Anthropic выпустил для Claude API/Claude Code два новых скилла — build-eval и hillclimbi, которые превращают создание приложений и бизнес-процессов в автоматическую оптимизацию по метрикам, а не в написание кода вручную. Достаточно задать цель (например, «100% клиентов, готовых оплатить, доходят до конца процесса»), и Claude сам анализирует логи, тикеты поддержки и трейсы, генерирует гипотезы, вносит изменения и проверяет, улучшилась ли метрика — по одному изменению за раунд.
Подход не убирает человека из процесса, а меняет его роль: вместо придумывания и реализации гипотез владелец продукта теперь формулирует чёткие, не поддающиеся подмене метрики успеха. По мнению одного из авторов, это необходимое условие для «software factories», самоуправляемых продуктов и AI-native организаций.
Разработчик, выступающий под псевдонимом v0xium, устроился на новую должность в крупной IT-компании и через две недели описал в соцсетях, во что превратилась разработка: спецификации, код, тесты, PRDi, тикеты, их решения и отчёты теперь создаёт Claude Codei, а инженеры от уровня L1 до L7 занимаются, по сути, одним и тем же — общением с моделью через промпты. Руководство при этом требует ускоряться, поскольку написание кода само по себе больше не считается узким местом.
Историю подхватили Хабр, Business Insider и несколько телеграм-каналов, потому что она бьёт по нерву индустрии: код почти никто не читает и не проверяет, баги не фиксят, а работу команд оценивают по числу выпущенных фич и закрытых задач. Автор поста считает, что компании копят технический долг, который однажды придётся разгребать людям, уже не понимающим, что происходит в кодовой базе.
/claude-api prompt-audit
OpenAI и Anthropic опубликовали официальные инструкции по составлению промптов для своих новых моделей — GPT-6 (варианты Sol/Luna) и Claude Opus 5.5i. Общая рекомендация обоих разработчиков: заранее чётко формулировать цель, формат результата и степень самостоятельности модели, а также явно указывать, что считается «готовой работой» — это помогает избежать зависаний с вопросом «Продолжить?».
Для тех, кто выбирает между моделями: Sol предназначен для чтения, письма и повседневных задач, а Opus — для крупных задач по коду, агентам и графике.
3 сентября 2026 года OpenAI выпустила новую флагманскую модель GPT-6 Astra, предварив релиз тизер-видео в X и открытием лендинга openai.com/index/gpt-6-astra. Модель вызвала волну хайпа: президент и сооснователь OpenAI Greg Brockman заявил «добро пожаловать в AGI», а ранние пользователи показали автономную работу модели в Blender и Unreal Engine 5 — от сборки 3D-сцен по референсам до архитектурной визуализации и «GTA-like Манхэттена».
Одновременно с восторгами появились скептические и смешанные отзывы: часть пользователей не увидела заметного прогресса на инженерных задачах по сравнению с предыдущей моделью Fablei, а лимиты использования оказались небольшими даже на подписке за $200. Параллельно в сети обсуждают найденные «секретные форумы агентов», где ИИ якобы самоорганизуются и устраивают «агентский марксизм».
Anthropic опубликовала статью, из которой следует, что накопленные за последний год приёмы написания промптов для новых моделей скорее вредят, чем помогают. Жёсткие запреты и обязательные правила («никогда не делай так», «всегда делай эдак»), примеры использования инструментов и дублирование инструкций в нескольких местах — всё это было нужно, когда модели были глупее, а теперь только мешает.
Причина в том, что новые модели достаточно умны, чтобы понимать намерение по контексту, без обвешивания жёсткими рамками. Вывод для практиков: нужно ревизовать промпты в своих системах и проектах, убирая устаревшие правила, а не дописывать новые — иначе модель тратит силы на распутывание противоречивых инструкций вместо решения задачи.