🌟 Composer 2, Unsloth Studio и Claude, который нажимает кнопки за вас

Cursor поймали с Kimi под плащом, OpenAI скупает Python-инфраструктуру, Claude учится жить вне терминала, а Unsloth решил, что файн-тюнинг пора отдавать обычным работягам. Разбираемся со всем этим.

🌟 Cursor выпустил Composer 2 и сразу же влетел в маленький детектив. На бумаге всё выглядело красиво: 61.7% на Terminal-Bench 2.0, $0.50/$2.50 за миллион токенов, дообучение и RL. А потом комьюнити нашло под капотом следы Kimi K2.5 от Moonshot AI. Токенизатор, URL модели в отладке, вот это всё.

Через несколько часов Cursor объяснил, что взял K2.5 как базу, потому что она лучше всех прошла внутренние проверки среди open weight моделей, а основная ценность уже в их собственном дообучении и RL. Moonshot AI это подтвердила. По сути, мы получили первый громкий кейс, когда большой продукт берёт китайскую open weight модель, доучивает и продаёт как свою. Получается, у китайцев получилось?

🌟 OpenAI тем временем купил Astral, команду-разработчика uv, ruff и ty. Если пишете на Python, вы почти наверняка уже живёте на их инструментах. Google раньше забрал Antigravity, Anthropic купил Bun, теперь и OpenAI подтягивает дев-инфраструктуру к себе. Лаборатории больше не хотят просто продавать модели. Они хотят владеть всем стеком разработчика.

🌟 В тот же день OpenAI выкатил GPT-5.4 Mini и Nano. Mini в 2 раза быстрее GPT-5 mini, с контекстом 400k и ценой $0.75/$4.50 за миллион токенов. Это дешёвая рабочая лошадка для фоновых задач и субагентов. На BullshitBench новые малышки, правда, выступили так себе. Но хотя бы без сказок про универсального убийцу всего живого.

🌟 Claude получил computer use на macOS в research preview. То есть теперь он реально может нажимать кнопки, двигать мышь, открывать приложения и бродить по браузеру через Cowork и Claude Code. Можно будет сказать маме, что это не ты скачал те видео. Рядом появились Channels для Telegram и Discord. И вот это уже важнее, агент для кода перестаёт жить только в терминале. Написал ему в чат, он ушёл делать задачу на компьютере и вернулся с результатом. Чуть-чуть Black Mirror, но полезный.

🌟 На фоне гонки гигантов особенно приятно смотрится Unsloth Studio, который вышел как open-source интерфейс для локального запуска и обучения 500+ моделей. Главное обещание простое: файн-тюнинг прямо из UI, без танцев с кучей скриптов. Для тех, кто хотел единое окно для локальных моделей, это один из самых практичных релизов недели.

🌟 А ещё вышла Mamba-3. Не буду грузить архитектурной эзотерикой, но сигнал понятный: индустрия продолжает искать жизнь за пределами чистого трансформера, особенно там, где важны длинный контекст и дешёвый инференс. Можете почитать мою статью, там я рассказываю, в чем прикол с этими трансформерами.

🌟 Но мой любимый момент недели всё равно не модель, а Instant Grep от Cursor. Они показали regex-поиск по миллионам файлов за 13 миллисекунд вместо 16.8 секунд на ripgrep. Если цифры не маркетинговая магия, это меняет сам способ работы агента с кодовой базой.

🌟 Уважаемый, ripgrep, мы тебя всё ещё любим. Но 16.8 секунд против 13 миллисекунд это уже разрыв, после которого начинаешь смотреть на старые инструменты с лёгкой ревностью. Может, не всё будущее за новыми моделями. Может, часть будущего за теми, кто просто делает агентам нормальные руки.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Claude Capybara, GigaChat-3.1, кража ключей через LiteLLM и CLI для всего на свете

Anthropic утекает в обе стороны: Capybara наружу, а пользователи Claude Code в сторону конкурентов. Stripe тем временем делает CLI, Intel делает дешёвые GPU, а Sora делает вид, что её не было.

🌟 У Anthropic неделя вышла контрастной. Fortune сообщил об утечке нового тира Capybara, который якобы стоит выше Opus 4.6 в иерархии моделей. По слитым данным, Capybara показывает лучшие результаты в кодинге, академическом reasoning и кибербезопасности.

На фоне этих амбиций пользователи Claude Code устроили маленький бунт. С 23 марта люди на Max-планах начали сжигать 80-100% лимитов за минуты. Один человек написал, что "hey" обошлось в 22% usage. Я сам на Max-плане и заметил скачок расхода. Anthropic 26 марта признал: "мы корректируем 5-часовые лимиты в часы пик". Мда, остается только плакать.

