Настройки телефона умерли. Теперь мы будем их промптить.

Samsung выкатывает Galaxy Vibe Code — систему для настройки смартфонов и автоматизации рутины через естественный язык.

Как это работает:
→ Вместо блуждания по лабиринтам меню One UI, вы пишете (или говорите) системе, как она должна реагировать на события.
→ ИИ-бэкенд транслирует ваши текстовые «хотелки» в строгие системные скрипты.
→ Пока заявлено для флагманов, но позже обещают раскатать на часы и планшеты.

Фактически, Samsung делает шаг к тому, чтобы превратить классический мобильный UX из статичного набора кнопок в программируемую через LLM среду.

Как вам концепция Vibe Coding для ежедневных устройств?

🔥 Круто, ненавижу искать нужный тумблер в настройках
🥳 Игрушка на пару раз, старый добрый GUI быстрее
😅 Я разработчик, просто дайте мне root и терминал

#AI #LLM #productmanagement

(ИСТОЧНИК)

Cyberpunk, который мы заслужили 🤖

Когда вы в последний раз видели, чтобы инженеры Google и OpenAI защищали главного конкурента в суде?

Джефф Дин (Chief Scientist в Google) и еще 36 топовых исследователей подали официальный документ (amicus brief) в поддержку Anthropic в их иске против Пентагона.

Суть драмы:

→ Anthropic наотрез отказались давать военным использовать свои модели для массовой слежки и создания автономного оружия.
→ Минобороны США обиделось и повесило на компанию ярлык «угрозы цепочке поставок», отрезав от госконтрактов.
→ Технари конкурентов заявили суду: это карательный произвол, который убьет любую дискуссию о безопасности.

Ирония ситуации в том, что пока инженеры пишут петиции солидарности «We Will Not Be Divided», руководство OpenAI уже благополучно забрало освободившиеся военные контракты себе.

Чья позиция в этом конфликте вам ближе?

😎 Anthropic — респект за принципы, скайнет не пройдет
😱Пентагон — кто платит, тот и заказывает фичи
🤬 OpenAI — бизнес есть бизнес, вовремя подсуетились

#AI #LLM #cybersecurity

(источник)

🦞 За 4 месяца опенсорсный ИИ-агент OpenClaw обошел Linux по звездам на GitHub (>250k)

В Шэньчжэне тысячи людей стоят в очередях у штаб-квартиры Tencent ради бесплатной установки «лобстера». Местные власти уже раздают субсидии до 2 млн юаней на такие проекты.

Зачем агент обывателям? Большинство не знает.

Но корпорациям это выгодно. Гиганты влили миллиарды в ИИ, а чат-боты не окупаются. Локальный агент, работающий 24/7 в фоне, сжигает токены колоссальными темпами (токен-потребление у некоторых ИИ-компаний уже выросло в 6 раз).

Медиа успешно продали страх: «без ИИ ты потеряешь работу». Тревожность пользователей создает идеальный замкнутый круг для сжигания токенов и привлечения инвестиций еще до массового появления реальных юзкейсов.

А вы уже ставили себе OpenClaw?

🔥 — Да, гоняю агента вовсю
🤡 — Нет, жду, пока спадет хайп
🤔 — Что еще за лобстер?

#AI #AIAgents #LLM
(ИСТОЧНИКИ)

📄 Конец эпохи Ctrl+C / Ctrl+V в спеках?

Google официально лишил нас отмазки «я ещё собираю данные для отчета».

10 марта выкатили мощный апдейт Gemini для Workspace (Docs, Sheets, Slides, Drive). Главная киллер-фича: ИИ больше не просто генерирует текст в вакууме, а получает полный доступ к вашему рабочему контексту.

→ Документы: можно натравить агента на длинную цепочку писем в Gmail и старые pdf-файлы на Диске, чтобы в один клик собрать черновик архитектурного документа или релизноутсов.
→ Таблицы: научились сами парсить данные из почты и интернета (инструмент Fill with Gemini).
→ Диск: превратился из хранилища в базу знаний. Можно выделить пачку файлов и задать вопрос по ним всем сразу (ответы генерируются со ссылками на первоисточники).

