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.
Forwarded from Технозаметки Малышева
Huawei выпустила OpenPangu 2.0 Flash — 92B MoE на чипах Ascend, open source близкий к DeepSeek V4 Flash и Claude Sonnet 5
📋 30 июня Huawei опубликовала OpenPangu 2.0 Flash — 92B MoE (6B активных), полностью обученный на чипах Ascend, с 512K контекста и 34T токенов предобучения.
Huawei выделила openPangu в отдельный open-source-бренд и анонсировала выпуск семи версий до конца года.
При 6B активных параметров и MTP на 3 токена вперёд OpenPangu набирает 93,3% на AIME 2026 (98,1% с Python) — уровень, для которого ещё год назад требовались модели с на порядок большей активной частью.
По кодингу (SWE-bench 63,1%) отставание от DeepSeek V4 Flash (79,0%) и Sonnet-5 пока заметное, но по агентным задачам (TAU2-Bench 88,0%) и следованию инструкциям (IFEval 95,9%) модель вполне конкурентоспособна.
📎 Hugging Face | Репозиторий openPangu
#Huawei #OpenPangu #Ascend
———
@tsingular
📋 30 июня Huawei опубликовала OpenPangu 2.0 Flash — 92B MoE (6B активных), полностью обученный на чипах Ascend, с 512K контекста и 34T токенов предобучения.
Huawei выделила openPangu в отдельный open-source-бренд и анонсировала выпуск семи версий до конца года.
При 6B активных параметров и MTP на 3 токена вперёд OpenPangu набирает 93,3% на AIME 2026 (98,1% с Python) — уровень, для которого ещё год назад требовались модели с на порядок большей активной частью.
По кодингу (SWE-bench 63,1%) отставание от DeepSeek V4 Flash (79,0%) и Sonnet-5 пока заметное, но по агентным задачам (TAU2-Bench 88,0%) и следованию инструкциям (IFEval 95,9%) модель вполне конкурентоспособна.
📎 Hugging Face | Репозиторий openPangu
#Huawei #OpenPangu #Ascend
———
@tsingular
Телеком мне почему-то близок душе, поэтому вот вам про него относительно свежая новость.
Forwarded from Телекоммуналка
Три крупнейших телекоммуникационных оператора Китая: China Mobile, China Telecom и China Unicom, синхронно переходят от продажи трафика к продаже токенов ИИ-моделей, обнаружила наша редакция. Это видно по отчетности за первый квартал 2026: прибыль всех трех операторов одновременно снизилась на фоне насыщения рынка трафиком.
Концепция по появлению новой сущности в пакете, к минутам, SMS и гигабайтам появилась в официальных стратегиях операторов в начале этого года. Национальное управление данных КНР, которое разрабатывает правила для безопасного использования информации, стимулирует рост цифровых технологий и следит за внедрением больших данных, зафиксировало, что к марту суточный объем вызовов к ИИ-моделям в Китае превысил 140 трлн токенов. Рост более чем в 1000 раз по сравнению с 2024. На этом фоне China Telecom первым из операторов федерального уровня запустил коммерческие токен-пакеты уже 17 мая, China Mobile последовал 20 мая.
Структура тарифов строится по аналогии с привычными гигабайтными пакетами. China Telecom предлагает потребительские пакеты от 9,9 юаня в месяц за 10 млн токенов до 49,9 юаня за 80 млн. Бизнес-пакеты: от 39,9 до 299,9 юаня за 15-250 млн токенов. Токены действуют в собственной модели оператора TeleChat, а также в сторонних сервисах: GLM-5 от Zhipu AI и DeepSeek-V3.2. Параллельно China Mobile в Шанхае запустил универсальный токен-сервис, где 400 тыс. токенов стоят 1 юань, а оплата списывается через абонентский счет.
Принцип простой: сеть соединяет вычисления, вычисления жрут токены. Мы недаром вам описывали перспективы отрасли, в которых телеком идет в сторону вычислительных коммуникаций, а также приводили статистику по изменению профиля трафика. Вендоры считают также. Huawei недавно заявил о переходе от «бит-логики» к «биты + токены», обосновав, что сетевое качество – задержка, надежность SLA, пропускная способность аплинка напрямую определяет ценность токена. То есть токен, сгенерированный с помощью высококонтекстного агента на сети с гарантированной задержкой, стоит дороже, чем токен из облака с неопределенной QoS.
China Mobile теперь позиционирует себя как «ядро токен-генерации» для ИИ-экономики страны: компания открыла доступ к пакетам на триллион токенов для партнеров экосистемы и развивает инфраструктуру по принципу «вычислительная мощность как движущая сила».
