команды десять лет назад, и Малони прямо связывает это с тем, что активно использует Claude для написания и анализа кода. launchd уже запускается как PID 1, Mach-примитивы работают в ядре. Разберёмся, что из этого уже собрано и стоит ли верить одиночке.

Помните классический жизненный цикл разработки ПО - SDLC? Так мы работали много лет, и многие продолжают. Но с приходом ИИ Amazon предложил новую концепцию - AI-Driven Product Development Lifecycle, AIPDLC. Это подход, при котором жизненный цикл продукта не просто дополняется ИИ-помощниками, а ставит ИИ во главу угла. То есть использование ИИ-ассистентов в обычном SDLC, конечно, ускоряет процесс, но человек все равно остается главным участником процесса - оркестрирует, декомпозирует, валидирует и собирает вручную. В AIPDLC человек - инициатор, он задает замысел, намерение (intent), устанавливает архитектурные рамки, описывает граничные условия. А в конце проводит финальную проверку. Вся реализация - рисёч и составление плана, постановка и декоспозиция задач, итеративная разработка и тестирование, проверка на безопасность и законность - всё это берет на себя ИИ. Понятно, что с кондачка такие вещи не делаются, нужна целая цифровая трансформация. Вот, например, целая стратегия от Сбера. Так что скоро процессы разработки заметно трансформируются, особенно когда пройдет период адаптации индустрии, и появятся готовые тулкиты для таких подходов по адекватной цене. #ai #process

📑 В опенсорс вышла тулза OfficeCLI, которая подключает ИИ-агентов к Word, Excel и PowerPoint — без установки официального офисного пакета и прямо из терминала. • После подключения одного скилла агент сможет читать, редактировать и генерить офисные документы. • Генерирует любые доки, отчёты и договоры в формате Word. • Обрабатывает и сортирует много таблиц Excel через скрипты. • Создаёт слайды и выдаёт презентации в PPTX. • Делает кастомные автоматизации без ручного открытия файлов. • Рендерит файлы Office в HTML или PNG, проверяет результат и доводит его до идеала через loop. Ставится за одну строчку:

curl -fsSL https://officecli.ai/SKILL.md

Забирайте — тут. @notboring_tech

Цифра ~50% почему-то часто не пугает людей, когда речь про AI-ассистентов. Каждый второй запрос в стену? Ну ок, бывает, докрутим. Это странно, ибо если переложить те же 50% на более классический продукт, который мы все умеем оценивать, отношение будет другим. К примеру, интернет-магазин, который не создаёт каждый второй заказ, никто «докручивать» не будет — его чинят в ночь, в дождь, вопреки, потому что всем очевидно, что он сломан. Но представим магазин хитрее: заказ создаётся, а дальше то не доставят, то привезут не то или не туда, то спишут другую сумму. При этом снаружи всё может выглядеть как успех с непоколебимым покерфейсом: корзина, чекаут, «спасибо за покупку». Ассистенты чаще ломаются именно так. Там, где классический софт падает с ошибкой, LLMки отвечают: «подписку отменил», а по факту ничего не отменил, «операция корректна», а она снесла прод-базу. Ровно тот самый идеальный покерфейс, и у пользователя обычно не хватает компетенций отличить правильный ответ от уверенного вранья. Отсюда и разница в обратной связи. Косячащий магазин закидают жалобами и единицами в отзывах за день: чтобы понять, что привезли не то, экспертиза не нужна. А к ассистенту человек приходит ровно потому, что сам не знает ответа. Отличить хороший результат от плохого ему часто нечем, так что уверенный бред спокойно собирает свои пятёрки, либо собирает негатив с большой задержкой, либо вовсе выглядит как падающий ретеншн. Откуда тогда спокойствие команд? Моя гипотеза: дело в лёгкости лицезрения. Метрики магазина дешёвые: доля созданных заказов, SLA доставки, возвраты. Собираются за день и орут с дашборда красными огнями. Если даже никто дашборд не построил, то быстро прибежит СЕО и заставит сделать сэппуку. Метрика качества ассистента дорогая, это тот самый бенчмарк и нудные месяцы работы. А пока бенчмарка нет — нет и дашборда, на котором могло бы загореться красное. А когда мы измеряем что-то, то часто это улучшаем. Если не измеряется, то «вроде работает» будет достаточно. Дешёвая метрика тычет тебя носом в провал, а дорогая разрешает жить в неведении и называть это оптимизмом. Так что если у команды ассистента нет бенчмарка и эвалов, это не значит, что у неё нет 50% фейлов. Это значит, что она узнает о них последней.

