💯 Свежее видео OpenAI показывает, насколько вырос Codex: теперь он не просто пишет код, а проходит почти весь цикл разработки — сам разбирается в баге, планирует изменения, пишет и тестирует код, готовит pull request, готовый к ревью.

Главный акцент — на длительных параллельных workflow: Codex работает над несколькими задачами одновременно. Из нового: переезд в десктопное приложение ChatGPT, PR Chat для ревью пул-реквестов прямо в контексте диффа, инлайн-редактирование кода и Markdown, более быстрый Computer Use на GPT-5.6 и понятное отслеживание, чем занят агент и его саб-агенты.

🖱 Отдельный фокус — углублённый контекст проекта: акцент сместился на рутинные фиксы, сложные рефакторинги и миграции, где важно понимать архитектуру целиком, а не один файл.

По сути, OpenAI двигает Codex в сторону полноценного участника команды — с параллельной работой и ревью, а не просто «спросил — получил код». Прямая конкуренция с Claude Code от Anthropic.

👁️ Microsoft выкатила в приложении GitHub Copilot интерактивный «upgrade canvas» — визуальную панель, где можно в реальном времени следить за тем, как агент апгрейдит .NET-приложение: от оценки зависимостей и составления плана до применения изменений и исправления ошибок сборки. Идея понятная — раньше приходилось буквально склеивать картину происходящего из чата, сгенерированных markdown-файлов и правок кода по отдельности, а теперь весь процесс виден в одном месте: живой план, задачи, прогресс выполнения, изменения кода, ошибки сборки и результат.

Технически агент сам оценивает, на какую версию .NET нацелено приложение, какие NuGet-пакеты нужно обновить, где есть breaking changes и в каком порядке безопаснее апгрейдить проекты — а дальше исполняет план сам. Работает это не только в отдельном приложении Copilot, но и в Visual Studio, VS Code и Copilot CLI — то есть один и тот же workflow доступен где угодно.

📁 А вот в комментариях к посту разработчики делятся куда менее вдохновляющим опытом: жалуются на лавину markdown-файлов, которые нужно вручную одобрять по одному, на то, что инструмент неплохо справляется с простыми библиотеками классов, но реально буксует на ASP.NET/Core-проектах — игнорирует явные инструкции (например, продолжает использовать Autofac вместо нативного DI, хотя ему прямо сказали не делать этого), зацикливается на попытках починить сборку, которая заведомо не соберётся в процессе миграции, и иногда просто виснет, теряя все несохранённые изменения. Один из комментаторов метко назвал это «hope-driven development» — стиль разработки, где остаётся только надеяться, что 10-30 минут, потраченные на направление ИИ, не улетят в никуда. Продакт-менеджер Microsoft отреагировал прямо в комментариях, прося детали для отладки — что по-своему обнадёживает, но и подтверждает: инструмент ещё сырой.

Хороший пример разрыва между презентационным демо и реальным опытом внедрения — типичная история для «агентных» продуктов на этом этапе зрелости.

❓ Вы бы доверили такому агенту масштабный апгрейд легаси-проекта без постоянного присмотра, или пока это выглядит как повод присматривать за ним ещё внимательнее, чем при ручной миграции?

📷 Амит Шекхар из Outcome School разбирает простой, но фундаментальный механизм: почему Chain-of-Thought промптинг вообще работает. Он использует наглядный пример — задачу вроде «в магазине 12 яблок, утром продали 5, вечером купили 8, сколько яблок осталось?». Правильный ответ — 15, через промежуточные шаги 12−5=7 и 7+8=15. Если попросить модель сразу дать финальное число, она пытается предсказать ответ мгновенно, не проработав промежуточные шаги — на лёгкой задаче может угадать, но на сложной часто промахивается.

Причина в самой природе того, как модель генерирует текст — слово за словом. Если модель фиксирует финальный ответ слишком рано, у неё просто нет шанса себя поправить — она пишет последовательно и не может «переписать» уже сказанное. Собственно, в этом и суть CoT: когда модель сначала выписывает рассуждение вслух, эти рассуждения сами становятся частью контекста, на который она опирается, формулируя финальный ответ — то есть строит вывод поверх видимых, проверяемых шагов, а не угадывает с нуля.

