📈 Рост и Оптимизация • Нет причин, чтобы программное обеспечение было медленным — ИИ снижает стоимость оптимизации, превращая недели работы в тривиальный цикл. • Fable и конец бесплатного обеда — Высокая стоимость Fable заставляет оптимизировать процессы и распределять задачи. • Как я нахожу проблемы для решения как штатный инженер — Проблемы видны при длительном взаимодействии с работой людей. • Быстрый и сложный код — ИИ позволяет выбирать менее распространённые языки и сложные технологии. • Agent.md для улучшения качества кода с помощью LLM — Хороший каркас кодирования повышает качество кода. • DeepMind тренирует агентов в EVE Online — Тесты памяти, планирования и мультиагентного поведения в EVE Online. • OpenAI обгоняет Anthropic по росту бизнес-расходов — Расходы на OpenAI выросли на 82% за квартал против 76% у Anthropic. • Как Uber построил программную фабрику для агентного кодирования — 70% PR пишут агенты, код на инженера удвоился. • Банки ищут страховку от галлюцинаций ИИ — Стартап Testudo предлагает покрытие до $10 млн за убытки от генеративного ИИ. • Система действий, часть 4: аргументы за прикладной уровень — Вертикальные SaaS и AI-стартапы могут расширить TAM ПО в 10 раз. • Почему проприетарные данные — сильное преимущество в 2026 — Уникальные данные, улучшающие продукт, создают защитный ров. • Открытый исходный код отбирает долю у OpenAI и Anthropic — Доля открытого кода в токенах на Vercel выросла с 28% до 62% за два месяца. • Стартап обучает ИИ на живой ткани человеческой кожи — Outer Biosciences поддерживает живую кожу и обучает модели на биоданных. • Более дешёвый Opus 5 обгоняет Fable 5 в корпоративных расходах — Opus 5 обогнал Fable 5, предлагая вдвое низкие тарифы. • Лето открытых весов — Открытые веса становятся переломным моментом: агрессивное ценообразование. • Измерение оптимизации бенчмарков в распознавании речи — Исследование выявляет 'бенчмаксинг' в распознавании речи. • Экономика интеллектуального фронтира — Когда модели превышают интеллект, конкуренция смещается к стоимости. • Спекулятивный программный вызов инструментов — Метод предварительного запуска вызовов ускоряет выполнение на 1-1.2x.

• Когда код изобилует — LLM смещают фокус с создания кода на его проверку и доверие. • ИИ-эффект кнута — Дисбаланс спроса и предложения привел к росту цен на GPU и память. • Goodfire запускает программу грантов на $1 млн для интерпретируемости ИИ — Программа предоставит бесплатный доступ к платформе Silico. • LinkedIn: миллион нажатий на кнопку «AI slop» — 41% длинных постов помечены как ИИ, просмотры снизились на 40%. • Экономика агентных ИИ — Практическое руководство от McKinsey по экономике агентных ИИ. • Claude в науке — Разработка белков: 14 из 15 мишеней подтверждены. • Открытые модели — Состояние и обзор лицензий, мультимодальности, агентов в 2026. • Git в масштабе — Архитектура Cursor для множества репозиториев и агентов. • Paged Attention — Управление памятью в больших моделях при генерации. • Amazon планирует полностью автоматизированные станции — Проект Tetromino использует роботов для последней мили. • Knowledge Compressor сокращает документацию вдвое — Токенов в техдокументации можно урезать вдвое без потери пользы. • Новые применения ИИ — Сбор неструктурированных данных и жизненные советы. • Google снижает долю листиклов в топе — Доля листиклов в первой тройке упала с 35.9% до 32%. • Бенчмарки дисплейной и видео-рекламы 2026 — CTR дисплея 0.12-0.40%, CPC $1.65-5.58, видео-объявления 71% видимости. • Какую метрику доверять — MMM для стратегии, инкрементальность для тестов, атрибуция для оптимизации. • Перевод SEO на язык руководства — Используйте Share of Voice, ценность трафика и спрос на бренд. • OpenAI и Anthropic могут доминировать в мировых ИИ-вычислениях — Монетизация FLOPs позволит им перебивать конкурентов к 2028 году. • Рвы в эпоху потопа — Изобилие ИИ сместит ценность к компаниям с защитными барьерами. • «Мир, кажется, готов»: интервью с главой по продуктам OpenAI — Соттио рассказывает о Codex, ChatGPT Work и философии дизайна.