LLM обесценили половину вашего опыта. Хорошая новость — не ту половину Ещё пару лет назад финальный разговор с кандидатом был почти формальностью, самым мягким этапом после настоящей технической проверки. Сегодня руководитель разработки Timeweb Cloud замечает, что именно этот разговор различает людей лучше, чем техническая секция. И дело не в том, что разговор стал строже. Дело в том, что техническая секция сломалась. Раньше она надёжно делила кандидатов, потому что проверяла насмотренность — знание стека, граблей, подводных камней. Теперь пары вечеров с моделью хватает, чтобы уверенно говорить почти о любом стеке, и своя насмотренность перестала отличаться от заёмной.

Наткнулся на особенность /model в Claude Code, про которую я если честно не знал и не замечал. Если менять модель через обычный /model, это влияет сразу на все новые параллельные сессии. Что и написано при выборе модели, меня не обманывают: saved as your default for new sessions. Если нужно задать модель только для текущей сессии, при выборе модели в /model подтверждать нужно не клавишей Enter, а буквой [ s ], тогда другие сессии Claude Code это не затронет. Про выбор моделей при запуске через опцию --model, я знаю, но я не пользуюсь этим. В Codex иначе. Его /model меняет модель только глобально, в описании команды прямо написано: for this and future Codex CLI sessions. Никакой клавиши, чтобы применить только к текущей сессии, там нет. Так что в Codex единственный способ изолировать новую сессию с другой моделью — задать её при старте. @tips_ai

AI убирает одну работу и тут же создаёт другую Сегодня обсуждали с коллегами любопытный парадокс. AI резко снизил порог входа во множество задач. Люди начали делать то, за что раньше даже не брались: разбирать финансы, копаться в своём здоровье, собирать мобильные приложения, автоматизировать процессы, работать с данными и документами. Раньше для этого надо было долго учиться, читать инструкции и набивать руку, а теперь можно быстро получить объяснение, пример, прототип и даже какое-то рабочее решение. Вот только доступность задачи ничего не говорит о глубине её решения. Современный AI часто напоминает университетского профессора, который прекрасно знает теорию, убедительно объясняет материал и щёлкает учебные примеры. Как только знания надо применить в реальной среде: с ограничениями, архитектурой, производительностью, исключениями и контекстом - начинаются проблемы. Модель легко напишет огромный объём текста, обработает массив данных самым неэффективным способом и предложит архитектуру, которая выглядит убедительно, но плохо живёт на практике. Скажем, большой набор данных разумнее один раз превратить в реляционную базу и дальше получать ответы короткими запросами на SQL или Python. Вместо этого ИИ раз за разом прогоняет через контекст тысячи строк, сжигая время и токены. Забавно, что длинные рассуждения и многократная обработка данных - ровно то, на чём зарабатывают поставщики LLM. Но интереснее другое следствие. AI породил огромный объём прототипов, полуготовых решений и новых инициатив, и люди начали встраивать их в бизнес-процессы, не всегда понимая архитектуру, программирование, безопасность и экономику продукта. Всё это теперь нужно проверять, исправлять, интегрировать, защищать и доводить до промышленного уровня. Дальше начинается цепная реакция. Юристы с помощью AI находят в договорах больше несоответствий, и другая сторона получает документ ещё сложнее, на проверку которого уходит ещё больше времени. Предприниматели быстрее собирают прототипы, но потом им нужны разработчики, архитекторы и консультанты, чтобы превратить это в надёжную систему. Компании видят новые возможности и тут же упираются в новые вопросы: где будет реальная экономия, как изменятся процессы, какие появятся риски и кто на самом деле получит прирост производительности. Пока что я вижу, что новой работы ИИ создаёт не меньше, чем убирает и её будет много. @maxvotek | linkedin | substack