#климова «Я не хотел вас напугать» – сказал Мэтт Шумер. После того, как написал эссе про AI на 50 млн просмотров и напугал весь интернет Если вы еще не читали, вот оно, называется «Грядет нечто большое». Мэтт первый достучался до масс с мыслью, что c AI мы сейчас на стадии отрицания, как в 2020 с ковидом. Какой вирус? У нас все нормально. По иронии, он еще и основатель ИИ-редактора HyperWrite. Мэтт пишет, что 5 февраля вышли новые модели, которые дали отсечку большому скоростному пинку в плане написания кода. И он уже не помнит, когда разрабатывал что-то сам. Кодеры теряют работу, потому что главная задача, которую поставили себе AI-лаборатории – это научиться кодить код без кодеров, чтобы AI кодил сам себя, ведь по сути это код. Все как предсказывали. Помимо нагнетания, Мэтт дает свою стратегию, как вести себя сейчас. Что делать, чего не делать: 1. Начать решать сложные задачи с ИИ Не гуглить простые вопросы, а реально встраивать в процессы. Обучать под себя. 2. Стать AI-native Исходите из того, что сначала вы пробуете решить задачу с AI. Окружите себя инструментами. А потом, если не получилось, решайте по старинке. 3. Учиться ставить задачи. Ключевой навык на следующие 5-10 лет – научиться чётко формулировать цель, ограничения и критерии качества. 4. Перестаньте плеваться. Уберите эго и пробуйте Самый опасный сценарий это считать, что ИИ переоценен. Да, местами он слаб, но ситуация может поменяться за день. Просто пробуйте внедрять. Мэтт прямо говорит, скорость сейчас важнее идеальности. 6. Подумайте, что говорите детям Стандартный путь – хорошие оценки, школа-вуз-работа, теперь тупиковый. Половины профессий, на которые ребенок будет учиться 15 лет, скоро не станет. И создайте подушку безопасности.

Я очень много пишу код с помощью Claude Code. Точнее сказать, что иначе я уже не пишу код вообще. При этом это произошло как-то само собой и я не уверен, что это хорошо. С одной стороны проект растет непомерными темпами. С другой стороны у меня постоянно ощущение, что я одной клод сессией правлю баги созданные другой клод сессией. Часто это такие баги, которые я бы сам никогда (по моему мнению) не допустил. Я запустил клод проанализировать историю переписок и классифицировать все сессии по категориям. Похоже, что я правда 80%+ времени правлю баги или ищу их. При этом может быть два объяснения: 1. Клод пишет плохой код и эти баги — дополнительный эффект вайбкода. 2. Написание любого кода создает баги, код теперь пишется гораздо быстрее, поэтому я встречаю больше багов в единицу времени. Если бы писал этот код сам, то видел бы примерно столько же багов, но не в такой концентрации. В любом случае можно сделать вывод, что вайбкодинг это скам: каждый сожженый на создание чего-то токен ведет к сжиганию ещё двух-трех, чтобы это нормально работала.

