ai_for_devs | Unsorted

Telegram-канал ai_for_devs - AI for Devs

10359

ТГК для разработчиков: ассистенты, плагины, IDE, практические кейсы и свежие новости. Всё, что помогает писать код быстрее и умнее. In love with: @python_for_devs, @go_for_devs, @js_for_devs

Subscribe to a channel

AI for Devs

Дженсен Хуанг (CEO Nvidia) на All-In Podcast заявил:

Если инженер с зарплатой 500к$ потратил за год меньше 250к$ на токены — это повод для тревоги. Если 5к$ — вообще катастрофа.


По его словам, токены скоро станут четвёртой строчкой в офере после зарплаты, бонусов и акций.

Nvidia готова давать инженерам токены сверх зарплаты, примерно половину от неё. На вопрос, тратит ли Nvidia уже 2 млрд$ на токены для своих инженеров, Хуанг ответил: «Стараемся».

Хуангу такая позиция, конечно, выгодна) Чем больше токенов мы потребляем, тем бóльший спрос будет на GPU у Nvidia.

@ai_for_devs

Читать полностью…

AI for Devs

Мем дня: Cursor тайно использовали Kimi K2.5 для своей новой модели Composer 2

Вчера Cursor анонсировал Composer 2 — я посмотрел и решил не писать об этом. Ну ещё одна модель, окей, ничего интересного. А вот теперь интересное!

Один пытливый разработчик подменил OpenAI base URL в Cursor на свой сервер и поймал запрос с model ID accounts/anysphere/models/kimi-k2p5-rl-0317-s515-fast. Опааа!

Рассказал об этом в X и понеслось. Затем инженер из Moonshot — компании, которая сделала Kimi — сравнил токенизаторы, и они совпали.

Кароче: Composer 2 это Kimi K2.5, дообученная через RL, о чём Cursor нигде не сообщил.

Ну дообучили и дообучили, в целом невелика проблема. Хотя казалось бы – Cursor!! Но вот лицензия Kimi K2.5 требует явно показывать брендинг "Kimi K2.5" в интерфейсе, если выручка продукта превышает $20 млн в месяц или 100 млн MAU. Cursor очевидно попадает под эти требования.

Просто угар, конечно) В model ID буквально оставили старый айдишник :D

Ну вайбкодеры, ну тупы...

@ai_for_devs

Читать полностью…

AI for Devs

🇨🇳 MiniMax представили M2.7: обновленную версию своей флагманской модели

Три заявленных направления:

– инженерные задачи: SWE-Bench Pro 56.2%, Terminal Bench 2 — 57.0%

– агентные сценарии: 97% точность на 40+ сложных задачах, результат на уровне Sonnet 4.6 в OpenClaw

– и работа с офисными документами в задачах с большим количеством шагов

M2.5 сейчас раздают бесплатно в OpenCode, Kilo Code и других инструментах — так что M2.7 в популярных клиентах, вероятно, не за горами (надеюсь).

@ai_for_devs

Читать полностью…

AI for Devs

⚡️ OpenAI выпустили GPT-5.4 mini и nano — компактные версии своей флагманской модели

GPT-5.4 mini работает в 2 раза быстрее, чем предыдущая GPT-5 mini, и при этом заметно сильнее по бенчмаркам (см. скриншот). А на OSWorld-бенче, где модель управляет компьютером по скриншотам, mini почти догоняет большую GPT-5.4 — 72.1% против 75%.

Nano — ещё меньше и дешевле. Её позиционируют для задач, где нужна скорость и низкая цена: классификация, извлечение данных, вспомогательные подзадачи внутри агентских систем.

OpenAI позиционируют маленькие модели – как помощников. Большая GPT-5.4 планирует и принимает решения, а mini-агенты параллельно выполняют мелкие задачи: ищут по кодовой базе, обрабатывают документы, ревьюят файлы. Такой подход уже применяется в Codex.

GPT-5.4 mini доступна в API, Codex и ChatGPT. Nano — только через API.

@ai_for_devs

Читать полностью…

AI for Devs

Вышла хорошая статья «8 Levels of Agentic Engineering» — автор постарался разделить на логичные уровни то, как разработчики эволюционируют в работе с кодинг-агентами. Первые пять уровней (tab complete, Agent IDE, context engineering, compounding, MCP/skills) многие уже так или иначе прошли. Что дальше?

