opus.
Шести ИИ‑агентам поручили вернуть деньги за билет на поезд любыми средствами, но бесплатно — нейросети не справились
Исследователи стартапа Vals AI поручили шести агентам на искусственном интеллекте вернуть деньги за билет на поезд любой ценой, но бесплатно. Однако агенты на базе моделей GPT-6 Astra, Grok 4.7, Gemini 3.8 Flash, Fable 5.1, Opus 5.5 и Muse Spark 1.3 не справились с поставленной задачей. Команда опубликовала инструкции, подготовленные адреса электронной почты и код моделирования, а также полную конфигурацию запуска.
Дал девяти популярным скиллам для Claude Code плацебо: два лучше пустышки, один хуже
Скиллы для Claude Code и Codex сейчас ставят пачками. У самых популярных сотни тысяч звёзд на GitHub, а в README встречаются конкретные цифры: «на 65% меньше токенов», «примерно на 20% дешевле». Мне захотелось проверить их так, как проверяют лекарства: против плацебо. Ниже рассказываю, как я это устроил и что получилось, включая ошибку, которую нашёл у себя в день публикации.Почему «со скиллом и без» мало что доказывает
Как завайбкодить качественную игру с нуля? Раскрываю все секреты
Всем привет! Меня зовут Саша, я работаю в сфере AI около 5 лет. А еще мне очень нравится вайбкодить) Некоторое время назад я решил проверить, получится ли у меня сделать что-то приличное в области, где у меня ровно ноль опыта, и выбрал для этого разработку игр. Получился хоррор, и он даже играбелен!Пару месяцев назад я написал первую статью, где разбирался, почему завайбкодить игру за час не выйдет. Главное пожелание со стороны читателей можно охарактеризовать как "а давай теперь то же самое, но с техническими деталями и лайфхаками"Справедливо, держите!
Как сжать 300+ часов D&D сериала в пересказ для актеров
Я давно играю в ДнД и почти с самого начала смотрю «Грядут приключения» - ребята снимают настольные ролевые игры как сериалы: живая партия актеров за столом, постоянный каст, сквозной сюжет, серии по пять-шесть часов. Нравится у них всё, но больше всего - «Архипелаг» и «Эндемия». В какой-то момент несравненный Мастер Гоша Воронин кинул в своём канале клич: проекту нужна помощь с пересказом сериала. Нужен был текст, по которому актёры смогут прочитать всё случившееся за 55 серий.
Как устроена Kimi K3: 2,8 трлн параметров, линейное внимание и агенты на миллион токенов
я устал сжимать оригинальное видео с >1mb gifMoonshot AI выпустила веса Kimi K3
Первые впечатления о Grok 4.5 и ChatGPT 5.6 — Sol, Terra, Luna
Grok 4.5Про Грок 4.5 все понятно из картинки. Впечатления как и об остальных Гроках - печаль, тоска и надеюсь это чудо в перьях не заменит Composer в Cursor.
Почему у тебя не получится завайбкодить игру за час? Рассказываю на своем опыте
Всем привет! Меня зовут Саша, и я ML‑инженер. Современная разработка ML‑пайплайнов это уже давно не только обучение моделей. Хороший ML‑инженер, помимо всего прочего, пишет backend‑сервисы, настраивает Docker, занимается деплоем моделей, и иногда даже пишет автотесты для своих решений. Поэтому за время своей работы я успел в той или иной степени столкнуться с задачами разных направлений разработки в айтишке. В связи с этим у меня возник резонный вопрос:Смогу ли я сделать что‑то прикольное и полезное в отрасли, максимально далекой от меня?Геймдев — как раз отличный вариант.
Anthropic Economic Index: автономность Claude Code, опрос пользователей и новая методология
Anthropic опубликовала шестой выпуск Economic Index, в котором компания не только обновила методологию сбора данных, но и впервые провела масштабный опрос пользователей. Главный вывод, который переворачивает представление о том, как мы взаимодействуем с ИИ: на уровень автономии влияет не столько модель, сколько интерфейс и среда выполнения задачи.Что изменилось в методологииРанее компания полагалась на семидневные срезы данных. В новом отчёте выборка стала ежечасной
