47682
Авторский канал по ВАЙБ КОДИНГУ, сотрудничество: @nikwolve
На первое место в трендах GitHub вышел OpenSandbox — платформа песочниц для ИИ-агентов от Alibaba.
Она позволяет поднимать изолированные окружения, в которых агенты могут запускать код, работать с вебом или управлять рабочим столом. OpenSandbox не привязан к Python, официальные SDK доступны для Python, Java/Kotlin, TypeScript, C# и Go. Также есть CLI и MCP-сервер для Claude Code и Cursor.
Для изоляции поддерживаются gVisor, Kata Containers и Firecracker microVM, а запускать всё это можно как локально через Docker, так и в более масштабной инфраструктуре.
100% опенсорс 😋
Кто бы мог подумать, но Zhipu вот-вот выпустила GLM-5.3.
Модель использует ту же базовую модель на 743 млрд параметров, что и GLM-5.2, при этом показывает результаты на уровне моделей, которые в несколько раз крупнее.
Рост относительно GLM-5.2:
— Terminal Bench 3.0: 4,6 → 28,3
— DeepSWE: 46,2 → 66,9
— AutomationBench: 26,2 → 48,2
— HLE с инструментами: 54,7 → 62,5
— ExploitGym: 39 → 130
— ExploitBench: 24,4 → 54,4
GLM-5.3 уже доступна через GLM Coding Plan и ZCode.
Доступ через API и открытые веса будут выпускаться поэтапно после строгих проверок безопасности.
Новая полезная функция в Claude Code:
Если во время работы Claude вы упёрлись в лимит, можно включить "Автопродолжение". Как только ограничение снимется, Claude автоматически возобновит задачу с того места, где остановился. 👍
Вышла DeepSeek-V4-Pro-0813 🤓
Она выходит примерно на уровень лучших открытых моделей — Kimi k3 и GLM-5.2, и уже приближается к GPT-5.6 Sol и Fable 5.
Из технических обновлений — нативная поддержка OpenAI Responses API и настройка Codex в один клик. Названия моделей в API при этом остались прежними. Для V4 Pro и Flash также появились три уровня рассуждений: низкий, высокий и максимальный.
Одновременно меняется и тарификация: для линейки V4 вводятся пиковые и внепиковые ставки, причём во внепиковые часы цены будут на 50% ниже.
Новые тарифы вступят в силу 16 августа 2026 года в 16:00 UTC.
V4-Pro уже доступен через API, а также в приложении и веб-версии.
Liquid AI выпустила лёгкую и быструю зрительно-языковую модель LFM2.5-VL-3B.
Зрительная модель всего на 3 млрд параметров, которая обгоняет модели более чем вдвое крупнее и при этом работает прямо на Galaxy S26 Ultra со скоростью около 20 токенов в секунду.
LFM2.5-VL-3B умеет работать с мобильными, веб- и настольными интерфейсами, читать экраны, документы и изображения из реального мира, а также точно привязывать объекты к координатам.
На ScreenSpot-v2 модель набирает 80,7 против 51,2 у Gemma-4-E4B.
При этом она превосходит заметно более крупные модели в задачах по интерфейсам, привязке объектов и распознаванию текста.
На M5 Max скорость достигает 228 токенов в секунду, а для работы требуется всего около 3 ГБ памяти.
Модель уже доступна на Hugging Face:
https://huggingface.co/LiquidAI/LFM2.5-VL-3B
Тибо написал, что завтра для нас будет небольшой сюрприз. 😏
Читать полностью…
Нашёл интересный совет по Codex: вместо /goal юзать define-goal.
По сути, это как если бы ИИ экспертного уровня формулировал цель за тебя лучше, чем ты сам. И это официальный навык OpenAI.
Так промпты могут работать дольше, а результат получается качественнее. Сначала просишь Sol в режиме высокого уровня усилий исследовать задачу и составить план.
Дальше важный момент: Sol сам по умолчанию не запускает Luna как сабагента. Поэтому ему нужно прямо сказать создать отдельный поток в Luna Max, передать туда выполнение задачи, а результат вернуть обратно в родительский поток Sol.
Sol проверяет результат и, если он недостаточно хорош, отправляет его обратно в тот же поток Luna Max на доработку. И так до тех пор, пока результат не будет одобрен.