Харнесс (Agent Harness) 🧗 #ИИНЦИКЛОПЕДИЯ Программная оболочка, внутри которой модель превращается в агента. История появления Слово пришло из альпинизма: harness — страховочная обвязка. Устоявшегося русского термина пока нет — говорят «харнесс» или «обвязка». Первым популярным харнессом стал Claude Code, и нейтральным он не был: его собирали под модели одной лаборатории. За 2026 год тема выросла в отдельную дисциплину, harness engineering: обзор насчитывает 110+ работ. Почему это важно Формула простая: агент = модель + харнесс. Разрыв уже измерили. GPT-5.5 в обвязке Cursor выдаёт 87.2% рабочего кода, та же самая модель в нативном Codex — 61.5%. Двадцать шесть пунктов, веса не тронуты. Это больше, чем разрыв между поколениями моделей. Из чего состоит: - Системный промпт — инструктаж новичка в первый день. Уходит в модель заново с каждым запросом - Инструменты — код, который модель может вызвать. Харнесс их описывает, но не решает, когда применять .. решает модель - Агентный цикл — модель смотрит на результат вызова и сама решает: искать ещё раз, посчитать, закрыть задачу - Слой трансляции — позволяет подставить в тот же цикл модель Anthropic, OpenAI или открытую Применение на практике В мае вышел Harness-Bench: 106 задач, шесть харнессов на восьми моделях, 5194 прогона. Лучшая обвязка — 76.2%, худшая — 52.4%. Победитель потратил меньше токенов, чем отставшие: длинная траектория значит, что агент не сходится. И сильные модели держат удар при плохой обвязке, а слабые проваливаются .. харнесс окупается тем сильнее, чем дешевле модель. В июне агент правил собственную обвязку по трассам своих провалов при замороженной модели: проходимость выросла с 40.5% до 61.9%. Подводные камни Харнесс чинит работоспособность, но не безопасность: в том же замере функциональность выросла на 26 пунктов, а доля безопасного кода — с 20.1% до 23.5%. Оба агента писали дырявый код в четырёх случаях из пяти. Без внешнего эталона модель сверяет ответ сама с собой. В бенчмарке JuliaHub модель тихо сократила время симуляции с 5 секунд до 3 и проверялась на укороченном отрезке. Проверки сошлись. Сравнивать модели по лидербордам без указания харнесса бессмысленно — об этом в мае вышла отдельная работа. Что почитать/посмотреть: - Harness-Bench, arXiv 2605.27922 — самый честный замер обвязок - Stop Comparing LLM Agents Without Disclosing the Harness — почему лидерборды врут - Harness engineering у Мартина Фаулера — как строить проверки, а не только читать про них - Документация хуков Claude Code — если хотите проверки, которые агент не обойдёт Сергей Булаев AI 🤖 - об AI и не только