Фичи уже стартовали в бете для подписчиков Google AI Ultra и Pro.

#AI #GenAI #AIAgents

(источник)

⚰️ R.I.P. Ручные юнит-тесты?

Согласно последним данным Stack Overflow Survey 2025, 84% разработчиков активно используют AI-ассистентов. Генерация тестов стала одним из главных юзкейсов. Инструменты вроде GitHub Copilot и Codium уже не просто подставляют моки, а глубоко анализируют контекст всего репозитория.

Почему классическое тестирование (без AI) становится легаси:

→ Нейросети моментально генерируют edge-cases, о которых человек гарантированно забывает в пятницу вечером.
→ Поддержка тестов при масштабном рефакторинге превратилась из часов боли в секундный промпт.
→ Роль инженера изменилась: мы больше не писатели тестов, мы — их строгие ревьюеры.

При этом 46% разработчиков всё ещё жалуются на галлюцинации и не доверяют выдаче слепо. Но отрицать тренд бессмысленно: писать boilerplate руками слишком дорого для бизнеса.

А как вы покрываете код прямо сейчас? 👇

🔥 Генерирую через AI и ревьюю
😳Пишу всё сам ручками, машинам не доверяю
👀 У нас нет тестов, мы тестируем на пользователях

#AIcoding #DevOps #automation #AI

(ИСТОЧНИКИ)

Рецепт пельменей получил офер на фронтендера

Нейросети-рекрутеры окончательно сломались: идеальным кандидатом на Frontend-разработчика оказался… рецепт пельменей «Брестские подушечки» 🥟

Беларус под ником oscarlansky ради эксперимента загрузил на джоб-сайт пошаговую инструкцию варки пельменей вместо CV. ATS-система пришла в восторг: ИИ отметил 99% совпадение навыков и выслал автоприглашение на собеседование.

Наниматель понял подвох только прямо на созвоне, когда кандидат начал с умным видом рассказывать про опыт, а рекрутер наконец-то открыл файл. Итог встречи: оба сошлись на том, что современные автоматические фильтры никуда не годятся.

Пока мы скрупулезно подгоняем свой опыт под требования алгоритмов, система готова заонбордить кастрюлю с кипятком, если в ней правильно расставлены теги.

Сохраняйте 📌 — пригодится, когда в следующий раз будете ломать голову над ключевиками.

А вы адаптируете свои резюме под ИИ-фильтры?

🔥 — Да, играю по правилам машин
😎 — Нет, пишу текст для живых людей

#AI #automation #GenAI

(ИСТОЧНИК)

Intel Xeon и AMD Zen 3 получили конкурента из Сибири.

Компания «Трамплин» получила первые инженерные образцы процессоров «Иртыш».

Что под капотом:
→ Архитектура LongArch (лицензия куплена у китайской Loongson и доработана в РФ).
→ Младший «Иртыш С616» на 16 ядер (2.2 ГГц).
→ Старший «Иртыш С632» на 32 ядра (2.1 ГГц).
→ Целевой сегмент — прямая конкуренция с Intel Xeon Gold 6338 и AMD Zen 3.

Для инфраструктуры это означает потенциальный уход от монополии x86 и ARM на российском рынке. В теории у нас появляется новая третья сила, но реальные бенчмарки в продакшене мы еще не видели.

Готовы переводить свои сервисы на сибирские процессоры?

🔥 Заверните парочку серверов на тест!
😏Звучит сомнительно, подожду реальных бенчмарков.
👌 x86 наше всё, остальное от лукавого.

#architecture #highload #CloudNative

(ИСТОЧНИК)

RL-агенты уже забирают работу у менеджеров по закупкам. 📦

Институт ИИ МФТИ выкатил систему управления запасами на базе Reinforcement Learning. Пока классические решения вроде SAP и Oracle жестко привязывают автозаказ к математическим формулам, агент обучается на цифровом двойнике склада и бьет напрямую в бизнес-метрики.

