😎 Вебинар "AI-инструменты для разработчиков 2026" уже сегодня!
Если ты всё еще не зарегистрировался, то сейчас самое время. Трансляция начнется через час, в 14:30 мск.
Напомню, что эксперты из Veai будут разбирать, как выглядит рынок AI-инструментов сейчас, чем отличаются CLI-агенты от решений в IDE, какие риски реально важны для компании и как выбирать модели под конкретные задачи.
Спикер: Михаил Костицын (Lead Developer).
Вебинар бесплатный, главное зарегистрироваться: https://veai.ru/events/ai-assistants-2026/join
Если ты всё еще не зарегистрировался, то сейчас самое время. Трансляция начнется через час, в 14:30 мск.
Напомню, что эксперты из Veai будут разбирать, как выглядит рынок AI-инструментов сейчас, чем отличаются CLI-агенты от решений в IDE, какие риски реально важны для компании и как выбирать модели под конкретные задачи.
Спикер: Михаил Костицын (Lead Developer).
Вебинар бесплатный, главное зарегистрироваться: https://veai.ru/events/ai-assistants-2026/join
2👍19🔥12⚡8😁4❤2
Перекличка. Какие из перечисленных моделей используете хотя бы пару раз в неделю?
Anonymous Poll
44%
Sonnet
50%
Opus
54%
GPT
25%
Qwen
6%
MiniMax
11%
GLM
31%
Gemini
6%
Kimi
25%
DeepSeek
8%
Другие
2👍27🔥18👏7❤6
Agent Harness — звучит круто, да?
И последнее время слышу это определение всё чаще. Но что оно вообще значит?
Есть три уровня работы с харнесом (на картинке):
1. Prompt engineering — формирует инструкции, которые модель получает.
2. Context engineering — управляет тем, что модель видит и когда.
3. Harness engineering — включает оба предыдущих плюс всю прикладную инфраструктуру: оркестрацию инструментов, персистентность состояния, восстановление после ошибок, циклы верификации, обеспечение безопасности и управление жизненным циклом.
Не стоит умалять заслуги людей, которые обучают LLM — за последнее время они сделали огромный шаг вперёд. Но харнесс тоже имеет вес. Например, LangChain поменяли только его, не трогая модель и веса — и поднялись с 30-го на 5-е место в TerminalBench 2.0.
Подробнее про то, как устроены Claude Code, OpenAI, LangChain и где во всём этом харнесс — в новой статье на Хабре.
Рекомендую сохранить, если хотите лучше понимать, как работает ваш агент и как его можно улучшить.
@ai_for_devs
И последнее время слышу это определение всё чаще. Но что оно вообще значит?
Коротко: это вся инфраструктура вокруг LLM — оркестрационный цикл, инструменты, память, управление контекстом, обработка ошибок. Всё, что не LLM.
Есть три уровня работы с харнесом (на картинке):
1. Prompt engineering — формирует инструкции, которые модель получает.
2. Context engineering — управляет тем, что модель видит и когда.
3. Harness engineering — включает оба предыдущих плюс всю прикладную инфраструктуру: оркестрацию инструментов, персистентность состояния, восстановление после ошибок, циклы верификации, обеспечение безопасности и управление жизненным циклом.
Не стоит умалять заслуги людей, которые обучают LLM — за последнее время они сделали огромный шаг вперёд. Но харнесс тоже имеет вес. Например, LangChain поменяли только его, не трогая модель и веса — и поднялись с 30-го на 5-е место в TerminalBench 2.0.
Подробнее про то, как устроены Claude Code, OpenAI, LangChain и где во всём этом харнесс — в новой статье на Хабре.
Рекомендую сохранить, если хотите лучше понимать, как работает ваш агент и как его можно улучшить.
@ai_for_devs
Хабр
Что такое Harness? Полный разбор на примере Claude Code, OpenAI и LangChain
Глубокий разбор того, что на самом деле строят Anthropic, OpenAI, Perplexity и LangChain. Оркестрационный цикл, инструменты, память, управление контекстом — и всё остальное, что превращает stateless...
2👍37🔥17❤8👏6💯1
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Anthropic обновили десктопный интерфейс Claude
Теперь можно держать несколько сессий в одном окне — через боковую панель.
Рядом появились встроенный терминал, редактор файлов, превью HTML и PDF, ускоренный diff-вьюер.
Панели перетаскиваются мышью, можно собрать удобное расположение под себя.
