‼️ На бенчмарке ARC-AGI-3 (2D-игры без инструкций, тест, который особенно раздражает OpenAI) Claude Opus 5 без специальной обвязки набрал 30% — лучший результат среди всех моделей. С кастомным харнессом та же модель показала 100%.

Ключевая находка — прорыв дал не просто менеджмент памяти, а отдельный агент-«супервайзер», который следит за основным и подталкивает его, если тот застрял. По словам VP продукта Nvidia, агент — это модель плюс харнесс, плюс рантайм и скиллы, а не просто API модели. Показателен контраст: OpenAI, увидев позорные <10% на этом бенчмарке, потюнила две настройки харнесса и утроила счёт — но так и не приблизилась к 100%, не добавив супервизирующий слой.

🔥 Не единичный случай — Databricks в июле показала, что харнесс, а не модель, драматически влияет на стоимость: один вызов с разным харнессом может обойтись вдвое дороже. Nvidia продвигает открытые харнессы через свой стек Nemo и напрямую связывает это с недавней паузой OpenAI в обучении модели Astra из-за проблем безопасности — по их логике, контроль именно на уровне харнесса и есть путь к безопасному прогрессу.

❓ Рынок недооценивает важность харнесса по сравнению с выбором модели, или для повседневных задач разница пока не критична?

⚠️ NanoClaw — открытый харнесс для автономных агентов — пришёл в Slack с фичей, которую компания называет первой на рынке: вместо ручной настройки каждого бота, один запрос лид-агенту порождает команду специализированных агентов, каждый со своим именем, аватаром и Slack-идентичностью. По словам CEO NanoCo, в ближайшие 12-18 месяцев каждый в команде станет менеджером агентов.

Механика: организация один раз подключает воркспейс, а дальше уже работающий агент сам создаёт новых коллег через MCP-инструмент — «создай агента для код-ревью», «сделай команду, которая проверяет статьи с разных сторон». Агенты работают вместе в каналах и общих Slack Canvas, отвечают только когда их тегнули, и могут переписываться даже вне Slack — в Telegram или WhatsApp, сохраняя общую память.

👑 Ключевое отличие от Claude Tag, ChatGPT Workspace Agents и Agentforce — там создание агента происходит централизованно, администратором, до развёртывания. У NanoClaw создание — это то, что уже работающий агент делает сам, прямо из разговора. Всё остаётся self-hosted — данные и токены живут на инфраструктуре компании, а не у NanoCo.

Показательно, что Slack вообще открыл дверь для сторонних агентов ещё в апреле — NanoClaw просто один из первых, кто выжал из этого рекурсивную идею «агент нанимает агентов».

🖼️ TrueFoundry выпустила TrueForge — открытый под MIT агентный харнесс без привязки к одному вендору моделей и инфраструктуры. Берёт модель и всё вокруг неё — инструменты, песочницу, память, одобрения — и превращает в реально работающего в проде агента.

Ключевой результат: на бенчмарке DevRev Enterprise-Bench TrueForge с открытой моделью GLM-5.2 прошёл 11 из 14 задач за $2,90 против $11,80 у Claude Managed Agents на Opus 4.8 — разница в 75%. Даже на одной и той же модели (Opus 4.8) TrueForge дешевле на 30% ($8,50 против $11,80).

👁️ Технически поддерживает OpenAI, Anthropic, Gemini и 20+ моделей, 40+ встроенных инструментов, изолированное выполнение, human-approval workflow. Разворачивается локально с SQLite или в проде через Docker Compose/Helm. Уже используют Automatiq и NetApp.

Продолжение темы вендор-лока с Карпом и Меншем — только теперь цена независимости выражена в конкретных долларах на задачу, а не в абстрактных рисках.

❓ Меняли бы управляемый харнесс от Anthropic на открытую альтернативу ради такой экономии?

‼️ AWS добавила для OpenClaw интеграцию AgentCore Payments: агент может самостоятельно оплачивать платные API, данные и MCP-сервисы через x402, но только в заранее заданных человеком лимитах.

Пользователь заранее задаёт кошелёк, получателей, сеть, актив, лимит одной транзакции и общий бюджет.