🔝 Кто в топе токенмаксинга – и на чем они сидят? Ну что, запрыгиваем в последний вагон? Про токенмаксинг говорить уже в какой-то степени моветон, умные головы уже теперь не так измеряют работу с AI, но чтобы закрыть эту тему посмотрим на один leaderboard. Тема токенмаксинга, как вы знаете, родилась из внутреннего лидерборда Meta (признана в РФ экстремистской организацией и запрещена), который слили в прессу и очень скоро снесли. Потом тему подхватили другие компании и стали измерять, сколько же токенов жгут программисты. Чем больше прожигаешь, тем ты круче. Так вот, один фаундер взял и сделал аналогичную публичную версию лидерборда для HN-тусовки. Это был Sam Odio (2х фаундер: Divvyshot → Facebook, Freshplum → TellApart/Twitter, потом Fivestars и Dropbox AI incubator, сейчас в South Park Commons). Как туда попасть? Нужно просто подключить свой GitHub аккаунт. Чего там интересного есть? 1/ Топ-5 девелоперов прямо сейчас (7 дней): ▪️wesm (создатель pandas, Wes McKinney) – 18.4B токенов, команда kenn.io. ▪️drew (arittr) – 9.3B, команда prime-radiant. ▪️jesse (obrajesse) – 7.7B, тоже prime-radiant. ▪️naveen (naveenspark, YC-фаундер и ангел в 50+ компаниях) – 7.5B, команда skywillow. ▪️aashig (aashig1) – 7.1B, без команды. 🔹Эта часть по классике показывает, кто сколько токенов тратит. Но портал дает другие, более интересные разрезы. 2/ Портал позволяет понять не только то, насколько много токенов тратится, но и на что. Портал позволяет понять не только то, насколько много токенов тратится, но и на что. Короче, какой стек используется. Посмотрим на наших топ-5 девелоперов: ▪️Superpowers (скилл-сет для Claude Code) стоит у 4 из 5 – wesm, drew, jesse, aashig. Кстати, jesse – это, похоже, и есть автор Superpowers. ▪️drew и jesse вообще сидят в одной команде prime-radiant – не просто случайное совпадение инструментов, а буквально одна команда. ▪️naveen – единственный, кто не в этой тусовке, у него свой инструмент "the-matrix". 🔹Забавный момент: у всех пятерых в model breakdown уже светится Fable 5 – модель, которую Anthropic выпустила и на пару недель приостанавливала меньше месяца назад. Топ-девелоперы ее и в хвост и в гриву юзают, пока доступна. 🔹Еще более забавный момент: wesm не только на первом месте, но и сам автор agentsview – локального вьюера сессий, на котором построен весь клиент этого лидерборда. Удобно, когда меряешь линейкой, которую сам и сделал. 3/ Сам сайт также дает понять, кто впереди в паре Claude Code vs Codex: ответ – никто, но есть нюансы. ▪️В сумме топ-5 – 52% Claude vs 48% Codex, почти пополам. ▪️Но wesm явно codex-heavy (доминируют gpt-5.5 и gpt-5.6-sol), а drew, jesse, naveen и aashig смещены в сторону Claude (примерно 55/45). ▪️Итого топ-5 прожигают токенов на ~$2.2M в год – это не опечатка. 🔹Кстати, если прощелкать bottom-5 из этого рейтинга, то у 3 из 5 вообще нет Codex, только Claude Code. Еще у одного Claude Code занимает 90%+. Можно предположить, что у более средней массы есть реактивность – на Codex перключаются топчики типа wesm (у него до 9 июля вообще не было Codex, а потом он переключился, и Codex стал доминировать). 2/ А какой топ-5 проектов на всей площадке? ▪️Superpowers – 13 юзеров, TDD/planning/debugging-скиллы для Claude Code. ▪️claude-code – 11 юзеров, родной CLI от Anthropic. ▪️codex – 4 юзера, CLI от OpenAI. ▪️agentsview – 2 юзера, тот самый вьюер сессий от wesm. ▪️arsenal – 2 юзера, расширенный skill-набор для Claude Code. Любопытно, что весь топ по сути крутится вокруг одной библиотеки скиллов (Superpowers) и пары знакомых команд. Токенмаксинг – это, конечно, спорная метрика продуктивности, как и этот лидерборд, но как карта "кто с кем и на чем" выглядит прикольно и любопытно. 👉 Ссылка на лидерборд: https://tkmx.odio.dev @proVenture #ai #benchmarks #howtovc

Доверие нейросетям Все больше и больше доверяю моделям в плане разработки. Особенно если это разработка не для клиента, а какой-нибудь внутренний продукт. Вчера у меня ии-агент на glm-5.2 делал мне достаточно емкий и большой сервис с нуля около часа. Делал полностью автономно: писал тесты, запускал тесты, писал докуметацию, проверял сам в браузере, фиксил баги. Все согласно правилам из моего сетапа вайбкодера. Все это без моего участия. С первого раза сделал то, что мне было нужно. Потом мы уже с ним вместе допиливали и наполняли новым функционалом этот проект. Я про него даже пару раз забывал, а он там работал в фоне и пилил нужный мне функционал. И такое происходит в моей практике регулярно. Многие личные автоматизации или мелкие автоматизации нашей компании кодятся почти без нашего ведома. И в проектах для личных нужд я даже не смотрел в то как именно он реализовал нужную мне задачу — работает и ок. Цена ошибки минимальная, цена разработки минимальная, а ценность результата огромная! Сейчас даже сложно представить, что всего год назад я прогал все только с открытым рядом окном нейросети, консультируясь с ней по тем или иным вопросам. Кажется, что я всегда кодил с агентами, а все мои 17 лет карьеры до этого — страшный сон!

В демо-записи гонки 1990 года лежат 34 секунды, которые никто и никогда не видел Автор полез в бинарник гонки Fire & Forget II, в которую гонял ребёнком с одной дискеты, просто посмотреть, как она устроена. Внутри нашлось много всего: кооперативная многозадачность на голом 8086, скриптовый язык уровней с французскими мнемониками, две виртуальные машины на одном байткоде. Но самой странной оказалась заставка. Демо, которое крутится в меню, это не видеоролик, а запись живых нажатий, проигранная через тот же обработчик ввода, что и клавиатура. То есть кто-то когда-то сыграл этот заезд руками. Разработчик записал его с запасом, сквозь смерть босса и дальше, во второй уровень. А attract-режим всегда режет плёнку в одном и том же месте, у гибели босса. Так в данных остались 34 секунды чужой игры, до которых демо физически не доезжает. Выясним, как автор достал эти полминуты и что ещё пряталось в игре его детства.

