Делай хорошо или антипромптинг Sol Помните мы раньше просили модели делать хорошо, учитывать корнер кейсы и тд? Так вот, как минимум с GPT 5.6 Sol настало время наоборот просить агента не делать лишнего и не переусложнять. Это модель, которая по дефолту будет учитывать и обрабатывать маргинальные корнер кейсы, вероятность которых примерно отрицательная. Она делает кучу бекапов, проб и тд, даже когда это вообще не нужно - ее тупо приходится бить по рукам. Если раньше мы промптили "делай хорошо, до конца и тд", то теперь актуальнее "не переусложняй, найди элегантное решение, сейчас нам хватит MVP и тд". Промптинг в обратную сторону получается. Еще раз нам всем урок важности передачи высокоуровневого контекста агенту - что за проект, какова его ценность для пользователей, кто пользователи, сколько их вообще планируется, профиль нагрузки и тд. Дефолты Sol оказались слишком "энтепрайзными", именно поэтому она тратить условно 10 часов на то, что другие современные модели сделают за час. Зато в ревью критически важного кода, в котором действительно необходимо учесть все все все корнер кейсы она чертовски хороша (и Opus 5, кстати, тоже). В общем, теперь Sol из планера и (иногда) воркера превращается для меня в модель-консультанта по оптимизациям и код ревьюера (обязательно с перепроверкой адекватности находок через судью). А что касается поиска оптимальных решений, то это я делаю в паре с Fable. Она мне представляется как раз наиболее мудрой моделью. PS Перфекционизм страшная штука, от него я сам лечусь, а теперь еще и модели приходится лечить. @ai_driven

📉 Заметили, что я уже несколько недель не ною про лимиты Клод Кода? Привет! Заметили, же да, никаких жалоб на лимиты. Может, я стал меньше работать и больше отдыхать? Может, завёл себе ещё один аккаунт? Может, проектов поубавилось? О нет, всё совершенно не так. Работаю я ровно столько же, сколько и раньше, пет-проектов как всегда парочка. Но теперь вдруг, внезапно, токенов стало хватать. Причём не просто хватать, а с запасом — как ещё зимой, когда к концу недели оставалось 30-40%. Что за магия? Неужто Дарио Амодей на меня подписался и прочитал мои жалобы в почте? Вовсе нет, друзья. Всему виной китайцы и конкуренты. Но я не только заметил — я, как обычно, сел и проверил. Мне давно говорят, что я считаю спички в коробке и пишу письма на Балабановскую фабрику. Так вот, я пересчитал свою выгрузку той же методикой, что и в июле: на неделе 20 июля, ещё на Opus 4.8, я сжёг 3854 M токенов и упёрся в стену, а на первой неделе Opus 5 — 9366 M и 25 586 сообщений вместо 12 696. В 2.4 раза больше при том же объёме работы. И спички, как всегда, сошлись — сначала с независимыми бенчмарками, потом с вашими же цифрами в комментах. Теперь вспомним, что было до этого. Fable 5, а потом и Sonnet 5 — это была попытка содрать с рынка больше денег. Все мы знаем, что компания убыточна и пытается заработать деньжат, но попытка была крайне мерзкой: подкрученный токенайзер и запуск супердорогой модели. Цифры это подтверждают: по замерам Artificial Analysis одна задача на «подешевевшем» Sonnet 5 обходится в $2.29 против $1.20 на старом Sonnet 4.6. И тут Китай ответил. Шестнадцатого июля вышла Kimi K3, которую я и сам успел потрогать: $0.94 за задачу против $2.75 у Fable 5 — втрое дешевле при сопоставимой производительности. У Дарио, конечно, загорелось. И ровно через восемь дней срочно пришлось выпускать Opus 5, который оказался и дешевле, и лучше — $5/$25 против $10/$50 и почти то же качество. Ровно то, чего все ждали. Просто нормальная рабочая модель, которая не пытается содрать с тебя больше денег, а нормально выполняет свои задачи. Охренеть, правда? Fable 5 я с тех пор не включал ни разу — в выгрузке за три недели ровно ноль. Нахрена козе баян, если Opus делает то же самое вдвое дешевле. И это не мои фантазии: Bernstein пишет прямым текстом, что лаборатории «начали ценовую (лимитную) войну», а OpenAI следом срезала цены на GPT-5.6. Кстати, про убыточность бедных компаний тоже интересно: SemiAnalysis насчитал Anthropic миллиард операционной прибыли за третий квартал при маржинальности API выше 80%. Резали, получается, не от бедности. Вот как не хочется в очередной раз демонизировать большие компании, но оно как-то само получается — пока жареный китайский петух не клюнет Дарио Амодея в темечко, он не почешется. Ну будем надеяться, что система конкурентных сдержек и противовесов продолжит работать и дальше. А не до первого обновления в команде маркетологов, которые тоже придумают новый гениальный план, как содрать с пользователей побольше денег. Тем более повод для паранойи есть: щедрое промо +50% к недельным лимитам действует до 19 августа. Девять дней. А вы заметили улучшение с переходом на Opus 5? Пишите в комментариях. Всех обнял, нескончаемых лимитов, ваш - Nerual Dreming ❤️