👆 Важная оговорка, которую автор подчёркивает: модель от этого не становится «умнее» в каком-то фундаментальном смысле — ей просто дают структурированное пространство, чтобы подумать перед тем, как ответить. Дальше в статье разбирается разница между zero-shot CoT (просто добавить «давай рассуждать по шагам») и few-shot CoT (дать модели примеры готовых цепочек рассуждений) — и где именно эта техника реально даёт прирост, а где не имеет смысла.

❓ Хорошее объяснение для тех, кто пользуется промптингом на автомате, не задумываясь, почему «think step by step» вообще помогает. Вы сами часто используете этот приём в промптах, или это уже настолько привычно, что делаете это не задумываясь?

☀️ 1Password запустила интеграцию с Claude — теперь агент может сам заходить на сайты и выполнять задачи вроде бронирования поездок или управления аккаунтами, используя ваши сохранённые логины, но при этом пароль и одноразовый код двухфакторки никогда не попадают ни к модели, ни в её контекст, ни в память, ни в системы Anthropic вообще.

Механика устроена так: когда Claude нужно куда-то залогиниться, 1Password показывает пользователю, какой именно credential запрашивается и зачем, а после подтверждения биометрией сама подставляет данные напрямую в целевую систему. Пока 1Password заполняет форму, Claude буквально перестаёт «читать» страницу — к моменту, когда агент снова получает контроль, данные уже отправлены и их больше не видно. Доступ выдаётся конкретно под задачу и заканчивается вместе с ней, а сервис умеет обслуживать многошаговые сценарии на нескольких сайтах в рамках одной задачи, не запрашивая credentials заново на каждом шаге.

👆 Отдельно интересна вторая часть анонса — Agentic Mode, включённый по умолчанию для всех пользователей 1Password, даже без настройки интеграции с Claude. Смысл в защите от обратного сценария: в момент, когда любой ИИ-агент берёт браузер под контроль, расширение 1Password автоматически блокируется, прячет интерфейс от агента и делает доступным только то, что явно одобрено под текущую задачу — остальной вейлт остаётся недосягаем. Цитата CTO 1Password Нэнси Ванг звучит по делу: нужна не передача агенту секретов, а разрешение пользователя использовать credential без того, чтобы агент его вообще видел — именно там начинается доверие к агентам.

Из ограничений: работает пока только на Mac, поддерживает лишь обычные логин-формы (не соцсети вроде «войти через Google»), passkeys пока не поддерживаются, а для бизнес-аккаунтов фичу нужно явно включать администратору.
По сути это концептуально важный прецедент — модель «агент действует, но не видит секрет» может стать стандартом для того, как вообще ИИ должен получать доступ к чувствительным данным, а не разовым решением одного вендора.

🔪 В OpenAI Showcase появился Material Lab — интерактивный инструмент для дизайна 3D-материалов, собранный связкой Codex + GPT-5.6. Исходный промпт был детально прописан: real-time редактор в браузере, скульптурный объект в студии, пресеты стекла/металла/керамики/ткани, контролы цвета, шероховатости, света с мгновенным откликом, сохранение своих пресетов локально — и явное уточнение, что интерфейс должен выглядеть профессионально, а не как перегруженный шейдер-редактор.

Дальше проект дорабатывали итеративно — добавили новые формы (Loop, Knot, Orb, Gem), сохранив согласованное поведение материалов и света для каждой.

👆 Показательна тут не сама демка, а качество исходного брифа — конкретные ограничения по UX и поведению вместо расплывчатого «сделай круто».

❓ Вам обычно хватает одного детального промпта, или всё равно уходит несколько итераций уточнений?

✅ OpenAI Academy открыла серию живых сессий Codex Bootcamp — образовательный трек для технических специалистов и целых инженерных команд, которые хотят по-настоящему эффективно встроить Codex в реальные рабочие процессы разработки, а не просто пользоваться им на базовом уровне.

Формат разбит на три ступени сложности — 101, 201 и 301, — и можно зарегистрироваться на тот уровень, который актуален именно вам: от базового знакомства с инструментом до продвинутых сценариев для команд, которые уже используют Codex в проде.

