Работа с AI-агентами похожа на менеджмент сотрудника, который технически умнее тебя, но сильно хуже понимает бизнес. Твоя задача: сначала нормально обсудить идею, загрузить контекст, объяснить, что вообще считается хорошим результатом, и сузить бесконечное количество вариантов до одного нормального пути. Дальше агент сам разберётся с реализацией. Ты смотришь результат, ловишь косяки, даёшь фидбек и держишь планку. За то, что в итоге уехало в прод, всё равно отвечаешь ты. Со временем вокруг агента появляется система: правила, память, скиллы, примеры хороших решений. После нескольких циклов «сделал → получил фидбек → переделал» он начинает реально шарить за твой контекст и бизнес. Короче, хороший agentic engineer сначала хороший менеджер.

Агенты впервые показали, насколько люди плохо формулируют свои желания.

Чел ушёл в отпуск по уходу за ребёнком и оставил вместо себя на продажах AI-аватар Это история сооснователя HeyGen. Он ушёл в отпуск по уходу за ребёнком и оставил вместо себя на продажах свой AI-аватар. Не чат-бота на сайте, а цифрового двойника, который восемь недель вёл сделки. Основной вопрос был такой: удержит ли агент первую линию, пока сам он держит на руках ребёнка. Итог, от которого у любого соло-билдера ёкает: 2741 разговор, 300+ звонков в неделю, ноль выходных, 132 новых платящих клиента и 37 enterprise-сделок примерно на 3 млн долларов пайплайна. Конверсия 4,8%. Без косяков не обошлось. В живом диалоге с реальным клиентом двойник назвал тариф за 4800 долларов, которого у HeyGen нет: выдумал с нуля и уровень, и цену, и произнёс так же уверенно, как всё остальное. Пару раз уходил лишнего в переписке, пересылая клиенту внутренние заметки 😄 Обходили это так: всё, что связывает обязательствами (цена, договор, технические обещания), уходило на подтверждение живому человеку в Slack. Так что вопрос не в том, можно ли клонировать себя, а в том, какие решения отдать двойнику и где стена. Источник, в котором лежит код решения: https://x.com/wayne_liang_/status/2084320195112485276 #PG_education @productgames

Physical AI стал самым горячим направлением исследований Интерес к физическому AI резко ускоряется. В 2024 году вышло 337 научных работ с упоминанием physical AI, в 2025-м уже 702, а за неполные восемь месяцев 2026 года — 1229. Под physical AI обычно понимают системы, которые не просто работают с информацией, а взаимодействуют с реальным миром: роботов, дроны, автономный транспорт и связанный с ними софт и hardware. На венчур это тоже влияет. Волна инвестиций в обычные AI-приложения уже состоялась, поэтому капитал и внимание постепенно перемещаются туда, где еще можно получить преимущество раннего игрока. Если нынешний темп сохранится, следующим большим этапом AI-рынка может стать переход от моделей, которые генерируют контент, к моделям, которые физически выполняют задачи. Anthropic на днях как раз предложил стандарт для взаимодействия AI с реальными устройствами. https://lnkd.in/p/eeY_Dr6D

a16z увеличила новый фонд для AI до 8.5 миллиарда долларов Andreessen Horowitz докинула ещё 1.75 миллиарда в свой пятый Growth Fund. Теперь его размер достиг 8.5 миллиарда долларов. Фонд запустили в январе.В a16z говорят, что AI-компании стали расти быстрее, требовать больше денег и выходить на большие оценки гораздо раньше. Деньги пойдут в уже подросшие стартапы, которым нужно масштабировать продукты и выходить на новые рынки. Среди главных направлений — корпоративный и потребительский AI, робототехника, оборонные технологии, инфраструктура и медицина. Буквально за несколько дней до этого a16z запустила ещё один фонд на 1.1 миллиарда долларов — Machine Age Fund. Он целиком посвящён физической инфраструктуре для AI: чипам, памяти, сетевому оборудованию, дата-центрам и роботам. https://techcrunch.com/2026/08/31/a16z-brings-growth-fund-to-8-5b-days-after-launching-new-1-1b-fund/

Так как я в отпуске, то было несколько проблем: 1. Лететь 9 часов, а почитать что-то хотелось. Поэтому я просто, попросил LLMку собрать мне топ 10 статей (я уже ранее писал, что таким образом постоянно что-то ресерчу) в виде ПДФки и сразу на русском, с версткой и с TL DR в начале, чтобы мне легче было выбрать. Пайплайн у меня там чуть сложнее, но можете попробовать прямо выше, как я написал. 2. Демыч книжки читает уже сам постоянно, а вот Тея любит, когда перед сном ей что-то читаю. Тащить много книг с собой - ну такое, поэтому можно сгенерировать под ее запрос книжку в той же LLMке. Удобно и просто, получается. Да и ребенку супер интересно.

