Вышла модель GPT-4.5.

Для обычных пользователей ChatGPT больше похоже на инкрементальное улучшение, но для программирования и задач, не терпимых к галлюцинациям, прирост в метриках очень ощутим. Ценник на API вырос в 15-30 раз.

Ссылка на пресс-релиз: https://openai.com/index/introducing-gpt-4-5/

Я решил попробовать составить бизнес-план для стартапа, используя современные ИИ ассистенты (ChatGPT, Grok, DeepSeek, Claude и Perplexity) с функциями DeepResearch, Thinking и Internet Browsing.

Выводы на основе сравнения по одной задачи:
- Сложилось впечатление, что каждый из сервисов может быть лучше остальных для какого-то спектра задач, поэтому есть смысл тестировать наиболее нетривиальные вопросы в каждом из них.
- Общий уровень ответов оказался довольно высоким. Даже самый худший из результатов был значительно лучше моих ожиданий.
- Задавать вопросы про бизнес лучше по-английски. Качество ответов на русском было заметно хуже.
- Из бесплатных сервисов мне больше всего понравился ответ Claude3.7. Ответ был самым креативным, проработанным и при этом компактным. Задумался о покупке Claude Pro версии.
- ChatGPT DeepResearch предоставил самый исчерпывающий ответ с хорошей глубиной анализа. Тем не менее, мне не понравилось отсутствие таблиц и графиков в ответе. Также отсутствовала креативная составляющая.

Редко пишу отзывы на книги, но не могу не поделиться впечатлениями о книге «Венчурное мышление», написанной Ильёй Стребулаевым и Алексом Дангом.
• Несмотря на название, книга ориентирована на широкую аудиторию, а не только на предпринимателей и инвесторов. Если вы раньше не сталкивались с миром венчура и стартапов, вам, скорее всего, будет очень интересно прочитать истории громких успехов и провалов последних двадцати лет.
• Книга очень точно описывает слабые места корпоративной среды многих enterprise-компаний.
• В VC mindset предлагается совершенно новый, чуждый многим корпоративным менеджерам взгляд на вещи. Примерами таких идей являются значимость успеха и незначительность провалов, а также отсутствие необходимости приходить к единому консенсусу при принятии решений.
• В книге нет простых решений, как внедрить предложенные концепции на практике, потому что каждая компания уникальна по-своему. В то же время она даёт отличный повод для рефлексии и предлагает новые варианты стратегии развития.
• Рекомендую всем D-, VP- и C-level менеджерам, а также инженерам уровня principal и выше.

Ссылка на книгу

Vibe Coding

Я попробовал 5 тулов для AI генерации кода (Cursor, Windsurf, V0, Trae, Lovable) и основные AI чат ассистенты (ChatGPT, Claude, Grok, Gemini). Скоро напишу детальный обзор и сравнение. Сейчас же хочу рассказать про Trae.

Trae - это IDE на основе VS Code, разработанное ByteDance (создатель TikTok). Основной его плюс - он бесплатный при относительно сопоставимом функционале с Cursor и Windsurf. Если вы уже пользуетесь платными аналогами, то смысла переходить на Trae - нет, он находится на более раннем этапе разработки. Но для первого опыта vibe coding - это отличный вариант (как и бесплатный триал у Cursor).

PS: не могу не напомнить, что у продуктов ByteDance были нарекания по поводу data privacy (например). Для работы с конфиденциальным кодом, я бы Trae использовать не стал.

О канале

Авторский канал про ИИ, разработку и стартапы от Head of AI & Product Engineering.

Пишу полезно и кратко. Делюсь возможностями, лайфхаками, личным опытом, ресёрчем и рефлексией.

Фокусируюсь в канале на возможностях, которые дает ИИ в разработке, стартаперстве, менеджменте. Буду делиться опытом и полезностями.

Веду канал для структурирования своих мыслей как сайд проект для других активностей.

Обо мне

Меня зовут Максим. У меня 20 лет опыта в программировании, 12 лет в руководстве разработкой. Мои бывшие роли: Principal Engineer, Solution Architect, Product Manager, Lead Engineering Manager. Сейчас я Head of AI & Product Engineering в одном из доменов крупной FinTech компании.

Ищу идеи для новых проектов и собственного стартапа. Текущий фокус — применение ML & AI в OpsTech, Software Engineering и DevTools.

