🪐 Раньше апдейты Claude в основном хвастались тем, что модель стала умнее отвечать. Sonnet 5 — про другое: он лучше держит план на несколько шагов вперёд, увереннее работает с инструментами — терминалом, браузером, API — и заметно прибавил в задачах, где нужно не выдать готовый текст, а довести дело до конца самому. По ощущениям — почти на уровне Opus, только дешевле.

Отдельно зацепила деталь: модель сама возвращается перепроверить свою работу, не дожидаясь, пока её ткнут носом в ошибку. Мелочь, а именно из таких мелочей и складывается то, что называют «агентностью».

➡️ И вот что я заметил: сам вопрос, по которому меряют модели, тихо поменялся. Ещё пару лет назад спрашивали «насколько умный ответ он выдал». Сейчас всё чаще — «сделал ли он задачу целиком, без моего участия на каждом шаге». Гонка сместилась с параметров на автономность.

Как думаете — что сейчас важнее: чтобы модель умнее рассуждала, или чтобы она просто доводила дело до результата без вашего контроля на каждом шаге?

💢 Наткнулся на любопытный скилл для Claude Code — cad-skill от разработчика Николя Шуррута. Суть простая: описываешь физический объект словами («сделай кронштейн для Arduino Uno» или «нужна крышка со snap-fit защёлкой») — и Claude сам пишет параметрический скрипт на CadQuery, экспортирует STL, рендерит превью с нескольких ракурсов и дорабатывает модель вместе с тобой, пока результат не устроит.

Что цепляет — это не генерация «одноразовой» модели по одному промпту, а именно рабочий цикл: база → детали → финальная доводка, с автоматическим самоисправлением ошибок через JSON-обратную связь между скриптом и Claude. То есть модель строится итеративно, как будто рядом сидит инженер, а не «нарисуй мне стул» в духе text-to-3D генераторов, которые часто выдают красивую, но непечатаемую геометрию.

👑 Из практичного: скилл включается автоматически по ключевым словам (3D print, STL, CadQuery, enclosure, bracket) или явной командой /parametric-3d-printing. Есть готовые примеры на MakerWorld — гридфинити-бины, магнитные защёлки для дверей, кейс для iPhone. Требует Python 3.10-3.12 (ядро OCC в CadQuery пока не собрано под 3.13+). Лицензия — PolyForm Noncommercial, то есть бесплатно для некоммерческого использования.

На мой взгляд, это хороший пример того, куда движутся агентные скиллы: не просто «спроси у нейросети текст», а дать ей инструмент с обратной связью (рендер, проверка на watertight-геометрию, printability-чеклист) — и получить рабочий инженерный цикл прямо в чате.

❓ А вы бы доверили ИИ спроектировать деталь, которую потом реально напечатаете и поставите в дело?

👍 В свежем выпуске подкаста Сэм разговаривает с Девом Ришем, GM по ИИ в Rubrik, о том, что происходит, когда агенты перестают просто отвечать на вопросы и начинают действовать — вызывать инструменты, менять системы, писать код, отправлять сообщения. Главный тезис: привычный корпоративный подход к безопасности — статичные гардрейлы плюс ручное одобрение человеком — в эпоху агентов просто не работает.

Логика проста: чем больше у агента доступа к инструментам, тем больше «радиус поражения» при ошибке. А агенты умеют обходить контроли неожиданными способами, потому что действуют на скорости машины и по цепочке шагов, которую заранее не распишешь правилами. Отдельно интересный момент — human-in-the-loop, ручная проверка каждого действия, при масштабировании превращается в «театр безопасности»: человек физически не успевает осмысленно проверять поток решений агента, и approval-кнопка становится формальностью.

🔥 Что предлагается взамен — не отказ от контроля, а его переосмысление: видимость происходящего в реальном времени, enforcement на уровне runtime (а не заранее прописанных правил), governance с учётом политик, observability агентов и, что важно, механизмы отката — возможность «отмотать» действия агента, если что-то пошло не так. Отдельно поднимается тема разрастания инструментов через MCP и идея использовать небольшие языковые модели именно для контроля политик — то есть ИИ, который следит за другим ИИ.