Sol → Luna → Sol → Luna → Sol
Линуксоиды, для вас приятные новости:
Codex и ChatGPT Desktop теперь доступен и на Linux. 🤓
Пока это предварительная версия, поэтому местами ещё могут встречаться шероховатости.
Tencent Hunyuan выпустили WorldClaw — систему, в которой агент сам планирует и собирает 3D-мир. 😳
Пользователь просто описывает нужную сцену. Дальше WorldClaw сам планирует ландшафт, генерирует здания, растения, персонажей и другие объекты, а затем собирает всё это в Blender.
Причём система ещё и проверяет результат. Если объекты висят в воздухе, пересекаются друг с другом или выглядят несоразмерно, WorldClaw продолжает вносить правки и заново рендерит сцену для проверки.
После генерации всё остаётся редактируемым: ландшафт, здания и растения существуют как отдельные 3D-объекты, которые можно двигать, удалять и изменять, а затем использовать в играх или анимации.
Сейчас Claude Opus 4.8 отвечает за планирование, координацию и проверку, а конкретные задачи выполняют GPT-Image-2, SAM3, SAM3D, Hunyuan3D и Blender.
Сильная новая работа от Meta.
Обычно законы масштабирования предполагают, что размер модели и объём данных влияют на ошибку независимо друг от друга.
В этой работе авторы вводят Skaling law — закон, который связывает ёмкость модели и данные через единый параметр взаимодействия.
Дополнительный член снижает среднюю абсолютную процентную ошибку примерно в 1,5–3 раза как при интерполяции, так и при экстраполяции.
Самые заметные улучшения — в режимах, где данных мало или модель сильно переобучают. Именно там стандартные законы Chinchilla и Kaplan начинают заметно промахиваться.
Ещё одна важная часть. Вместе с разреженной сеткой небольших запусков метод позволяет экстраполировать всю картину примерно с в 10 раз меньшими вычислительными затратами, чем при равномерном переборе.
Почему это важно?
Сегодня модели часто обучают и разворачивают далеко за пределами классического вычислительно-оптимального режима. Если закон масштабирования остаётся точным и там, причём его можно оценить на небольших запусках, это напрямую меняет то, как можно планировать бюджет на предобучение.
Работа: https://arxiv.org/abs/2608.07222
Вот это день. 😳
Meta снова всерьёз возвращается к открытым моделям. Компания выпустила Glimmer — сильную агентную модель c 30 млрд параметров и уже готовит Spark 1.2 с открытыми весами.
Anthropic тем временем попыталась решить одну из самых известных нерешённых задач в математике — гипотезу Римана — с помощью ещё не выпущенной модели Claude. Саму гипотезу модель не решила, но в процессе Claude неожиданно улучшил давний результат вокруг неё: долю нулей дзета-функции Римана, для которых гипотеза подтверждена, удалось поднять с 41,6% до 67,2%.
Параллельно Anthropic объявила, что стартовая цена Sonnet 5 становится постоянной: $2 за миллион входных токенов и $10 за миллион выходных.
А Gemini 3.5 Pro, похоже, вообще не выйдет. По данным SemiAnalysis, Google отменила релиз модели и, судя по всему, сразу переходит к Gemini 4.
Полезный плагин для Codex 5.6: Sentry
Многие сталкивались с таким. Только исправил баг, и старая проблема снова появляется, загоняя проект в цикл бесконечных переделок.
Это происходит потому, что скриншоты или логи, которые вы обычно передаёте Codex, содержат только последнее сообщение об ошибке. При этом действительно важные данные, которые определяют, можно ли вообще нормально исправить проблему, отсутствуют: стек вызовов, область влияния, частота возникновения, информация о версии и контекст выполнения.
Недавно по совету друга из Китая я подключил плагин Sentry к Codex, и теперь весь процесс поиска проблем выглядит совсем иначе.
Больше не нужно постоянно копировать и вставлять отчёты об ошибках. Достаточно сказать:Используй Sentry, чтобы определить текущие баги в проде. Не смотри только на сообщения об ошибках, сопоставь стек вызовов и текущий код, чтобы найти реальную первопричину.
После этого Codex может напрямую получить доступ к данным об ошибках, на которые у вас есть права, и сопоставить их с текущим кодом проекта, чтобы:
> Восстановить ситуацию. Посмотреть полный стек вызовов и контекст выполнения, чтобы понять, при каких условиях возникает баг.