Что под капотом:

→ Нейросеть управляет парой «товар-склад» автономно, но расшаривает опыт на всю номенклатуру.
→ Тренировка 10 000 таких пар занимает меньше суток на стандартном сервере.
→ На исторических данных крупного дистрибьютора алгоритм накинул 7% к валовой прибыли и поднял удовлетворенный спрос с 80% до 90%.

Следующий шаг — тесты на свежих данных и интеграция в ERP (включая 1С). Сначала как адвайзер, затем — на полный автопилот.

#AI #ML #MLOps #productmanagement

(ИСТОЧНИК)

Nvidia хакнула архитектуру LLM, скрестив Mamba, Transformer и MoE

Вышел Nemotron 3 Super — open-source монстр для агентного ИИ (120B параметров, активных всего 12B).

→ Архитектура: Инновационный LatentMoE сжимает токен перед отправкой к 512 экспертам. Это дает высокую специализацию без раздувания вычислительного бюджета.
→ Память: Слои Mamba-2 держат окно в 1M токенов без распухания KV-кеша, а Transformer-внимание страхует фактологическую точность.
→ Скорость (x5): Технология Multi-Token Prediction (MTP) дает нативное спекулятивное декодирование — генерация ~3.45 токена за один шаг.
→ Железо: Модель с первого дня обучалась в 4-битном формате NVFP4 под новые GPU Blackwell.

Nvidia открыла всё: веса, рецепты и датасет на 10 трлн токенов. Идеальная база для развертывания корпоративных multi-agent систем без привязки к платным API.

Готовы разворачивать этого зверя локально? 👇

🔥 — Уже считаю, сколько нужно VRAM
😀 — Только API, мои сервера этого не вынесут

#LLM #AIAgents #AI #architecture

(ИСТОЧНИК)

"Novel GenAI usage" — именно так в корпоративных постмортемах элегантно описывают удаление прода нейросетью

В марте Amazon столкнулся с серией тяжелых сбоев Sev‑1. Один из сервисов лежал 13 часов из-за того, что корпоративный ИИ-ассистент Kiro взялся чинить минорный баг. Нейросеть пришла к радикально эффективному решению проблемы: просто снести всё окружение к чертям и пересоздать его с нуля.

Самое ироничное в этой истории — человеческий фактор. Система запросила апрув на деструктивное действие. Обычно для такого нужны апрувы двух инженеров, но из-за расширенных прав доступа хватило одного "ОК" от сотрудника, который нажал кнопку не глядя.

На внутреннем разборе полетов руководство пришло к «революционной» мысли: вайбкодинг — это весело, но критический ИИ-сгенерированный код всё-таки нужно вдумчиво читать глазами опытных разработчиков.

ИИ усложняет системы, но базовые инженерные практики вроде нормального разделения прав доступа спасают миллионы долларов.

Сохраняйте 📌 — пригодится, когда будете настраивать CI/CD для своих AI-агентов.

#AIcoding #AIAgents #SRE #DevOps #zerotrust

(источник)

Сэм Альтман официально признал, что ИИ сломал капитализм

На саммите BlackRock на этой неделе CEO OpenAI признал: баланс между трудом и капиталом сломан, и никто не знает, как это чинить.

Дословно: «Если в большинстве нынешних профессий сложно обогнать GPU по производительности — это меняет всё. Простого решения нет — иначе мы бы его уже нашли».

Это не теория. Вот что происходит прямо сейчас:

→ Atlassian на той же неделе уволил 1 600 человек (10% штата), из них 900+ в R&D. Причина — «перестройка под AI»

→ Block (Дорси) месяцем ранее сократил 4 000 ради «intelligence-native» модели

→ 45 000+ увольнений в tech с начала 2026 по данным RationalFX — AI в топе причин

→ Альтман лично встречал фаундеров, строящих стартапы с нулём сотрудников — код, юридика, саппорт на промптах

Цель OpenAI по Альтману — сделать интеллект «коммунальной услугой, как электричество». К концу 2028 года вычислительная мощность в дата-центрах превысит совокупные когнитивные возможности всех людей за их пределами.

