ИИволюция 👾

Sonnet 4.6 Недели 2 назад ходили слухи о скором выходе Sonnet 5, но пока нам выкатили Sonnet 4.6. Скорее всего не было потребности выпускать Sonnet 5 раньше обновлений конкурентов и просто придерживают монстра в клетке. Полный апгрейд по кодингу, computer use, работе с длинным контекстом, агентному планированию и дизайн задач. Сразу стал дефолтом в Free и Pro тарифах. Бенчмарки: На 11 из 16 видах тестов Sonnet 4.6 обходит даже старый Opus 4.5. – ARC-AGI-2 (нестандартные задачи): 58.3% против 13.6% у Sonnet 4.5 и 37.6% у Opus 4.5 – BrowseComp (агентный поиск): 74.7% против 43.9% у Sonnet 4.5 и 67.8% у Opus 4.5 – Office tasks GDPval-AA: 1633 против 1276 у Sonnet 4.5 и 1416 у Opus 4.5. – Finance Agent: 63.3% против 54.5% у Sonnet 4.5 и 58.8% у Opus 4.5. – Computer use OSWorld: 72.5% против 61.4% у Sonnet 4.5 и 66.3% у Opus 4.5. – Terminal-Bench 2.0 (агентный кодинг в терминале): 59.1% против 51.0% у Sonnet 4.5. Opus 4.5 чуть выше - 59.8% – SWE-bench Verified (реальные задачи на GitHub): 79.6% против 77.2% у Sonnet 4.5. Opus 4.5 - 80.9% Цена $3/$15 за млн токенов, т.е. осталась без изменений, какая была у Sonnet 4.5. Доступен на всех планах Claude, в Claude Code, API и облачных платформах. Free тир обновили до Sonnet 4.6 по умолчанию. Доступен контекст 1M токенов (бета), но только при оплате по токенам через API и в СС включении трат за токены (в подписке недоступен). Как пишут Антропики, Sonnet 4.6 подходит для большинства повседневных задач: фронтенд, многошаговые задачи, работа с документами и финансовым анализом. Рекомендуют попробовать Sonnet 4.6 с разными уровнями thinking, чтобы найти баланс скорости и качества под свои задачи. Opus 4.6 оставить для рефакторинга больших кодовых баз, координации нескольких агентов и задач, где цена ошибки высока. Я до этого вообще всё делал с Opus 4.6, но кажется простые задачи теперь надо делегировать на Соннет 4.6 и оркестрировать теперь эти модели. Не люблю это, всегда забывается про выбор модели перед запуском конкретной задачи, и скорее всего так и буду сидеть на опусе 4.6 Подробнее в блоге Антропик: https://www.anthropic.com/news/claude-sonnet-4-6

Конструктор status line для Claude Code Ранее я вручную настраивал под себя статусную строку в СС через команду /statusline. Это было дольше, нужно было объяснить что хочется и в несколько итераций удовалось получить нужный результат. Но я нашел способ гораздо удобнее, быстрее и с кучей готовых виджетов. Можно добавить до 3-х строк в статусной строке, кастомизировать их под себя, разные метрики, цвета, разделители и прочее. Однозначно рекомендую установить и настроить наконец-то как вам нужно. Чтобы установить, в терминале введите: npx ccstatusline@latest После этого в меню выберите установить в Claude Code и после этого переходите в меню в режим управления набором виджетов, после того как закончите, сохраните и перезапустите Claude Code. Проект на гитхабе.

Разница поколений Вроде краб и там и там, а дофамин раньше был другой, не то что сейчас 😬

Я проверяю пуллреквесты Claude Code перед деплоем в прод

Kimi выпустили Kimi Claw Вот это я понимаю скорость и реакция! Никаких мак мини, отдельных серверов и их настроек, никаких терминалов. Запускайте собственного Краба прямо в облаке Kimi, который будет жить 24/7 – Доступ к ClawHub: 5,000+ скиллов от комьюнити. – 40GB облачного хранилища: Для краба точно должно хватить. – Или для своего текущего Claw прилинковать Kimi, запустив скрипт, который генерирует вам Kimi. – Доступно минимально на тарифе Allegretto ($39/мес). Скорее всего, что-то подобное и скорее более продвинуто с помощью Питера и команды, хочет сделать OpenAI. Все детали тут.