Но, есть вопросы к масштабу трансформации. «Токен-экономика» операторов – это изменение в биллинге, а не полноценная продажа ИИ-токенов. Ключевая проблема в том, что учет токенов происходит на стороне модели, а не оператора. Если оператор не контролирует модель, он не может точно измерить реальное потребление и вынужден следовать ценообразованию производителей моделей, а не формировать его самостоятельно. Тарифы опираются на интеграцию с платформами вроде OpenClaw и подключение к DeepSeek или Qwen.
В гонке за ИИ-рынком у операторов есть реальные конкурентные преимущества – зрелая биллинговая инфраструктура, стабильная пользовательская база и уникальная позиция «доверенного агрегатора счетов». Удастся ли операторам занять место «суперменеджера ИИ-счетов» и правильно вписаться в ИИ-экономику до того, как крупные облачные платформы выстроят собственные прямые отношения с конечными пользователями? Вопрос.
Операторы все равно останутся между ними, изменения уже идут, важно правильно оседлать волну. Даже на нашем незрелом рынке, операторам уже стоит задуматься о разговоре с Яндексом или Сбером на эту тему. Были даже первые попытки: Билайн попробовал положить токены в пакет, но опять же для продукта, который у него есть. Теперь речь идет о движении к полному переходу по тарификации.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Метаверсище и ИИще
Media is too big
VIEW IN TELEGRAM
Argus: Новый нормальный робат
Наконец-то кто-то запилил нормального терминатора. Это вам не робопсина или чахлые антропоморфные твари, которые валятся навзничь от каждого толчка в грудь или окрика "есть чо?".
Да, он не разбирает посудомойку, за то он можетуничтожать кожаных, видеть почти на 360 градусов, двигаться в любом направлении без разворота, карабкаться между стенами, проходить песок, лес и неровные поверхности, а также продолжать работу даже при частичных отказах.
За основу взят морской еж (который сам по себе привык с кожаными скорее воевать, чем дружить). 20(!) телескопических ног, на каждой камера(!). Нет переда, или зада, или правой части.
Главная идея здесь не в том, чтобы скопировать чью-то форму, а в том, чтобы переосмыслить саму архитектуру движения. Разрабы называют это dynamic symmetry: робот должен уметь создавать усилие и ускорение почти одинаково во всех направлениях. В мире, где большинство роботов всё ещё проектируются вокруг “лица”, “спины” и основной оси движения, Argus предлагает другой подход: тело как распределённая система сенсоров и приводов.
Мне нравится этот ежара. Для чорного зеркала идеальный персонаж.
https://www.linkedin.com/posts/theermann_researchers-at-duke-university-have-developed-activity-7476265598906466304-EECu
@cgevent
Наконец-то кто-то запилил нормального терминатора. Это вам не робопсина или чахлые антропоморфные твари, которые валятся навзничь от каждого толчка в грудь или окрика "есть чо?".
Да, он не разбирает посудомойку, за то он может
За основу взят морской еж (который сам по себе привык с кожаными скорее воевать, чем дружить). 20(!) телескопических ног, на каждой камера(!). Нет переда, или зада, или правой части.
Главная идея здесь не в том, чтобы скопировать чью-то форму, а в том, чтобы переосмыслить саму архитектуру движения. Разрабы называют это dynamic symmetry: робот должен уметь создавать усилие и ускорение почти одинаково во всех направлениях. В мире, где большинство роботов всё ещё проектируются вокруг “лица”, “спины” и основной оси движения, Argus предлагает другой подход: тело как распределённая система сенсоров и приводов.
Мне нравится этот ежара. Для чорного зеркала идеальный персонаж.
https://www.linkedin.com/posts/theermann_researchers-at-duke-university-have-developed-activity-7476265598906466304-EECu
@cgevent
👍2
Forwarded from STARTOBUS (Denis Channov)
Промптинг мертв. Все что нужно знать сегодня - как запускать самосовершенствующиеся циклы.