По сути, разговор фиксирует смену парадигмы: безопасность агентов — это не про то, как заранее запретить плохое, а про то, как быстро увидеть и исправить, когда агент всё же ошибся. Это созвучно тому, что происходит и в других агентных экосистемах — включая инструменты вроде Claude Code, которые тоже всё активнее действуют, а не просто отвечают.

🌟 CEO Palantir Алекс Карп на CNBC устроил почти 20-минутную обличительную речь против фронтир-моделей, обвинив OpenAI и Anthropic в переплатах и сборе чужих данных. Через пару дней CEO Mistral Артур Менш в LinkedIn высказал похожую мысль: закрытые провайдеры получают слишком большой рычаг влияния над клиентами, чьи рабочие процессы завязаны на их модели.

Оба говорят это с явным коммерческим интересом — Palantir продаёт слой управления моделями, Mistral продаёт открытые веса, — но совпадение по времени показательно. В статье приводят пример: весной этого года Anthropic по требованию Минторга США временно отключила доступ к Claude Fable 5 и Mythos 5 для иностранцев, задев заодно европейских корпоративных клиентов. Доступ вернули, но для CIO это стало сигналом — зависимость от одного провайдера рискованна не меньше, чем в своё время привязка к одному облаку.

⭕️ Вывод авторки: если чувствительные данные идут через чужой API с условиями, которые можно менять в одностороннем порядке, — это управленческое решение, которое стоит явно обсуждать с комплаенсом, а не отдавать на откуп техотделу.

❓ А вы бы строили критичные процессы поверх закрытой модели одного провайдера, зная, что доступ теоретически может исчезнуть?

⁉️ На днях наткнулся на исследование Anthropic под названием «Verbalizable Representations Form a Global Workspace in Language Models», и оно реально стоит внимания. Суть: у языковых моделей (не только у Claude) обнаружили небольшую выделенную область активаций — J-space, найденную с помощью так называемой Jacobian lens (J-lens). Авторы проводят прямую параллель с теорией глобального рабочего пространства (Global Workspace Theory) — известной концепцией из когнитивистики о том, как разрозненные процессы мозга становятся доступны «сознанию».

Идея в том, что большая часть внутренних вычислений модели происходит «за кадром» и никак не всплывает наружу, но небольшой набор представлений — J-space — играет особую роль: туда попадает информация, к которой модель может обращаться, которую держит «в уме» и использует для многошаговых рассуждений. Экспериментально это подтверждается по-разному: если попросить модель держать что-то в уме, выполняя другую задачу, — это «что-то» действительно проявляется в J-space. Причём даже если явно запретить модели думать про объект, он всё равно там всплывает, просто слабее. А если это пространство отключить, модель ещё справляется с простыми задачами вроде смены языка, но начинает сыпаться на сложных вычислениях.

👆 Отдельно любопытен пример с безопасностью: когда модели подсовывалиданные с prompt injection, в J-space действительно проявлялись термины вроде «injection» и «fake» — то есть по внутреннему состоянию можно засечь момент, когда модель распознаёт манипуляцию, даже если это не отразилось в ответе.

Вопросы «это уже AGI» и «это сознание» тут неизбежно всплывают, и Anthropic сама честно проговаривает: это не доказательство наличия у модели субъективного опыта, а находка функциональной аналогии. Но инструмент, судя по всему, полезный — как для аудита и выявления скрытых намерений модели, так и для интерпретируемости в целом. Есть даже открытый плейграунд J-lens на Neuronpedia, где можно самому поковыряться в внутренностях модели.

👁️ LangChain и NVIDIA представили NemoClaw для Deep Agents — три слоя для сборки корпоративных агентов: открытая модель Nemotron 3 Ultra, харнесс Deep Agents Code от LangChain (планирование, инструменты, память) и рантайм OpenShell — песочница с политиками доступа для безопасного исполнения агентских действий.