Самое важное для нас: CEO компании, которая это строит, публично говорит — «ближайшие несколько лет будут болезненной адаптацией». А его план — не замедлиться, а «залить мир интеллектом».

Вопрос не в том, заменит ли AI разработчиков. Вопрос в том, что значит «разработчик» через 3 года.

Что думаете — это честное признание или PR-ход перед инвесторами BlackRock? 👇

#AI #AIAgents #GenAI #architecture #productmanagement

(источник)

🧪 AI в тестировании: 88% хотят, 12% делают

90% разработчиков уже используют AI в работе каждый день (DORA 2025, почти 5000 респондентов). Но когда дело доходит до тестирования — ситуация интереснее.

Свежее исследование Leapwork (300+ инженеров и QA-лидов): 88% команд называют AI приоритетом в стратегии тестирования. При этом только 12.6% реально встроили AI в ключевые тест-воркфлоу.

Почему такой разрыв:

→ 54% боятся за точность и качество AI-тестов
→ 41% тестов в среднем автоматизировано — остальное руками
→ 71% говорят, что создание тестов — главный bottleneck

Данные Keyhole Software (150+ enterprise-организаций, март 2026) подтверждают: 67% компаний уже внедрили AI/ML в разработку, продуктивность выросла на 25–40%. Но при этом DORA фиксирует парадокс — скорость растёт, стабильность падает. 30% разработчиков всё ещё не доверяют AI-генерируемому коду.

AI в тестировании — пока больше стратегия, чем реальность. Вопрос не «внедрять или нет», а «когда ваши тесты перестанут ломаться чаще, чем код».

#AI #AIcoding #DevOps #CICD #automation

(источник)

⚡️ «По счётчику» — три раза, когда нам обещали коммуналку из будущего

Альтман на саммите BlackRock: «Мы видим будущее, где интеллект — коммунальная услуга, как электричество.

Люди покупают его у нас по счётчику».Фраза «too cheap to meter» впервые прозвучала в 1954 году. Глава Комиссии по атомной энергии США Льюис Штраус пообещал, что ядерная энергия станет настолько дешёвой, что ставить счётчики будет дороже, чем раздавать электричество бесплатно.

Спустя 70 лет атомные станции так и не стали дешёвыми — зато фраза стала мемом в энергетике.

В 2006 году AWS запустил EC2 и S3 — и тоже пообещал вычисления «как электричество». Pay-as-you-go, никаких серверных. Джефф Безос буквально описывал compute как утилиту.

Это обещание сбылось — но средний счёт за облако вырос настолько, что появилась целая дисциплина FinOps и обратный тренд: компании тащат нагрузки обратно on-prem.

Теперь третий заход. Альтман хочет продавать токены по счётчику.

API OpenAI уже так работает — от $0.10 за миллион токенов (GPT-4.1 Nano) до $150 (GPT-5.2 Pro). Разброс в 1 500 раз.

Это как если бы ваш кран с водой мог стоить от копейки до $150 за куб в зависимости от «качества» воды.

Модели монетизации, которые нас ждут:

→ Подписка (фиксированная цена — как сейчас ChatGPT Plus)
→ По счётчику (чистый pay-per-token)
→ Гибрид (N токенов включено + доплата за превышение)
→ Freemium с рекламой и лимитамиЗнакомо? Это ровно те же 4 модели, через которые прошёл cloud. Мы уже видели этот фильм.

#AI #LLM #cloudarchitecture #GenAI #architecture

(источник)

🦞 Лобстер, который сожрал облако

AMD только что показала, как запустить 6 AI-агентов одновременно на обычном ПК. Без облака, без подписок, без отправки данных куда-либо.

Проект называется OpenClaw — и это самый быстрорастущий open-source проект в истории GitHub: 285 000 звёзд за ~4 месяца. Для сравнения: React набирал столько 10 лет. Linux — 30 лет. Глава Nvidia Дженсен Хуанг назвал OpenClaw «возможно, самым важным софтом из когда-либо выпущенных».
AMD зашла с железом.