Отличный источник курсов по AI как для широкой аудитории так и для ML инженеров: Open AI Academy

Примеры их курсов и эвентов:
- AI for Older Adults: Introduction to AI
- Automate Knowledge Graphs for RAG: Building GraphRAG with OpenAI API
- Introduction to ChatGPT Edu: Your AI-Powered Academic Companion
- Organization and Automation: Managing Time and Tasks with AI
- AI Career Prep: Resumes and Interviews

И еще много всего интересного.

Current state of AI coding tools and vibe coding

О чем речь?
AI Сoding - генерация кода с помощью LLM. Vibe Сoding - AI coding без детального код ревью, по-умолчанию принимая предложенные изменения. AI Сoding появился в 2021 году и стал экспоненциально набирать популярность в 2024 году после появления новых LLM, лучше обученных на коде(GPT-4o, Sonnet3.5), и IDE с встроенными AI агентами (Cursor, Windsurf). В последнем батче Y Combinator 95% кода для четверти стартапов было cгенерировано (новость).

Я потестил 8 инструментов (из 70+ найденных), мои выводы:
- AI Сoding намного лучше чем пару лет назад.
- Я повайб-кодил на двух пет проектах - буст производительности в разы. Как отметил мой коллега: ощущение, будто на тебя работают сразу 5 джунов.
- Существует 5 уровней автономности и 5 типов инструментов (framework, CLI, Plugin, IDE, SaaS), каждый из которых предназначен для своих задач.
- Инструментов для AI Coding очень много: за месяц я собрал в табличку больше 70 проектов.
- Есть как минимум несколько LLM, хорошо генерирующих код (Gemini2.5-pro, Sonnet3.7, GPT-4o, GPT-o3-mini, DeepSeek-v3).
- При разработке все еще регулярно встречаются проблемы неразрешимые без человека.
- Для эффективного использования AI Coding инструментов нужно научиться ими пользоваться и следовать best practices.
- Новые инструменты позволяют сосредоточить фокус на продукте вместо разработки кода.
- AI Сoding не самое дешевое удовольствие, если заниматься этим фуллтайм.

Vibe Сoding - временный хайп?
Нет, AI Coding с нами навсегда, как когда-то высокоуровневые языки программирования заметно вытеснили низкоуровневые. Люди, использующие новые инструменты, благодаря большей продуктивности, будут заменять людей, которые не умеют ими пользоваться.

Что c этим делать?
Кратко на этот вопрос не ответить. Я продолжу серию статей про AI Сoding и расскажу подробнее про уровни автономности, существующие решения и возможные сценарии будущего.

Поделитесь с друзьями вдруг им тоже будет интересно.

#ai_coding @max_about_ai

Google зарелизил Agent2Agent (A2A) протокол для взаимодействия агентов.

Кажется, что MCP уже стал де-факто стандартом для взаимодействия агентов, но на самом деле это не так. MCP - это протокол взаимодействия с инструментами (ресурсами), и он не предназначен для координации агентов между собой. A2A, напротив, является протоколом взаимодействия между агентами. Пример архитектуры решения, использующего оба этих протокола, можно посмотреть на диаграмме ниже.

Если объяснять совсем простыми словами:
MCP - это аналог того как люди взаимодействуют с компьютером и другими предметами.
A2A - это аналог того как люди общаются друг с другом.
И взаимодействие со средой и координация действий важны для успешной работы людей.

Если для решения простой задачи, вам нужно задействовать одного агента, то достаточно MCP. Но если вы строите сложную систему, аналог, любого реального рабочего процессу, то вам обязательно понадобиться A2A или другой аналог координации агентов.

До релиза Google, уже существовало несколько протоколов координации агентов: ANP(Agent Network Protocol), FIPA-ACL (Foundation for Intelligent Physical Agents – ACL), OPAN (Open Protocol for AI Networking). Тем не менее, ни один из них даже близко не приблизился по популярности к MCP. Сможет ли это сделать A2A нам еще предстоит узнать, но кажется, что A2A лишен тех фундаментальных проблем, которые были у его предшественников.

Ознакомиться с каждым из протоколов можно по ссылкам:
MCP: blogpost, documentation
A2A: blogpost, documentation

В будущих постах я расскажу подробнее про каждый из протоколов.

@max_about_ai

Как вайб кодить с Figma

О чем речь: Что такое вайб кодинг я рассказал здесь. Сервис Figma - де-факто стандарт для дизайна UI, UX, сайтов и даже презентаций. Многие дизайнеры и продукт-менеджеры используют именно его при работе над внешним видом продуктов. Если не пробовали - рекомендую.