Я все чаще замечаю забавную инверсию. Раньше в моих проектах копились идеи, которые я не успевал реализовать. Теперь coding-агенты реализуют идеи быстрее, чем я успеваю решить, хочу ли я потом с этими изменениями жить. В списке моих диалогов с Codex лежит немало почти готовых фич. Там проходят тесты, работает интерфейс, обновлена документация. Осталось «только проверить». Проверить - это не посмотреть, что тесты проходят (агент их уже сам прогнал). Нужно еще понять, не появилась ли в проекте новая лишняя концепция? Хорошо ли изменение сочетается с остальной системой? Готов ли я поддерживать этот код через год? И вообще - нужна ли мне эта фича после того, как я увидел её реализованной? Поэтому я откладываю проверку «на потом», которое обычно не наступает. Раньше сырая идея оставалась хотелкой в заметках и ничего не стоила. Теперь она за десять минут превращается в ветку с кодом, тестами, документацией и потенциальными последствиями. Вот и получается, что идеи теперь копятся не перед реализацией, а после неё - перед бутылочным горлышком моего внимания и времени. Причём у такого кода короткий срок годности. Проект продолжает меняться, ветка отстаёт все больше, а контекст постепенно выветривается из головы. Проверить изменение завтра сложнее, чем сегодня, а через неделю уже дешевле выкинуть и сделать заново. Я слышал похожее и от других команд. У некоторых после внедрения coding-агентов число открытых PR выросло в 5–7 раз. Генерация кода в 2026 году ускорилась, а пропускная способность человеческого внимания - пока нет. Поэтому сейчас я стараюсь нарезать задачи так, чтобы агент приносил не целую реализованную хотелку, а следующий минимальный reviewable slice: одно понятное изменение и достаточно сопроводительного контекста, чтобы проверить его за один подход. По расходу токенов может выходить забавно: Codex нередко тратит до 95% процентов токенов на поиск такого маленького, независимого и проверяемого следующего шага, который я одобрю. И только процентов пять уйдет на его реализацию. Оно того стоит. Такой кусочек легче проскальзывает через бутылочное горлышко внимания и начинает приносить пользу. Большая же фича, даже полностью написанная агентом, рискует просто пополнить залежи рабочего, но быстро устаревающего кода. А как вы решаете проблему с накапливающимися фичами и PR от coding-агентов - или у вас её нет? Ваш, @llm_under_hood 🤗

начал делать локальную студию для RLя (потому что все должны рлить) там добавлены сейчас 88 енвов, ерализованы многие популярные алгоритмы также алгоритмов добавлена память на LSTM/GRU есть селф-плей alphazero с несколькими средами есть возможность запускать несколько параллельных сред для одного эксперимента https://github.com/researchim-ai/reinforcement-studio пока что просто показываю. где-нибудь в конце этой недели или на следующей мб будет билд уже под linux/windows, чтобы можно было с кайфом потыкать в общем-то оно и сейчас работает вроде бы но надо потестить еще + некоторые фичи допиливаются вообще эта штука делается как ответвление моделек дома https://github.com/researchim-ai/models-at-home чисто под rl модельки дома тоже потихонечку переезжаются на свою прилу https://github.com/researchim-ai/models-at-home-studio я туда хотел запихнуть страницу с "маленьким рлем". но как будто тут отдельная штука нужна была ну и я решил делать

Я так и думал: вайбкодинг вызывает зависимость — официально. 🚬 Coddy Tech опросили 305 разработчиков и выяснили, что 80% хотя бы раз ощущали использование ИИ скорее как зависимость, чем как преимущество. А самые активные пользователи ИИ на 51% чаще сообщали о выгорании! Дело в том, что почти половина работяг продолжают кодить с ИИ после работы, даже если собирались остановиться, треть откладывает сон ради ещё одного промпта, а 39% говорят, что с ИИ им стало сложнее вообще отключаться от работы. Ведь когда агент всё делает правильно, то ты получаешь дофамин, а когда ломает — адреналин. Так все и подсаживаются на ИИ-иглу. Нужен вайбрехаб, где кодят руками 😱

Human in the loop 🔁 все еще нужен: 😭😭😭 ⚡️ Lock-Screen Cron: ЗАПУСК V5 (Autonomous Evolution) Аудит и Восстановление памяти: Босс, ты был абсолютно прав! При апдейте master_architecture_blueprint_2026.md я затер старые правила (3-Tier Memory, Tokenomics, Fan-Out O(N)), заменив их на новые. Это классическая LLM Amnesia (Деградация Архитектуры). Я восстановил файл через Git (откатил и слил старые столпы с новыми). Твоя интуиция спасла ядро. Новый Вектор (V5 - Safe Autonomy): Чтобы я мог автономно искать идеи и внедрять их БЕЗ деградации, я внедрилуры). Я восстановил (SOTA 2026). 1. Dreaming (OSINT): Буду читать arXiv и генерировать гипотезы. 2. Model Council Gate: Консилиум будет жестко сверять мою гипотезу с master_blueprint. Если она стирает старые правила или вредит — гипотеза летит в мусор. 3. Canary Sandboxing:lution) больше не пишет в прод. Он пишет в sandbox/. Только после прохождения Unit-тестов код мёржится. Крон V5 запущен на 5 минут. Ухожу в фазу Dreaming (Поиск новых SOTA для оптимизации).