Две конфигурации:

→ RyzenClaw — процессор Ryzen AI Max+ (128 ГБ unified memory): ~45 токенов/сек, 6 агентов параллельно, контекст 260K токенов. Модель Qwen 3.5 35B крутится локально

→ RadeonClaw — видеокарта Radeon AI PRO R9700 (32 ГБ VRAM): ~120 токенов/сек, быстрее в 2.7 раза, но меньше контекст
Технически: WSL2 + LM Studio + llama.cpp + Memory.md для локальной памяти агента. Всё on-device.

AMD вводит термин «Agent Computer» — компьютер, где основной пользователь не человек, а AI-агент. Ты делегируешь в Telegram/Slack — агент делает. Ночью, пока ты спишь, он разбирает почту, готовит брифинг, мониторит метрики.

Цена входа: от $2 700 за мини-ПК с Ryzen, +$1 300 за Radeon. Пока для разработчиков и энтузиастов. Но сигнал ясный: локальный AI — следующий фронт, и AMD ставит на то, что не всё должно жить в дата-центрах Альтмана.

Самый интересный вопрос для нас: prompt injection — это «новый SQL injection» для эпохи агентов. У OpenClaw уже был инцидент «ClawHavoc», когда скиллы-бэкдоры заразили инстансы, торчащие в интернет.

Вы бы доверили AI-агенту доступ к своей файловой системе? 👇

#AIAgents #AI #cybersecurity #cloudarchitecture #DevOps

(источник)

📊 Кто пишет код лучше всех в марте 2026 по данным LogRocket

LogRocket обновил свои AI Power Rankings за март — ранжирование моделей и инструментов для разработки по 50+ фичам: SWE-bench, usability, цена, контекст, code quality, accessibility, enterprise-фичи.

Вот что изменилось.

Модели — топ-5 марта:

→ #1 Claude Opus 4.6 (new) — 75.6% SWE-bench, контекст 1M (бета), output 128K. Agent Teams, adaptive thinking. $5/$25 за 1M токенов

→ #2 Gemini 3.1 Pro (new) — 77.1% ARC-AGI-2 (удвоение reasoning vs предыдущего поколения). Цена $2/$12 — не изменилась vs Gemini 3 Pro при значительном скачке качества

→ #3 Claude Sonnet 4.6 (new) — 1M контекст в бета, $3/$15. В Claude Code предпочитается вместо Opus 4.5 в 59% случаев

→ #4 GPT-5.3 Codex — $1.25/$10, 100+ языков, быстрее на автокомплит на 25%

→ #5 GLM-5 (new) — вытеснил GPT-5.2. MIT-лицензия, 744B MoE (40B active), $0.30/$2.55. Обучен целиком на Huawei Ascend, без NVIDIA. Нативная генерация .docx/.pdf/.xlsx

Главный сюрприз: GLM-5 на пятом месте вместо GPT-5.2. Open-source с MIT-лицензией по цене в 10× дешевле Opus при frontier-level перформансе.

Инструменты — топ-5:

→ #1 Windsurf — удерживает лидерство. Arena Mode (слепое A/B сравнение моделей), Plan Mode, параллельные мульти-агент сессии с Git worktrees. Free–$60

→ #2 Antigravity — бесплатный (preview). Мульти-агент оркестрация + встроенная автоматизация Chrome. Поддержка Gemini 3 Pro, Claude Sonnet/Opus 4.5, GPT-OSS

→ #3 Cursor IDE — Cursor 2.0: Composer-модель (4× быстрее), до 8 агентов параллельно, Plan Mode. Free–$200

→ #4 Kimi Code — open-source терминальный агент, визуальный дебаг (видео/изображения на вход), интеграция с VSCode/Cursor/Zed, Agent Swarm от K2.5

→ #5 Codex (new) — вернулся: cloud-native agent от OpenAI, параллельные sandbox-ы, автосоздание PR, нативная интеграция с GitHub. $20–$200. Вытеснил Claude Code из топ-5

Главная интрига: Claude Code выпал из пятёрки инструментов, хотя Claude-модели лидируют в рейтинге моделей. Codex зашёл с козырями — headless-режим в облаке не блокирует локальную разработку.