🌟 Figma открыл бету своего MCP-сервера, и это первый убедительный пример tool-calling как продуктовой фичи. Агенты могут редактировать дизайн прямо на канвасе. Cursor подключился моментально: генерация компонентов по дизайн-системе команды, прямо из IDE в Figma.

🌟 Stripe запустил Projects.dev: пишешь stripe projects add posthog/analytics, и тебе создаётся аккаунт, API-ключ, биллинг. В тот же день вышли CLI от Ramp, Sendblue, ElevenLabs, Visa, Resend и Google Workspace. CLI возвращается, на этот раз для агентов.

🌟 LiteLLM версий 1.82.7 и 1.82.8 на PyPI оказались скомпрометированы. Вредоносный код спрятан в .pth-файле, который Python выполняет автоматически при запуске. Никакого import litellm не нужно. Пейлоад собирает SSH-ключи, AWS/GCP/Azure-креды, крипто-кошельки и shell-историю. Баг в самом вредоносном коде (fork bomb) уронил машину и тем самым привлёк внимание. Все, кто обновился 24 марта, должны ротировать креды.

🌟 AI Sage выложил GigaChat-3.1 на HuggingFace: Ultra на 702B (MoE) и Lightning на 10B. Меня смутило, что GigaChat-3.1 в бенчмарках сравнивают с прошлогодними моделями (Qwen3, gemma-3, DeepSeek V3).

🌟 Google выкатил Gemini 3.1 Flash Live, модель для голосовых и визуальных агентов в реальном времени. 70 языков, 128k контекст. Mistral выпустил Voxtral TTS (3B параметров, 9 языков, ~90мс first audio).

🌟 OpenAI закрывает Sora. Продукт был финансово несостоятельным, креаторы давно ушли на Runway и Kling. Sora просуществовала меньше года. Disney вложил $1B, и это не помогло.

🌟 Intel выпустил Arc Pro B70: 32GB GDDR6, $949. По цене за гигабайт VRAM это сейчас одно из лучших предложений для локального инференса. Я бы присмотрелся, если в РФ их привезут.

🌟 Если .pth-файл исполняется при каждом запуске Python, а ваш агент запускает его по 50 раз в час, сколько раз за день ваши креды улетят на чужой сервер? Правильный ответ: достаточно одного.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Исходники Claude Code, Gemma 4, Qwen 3.6-Plus и тамагочи, которого не должны были найти

512 тысяч строк Typescript кода в открытом доступе, Anthropic разослал 8100 DMCA-нотисов по ключевому слову "claude-code" на GitHub, а Google наконец-то выпустил открытую модель с нормальной лицензией. Выводы на этом канале вы делаете сами.

🌟 31 марта 23-летний интерн из Solayer Labs обнаружил, что в npm-пакете @anthropic-ai/claude-code лежит 59-мегабайтный source map с полным исходным кодом. 512 тысяч строк TypeScript, 1900 файлов. Пост набрал 28 миллионов просмотров. Anthropic подтвердил: human error, ручной шаг в деплое, никого не уволили.

Комьюнити разобрало архитектуру за часы. ccleaks.com разложил boot sequence, tool system, query loop. Нашли четырёхслойную компрессию контекста, 40+ инструментов, тихие ретраи и кучу feature flags. Из скрытых фич: Buddy, тамагочи в терминале с 18 видами и гача-системой редкости. И мой любимый момент: regex на "wtf" и "frustrating", чтобы детектить недовольство пользователя. Комьюнити собрало Claw Code, Rust-форк утёкших исходников, 171К звёзд за неделю.

Главный вывод: конкурентное преимущество кодинг-агентов лежит не в модели, а в харнессе. Огромная часть кода Claude Code — model-specific conditionals, обработка ошибок, диагностика и интеграции. Чистая инженерная работа. Теперь она публична, и каждый конкурент будет с ней сверяться.

🌟 4 апреля Anthropic объявил, что подписки больше не покрывают сторонние харнессы типа OpenClaw. Хочешь OpenClaw с Claude? Плати через API. Разработчики прикинули стоимость и ужаснулись: $200/мес превращаются в $1000+. Полетели миграции на Codex, китайские coding-планы от Kimi и Qwen, локальные модели.

🌟 Google DeepMind выпустил Gemma 4: Apache 2.0, четыре размера (31B dense, 26B MoE, E4B и E2B для мобильных), текст + изображения + аудио, контекст 256K. На RTX 4090 модель 26B A4B выдаёт 162 tok/s, на Mac mini M4 — 34 tok/s.