Если сидите только в терминале, хороший повод попробовать десктоп.
@ai_for_devs
Теперь можно держать несколько сессий в одном окне — через боковую панель.
Рядом появились встроенный терминал, редактор файлов, превью HTML и PDF, ускоренный diff-вьюер.
Панели перетаскиваются мышью, можно собрать удобное расположение под себя.
Если сидите только в терминале, хороший повод попробовать десктоп.
@ai_for_devs
1🔥44👍22❤6🤩5👏3
С большой силой приходит большая ответственность!
И 1 млн токенов контекста в Claude Code это реально большая сила. Для отличного результата важно понимать, как управлять таким большим контекстным окном.
Чем оно больше — тем сильнее
В каждый момент времени у нас есть пять вариантов, что с этим сделать:
• Продолжить — если контекст ещё актуален
• /rewind — откатиться к нужному сообщению и начать с него
• /compact — свернуть историю в краткое резюме и продолжить решать задачу дальше
• /clear — начать новую сессию с чистым контекстом
• Subagent — делегировать задачу агенту с отдельным контекстным окном
Подробный разбор каждого варианта и сравнительная таблица — в новой статье на Хабре.
@ai_for_devs
И 1 млн токенов контекста в Claude Code это реально большая сила. Для отличного результата важно понимать, как управлять таким большим контекстным окном.
Чем оно больше — тем сильнее
context rot: модель распределяет внимание на всё больше токенов, и старый нерелевантный контент начинает мешать.В каждый момент времени у нас есть пять вариантов, что с этим сделать:
• Продолжить — если контекст ещё актуален
• /rewind — откатиться к нужному сообщению и начать с него
• /compact — свернуть историю в краткое резюме и продолжить решать задачу дальше
• /clear — начать новую сессию с чистым контекстом
• Subagent — делегировать задачу агенту с отдельным контекстным окном
Кстати, про Rewind (двойной Esc) многие не знают, хотя это очень полезный и удобный инструмент. Когда Claude пошёл не туда — не нужно писать «это не сработало, попробуй X». Лучше откатиться к точке перед неудачной попыткой и переформулировать запрос. Неудачная ветка просто исчезает из контекста.
Подробный разбор каждого варианта и сравнительная таблица — в новой статье на Хабре.
@ai_for_devs
2👍42🔥13❤8⚡4👏4
⚡️ Qwen Code перестал быть бесплатным
13 апреля, ребята из Alibaba сначала срезали квоту с 1 000 до 100 бесплатных запросов в день, а 15-го убрали совсем.
Использовать Qwen Code теперь можно либо с подпиской на Alibaba Cloud Coding Plan (тарифы от $10 до 50$), либо со своим API-ключом, либо с локальными моделями.
Печально, на 1 бесплатный вариант стало меньше.
@ai_for_devs
13 апреля, ребята из Alibaba сначала срезали квоту с 1 000 до 100 бесплатных запросов в день, а 15-го убрали совсем.
Использовать Qwen Code теперь можно либо с подпиской на Alibaba Cloud Coding Plan (тарифы от $10 до 50$), либо со своим API-ключом, либо с локальными моделями.
Печально, на 1 бесплатный вариант стало меньше.
@ai_for_devs
2😢68😁13🤯10🤬9❤3
⚡️ Anthropic выпустили Claude Opus 4.7
Cursor зафиксировал рост с 58% до 70% на своём бенчмарке, Rakuten — трёхкратный рост решённых production-задач.
Новый уровень effort
Параллельно вышел
Цена та же: $5/$25 за млн токенов.
@ai_for_devs
Cursor зафиксировал рост с 58% до 70% на своём бенчмарке, Rakuten — трёхкратный рост решённых production-задач.
Новый уровень effort
xhigh добавили между high и max. В Claude Code он теперь включён по умолчанию.Параллельно вышел
/ultrareview в Claude Code — команда запускает отдельную review-сессию, которая прогоняется по всем изменениям и ищет баги и архитектурные проблемы.Цена та же: $5/$25 за млн токенов.
@ai_for_devs
3🔥66⚡18👍15❤6🤩3
This media is not supported in your browser
VIEW IN TELEGRAM
Когда попросил одного агента написать промпт для другого агента
2😁74💯20🔥11❤5
Please open Telegram to view this post
VIEW IN TELEGRAM
111
⚡️ Moonshot AI выпустили Kimi K2.6 — новую версию своей флагманской модели
По бенчмаркам K2.6 подбирается к закрытым SOTA-моделям, но не спеша: SWE-Bench Pro — 58.6 (Opus 4.7: 64.3), SWE-Bench Verified — 80.2 (Opus 4.7: 87.6).
