Миллион в config.toml, 828 тысяч в Codex и 890 тысяч на входе: что на самом деле значит окно контекста
В ~/.codex/config.toml у меня стоит model_context_window = 1000000. Codex на GPT-6.1 Sol в каждой задаче сообщает окно 828 400. Я разобрал, откуда берётся это число, поднял его до 900 000 своим каталогом моделей и прогнал синтетический вход на 890 547 токенов с контрольными метками.Контрольный запуск показал больше основного: тот же вход на 888 330 токенов прошёл и без моей правки, при окне 828 400. Ниже - как устроены эти числа, как я мерил и чего мерить не стал.Замеры сделаны 27.10.2026 на Codex CLI 0.163.0, вход через подписку ChatGPT. Часть данных - из сентябрьских проб на GPT-6 Astra, это помечено.Откуда 828 400
Токеномика для самых маленьких
Кажется, мы довольно быстро привыкли к тому, что с нейросетью можно разговаривать почти как с человеком. Попросить написать код, пересказать статью, разобраться в документах. Потом уточнить. Потом ещё раз уточнить, потому что она опять сделала что-то не то.
Шесть субагентов и один плагин: как в Revit мы считаем путь от машино-места до лифта
15 октября на BIM Просвете выступил Павел Осипов, начальник отдела цифровизации корпоративных систем Sminex. Павел рассказал, как ИИ-агенты помогают в разработке продукта, и показал прикладной инструмент, который сделали по запросу бизнеса и уже используют в ежедневной работе.Какую задачу решает плагин для Revit
ИИ‑помощник для 1С научился анализировать код и обновлять доработки в расширениях
Раньше основной сценарий работы выглядел так: пользователь подключает ИИ к информационной базе, задаёт вопрос и получает ответ по её данным. В последних версиях появились возможности для задач сопровождения и разработки: найти причину поведения документа, проверить перехваты методов или подготовить изменение расширения.Разработчик решения «ChatGPT, Codex + Claude для 1С» выпустил обновления для работы с программным кодом и расширениями. Среди изменений — поиск процедур и функций, проверка перехватов методов и подготовка исправлений после обновления типовой конфигурации.
Бот разобрал 1518 вакансий на hh.ru и отправил 339 откликов
Летом я искал работу Python-разработчиком в AI: LLM, RAG, автоматизация, удаленка. Опыта у меня около двух лет, и откликаться руками на десятки вакансий в день мне быстро надоело. Поэтому я написал бота, который делал это за меня: находил вакансии на hh, решал, подходят ли они, писал сопроводительное и откликался.Бот проработал два месяца, с 17 июня по 17 августа. За это время он разобрал 1518 вакансий и отправил 339 откликов. Выборка маленькая: один человек, одно резюме. Зато про каждый отклик я знаю все: какую оценку вакансии поставила модель, ушло ли письмо и какой версией бота оно написано.
OpenAI запустила сайт с аппаратными проектами, созданными с помощью Codex
OpenAI запустила сайт с коллекцией аппаратных проектов, которые авторы разработали с помощью AI‑агента Codex. В каталоге представлено 20 проектов, инструкции для желающих их повторить и форма для отправки собственных разработок.
ИИ не ускоряет разработчиков. Он увеличивает разрыв между ними
Почему исследования показывают скромный эффект, а отдельные разработчики и команды ускоряются в разы за счёт AIМне больно смотреть на некоторых знакомых разработчиков. Это сильные инженеры, которым я без колебаний доверил бы архитектуру сложной системы или авральную починку прода. Но, к моему удивлению, с современными coding‑агентами уровня Claude Code или Codex многие из них до сих пор толком не работали.
Gauntlet Loop — величайшее заклинание в мире маглов
Gauntlet Loop: от черновика к интерактивной лекции через повторяющийся цикл проверки и улучшения.Привет, Хабр!
Как ИИ-агенты за три недели собрали архив моей семьи — и что из этого выросло
За три недели два ИИ-агента и я собрали открытый архив моей семьи: 597 человек, 648 документов и снимков, записи с 1705 года. Из этого опыта выросли два открытых проекта: движок для семейных сайтов gene-archive и MCP-сервер genealogy-mcp, который учит любого ассистента искать предков, не выдумывая их.В статье — как это было по шагам: от первого вопроса к модели до своего движка и MCP. И главное, чему пришлось научить агентов, чтобы им можно было верить.1. Идея: отдать семейный архив агенту
600 миллиардов токенов спустя: как мы управляли ИИ-агентами при декомпиляции шутера
Последние три месяца мы с ребятами из сообщества декомпилировали популярный шутер от первого лица. Точнее, декомпилировали ИИ-агенты, а мы ими управляли. Нам нужно было не просто доказать, что это в принципе возможно, а получить точную, стабильную и полнофункциональную реконструкцию игры на C++.