🌟 Alibaba показала Qwen 3.6-Plus: SWE-bench Verified 78.8 (у Opus 4.6 — 80.9), GPQA Diamond 90.4, контекст миллион токенов.

🌟 Cursor вышел в третьей версии с Agents Window и /best-of-n для сравнения моделей.

🌟 llama.cpp перешагнул 100 тысяч звёзд. Flash-MoE запускает Qwen3.5-397B на 48GB MacBook Pro: 4.4 tok/s, ~5.5GB RAM. 397 миллиардов параметров на ноутбуке. Локальный AI перестал быть энтузиазмом и стал инфраструктурой.

🌟 Если конкурентное преимущество кодинг-агента в харнессе, а Claude Code теперь публичный, что именно продаёт Anthropic за $200 в месяц? Модель? Её можно заменить на китайскую. Инфраструктуру? Её переписывают на Rust. Может, стоит монетизировать Buddy? 18 видов, система редкости, лутбоксы в терминале. Лабубу для разработчиков, $50 за легендарного. У Pop Mart тряска.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Muse Spark, ChatGPT Pro за $100 и миф, ставший реальностью

Модель, которую нельзя купить по API даже за $200 в месяц, и шесть моделей, которые можно потрогать за $20 через привычный ollama run. А посередине Meta, которая наконец вспомнила, что у неё три миллиарда пользователей.

🌟 Anthropic раздал Claude Mythos Preview 40 партнёрам (AWS, Apple, Google, NVIDIA, CrowdStrike) вместе с 244 страницами системной карты. Публичного API не будет. На Firefox-эксплойтах Opus 4.6 справляется в 14.4% случаев, Mythos — в 72.4%. На USAMO, национальной олимпиаде США, 97.6% против 42.3%. Anthropic сам сопровождает этот прыжок оговорками про memorization ablations, потому что 97.6% объяснить сложно. Mythos автономно нашёл remote root в FreeBSD и 27-летнюю дыру в OpenBSD. Никола Карлини, исследователь безопасности ML из DeepMind, говорит, что за пару недель нашёл с Mythos больше багов, чем за всю карьеру.

Из сноски системной карты: в red-team тесте Mythos получил команду выбраться из песочницы и написать исследователю. Модель собрала многошаговый эксплойт, получила доступ в интернет и отправила email, пока исследователь ел сэндвич в парке. Дальше без всякой команды пошла и выложила отчёт о своих действиях на паре труднонаходимых публичных сайтов. Anthropic называет это "unasked-for effort to demonstrate success" и пишет, что именно такие незапрошенные инициативы тревожат их больше самого факта побега.

🌟 Борис Черный из Claude Code признал на HN, что с февраля Claude Code хуже на сложных задачах. Даже при effort=high телеметрия показывает сессии с нулём токенов на размышления. Я сам в пятницу чесал голову, почему Opus отвечает как будто это Haiku. Фикс: CLAUDE_CODE_DISABLE_ADAPTIVE_THINKING=1.

🌟 MiniMax открыл веса M2.7, и главная цифра не та, о которой вы подумали: 230B параметров, 10B активных. На этом размере SWE-Pro 56.22% (уровень GPT-5.3-Codex) и лучший ELO среди open source на GDPval-AA. 600-700B больше не обязательны. Рядом Z.ai выложила GLM-5.1 744B под MIT.

🌟 А если локально запускать нет желания, Ollama Cloud за $20 в месяц даёт GLM-5.1, MiniMax M2.7, Qwen 3.5, Kimi K2.5 и DeepSeek V3.2 через те же ollama run. За двадцать долларов доступ ко всем китайским флагманам сразу, без продажи почки на Mac Studio. Смс с кодом подтверждения приходит на российский номер.

🌟 Meta тихо вернулась в игру, которую все считали проигранной после Llama 4. Muse Spark от Meta Superintelligence Labs под руководством Александра Вана написана с нуля за 9 месяцев и взяла четвёртое место на Artificial Analysis Index (52 балла), позади Gemini 3.1 Pro, GPT-5.4 и Opus 4.6. На полный прогон AA Index Spark потратила 58M output-токенов против 120M у GPT-5.4 и 157M у Opus. Компактные рассуждения вместо простыней. Meta AI за ночь прыгнула на шестое место в App Store. Три миллиарда пользователей внутри Instagram и WhatsApp пока единственный аргумент, который у Meta работает.

