Forwarded from Технозаметки Малышева
DeepSeek напомнил, что мы используем Preview версию, а полноценный Дипсик мы еще даже не видели, - он выйдет в середине июля и в нем будет еще больше крутых фич и улучшенная производительность.
И это повлияет на цену.
Обычная цена останется $0.87 за 1 млн в Про версии, а вот в час пик цена вырастет до $1.74
#DeepSeek #цены
———
@tsingular
И это повлияет на цену.
Обычная цена останется $0.87 за 1 млн в Про версии, а вот в час пик цена вырастет до $1.74
#DeepSeek #цены
———
@tsingular
Forwarded from Технозаметки Малышева
Akrites: крупнейшая коалиция в истории для защиты открытого кода
📋 Что произошло
25 июня Linux Foundation запустила Akrites — крупнейшую в истории программу скоординированного поиска, исправления и ответственного раскрытия уязвимостей в критическом открытом ПО. Участники: Amazon, Anthropic, Chainguard, Cisco, Citi, Endor Labs, Ericsson, Google, IBM, JPMorganChase, Microsoft и GitHub, NVIDIA, OpenAI, RapidFort, Red Hat, Rust Foundation, Sonatype, Vodafone, Zscaler — плюс CNCF, LF Energy, OpenInfra, OpenJS, OpenSSF и PyTorch Foundation.
💡 Почему это важно
Появление сильных ИИ-моделей изменило цикл поиска уязвимостей в открытом коде. То, на что раньше уходили недели работы эксперта, теперь делается за минуты, причём модель часто находит несколько уязвимостей одновременно.
Цикл «обнаружение → исправление» ускорился настолько, что мейнтейнеры физически не успевают закрывать дыры.
Anthropic в этой коалиции занимает особое место, - их модель Claude Mythos в рамках Project Glasswing просканировала более тысячи открытых проектов и нашла 23 019 проблем, из которых 6 202 — высокой и критической тяжести.
Разработчикам передано 1 596 отчётов, а исправлено всего 97!!!
Именно этот разрыв между скоростью обнаружения и скоростью устранения стал отправной точкой для запуска Akrites.
💼 Как это работает
Во-первых у альянса будет единое конфиденциальное пространство: уязвимости не раскрываются публично до появления исправления.
Во-вторых, принцип upstream-first: все правки вносятся в исходные репозитории. Специализированная группа реагирования работает как единый партнёр для мейнтейнеров.
В третьих, - ключевая метрика безопасности оупенсорс репозитория станет не публикация патча, а его развёртывание у потребителей.
Для пакетов без активного сопровождения Akrites выполняет роль «последней надежды».
📎 Ссылки
https://akrites.org/letter/
https://www.anthropic.com/news/project-glasswing-may-2026
#Akrites #OpenSource #CyberSecurity
———
@tsingular
📋 Что произошло
25 июня Linux Foundation запустила Akrites — крупнейшую в истории программу скоординированного поиска, исправления и ответственного раскрытия уязвимостей в критическом открытом ПО. Участники: Amazon, Anthropic, Chainguard, Cisco, Citi, Endor Labs, Ericsson, Google, IBM, JPMorganChase, Microsoft и GitHub, NVIDIA, OpenAI, RapidFort, Red Hat, Rust Foundation, Sonatype, Vodafone, Zscaler — плюс CNCF, LF Energy, OpenInfra, OpenJS, OpenSSF и PyTorch Foundation.
💡 Почему это важно
Появление сильных ИИ-моделей изменило цикл поиска уязвимостей в открытом коде. То, на что раньше уходили недели работы эксперта, теперь делается за минуты, причём модель часто находит несколько уязвимостей одновременно.
Цикл «обнаружение → исправление» ускорился настолько, что мейнтейнеры физически не успевают закрывать дыры.
Anthropic в этой коалиции занимает особое место, - их модель Claude Mythos в рамках Project Glasswing просканировала более тысячи открытых проектов и нашла 23 019 проблем, из которых 6 202 — высокой и критической тяжести.
Разработчикам передано 1 596 отчётов, а исправлено всего 97!!!
Именно этот разрыв между скоростью обнаружения и скоростью устранения стал отправной точкой для запуска Akrites.
💼 Как это работает
Во-первых у альянса будет единое конфиденциальное пространство: уязвимости не раскрываются публично до появления исправления.