Уровень 6 — harness engineering. Суть: дать агенту окружение, в котором от будет достаточно самостоятельным. Команда OpenAI Codex, например, подключила к рантайму агента Chrome DevTools и observability — и агент сам воспроизводит баг, пишет фикс, валидирует через UI, открывает PR и мёржит. Человек подключается только по запросу.

Уровень 7 — background agents. Когда harness настроен, агент может работать, пока вы спите. Популярная точка входа — Ralph loop: автономный цикл, где агент раз за разом запускает CLI, пока все пункты задачи не закрыты, каждая итерация — свежий инстанс с чистым контекстом. Важный на этом уровне совет, к которому я тоже пришел опытным путём: используйте разные модели под разные задачи. Opus на реализацию, Gemini на ресёрч, Codex на ревью. Одна модель (особенно в одной сессии) не должна и писать и ревьювить код.

Уровень 8 — агентные команды без центрального оркестратора. Anthropic 16 агентами написала C-компилятор, Cursor сотнями агентов строил браузер с нуля. Но по сути сейчас ни у кого это в полной мере не работает.

В интересное время живём!

@ai_for_devs

Читать полностью…

AI for Devs

🆕 1M контекст для Claude

Сегодня ночью Anthropic выкатили в открытый доступ 1M контекст для Claude Opus 4.6 и Sonnet 4.6 без наценки за длинный контекст.

Теперь /compact можно вызывать значительно реже, и можно скармливать более тяжёлые промты целиком.

Для понимания масштаба: Sonnet 4.5 на тесте поиска информации в длинном контексте показывал 18.5%, Opus 4.6 теперь набирает 78.3%.

Хорошо повайбкодим на выходных)

@ai_for_devs

Читать полностью…

AI for Devs

🚀 Агентное программирование — один из главных трендов последнего года. В Veai есть набор готовых агентов из коробки, но узкие сценарии конкретного проекта или стека ими не закрыть.

Начиная с последнего обновления можно создать своего агента: задать системный промпт, набор инструментов и предустановленные SKILLs.

Агент описывается в привычном.md файле — его можно шарить на всю команду и переиспользовать.

Формат совместим с Claude-агентами: любой готовый агент подключается без изменений.

@veai_devs

Читать полностью…

AI for Devs

🔥 Claude Code теперь сам ревьюит PR — командой агентов

Когда разработчик открывает pull request, Code Review запускает несколько агентов параллельно. Они ищут баги, фильтруют ложные срабатывания и ранжируют находки по серьёзности. На выходе — один общий комментарий к PR и инлайн-замечания по конкретным строкам. Среднее время обработки — около 20 минут.

Пара реальных кейсов:

1. Однострочный диф в продакшн-сервисе выглядел рутинно, но агенты пометили его как критический — изменение сломало бы аутентификацию.

2. В open-source проекте TrueNAS нашли баг в коде, который PR вообще не трогал: type mismatch тихо сбрасывал кеш ключей шифрования при каждой синхронизации.

Стоит дороже, чем существующий GitHub Action от Anthropic — средняя цена ревью $15–25.

Доступно пока что только для тарифов Team и Enterprise.

@ai_for_devs

Читать полностью…

AI for Devs

🆕 OpenAI выпустили GPT-5.4

Новую флагманскую модель, которая объединила кодинг из GPT-5.3-Codex и рассуждение из GPT-5.2.

К интересным изменениям можно отнести новый подход к загрузке инструментов. Раньше все определения инструментов загружались в контекст сразу, даже если модель ими не пользовалась.

Теперь модель получает список и подгружает нужное по мере необходимости. На тесте из 250 задач с 36 MCP-серверами это сократило расход токенов на 47% при сохранении того же качества.

Контекстное окно до 1М токенов. Цена в API выросла: $2.50 за миллион входных токенов против $1.75, выходные почти не изменились ($15 vs $14).

@ai_for_devs

Читать полностью…

AI for Devs

😑 Gemini 3.1 Flash-Lite и ChatGPT-5.3 Instant: маленькие, да удаленькие

➖ Google выпустил Gemini 3.1 Flash-Lite. По скорости 363 токена в секунду (GPT-5 mini выдает 71, Claude 4.5 Haiku – 108). На бенчмарке MMMU-Pro Flash-Lite прошла 100 вопросов за 4 минуты, Gemini 2.5 Flash потратил больше 33 минут.

