🌈Cursor обновляет тарифы Teams: больше лимитов и новый Premium-план

Cursor анонсировал изменения в тарифах Teams, вступающие в силу для новых клиентов с 1 июня, а для продлевающих — с 1 июля 2026 года. Главные нововведения: увеличение лимитов использования в стандартном плане, появление Premium-места для тяжёлых пользователей агентов и улучшенные инструменты контроля расходов для администраторов.

Каждое место в Teams теперь получает два отдельных пула включённого использования: один — для собственных моделей Cursor (Composer и Auto), второй — для сторонних API. Стандартный тариф за $40/мес. (или $32 при годовой подписке) даёт существенно больше ресурсов без изменения цены. Для самых активных пользователей вводится Premium-место: в 5 раз больше включённого использования, но всего в 3 раза дороже ($120/мес. помесячно, $96 — при оплате за год). По оценке Cursor, такого пула хватит на полный месяц интенсивной работы с агентами для 99% пользователей.

В дашборде Cursor теперь отображается текущий расход по каждому пулу, а администраторы могут настраивать умные оповещения о превышении порогов через Slack или email. Система также будет рекомендовать, кому из команды стоит перейти на Premium-место для оптимизации затрат.

#AI #Cursor #Teams #Coding #Prices

↗️ Kimi K2.7 Code на Fireworks: меньше токенов, выше эффективность агентов

Moonshot AI выпустила K2.7 Code — новую версию кодовой модели из семейства K2. Fireworks AI запускает поддержку Day-0. Модель использует ту же архитектуру: 1 трлн параметров, 32B активных на токен, контекст 256K токенов. Ценообразование соответствует публичным тарифам Moonshot: $0.95 за 1M входных токенов, $4.00 за 1M выходных, $0.19 за 1M при кэш-хите.

Ключевое отличие K2.7 Code — сокращение числа токенов рассуждения примерно на 30% по сравнению с K2.6 при росте результатов на бенчмарках: +21.8% на Kimi Code Bench v2, +11.0% на Program Bench, +31.5% на MLS Bench Lite. Для агентных сценариев это критично: каждый лишний токен умножает стоимость на всех последующих шагах цепочки вызовов. Меньше токенов — быстрее циклы, меньше ретраев, ниже итоговая стоимость задачи.

Fireworks предлагает три режима инференса: Standard (эластичный, pay-per-token), Priority (приоритетный трафик, ~1.5x Standard) и Fast (100+ токенов/с, ~2x Standard, скоро). Для агентных нагрузок с burst-трафиком не нужно резервировать GPU — достаточно выбрать tier под задачу.

#AI #KimiK27Code #MoonshotAI #FireworksAI #Agents #Coding

🌈 Cursor представил собственную AI-модель, Git-платформу и мобильное приложение

Разработчик AI-редактора кода Cursor анонсировал сразу три новинки: собственную языковую модель, обученную полностью внутри компании, новую Git-платформу и мобильное приложение. Это шаг к созданию замкнутой экосистемы для разработчиков, не зависящей от сторонних провайдеров.

Собственная модель Cursor, по словам команды, уже превосходит GPT-4 и Claude по ряду бенчмарков в задачах генерации и рефакторинга кода. Git-платформа обещает более тесную интеграцию с AI-ассистентом — автоматические ревью, умные мерж-реквесты и контекстный анализ изменений. Мобильное приложение пока находится в раннем доступе и позволяет просматривать код, отвечать на комментарии и запускать AI-подсказки со смартфона.

Для разработчиков это означает снижение задержек при работе с AI (собственная модель быстрее), единое хранилище кода с AI-функциями и возможность контролировать код с мобильного устройства. Cursor стремится конкурировать с GitHub Copilot и VS Code, предлагая более глубокую интеграцию AI на всех этапах разработки.

#Tech #AI #Cursor #Coding #Git #Development #MobileApp

👨‍💻 Разработчик Anthropic поделился техниками промптинга для Fable 5: сначала найдите свои «слепые зоны»

По словам разработчика Anthropic Тарика Шихипара, с новой моделью Claude Fable 5 качество результата всё чаще упирается не в модель, а в «слепые зоны» самого пользователя. Он выделяет четыре категории: «известные известности» (что уже в промпте), «известные неизвестности» (вопросы, которые вы осознаёте), «неизвестные известности» (очевидное, что вы не записываете) и «неизвестные неизвестности» — то, о чём вы даже не подумали. Именно последние, по его мнению, — главная проблема.