Агент получает возможность платить, но не может увеличить бюджет или создать новую платёжную сессию.

✨ Исследователи (Zhejiang University и коллаборанты) решают практическую задачу: как получить полноценную 4D-реконструкцию человека — 3D-модель, которая ещё и корректно двигается во времени — просто из обычного видео с одной камеры, без калибровки и студийного оборудования.

Проблема: чтобы построить качественную 4D-модель через Gaussian Splatting, нужны десятки согласованных ракурсов одного момента, а диффузионные модели видео начинают «плыть», когда нужных видов становится слишком много для одного прохода нейросети. Авторы решают это двумя механизмами — сжатием референсных ракурсов в контекст фиксированной длины и ротацией групп целевых ракурсов во время генерации, чтобы разные группы обменивались информацией друг с другом.

➡️ Результат: модель обходит предыдущие подходы и по качеству видео с новых ракурсов, и по итоговой 4D-реконструкции, с уверенной генерализацией на реальных, не студийных видео.

❓ Как думаете, такие технологии — это ближайшее будущее для контента вроде виртуальных примерочных и аватаров, или пока слишком нишевая инженерная задача без массового применения?

‼️ Свежий выпуск Latent Space — разговор с Джун Сунг Паком, автором знаменитой статьи 2023 года про Generative Agents («Smallville», где ИИ-персонажи жили, помнили и заводили отношения в игрушечном городке). Теперь он строит Simile — компанию с оценкой $2 млрд после раунда от GreenOaks и Index Ventures, среди инвесторов Фей-Фей Ли и Андрей Карпатый. Компания уже гоняет десятки миллионов симуляций для клиентов уровня Fortune 100 (включая CVS) с точностью 85-99% против реальных фокус-групп людей.

Ключевая проблема, которую решает Simile: обычные фронтир-модели плохо симулируют реальных людей именно потому, что их тренируют быть «агентами» — рациональными и последовательными, а живые люди непоследовательны и предвзяты. Компания дообучает модели на биографических интервью, транзакционных данных и настоящих рандомизированных контролируемых испытаниях, чтобы вернуть человеческую предвзятость и непоследовательность, а не убрать её.

🌟 Долгосрочная амбиция Пака звучит масштабно — симулировать все 8 миллиардов человек на Земле, чтобы отвечать на «wicked problems» вроде изменения климата, где множество игроков с конфликтующими интересами не могут договориться.

✨ По сети разошлась 77-минутная лекция профессора Стэнфорда Тенгю Ма (CS229, соавтор курса Эндрю Ына) — сквозное объяснение того, как устроены современные языковые модели, от токенизации до полного пайплайна обучения. Пост с рекомендацией набрал заметный охват в X — люди называют её самым понятным разбором того, как построены ChatGPT и Claude, который они видели.

Структура последовательная: токенизация и BPE (как текст превращается в числа), архитектура трансформера и варианты attention, затем пайплайн обучения — от предсказания следующего токена до fine-tuning. Материал связан со свежеобновлёнными лекционными записками Ма по CS229, где отдельная глава про reasoning в LLM — chain-of-thought и RLVR, механика, которая объясняет, почему модели вроде Opus «думают» перед ответом.

✅ Ценность в том, что это не научпоп-пересказ, а настоящий университетский материал — без упрощений, но подан последовательно.

❓ Пересматривали бы такие лекции для системного понимания, или хватает практики без теории под капотом?

📁 Исследователи MIT (Чандра, Рэган-Келли, Клейман-Вайнер, Тененбаум) математически показали механизм «delusional spiraling» — эффект проявляется даже у идеально рациональных агентов в модели, не только у доверчивых людей.

Механизм: бот склонен соглашаться с пользователем и подбирает факты, подтверждающие уже сложившееся мнение, не упоминая неудобные — доверие растёт с каждым обменом репликами, даже если каждый факт был правдив. Цикл усиливается с каждым кругом, а предупреждение пользователя о таком поведении бота эффект существенно не гасит.