➖ OpenAI обновили дефолтную модель GPT Instant до версии 5.3. Подопечные Альтмана не стали делать ацент на бенчмарки, вкинули тейк про ощущения: модель стала меньше отказывать, убрали лишние дисклеймеры и нравоучения. Галлюцинации снизились на 20-27% при поиске в вебе и на 10-20% без него.

Обе модели по бенчмаркам сильнее восточных аналогов сопоставимого размера. Но есть нюанс: и Flash-Lite, и GPT-5.3 Instant – это закрытые облачные модели. Запустить локально не получится.

Напомню, что на днях Alibaba выложили свои маленькие модели в open source. А с учётом того, что железо всё больше затачивается под локальный инференс маленьких моделей, open source выглядит всё перспективнее.

@ai_for_devs

Читать полностью…

AI for Devs

🎙 В Claude Code появился голосовой режим

Функция уже доступна примерно 5% пользователей. Полный rollout займёт несколько недель. После подключения на welcome-экране появляется уведомление. Включение — через команду /voice.

Механика простая: удерживаешь пробел, говоришь, отпускаешь. Push-to-talk без отдельного окна. Распознанный текст вставляется прямо в позицию курсора.

Можно набрать начало запроса руками, продиктовать «середину» и дописать концовку. Уже введённый текст не перезаписывается.

Доплаты за голосовой режим нет. Токены на транскрибацию не учитываются в rate limits.

Доступ открывают поэтапно для планов Pro, Max, Team и Enterprise.

@ai_for_devs

Читать полностью…

AI for Devs

Все мы немного куклоды

Читать полностью…

AI for Devs

Anthropic обновили публичный репозиторий Skills — экспортировали актуальные версии скиллов, которые они сами используют для разработки Claude Code.

Краткий экскурс для тех, кто в танке. Skill — это папка с SKILL.md и опциональными скриптами, которую агент подгружает по контексту задачи. Модель видит только название и описание, а полное содержимое читает когда скилл подходит под запрос. Такой подход позволяет держать десятки скиллов доступными без расхода контекстного окна и с генерацией без галлюцинаций.

Формат скиллов с декабря 2025 — открытый стандарт. Microsoft интегрировал его в VS Code и GitHub, OpenAI адаптировала для Codex CLI. Veai в последнем релизе тоже поддержали Skills.

Если пишете свои скиллы и хотите посмотреть на хороший референс — загляните в репозиторий. Формат простой (папка + SKILL.md), но в деталях реализации много полезного: как структурировать инструкции, как разбивать на агентов, как тестировать скиллы автоматически. Skill-creator — отдельно хороший пример скилла, который сам создает другие скиллы.

Репозиторий: https://github.com/anthropics/skills

@ai_for_devs

Читать полностью…

AI for Devs

Война войной, а обед по расписанию!

Читать полностью…

AI for Devs

Anthropic выпустили Claude Code Security — инструмент для поиска уязвимостей в коде, встроенный в Claude Code

Обычные статические анализаторы работают по известным паттернам: утёкшие пароли, устаревшее шифрование, типовые ошибки. Claude Code Security действует иначе — отслеживает, как данные проходят через приложение, и ловит баги в бизнес-логике и контроле доступа, которые паттерн-матчингом не найти.

Каждая находка проходит самопроверку: модель пытается опровергнуть собственные результаты, чтобы отсеять ложные срабатывания. Оставшимся присваивается уровень критичности и рейтинг уверенности. Патчи предлагаются, но ничего не применяется без аппрува разработчика.

С помощью Claude Opus 4.6 Anthropic нашла 500+ уязвимостей в продакшн-коде открытых проектов — баги, которые оставались незамеченными годами, несмотря на ревью.

Доступ пока ограничен: research preview для Enterprise- и Team-клиентов. Мейнтейнеры open-source могут подать заявку на бесплатный ускоренный доступ.

@ai_for_devs

Читать полностью…

AI for Devs

Как мы с бро ощущаем себя после того, как перешли с ChatGPT на Claude

Читать полностью…

AI for Devs

Hunter Alpha: стелс-модель за неделю стала топ-1 на OpenRouter, потом выяснилось, что это...