Возможность: С появлением протокола MCP и vibe coding появилась возможность создавать дизайн по промпту (MCP Cursor to Figma plugin) и создать приложение по созданному дизайну и промпту (Builder.io Figma plugin c интеграцией в Lovable или MCP Server для AI IDE, например, Cursor). Cам полноценно потестить пока не успел, но отзывы очень позитивные.

@max_about_ai

В Windsurf и Cursor можно бесплатно попробовать GPT-4.1

Вчера вечером OpenAI анонсировал модели семейства GPT-4.1. Windsurf и Cursor сразу же анонсировали, что они предоставят доступ к GPT-4.1 бесплатно. У Windsurf бесплатный период на 7 дней, а у Cursor “на некоторое время”. Если еще не пробовали эти инструменты, то это отличная возможность сделать это бесплатно.

OpenAI зарелизили o3 and o4-mini, но главная новость для меня - это появление Codex.

Codex - это AI coding CLI, прямой конкурент Claude Code.

Преимущества Codex:

- Никаких настроек - достаточно предоставить ваш OpenAI API-ключ, и всё заработает!
- Полный auto-approval ченжей, при этом безопасно и надежно благодаря запуску без доступа к сети из sandbox.
- Мультимодальный — можно передавать скриншоты или диаграммы для реализации фичей.

Для поддержки open source, OpenAI обещает выделить грант на $1M в кредитах на токены. Для подачи заявки на грант до 25 000$ можно оставить заявку здесь.

GitHub repo

@max_about_ai

Обзор AI и Vibe coding инструментов

Что такое AI coding и Vibe coding, я уже писал выше. Перейдем к более детальному обзору.

Уровни автономности

Существует 5 уровней автономности в зависимости от уровня самостоятельности выбранного инструмента:

1⃣ Детерминированные и статистические правила. Примеры: автодополнение кода (в любой IDE), статические анализаторы кода (SonarQube, Veracode, PyLint и т.д.)

2⃣ AI ассистенты: выполняют отдельные задачи, которые пользователь детально описывает, как правило, с высокой гранулярностью (ChatGPT, Claude, и т.д.). В последнее время у многих AI ассистентов есть тенденция к более высоким уровням автономности.

3⃣ AI CoPilot: программист работает над продуктом в паре с AI CoPilot, совместно внося изменения. Программист по-прежнему несет полную ответственность за разрабатываемый программный продукт. Примеры инструментов данного уровня: Cursor, Windsurf, Trae, Codex.

4⃣ AI Agent: генерация продуктов по описанию, пользователь выступает в качестве супервизора и тестировщика. Данный уровень все еще не достигнут, потому что в текущем поколении систем этого уровня, пользователь по-прежнему отвечает за разрабатываемый продукт и нередко вынужден помогать с разрешением проблем. Примеры: Lovable, v0, Replit , Bolt.New.

5⃣ Полная автономность разработки: здесь пользователь описывает цели, которые он хочет достичь, а AI система уже сама решает, как ее достичь (Devin, MetaGPT).

6 типов инструментов.

Помимо уровней автономности, есть еще типизация инструментов в зависимости от способа взаимодействия с пользователем.

1⃣ Framework - для программистов, которые хотят разрабатывать самостоятельных AI coding агентов или иметь максимальную гибкость.

2⃣ CLI (command line interface) - для программистов, предпочитающих гибкость и контролируемость CLI инструментов или планирующих встроить их в свой CI/CD пайплайн.

3⃣ IDE plugin - для разработчиков, которые не хотят переезжать со своей любимой IDE.

4⃣ IDE - отдельная среда разработки, как правило, на основе VS Code.

5⃣ SaaS - отдельный сервис или мобильное приложение, в котором можно вести автоматическую или полуавтоматическую разработку, как правило, с минимальными знаниями программирования.

6⃣ AI chat assistant - любой ИИ чатбот, который отвечает на вопросы по программированию, например ChatGPT, Gemini, Grok или Claude.

Что выбрать лично вам, если вы программист и:

- хотите попробовать повысить свою продуктивность - попробуйте AI Coding IDE и возьмите бесплатный двухнедельный триал от Cursor. Крупные альтернативы: Windsurf, Trae, GitHub CoPilot. Примерная цена - 20$ / месяц.

- не хотите менять IDE - попробуйте плагины для вашей любимой IDE: Continue, GitHub CoPilot, Junie. Примерная цена - 20$ / месяц.

- любите CLI и готовы платить за токены - попробуйте Codex или Claude Code. Цена зависит от использования, читал истории про 500$ / месяц, но для редкого использования может выйти и всего пару долларов.