Письмо Питера, основателя OpenClaw Я присоединяюсь к OpenAI, чтобы работать над тем, чтобы агенты стали доступны каждому. OpenClaw перейдёт в формат фонда и останется открытым и независимым. Последний месяц пронёсся как вихрь. Я и представить не мог, что мой «проект для души» вызовет такие волны. Интернет снова стал странным, и это было невероятно захватывающе — наблюдать, как моя работа вдохновляет людей по всему миру. Передо мной открылся бесконечный спектр возможностей. Бесчисленное количество людей пытались направить меня в ту или иную сторону, давали советы, спрашивали, как можно инвестировать и что я собираюсь делать дальше. Сказать, что это ошеломляет, значит ничего не сказать. Когда я начал исследовать AI, моей целью было получать удовольствие и вдохновлять других. И вот мы здесь — лобстер захватывает мир. Моя следующая миссия — создать агента, которым сможет пользоваться даже моя мама. А для этого потребуется гораздо более масштабный сдвиг, серьёзное осмысление вопросов безопасности и доступ к самым передовым моделям и исследованиям. Да, я прекрасно вижу, как OpenClaw мог бы стать огромной компанией. И нет, меня это по-настоящему не вдохновляет. В душе я создатель. Я уже проходил путь построения компании — вложил в это 13 лет своей жизни и многому научился. Сейчас я хочу менять мир, а не строить ещё одну крупную компанию. И партнёрство с OpenAI — самый быстрый способ донести это до каждого. Прошлую неделю я провёл в Сан-Франциско, общаясь с ведущими лабораториями, получая доступ к людям и ещё не опубликованным исследованиям. Это было вдохновляюще во всех смыслах. Я благодарен всем, с кем удалось пообщаться, и признателен за открывшиеся возможности. Для меня всегда было важно, чтобы OpenClaw оставался open source и имел свободу развиваться. В итоге я почувствовал, что именно OpenAI — лучшее место, чтобы продолжать продвигать моё видение и расширять его масштаб. Чем больше я общался с людьми там, тем яснее становилось, что у нас общее понимание будущего. Сообщество вокруг OpenClaw — это нечто по-настоящему особенное. OpenAI взяла на себя серьёзные обязательства, чтобы я мог посвящать проекту своё время, и уже выступает его спонсором. Чтобы придать этому правильную структуру, я работаю над созданием фонда. OpenClaw останется пространством для мыслителей, хакеров и всех, кто хочет владеть своими данными, с целью поддерживать ещё больше моделей и компаний. Лично я невероятно рад присоединиться к OpenAI, стать частью передового края AI-исследований и разработки и продолжать строить будущее вместе с вами. The claw is the law. Оригинал на англ в его блоге.

OpenAI купили OpenClaw Основатель Клешни будет заниматься созданием персональных агентов внутри OpenAI. OpenClaw остаётся опенсорс проектом, который будет поддерживаться OpenAI

Управляем Effort для Opus 4.6 Я как-то не замечал ранее эту настройку Effort в /model. У меня выбрана модель Opus 4.6 по умолчанию в Claude Code CLI и я больше не захожу в настройки выбора модели. Но оказывается там появилась дополнительно настройка Effort и можно вручную установить уровень усилий рассуждений у модели Opus 4.6. Раньше то мы просто, руками в каждом запросе писали ultrathink. Вызываем команду /model и далее стрелочками влево и вправо меняем под себя Effort. Вдруг вам не нужен high, чтобы не сжигать быстро лимиты. Есть 3 варианта: Low, Medium, High. По умолчанию установлен High. Возможно кому-нибудь будет полезно, хотя я остался при своих High.

Твиттер начал борьбу с ботами и AI автоматизациями Теперь, если ваши действия в Х не имеют ничего общего с поведением человека (нет тапов по экрану, скроллов и т.п), ваш аккаунт сразу же будет приостанавливаться (а может и баниться) и все аккаунты с ним связанные. Я понимаю, что эмуляция поведения человека на экране легко осуществима, но это как минимум поставит заградительную стену для простых и тупых массовых автоматизаций. Никита Бир, глава продукта в Х, предупредил, что за любой автоматизированный постинг, сразу «пока». Учитывая, что Х оплачивает вознаграждения авторам за показы рекламы в их твитах, явно с автоматизацией нужно как-то бороться. Сейчас всё чаще автоматизация постинга превращается в конвейер в погоне за просмотрами, лайками и конечно же продажами. Настроили очередной OpenClaw, подключили кросс постинг во все соц сети, и в ленту летят десятки публикаций в день. Проблема не в инструментах, а в том, что с появлением AI, ленты наводняются мусорным и однотипным контентом. И кажется, чтобы соц сети не умерли, таких ограничений и детекций «Подтверди, что ты человек” будет всё больше. Началась война против AI автоматизации! Прольются реки и полетят баны 😎