Во-вторых, принцип upstream-first: все правки вносятся в исходные репозитории. Специализированная группа реагирования работает как единый партнёр для мейнтейнеров.
В третьих, - ключевая метрика безопасности оупенсорс репозитория станет не публикация патча, а его развёртывание у потребителей.
Для пакетов без активного сопровождения Akrites выполняет роль «последней надежды».
📎 Ссылки
https://akrites.org/letter/
https://www.anthropic.com/news/project-glasswing-may-2026
#Akrites #OpenSource #CyberSecurity
———
@tsingular
Про мета-репозитории
Когда один человек работает с кодинг-агентом над одним проектом, никаких проблем с контекстом нет: накидал
Хочется это всё централизовать.
С начала марта пробую подход, который назвал мета-репозиторий. Фактически, это просто отдельный git-репозиторий, в котором лежат:
- .gitignore, который не даёт закоммитить ничего лишнего (
-
-
-
-
OpenCode умеет в конфиге указать дополнительные файлы с инструкциями, и я прописал туда
Про MCP тут нечего добавить, во внутреннем контуре компании у нас развёрнуты несколько внешних и самописных MCP-серверов, они прячут за собой токены к разным сервисам (Jira, Confluence, GitLab, мессенджеры), чтобы они никогда не попадали в модели. При этом в каких-то сервисах может быть сделано наоборот – токен от очень ограниченной в правах учётки зашит в конфиг мета-репозитория. А про самописные MCP-сервера будут попозже отдельные посты.
Когда один человек работает с кодинг-агентом над одним проектом, никаких проблем с контекстом нет: накидал
AGENTS.md, какие-то rules, project-specific конфиги, и работаешь. Когда людей больше одного, проблем тоже нет – ведь есть git и удалённый GitHub/GitLab. Когда людей и репозиториев в команде много, начинают подсвечиваться узкие места: немного разное окружение (ОС, расположение разных версий JDK), разные версии навыков, разные MCP.Хочется это всё централизовать.
С начала марта пробую подход, который назвал мета-репозиторий. Фактически, это просто отдельный git-репозиторий, в котором лежат:
- .gitignore, который не даёт закоммитить ничего лишнего (
/* ). Всё, что должно быть в него добавлено, добавляется принудительно руками.-
AGENTS.md с кратким описанием всего проекта и верхнеуровневой навигацией.-
REPOSITORIES.md – сопоставление названий микросервисов, url в GitLab и имён локальных клонов (они все клонируются для работы прямо в мета-репо).-
TEAM_MEMBERS.md – потому что если сценарии, где агенту полезно понимать, с кем он работает. ФИО, должность, почта, ники в GitLab и мессенджерах.-
.opencode/ – настройки MCP, навыки и субагенты, специфичные для этого проекта. О том, почему мы держим вектор на opencode, а не Claude Code / Codex, как-нибудь в следующих постах.OpenCode умеет в конфиге указать дополнительные файлы с инструкциями, и я прописал туда
ENVIRONMENT.md – файл, который не коммитится в git. В AGENTS.md агенту явно сказано, что если файла нет, перед выполнением задачи пользователя нужно прочитать отдельный файл с инструкциями по его составлению и заполнить, а потом вернутся к задаче. Шаблон помогает агенту сразу понять, в какой ОС он работает, какой shell доступен, где лежат разные рантаймы и каких они версий, наработанные нюансы (многие модели запинаются на правильном вызове сложных команд в PowerShell). Также я добавил туда описание сценария, при котором агент понимает, что мой ввод – это результат голосового распознавания, и должен сперва подбить выжимку из того, что я сказал, и переспросить, верно ли он меня понял. А ещё туда скопирована строчка из TEAM_MEMBERS.md, и агент понимает, кто его пользователь, что это мои треды он видит в MR, который мы вместе ревьюим.Про MCP тут нечего добавить, во внутреннем контуре компании у нас развёрнуты несколько внешних и самописных MCP-серверов, они прячут за собой токены к разным сервисам (Jira, Confluence, GitLab, мессенджеры), чтобы они никогда не попадали в модели. При этом в каких-то сервисах может быть сделано наоборот – токен от очень ограниченной в правах учётки зашит в конфиг мета-репозитория. А про самописные MCP-сервера будут попозже отдельные посты.
