Но это слухи — мелочь по сравнению с другими слухами, о которых я вам сейчас расскажу. — GPT-5.6 станет последней моделью в серии 5.x. Выпуск GPT-6 запланирован примерно через месяц — раньше, чем ожидалось, и даже возможно, что анонс состоится уже в конце этого месяца. — GPT-6 будет основана на новой, значительно более масштабной базовой модели (в отличие от базовой модели «Spud» для 5.5/5.6). — В OpenAI с большим энтузиазмом относятся к этой новой базовой модели: они считают, что она сможет гораздо успешнее конкурировать как с Fable 5, так и с грядущей версией 5.1, релиз которых намечен примерно на то же время. Изначально OpenAI планировала использовать базу Spud и при создании GPT-6, но в итоге отказалась от этой идеи. — Что касается Fable 5.1, она находится на последних стадиях тестирования, и её выход ожидается «в ближайшие недели». — «Однако, когда я говорю «модель анонсируют», это может означать не массовый запуск, потому что правительство может сдерживать выпуск GPT-6, по крайней мере в самом начале». === С одной стороны это — слухи, и даже не от самых крупных инсайдеров. Да, Leo отмечался парой удачных предсказаний/пересказов того, о чем широкая общественность узнавала на пару дней позже. Твиты от Andrew Curran почти всегда пересказ новостей со ссылками на источники, поэтому в буллшите он не был замечен. С другой стороны описание выглядит правдоподобно: Mythos был впервые официально анонсирован ровно 3 месяца назад, и OpenAI уже в тот момент должны были понять (если не понимали или сомневались раньше), что модели имеет смысл масштабировать дальше, делать дороже, лучше, больше. 5.5 — это новая базовая модель, причём не просто «ну мы поучили с нуля», а «в неё вошли уроки, полученные нами за последние 2 года». Если это не пустая фраза представителей компании, а реальное положение дел (что может быть правдой — Dylan из SemiAnalysis говорил, что OpenAI отстали по претрейну и очень долго сидели на GPT-4o, и что даже GPT-5 была очень близка к ней). Но тогда выходит, что 5.5 это валидация подхода, и теперь его можно масштабировать дальше. Несмотря на то, что GPT-5.6 выходит только сегодня, техлид Next.js из Vercel и ключевой разработчик NextJs Tim Neutkens написал, что им модель была доступна уже 2 месяца, то есть через 2 недели после публичного релиза GPT-5.5. Я не вижу смысла ему врать, ну может округлил 7.5 недель до 2 месяцев, окей. А чем OpenAI тогда занимались последние 2 месяца? При том что они понимали, что им нечем (пока) ответить на Fable? В общем комбинация ситуации OpenAI <-> Anthropic и таймлайны выпуска моделей действительно подталкивают к тому, что OpenAI должны разрабатывать более крупную модель, чтобы не отставать, в этом я не сомневаюсь. Но готова ли она к анонсу через месяц? Скорее да, чем нет — иначе уж слишком большой отрыв будет между Fable 5.1 и GPT-5.6 Sol. Мощности у OpenAI для обучения точно есть. А вот назовут ли её GPT-6 — тут только гадать 🤷‍♂️ но если модель качественно лучше и использует новую базу, то почему нет? === Несмотря на всё написанное выше я всё равно отношусь скептически к этому слуху, но также вижу и основания для того, чтобы это оказалось правдой. Неужели мы получим GPT-6 до GTA VI???