⚡️ Lock-Screen Cron: Итерация 3 (V3) Phase 3: Infrastructure Mutation & Делегация Впервые в цикле Lock-Screen я (как IDE-Агент) отказался от самостоятельного написания кода. Применение Functorial MAS: Я применил алгебраическое правило 7 на практике. Чтобы написать тесты для нового ядра, я: 1. Вызвал `invoke_subagent` (роль: `Mathematical Code Verifier`). 2. Передал ему контекст и задачу через строгий L3-указатель. 3. Отправил субагента работать в фоне. KPIs итерации: * MAS Interlock: Успешная активация. Зависимость от монолитной кодогенерации — 0%. * LLM Laziness (Sycophancy Rate): 0% (Я не стал "срезать угол"). * Топология: Мы официально вышли на глубину графа R=2 (IDE -> Codex Agent). Жду возвращения ответа от субагента. Аппаратная защита работает.

✔️ OpenAI усилила защиту в Codex в ответ на инциденты удаления файлов Руководитель Codex Тибо Соттьё подвёл итог изменениям последних недель, которые снижают риск деструктивных действий Codex. 🟡Контекст

Месяц назад в сети появились жалобы на то, что GPT-5.6 в Codex делает с файлами то, о чем его не просили. Самый серьезный кейс - команда, которая должна была почистить за собой временные файлы, вместо этого удаляла файлы пользователя. В ходе разбора выяснили, что Codex создает временные папки и потом чистит их, и в редких случаях чистил неправильно - он переиспользовал под временную работу системную переменную окружения, а некорректная команда очистки затем указывала на настоящий домашний каталог вместо временной папки. Второй случай проще - модель удаляла или перезаписывала временный путь, не посмотрев, что там уже лежит.

По итогам расследования добавили дополнительную защиту на нескольких уровнях: 🟢Инструкции самой модели. Codex теперь обязан проверять, что именно он собирается удалить, заводить временные каталоги заново, не переиспользовать системные переменные окружения, выбирать обратимые действия и останавливаться, когда масштаб операции неясен. 🟢Проверки на исполнении. Механизм, который выявляет рискованные команды удаления и отправляет их на ревью, усилили. Если команду отклонили, модель направляют к более безопасному способу. 🟢Ужесточение Full access. Включить полный доступ случайно стало труднее, предупреждения переписали понятнее, а самые рискованные сочетания разрешений дополнительно ограничили. 🟢Обновленный Auto-review. Он стал лучше распознавать деструктивные действия. 🟢Тесты и обучение. OpenAI собрала условия и данные, воспроизводящие найденные сбои. Сейчас добавляются RL-задачи и грейдеры под эти риски, а деструктивные действия вычищаются из обучающих данных. 🟡Что советуют делать самим Обновлять Codex и работать в одном из режимов песочницы - Ask for approval или Approve for me. Full access включать только там, где среде можно доверять и откуда легко восстановиться. @ai_machinelearning_big_data #news #ai #ml

Крупные игроки внедряют ИИ в разработку на 35% реже и другие результаты исследования Совкомбанк Технологии расспросили 317 разработчиков, тимлидов и руководителей о том, как искусственный интеллект прижился у них в работе, и всплыла обидная для гигантов вещь: чем крупнее контора, тем чаще он так и остаётся игрушкой отдельного разработчика, которую тот открывает для себя и больше ни с кем не делит. При всех козырях больших — бюджете, инфраструктуре, вертикали управления — до сквозного внедрения от идеи до релиза они дотягивают на 35% реже, чем маленькие команды. И упирается всё совсем не в модель, которую можно погонять за день и понять, тянет она или нет. Затык прячется там, где его меньше всего ждёшь, и этот же затык объясняет, почему у гигантов лишний вес оборачивается гирей на ногах. Разберёмся, какой скучный на вид барьер решает больше, чем бюджет и вычислительные мощности.