Reality_AI
Про мета-репозитории Когда один человек работает с кодинг-агентом над одним проектом, никаких проблем с контекстом нет: накидал AGENTS.md, какие-то rules, project-specific конфиги, и работаешь. Когда людей больше одного, проблем тоже нет – ведь есть git и…
Да, ещё забыл добавить, модельки не всегда следуют командам к действию из инструкции, стараются сразу перейти к тому, о чём попросил пользователь. Но время от времени всё-таки это срабатывает. Перебирая разные варианты хочется всегда последний отдать сразу команде, и поначалу я просто просил всех подпулливать мета-репо.
Но потом просто дописал команду агенту делать git pull, так что ещё одним ручным действием меньше.
Но потом просто дописал команду агенту делать git pull, так что ещё одним ручным действием меньше.
Forwarded from Этихлид
Перевёл документ от Google, который описывает текущую ситуацию по переходу от "бессистемных промптов к агентной инженерии":
➡️ Новый SDLC с вайб-кодингом
Это первый, самый общий и концептуальный, из пяти whitepaper'ов бесплатного курса 5-Day AI Agents: Intensive Vibe Coding Course от Google и Kaggle.
Бонусом там ещё и глоссарий терминов/переводов получился.
Это база
В нём качественно суммируется то, что разработка ПО прошла за последние 2-3 года, описываются появившиеся концепции и систематизируются основные рабочие подходы.
Даётся, к примеру, разделение вайб-кодинга и агентной инженерии, фиксируются определения агента / харнесса / дирижера / оркестратора и показывается, как устроена capex/opex-экономика разных подходов к ИИ-разработке.
Для разработчиков и лидов может быть полезным почитать, чтобы понять, на каком этапе развития находятся они сами или команда, и как переходить на следующий.
Документ лайтовый, без лишнего хайпа и думеризма.
Ну и картинки интересные :)
Замечания
● eсли вы уже по уши в мультиагентных воркфлоу, бандлах скиллов и прочих гермесах, то нового вы в нём вряд ли почерпнёте - коммьюнити стабильно на шаг-другой впереди :)
● это всё-таки Google с его собственным зоопарком (Jules, ADK, Agents CLI, Gemini, A2A), хотя авторы проделали хорошую работу по абстракции от него
● местами чутка оптимистичнее, чем стоило бы: мультиагентность как "естественный следующий шаг" - тут можно спорить об эффективности, да модели пока что не готовы
—
Ссылки на оригиналы всех пяти документов с конкретикой для тех, кто хочет углубиться:
● The New SDLC With Vibe Coding (переведён)
● Agent Tools & Interoperability
● Agent Skills
● Vibe Coding Agent Security and Evaluation
● Spec-Driven Production Grade Development in the Age of Vibe Coding
#article #translation #sdlc #ai
Это первый, самый общий и концептуальный, из пяти whitepaper'ов бесплатного курса 5-Day AI Agents: Intensive Vibe Coding Course от Google и Kaggle.
Бонусом там ещё и глоссарий терминов/переводов получился.
Это база
В нём качественно суммируется то, что разработка ПО прошла за последние 2-3 года, описываются появившиеся концепции и систематизируются основные рабочие подходы.
Даётся, к примеру, разделение вайб-кодинга и агентной инженерии, фиксируются определения агента / харнесса / дирижера / оркестратора и показывается, как устроена capex/opex-экономика разных подходов к ИИ-разработке.
Для разработчиков и лидов может быть полезным почитать, чтобы понять, на каком этапе развития находятся они сами или команда, и как переходить на следующий.
Документ лайтовый, без лишнего хайпа и думеризма.
Ну и картинки интересные :)
Замечания
● eсли вы уже по уши в мультиагентных воркфлоу, бандлах скиллов и прочих гермесах, то нового вы в нём вряд ли почерпнёте - коммьюнити стабильно на шаг-другой впереди :)
● это всё-таки Google с его собственным зоопарком (Jules, ADK, Agents CLI, Gemini, A2A), хотя авторы проделали хорошую работу по абстракции от него
● местами чутка оптимистичнее, чем стоило бы: мультиагентность как "естественный следующий шаг" - тут можно спорить об эффективности, да модели пока что не готовы
—
Ссылки на оригиналы всех пяти документов с конкретикой для тех, кто хочет углубиться:
● The New SDLC With Vibe Coding (переведён)
● Agent Tools & Interoperability
● Agent Skills
● Vibe Coding Agent Security and Evaluation
● Spec-Driven Production Grade Development in the Age of Vibe Coding
#article #translation #sdlc #ai
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1
Ссылка на папку с каналами и чатами про ИИ, которые я сам почитываю. Последние месяцы добавлений в неё мало, но если случаются, ссылка остаётся прежней.