Отдельный акцент в релизе сделан на «проактивных агентах»: K2.6 работает как фоновый агент в OpenClaw и Hermes без участия человека.
В качестве примера приводится внутренний тест, на котором агент проработал 5 дней, управляя мониторингом и инцидентами в инфраструктуре RL-команды Moonshot.
Модель уже доступна на Hugging Face.
@ai_for_devs
По бенчмаркам K2.6 подбирается к закрытым SOTA-моделям, но не спеша: SWE-Bench Pro — 58.6 (Opus 4.7: 64.3), SWE-Bench Verified — 80.2 (Opus 4.7: 87.6).
Отдельный акцент в релизе сделан на «проактивных агентах»: K2.6 работает как фоновый агент в OpenClaw и Hermes без участия человека.
В качестве примера приводится внутренний тест, на котором агент проработал 5 дней, управляя мониторингом и инцидентами в инфраструктуре RL-команды Moonshot.
Модель уже доступна на Hugging Face.
@ai_for_devs
1🔥34👍19❤9⚡2
🤯 Anthropic убрали Claude Code из плана Pro за 20$
Теперь минимальный тарифный план, в котором доступен Claude Code, это Max 5x за $100/месяц.
Официального объявления не было, просто обновили страницу с ценами.
Сотрудники Anthropic в соц.сетях уточняют, что это A/B-тест на ~2% новых пользователей.
Существующих Pro и Max подписчиков изменение не коснулось (пока что) .
Кажется, началось...
@ai_for_devs
Теперь минимальный тарифный план, в котором доступен Claude Code, это Max 5x за $100/месяц.
Официального объявления не было, просто обновили страницу с ценами.
Сотрудники Anthropic в соц.сетях уточняют, что это A/B-тест на ~2% новых пользователей.
Существующих Pro и Max подписчиков изменение не коснулось
Кажется, началось...
@ai_for_devs
1🤯59🤬29😁15😢8⚡7
⚡️ OpenAI выпустили GPT-5.5
На SWE-Bench Pro, который проверяет решение реальных GitHub-задач, модель набрала 58.6%(Opus 4.7 набирает 64.3%) — больше, чем предшественник, и при меньшем количестве токенов на задачу.
В API появится скоро: $5 за 1M входных токенов, $30 за выходные. Версия Pro — $30/$180.
В Codex модель уже доступна для всех пользователей.
@ai_for_devs
На SWE-Bench Pro, который проверяет решение реальных GitHub-задач, модель набрала 58.6%
Инфраструктурная команда дала Codex с GPT-5.5 недели продакшн-трафика — он написал эвристики для балансировки нагрузки, которые подняли скорость генерации токенов на 20%.
В API появится скоро: $5 за 1M входных токенов, $30 за выходные. Версия Pro — $30/$180.
В Codex модель уже доступна для всех пользователей.
@ai_for_devs
3👍45🔥17⚡8❤4🤩2
⚡️ DeepSeek выпустили V4 — Pro и Flash
Контекст у обеих моделей 1M токенов. Flash дешевле Opus 4.7 и GPT-5.5 примерно в 35 раз по input и в 90 раз по output, Pro — в 3 раза по input и в 7-8 раз по output.
По SWE-bench Pro V4-Pro набирает 55,4%, Flash 52,6%. Opus 4.7 — 57,3%, GPT-5.5 — 58,6%. Отставание есть, но небольшое.
Обе модели open source и опубликованы на Hugging Face под MIT-лицензией.
@ai_for_devs
Контекст у обеих моделей 1M токенов. Flash дешевле Opus 4.7 и GPT-5.5 примерно в 35 раз по input и в 90 раз по output, Pro — в 3 раза по input и в 7-8 раз по output.
По SWE-bench Pro V4-Pro набирает 55,4%, Flash 52,6%. Opus 4.7 — 57,3%, GPT-5.5 — 58,6%. Отставание есть, но небольшое.
Модели поддерживают 3 режима reasoning: Non-think, Think High, Think Max. Мультимодальности пока нет, только текст.
Обе модели open source и опубликованы на Hugging Face под MIT-лицензией.
@ai_for_devs
2👍64🔥39⚡12❤6👏3