Автор собрал из примерно 1270 собственных сессий в Claude Code, Codex и Pi 10 задач с автоматической проверкой и использовал их для сравнения разных сетапов кодовых агентов. Такой набор помогает оценивать, дают ли новая модель, дополнительный reasoningi или навыки практическое улучшение.
Для самостоятельного создания подобных тестов опубликованы гайд и скиллi, автоматизирующий большую часть работы.
Проект Pi (разработчик — earendil-works, доступен на pi.dev и github.com/earendil-works/pi) выпустил версию 1.0. Это минималистичная и гибкая «обвязка» для AI-агентов с открытым кодом (MIT), которой пользуются, по данным источника 2, сотни тысяч человек в неделю.
В релиз вошли только функции, «доказавшие себя» — разработчики принципиально отказываются от недолговечных фич-однодневок. Одновременно с 1.0 вышел экспериментальный пакет Pi Durablei — платформа для долгоживущих агентских приложений, работающих не только из терминала, но и вне его, для длинных задач и диалогов.
pi. Он отличный, всем рекомендую. Но я заметил, что он всё ещё тратит слишком много токенов, поэтому сделал своё расширение:
https://github.com/btseytlin/pi-duck-mode
Добавляет /duck режим в котором харнесс тратит в 14х раз меньше токенов, TPS в 798x раз больше! При этом качество кода только растетЭто всё на сейчас.