👍1
Forwarded from Откровения от Олега
Итак, что мы видим про Фейбл:
1) Новый классификатор, отделяющий опасные вопросы, который срабатывает более часто, чем "нормальный" (норма - в Опусе)
2) Использовать можно только до 50% от недельного лимита, и только до 7 июля, дальше все использование будет не за подписку а за бабло
То есть, мы получили более слабую плохую версию Фейбла, за 2х прайс, на период в 2 раза меньше изначально обещанного
Я немного рад за решение проблемы с правительством США, но куда больше несчастлив - с текущими ограничениями Фейбл не нужен низачем
Повышение уровня ризонинга в Фейбле офигенское, но не в 2 и не в 3 раза. Свои +10% к качеству можно достичь надрачивая агентов на более обширный расход токенов на генерацию более качественного кода (на том же Опусе, GLM 5.2... да хоть на Гигачате)
1) Новый классификатор, отделяющий опасные вопросы, который срабатывает более часто, чем "нормальный" (норма - в Опусе)
2) Использовать можно только до 50% от недельного лимита, и только до 7 июля, дальше все использование будет не за подписку а за бабло
То есть, мы получили более слабую плохую версию Фейбла, за 2х прайс, на период в 2 раза меньше изначально обещанного
Я немного рад за решение проблемы с правительством США, но куда больше несчастлив - с текущими ограничениями Фейбл не нужен низачем
Повышение уровня ризонинга в Фейбле офигенское, но не в 2 и не в 3 раза. Свои +10% к качеству можно достичь надрачивая агентов на более обширный расход токенов на генерацию более качественного кода (на том же Опусе, GLM 5.2... да хоть на Гигачате)
🥴1🤝1
Про spring_pgdb_mcp
В самом начале года, когда на проекте я использовал только локального агента, меня всё время помещали мысли — а что же ещё можно ему дать/подключить, чтобы оно давало агенту лучшее понимание проекта, больше “рук” для выполнения работы, да и в целом чтобы оно наносило как можно больше абстрактной неизмеримой пользы. Естественно, большая часть ручек агенту накидывается MCP-серверами (а навыки тогда ещё не так стрельнули). Среди всех вариантов, куда прикрутить агента, одним очень логичным был доступ к нашей внутренней тестовой базе данных PostgreSQL.
Я начал искать готовые MCP-сервера, но попадались только компромиссные варианты: тот, что предлагался в Docker Desktop / MCP Catalog, уже был помечен флажком Deprecated, другие не запускались с должной простотой, третьи были написаны на JS/TS и работали только через stdio. Мне же уже тогда хотелось двигаться в сторону одного общего сервера для команды разработки, поднятого на закрытой виртуалке.
К тому моменту я уже успел несколько раз натолкнуться на проект Spring AI, который среди прочего предлагал spring-стартеры для поднятия MCP-серверов. А так как работа с PostgreSQL в Spring это что-то максимально штатное и банальное, в голове сразу же сложилась картинка как P-P-A-P.
За пару часов я накидал требования к реализации, запустил агента, и он собрал проект. Сразу в виде docker-образа, с примером docker-compose.yml. По требованиям к нему надо маунтить config.yml, в котором прописан список коннектов:
Агенту доступны всего три инструмента (list, query, execute), которыми он может пользоваться.
Штука максимально простая и надёжная, весьма удобная, от контекстного окна тратит совершенно немного, все современные модели прекрасно ориентируются в синтаксисе запросов, при необходимости делают сами интроспекцию схемы.
В команде используем её так: или просим подготовить какие-то новые тестовые данные, или поискать состояние/историю переходов по состояниям каких-то записей. Ещё пару раз агент чинил нам в базе некорректно накаченные миграции из feature-веток. Ну и в целом, вкупе с доступом к логам тестового стенда, агент становится способным самостоятельно и без длительного объяснения решить большую часть возникающих задач.
Поскольку никакого know-how в такой поделке нет, вероятно я скоро подчищу и выложу код в публичный доступ. Пусть в интернете будет больше MCP-серверов на Java + Spring!
В самом начале года, когда на проекте я использовал только локального агента, меня всё время помещали мысли — а что же ещё можно ему дать/подключить, чтобы оно давало агенту лучшее понимание проекта, больше “рук” для выполнения работы, да и в целом чтобы оно наносило как можно больше абстрактной неизмеримой пользы. Естественно, большая часть ручек агенту накидывается MCP-серверами (а навыки тогда ещё не так стрельнули). Среди всех вариантов, куда прикрутить агента, одним очень логичным был доступ к нашей внутренней тестовой базе данных PostgreSQL.
Я начал искать готовые MCP-сервера, но попадались только компромиссные варианты: тот, что предлагался в Docker Desktop / MCP Catalog, уже был помечен флажком Deprecated, другие не запускались с должной простотой, третьи были написаны на JS/TS и работали только через stdio. Мне же уже тогда хотелось двигаться в сторону одного общего сервера для команды разработки, поднятого на закрытой виртуалке.
