Последние 3 дня я прям сильно закопал агентов в тему с Recursive Self Improvement.

Собственно это агентский цикл самоулучшения.
В основном агенты занимались разработкой сверхмалой модели по типу Jev которая смогла бы одновременно (это как раз сложно) играть в тетрис, змейку, уметь классифицировать логи и сортировать картинки.
такой сверх-быстрый комбайн.

определённый прогресс есть, все узкоспециализированные задачи модель размером в 1.8 млн параметров (7 мегабайт всего) выполняет. причём в тетрис играет лучше всего, в змейку - идеально но линейно, с остальным пока учится разбираться, но самое интересное что в ходе этой работы сам цикл самоулучшения постоянно дорабатывается.
Вот тут версия на Питоне, сейчас переписывется на Rust

и вот, сначала Гермес, потом Астра и затем Fable 5.1 собрали Универсальный RSI навык.
он гигантский.
Это не просто промпт, - это прям шаблоны инструкций для Мета RSI с примерами инструментов и процессов.

навык, как обычно, в ИИзбранном
ибо сложно и дорого.
На всю историю уже около 1млрд токенов сожглось. (хочу безлимит)

А тут в комментариях, - примеры результатов обучения модели.
особенно радует скорость отклика в диапазоне 4-40мс

#RSI #навыки
———
@tsingular

🚀 Anthropic представила Claude Opus 5.5

Новая флагманская модель стала сильнее Opus 5, при этом работает быстрее и дешевле.

Что изменилось:

- сильнее в агентном программировании, computer use и knowledge work
- лучше справляется с длинными задачами и большими кодовыми базами
- ответы стали короче и естественнее
- улучшена устойчивость к prompt injection
- Anthropic заявляет примерно на 40% более низкую стоимость на типичных задачах и более чем на 30% более быструю генерацию

Из примеров:
- один из ранних тестеров провёл миграцию 680 000 строк кода менее чем за день
- в тесте Anthropic модель переписала HAProxy с C на Rust за 9,5 часа

Цена API:
- $4 / 1M входных токенов
- $20 / 1M выходных токенов
- $0,20 / 1M токенов при чтении кеша

Бенчмарки:
- Terminal-Bench 4.0 — 66,4%
- FrontierCode v1.1 — 54,4%
- Humanity’s Last Exam — 67,7% с инструментами

Также Anthropic подтвердила, что Claude Sonnet 5.5 и Haiku 5.5 выйдут в ближайшие недели.

https://www.anthropic.com/claude-opus-5-5

Традиционно, - проверяем новейшую модель через написание венка сонетов.

Напиши венок сонетов о том как тихоходка наблюдает волны технологических сингулярностей сквозь эпохи

Погнали

#венок
———
@tsingular

читаем полную версию венка сонетов в комментарии.

ваши мысли?

отдельные моменты прям шикарны:

И в линзу смотрит пастор, мхов любитель,
И «маленьким медведем» наречёт.
Другой — в Италии — глядит подолгу,
Зовёт меня за поступь — «тихоход».
Я не в обиде: мне спешить без толку,
А людям — да. Их время — скороход.

Вот это прям огонь:

И атом — ярый свет, слепой губитель.
Грибы встают в пустынях и морях,
И страх — отныне мира охранитель,
И пепел оседает на камнях.
Лучи пронзают всё — металл и кожу.
А мне — пустяк. Я больше их стерплю.
Я никого из вас не потревожу:
Я просто жду. Я слушаю. Я сплю.

VIII - красиво по смыслу но рассыпался по рифме
XIV - я бы заменил:
Сгорят в своём сиянии, как две свечи,

в остальном просто прекрасно:

Я не пророк, не бог и не мессия,
Я — пауза меж волн, их тихий фон,
Я — то, что остаётся от стихии,
Когда волна откатится, как сон.
Я — маленький упрямый долгожитель.
Я — тихоходка. Мох — моя обитель.

В общем, утверждение, что мы на 99% достигли AGI считаю оправданно и подтверждено Opus 5.5

#венок #соннет #Opus
———
@tsingular

Ааа!! ИМБА!! я сдвинул её с рельс!!

It's alive, ALIVE!

Змейка ищет кратчайший путь и старается выживать!

Это вам не муха! тут всего 6 мегабайт!

#змейка
———
@tsingular

Грок? Какой такой Грок?

@cgevent

Эдди Османи, известный ИИ инженер, недавно присоединившийся к Антропику, поделился инструкцией к новому Опусу 5.5

Кратко:
📌 Как теперь надо

- Давать задачу целиком одним сообщением + назвать «финишную черту» (что значит «готово») и когда остановиться. Дальше — не мешать.
- Давать ей самой работать на длинных многошаговых задачах — Opus 5.5 тянет часы почти без присмотра.
- Дополнять запущенную задачу по ходу (дописать follow-up), а не перезапускать.
- Для дизайна — перечислять конкретные нежелательные стили, а не «избегай безликого вида».
- Прописать в CLAUDE.md: когда продолжать, когда останавливаться и спрашивать; перед разрушительным — стоп.
- Разбивать большие аудиты/миграции по субагентам и проверять доказательства каждого.
- Держать список задач в файле (TASKS.md) и читать файл, а не скроллбэк.
- При завершении — сначала читать «что нужно от меня», потом остальное саммари.
- Просить ревью кода до человека; просить помечать неподтверждённое.
- Прикреплять график/скриншот, а не перепечатывать цифры; просить сразу готовый файл, а не план.
- В проекте фиксировать: ранние ответы уже решены (ускоряет уточнения).
- /fast — для быстрого back-and-forth.