- вам жизненно критична конфиденциальность вашей разработки - попробуйте локальную связку из MetaGPT + Ollama (с Gemini3-27B или QwQ2.5). Как запускать модели локально, я писал здесь. Условно бесплатно, но нужна мощная рабочая станция.

Что выбрать лично вам, если вы НЕ программист и:

- хотите сделать личный веб-сайт: не используйте vibe coding, есть много стабильно работающих дешевых конструкторов (Tilda, Wix, Wordpress, Webflow, …). Цена от 10$ в месяц.

- хотите сделать несложный SaaS: изучите, есть ли no-code решения для вашего проекта и попробуйте его сначала, если нет, то попробуйте Lovable, v0, Replit, Bolt.New. Попробовать бесплатно, дальше от 20$.

- хотите сделать mobile app: попробуйте Replit или Rork. Попробовать бесплатно, дальше от 20$.

- хотите сделать сложный SaaS: будьте готовы, что это может не получиться, изучите основы разработки ПО и посмотрите в сторону Lovable, v0, Replit, Bolt.New. Цена от 20$ и дороже.

Свои личные предпочтения я напишу в отдельном посте.

Все вышеперечисленное является моим субъективным мнением. Некоторые ссылки - реферальные и дают бонусы для меня и зарегистрировавшихся по ним.

@max_about_ai

Программисты все еще нужны, или что не так с вайб кодингом (апрель 2025)

Заменит ли ИИ программистов в долгосрочной перспективе? Я не знаю - существует сразу несколько вероятных сценариев развития, и я проанализирую их и подготовку к ним в будущих постах. Прямо сейчас AI-инструменты все еще не автономны и в неумелых руках могут нанести больше вреда, чем пользы. Однако те, кто умеют эффективно ими пользоваться и знают о проблемах и рисках, могут получить кратный прирост продуктивности.

С какими проблемами столкнулся лично я:

1⃣ Не сразу понял важность детального описания требуемой функциональности и архитектуры.
2⃣ Многие тулы не универсальны и у меня возникло несоответствие ожиданий: например, V0 не смог создать backend проект без фронтенд части.
3⃣ Генерируемый код часто содержит ошибки, которые приходится исправлять вручную.
4⃣ В большинстве инструментов есть лимиты на использование, а в некоторых еще и долгое время ожидания (в Trae до нескольких минут в час-пик).
5⃣ Сервисы все еще не очень стабильны, например один из них просто завис после получения запроса и так и не открылся в течение часа.
6⃣ Код, генерируемый LLM был устаревшим и не соответствовал версиям библиотек в проекте. Особенно это болезненно при настройке аутентификации или авторизации.
7⃣ Часть фичей было проще сделать самому, чем добиваться правильного поведения от AI инструмента.

Потенциальные проблемы при неправильном использовании:

1⃣ Критические ошибки и невозможность откатить приложение назад при отсутствие правильного версионирования.
2⃣ Атака на вайб кодеров с подменой библиотек из-за галлюцинаций в их имени
3⃣ Вызов опасных команд, например удаление всех файлов на диске или нанести другой вред своему компьютеру
4⃣ Не работающий спагетти-код в продакшене.
5⃣ Уязвимости в безопасности разрабатываемого приложения.
6⃣ Риски утраты конфиденциальности кода и данных.
7⃣ Очень дорого (до 500$ / месяц) при использовании инструментов с оплатой за токены.

В следующем посте напишу best practices и решения проблем, про которые я писал выше.

Подписывайтесь: @max_about_ai

Vibe coding - советы и best practices. Часть 1.

Я подготовил 25+ советов по эффективному использованию AI для разработки (обзор инструментов).

В первой части - максимально универсальные, базовые рекомендации для начинающих. Советы для опытных программистов будут в следующих частях.

1⃣ Правильно выстраивайте ожидания: воспринимайте AI как начинающего программиста, который пишет код очень быстро, но за которым нужно следить и тщательно проверять.

2⃣ Попробуйте разные инструменты и сервисы чтобы выбрать подходящие именно для ваших задач. IDE наиболее универсальны, но лендинг удобнее делать в SaaS решении, а в CI/CD проще встроить CLI инструменты.

3⃣ Декомпозируйте задачу на небольшие подзадачи. Это снизит вероятность засорения контекста и повысит качество генерируемого кода.

4⃣ Используйте систему контроля версий Git и регулярно коммитьте код, предварительно его протестировав.

5⃣ Сохраняйте промпты в репозитории с кодом. Это позволит воспроизвести решение заново, а еще на их основе можно генерировать спеку.

6⃣ Начинайте новый чат для каждой новой задачи чтобы избежать засорения контекста LLM.