👀 «Тейк о том, что айтишная база больше не нужна, а нейросеть все сделает по промпту — опасная иллюзия». Пока индустрия переживает из-за того, что ИИ всех заменит, руководитель ML-направления ШАДа Валентина Бронер уверена в обратном: разработчики без работы не останутся, но вот их задачи станут сложнее. Она дала большое интервью для A-List — вроде списка Forbes «30 до 30», но для всех возрастов и от SETTERS Media. Краткий пересказ:

• Роль разработчика меняется: это больше не человек, который просто пишет код по ТЗ, а скорее продакт-менеджер с глубоким знанием кода, который управляет своими «стажерами-агентами» и разбирается в бизнес-задачах.

• ИИ отлично собирает прототипы, но с архитектурой и читаемостью кода всё плохо — поддерживать чисто агентский код тяжело.

• Скорость изменений в ML такая, что программы в ШАД обновляют на 20–100% к каждому новому циклу обучения — рынку сейчас нужны гибкие спецы, готовые к постоянному дообучению.

Полный текст читаем — тут. @notboring_tech

Recursive self-improvement, это ты?🧐 Лондонский стартап Weco представил двухуровневая агентная система для самоулучшения AIDE², или AI-Driven Exploration: внешний агент на Claude Opus 4.7 восемь дней переписывал код внутреннего агента AIDE, работающего на Gemini 3 Flash. То есть он не менял веса Claude или Gemini, а улучшал «обвязку» вокруг модели: логику поиска решений, память, контекст, проверки и правила выбора следующего шага. В итоге новая версия обошла агента, которого команда вручную тюнила два года: нашла более умный поиск по веткам, сжала контекст в 16 раз и снизила склонность «читерить» в GPU-бенчмарках с 63% до 34%. Пока это не бесконечно ускоряющийся AGI, а сильный пример того, как агенты могут сами делать следующие поколения более эффективных агентов💎 пост https://x.com/zhengyaojiang/status/2077079778793042425 статья https://www.weco.ai/blog/first-evidence-of-recursive-self-improvement

ИИ-агенты понимают, получится ли у них код, ещё до того, как его напишут Вышла интересная работа: исследователи заглянули во внутренние состояния coding-агентов и попробовали понять, что модель уже «знает» про код, над которым работает. Масштаб нормальный: – две открытые модели: Qwen3.6-35B-A3B и Laguna-XS.2 – 1231 задача из SWE-Bench Verified и Pro – 22 714 запусков агента – почти 80 тысяч изменений кода – медианная попытка – 52 шага и 36 тысяч токенов К внутренним состояниям модели подключили простую логистическую регрессию, то есть простой классификатор. И он смог определять: – полностью ли работает код – AUC до 0,83 – стало ли упавших тестов меньше – до 0,84 – компилируется ли код – до 0,78 – не сломал ли агент уже работавшие тесты Здесь 0,5 – случайное угадывание, так что сигнал довольно сильный. Причём лучше всего он читался не из последнего слоя модели, а примерно из середины. Но самое интересное – можно было частично предсказывать не только текущее состояние кода, но и будущее! По тому, что происходило внутри модели сейчас, исследователи угадывали, будет ли код рабочим примерно через 25 шагов. К этому моменту AUC падал до ~0,55 на SWE-Bench Verified и ~0,65 на более сложном SWE-Bench Pro, но всё ещё оставался выше случайности. Слабый сигнал сохранялся даже через 50 шагов – около 0,52 и 0,60 соответственно. Авторы назвали это latent programming horizon. Важная оговорка: шаг – это не обязательно новая правка. Агент может читать файлы, искать по проекту и запускать тесты. В медианной траектории было всего два реальных изменения кода. Поэтому речь не о том, что модель заранее держит в голове готовый патч. Скорее, она довольно рано понимает общее направление: задача реально чинится или агент уже куда-то не туда поехал. Практический смысл хороший: можно раньше останавливать провальные попытки, запускать параллельную ветку, повышать effort или подключать более сильную модель – до того, как агент сожжёт десятки тысяч токенов. Короче, код ещё не написан, а модель уже немного понимает, получится он или нет. Следующий шаг – научиться не просто читать этот сигнал, а использовать его, чтобы рулить агентом. Вот это будет прикольно. https://arxiv.org/abs/2607.05188v1

✔️ Google AI Studio получил возможность импорта с GitHub В среде Google AI Studio теперь можно подключать свои репозитории благодаря новой функции "Import from GitHub". Платформа научилась работать с уже написанной кодовой базой, перестав ограничиваться лишь генерацией проектов с нуля. При загрузке Gemini автоматически адаптирует код под совместимый формат среды выполнения, позволяя сразу же продолжить редактирование, предварительный просмотр и развертывание приложения.