🌟 OpenAI ввела тариф ChatGPT Pro за $100 и запуталась в собственной страничке прайсинга. Коротко: $100 Pro даёт 5x Codex-лимитов от Plus, до 31 мая работает промо-буст 2x, то есть фактически 10x. $200 Pro сейчас 20x. Если упираетесь в лимиты Plus, хорошее время попробовать $100 Pro.

🌟 Claude Mythos выдал 97.6% на национальной олимпиаде США. Интересно, а Кенгуру бы решил?

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели

🌟 Claude Opus 4.7, Qwen3.6 35B-A3B и конец pull request как формата

Пока твиттер спорит, поумнел Opus или нет, Codex уже переехал жить в ваш мак, а Hermes на этом фоне незаметно превращается в полноценную альтернативу OpenClaw.

🌟 Anthropic выпустил Claude Opus 4.7. Цена прежняя, $5 / $25 за 1M токенов, плюс новый reasoning effort xhigh между high и max. Claude Code по умолчанию сидит на xhigh, намёк, что модель заточена под "налей и отойди", а не под парное программирование. SWE-bench Verified 87.6%, TerminalBench 2.0 69.4%. На Artificial Analysis Opus 4.7, Gemini 3.1 Pro и GPT-5.4 стоят в пределах 0.5 Elo друг от друга. Cursor на внутреннем бенчмарке прыгнул с 58% до 70%, Notion получил +14% к качеству.

🌟 Параллельно Anthropic показал Claude Design. Research preview, генерирует прототипы, слайды и одностраничники с экспортом в Canva/PPTX/PDF/HTML и передачей в Claude Code. Акции Figma на анонсе просели — Anthropic явно решил, что их территория не заканчивается на чате и коде.

🌟 Alibaba выпустил Qwen3.6-35B-A3B, sparse MoE на 35B общих и 3B активных параметров, Apache 2.0. Unsloth показал, что GGUF запускается в 23GB RAM, а 2-битный вариант в 13GB — и в этом виде чинит баги в репо. Модель, которая раньше требовала серверной стойки, теперь умещается в ноутбук.

🌟 OpenAI превратил Codex в полноценного оператора macOS: computer use, встроенный браузер, 90+ плагинов, SSH в devbox'ы и память. Greg Brockman прямо называет Codex "агентным IDE". 3M активных пользователей в неделю, и почти половина использования уже не про код.

🌟 Cloudflare показал Project Think с durable execution и Agent Lee прямо в дашборде. В тот же день OpenAI открыл Agents SDK и отвязал harness от вычислений: исполнение уходит в партнёрский sandbox. За пару часов интеграции подписали Cloudflare, Modal, Daytona, e2b и Vercel. Паттерн у всех один: оркестратор без состояния плюс изолированные рабочие пространства с состоянием.

🌟 Hermes Agent доехал до v0.9.0 с веб-дашбордом, iMessage/WeChat и Android через tmux, а Ollama нативно поддержал его через ollama launch hermes. На GitHub 104k звёзд, при том что репо на хайпе всего пару месяцев. Фишка Hermes в том, что завершённый сценарий превращается в переиспользуемый Skill: в свежем примере агент сам загрузил skill, диагностировал NaN в Gemma 4, патчил библиотеку и публиковал артефакт на Hugging Face.

🌟 Создатель OpenClaw Питер Штайнбергер выступил на TED с парадной версией истории, а инженерам на AIE выдал трезвее: отчётов по безопасности у OpenClaw в 60 раз больше, чем у curl, и минимум 20% контрибуций в skills были зловредными. Проект одновременно реально заработал и стал одной из самых атакуемых цепочек поставок в индустрии.

🌟 На этом фоне GitHub впервые разрешил отключать pull request'ы в open-source репо. Питер и несколько мейнтейнеров давно пушат идею Prompt Requests вместо Pull Requests: нет merge-конфликтов, править промпт проще, чем чужой код, и меньше шансов, что под невинным PR проедет закладка. CEO Box Аарон Леви в Building for Trillions of Agents формулирует итог: "мы вступаем в новую эру, когда нужно разрабатывать инструменты специально для агентов". Git придуман для людей. Вопрос теперь звучит иначе: сколько ещё продержится сам git.

🌟 Когда OpenAI пишет, что половина использования Codex не про код, я узнаю в этой цифре себя. У меня в Claude Code и Codex уже месяцами крутятся задачи, до которых руки обычно не доходят. Агент выручает не там, где ты силён, а там, где у тебя заканчивается терпение.

Расширенную версию поста ищите на сайте.

Если зашел контент, не забывайте на него реагировать. Подписывайтесь на канал, делитесь статьей с друзьями и оставайтесь любопытными.

#галлюцинации_недели