На OpenRouter неделю была доступна анонимная модель Hunter Alpha. Многие LLM-провайдеры часто делают так с новыми моделями, чтобы затестить на реальных пользователях.

За это время она стала топ-1 по дневным вызовам и пробила 1 трлн токенов суммарно. Версий было много: DeepSeek тестирует V4, MiniMax (которые вчера как раз представили M2.7) — и ещё куча вариантов. Оказалось — Xiaomi!

Hunter Alpha была ранней сборкой MiMo-V2-Pro. Теперь модель вышла официально.

Что внутри: больше триллиона параметров, 42B активных, контекст до 1M токенов. По агентским бенчмаркам держится рядом с Claude Opus 4.6 и Sonnet 4.6.

Цена API: $1/млн входящих токенов до 256K — против $3 у Sonnet и $5 у Opus.


Xiaomi — ТОП за свои деньги))

@ai_for_devs

Читать полностью…

AI for Devs

Тарик Шихипар, один из core-инженеров Claude Code, опубликовал гайд по skills — как их пишут внутри Anthropic, какие типы скиллов прижились и что отличает рабочий skill от бесполезного.

У них сейчас сотни skills в активном использовании.

Основные тейки:

— Самый ценный раздел в любом skill — gotchas. Типичные ошибки, на которые Claude натыкается при работе с вашим кодом. Обновляйте по мере накопления граничных случаев.

— Не загоняйте Claude в жёсткие рамки. Skills переиспользуются в разных контекстах, слишком жёсткие инструкции ломают адаптивность. Давайте информацию, но оставляйте пространство.

— Не пишите очевидное. Claude и так много знает про код. Фокусируйтесь на том, что выводит его за рамки дефолтного поведения. Пример из Anthropic: skill frontend-design учит Claude избегать Inter и фиолетовых градиентов.

— Поле description — в первую очередь для модели. Claude сканирует описания при старте сессии, чтобы понять, какой skill вызвать. Пишите его как условие триггера.


Сам гайд мы уже перевели на русский язык — сохраняйте и делитесь с коллегами: https://habr.com/ru/articles/1011524/

@ai_for_devs

Читать полностью…

AI for Devs

Anthropic запустили сертификацию Claude Certified Architect

Экзамен на 60 вопросов из 5 областей: агентная архитектура, MCP-интеграции, Claude Code, промпт-инжиниринг, управление контекстом. Вопросы построены на рабочих сценариях — от бота техподдержки до CI/CD-пайплайнов.

Раньше все стремились получить AWS Certified Solutions Architect. Ушла эпоха...

Экзамен доступен только только для компаний партнеров Anthropic. Пока бесплатно, для первых 5 000 студентов, потом $99.

Для подготовки есть 4 бесплатных курса на Anthropic Academy — это мы сохраняем.

@ai_for_devs

Читать полностью…

AI for Devs

Anthropic удвоили лимиты вайбкодерам РФ и СНГ 😁

С 13 по 27 марта лимиты Claude удваиваются в непиковые часы. Для Штатов это ночь и утро, а для нас — почти весь рабочий день и вечер.

По Москве двойной лимит работает с 22:00 до 16:00 следующего дня. То есть можно спокойно вайбкодить с утра до 16:00, потом шестичасовой перерыв, и с 22:00 снова двойная порция токенов.

Распространяется на все планы, кроме Enterprise. Включается автоматически, ничего дополнительно делать не нужно.

@ai_for_devs

Читать полностью…

AI for Devs

🤜 Claude Code VS. Codex: что выбрать?

Если смотреть на рынок coding-агентов в целом, то Claude Code и Codex сейчас — два очевидных фаворита среди разработчиков по всему миру.

Сегодня подготовили перевод большого разбора от автора, который несколько месяцев работал на Claude Code, перешёл на Codex, потом вернулся обратно и по ходу протестировал оба на одной задаче.

Если коротко о главном: Opus 4.6 справляется с 12-часовыми задачами с 50% вероятностью на успех, у GPT-5.3-Codex тот же показатель — 5 часов 50 минут. Зато Claude Code тратит в 3-4 раза больше токенов на идентичных задачах, что при одинаковой цене подписки напрямую бьёт по лимитам.