К тому моменту я уже успел несколько раз натолкнуться на проект Spring AI, который среди прочего предлагал spring-стартеры для поднятия MCP-серверов. А так как работа с PostgreSQL в Spring это что-то максимально штатное и банальное, в голове сразу же сложилась картинка как P-P-A-P.
За пару часов я накидал требования к реализации, запустил агента, и он собрал проект. Сразу в виде docker-образа, с примером docker-compose.yml. По требованиям к нему надо маунтить config.yml, в котором прописан список коннектов:
servers:
- name: Имя коннекта 1
host: <IP>
port: 5432
username: …
password: …
database: …
read-only: true # Только SELECT или всё?
Агенту доступны всего три инструмента (list, query, execute), которыми он может пользоваться.
Штука максимально простая и надёжная, весьма удобная, от контекстного окна тратит совершенно немного, все современные модели прекрасно ориентируются в синтаксисе запросов, при необходимости делают сами интроспекцию схемы.
В команде используем её так: или просим подготовить какие-то новые тестовые данные, или поискать состояние/историю переходов по состояниям каких-то записей. Ещё пару раз агент чинил нам в базе некорректно накаченные миграции из feature-веток. Ну и в целом, вкупе с доступом к логам тестового стенда, агент становится способным самостоятельно и без длительного объяснения решить большую часть возникающих задач.
Поскольку никакого know-how в такой поделке нет, вероятно я скоро подчищу и выложу код в публичный доступ. Пусть в интернете будет больше MCP-серверов на Java + Spring!
🔥3
Forwarded from AI for Devs
⚡️ Z.ai выпустили крупное обновление ZCode
Альтернатива Claude Code и Codex от создателей GLM-5.2 уже доступна для всех OS.
Их собственный ZCode Agent заточен под GLM-5.2, но через BYOK можно подключить свои подписки OpenAI, Anthropic и других провайдеров.
Подписчикам GLM Coding Plan квота в ZCode в 1.5 раза выше обычной.
P.S. GLM в ZCode доступна из России без VPN.
@ai_for_devs
Альтернатива Claude Code и Codex от создателей GLM-5.2 уже доступна для всех OS.
Их собственный ZCode Agent заточен под GLM-5.2, но через BYOK можно подключить свои подписки OpenAI, Anthropic и других провайдеров.
Новым пользователям дают 5 дней бесплатного доступа с повышенным дневным лимитом: хороший повод протестировать китайский флагман.
Подписчикам GLM Coding Plan квота в ZCode в 1.5 раза выше обычной.
P.S. GLM в ZCode доступна из России без VPN.
@ai_for_devs
Руки всё сильнее и сильнее чешутся попробовать Гермеса. У нас в компании есть парочка ассистентов на основе OpenClaw (про них позже расскажу), и дома разворачивал на Raspberry Pi 2B ассистента picoclaw, хотя пока он лежит выключенный, не придумал ему готовых задач. Если за лето успею кое что ему дать по "железу", его история может продолжиться... Но Гермес — он с другой идеологией.
Forwarded from Технозаметки Малышева
Hermes Agent v0.18 — The Judgment Release: Mixture-of-Agents и верификация кода
📋 Nous Research выкатили v0.18.0 (2026.7.1) — крупнейший релиз Hermes Agent за последние месяцы. За 12 дней команда разгребла весь приоритетный бэклог: 1 720 коммитов, 998 смерженных PR, 949 закрытых issue, 370+ контрибьюторов. Итог — ноль открытых P0 и P1 по всему репозиторию, и намерение держать планку.
💡 Mixture-of-Agents стал приоритетным функционалом: именованные ансамбли моделей вырываются из общего списка и дают результаты наравне с фронтирами от Anthropic и OpenAI.
Каждый участник MoA показывает рассуждения в отдельном блоке, финальный ответ агрегатора стримится в реальном времени — можно смотреть, как «совет» думает, а не только читать вердикт.
⚙️ Агент научился верифицировать свою работу.
Наконец-то надежный гейт остановки агентского цикла, как обсуждали на последнем эфире в ИИзбранном.
📝 Три новых слэш-команды.
🔌
В десктопе теперь полноценные проекты (project → repo → lane) с сайдбаром кодовых баз.
Шлюз научился экономить ресурсы: засыпает при простое, просыпается по требованию, корректно сливает сессии перед перезапуском.
Добавлена поддержка Google Vertex AI с авто-обновлением OAuth2-токенов.
hermes update - любимая команда вообще.