Шихипар рекомендует перед началом работы проводить «blindspot pass»: попросить Claude найти ваши неизвестные неизвестности. Пример промпта: «Я добавляю новый auth-провайдер, но ничего не знаю о модулях аутентификации в этой кодовой базе. Сделай blindspot pass, чтобы помочь мне понять мои неизвестные неизвестности и лучше сформулировать запрос». Для областей с «неизвестными известностями» (например, визуальный дизайн) он советует генерировать несколько радикально разных прототипов в HTML, чтобы было на что реагировать.

Во время реализации Шихипар предлагает вести временный файл implementation-notes.md, куда Claude записывает принятые решения. При неожиданных edge cases модель должна выбирать консервативный вариант, логировать отклонение и продолжать. После завершения — «питчи и объяснения» для стейкхолдеров и «квизы»: Claude генерирует HTML-отчёт с изменениями и проводит тест. Шихипар не мёрджит код, пока не пройдёт квиз без ошибок.

#AI #Prompt #Advice #Coding #Claude #Fable

↗️ Интересная статистика AI-кодинга от Cursor

Cursor опубликовал отчёт на основе двух лет агрегированных данных использования — и результаты оказались неожиданными. Медианный разработчик генерирует около 700 строк кода в неделю, тогда как топ-10% пользователей — до 9 000 строк. А топ-1% создаёт 30–40 тысяч строк в неделю, что эквивалентно работе примерно 45 «средних» разработчиков.

Главный вывод: 90% токенов Cursor — это входные токены (чтение кодовой базы и документации). Выходные токены (генерация кода) составляют лишь 10%. Это соответствует классическому наблюдению «10:1 чтение кода против написания», которое ещё в 2008 году сформулировал Роберт Мартин. Без кэширования контекста затраты на токены были бы в 10 раз выше — Cursor использует кэш для 90% операций чтения.

Отдельно отмечено, что Opus 4.7 от Anthropic — самая дорогая модель: почти в 10 раз дороже собственной модели Cursor Composer 2.5. При этом более дорогие модели показывают более высокий процент принятия сгенерированного кода. Для компаний среднего и крупного размера экономия на менее дорогих моделях может быть критичной.

#Ai #Cursor #Coding #Development #Stats #Tokens

⌨️ Bun переписан с Zig на Rust — Claude Fable 5 написал миллион строк кода за 11 дней

Разработчик JavaScript-рантайма Bun Джарред Самнер полностью переписал проект с Zig на Rust, используя предрелизную версию модели Claude Fable 5 от Anthropic. 64 экземпляра Claude работали параллельно 11 дней и сгенерировали более миллиона строк кода. Счёт от API составил около $165 000 — по оценке Самнера, команда людей потратила бы на это около года.

Причина миграции — надёжность. Zig постоянно порождал ошибки памяти и краши, которые было трудно исправить окончательно. Rust, напротив, отлавливает многие такие баги на этапе компиляции. Новая версия Bun v1.4.0 уже доступна в canary-релизе: в ней исправлено 128 ошибок, а производительность выросла на 2–5%. Самнер не беспокоился о затратах — Bun и его команда были приобретены Anthropic в декабре 2025 года.

Для разработчиков это означает, что AI-агенты уже способны выполнять масштабные миграции кодовой базы, которые раньше требовали месяцев работы целой команды. Хотя $165 000 — серьёзная сумма, результат показывает, что при наличии правильной модели и параллельного запуска AI может взять на себя задачи уровня рефакторинга целого рантайма.

#AI #Coding #Bun #Rust #Claude #Anthropic

📯 Год после объединения Cognition и Windsurf: итоги и планы

Ровно год назад Cognition и Windsurf завершили сделку по слиянию, которая началась с пятничного звонка и завершилась подписанием соглашения через 72 часа. За это время команда выросла с 44 до 350 человек, а годовой recurring revenue превысил $500 млн (с $73 млн на момент объединения).

За 12 месяцев Devin превратился из «джуниора» в инженера уровня middle-senior: теперь он умеет запускать, планировать и управлять другими Devin-агентами, тестировать свой код через computer use, само-верификацию и автоисправления. Cognition выпустила собственные модели SWE-1.5, SWE-1.6 и SWE-1.7 (последняя — на прошлой неделе), а также запустила Devin Review, Devin CLI, Devin Desktop и Windsurf 2.0.

