AI for Devs
17K subscribers
388 photos
119 videos
351 links
По сотрудничеству пишите в личные сообщения канала.

Канал для разработчиков про AI. Модели, ИИ-агенты, практические кейсы и новости из мира AI. Всё, что можно применить в работе.
Download Telegram
GPT уверенно уделывает Opus по очкам, стоимости и времени выполнения!

Datacurve (молодая команда из YC W24, которая делает дорогие и сложные coding-датасеты) выпустила DeepSWE: новый бенчмарк для coding-агентов.

Создатели утверждают: SWE-Bench и подобные уже не отражают реальности. Модели их заучили, задачи слишком мелкие, а оценка полна погрешностей.

Что внутри DeepSWE:
– 113 полностью новых задач из 91 активного open-source репозитория.
– Пять языков: TypeScript, Go, Python, JavaScript и Rust.
– Среднее решение составляет 668 строк кода в 7 файлах (против ~120 строк и 5 файлов в SWE-Bench Pro).
– Короткие естественные промпты.
– Verifier проверяет реальное поведение, а не структуру авторского решения.


Все модели тестировали на одном и том же mini-swe-agent (минималистичный harness на ~100 строк кода).

Результаты можете лицезреть на картинках. Разрыв между топами получился гораздо шире, чем на старых бенчмарках.

@ai_for_devs
1👍51🤯22🔥145💯5
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ В Claude Code появился плагин для поиска уязвимостей

Называется security-guidance, доступен всем пользователям и устанавливается из маркетплейса через /plugins.

Работает через hooks:
– при редактировании файлов ищет рискованные паттерны,
– после каждой итерации модели проверяет полный diff,
– на коммите читает окружающий код для валидации.


По внутренним данным Anthropic, на PR-ах с плагином замечания по безопасности стали появляться на 30-40% реже.

@ai_for_devs
1👍4420🔥15115
⚡️ Anthropic выпустили Claude Opus 4.8

Та же цена за API, зато быстрый режим втрое дешевле. Главное изменение: модель в четыре раза реже пропускает баги в собственном коде без замечаний.

В Claude Code теперь можно запускать сотни параллельных субагентов. На claude.ai появился слайдер "усилий": Low, Medium, High, Extra и Max.


Sonnet всё ещё 4.6, Haiku вообще 4.5! Зато бояре на подписке за $200 должны быть довольны 😄

UPD: В анонсе Anthropic также обещают, что модели класса Mythos появятся в публичном доступе в ближайшие недели.

@ai_for_devs
1😁49👍33🔥22114
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Anthropic выкатили Dynamic Workflows в Claude Code

Параллельно с релизом Opus 4.8 вышла крайне интересная фича для ежедневной работы миллионеров.

Dynamic Workflows: Claude Code сам пишет оркестрационный скрипт, запускает от десятков до сотен параллельных субагентов, те независимо проверяют результат. Задачи, которые раньше занимали недели, по заявлению команды теперь укладываются в дни.


Помните историю про Bun? Джаред Самнер переписал его с Zig на Rust именно через Dynamic Workflows: 1 009 257 строк на Rust, 6 755 коммитов и 9 дней работы.

Поиграться с этой штукой можно двумя способами:
1. Просто упомяни слово "workflow" в промпте,
2. Или включи /effort ultracode — тогда Claude сам будет решать, когда разворачивать оркестрацию.

Страшно представить, как быстро эта штука будет жечь токены) Anthropic предупреждают: начинайте с небольших задач.

P.S. По классике, вместе с громким релизом Anthropic увеличили лимиты на всех тарифах на 50% на 2 недели.

@ai_for_devs
139👍299🔥6🤯1
⚡️ Cчёт на $500 млн за месяц использования Claude

AI-консультант рассказал Axios: компания подключила весь штат к API Anthropic без ограничения на бюджет, дашбордов и алертов.

Сотрудники запускали agentic workflows, не переживали за длинные сессии и десятки coding-агентов. Никто не считал токены.