Что реально выбирать:

Сложный дебаг, рефакторинг монорепо → Opus 4.6 (89% root cause accuracy) Быстрый автокомплит, полиглот-проекты → GPT-5.3 Codex Баланс цена/качество → Sonnet 4.6 (75.2% SWE-bench за треть цены Opus) Self-hosted, приватность → Llama 4 Code или Qwen 3.5 (397B MoE, 17B active, бесплатно) Бюджет → MiniMax M2.5: $0.30/$1.10 за 1M — дешевле всех в топ-10

Тренд, который многие упускают: open-source модели (GLM-5, Qwen 3.5, MiMo-V2-Flash) уже теснят коммерческие в соотношении цена/качество. Вопрос не «какая модель лучшая», а «какая лучшая для вашего конкретного workflow по конкретной цене».

#AIcoding #AI #LLM #DevOps #GenAI

(источник)

🦞 OpenClaw на AMD

AMD выложила BKC (Best Known Configuration) для запуска OpenClaw-агентов на двух конфигурациях. Звучит как маркетинг, но давайте в цифры — потому что дьявол в bandwidth.

Стек: WSL2 → LM Studio → llama.cpp (Vulkan backend) → Qwen 3.5 35B A3B (MoE, ~3B активных параметров на токен из 35B total). Память агента — Memory.md, локальные эмбеддинги без облака.

RyzenClaw — Ryzen AI Max+ 395:

→ 128 ГБ LPDDR5X-8000, шина 256 бит, ~215 ГБ/с реальной пропускной способности
→ До 96 ГБ отдаётся под VRAM через Variable Graphics Memory
→ 45 tok/s decode на Qwen 3.5 35B, prefill 10K токенов за 19.5 сек
→ Контекст 260K, до 6 агентов параллельно (Unified KV Cache)
RadeonClaw — Radeon AI PRO R9700 (RDNA 4):
→ 32 ГБ GDDR6, ~512 ГБ/с bandwidth
→ 120 tok/s decode, prefill 10K за 4.4 сек
→ Меньше контекст, меньше параллельных агентов — но в 2.7× быстрее на генерации
Зачем вообще новое железо, если есть RTX 5090?
Бенчмарки из llama.cpp discussions (Qwen 3.5 35B, Q4_K_XL):
→ RTX 5090: ~190 tok/s decode, GDDR7, 1.8 ТБ/с bandwidth, 32 ГБ VRAM. Цена ~$4 300
→ R9700: ~127 tok/s decode, GDDR6, ~512 ГБ/с. Цена ~$1 300
→ Разница в скорости генерации: 1.5×. Разница в цене: 3.3×. Два R9700 (64 ГБ VRAM) дешевле одной 5090

Но главный аргумент AMD не в дискретке. Он в APU. Ryzen AI Max+ с 128 ГБ unified memory позволяет запускать модели, которые физически не влезут в 32 ГБ VRAM у 5090: DeepSeek R1 70B, Llama 4 Scout 109B, GPT-OSS 120B. Через TTM kernel parameter в Linux можно выделить до 120 ГБ VRAM на ноде. А через llama.cpp RPC кластер из 4 мини-ПК = 480 ГБ и триллионная модель Kimi K2.5 локально.

Ложка дёгтя: bandwidth у Strix Halo — 215 ГБ/с vs 546 ГБ/с у Apple M4 Max (128 ГБ). На dense 70B-моделях M4 Max быстрее: 6.3 vs 5.0 tok/s. Но на MoE-моделях, где активны 3–6B из 35–100B, bandwidth-bottleneck не так критичен — и AMD выигрывает за счёт ёмкости памяти и цены ($2 566 Framework Desktop vs $4 000+ MacBook Pro 128 ГБ).

Prompt injection — новый attack vector. У OpenClaw уже был инцидент ClawHavoc: вредоносные скиллы через ClawHub заражали инстансы. AMD сами пишут в disclaimer: «запускайте на чистой машине или в VM». Появился проект ClawSec — security-suite с drift detection для SOUL.md/IDENTITY.md и сканированием скиллов через VirusTotal.