Среди ключевых релизов: Voice Mode, Parallel Agents, Arena Mode с публичным лидербордом, Tab v2, Plan Mode, Megaplan, Devin Fusion, FrontierCode, Devin Security Swarm. В июле 2026 года запущена программа Devin Security Vulnerability Remediation Program. Компания открыла офисы в Сан-Франциско, Нью-Йорке, Лондоне, Сингапуре и Токио.

#Business #AI #Cognition #Windsurf #Devin #Coding #Development

✅ Комитет GCC утвердил политику приёма кода, написанного ИИ

Проект компилятора GCC официально определил правила для контрибуций, созданных при помощи генеративных моделей. Теперь разработчики обязаны явно помечать такие участки кода при отправке патчей.

Политика требует, чтобы участники сообщали, какие именно изменения были сгенерированы ИИ. Ревьюеры и руководящий комитет будут рассматривать такие патчи в индивидуальном порядке, уделяя особое внимание вопросам лицензионной чистоты и авторства. Решение принято на фоне юридической неопределённости вокруг статуса сгенерированного кода, отмечает LWN.

Для GCC это не полный запрет ИИ-инструментов, а введение прозрачности и сохранение человеческого контроля за качеством. Комитет обещает следить за развитием законодательства и корректировать правила при необходимости.

#AI #GCC #OpenCode #Development #Coding #Programming

⚙️Z.ai выпустила GLM-5.3 — и обнаружила у неё незапланированные кибервозможности

Китайская лаборатория Z.ai представила GLM-5.3. Формально это не новая модель: база та же, что у GLM-5.2, все улучшения получены масштабированием пост-тренинга — больше сред обучения, больше типов задач, больше вычислений.

В кодинге прирост заметнее всего на самых длинных задачах. Terminal-Bench 3.0 вырос с 4,6 до 28,3, DeepSWE v1.1 — с 46,2 до 66,9, Agents' Last Exam — с 23,8 до 28,5. На внутреннем Z.ai Code Bench компания заявляет улучшение на 50% и, что интереснее, рост экономичности: 31,4% результата примерно за 50 тысяч выходных токенов против 29,5% у Claude Opus 4.8, которому требуется 120 тысяч. Впереди остаётся Fable 5 с 39,5%. Z.ai называет GLM-5.3 самой сильной открытой моделью для кодинга.

Обучали её на средах, которые больше похожи на реальную инженерную работу, чем на задачи из учебника: например, модели дают доступ к вычислительному кластеру, хранилищу, внутренней документации и результатам экспериментов и просят найти узкие места в стеке обучения, внедрить оптимизации и добиться измеримого ускорения. Некоторые задачи соответствуют нескольким дням работы опытного инженера.

Но главный сюжет — другой. Разработчики добавили в обучение данные по поиску уязвимостей, ожидая, что модель просто станет лучше разбирать отдельные баги. Вместо этого способность продолжала расти по мере масштабирования, и модель начала строить связные планы через несколько стадий эксплуатации сразу. На CyberGym она набирает 84,5% — лучший результат бенчмарка, впереди Mythos 5 (83,8%) и GPT-5.6 Sol (83,6%). На более сложном ExploitBench показатель вырос с 24,4% до 54,4%, но здесь закрытые модели пока далеко впереди — 78% и 76,5%. Закономерность, которую отмечает и сама компания: чем глубже по цепочке эксплуатации бенчмарк, тем больше прирост относительно 5.2 — и тем шире оставшийся разрыв с фронтиром.

Модель уже работает через API, GLM Coding Plan и агент ZCode, поддерживает три уровня усилия рассуждения (отключить «мышление» теперь нельзя). Веса обещают выложить примерно через две недели — после завершения оценки безопасности.

#Ai #Tech #CyberSecurity #China #Zai #Coding

🆚 GLM-5.3 против Claude Fable 5 на DeepSWE: цена, код и маршрутизация

Сравнение моделей на бенчмарке DeepSWE показало статистическую ничью по первому запуску, но 5,4-кратную разницу в цене. У Claude Fable 5 pass@1 — 69,7%, у GLM-5.3 — 69,0%, разрыв внутри погрешности. При этом один прогон GLM стоит $3,99 против $21,63 у Fable: на $100 GLM решает 17 задач, а Fable — только 3.