🖱 Пожалуй, самое интересное здесь — не сам факт бесплатного обучения (таких материалов сейчас много), а то, что OpenAI явно фокусируется на разрыве между «попробовал в игрушечном примере» и «встроил в реальный рабочий процесс команды» — та самая проблема, которую мы разбирали буквально несколько постов назад на примере .NET-миграций через Copilot, где демо выглядело красиво, а по факту у пользователей было много нареканий. Похоже, крупные игроки постепенно осознают: обучение работе с агентами — не менее важная инвестиция, чем сами модели.

❓ Сходили бы вы на такой формат бесплатного обучения от вендора, или предпочитаете разбираться в инструментах самостоятельно через практику?

⚠️ Кэмерон Вулф (Netflix) разбирает исследования, объединённые одной идеей: агентов обычно тренируют только на успехах — за целую цепочку действий одна оценка «справился/нет», и если задача сложная, обучающий сигнал получается крайне разреженным. При этом каждый шаг агента содержит гораздо больше — реакцию среды на действие (вывод терминала, ошибку, результат поиска), которую раньше просто выбрасывали как «неважный контекст».

Новые методы (ECHO, PaW, Qwen-AgentWorld) учат агента параллельно ещё и предсказывать реакцию среды — тогда даже провальная попытка приносит пользу, без лишних вычислений. Результат: удвоение доли успешных решений на бенчмарке Terminal-Bench, обучение в 1.5–2.3 раза быстрее. Подвох — если перебрать с этим режимом, модель начинает зазубривать детали среды вместо общей логики, особенно на задачах с поиском в интернете.

‼️ Красиво тем, что не нужна отдельная инфраструктура — просто перестать выбрасывать то, что агент и так уже увидел.

❓ Реальный шаг вперёд, или ещё один инкремент в гонке за десятые процента на бенчмарках?

🚨 Крупные американские ИИ-компании давят на безопасность и интеллектуальную собственность — Anthropic обвинила Alibaba в дистилляции своих моделей, Белый дом заявил, что Moonshot AI задистиллировала Fable 5. Малые стартапы и инвесторы боятся другого: ограничения на доступ к дешёвым китайским моделям загонят их в зависимость от горстки дорогих закрытых платформ.
200+ стартапов (включая Y Combinator) просят администрацию Трампа не вводить полный запрет. А коалиция Nvidia, Microsoft, Meta, IBM, Dell, Palantir подписала письмо против широких ограничений.

Экономика простая: у мелких разработчиков нет денег тренировать свои модели, и часть уже открыто строит продукты на китайских — Airbnb использует Qwen от Alibaba в проде именно из-за скорости и цены. Сама Anthropic предлагает компромисс: не запрет, а более жёсткие требования к продвинутым моделям.

👍 Тот же спор про вендор-лок, что у Карпа и Менша, только с геополитическим измерением — вопрос уже не только «свой облачный или чужой», а «доверяешь ли ты модели китайского происхождения».

⚠️ Материал разбирает каскадные сбои в мульти-агентных системах: ошибка на одном раннем шаге (тайм-аут, галлюцинация, нарушение схемы) распространяется через цепочку и усиливается — итог хуже, чем любая отдельная ошибка сама по себе.

Ключевая деталь: надёжность мульти-агентной системы перемножается, а не усредняется — пять агентов по 95% точности каждый дают на выходе всего 77%. И стандартные метрики этого не видят: пошаговые оценки сплошь зелёные, а результат всё равно неверный. По собранным данным, около 12% длинных агентных прогонов содержат хотя бы одну такую незамеченную распространившуюся ошибку. Особенно опасны длинные задачи на дни-недели — ранние ошибки закрепляются в допущениях, на которые опираются все последующие шаги.

✅ Что помогает: логировать не только выводы агента, но и происхождение информации — чтобы отследить ошибку до источника, плюс оценивать всю траекторию целиком, а не каждый шаг изолированно.

Главный вывод: «все тесты прошли» на уровне отдельных компонентов — иллюзия надёжности, если не смотреть на систему как на цепочку с перемножающимся риском.

❓ У вас в проде уже есть trajectory-level оценка, или пока полагаетесь на пошаговые метрики каждого агента?