https://t.me/addlist/6_Forw9aLD0zYmY6
Можете не добавлять, всё самое сочное будет здесь :)
https://t.me/addlist/6_Forw9aLD0zYmY6
Можете не добавлять, всё самое сочное будет здесь :)
Telegram
ИИ 🤖
You’ve been invited to add the folder “ИИ 🤖”, which includes 38 chats.
Сначала мэрия Рио-де-Жанейро, теперь сервис доставки еды...
Telegram
Технозаметки Малышева
🇧🇷 Мэрия Рио-де-Жанейро (через свою муниципальную ит-компанию IplanRIO) только что выпустила модель под названием Rio 3.5 Open 397B
Модель с 397 миллиардами параметров (MoE), основанная на Qwen 3.5, с полностью открытой лицензией MIT, которая превосходит…
Модель с 397 миллиардами параметров (MoE), основанная на Qwen 3.5, с полностью открытой лицензией MIT, которая превосходит…
Forwarded from Нейроканал
Meituan (крупнейший в Китае сервис доставки еды и услуг, у которого есть и собственное ИИ-подразделение) выложила в открытый доступ LongCat-2.0 — MoE-модель на 1,6 триллиона параметров, из которых на каждый токен работают около 48 миллиардов. Веса уже на Hugging Face, а саму модель обучили целиком на китайских ASIC-ускорителях, без единого отката за 35 триллионов токенов обучения.
Модель заточена под программирование и работу агентов, окно контекста в 1 миллион токенов. Её можно подключить к агентским средам Claude Code, OpenClaw и Hermes вместо закрытых моделей.
На задачах по коду LongCat идёт вровень с закрытыми флагманами: 59,5 на SWE-bench Pro, 77,3 на многоязычном SWE-bench, 70,8 на Terminal-Bench. Ещё до релиза модель успела возглавить рейтинг OpenRouter под кодовым именем «Owl Alpha».
Под капотом два приёма ради скорости на длинном контексте: LongCat Sparse Attention (развитие разреженного внимания из DeepSeek с более лёгким индексатором) и N-gram Embedding, который кодирует не только отдельные токены, но и короткие сочетания соседних токенов — так модель лучше улавливает локальный контекст.
@neuro_channel
Модель заточена под программирование и работу агентов, окно контекста в 1 миллион токенов. Её можно подключить к агентским средам Claude Code, OpenClaw и Hermes вместо закрытых моделей.
На задачах по коду LongCat идёт вровень с закрытыми флагманами: 59,5 на SWE-bench Pro, 77,3 на многоязычном SWE-bench, 70,8 на Terminal-Bench. Ещё до релиза модель успела возглавить рейтинг OpenRouter под кодовым именем «Owl Alpha».
Под капотом два приёма ради скорости на длинном контексте: LongCat Sparse Attention (развитие разреженного внимания из DeepSeek с более лёгким индексатором) и N-gram Embedding, который кодирует не только отдельные токены, но и короткие сочетания соседних токенов — так модель лучше улавливает локальный контекст.
@neuro_channel
Forwarded from AI Product | Igor Akimov
Anthropic выпустила Claude Sonnet 5!
Сегодня вышел Sonnet 5 – самый «агентный» Sonnet на сегодня. Главная идея релиза не в новом потолке возможностей, а в экономике: средний тариф подтянули вплотную к флагману.
Производительность близка к Opus 4.8, но заметно дешевле. Раньше такой разрыв между линейками закрывал только Opus.
– Ощутимый апгрейд над Sonnet 4.6 по reasoning, работе с инструментами, кодингу и knowledge work.
– Автономность: по словам early-access партнёров, доводит до конца сложные задачи, на которых прежние Sonnet останавливались, и сам проверяет свой вывод без отдельной просьбы.
– Регулируемый уровень «усилия» (effort level, вплоть до xhigh) – баланс «цена/качество» теперь крутится внутри одной модели и между Sonnet 5 и Opus 4.8.
Цены
– Промо до 31 августа: $2 / $10 за млн токенов (вход/выход).