Сейчас интеграция работает только в одном направлении, изменения не сохраняются обратно в исходный репозиторий, но Логан Килпатрик пообещал, что это временное ограничение - полноценная синхронизация с GitHub уже находится в активной разработке.

@ai_machinelearning_big_data #news #ai #ml

AI НЕ ДЕЛАЕТ ВАС ПРОДУКТИВНЕЕ Незыблемый факт: AI уже очень хорош в маленьких задачах. Написать плагин, скрипт, небольшую tool'у, UI для UnityEditor окна, вытащить текст из аудио, накидать интеграцию с Google Sheets — вот здесь он реально экономит время. У меня таких историй уже пачка: — история буфера обмена на macOS — парсинг локализаций из Google Sheets в MySQL — извлечение текста из аудиозаписей — терминальный чат для тестирования внутриигрового чата — интеграция BenchmarkDotNet в Unity И тут спорить бессмысленно: да, это ускоряет. Многие мелкие автоматизации можно сделать буквально за 1 промпт. Когда раньше, я даже не брался за это, т.к. на отладку и написание могло уйти полдня-день. 🔸Проблема - большой production Когда я работал в Playtika, уже тогда менеджмент пытался понять, как ускорить процессы разработки через AI. Но модели упирались в контекст. Они могли решить локальную задачу, но плохо держали систему целиком. Сейчас модели стали намного сильнее. Контекст вырос. Opus уже технически способен написать кусок фичи почти полностью. Но я всё равно не готов просто взять и запушить это в большой production-проект. Почему? Потому что в проекте на сотни тысяч строк AI все равно не хватит контекста, чтобы изучить и прочитать все что есть, из-за этого: 🔹Генерируется функционал, который уже есть в проекте 🔹Системы используются не правильно или не полностью 🔹Агент может посчитать, что функция в другой системе написана не правильно и "исправить". И кажется что сделано много, так много кода и анализа никто бы из нас быстро не делал. Но из-за того что это нужно потом вычитать внимательно, проверить и/или переписать, общее время на разработку может только увеличится. 🔸И это не только мое наблюдение METR проверили это на 16 опытных open-source разработчиках, которые в среднем 5 лет работали на своих репозиториях. Результат: с AI они стали медленнее на 19% 🤯 При этом ожидания до начала эксперимента были: ускорение на 24% А после, разрабы думали что AI их ускорил на 20%. Т.е. человек делает больше и из этого создается эффект ускорения. И эти результаты нужно поправлять за Echoes of AI, где:

на чужой кодобазе среднего размера AI действительно ускорял — медианное время падало на 30.7%.

Т.е. получается примерно такой парадокс: 🔹 Если проект маленький или среднего размера, то с AI можно в среднем получать +30% к продуктивности 🔹 Если проект большой или огромный, то важно выделять места, где AI может быть полезен, но не отдавать все ему на откуп. Несоблюдние баланса = +20% к времени выполнения задачи. Этот вывод я и сам ощущаю, когда иной раз проще самому написать, чем промптить, а потом ходить и все переписывать. Это может показаться бредом, если опираться на новостной фон и хайпа вокруг AI. Но это отлично согласовывается даже с тем, что я писал еще до AI хайпа:

Природа разработки ПО - это перенос информации из мира реального в мир абстрактный. Где человек играет ключевую и незаменимую роль.

А скорость переноса ограничена особенностями мозга и ростом синаптических связей. Что ограничено естественным жизненным циклом организма. И это естественное ограничение продуктивности. И даже когда скорость написания кода стремится к бесконечности, проекты НЕ стало разрабатывать быстрее или дешевле. 🔸Функция снижения AI-продуктивности Точных цифр нет, но если накидать порядок величин, кривая выглядит логарифмической. Пусть: x — текущий размер проекта в kLOC, y — прирост продуктивности в %, Smin — kLOC-min, минимальный размер проекта, когда появляется сложность, Smax — максимальный размер проекта, когда эффект от AI = 0 Тогда формула снижения влияния AI на продуктивность будет выглядеть примерно так: y ≈ Smin · ln(Smax / x)

 kLOC | эффект
------+-------
    5 | +23%
   50 | +12%
  500 |   0%

🔻Проще запомнить: продуктивность падает примерно на ~3-5% на каждое удвоение размера проекта. Ставь 👍 если тебе заходит такого рода контент! Ты знаешь кому переслать эту статью 💪 #ai@UniArchitect