Главная цифра: на eval-бенчмарке связка Nemotron 3 Ultra + настроенный харнесс дала балл 0.86 при стоимости $4.48, тогда как ближайший конкурент обошёлся в $43.48 — почти в 10 раз дороже. Авторы подчёркивают: результат — от тюнинга всей системы разом (модель + харнесс + evals + рантайм), а не только модели.

📁 Аргументация в духе истории с Карпом и Меншем: закрытые API лишают компанию контроля над памятью агента, трейсами и датасетами — тем, что и есть её реальная экспертиза. Открытый стек позволяет владеть этим самому. В экосистему уже вошли EY, Baseten, Fireworks, Nebius, Together AI. Но стоит помнить, что и LangChain, и NVIDIA прямо заинтересованы в продвижении своих продуктов, так что цифры — маркетинговая витрина, а не независимый бенчмарк.

🪟 На конференции в Нидерландах Марко Казалена, представитель Microsoft/Azure AI Foundry, прочитал живую импровизированную лекцию о том, какие развилки (те самые «или/или») сейчас встают перед разработчиками агентов.

Первая тема — токономика: эпоха «безлимитного шведского стола» токенов закончилась, и Microsoft тихо (без объявления на конференции Build) обновила Model Router — систему, которая перед вызовом большой модели прогоняет запрос через быстрый классификатор и решает, отправить его в дешёвую nano-модель или в дорогую флагманскую. Router теперь поддерживает десятки моделей, включая внешние (GPT, Opus), и скоро появится кастомизируемый классификатор маршрутизации.

🖱 Дальше — семейство «headless IQ»-инструментов: Web IQ (быстрый и дешёвый поиск для агентов вместо Bing API), Foundry IQ (агентный RAG поверх нескольких источников unstructured-данных — по сути отдельный саб-агент, который сам решает, что искать и как это синтезировать), Fabric IQ (для структурированных данных, с выбором между прямым подключением агента к онтологии или использованием отдельного «дата-агента» с описаниями таблиц и примерами запросов) и Work IQ (headless-версия Outlook/Teams/SharePoint, которая может работать «от лица» пользователя или от лица агента с отдельной идентичностью).

Центральная мысль доклада — прежде чем строить нового агента, стоит спросить: а нельзя ли обойтись скиллом (промпт + немного кода), который просто подключится к уже существующему универсальному агенту вроде Copilot или Scout? Это дешевле и не раздувает контекстное окно лишними инструментами — но у скиллов пока нет нормального способа тестирования в масштабе, в отличие от полноценных агентов.

🖥 И последний важный сдвиг — в оценке качества агентов. Старые метрики (task completion, task adherence) говорят только «сделал ли агент хоть что-то похожее на задачу», но не «сделал ли он это правильно». Microsoft переходит на rubric-based evaluation — наборы бизнес-специфичных правил (например, «если вопрос про комиссии — агент обязан свериться с таблицей комиссий»), из которых собираются метрики под конкретный сценарий использования.

❓ Как вы решаете для себя вопрос «делать агента или обойтись скиллом/промптом» — по ощущению или по каким-то конкретным критериям?

➡️ По данным Reuters, китайский стартап DeepSeek запустил проект по разработке собственных ИИ-чипов, ориентированных на инференс, а не на обучение моделей. Цель — снизить стоимость инференса и зависимость от зарубежных поставщиков вроде Nvidia. Сама компания пока никак это не комментирует.

Проект, по данным источников, стартовал около года назад, а в последние месяцы DeepSeek заметно активизировала найм — правда, не через открытые вакансии, а точечно переманивая опытных инженеров-чипмейкеров. Команда закрывает архитектуру, верификацию и софтверную часть. Это логичный шаг: инференс в отличие от обучения — не разовый всплеск нагрузки, а постоянное обслуживание огромного потока запросов, где на первый план выходят стоимость, энергопотребление и надёжность. А вычисления давно съедают больше половины операционных расходов у многих ИИ-компаний.