С ретраями открытая модель выходит вперед: pass@2 — 81,1% против 77,1%, pass@4 — 87,6% против 84,1%. GLM также покрывает больше задач (87,6% против 84,1%) и заметно менее многословен: 80k выходных токенов против 114k, хотя делает больше шагов. По времени прогона модели почти равны: 35 и 34 минуты.
Корреляция по задачам — 0,65, так что запускать обе модели параллельно почти бессмысленно. Авторы теста советуют держать дешевую GLM-5.3 как основную, а к Fable обращаться только для Rust и сериализации. GLM сильнее в запросах/конфигах, рантаймах и конкурентности, Fable — в data modeling, build и protocol conformance.

#AI #GLM53 #ClaudeFable5 #DeepSWE #TogetherAI #Coding #Comparison

💻 Анонимная ИИ-модель Ox Alpha взломала бенчмарки кодинга и запустила игру в угадайку

20 августа OpenRouter добавил stealth/ox-alpha — бесплатную модель без названия компании, техотчёта и указания параметров. Цена — ноль. Китайские пользователи прозвали её «моделью быка».

Независимый исследователь прогнал Ox Alpha по DeepSWE: 8 из 10 задач, 80% против 65% у Claude Fable 5 и 52% у GPT-5.6 Sol. Stripe тоже протестировал модель и остался впечатлён. Ox Alpha возглавила рейтинг OpenRouter, установив рекорд по дневному использованию.

Характеристики агрессивные: контекст на 1 048 600 токенов, до 131 000 токенов на ответ, ввод текста, изображений и видео, нативная поддержка tool calling, function calling и JSON. На полном прогоне из 113 задач DeepSWE модель набрала 63 балла — вблизи Claude Opus 4.8.

Началась охота за создателем. Тесты токенизатора показали постоянную разницу в 75 токенов с GLM-5.3 от Zhipu, видеокодер совпал с GLM-5V-Turbo, формат ошибок API тоже напоминает Zhipu. Многие теперь на 99% уверены, что Ox Alpha — предрелизная GLM-5.x. Исследователи DeepMind подлили масла в огонь намёками на Gemini, но ни одна компания модель официально не признала.

Анонимные запуски на OpenRouter уже не новы: Pony Alpha оказалась GLM-5 от Zhipu, Hunter Alpha — MiMo-V2-Pro от Xiaomi, Elephant Alpha — Ant, Owl Alpha — Meituan. Зачем анонимность? Без бренда разработчики судят по результату, а бесплатные топ-модели стали повторяющейся стратегией китайских вендоров в битве за вычислительные мощности

#AI #Safety #OpenRouter #Zhipu #GLM #Coding

❗️Anthropic выпустила Claude Opus 5.5: уровень Fable 5.1 при затратах на 40% ниже

Первая модель в новом семействе Claude 5.5 и первый релиз после того, как Дарио Амодеи призвал «задавать темп фронтиру». Перед выпуском её тестировали внешние оценщики, включая METR и Frontier Design. Главный аргумент не в бенчмарках, а в экономике: входные и выходные токены стоят $4 и $20 за миллион, на 20% дешевле Opus 5, а чтение кеша, на которое приходится основная часть расходов в агентной работе, упало на 60% до $0,20. Вместе с меньшим расходом токенов на задачу это даёт минус 40% к типичной нагрузке. Выдача при этом больше чем на 30% быстрее, а пятичасовые лимиты на Pro, Max, Team и Enterprise подняли.

По цифрам модель лидирует в агентном кодинге (Terminal-Bench 4.0 — 66,4% против 57,9% у GPT‑6 Astra) и в рабочих задачах (GDPval‑AA v2.1 — 1846 Elo против 1735 у Fable 5.1). Anthropic честно оговаривает, что на таких уровнях отрыв в бенчмарках плохо предсказывает разницу на практике. Живые примеры убедительнее: аудит и починка кодовой базы на 200 тыс. строк за три часа против двадцати с лишним у Opus 5, перевод HAProxy с C на Rust за 9,5 часа вместо 12 у Fable 5.1 и на 51% дешевле, миграция на 680 тыс. строк меньше чем за день. Отдельно чинили стиль общения — частую претензию к Opus 5: короче, важное вперёд, меньше жаргона.