Расскажи про это боссу, который не хочет покупать тебе подписку дороже 20$ 😄

@ai_for_devs
Please open Telegram to view this post
VIEW IN TELEGRAM
1😁81🤯2092👍2
⚡️ Opus 4.8 уже в Veai! По большинству coding-бенчмарков текущий лидер

SWE-Bench Pro: 69.2% против 64.3% у предыдущего Opus и 58.6% у GPT-5.5. По работе с компьютером (OSWorld-Verified) тоже первая: 83.4%.

Новые пользователи Veai получают 30-дневный триал и могут попробовать лучшую модель бесплатно в любимой IDE.


Если понравится, до 31 мая 23:59 действует промокод OPUS48: скидка 50% на все планы.

@veai_devs
1👍3117👌8🔥2🤯2
⚡️ MiniMax выпустили M3

По coding-бенчмаркам M3 обходит GPT-5.5 и Gemini 3.1 Pro. Нативная мультимодальность (текст + изображения + видео), контекст до 1M токенов.

Благодаря новой архитектуре MiniMax Sparse Attention (MSA) при контексте в 1 млн токенов модель тратит в 20 раз меньше вычислений на токен по сравнению с предыдущим поколением.

Модель уже доступна бесплатно в OpenCode, можно тестить.


Цена API: $0.60/M input и $2.40/M output до 512K токенов. Веса и техотчёт обещают примерно через 10 дней.

@ai_for_devs
1🔥55👍25125🤩5
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ NVIDIA анонсировали Nemotron 3 Ultra и RTX Spark на Computex 2026

Computex — ежегодная выставка в Тайбэе, одна из крупнейших в мире по железу и комплектующим. Дженсен Хуанг традиционно использует её для больших анонсов.

RTX Spark — новый суперчип для ноутбуков и мини-ПК: Blackwell GPU на 6144 CUDA-ядер, 20-ядерный Grace CPU, 128 ГБ единой памяти и 1 петафлоп AI-производительности. Чип разработан совместно с MediaTek, по графической мощности сопоставим с RTX 5070. Это прямой ответ Apple Silicon и Qualcomm Snapdragon. Первые ноутбуки от Asus, Dell, HP, Lenovo, Microsoft и MSI на этом чипе выйдут осенью.


Второй анонс — Nemotron 3 Ultra: 550B параметров, 55B активных, MoE-архитектура. По бенчмаркам держится на уровне топовых открытых моделей и конкурирует с Kimi K2.6. Скорость инференса более 300 tok/s, в 5 раз быстрее и на 30% дешевле ряда аналогов. Модель полностью open-source: от весов и данных до процесса тренировки.

Полноценный релиз модели ожидаем 4 июня на Hugging Face.

@ai_for_devs
134👍23🔥151🤩1
⚡️ Opus 4.8 добавили в DeepSWE. GPT-5.5 всё равно впереди

Opus 4.8 в самой умной и дорогой "комплектации" набрал 58%. GPT-5.5 в режиме xhigh — 70%, притом стоит в среднем $6.61 за задачу против $12.58 у Opus, и справляется за 21 минуту вместо 43.

Разница между Opus 4.7 и 4.8 на этом бенчмарке — 4 процентных пункта: 54% → 58%.

Даже у нас в команде мнения разделились. Одни говорят, что бенчмарк бредовый, другие с ним полностью согласны. Голосуем!

💩 GPT-5.5 топ
🤡 Opus 4.8 лучший

@ai_for_devs
38💩226🤡218🤯10👍21
⚡️ Anthropic расширили Project Glasswing до 200+ организаций

Project Glasswing запустили 7 апреля 2026: около 50 партнёров (AWS, Apple, Google, Microsoft, Cloudflare, Mozilla, Linux Foundation и др.) получили доступ к Claude Mythos Preview, закрытой frontier-модели, заточенной под поиск уязвимостей в критически важном ПО.

В мае опубликовали первые результаты. За месяц модель просканировала 1000+ open-source проектов и нашла 23 019 уязвимостей, из которых 6 202 высокой или критической степени. 90,6% из проверенной выборки оказались реальными багами.

Cloudflare нашли у себя 2 000 уязвимостей, Mozilla закрыла 271 баг в Firefox 150 (в 10 раз больше, чем с предыдущей моделью Anthropic). Среди находок: баг в OpenBSD возрастом 27 лет и уязвимость в wolfSSL, встроенном в ~5 млрд IoT-устройств.