7⃣ Используйте наиболее мощные модели (например GPT-o3) для планирования и дизайна архитектуры, а для кодинга можно использовать модели оптимальные по цене-качеству (например, Gemini-2.5-pro или Claude-3.7).

8⃣ Если вы делаете приложение для пользователей, а не прототип - всегда делайте код-ревью.

9⃣ Поймите ограничения AI coding инструментов и не полагайтесь на них в наиболее критичных и уязвимых местах, например приеме платежей или авторизации.

Подписаться

Vibe coding - советы и best practices. Часть 2.

В первой части, я описал базовые рекомендации, полезные как профессиональным разработчикам и тестировщикам, так и энтузиастам вайб-кодерам. В этой части, рассмотрим советы для более опытных инженеров, основанные на уже сформировавшихся лучших практиках разработки.

1⃣ Создайте Readme.md, где запишите основную информацию о проекте.

2⃣ Установите стандарты для кода и архитектуры и следуйте им. Запишите эти стандарты и принятые технические решения в architecture.md внутри самого проекта, чтобы они попадали в контекст и передавались LLM. Для Cursor используйте mdc формат и директорию .cursor/rules, для других сервисов убедитесь, что вы используете подходящее расположение для технической документации и она попадает в контекст.

3⃣ Держите требования и спецификацию в одном репозитории вместе с кодом. Используйте todo.md для отслеживания прогресса, prd.md для продуктовых требований, а goals.md для целей проекта.

4⃣ Разбивайте приложение на микросервисы в отдельных модулях и, возможно, даже репозиториях. Чем меньше кодовая база, тем выше качество контекста, а следовательно генерируемого кода. Используйте хорошо задокументированные интерфейсы между модулями.

5⃣ Используйте юнит-тесты и авторегрессионные тесты. Это нужно делать и при обычной разработке, но многие программисты почему-то забывают это.

6⃣ Используйте базовые принципы проектирования - SOLID, GRASP.

7⃣ Используйте линтеры и другие инструменты статического анализа программ. К сожалению, они часто генерят много шума и пропускают реальные ошибки, но это плата за скорость разработки. Я уверен, что с большим проникновением вайб-кодинга, они станут незаменимы для быстрой проверки гигантских объемов сгенерированного кода. Обзор статических анализаторов кода я напишу в отдельной серии постов.

В третьей части будут советы более специфичные для применения AI coding инструментов.

Подписаться

Бесплатный хостинг для пет-проектов

У меня есть несколько персональных пет-проектов для тестирования новых технологий и сервисов. Хочется хостить эти проекты за пределами личного ноутбука, а еще лучше иметь возможность прикрутить собственный домен, чтобы делиться с другими людьми. Так как все это не коммерческие истории, то платить деньги за хостинг не хочется.

Что я использую для бесплатного хостинга с своим доменным именем:

GitHub Pages - для статического сайта-визитки.

Vercel - для персонального блога на собственном домене с бэкендом и базой данных.
Причины: наличие v0 для вайб-кодинга, нет “засыпания” приложения, наличие бесплатного тира Supabase прямо в Vercel, очень удобная интеграция с GitHub.
Впечатления: крайне положительные очень нравится, проблем пока не было.

Google Colab - для Python скриптов (DS / ML) в Jupiter Notebook.
Причины: Google Colab для DS / ML - это де-факто стандарт, удобно делиться с знакомыми, можно редактировать и запускать ноутбуки с любого персонального девайса, изолированная среда без необходимости возиться с conda самостоятельно, можно запускать долго-выполняющиеся скрипты в фоне.
Впечатления: полет нормальный, но иногда бесплатных мощностей не хватает и приходится либо доплачивать, либо гонять модельки локально.

Google Cloud - для всего остального.
Причины: наличие бесплатных 300$ на GCP сервисы на 3 месяца, мощная Gemini-2.5-pro, хотелось попрактиковаться именно с Google Cloud.
Впечатления: соответствует ожиданиям.

Если нужно хранить данные граждан РФ, то единственным найденным условно-бесплатным вариантом является Yandex Cloud.

Другие альтернативы с бесплатным тарифом:
- Cloudflare Pages (static sites),
- Codeberg Pages (static sites),
- Azure Static Web Apps (static sites),
- Netlify (full-stack apps),
- Glitch (full-stack apps),
- Render (full-stack apps, static sites),

- Koyeb (containers, Postgres),
- AWS Free Tier (serverless functions),
- Azure (serverless functions).

Поделитесь с друзьями, уверен им тоже будет полезно.

Подписаться