– Дальше: $3 / $15. Для сравнения Opus 4.8 – $5 / $25.
– Доступна везде: дефолт на Free и Pro, есть в Max/Team/Enterprise, Claude Code и API (
Но есть прикол.
– Новый токенизатор (как в Opus 4.7). Тот же текст теперь маппится в больше токенов – примерно в 1.0–1.35 раз больше в зависимости от типа контента.
– Промо-цену специально подобрали так, чтобы переход с 4.6 вышел примерно по той же стоимости. То есть после 1 сентября реальный счёт для части нагрузок вырастет сильнее, чем кажется по табличке $3/$15.
– В целом безопаснее 4.6: лучше отказывает на вредоносные запросы, устойчивее к prompt injection, меньше галлюцинаций и подхалимажа.
– По киберспособностям намеренно слабее Opus – на тесте с эксплойтами под Firefox обе Sonnet-модели не собрали ни одного рабочего эксплойта (0%).
– Запущена с включёнными по умолчанию cyber-safeguards (как у Opus 4.7/4.8).
В общем, рабочая лошадка для прода по апи, но остальное не топ уровня.
https://www.anthropic.com/news/claude-sonnet-5
Сегодня вышел Sonnet 5 – самый «агентный» Sonnet на сегодня. Главная идея релиза не в новом потолке возможностей, а в экономике: средний тариф подтянули вплотную к флагману.
Производительность близка к Opus 4.8, но заметно дешевле. Раньше такой разрыв между линейками закрывал только Opus.
– Ощутимый апгрейд над Sonnet 4.6 по reasoning, работе с инструментами, кодингу и knowledge work.
– Автономность: по словам early-access партнёров, доводит до конца сложные задачи, на которых прежние Sonnet останавливались, и сам проверяет свой вывод без отдельной просьбы.
– Регулируемый уровень «усилия» (effort level, вплоть до xhigh) – баланс «цена/качество» теперь крутится внутри одной модели и между Sonnet 5 и Opus 4.8.
Цены
– Промо до 31 августа: $2 / $10 за млн токенов (вход/выход).
– Дальше: $3 / $15. Для сравнения Opus 4.8 – $5 / $25.
– Доступна везде: дефолт на Free и Pro, есть в Max/Team/Enterprise, Claude Code и API (
claude-sonnet-5).Но есть прикол.
– Новый токенизатор (как в Opus 4.7). Тот же текст теперь маппится в больше токенов – примерно в 1.0–1.35 раз больше в зависимости от типа контента.
– Промо-цену специально подобрали так, чтобы переход с 4.6 вышел примерно по той же стоимости. То есть после 1 сентября реальный счёт для части нагрузок вырастет сильнее, чем кажется по табличке $3/$15.
– В целом безопаснее 4.6: лучше отказывает на вредоносные запросы, устойчивее к prompt injection, меньше галлюцинаций и подхалимажа.
– По киберспособностям намеренно слабее Opus – на тесте с эксплойтами под Firefox обе Sonnet-модели не собрали ни одного рабочего эксплойта (0%).
– Запущена с включёнными по умолчанию cyber-safeguards (как у Opus 4.7/4.8).
В общем, рабочая лошадка для прода по апи, но остальное не топ уровня.
https://www.anthropic.com/news/claude-sonnet-5
✍1
Пока все обсуждают возвращение Fable 5 для всех-всех-всех, продолжу двигаться по своему плану постов.
Про корпоративный плагин для opencode
Мне кажется, что это весьма стандартный путь для любых полезных находок в SDLC: сперва ты что-то пробуешь на себе, затем на паре близких коллег, затем на всей команде проекта. Каждый следующий шаг даёт больше обратной связи и возможностей улучшить распространяемое. Следующей ступенькой в маленькой компании может стать сразу вся компания.
В нашей компании так и произошло. В какой-то момент число участников команды разработки проекта, которые используют ИИ, выросло настолько, что мы пошли и поговорили с начальством и купили один общий на всех MiniMax Token Plan (на тот момент Max-highspeed за $80/мес). Развернули внутри контура LiteLLM, настроили модельки, каждому в команде выдали свой Virtual Key. Потом пару раз вышли более новые модели (M2.7, M3), пришлось всех просить править свой конфиг. Дальше было решение “внедрять ИИ” на смежных проектах, и мы пришли к пониманию, что нужно всё это как-то упрощать.