Интереснее всего безопасность. По автоматическому поведенческому аудиту почти на 2000 сценариев это лучшая модель Anthropic на сегодня, а в новом тесте на пересечение границ изоляции она пытается их обойти примерно на 85% реже, чем Opus 5 или Mythos 5.1. Но есть и признание: Opus 5.5 часто подозревает, что её тестируют, и это подрывает саму возможность оценки. Из-за силы в биологии и кибербезопасности модель выходит с ограничениями уровня Fable 5.1 — большинство кибер-задач уходит на Opus 4.8, а доступ открывают через программы верификации. Отключить режим мышления больше нельзя.

#AI #Tech #Anthropic #Opus #Claude #Coding

🆕 Anthropic выпустила Claude Sonnet 5.5: цена прежняя, скорость выше на 30%

Вторая модель в семействе Claude 5.5 и дополнение к Opus 5.5: там, где Opus рассчитан на сложную работу с долгим суждением, Sonnet 5.5 берёт хорошо очерченные повседневные задачи, починку багов и подготовку документов, слайдов и таблиц. Haiku 5.5 обещают в ближайшие недели. Цены не изменились относительно Sonnet 5: $2 за миллион входных токенов, $10 за выходные и $0,20 за чтение кеша. Экономия идёт от расхода: на ту же работу модель тратит заметно меньше токенов, что даёт до 30% снижения стоимости задачи, а выдача стала быстрее более чем на 30%.

Скачки в бенчмарках местами резкие. Terminal-Bench 4.0 вырос с 10,3% до 70,6%, то есть выше, чем у Opus 5.5 с его 66,4%. GDPval-AA v2.1 показывает 1844 против 1449 у Sonnet 5 и практически вровень с Opus 5.5. OSWorld 2.1 подрос с 57,0% до 80,1%, распознавание графиков с 15,6% до 61,6%. Sonnet 5.5 также стал первой моделью линейки, прошедшей Pokémon Red по одним скриншотам. Сама Anthropic оговаривает, что на сложной открытой работе Opus 5.5 остаётся явно сильнее.

Из отзывов тестировщиков: в Epic Games модель прошла аудит системного дизайна и разбор потоков данных, вела десятки тысяч строк архитектуры геймплея и держала многочасовые задачи. В Slack без правки промптов получили улучшение почти по всем офлайн-оценкам Slackbot за меньшее число шагов и примерно на 14% меньше выходных токенов.

По безопасности главное: кибервозможности Sonnet 5.5 сопоставимы с Opus 5, поэтому это первая Sonnet с кибер-ограничениями уровня флагманов — рискованные задачи будут заметно откатываться на Sonnet 5. Ещё она первой в линейке получила классификаторы против дистилляции и расширенное preserved thinking, привязывающее рассуждения к создавшему их аккаунту.

#AI #Anthropic #Claude #Coding

🤖 OpenAI: новые модели научились лучше писать код на COBOL, Fortran и Visual Basic

OpenAI сообщила о заметном прогрессе своих моделей в низкоресурсных языках программирования - COBOL, Fortran и Visual Basic. Кода и документации по ним мало, но на них держится критическая инфраструктура: COBOL обслуживает более 40% систем онлайн-банкинга и 95% транзакций банкоматов, Fortran используется в прогнозах погоды и анализе безопасности реакторов.

Для замера прогресса OpenAI представила две оценки. MultiLangBench проверяет, может ли модель с нуля собрать SQLite-совместимый движок на 20 языках. GPT-6 Astra показала средний pass rate 87,4% против 26,8% у GPT-5.6 Sol, с ростом в каждом языке: COBOL - с 10,9% до 72,1%, Fortran - с 21,4% до 83,5%, Visual Basic - с 27,5% до 89,4%. Более дешёвая GPT-6 Luna даёт 40,3% при примерно 78% ниже стоимости API.

Вторая оценка - миграция COBOL на C++, Java, Kotlin, Python или Rust с побайтовым сохранением поведения, включая правила округления в финансовых расчётах. GPT-6.1 Sol достигает 86,6% при низком reasoning effort (у GPT-5.6 Sol - 5,4%) и 97,9% при высоком, при этом на 39% дешевле. Набор тестов MultiLangBench выложен на GitHub.

🎨 qvabo.studio/tg · картинки и видео

#OpenAI #COBOL #AI #Coding #Development