«Спустя год разработки приложения для изучения иностранных слов — я наконец нащупал его главную концепцию» Идея казалась законченной: встречаешь незнакомое слово в фильме или статье, кидаешь в приложение, AI готовит перевод, примеры, произношение — и вот тебе тренировка. Никакого фиксированного курса, собираешь словарь из того, что реально попадается в твоей жизни. Автор сам так учил языки и почти год считал, что это и есть весь продукт. А потом полез учить сербский. И механика встала. На английском слова приходили сами — кино, статьи. На сербском в словаре месяцами висели тридцать слов, и добавлять было нечего. Тут и дошло: приложение отлично делало всё после того, как ты принёс слово. А самое трудное — где его взять и что вообще стоит учить — оставляло тебе. Понять, что построил не то, — полдела. Дальше начинается вопрос, каким должно быть приложение, которое само знает, что тебе учить завтра.

Нюансы Fable 5.1 в SWE задачах В системной карточке Fable 5.1 (которая аж на 212 страниц) как обычно можно найти множество интересных инсайтов. Вот что мне показалось интересным: * Нынче один самых важных вопросов - а какой reasoning effort оптимален? Тк мы видим из бенчей, что он напрямую влияет на цену, а значит и на то, как быстро будут уходить лимиты. Кроме того, на некоторых бенчах можно заметить, что более высокий effort ухудшает результаты моделей. Так, например, во FrontierCode (Main субсет) результаты Fable 5.1 после medium не становятся лучше. А если сравнивать medium vs max, то получим 50.9% vs 50.3%, при том, что medium почти в 5 раз дешевле max. Кроме того, в этом бенче Fable 5.1 medium даже вышел дешевле, чем Opus 5 medium, хоть и с чуть более скромным результатом (50.9 vs 53.4), что тоже слегка удивляет. А в карточке Антропик по этому поводу пишут, что на высоком ризонинге фейбл 5.1 начинает делать больше, чем ее просили. И пишут:

Если дополнительно попросить модель быть лаконичнее и не добавлять лишние комментарии или документацию, она реже вносит изменения вне заданного scope. Но опубликованные benchmark-результаты получены без такой дополнительной инструкции.

Напомню на всякий случай, что FrontierCode 1.1 от команды Devin - это один из немногих закрытых бенчмарков. * Результаты Fable 5.1 в DeepSWE v1.1: 67.4%. Но есть важный нюанс: Антропики рапортают, что Фейбл сделала часть задач даже тщательнее, чем того требовало задание, поэтому часть скрытых тестов завалились (стр. 168). * В DRACO (это бенчмарк на диприсерч от Perplexity), опус 5 почти на всех эффортах сильнее Fable 5.1 - вот и думайте) Любопытно, кстати, что у них там Opus 4.6 в кач-ве судьи над Опусом и другими - мб в этом дело. * И ресерчеры из METR говорят, Fable 5.1 особенно сильна, когда у задачи есть понятный фидбек. Но когда надо самому придумать, что проверять, куда копать дальше и как вообще выстроить исследование, всё заметно хуже. Вот вам и long-horzont tasks... Все равно, нужно четко критерии ставить и послеживать, чтобы не дрейфовала. Из забавного: на моей памяти впервые Антропик замерили свои модели на бенчмарке FrontierSWE (ага, еще один фронтир - он, к слову, старее всех остальных фронтиров), это бенчмаре на ультра-большие задачи на десятки а то и сотни тысяч LoC, тем самым как бы легализовав его. Получилось вот так: Fable 5.1 (0.57), Claude Opus 5 (0.52), Claude Fable 5 (0.48), GPT-5.6 Sol (0.32). Что забавного? 1. В первой версии их бенчмарка грок 4.5 как-то оказался выше опус 4.8, при том, что грок 4.5 - модель откровенно слабая. 2. Вторая версия бенчмарка пока недоступна нигде, а ссылка из System Card показыват 404. Видимо, ребята тормозят с релизом. И немаловажный нюанс: cutoff date Fable 5.1 июнь 2026, а Opus 5 май 2026. При этом, знания GPT 5.6 sol заканчиваются на фервале 2026. Что нам с этого? То, что всякие современные знания про разработку агентнов и агентную разработку из коробки будут актуальнее всего у Fable 5.1. А по моему опыту агенты очень плохо пишут других агентов (если они хоть немного нестандартные). Какой я для себя делаю вывод? Для большинства задач в Claude Code, видимо, продолжу использовать Opus medium, для планирования и второго мнения Fable 5.1 medium, а для чего-то особого сложного Fable 5.1 xhigh. @ai_drive