С другой стороны я и ещё несколько коллег пользовались superpowers — открытым JS-плагином с набором полезных навыков. Я поковырял его исходники, склонировал и поковырял исходники OpenCode, и понял, что это то, что нам нужно.
В итоге получился корпоративный плагин, который минимальными (и описанными на вики) усилиями подключается глобально к установленному OpenCode, сам себя обновляет, и предлагает ряд сущностей:
1) Наш корпоративный внутренний LiteLLM как провайдер моделей.
2) Актуальные прописанные модели (MiniMax, Zhipu AI). О том, какие причины привели нас именно к opencode / китайским моделям, когда-нибудь в следующий раз.
3) Generic-субагентов с явным указанием используемых моделей (не только покупные, но и текущие :free. Например, сейчас там есть DeepSeek V4 Flash и Xiaomi MiMo V2.5).
4) Корпоративные навыки. Конечному пользователю плагина нужно только получить свой Virtual Key и подключить правильный провайдер через команду /connect (полностью штатные средства самого OpenCode).
Весьма удобно стало: докупили новый провайдер LLM, закинули в LiteLLM, прописали в плагине, сразу есть у всех сотрудников. Вышла новая версия модели — аналогично. Использовал какой-то навык, не совсем удачно, ретроспективно собрал по нему негативный опыт — тут же закоммитил в репо плагина и оно есть у всех.
Про корпоративный плагин для opencode
Мне кажется, что это весьма стандартный путь для любых полезных находок в SDLC: сперва ты что-то пробуешь на себе, затем на паре близких коллег, затем на всей команде проекта. Каждый следующий шаг даёт больше обратной связи и возможностей улучшить распространяемое. Следующей ступенькой в маленькой компании может стать сразу вся компания.
В нашей компании так и произошло. В какой-то момент число участников команды разработки проекта, которые используют ИИ, выросло настолько, что мы пошли и поговорили с начальством и купили один общий на всех MiniMax Token Plan (на тот момент Max-highspeed за $80/мес). Развернули внутри контура LiteLLM, настроили модельки, каждому в команде выдали свой Virtual Key. Потом пару раз вышли более новые модели (M2.7, M3), пришлось всех просить править свой конфиг. Дальше было решение “внедрять ИИ” на смежных проектах, и мы пришли к пониманию, что нужно всё это как-то упрощать.
С другой стороны я и ещё несколько коллег пользовались superpowers — открытым JS-плагином с набором полезных навыков. Я поковырял его исходники, склонировал и поковырял исходники OpenCode, и понял, что это то, что нам нужно.
В итоге получился корпоративный плагин, который минимальными (и описанными на вики) усилиями подключается глобально к установленному OpenCode, сам себя обновляет, и предлагает ряд сущностей:
1) Наш корпоративный внутренний LiteLLM как провайдер моделей.
2) Актуальные прописанные модели (MiniMax, Zhipu AI). О том, какие причины привели нас именно к opencode / китайским моделям, когда-нибудь в следующий раз.
3) Generic-субагентов с явным указанием используемых моделей (не только покупные, но и текущие :free. Например, сейчас там есть DeepSeek V4 Flash и Xiaomi MiMo V2.5).
4) Корпоративные навыки. Конечному пользователю плагина нужно только получить свой Virtual Key и подключить правильный провайдер через команду /connect (полностью штатные средства самого OpenCode).
Весьма удобно стало: докупили новый провайдер LLM, закинули в LiteLLM, прописали в плагине, сразу есть у всех сотрудников. Вышла новая версия модели — аналогично. Использовал какой-то навык, не совсем удачно, ретроспективно собрал по нему негативный опыт — тут же закоммитил в репо плагина и оно есть у всех.
GitHub
GitHub - obra/superpowers: An agentic skills framework & software development methodology that works.
An agentic skills framework & software development methodology that works. - obra/superpowers
🔥2
Reality_AI
Про корпоративный плагин для opencode
Корпоративный внутренний LiteLLM
Корпоративные навыки
Вообще есть что-то противоестественное в таком наименовании, потому что несколько десятков человек — скорее всего точно не корпорация. Но каким определением тогда называть эти сущности?
Компанейский плагин?
Юр.лицовый?
Конторский?
UPD. В личку прилетают новые варианты: служебный.