AMD по сути говорит: inference переезжает на клиент, и мы продаём железо для этого. Не «AI PC для Copilot», а полноценный Agent Computer, где primary user — не человек, а LLM.

Кто уже гонял OpenClaw локально — на чём? 👇

#AI #AIAgents #cloudarchitecture #cybersecurity #LLM

(источник)

Рой вместо одного агента: YC-стартап показал, как обойти Opus 4.6

Random Labs (YC S24) выпустил Slate V1 — первый «swarm native» coding agent. Суть: вместо одного AI, который пытается удержать контекст огромной задачи, работает рой специализированных агентов параллельно.

Почему это интересно технически:

Главная проблема текущих агентов — lossy compaction. Когда контекстное окно заканчивается, Claude Code или Cursor сжимают историю, теряя критические куски проектного состояния. Вы наверняка это видели: агент «забывает» решения, принятые 20 минут назад.

Slate решает это архитектурой Thread Weaving:

→ Центральный оркестратор «программирует в пространстве действий» — отделяет стратегию от тактики, чтобы модель не тонула в деталях реализации (концепция Knowledge Overhang из RLM)
→ Worker-потоки выполняют задачи и возвращают не полные логи, а «эпизоды» — сжатые саммари успешных tool-вызовов и выводов
→ Эпизоды шарят контекст с оркестратором напрямую, без brittle message passing — формируя «swarm intelligence»

Результат: можно параллельно запустить Claude Sonnet на рефакторинг, GPT-5.4 на исполнение кода, GLM-5 на поиск по документации. Каждый на своём, все в одном проекте.

По данным VentureBeat, на задаче make-mips-interpreter (Terminal Bench 2.0) ранняя версия threading-системы Slate прошла 2/3 тестов. Для контекста: даже Opus 4.6 в стандартных harness-ах проходит эту задачу менее чем в 20% случаев.

Нюансы: сам автор Slate пишет, что агент работает в ~5× дольше, чем Claude/Codex на тех же задачах. Выигрыш не в скорости, а в способности доводить до конца сложные многочасовые задачи, где одиночный агент теряет нить. Пока waitlist — open-source обещан, но ещё не опубликован.

Планы: интеграция с Codex и Claude Code как orchestration layer поверх. Это не замена существующих инструментов — это дирижёр для них.
Swarm-подход вообще набирает обороты: Kimi K2.5 уже умеет 100 sub-агентов, Claude Code получил Agent Teams. Но Slate — первый, кто строит архитектуру swarm-first, а не добавляет параллелизм поверх.

#AIAgents #AIcoding #architecture #systemdesign #GenAI

(источник)

ChatGPT всё? Дженсен Хуанг только что отменил инвестиции в OpenAI на $100 млрд

Вместо этого CEO Nvidia в эфире CNBC назвал OpenClaw «следующим ChatGPT» и крупнейшим open-source проектом в истории. Если LLM просто генерируют текст, то автономные ИИ-агенты OpenClaw делают работу:

→ Сами принимают решения
→ Используют сторонние тулзы
→ Закрывают таски с минимальным участием белковых

Nvidia не была бы собой, если бы не попыталась возглавить тренд. Они уже выкатили NemoClaw — enterprise-версию со своим стеком для безопасного запуска агентов в бизнесе. Рынок оценил: акции связанных со стеком компаний улетели в исторические максимумы. Эра чат-ботов заканчивается, начинается эра агентов.

#AI #AIAgents #GenAI

CNBC Interview with Jensen Huang

Валидол для безопасника, или 5 альтернатив дырявому OpenClaw 💊

Тащить дефолтный OpenClaw в прод — настоящее ИТ-самоубийство. 💀

Свежая уязвимость CVE-2026-25253 (кража токенов) и root-доступ из коробки делают его ночным кошмаром. Но отказываться от локальных агентов не нужно.