Теперь Anthropic открыли доступ ещё для ~150 организаций из 15+ стран. В приоритете: энергетика, здравоохранение, телеком, вендоры open-source, чья компрометация затронула бы 100+ млн пользователей.

Публично Mythos по-прежнему не выпускают. На Polymarket прямо сейчас 26% лудоманов разработчиков верят в релиз до 30 июня.

@ai_for_devs
1👍32🔥19105🤯4
⚡️ 6 паттернов для мультиагентных воркфлоу

Мы уже показывали как устроена новая фича Dynamic Workflows в Claude Code. Если кратко, то теперь Claude умеет создавать Harness под конкретную задачу на лету: оценивать запрос и генерировать JavaScript-файл, который оркестрирует субагентов.

Инженеры из Anthropic выделяют шесть паттернов из практики, которые стоит использовать вместе с новой фичей:

– Tournament: N агентов решают задачу разными способами, агент-судья выбирает победителя попарным сравнением. Например, три агента пишут алгоритм сортировки, судья выбирает самый читаемый.

– Loop until done: цикл до условия остановки вместо фиксированного числа проходов. Например, гонять тест, который падает раз в 50 запусков, пока не поймаешь воспроизводимый сценарий.

– Classify-and-act: агент-классификатор определяет тип задачи и маршрутизирует к нужному агенту. Например, сортирует входящие баг-репорты: critical идёт в один пайплайн, минорные баги в другой.

– Fan-out-and-synthesize: разбить задачу на части, запустить агент на каждой, собрать результаты в один вывод. Например, проверить 80 резюме параллельно и получить итоговый рейтинг.

– Adversarial verification: к каждому агенту-исполнителю подключается агент-оппонент, который ищет ошибки в его выводе. Например, один агент пишет миграцию, второй пытается её сломать.

– Generate-and-filter: сгенерировать набор вариантов, отфильтровать по рубрике, вернуть лучшие. Например, придумать 30 названий для CLI-инструмента и оставить топ-5 по критериям.


В целом, всё это уже было в распределённых системах — просто там мы это называем MapReduce, fork-join, scatter/gather и т.д. Сменились субъекты: вместо потоков данных теперь агенты с контекстными окнами. O tempora! O mores!

Подробнее про dynamic workflows, паттерны агентного harness и сценарии применения читайте в новой статье на Хабр.

@ai_for_devs
1👍31🔥14👏831
⚡️ GitHub не справляется с нагрузкой из-за AI-агентов

За весь 2025 год сервис обработал 1 млрд коммитов. В 2026 году GitHub обрабатывает 1.4 млрд коммитов ежемесячно.

Каждый месяц агенты генерируют 17 млн пул-реквестов.

GitHub закладывал в планы рост на 200% и считал это агрессивным прогнозом. Оказалось, что нужно масштабироваться в 30-40 раз за следующий год.

@ai_for_devs
1🤯14024🔥17👍129
AI for Devs
⚡️ NVIDIA анонсировали Nemotron 3 Ultra и RTX Spark на Computex 2026 Computex — ежегодная выставка в Тайбэе, одна из крупнейших в мире по железу и комплектующим. Дженсен Хуанг традиционно использует её для больших анонсов. RTX Spark — новый суперчип для…
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Nemotron 3 Ultra стала полностью доступна

550B параметров, 55B активных, MoE-архитектура. По бенчмаркам держится рядом с Kimi K2.6, скорость инференса выше 300 tok/s. Полностью open-source: веса, данные, процесс тренировки.

Заценить на своих задачах можно бесплатно уже сейчас, модель доступна на OpenRouter и в OpenCode.

@ai_for_devs
1👍3919🔥125🤩2
⚡️ Anthropic выпустили исследование про самосовершенствование ИИ

Claude уже пишет более 80% кода, который попадает в кодовую базу Anthropic. Во втором квартале 2026 типичный инженер коммитит в 8 раз больше кода в день, чем в 2024-м.

Количество != качество. Это правда. Но и по качеству картина меняется: сотрудники Anthropic оценивают код Claude как примерно равный человеческому уже сейчас, а через год ожидают, что он станет лучше.