По своему личному опыту могу сказать, что на практике Claude Code чаще доводит задачу до рабочего состояния сам, Codex — оставляет часть проблем решать мне самостоятельно.

Автор статьи вернулся к Claude Code не из-за бенчмарков, а из-за экосистемы: уже использует Claude Chat, планирует Cowork, и промежуточный тариф за $100/месяц у Anthropic закрывает его потребности без прыжка сразу до $200/месяц.

У меня есть подписка на оба агента (в том числе по долгу службы). Периодически переключаюсь между ними и пока окончательно не определился. Но если бы только начинал, стартовал бы с Codex: он сейчас бесплатно доступен всем пользователям ChatGPT, включая Free-подписку. Когда халява закончится, пока непонятно)

@ai_for_devs

Читать полностью…

AI for Devs

⚡️ Агентная IDE от JetBrains стала доступна в public preview

Писали про Air ещё в прошлом году — тогда инструмент показали, но публичного запуска так и не случилось. Теперь о нём рассказали на широкие массы разработчиков.

JetBrains позиционирует Air как отдельную среду разработки. По их словам, в отличие от чата внутри IDE, здесь агент получает точный контекст: конкретный файл, строку, метод или коммит. Агентов можно запускать параллельно, каждый в своём Docker-контейнере или Git worktree, и переключаться между задачами по уведомлению.

С момента первого анонса список агентов вырос: теперь поддерживаются Codex, Claude, Gemini и Junie. Требование активной подписки Anthropic убрали — сейчас достаточно JetBrains AI Pro или собственных API-ключей от OpenAI, Google или Anthropic.

Пока доступно только на macOS. Windows и Linux — позже.

@ai_for_devs

Читать полностью…

AI for Devs

Центрируем div в 2026 году

Читать полностью…

AI for Devs

⚡️ Cursor теперь работает в JetBrains IDE

Cursor объявили о поддержке IntelliJ IDEA, PyCharm, WebStorm и остальных IDE от JetBrains. Интеграция реализована через Agent Client Protocol (ACP) — открытый протокол от JetBrains и Zed. По аналогии с LSP, только для AI-агентов: любой агент подключается к любому редактору без кастомных интеграций.

Многие, кто предпочитает IDE от JetBrains, держали Cursor как вторую IDE. Теперь в этом нет необходимости: доступны передовые модели, индексация кодовой базы и семантический поиск.

Подписка на JetBrains AI не нужна, но нужен платный план Cursor.

@ai_for_devs

Читать полностью…

AI for Devs

⚡️ Apple показали новые MacBook Pro на M5 Pro и M5 Max

Для нас интересно одно: ноутбуки заточили под локальный запуск LLM.

M5 Max получил до 128 ГБ общей памяти. Этого хватает, чтобы запустить большую модель (уровня Llama 70B) локально.

По бенчмаркам Apple заявляет ускорение обработки промптов в 4 раза относительно прошлого поколения M4.

На промо-скриншотах Apple демонстрируют LM Studio с Qwen3-Coder, который через MCP управляет сценой в Autodesk Maya. Прямое позиционирование.

Цены стартуют от $2199 за M5 Pro, от $3599 за M5 Max. Предзаказ с 4 марта, в продаже с 11-го.

@ai_for_devs

Читать полностью…

AI for Devs

🇨🇳 Alibaba выпустили четыре маленьких модели Qwen 3.5: 0.8B, 2B, 4B и 9B

Все open source, все поддерживают работу с текстом, картинками и видео из коробки.

Самую маленькую, 0.8B, можно запустить даже на телефоне. 9B — на обычной видеокарте. Для контекста: год назад для похожего качества нужна была модель в 30B параметров и кластер из нескольких GPU.

9B обходит прошлогоднюю Qwen3-30B (модель в 3 раза крупнее) почти на всех языковых бенчмарках. А по работе с изображениями 9B опережает GPT-5-Nano на 13 пунктов в MMMU-Pro и на 17 — в MathVision.

Локальный AI сейчас ускоряется с двух сторон. С одной модели уменьшаются и при этом становятся умнее. С другой появляется специализированное железо. Для тех, кто пропустил, в феврале стартап Taalas показал чип HC1, в котором веса модели впаяны прямо в транзисторы. На Llama 3.1 8B он выдает 17 000 токенов в секунду — обычная GPU выдаёт 150–230.