⚡1000 токенов в секунду OpenAI начали “тратить” свой многомиллиардный контракт с Cerebras Неделю назад вышел GPT-5.3-Codex с 77.3% на Terminal-Bench, который помогал создавать сам себя. А вчера OpenAI выкатили его младшего брата - Codex-Spark. Уменьшенная версия, заточенная под одну цель: скорость. И скорость тут не метафора. 1000+ токенов в секунду. В 15 раз быстрее полноразмерного Codex. Те же задачи на SWE-Bench Pro, которые старший брат решает за 15-17 минут, Spark щёлкает за 2-3. Time-to-first-token на 50% быстрее (то самое ожидание, когда ты нажал Enter и смотришь на пустой экран), overhead ("накладные расходы" на каждый обмен сообщениями между твоим компом и сервером) на каждый раунд-трип снижен на 80%. Они ещё и persistent WebSocket прикрутили, чтобы не тратить время на переподключения. Под капотом - Cerebras Wafer Scale Engine 3. OpenAI подписали многомиллиардный контракт с Cerebras в январе, и через 4 недели уже первый продукт на этом железе в продакшене. Молния! Terminal-Bench 2.0: 58.4% у Spark против 77.3% у полного Codex. Но при этом Spark на голову выше предыдущего GPT-5.1-Codex-mini (46.1%). Контекст 128K токенов, только текст. Идея в том, что скорость меняет сам процесс работы. Когда модель отвечает мгновенно, ты остаёшься в потоке, делаешь быстрые итерации, не теряешь мысль (не успеваешь позевать). Не 15 минут тишины, а секунды. Другой ритм (красные глаза нам обеспечены, теперь не получится отрываться от монитора в ожидании когда же закончит агент). Доступно пока в виде research preview и только для подписчиков ChatGPT Pro в Codex. API обещают скоро. Цены не объявлены. Все детали в релизе: https://openai.com/index/introducing-gpt-5-3-codex-spark (тут есть видео сравнение 5.3 и 5.3 spark. Скорость просто невероятная)

MiniMax M2.5 - дешевая открытая модель из Китая перешла дорогу дорогим конкурентам Китайская MiniMax за год прошла путь от M1 с 56% на SWE-Bench до M2.5 с 80.2%. А предыдущие три версии (M2, M2.1, M2.5) вообще вышли за последние 3.5 месяца. Бенчмарки: – SWE-Bench Verified: 80.2% (Opus 4.6 - 80.8%, GPT-5.2 - 78%, Gemini 3 Pro - 80%) – Multi-SWE-Bench: 51.3% - обгоняет Opus 4.6 (50.3%) и Gemini 3 Pro (42.7%) – SWE-Bench Pro: 55.4% (Opus 4.6 - 55.4%, GPT-5.2 - 54.1%) – Terminal-Bench 2: 51.7% (Opus 4.6 - 55.1%, GPT-5.2 - 54%) – Droid harness: 79.7% - обгоняет Opus 4.6 (78.9%) – OpenCode harness: 76.1% - обгоняет Opus 4.6 (75.9%) – BrowseComp (поиск): 76.3% – GDPval-MM (офисные задачи): 59.0% win rate против конкурентов – Скорость на SWE-Bench: 22.8 мин - почти идентична Opus 4.6 (22.9 мин) Две вариантамодели: – M2.5-Lightning - 100 токенов/сек, $0.30/$2.40 за млн токенов. Для скорости. – M2.5 - 50 токенов/сек, вдвое дешевле: $0.15/$1.20. Для экономии. – Для сравнения: Opus 4.6 стоит $5/$25, что в 20 раз дороже минимакса. – Full-stack разработка на 13 языках (Python, JS, TS, Go, Rust, C++, Kotlin и др.), от архитектуры до code review. Web, Android, iOS, Windows + серверная часть. – Офисная работа: Word, PowerPoint, Excel с форматированием и финансовыми моделями – Поиск и агентные задачи: BrowseComp 76.3%, на 20% меньше итераций чем M2.1 – $1 в час при непрерывной работе на 100 TPS, $0.30 на 50 TPS – 80% кодовой базы самого MiniMax написано этой моделью, 30% задач компании автоматизировано через M2.5 Где попробовать: – agent.minimax.io – API: platform.minimax.io (подписки от $10/мес) – OpenRouter: модель minimax/minimax-m2.5 – В Qoder CLI, в Opencode пока бесплатно – и множество других мест, где вам привычно и скорее всего там уже завезли минимакс м2.5 Удивление и уважение!

Современное: «Не влезай, убьет!» 😁