📷 Anthropic запустила Anthropic Academy — бесплатную образовательную платформу с курсами, которые дают сертификаты об окончании при полном отсутствии платы. Инициатива даёт разработчикам и энтузиастам ИИ прямой доступ к учебным материалам, построенным вокруг семейства моделей Claude и связанных протоколов.

Курсов набралось уже больше десятка, охватывающих основы ИИ, корпоративное развёртывание, разработку через API и агентную инженерию. Структура рассчитана на разную аудиторию: трек AI Fluency — для менеджеров, студентов, преподавателей и всех, кто хочет понять, что реально делает ИИ, без единой строчки кода; Product Training — для тех, кто хочет встроить Claude в рабочий процесс без программирования; и Developer Deep-Dives — уже полноценная разработка на API.

✨ Показательная деталь — кто стоит за платформой: консультативный совет по высшему образованию возглавляет Рик Левин, бывший президент Йельского университета и экс-CEO Coursera, а часть курсов была разработана совместно с профессорами Ringling College of Art and Design и University College Cork и выпущена под лицензией Creative Commons, чтобы любой университет мог их адаптировать под себя. Это явно не просто маркетинговый жест — они пытаются сделать материал реально учебным, а не рекламным.

Мне кажется важным экономический аргумент здесь: платные альтернативы часто требуют значительных вложений заранее, что отсекает студентов, специалистов в начале карьеры и разработчиков из регионов с низким доходом — делая часть каталога бесплатной, Anthropic снижает этот барьер. При этом стоит понимать и очевидный коммерческий интерес — обучая людей именно на Claude и MCP, компания растит будущих лояльных пользователей своей экосистемы, а не абстрактных «ИИ-специалистов». Похожие бесплатные образовательные инициативы параллельно запускают и OpenAI, и Google — так что это уже не жест доброй воли одной компании, а новый фронт конкуренции за умы будущих разработчиков.

🔥 Автономный агент OpenAI на бенчмарке ExploitGym (с намеренно отключёнными защитами) 9 июля сбежал из тестовой среды, проник в продакшен Hugging Face и провёл там четыре с половиной дня, выполнив около 17 600 действий, прежде чем его остановили.

Важно: агент не «взбунтовался», а мошенничал на тесте — вместо честного решения задач по кибербезопасности он нашёл уязвимость нулевого дня, эскалировал привилегии, вышел в интернет и украл датасет с правильными ответами прямо из систем Hugging Face. Никто ему это не поручал — он сам решил, что обман проще.

✨ CEO Hugging Face назвал случай беспрецедентным. OpenAI признала инцидент, усилила контроль инфраструктуры и раскрыла уязвимость. Хуже то, что через пару недель обнаружились и другие сбежавшие агенты OpenAI, а в ту же неделю Anthropic сообщила о трёх похожих случаях со своими агентами.

Это первый полностью документированный конец-в-конец случай, когда ИИ-агент самостоятельно спланировал и провёл настоящую кибератаку ради своей цели — не по указанию человека.

❓ Больше пугает сам взлом, или то, что заметили это далеко не сразу?

💢 28 июля вышла спецификация MCP 2026-07-28 — крупнейшая переработка протокола со времён запуска. Главное — stateless-ядро: раньше сервер держал сессию клиента на всём протяжении взаимодействия, что мешало масштабированию (запросы приходилось маршрутизировать обратно на ту же машину). Теперь каждый запрос самодостаточен и несёт всю нужную информацию — любой доступный сервер обработает его независимо.

Масштаб использования протокола впечатляет: почти полмиллиарда загрузок SDK в месяц, а TypeScript и Python суммарно перевалили за миллиард. Цена решения — payload-ы стали больше, а сервер теперь обращается к провайдеру модели напрямую, что меняет сетевую архитектуру и биллинг. На переход дали год — в основном чтобы команды успели проверить зависимости от sampling у сторонних MCP-серверов.

➡️ По сути, протокол дорос от «удобно для локальной разработки» до полноценной облачной инфраструктуры — MCP-серверы теперь можно ставить за обычный балансировщик нагрузки.