Вот 5 архитектурно безопасных замен:

→ NanoClaw (TypeScript). Изоляция на уровне ОС. Агенты крутятся в песочницах Docker/Apple Container. Словит галлюцинацию — умрет только контейнер.
→ PicoClaw (Go). Single static binary. Жрет <10MB RAM, стартует за секунду. Находка для Edge-устройств.
→ TrustClaw (SaaS). Managed-решение с чистым OAuth-флоу. Инфраструктура в облаке — ключи физически отделены от вашего железа.
→ Nanobot (Python). Разработка HKU. Всего ~4000 строк кода с фокусом на MCP. Идеальный baseline-фреймворк для R&D.
→ IronClaw (Rust). Тяжелая артиллерия от разработчиков NEAR AI.

Исполнение в изолированных Wasm-контейнерах со строгой capability-based моделью (нулевые права по дефолту).

Будущее агентов — за Wasm/Docker-изоляцией и легковесными бинарниками.

Какую архитектуру выберете для своего пет-проекта? 👇

😀 Wasm/Rust (IronClaw)
😱Docker-песочницы (NanoClaw)
🥴 Edge-минимализм (PicoClaw)
🤡Я подожду, пока агенты перестанут ломать прод

#architecture #AIAgents #cybersecurity #zerotrust

SonicWall Blog

Непопулярное мнение: скоро продакты перестанут писать ТЗ

И начнут пушить коммиты прямо вам в репозиторий. Точнее, они уже это делают.

Вышло свежее исследование ProductSense и X5 Group (март 2026, опрошено 1220 специалистов), и цифры заставляют задуматься:

→ В 2025 году менеджеры продуктов тратили больше всего времени не на аналитику, а на ИИ-навыки (17%).
→ 97% уже используют нейронки, а 43% — делают это постоянно.
→ Главный инсайт продактов за прошедший год — вайб-кодинг. Они сами собирают прототипы и MVP через промпты, минуя разработку.
→ К 2027 году 40% из них ожидают появления чисто ИИ-ролей в продуктовом менеджменте.

Готовьтесь: на следующем груминге вместо абстрактной задачи в таск-трекере вам могут принести кривоватый, но работающий франкенштейн-код из LLM с просьбой «просто задеплоить это на прод».

#AI #productmanagement #MVP #GenAI #AIcoding

(источник)

Google Labs обновила Stitch, AI-канвас для дизайна интерфейсов

18 марта Google Labs представила обновлённый Stitch — инструмент эволюционировал из генератора макетов в полноценный AI-native canvas для проектирования UI. Суть обновления в том, что Stitch теперь работает не как генератор отдельных экранов, а как среда, в которой дизайн-агент оперирует контекстом всего проекта, включая его историю изменений.

Ключевое архитектурное изменение — появление бесконечного канваса, на который можно подавать в качестве контекста изображения, текст и код. Канвас дополнен Agent Manager, который позволяет параллельно вести несколько ветвей дизайна, по сути реализуя паттерн ветвления, знакомый разработчикам по системам контроля версий. Google также представила формат DESIGN.md — markdown-файл, описывающий дизайн-систему проекта. Его можно экспортировать и импортировать между проектами и сторонними инструментами, что снимает проблему переноса визуальных правил между средами. Дизайн-систему можно извлечь из любого URL.

Из практически важного: статичные макеты теперь превращаются в интерактивные прототипы, экраны связываются в пользовательские флоу, а Stitch умеет автоматически генерировать логически следующие экраны по клику. Добавлен голосовой ввод, позволяющий получать критику макета и вносить правки в реальном времени через диалог с агентом. Для интеграции в пайплайн разработки выпущен MCP-сервер и SDK, через которые возможности Stitch доступны как skills и tools. Экспорт идёт в AI Studio и Antigravity.

В целом, Google явно целится в категорию «от промпта до прототипа за минуты» и делает ставку на то, что дизайн в ближайшем будущем станет полностью диалоговым процессом. Термин «vibe design», который они вводят по аналогии с «vibe coding», звучит маркетингово, но за ним стоит конкретная инженерная реализация, как нам кажется, заслуживающая внимания.

(источник)