И еще одна интересная статья: главный навык агентного кодинга – знать, чего ты не знаешь Пишут, что Fable – первая модель, где качество результата упирается не в модель, а в вас! (та-даам) Точнее, в вашу способность прояснять свои unknowns. Типа карта – это ваши промпты, skills и контекст, то есть то, что вы даёте агенту. Территория – кодбаза и реальные ограничения, где работа на самом деле происходит. Разница между ними = unknowns. Чем больше объём работы, тем больше таких дыр агент встретит и тем чаще будет угадывать, чего вы хотели. Дальше они разбирают как раз классический квадратик 2х2: – Known knowns – то, что вы написали в промпте – Known unknowns – то, что вы ещё не решили, но знаете об этом – Unknown knowns – то, что для вас настолько очевидно, что вы никогда это не запишете, но узнаете, если увидите – Unknown unknowns – то, о чём вы вообще не думали Автор говорит: посмотрите, как промптят крутые программисты – у них почти нет unknowns, они в синхроне и с кодбазой, и с поведением модели. И это тренируемый и очень важный скилл. Чего делать-то надо: – Blind spot pass – перед работой в незнакомой части кодбазы прямо просить Claude найти ваши unknown unknowns, буквально этими словами. «Я ничего не знаю про auth-модули здесь, сделай blind spot pass и помоги мне промптить тебя лучше» (!) – Прототипы до имплементации – ловить unknown knowns дёшево. «Сделай HTML со страницей в 4 радикально разных дизайн-направлениях, я отреагирую» – Interviews – просить Claude интервьюировать вас по одному вопросу, приоритезируя те, где ответ меняет архитектуру – References – лучший референс не скриншот и не доки, а source code. «Вот Rust crate с нужным backoff, прочитай и реимплементируй семантику в нашем TypeScript-клиенте» – Implementation plan – но с фокусом на то, что вы скорее всего захотите поменять: data models, интерфейсы, UX. Ну и записывать артефакты, чтобы можно было понять, что и как создавалось и как теперь работает: – implementation-notes.md во время работы – логи отклонения от плана в раздел Deviations – Квиз после – просить Claude сделать отчёт по изменениям и квиз в конце. Мерджить только после того, как ты сдал квиз на 100%. Это прикольный конечно паттерн, типа: честный ответ на вопрос «а вы понимаете, что агент вам намерджил?» Короче, хватит уже модели ругать, пора смотреть в зеркало https://claude.com/blog/a-field-guide-to-claude-fable-finding-your-unknowns

Приветики! Я что-то надолго выпадаю, прошу прощения - разрываюсь)) Во-первых, "наши" вчера продули в футбол. Пишу "наши" в кавычках, как будто извиняясь, но вообще - ощущаю нашими. Ходили вчера смотреть матч в муниципальный парк. Там поставили огромный экран, настелили искуственный газон и человек 500 или 1000 собралось болеть за сборную. И мэр приходил, сидел в окружении всей этой толпы, без охраны. Болели, кричали, я внезапно обнаружила в себе страсть к футболу (вообще первый раз в жизни смотрю чемпионат) - тут невозможно остаться в стороне. Но продули, Роналду плакал в финале, вся страна в трауре. Почему-то меня это очень будоражит. Хочу будоражиться таким. И чувствовать то единение, что было вчера в парке, когда болели. Во-вторых, Claude продлил доступ к Fable. А это мощнейшая модель, она мне за пару часов выдает глубочайший анализ и документы, которые я б собирала и готовила пару недель и даже месяцев. Я сожгла на выходных все лимиты, решая рабочие задачи и выстраивая Second Brain. А сегодня узнала, что Fable продлили до 22-го, не выдержала, оплатила расширенную подписку и собираюсь еще две недели летать на этом космолете)) Срочно надо придумать на что его направить. В-третьих, я таки достроила Second Brain - назвала агента Мира, все со всем синхронизировала и теперь у меня есть место, где копится все-все, что я делаю, думаю, говорю на встречах, хочу запомнить и тп. База знаний и агент вокруг, который умеет все складывать в нужные места, запоминать и доставать по команде. С очень разветвленной и продуманной архитектурой и коннекторами ко всему, в чем я работаю. Но мне этого было мало - я после отправила Клода изучать лучшие практики, он сделал мне мануал, как должна быть в идеале построена эта система. И вот прям сейчас я запущу Fable анализировать то, что я построила и дорисовывать-достраивать архитектуру до идеала, опираясь на лучшие практики. В-четвертых, я такую же историю провернула с технологиями менторинга. Раньше я делала все по наитию, опираясь на прошлый опыт и раскачивая проблемы на встречах с менти. Плюс у меня был скачан курс по треккингу. А теперь я Клод послала изучить и принести мне все плейбуки, которые пригодятся для менторинговой работы над задачами по развитию продуктов, команд, бизнесов. Сложила все это в базу и он, при планировании сессей, сам бподкидывает мне актуальный инструментарий под конкретные задачи и запросы. Не могу вам передать насколько это повысило качество проработки вопросов. На менторинг у меня очень мало слотов - 4 встречи в месяц - мой максимум. Часть из них занята, но если вдруг у вас есть запрос и нужно поработать над нерешайками - пишите, поищем возможности. Я обожаю эти встречи и тот взаимообмен, который на них случается. Где-то по дороге я реализовала автоматизацию по работе с документами, которая, по расчетам, сэкономила нам примерно 6 человеко-месяцев работы через промпты. Вот этим прям страшно горда, потому что первый настолько явный полезный результат моего увлечения ИИ. Еще в субботу я организовала на большую компанию друзей экспедицию "за три моря" и мы нашли теплый океан. А завтра двинем в другую секретную экспедицию уже в Лиссабон и найдем нужный товар)) Кажется, немного влитого в меня железа, сделали из меня энерджайзер - сама себя немного опасаюсь)))) А как у вас? Что интересного произошло за то время, пока не слышались? P.S. невероятно тащусь от камеры, которая позволяет делать такое качественное увеличение. Мечтала об этом три года и вот сбыла мечту)) Теперь, когда ребенок плещется далеко в море в страшных волнах, я вижу, как он морщится от брызг)) Любовь на удаленке | Оля Сохнева #дневник_наудаленке