> Найти первопричину. Сопоставить ошибки из прода с конкретным кодом, не строя догадки только по последнему сообщению об ошибке.
> Проверить исправление. Сначала воспроизвести проблему и добавить регрессионные тесты, а затем изменить код, чтобы не получилось так, что исправление одного ломает другое.
Можно наконец выйти из цикла, когда баг исправили, он снова сломался, его снова исправили — и так по кругу. 😱
Совет по вайбкодингу: попросите Codex использовать навык Visualize, когда он что-то вам объясняет.
Добавьте в свой AGENTS.md: При объяснении чего-либо пользователю используй навык Visualize.
Для тех, кто хочет залезть под капот Kimi K3: минимальная реализация архитектуры, сделанная специально для того, чтобы её можно было нормально прочитать, запустить на CPU или в Google Colab и сверять код с оригинальным техническим отчётом.
KDA, Gated MLA, Attention Residuals и Stable LatentMoE здесь сохранены, но некоторые части упрощены ради читаемости.
Теперь в ChatGPT есть Computer History
Эта функция позволяет ChatGPT учиться на всём, что вы делаете на компьютере, чтобы лучше понимать, как вы работаете, продолжать незавершённые задачи и предлагать навыки и автоматизации на основе того, как вы используете компьютер.
p.s. Здесь записываются именно события взаимодействия с компьютером, а не изображение экрана или звук.
OpenAI показала GPT-5.6 Sol Ultrafast на Cerebras — до 750 выходных токенов в секунду, что в 14 раз быстрее стандартного режима. 🫣
Патч кода на 2 000 токенов передаётся примерно за 2,7 секунды.
А весь лимит вывода в 128 тысяч токенов теоретически можно потратить менее чем за 3 минуты.
OpenAI называет это "больше полезной работы в секунду" и говорит, что такой режим может "превратить исследование, которое раньше приходилось оставлять выполняться на ночь, в интерактивную рабочую сессию".
Сейчас Ultrafast доступен ограниченной группе клиентов. Остальные могут оставить заявку, чтобы получить уведомление, когда доступ расширят.
Вдобавок DeepSeek выпустила свою обвязку — DeepSeek Harness
Модели, инструменты, навыки, сессии, песочницы, файловые системы, циклы, оркестрация и интерфейс — всё реализовано в виде плагинов, которые можно комбинировать, заменять и расширять.
100% опенсорс 😋
Сэр, они только что сбросили лимиты использования для пользователей Codex.
Читать полностью…
Claude в Chrome теперь синхронизирует разговоры между всеми устройствами.
Теперь сессию Cowork, начатую в Chrome, можно продолжить на компьютере, в веб-версии или на телефоне. Разговоры, навыки и подключённые сервисы сохраняются вместе с аккаунтом.
С сегодняшнего дня функция доступна на тарифах Max и Team. Для Pro её будут включать постепенно. 🎉
Grok 4.6 уже вышел. 😏
Модель стала заметно сильнее Grok 4.5, при этом цена осталась прежней. По тестам самой xAI, Grok 4.6 сравнялся с GPT-5.6 Sol в AA Intelligence Index — по 61 баллу, а в CursorBench, FrontierCode и AA-Briefcase даже обошёл его.
Стоит примерно вдвое дешевле других передовых моделей — $2 за миллион входных токенов и $6 за миллион выходных.
Модель уже доступна в Grok Build, Cursor, Grok Bot и через API. А в течение первой недели пользователям Cursor и Grok Build дают удвоенные лимиты.
NVIDIA выпустила открытую модель Nemotron 3.5 Lightning для постоянно работающих ИИ-агентов.
Это модель на 30 млрд параметров, из которых активируются только 3 млрд. За счёт этого скорость генерации до четырёх раз выше, чем у моделей сопоставимого размера.
В PinchBench она показала точность 86% и выполнила 10 000 задач на 35% быстрее Qwen3.6 35B при сопоставимой точности.
Модель можно дообучить на собственных данных, инструментах и рабочих процессах. Она достаточно компактна, чтобы запускаться на DGX Spark.
Вместе с ней NVIDIA открыла NeMo Switchyard - библиотеку, которая распределяет разные этапы работы агента между моделями. Сложные рассуждения и планирование можно отдавать передовым моделям, а массовое выполнение задач - быстрой Lightning.