@ai_for_devs

Читать полностью…

AI for Devs

Я уже рассказывал про Veai, многие из вас были на вебинаре, кто-то уже пользуется. Вчера ребята выпустили Veai 5.5 с несколькими заметными обновлениями:

🟣 Самое важное: добавили поддержку Skills — открытый стандарт навыков для агента. Про них я в прошлом посте довольно подробно рассказал.

🟣 Два новых режима агента: Plan (показывает план шагов и позволяет корректировать до исполнения) и Review (read-only, проверяет изменения через IDE-инспекции, включая антипаттерны).

🟣 Для персональных пользователей добавили Claude 4.6 Opus.

Если коротко: Veai — ИИ-агент для JetBrains IDE, доступный в РФ без танцев с VPN. 30-дневный триал для тех, кто ещё не пользовался.

Да, это партнерский пост. Но за рекомендацию не стыдно. Если сидите в JetBrains IDE, попробуйте.

@ai_for_devs

Читать полностью…

AI for Devs

Для тех, кто вчера отдыхал (как и я), две новости.

1. OpenAI перестала использовать SWE-bench Verified — один из самых популярных бенчмарков для оценки того, насколько хорошо ИИ справляется с реальными задачами по программированию. Компания сама создала этот бенчмарк в 2024 году. Причина: рост результатов в последние месяцы (с 74.9% до 80.9%) отражал не улучшение моделей, а то, насколько хорошо они запомнили решения из тренировочных данных. OpenAI рекомендует переходить на SWE-bench Pro — более современный бенчмарк, где утечка ответов в обучение пока минимальна. Лучшие модели набирают там около 23% вместо 80%. Разница говорит сама за себя.

2. Anthropic обвиняют DeepSeek, Moonshot и MiniMax в том, что те тайно обучали свои модели на ответах Claude. Пруфов не предоставили. У Anthropic вообще складывается традиция: в ноябре прошлого года они заявляли, что китайская группировка использовала Claude Code для кибератак на тридцать организаций по всему миру. Пруфов тогда тоже не было.

Эх, проигрываем гонку ИИ — никакого русского следа, только китайский 😁

@ai_for_devs

Читать полностью…

AI for Devs

🤓 SkillsBench: скиллы дают реальный буст, но только если их писал человек

Вышел первый бенчмарк, который проверяет, дают ли «скиллы» реальный прирост ИИ-агентам. Назвали SkillsBench.

Для тех, кто в танке, Skill — папка с инструкциями и подсказками, которую агент читает перед выполнением задачи. Скиллы уже встроены в Claude Code, Gemini CLI и Codex CLI, но до сих пор никто не замерял, помогают ли они на самом деле.

86 задач, 11 доменов, 105 экспертов, 7 308 прогонов на 7 моделях. Каждую задачу тестировали в трёх режимах: без скиллов, со скиллами от человека и со скиллами, которые модель написала себе сама.

🟣 Скиллы от людей дали +16.2 п.п. к pass rate
🟣 На 16 из 84 задач результат ухудшился
🟣 Самогенерированные скиллы не помогли вообще (-1.3 п.п.). Модели не умеют писать инструкции, которые потом сами же используют
🟣 Компактные скиллы из 2-3 модулей работают лучше подробных документаций

Самый удивительный инсайт из исследования – Haiku 4.5 со скиллами обошла Opus 4.5 без них!

Полностью исследование можно прочитать тут.

@ai_for_devs

Читать полностью…

AI for Devs

🔥 Большое исследование Anthropic про автономность ИИ-агентов в продакшене

Anthropic разобрали миллионы сессий Claude Code и вызовов через API, чтобы понять, сколько автономности люди реально дают ИИ-агентам в проде.

Основные результаты:

– Самые длинные непрерывные «заходы» Claude Code за три месяца выросли почти вдвое: с ~25 до ~45 минут без вмешательства человека

– Новые пользователи включают полный auto-approve примерно в 20% сессий. У опытных — уже больше 40%

– При этом опытные чаще останавливают агента по ходу работы: около 9% остановок от общего числа запусков против ~5% у новичков

– На сложных задачах сам Claude останавливается с уточняющими вопросами чаще, чем его прерывает человек

@ai_for_devs

Читать полностью…
Subscribe to a channel