В общем, положняк такой. В комментариях канала теперь живёт бот Автосрач на основе sonnet 4.6, навайбкоженный с помощью Fable (впрочем, думаю, с созданием такого бота и более простые модели бы легко справились). 👾 Ничего полезного он делать не способен, зато возражает на любой комментарий под постом. 😀 👾 Есть ответить на его сообщение - он продолжит спор. У каждого спора потолок: 10 раундов, дальше он засчитывает слив и умолкает. 🤐 👾 Единственное, с чем он не спорит, это с похвалой данного телеграмм канала. 🫦 👾 О политике не разговаривает, на темы, касающиеся биологической угрозы и подобного API anthropic просто возвращает отказ. 😒 👾 Если под постом час никто не пишет - он приходит первым и спорит с самим постом. 🧠 👾 Есть лимит сообщений на день, сейчас поставила 200. Если он замолчал - вы коллективно его исчерпали, приходите завтра. Также есть лимит на месяц: он может потратить не более 20$ моих денег. Из-за платности бот сделан так, что при добавлении в чужие группы он работать не будет. 💪 Развлекайтесь 🙂

Вот и подходят к концу обе мои квоты на Fable (личная и корпоративная). Отличная ли это модель? Да 👍 Как когда-то GPT-4 значительно повысил надёжность языковых моделей, Fable значительно повысила надёжность агентов. В случае Опуса я предполагал по умолчанию, что я не доверяю выхлопу модели. На все нетривиальные изменения прогонял simplify, review, codex:adrversarial-review, qudo и отсматривал результат глазами. Потому что много раз меня Опус подводил, как в макро, так и в микро-решениях. В случае Fable я по привычке это тоже сначала делал, но пользы от этого было уже не так много. Предположение по умолчанию поменялось. Более того, Fable регулярно делала что-то сверх того, о чём я её просил. Например, когда она составляла отчёт в виде HTML странички, она установила playwright, headless chromium, сделал итоговый скриншот странички, загрузила его на закрытый корпоративный paste, чтобы я мог посмотреть на дизайн глазами до развёртывания. Мог ли такое сделать Опус? Мог конечно, но только если бы я описал весь путь. А я даже не знал, что я такое хочу!😜 Означает ли это, что Fable не ошибался? Лол, конечно ошибался, и тоже и в макро, и в микро. Но вот количество ошибок было гораздо меньше, и исправлять их было проще.

Бенчмарк Anthropic Fable на бизнес задачах после лоботомии @AigizK успел сделать бенчмарк Anthropic Fable до того, как его закрыли. Тем интереснее стало сравнить на том же бенчмарке новую экспортную версию после открытия заново. И там получается грустная картинка. Новый Anthropic Fable урезали настолько, что модель упала с 12 места на 39ое в нашем бенчмарке. Основная причина - 15 пустых ответов с stop_reason=“refusal” там, где раньше были ответы. Просели тщательно подобранные, но совершенно безопасные задачи на кодинг и интеграцию. В общем, с такими параметрами и стоимостью, особого смысла использовать Antropic Fable - нет. GPT-5.5 сильно лучше и куда дешевле. Ваш, @llm_under_hood 🤗