🖥 DeepSeek — один из самых быстрорастущих китайских разработчиков открытых моделей (DeepSeek-V3, R1), и по мере роста нагрузки инфраструктура стала одной из крупнейших статей расходов. Логика в целом та же, что у Google с TPU или у Amazon с Trainium — контроль над железом снижает издержки и зависимость от одного поставщика.

Правда, авторка статьи справедливо остужает ожидания: путь от архитектуры чипа до тейпаута и массового производства обычно занимает больше года, так что на расстановку сил на рынке ИИ-чипов это повлияет не скоро. Параллельно DeepSeek ведёт переговоры о первом раунде внешнего финансирования — около $7 млрд при оценке компании в $52–59 млрд, и часть этих денег, судя по всему, как раз пойдёт на чипы и инфраструктуру.

❓ Как думаете — это реальная заявка на независимость от Nvidia, или скорее рычаг давления в переговорах о цене и поставках?

🌟 AlphaEvolve — агент на Gemini для оптимизации кода и алгоритмов там, где пространство решений слишком велико для ручного перебора. Задаёшь базовый код и метрики оценки — агент эволюционно ищет лучшее решение и отдаёт готовый код в прод.

Кейсов много: BASF улучшила прогнозирование в цепочках поставок на 80%, JetBrains ускорила IDE на 15-20%, Klarna удвоила скорость обучения моделей, PacBio снизила ошибки в геномном секвенировании на 30%. Внутри Google агент уже поучаствовал в дизайне TPU и сократил накладные расходы в Spanner на 20%.

👍 Люди везде сохраняют контроль — бенчмарки и решение о релизе за инженерами, но перестают быть ограничены ручным перебором вариантов.
Это пресс-релиз с отобранными цитатами клиентов, так что применимость вне success-story — открытый вопрос.

❓ Это реальный прорыв или просто дорогой автоматизированный brute-force, доступный только гигантам с большими вычислительными бюджетами?

✅ Хотел рассказать про запуск самого большого в мире Starship — но пока писал этот пост, всё изменилось. Вчера, 16 июля, SpaceX реально пыталась его запустить, и за секунды до старта пуск отменили: не все двигатели Super Heavy зажглись как надо. Маск сам подтвердил, что именно это стало причиной аборта. Так что дебют спутников Starlink V3 на борту Starship снова откладывается.

Если по сути: это должен был быть 13-й полёт Starship с площадки Pad 2 в Техасе, с обновлённым «железом» третьего блока — новой теплозащитой и датчиками нагрузки для более надёжного входа в атмосферу. И главная интрига — впервые на орбиту должны были полететь спутники Starlink V3. Это не косметическое обновление: пропускная способность каждого спутника вырастет примерно в 10 раз, до 1 терабита в секунду, и под такие габариты Starship и проектировался — в Falcon 9 такие спутники просто не помещаются.

👍 Кстати, на Polymarket была ставка про 53% вероятности 5-6 успешных запусков Starship за весь 2026 год. Мне кажется, это как раз честная оценка — трейдеры закладывают не «получится или нет», а сколько раз получится из многих попыток. После вчерашнего аборта эта цифра, подозреваю, уже слегка просела.

➡️ Компания Pangram (детектор ИИ-текста) проанализировала больше миллиона постов на LinkedIn, X, Reddit, Medium и Substack — как полностью написанные ИИ, так и созданные с его помощью.

Цифры получились неприятно однобокими: LinkedIn — это примерно треть всех проверенных постов, но на неё пришлось 62% всего, что детектор пометил как полностью сгенерированное ИИ. То есть непропорционально много.