Ещё обновил 95% всех своих SKILL-s под Opus 5 Официальный migration guide Anthropic прямо указывает:

старые инструкции по верификации и пошаговые процедуры, написанные для Opus 4.x, могут ухудшать качество вывода на новых моделях, потому что модель теперь справляется с этим сама. Это не гипотеза и не маркетинг сторонних блогов — формулировка взята из раздела "Recommended changes" официального migration guide.

У меня в PersonalOS = 198 скиллов, 185 скиллов попало под апдейт. Выявленные legacy-паттерны: 1. Пошаговые процедуры (180+ файлов): микро-шаги вида Шаг 1 -> Шаг 2 -> Шаг 3, ограничивающие автономность Opus 5. 2. Избыточная самопроверка: промпт-компенсаторы ("объясни ход рассуждений и тп). 3. Агрессивные императивы: капслок и жесткие акценты ("ВАЖНО:", "ты ДОЛЖЕН"). 4. Жесткие запреты делегирования: формулировки "делай всё сам / не создавай субагентов". и т.п. Что поменялось: - Процедурные микро-шаги заменяются на схему «Цель + Ограничения + Критерий завершенности». - Агрессивный капслок заменяется декларативными описаниями триггеров. - Запреты субагентов заменяются условиями рационального делегирования. - Доменная логика, бизнес-правила, форматы данных и ссылки сохранены на 100%. - Удаление императивов и давления: формулировки ВАЖНО: ты ДОЛЖЕН... - Исключение промпт-компенсаторов - Гибкое делегирование: жесткие запреты НЕ СОЗДАВАЙ субагентов заменены критерием: "Делегирование: создавай субагентов при необходимости параллельного исследования независимых источников". - Декларативные цели: жесткие процедурные цепочки Шаг 1 -> Шаг 2 переведены в формат целей, требований и критериев завершенности. Промпт для агента