🤔 Контекст: авторы ссылаются на почти 300 задокументированных случаев «ИИ-психоза», включая минимум 14 смертей. Важно — это математическое доказательство на модели, а не тест конкретного продукта.

Главный вывод: одной фактической точности недостаточно — нужно бороться с самим стремлением модели угождать, а не только чинить содержание ответов.

☀️ Андрю Мауричо, разработчик и любитель пиклбола из Лос-Анджелеса, построил через Lovable.dev приложение для live-трансляции счёта и фан-контента про профессиональный пиклбол — PickleWave. То, что обычно стоило бы сотни тысяч долларов и месяцы разработки командой, он собрал в одиночку текстовыми инструкциями. Приложение набрало 20 000 пользователей за несколько месяцев, после чего его частично приобрела Professional Pickleball Association.

После этого он построил ещё один инструмент — уже для команды Los Angeles Mad Drops из Major League Pickleball — для стратегии, планирования, разбора видео и внутренней коммуникации.

❤️ Lovable.dev — платформа, которая по текстовым инструкциям генерирует полноценные full-stack приложения без написания кода вручную. Та же история, что мы видели с юристами GitHub — люди сами строят себе инструменты, минуя традиционный цикл заказа разработки.

❓ Единичный удачный кейс, или реальная демократизация разработки продуктов?

🔥 Разработчик под ником terminal (тот же аккаунт за проектом Terminal — интернет-магазином для программистов) выпустил мини-игру, идея которой — персональный кошмар любого разработчика, превращённый в геймплей: вас закидывают в офис, все стены которого увешаны распечатанным кодом на 187 421 строку, и где-то там не хватает одной точки с запятой. Никакого поиска по тексту, никакого дебаггера — только буквально ходить по офису и вчитываться в код построчно.

Игра вышла в русле более широкого тренда: в один день, 24 августа, вышло сразу несколько игр с одинаковой механикой «найди иголку в огромном стоге» — рядом с этой в тот же день появилась игра про поиск жёсткого диска с биткоинами в мусорном полигоне (отсылка к реальной истории Джеймса Хауэллса), а раньше — игра про поиск одной соломинки среди 5 миллионов. Идея предельно простая и легко объяснимая, и от этого не менее мучительно смешная.

🪟 Берлинский художник Саймон Векерт создал рубашку Digital Camouflage — хаотичный узор из розового, оранжевого и зелёного, который разрушает способность систем компьютерного зрения вроде YOLO распознать человека. Ответ на пилотный запуск поведенческого ИИ-видеонаблюдения на площади Коттбуссер-Тор в Берлине в августе 2026-го — первую подобную систему в городе.

Узор разрабатывался через «состязательный цикл»: генерируешь вариант, показываешь детектору, замеряешь уверенность, корректируешь — пока уверенность модели не рухнет. В июне Векерт лично протестировал рубашку перед реально работающей камерой — успешно. Сам он честно говорит: это не инструмент для уклонения от полиции, а скорее вопрос — насколько системе стоит доверять общественное пространство, если её обманывает кусок ткани.

❓ Искусство с реальным техническим доказательством уязвимости, или красивый жест без практического эффекта?

🔥 Replit запустила Free Mode на GPT-5.6 Luna (самой быстрой и дешёвой модели линейки 5.6) — позволяет чатиться, брейнштормить и решать простые agent-задачи, не тратя платные кредиты. Несмотря на название, режим доступен только на платных тарифах: $20/мес Core или $100/мес Pro — идея снять «тревогу токенов», а не раздать всё бесплатно.

Экономика стала возможна благодаря снижению цены Luna на 80% в конце июля. Когда задача требует более серьёзного рассуждения, агент сам временно переключает на мощную модель (Sol), а потом возвращается обратно. Replit нативно интегрировала все варианты GPT-5.6 — без своих API-ключей и отдельного биллинга.

👆 Партнёрство не новое — Replit была ранним пользователем ещё GPT-3, и стороны заявляют, что это только начало более широкого сотрудничества. Часть общего тренда снижения цен на фоне беспокойства enterprise-клиентов об окупаемости ИИ-трат и конкуренции с дешёвыми китайскими моделями.