🚨 В целом по всем платформам около каждого четвёртого длинного поста оказался полностью написан ИИ, а если считать вместе с текстами, где человек и ИИ работали в связке, лидером неожиданно стал X. LinkedIn при этом официально заявляет, что борется с низкокачественным, автоматизированным и шаблонным контентом — но цифры говорят, что бороться становится всё труднее: отличить, кто реально писал текст, а кто просто нажал «сгенерировать», уже почти невозможно на глаз.
Забавная ирония в том, что именно LinkedIn — площадка, построенная на личном бренде и «экспертном мнении», — оказалась territorией, где это личное мнение реже всего написано лично. Стоит, впрочем, держать в уме, что детекторы ИИ-текста сами по себе не идеальны и дают false positives, особенно на не-носителях языка и людях с определённым стилем письма — так что цифры Pangram стоит воспринимать как оценку, а не абсолютную истину.

❓ Вы уже научились отличать ИИ-пост в ленте с первого взгляда, или тоже иногда путаетесь?

🐀 Забавная история, которая на самом деле опирается на реальную новость: Anthropic несколько раз подряд продлевала бесплатный доступ к своей топовой модели Claude Fable 5 в рамках платных подписок — сначала до 7 июля, потом до 12-го, а теперь и до 19 июля, вместе с повышенными на 50% недельными лимитами Claude Code. Так что человек, который подвинул планы ради «лишнего окна» с моделью, действовал вполне рационально — программа реально продлевалась дважды за неделю, буквально в последний момент перед дедлайном.

Что интересно в контексте: похоже, продления связаны не столько с щедростью, сколько с конкурентным давлением — GPT-5.6 Sol от OpenAI почти догнал Fable 5 по бенчмаркам, но стоит заметно дешевле (один разработчик посчитал: $16 против $63 за одну и ту же задачу).

💲 После 19 июля доступ переходит на предоплаченные кредиты — $10 за миллион входных токенов и $50 за миллион выходных, что для потребительской модели такого уровня необычная модель монетизации.
История с переносом планов ради ИИ-инструмента звучит забавно, но по сути отражает реальную вещь — растущую производительность действительно ощущают многие пользователи, и рациональность решения «использовать лимит, пока он есть» вполне объяснима, особенно с учётом того, что никто заранее не может предсказать, продлят ли доступ снова.

👆 Риша Панигрихи из USC создала InTruth — браузерное расширение, которое в реальном времени проверяет фактические утверждения во время дебатов и выступлений.

Claude используется дважды: сначала даёт быстрый вердикт, потом уточняет его после поиска источников. Расширение отслеживает спикеров, отделяет факты от мнений и маркирует утверждения как правду, ложь, введение в заблуждение, частичную правду или непроверяемое.
За неделю набралось больше 2000 пользователей.

📁 Сама создательница честно предупреждает: система может ошибаться, и пользователям стоит проверять источники, а не слепо доверять ИИ-вердикту.

❓ Доверили бы такому расширению формировать мнение во время дебатов, или предпочли бы проверять факты сами?

🪟 Разбираю пост Сидни Ранкл из LangChain про новую фичу в Deep Agents — поддержку RLM (recursive language models), концепции, предложенной Алексом Чжаном и исследователями MIT CSAIL. Проблема, которую они решают, знакома всем, кто работал с длинным контекстом: чем больше информации накапливает агент, тем хуже он работает — это называют context rot. Классический пример: агенту нужно посчитать средний размер сделки по 10 000 транскриптов звонков. Если считать «по ходу», сохраняя промежуточный итог в контексте модели, сумма неизбежно начинает плыть по мере роста истории.

Идея RLM в том, чтобы вынести оркестрацию и подсчёты в код, а не держать их в эфемерном окне контекста модели. Модель получает данные как переменную в REPL и пишет код, который сам решает, как разбить задачу, — grep, partition, map, reduce, всё как при работе с большим датасетом. Отличие от обычных саб-агентов в том, что раньше модель решала «что делать дальше» пошагово, на каждом шаге рассуждения, а теперь пишет скрипт, и код гарантирует полный охват задачи (цикл for обойдёт каждый батч по определению, а не «на усмотрение» модели).