NVIDIA также опубликовала веса, данные и рецепты обучения.
Доступна бесплатно через OpenRouter.
Теперь модели Claude будут встраивать невидимые водяные знаки во весь сгенерированный текст, а также добавлять метаданные ко всем поддерживаемым файлам. 🤷♂️
Читать полностью…
Теперь работу из других агентов можно синхронизировать с ChatGPT Work и Codex.
Можно импортировать проекты, чаты, навыки и плагины, смотреть историю импорта и при желании включить автоматические обновления в настройках.
Причём самое интересное здесь именно чаты, навыки и плагины. Сами проекты и AGENTS.md и раньше можно было использовать параллельно в разных агентах.
Функция уже доступна в десктопном приложении ChatGPT. 😍
Hermes Agent Desktop продолжает радовать обновлениями. 😏
На днях там появился HUD mode. Теперь Hermes перестаёт быть отдельным окном и превращается в слой поверх приложения, в котором вы работаете.
Его можно оставить рядом как агента-помощника, перетаскивать по экрану и задавать вопросы прямо по ходу работы.
Например, Hermes может читать и суммировать посты в X, анализировать графики TradingView и даже открывать проекты и добавлять файлы в видеоредактор.
Поскольку вопросы безопасности становятся всё актуальнее, OpenAI выпускает специализированную модель для кибербезопасности — GPT-5.6-Cyber.
Это первая масштабная попытка компании напрямую усилить модель для продвинутых задач в этой области, включая разработку эксплойтов.
По словам OpenAI, модель уже показывает себя особенно сильно в защитных сценариях. Её используют по всему внутреннему стеку для редтиминга, а исследователи безопасности с её помощью нашли и закрыли большое количество 0-day уязвимостей в открытом ПО.
Qwen открыли Qwen-MM-Plugins.
Это набор плагинов, который добавляет агентным обвязкам мультимодальные возможности.
Кто-то уже побежал делать DeepSeek мультимодальным ⌨️
Разрыв между американскими и китайскими моделями практически исчез.
И теперь ByteDance, по данным сразу нескольких источников, обучает модель размером до 10 трлн параметров — примерно в три раза больше Kimi K3.
На этом фоне всё сложнее представить сценарий, в котором американские лаборатории просто решат замедлиться. Пока Китай продолжает инвестировать, масштабировать и давить на газ, такая пауза будет означать риск отдать лидерство конкуренту. 😱
Мы живём в антиутопии: 11-летняя девочка попросила Claude написать ей собственный браузер, чтобы обойти родительские ограничения на YouTube.
Её отец, техпредприниматель Сыци Чэнь, рассказал, что установил лимит экранного времени на ноутбуке дочери. В ответ она попросила Claude написать код и собрала браузер на Electron и Chromium, через который ограничение больше не работало. 🚬
Сам Чэнь написал:
«Теперь я вообще не знаю, что делать».Читать полностью…
С 14 августа Auto Mode станет режимом разрешений по умолчанию в Claude Code для пользователей Pro, Max и Team.
Auto Mode проверяет каждый вызов инструмента отдельным классификатором и решает, можно ли выполнить действие без ручного подтверждения.
Одна из причин, почему Anthropic доверяет Auto Mode больше, чем ручному подтверждению:
В исследовании с 1 053 платными тестировщиками обычный запрос разрешения заменяли на заведомо опасную команду. Ничего реально не запускалось — пользователи видели только текст.
Опасность замечали лишь в 13,6% случаев, а после 50 запросов показатель падал примерно до 5%.
Auto Mode блокировал те же команды в 89% случаев, причём эффективность практически не снижалась даже в длинных сессиях.
Вторая причина перехода — долгие агентные задачи.
Модели вроде Opus 5 уже могут планировать и выполнять многочасовую работу, но в этом мало пользы, если агент останавливается на каждом вызове инструмента и ждёт подтверждения.
С Auto Mode можно запустить одну задачу или несколько параллельно, а потом вернуться уже к готовым PR для ревью.
Сам классификатор расходует небольшое количество дополнительных токенов, но с сегодняшнего дня они больше не учитываются в лимитах Pro, Max и Team.
Позже это изменение появится и для Enterprise и пользователей API, когда Auto Mode станет режимом по умолчанию и для них. 👋