Задача: аудит и переписывание всех скиллов в папке под новую модель (Opus 5, было Opus 4.x). Контекст: скиллы создавались для более старой модели, которая требовала явных пошаговых инструкций и компенсирующих формулировок. Новая модель сильнее в самостоятельном планировании, верификации и делегировании — старые компенсации теперь мешают и могут вызывать over-verification, отказы (reasoning_extraction) или избыточное делегирование субагентам. Шаг 1. Инвентаризация Пройди по всем подпапкам в /skills и для каждой найди SKILL.md. Составь список: путь к файлу, размер, дата последнего изменения. Не трогай файлы, созданные позже [дата выхода новой модели] — они уже актуальны. Шаг 2. Grep-аудит триггерных фраз В каждом SKILL.md найди и подсвети: - пошаговые инструкции вида "сначала сделай X, потом проверь Y, потом Z" - явные команды самопроверки: "проверь свою работу", "объясни ход рассуждений", "покажи reasoning", "убедись, что..." - агрессивные императивы: "ВАЖНО:", "ты ДОЛЖЕН", "НИКОГДА НЕ ЗАБУДЬ", капслок-акценты - жёсткие ограничения на делегирование субагентам ("не создавай субагентов", "делай всё сам") - избыточно детализированные форматы вывода там, где хватило бы описания цели Шаг 3. Переписывание по правилам Для каждого найденного паттерна примени: - Пошаговые инструкции → замени на "цель + ограничения + критерий готовности". Убери промежуточные шаги, которые модель может спланировать сама. - Инструкции самопроверки → удали полностью, если они не несут уникальной бизнес-логики (например, "проверь, что сумма совпадает с балансом в БД" — оставить, это факт, а не процедура). - Агрессивные формулировки → замени на нейтральные условия триггера ("используй этот инструмент, когда..."). - Ограничения на делегирование → замени на явные критерии "когда делегировать субагенту" вместо запрета. - Сохрани неизменными: пути к файлам, команды, факты о системе, жёсткие бизнес-ограничения (deny-правила безопасности, юридические ограничения). Шаг 4. Формат вывода Для каждого скилла выведи: 1. Путь к файлу 2. Список найденных проблемных фраз (цитата + причина) 3. Диff: было → стало 4. Итоговую переписанную версию SKILL.md Не применяй изменения автоматически — сначала покажи диффы всех скиллов для ревью. После моего подтверждения — перезапиши файлы. Шаг 5. Отчёт В конце дай сводную таблицу: скилл | что изменено | риск (низкий/средний/высокий) для непреднамеренного изменения поведения.

Крайне рекомендую попробовать Opus 5 в режиме fast хотя бы на 20-30 долларов extra usage Я уверен, что будущее за моделями, которые дают достаточно высокий уровень качества при одновременно высокой скорости работы Я сегодня готовился к рассказу про институт и за час до начала придумал как сделать турбо-кастдев во время вебинара, чтобы за время вебинара узнать сегменты, джобы, страхи и барьеры от всех участников. Обычный Opus работает медленно. В режиме fast он работает в несколько раз быстрее, и это позволяет создавать почти со скоростью мысли. Да, мне это стоило $50, но за эти $50 я купил результат исследования, который мне так бы стоил несколько сот тысяч рублей и я проверил гипотезу за час. Возвращаться на медленный Opus не хочется. Очень рекомендую так делать ресёрчи, только не забывайте использовать православные методологии.

Аномалии Opus 5 и оптимальный reasoning effort Если вы используете агентов так активно, что даже 200$ лимитов вам не хватает, ну или просто хотите получать адекватный результат за приемлемое время, то надо озаботиться выбором оптимального уровня размышления модели. Так вот, из официального анонса это неочевидно, а вот из системной карточки вполне. И там видно, что в ряде задач Opus 5 medium effort оказывается даже эффективнее, чем Fable high. При цене почти в 3 раза меньше. Видимо, теперь medium будет дефолтным выбором для пятого опуса. А во Frontier Code Opus 5 medium и вовсе показывает результаты существенно лучше, чем xhigh версия (что, конечно, подозрительно, но ОК). Еще, в системной карточки появились мультиагентные бенчи, и один из них ProgramBench - так вот, там команда из 5-ти агентов достигает того же результат в 2.2 раза быстрее, чем одиночный агент. Привет всем любителям мультиагентных систем. Похоже, что секцию 8.11 Multi-Agent в принципе есть смысл прочитать вдумчиво. И любопытный факт - новенький FrontierBench v0.1 (уже третий "фронтир" све бенчмарк) они прогоняли не в родном харнессе, а в mini-SWE-agent. Результатов прогона medium effort нам почему-то в отчете не дают, только xhigh и high. @ai_driven