➡️ Результаты на бенчмарке OOLONG показательны: на контексте 64k токенов обычный агент почти не уступает — 0.58 против 0.67 у RLM-версии. Но на 128k разница резко увеличивается — 0.44 против 0.79, причём обычный агент не просто ошибается, а честно сдаётся и говорит, что не может выполнить задачу. Правда, авторы сами оговариваются: это прикидочный тест без специфической настройки под задачу, так что реальный потенциал RLM, вероятно, недооценён этими цифрами.

Отдельная деталь, которая мне кажется важной: оркестратор и саб-агенты в Deep Agents могут работать на разных моделях — например, фронтир-модель как «дирижёр» с открытыми весовыми моделями вроде GLM 5.2 или Nemotron в роли исполнителей для экономии, или наоборот.

👆 Джефф Безос заявил, что настоящие ограничения роста сегодня — не в идеях (их у людей и так больше, чем можно реализовать), а во времени, инженерном таланте и производственных мощностях. В качестве решения он указывает на Prometheus — ИИ-стартап, который он с ноября 2025 года возглавляет как со-CEO, вернувшись к операционной работе впервые после ухода из Amazon в 2021-м. Идея Prometheus — сократить дистанцию между идеей и готовым физическим продуктом, построив, по формулировке самого Безоса, «искусственного инженера общего назначения»: ИИ, который тренируется не на текстах интернета, а на данных из физического мира, чтобы ускорять инженерию и производство — от чипов до ракет. Компания уже привлекла $18,2 млрд суммарно (последний раунд — $12 млрд при оценке $41 млрд) и наняла около 150 человек из OpenAI, Google DeepMind, Nvidia.

Заявление звучит на фоне реальной и довольно тревожной статистики: по данным Challenger, Gray & Christmas, в мае 2026 года ИИ был указан работодателями как основная причина примерно 40% всех сокращений в США — рекордная доля с начала отслеживания этого показателя в 2023-м (для сравнения, в январе было всего 7%). С начала года ИИ уже фигурирует в 87 700 увольнениях — больше, чем за весь 2025 год целиком. Правда, стоит держать в уме оговорку экономистов: то, что компания официально называет ИИ причиной сокращений, не всегда означает, что это действительно так — иногда это просто удобная формулировка для рынка и инвесторов.

➡️ Позиция самого Безоса классически оптимистична для технологического предпринимателя: ускорение разработки создаст больше продуктов, компаний и целых индустрий, а значит — больше, а не меньше спроса на квалифицированных специалистов. Проблема в том, что это долгосрочный аргумент, который слабо утешает людей, теряющих работу прямо сейчас — краткосрочная боль и долгосрочная выгода здесь могут просто не совпадать по времени для одних и тех же людей.

❓ Вам ближе позиция «это временный болезненный переход» или ощущение, что оптимизм тут больше служит инвесторам, чем реальным работникам?

✨ Это продолжение материала про AlphaEvolve, и здесь — конкретика по запуску. Пушмит Кохли, главный научный сотрудник Google Cloud и вице-президент по науке в Google DeepMind, формулирует главный тезис компании: ИИ переходит от роли ассистента, который просто ускоряет работу, к роли «двигателя открытий», расширяющего то, что вообще возможно сделать. По его словам, автономно исследуя гигантские вычислительные пространства решений, такие инструменты, как AlphaEvolve, помогают находить прорывные алгоритмы, дополняющие человеческую интуицию, а не просто её имитирующие.

Технически для старта нужны всего два элемента: seed-программа — исходный алгоритм с явно помеченными участками кода, которые разрешено оптимизировать, и evaluator — детерминированный скрипт на стороне пользователя, который компилирует, тестирует и оценивает каждый сгенерированный вариант, возвращая числовые метрики. Дальше цикл простой: клиентский раннер запрашивает у API AlphaEvolve мутировавших кандидатов, прогоняет их через свой evaluator (он может крутиться где угодно) и отправляет оценки обратно, из которых AlphaEvolve выбирает следующие направления поиска.