❌ Как теперь не надо

- Не писать «подумай внимательно / думай пошагово» — модель и так думает перед каждым ответом, это только замедляет.
- Не перезапускать долгую задачу из-за мелочи.
- Не давать общих дизайн-указаний — только конкретные паттерны.
- Не просить показывать внутренние рассуждения в ответе — это отклоняется.
- Не выключать запросы разрешения на разрушительные команды.
- Не перепечатывать цифры вместо прикрепления графика.
- Не читать всё саммари подряд — сначала блок «что нужно от меня».

Полная версия тут

#Osmani #Opus #промпты
------
@tsungular

Google Cloud AI Research выкатила RRSI, это как RSI только еще и Regularized

Самоулучшение агентов становится нормой, но упирается в те же проблемы, которые были на этапах обучения моделей. - на тренировочном бенчмарке метрики растут, но если дать агенту незнакомые задачи, и эффект от обучения исчезает.

🔧 Знакомая болезнь, - переобучение:
Нейросети прошли через то же, пока регуляризация не научила их обобщать.
В Google Cloud AI Research применили этот же подход к самоулучшению агентов.
Харнесс остаётся полностью редактируемым, а регуляризуют сам поиск.

Предложения:
затухающий бюджет правок: к финальным раундам остаётся одна
история правок с гипотезами: опровергнутое не тестируется заново
при стагнации бюджет уходит на нетронутые компоненты

Отбор:
критик до оценки отвергает подгонку с ответами и именами задач
шумовой пол: прирост обязан перекрыть разброс на неизменном харнессе
правило оплаты: лишние токены должны быть оплачены измеримым приростом
прореживание: компонент без пользы помечают на удаление

📊 Цифры:
Эволюция шла на одном бенчмарке, затем готовый харнесс запускали на остальных.
Кодинг: Terminal-Bench 74.2 → 80.2, SWE-bench Verified 82.0 → 83.8, хотя тот не участвовал в отборе.
Агентские задачи: JobBench +4.7, GDPval +3.5, APEX-Agents +3.7.
Инженерия: Frontier-Eng 17.7 → 22.0, плюс 24.3%.
Все шесть отложенных выросли; предшественники теряли прирост вне своих бенчмарков.
Бонус: харнесс тратит на ~30% меньше токенов, чем эволюция без регуляризации.

Не успели мы в 2026м привыкнуть к лавине агентских кодовых фреймворков, теперь это.
Походу мы уверенно врываемся в эпоху самоулучшающихся агентов. Таких механик будет всё больше и больше и каждая будет тянуть на свою поляну.
Важно не только успевать их пробовать, но и уметь оценивать эффект, - действительно ли они стали лучше и в чём именно.
Нужен полигон для RSI систем, причём в каждой компании свой, - в закрытом контуре, чтобы не сбежали не дай бог :)

📎 Код
Сайт проекта

#RRSI #RSI #агенты #Google
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен

Создатель oMLX перешёл работать в Hugging Face, проект остался открытым

Hugging Face объявила о найме Jun Kim (jundot), автора и ведущего разработчика oMLX.
Лицензия Apache 2.0 сохраняется: Kim продолжает руководить проектом. Из хобби проект переходит в полностью финансируемую разработку. (под крышей NVidia :) )

⚙️ oMLX это сервер локального запуска моделей на Apple Silicon поверх фреймворка MLX. Главное решение: постраничный кеш KV-блоков на SSD. Агентские сессии постоянно сдвигают контекст и обнуляют кеш, поэтому на длинных промптах первый токен приезжал через 30-90 секунд. oMLX кладёт блоки кеша на диск в формате safetensors и восстанавливает совпавший префикс за миллисекунды, в том числе после перезапуска сервера.
Дальше по списку: непрерывная пакетная обработка запросов с ускорением до 4,14 раза на восьми параллельных, одновременная работа языковой, зрительной, эмбеддинговой модели и реранкера, совместимость с API OpenAI и Anthropic, вызов инструментов и MCP, приложение в строке меню macOS. С февраля проект собрал 22 тысячи звёзд и 125 релизов.

🎯 Для MLX Hugging Face отводит oMLX роль испытательного полигона, а удачные решения поднимает в mlx-lm и mlx-vlm. Отдельный фокус: быстрый перенос описания модели из transformers в эталонную реализацию на MLX, чтобы новые модели заводились во всех движках сразу.

💼 Вывод хотите устроиться в ИИ гиганта, - сделайте стартап, который бы они купили вместе с вами :)
Openclaw вот в начале года, теперь oMLX.

#oMLX #MLX #HuggingFace
———
@tsingular