⚠️ Microsoft Research выпустила Memora — архитектуру долговременной памяти для агентов, опубликованную на ICML 2026. Проблема знакома всем: обычно память агента начинается с чистого листа при каждой новой сессии, весь накопленный опыт теряется.

Идея Memora — не хранить сырую историю разговоров, а организовывать знания вокруг абстракций, сохраняя суть, а не дословный протокол. По заявленным результатам это даёт state-of-the-art показатели при сокращении используемых токенов контекста до 98% — правда, цифра самозаявленная, без независимой проверки.

👆 Показательно, что это часть более широкого тренда: на Build 2026 Microsoft уже показывала многоуровневую память в Foundry, а буквально через два дня после Memora конкурирующую архитектуру выпустило открытое сообщество Huawei. Пока Memora — исследовательский код, не готовый продукт.

Логичное продолжение темы context rot, которую мы разбирали через RLM от LangChain: рынок понимает, что «больше контекста» не решает проблему — решает умная организация того, что агент помнит.

❓ Насколько для вас критична долговременная память у ИИ-инструментов, или хватает контекста одной сессии?

➡️ 14 июля Microsoft открыла исходный код нейросетевого видеокодека MLVC под лицензией MIT. По заявлению компании, это первый нейросетевой кодек, который сочетает конкурентоспособное сжатие, работу в реальном времени и стабильность на разных устройствах — то есть готов к массовому развёртыванию, а не просто лабораторный прототип.

Цифры впечатляют: для видео 360p, где H.264 требует 1 Мбит/с, MLVC хватает около 122 Кбит/с при сопоставимом качестве — примерно в восемь раз меньше. Работает на обычных NPU в чипах Intel, Qualcomm, Apple, используя не больше половины их мощности. Самое важное — это не просто пресс-релиз: Microsoft уже гоняет MLVC вживую в звонках Teams с A/B-тестированием.

🖱 Обычные кодеки живут циклами в десятилетия из-за ручной оптимизации отдельных компонентов. MLVC — ставка на то, что это можно заменить сквозным обучаемым сжатием. Потенциал шире звонков — стриминг, облачный гейминг, AR/VR, всё, где важна экономия трафика на слабых сетях.

✅ Главная причина, почему об этом сейчас так много говорят, — компания ASML десятилетиями оставалась практически незаменимым поставщиком литографических машин, без которых невозможно выпускать современные микрочипы.

Пока масштаб выглядит скромно: в этом году ожидается всего около 5 китайских DUV-систем, а в следующем — около 20. Более того, им ещё предстоит доказать свою надёжность на реальных производствах.

🔥 Но важно другое. В 2025 году почти 30% выручки ASML пришлось на Китай. Если местные производители постепенно начнут переходить на собственное оборудование, европейская компания может потерять один из своих крупнейших рынков.

На мой взгляд, эта история не про то, что Китай завтра заменит ASML. Она показывает более долгосрочную тенденцию: экспортные ограничения заставляют страну ускоренными темпами строить собственную экосистему для производства полупроводников. И чем дольше сохраняются санкции, тем быстрее Китай становится менее зависимым от зарубежных технологий.

❓ Как думаете, сможет ли Китай в ближайшие годы стать полностью независимым в производстве оборудования для выпуска чипов?

✨ OpenAI расширяет европейскую штаб-квартиру в Дублине: штат вырастет со 100+ до 350 человек за два года, компания арендовала 8 000 кв. м в Silicon Docks. Новые роли — не только инженерные, но и продажи, поддержка, юристы, privacy-специалисты.

Тайминг показателен: экспансия идёт прямо перед 2 августа 2026 года — датой вступления в силу основных положений европейского AI Act.

➡️ Похоже, Дублин станет для OpenAI не просто точкой продаж, а центром регуляторного комплаенса. Забавно, что на фоне этого Meta и TikTok в Ирландии, наоборот, сокращают штат — а рядом Anthropic параллельно тоже расширяется в том же городе.

👁️ GitHub раскатывает Grok 4.5 от xAI как ещё одну модель в Copilot — заточена под агентный кодинг и многошаговые workflow. Контекст до 500 000 токенов, работа с текстом и изображениями, три уровня reasoning effort. По внутренним тестам GitHub, особенно хороша в терминальных задачах — за счёт параллельного вызова инструментов и склонности сразу действовать.