🔥 Для входа рекомендуют идти через документацию и onboarding-гайд, начать с базовых примеров в Colab, чтобы понять эвристику, а для агентных workflow — использовать AlphaEvolve Skill прямо в IDE вроде Antigravity или Claude Code.
По сути, порог входа здесь ниже, чем можно было ожидать — не нужно быть исследователем в ML, достаточно уметь написать evaluator для своей задачи.

‼️ AWS выпустила открытый MCP-сервер для Registry of Open Data on AWS (RODA) — каталога, где хранятся сотни петабайт открытых данных от NASA, NOAA, NIH, Allen Institute и других организаций (спутниковые снимки, геномика, климат, геоданные). Идея простая: раньше, чтобы найти нужный датасет, исследователю приходилось вручную перебирать каталог, находить нужный S3-бакет, разбираться в структуре файлов и тестировать несколько из них, прежде чем понять, подходит ли датасет вообще. Теперь это можно сделать одним диалогом в Kiro, Claude Code или любом другом MCP-совместимом ассистенте.

Сервер построен вокруг трёх функций: поиск (запрос вроде «найди датасеты для изучения температуры океана» возвращает подходящие наборы с описанием и условиями лицензии), изучение метаданных (можно попросить подробности по конкретному датасету или найти похожие) и оценка пригодности — ассистент показывает структуру S3-бакета, форматы файлов и партиционирование, а также может «заглянуть» в конкретный файл и показать его содержимое до того, как вы начнёте полноценную работу с данными.

➡️ Технически всё подключается буквально одной командой (claude mcp add roda-mcp uvx awslabs.roda-mcp-server@latest), проект открытый, под лицензией Apache 2.0.

По сути это ещё один пример того, как MCP-протокол Anthropic становится стандартной «прослойкой» между ИИ-ассистентами и специализированными источниками данных — не нужно писать кастомную интеграцию под каждый каталог, достаточно поднять MCP-сервер один раз. Хорошая иллюстрация того, куда движется вся эта экосистема: от «спроси у чат-бота» к «дай агенту прямой доступ к твоим инструментам и данным».

❓ Многие ли исследовательские команды реально готовы довериться ИИ-ассистенту в предварительной оценке данных, или это скорее ускоряет первый шаг, а глубокую проверку всё равно делают руками?

🖱 Эми Лу из команды LangChain выпустила короткое видео о том, как настроить Claude Code так, чтобы каждая сессия автоматически отправлялась в LangSmith в виде полноценной трассы. Настройка сводится буквально к трём командам: добавляешь маркетплейс плагинов (/plugin marketplace add langchain-ai/langsmith-claude-code-plugins), ставишь сам плагин (/plugin install langsmith-tracing) и перезагружаешь плагины. Плюс один JSON-блок с переменными окружения — API-ключ LangSmith и название проекта.

После этого в трассу автоматически попадает буквально всё: полная история диалога с моделью, каждый вызов инструмента (Bash, Read, Edit, Grep и другие) с входными и выходными данными, запуски саб-агентов как дочерние спаны, события сжатия контекста (compaction) и даже прерванные ответы — они помечаются как interrupted, а не просто теряются. В LangSmith это превращается в дерево выполнения сессии, а не плоский лог, и по вкладке Threads можно проследить весь многошаговый диалог целиком.

💢 Практическая мотивация понятна: Claude Code всё чаще используют «headless» — в CI-пайплайнах, автоматизированных агентах, по расписанию — и в таких сценариях просто нет возможности смотреть на живой терминал, когда что-то идёт не так. Трейсинг даёт тот же уровень наблюдаемости, что обычно ожидают от продакшен-LLM-систем, только применительно к агенту, который пишет и правит код.

Системные промпты в трассу не попадают — Claude Code их просто не возвращает в транскриптах разговора, так что это единственное существенное ограничение подхода.