Следующий шаг с их точки зрения очевиден: когда качество кода ИИ достигнет паритета с человеческим, люди перестанут его писать и перейдут только к ревью. Но ревью уже становится узким местом. Исполнение задач почти ничего не стоит в человеческом времени — пока единственное настоящее преимущество людей остаётся в выборе задач и оценке результатов.


Anthropic описывают три возможных сценария развития событий:

1. Тренд тормозит, а нынешние модели просто расходятся по экономике
2. Разработка ИИ автоматизируется, но люди остаются теми, кто решает, что делать
3. ИИ замыкает петлю и начинает улучшать себя сам

Первый они, конечно же, считают маловероятным)

@ai_for_devs
1👍282422🔥5🤯4
This media is not supported in your browser
VIEW IN TELEGRAM
⚡️ Kimi Code: open-source CLI-агент для программирования

Репозиторий kimi-cli на GitHub существовал несколько месяцев, но не получал широкого продвижения. Сейчас Moonshot полностью заребрендили и проапгрейдили инструмент, переписали CLI на TypeScript/Node.js и активно форсят его в соцсетях.

Kimi Code работает в терминале, есть расширение для VS Code, а также интеграция c другими IDE через ACP-протокол (JetBrains, Zed и др.).

Ключевые улучшения крайнего обновления:
– Однострочная установка через curl, очень быстрый запуск
– Под капотом модель kimi-for-coding на базе Kimi K2.6 (нативно мультимодальная)
– Видео как контекст: можно перетащить запись экрана, и агент способен анализировать её и писать код
– API совместим с OpenAI/Anthropic: можно использовать как бэкенд в Claude Code, Roo Code и аналогах


Стоимость подписки Kimi Code составляет от $19 до $199 в месяц (разные тиры с разными квотами). API-токены тарифицируются отдельно.

@ai_for_devs
1🔥28👍21107🤯1
Media is too big
VIEW IN TELEGRAM
⚡️ Xiaomi разогнали 1T-модель до 1200 tok/s на стандартных GPU

Китайские команды MiMo и TileRT опубликовали режим UltraSpeed для модели MiMo V2.5 Pro (1,02T параметров).

На одном 8-карточном сервере со стандартными GPU, до ~1200 токенов в секунду. Cerebras выдаёт похожие скорости на кастомном железе. Здесь обошлись без него.

В кратце работает так:
1. MoE-слои сжали с 16 до 4 бит: они занимают большую часть весов и хорошо переносят потерю точности, остальное оставили нетронутым
2. Рядом с основной моделью запускается маленькая, которая угадывает сразу 8 токенов вперёд
3. Основная проверяет их разом и принимает правильные
4. В coding-сценариях угадывается ~6,3 токенов из 8

Похожий механизм Google применяет в Gemma 4.


На видео можно заценить скорость: 12 секунд против 6 минут на стандартных скоростях, к которым мы сейчас привыкли.

@ai_for_devs
1🔥4914🤯14👍87
⚡️ Anthropic выпустили Claude Fable 5 в публичный доступ

Fable 5 принадлежит к новому классу Mythos, выше Opus по способностям. До сегодняшнего дня модели этого класса были доступны только партнёрам Project Glasswing.

Разница между Fable 5 и Mythos 5 (который остаётся закрытым) в защитных фильтрах: запросы по кибербезопасности, биологии, химии и distillation-трафик перенаправляются к Opus 4.8.


Цена: $10 за миллион входных токенов и $50 за выходных, вдвое дешевле Mythos Preview.

Доступна на тарифах Pro/Max/Team/Enterprise до 22 июня, затем потребует usage credits.

@ai_for_devs
1🔥43🤯25116👏4
⚡️ Xiaomi выпустили MiMo Code — своего coding-агента

Вслед за Kimi ещё одна китайская компания обзавелась своим агентом.

Основной упор в релизной статье китайцы делают на Max Mode: на каждом шаге агент генерирует 5 параллельных планов действий, а модель-судья выбирает лучший, остальные отбрасываются.

По SWE-Bench Pro прирост у Mimo-V2.5-Pro до 20% за 4-5× больше токенов.

MIT-лицензия, open source, построен на OpenCode.

@ai_for_devs
2🔥50👍23135