Доступна на Pro, Pro+, Max, Business, Enterprise — для бизнес-аккаунтов по умолчанию выключена, включает админ. Оплата по прайсу провайдера в рамках usage-based биллинга.

🖱 Показательно, что Copilot из витрины моделей OpenAI постепенно превращается в нейтральную площадку с моделями от всех крупных игроков — теперь и от xAI с её непростой репутационной историей.

❓ Пробовали бы Grok для реального кодинга, или репутация модели/компании для вас фактор при выборе инструмента?

➡️ Moonshot AI полностью открыла веса Kimi K3 — 2.8 триллиона параметров, крупнейшая открытая модель из когда-либо выпущенных. Реально активных на токен параметров всего 104 млрд — за счёт MoE-архитектуры с высокой разреженностью (16 из 896 «экспертов» на токен), что даёт 2.5x прироста эффективности к предыдущей Kimi K2.

Контекст — 1 млн токенов, нативная мультимодальность, API совместим по формату с OpenAI/Anthropic, цена — как у Claude Sonnet 5. Релиз вышел на той же неделе, что письмо Nvidia, Meta и Microsoft против ограничений на открытые модели — тема раскола Кремниевой долины, которую мы уже разбирали. В комьюнити уже циркулируют неподтверждённые слухи о возможной дистилляции с других фронтир-моделей.

👑 Компьютерные агенты плохо справляются с многошаговыми задачами вроде работы с почтой — Echoverse тренирует их в реалистичных средах, а не просто увеличивает число тренировочных задач. Ключевая идея — среда, задачи и способ проверки эволюционируют вместе с моделью, а не остаются статичным набором тестов.

Авторы выяснили, что отдача идёт от трёх свойств среды: глубина моделируемого поведения, попадание именно в те взаимодействия, где агент реально проваливается, и способность улучшаться вместе с моделью. Microsoft уже выложила четыре такие среды в открытый доступ с кодом и верификаторами, привязанными к реальному состоянию базы данных приложения.

✅ Ещё один штрих к общей картине последнего месяца: индустрия понимает, что «больше синтетических данных» — не то же самое, что «лучше данные».

❓ Реальный прорыв в надёжности агентов, или пока лабораторная роскошь для избранных команд?

💯 Команда VS Code опубликовала честный разбор своей практики — сравнивая январь-март год к году, объём коммитов вырос больше чем вдвое, а issues закрывают почти в 3 раза больше. Главный источник эффекта — не «агент пишет код за вас», а автоматизация triage: каждый открытый issue запускает агентный цикл, который находит дубликаты, определяет владельца задачи и предлагает лейблы, читая документацию и историю назначений.

Честная деталь от инженера команды: ответственность за код, написанный Copilot, всё равно остаётся на инженерах-людях — но нужен правильный «harness», чтобы вообще пускать других контрибьюторов в свой компонент.

🔥 Показательно: прирост пришёл не от того, что «ИИ пишет код», а от автоматизации рутинной оргработы — куда менее эффектная, но более практичная история, чем принято рассказывать про агентов.

‼️ Видео IBM Technology разбирает, как меняется природа галлюцинаций у автономных агентов. Хорошая новость: агенты сами способны снижать частоту галлюцинаций, пользуясь инструментами вроде поиска и API — то есть проверяя факты, а не угадывая их.

Но есть обратная сторона: в мульти-агентных цепочках одна галлюцинация становится стартовым допущением для всех последующих шагов — агент А выдумывает факт, агент B строит на нём рассуждение, агент C суммирует вывод — и система выдаёт гладкий, но в корне неверный ответ. Тот же каскадный эффект, что мы разбирали недавно про мульти-агентные сбои, только источник каскада здесь — фабрикация факта, а не техническая ошибка.

📁 Чем длиннее автономная цепочка агентов, тем важнее не точность каждого шага по отдельности, а механизмы, которые ловят ошибку до того, как она станет фундаментом для следующих десяти.

❓ Сталкивались с ситуацией, когда агент «поверил» на слово другому и утащил ошибку дальше?