👁️ GitHub объявил о добавлении Kimi K2.7 Code от Moonshot AI в линейку моделей Copilot — и это первая модель с открытыми весами в списке. Открытые веса означают, что параметры, на которых обучалась модель, доступны всем желающим, то есть модель можно дообучать и модифицировать под себя. При этом сама Kimi хостится на инфраструктуре Microsoft AI Foundry в США и управляется GitHub и Microsoft — то есть «открытость» тут про веса, а не про то, где физически крутится модель.

По умолчанию модель отключена — включать должен админ организации, проверить доступность можно через вкладку Models в Copilot CLI. Из практичного — цена: 95 AI-кредитов за миллион входных токенов и 400 за миллион выходных (кредит ≈ 1 цент), что делает её одной из самых дешёвых в линейке. При этом, по внутренним тестам GitHub, по качеству агентного кодинга Kimi K2.7 Code сопоставима с фронтир-моделями, а по скорости первого токена и общей отзывчивости — одна из самых быстрых в линейке, плюс 95% попаданий в кеш, что тоже про эффективность.

➡️ В демо-примере модели дали продуктовые требования для сайта шеринга ссылок — она задала 8 уточняющих вопросов, выявила неявные допущения, а затем в автопилот-режиме реализовала рабочее приложение с минимумом дополнительных правок.

Доступна уже сейчас для Pro, Pro+ и Max, для бизнес- и энтерпрайз-аккаунтов — в ближайшие недели.
Заметный шаг: раньше открытые модели в основном ассоциировались с self-hosting и энтузиастами, а тут крупная открытая модель заходит прямо в мейнстримный продукт наравне с закрытыми фронтир-моделями.

❓ Стали бы вы сознательно выбирать более дешёвую open-weights модель для рабочего кодинга, если по тестам она почти не уступает топовым?

✅ CEO Cloudflare Мэттью Принс на мероприятии Axios в Каннах снова заговорил о том, как ИИ меняет способ, которым люди находят бизнесы онлайн. Его тезис: ИИ-ассистенты за секунды сравнивают тысячи товаров без всякой лояльности к бренду — а значит выигрывают в основном уже раскрученные имена, которые чаще упоминаются в интернете и обучающих данных, а мелким компаниям становится сложнее выделиться.

Цифра про клики укладывается в то, что Принс говорит уже больше года: соотношение «сколько страниц краулит поисковик на одного реального посетителя» стремительно растёт — у Google счёт идёт на десятки страниц на клик, у ИИ-ассистентов вроде OpenAI и Anthropic — на сотни и тысячи. Люди получают готовый ответ прямо в чате и просто перестают переходить по ссылкам на источник.

💲 Решение Cloudflare — Pay Per Crawl: механизм, который позволяет владельцам сайтов брать плату с ИИ-краулеров за доступ к контенту вместо того, чтобы просто блокировать их. Правда, у Принса тут прямой коммерческий интерес — Cloudflare обслуживает огромную долю веб-трафика и зарабатывает на позиционировании себя защитником издателей.

💢 Иван Паломарес Каррaскоса (Machine Learning Mastery) разбирает пять стратегий для долгоживущих агентов, у которых контекстное окно — узкое место.

1. Sliding window — помнит только последние N ходов. Дёшево, но чревато «цифровой амнезией» и зацикливанием.

2. Recursive summarization — сжимает старую историю в саммари, как JPEG. Держит общий «сюжет», но теряет детали.

3. Structured state management — вместо истории агент ведёт компактный JSON с целями и фактами. Экономно, но всё, что не заложено в схему, агент просто не увидит.

4. RAG-подход — вся история хранится во внешней базе, в промпт подтягивается только релевантное. Работает почти бесконечно, но рискует упустить связь между непохожими друг на друга событиями.

5. Dynamic context routing — рутину делает дешёвая модель, а когда агент застревает — подключается мощная модель с полной историей. Экономично, но сложно надёжно ловить момент, когда модель застряла.

Вывод автора: цель не бесконечная память, а архитектура, которая осознанно решает, что помнить, а что забыть.

❓ Какая стратегия кажется вам рабочей в проде, а какая — скорее теоретической?