#Hermes #update
———
@tsingular
📋 Nous Research выкатили v0.18.0 (2026.7.1) — крупнейший релиз Hermes Agent за последние месяцы. За 12 дней команда разгребла весь приоритетный бэклог: 1 720 коммитов, 998 смерженных PR, 949 закрытых issue, 370+ контрибьюторов. Итог — ноль открытых P0 и P1 по всему репозиторию, и намерение держать планку.
💡 Mixture-of-Agents стал приоритетным функционалом: именованные ансамбли моделей вырываются из общего списка и дают результаты наравне с фронтирами от Anthropic и OpenAI.
Каждый участник MoA показывает рассуждения в отдельном блоке, финальный ответ агрегатора стримится в реальном времени — можно смотреть, как «совет» думает, а не только читать вердикт.
⚙️ Агент научился верифицировать свою работу.
/goal получил completion contracts: вы описываете, что значит «готово», и цикл задач проверяет завершённость по фактам, а не по самоощущению модели. Хук pre_verify позволяет подключить собственные проверки.Наконец-то надежный гейт остановки агентского цикла, как обсуждали на последнем эфире в ИИзбранном.
📝 Три новых слэш-команды.
/learn превращает директорию, URL или workflow в переиспользуемый навык одной командой. /journey — хронология всего, чему агент научился, с возможностью редактирования и удаления записей. /prompt открывает $EDITOR для многострочных промптов, - наконец-то не нужно мучаться с редактированием в командной строке.🔌
delegate_task стал реально фоновым: суб-агенты работают параллельно, не блокируя чат, и возвращают консолидированный результат. В десктопе теперь полноценные проекты (project → repo → lane) с сайдбаром кодовых баз.
Шлюз научился экономить ресурсы: засыпает при простое, просыпается по требованию, корректно сливает сессии перед перезапуском.
Добавлена поддержка Google Vertex AI с авто-обновлением OAuth2-токенов.
hermes update - любимая команда вообще.
#Hermes #update
———
@tsingular
Reality_AI
Если за лето успею кое что ему дать по "железу", его история модель продолжиться...
Только написал эти слова, как тут же получил письмо:
Штош, я знал, что когда-нибудь придётся переписывать прошивки для своих ESP (ящик-погреб, полив). Всё-таки даже облачный MQTT-брокер — оказывается серьёзный вендор-лок. Спасибо Яндексу, что хотя бы своевременно предупредили, и что отключат, когда поливать уже нечего будет.
Yandex Cloud
Здравствуйте!
Спасибо, что пользуетесь Yandex IoT Core.
Обратите внимание: 1 ноября 2026 года сервис переходит в режим «Только чтение». Регистрировать новые устройства и реестры, изменять конфигурации, получать и отправлять сообщения через брокер будет невозможно. Существующие ресурсы останутся доступны только для просмотра.
1 декабря 2026 года сервис полностью закроется. Все данные — реестры, устройства, сертификаты, топики — будут удалены.
Что нужно сделать до 1 ноября 2026 года?
1. Перенести устройства на альтернативное решение.
2. Выгрузить сертификаты, конфигурации и иные необходимые данные.
Подробная информация о закрытии сервиса доступна в документации.
В качестве альтернативы вы можете мигрировать на инструменты с открытым исходным кодом, развернув их в Yandex Cloud. Мы подготовили руководство, которое поможет при миграции: Миграция с Yandex IoT Core на MQTT-решения с открытым исходным кодом.
Что будет с вашими данными?
Ваши данные (списки устройств, алиасов устройств, брокеров, а также сертификаты устройств и брокеров) не будут потеряны. После закрытия сервиса резервные копии ваших данных будут храниться до 31 января 2027 года — их можно будет запросить через техническую поддержку.
Если у вас остались вопросы по содержанию этого письма, обратитесь в техническую поддержку или к вашему менеджеру. Мы постараемся сделать переход максимально комфортным.
Штош, я знал, что когда-нибудь придётся переписывать прошивки для своих ESP (ящик-погреб, полив). Всё-таки даже облачный MQTT-брокер — оказывается серьёзный вендор-лок. Спасибо Яндексу, что хотя бы своевременно предупредили, и что отключат, когда поливать уже нечего будет.
😨2😢1😭1
Forwarded from Нейроканал
Цитата дня: ИИ-агент пишет код не как джуниор или мидл. Он пишет его как сеньор с деменцией.
@neuro_channel
@neuro_channel
💯4🌚1
Reality_AI
Руки всё сильнее и сильнее чешутся попробовать Гермеса. У нас в компании есть парочка ассистентов на основе OpenClaw (про них позже расскажу), и дома разворачивал на Raspberry Pi 2B ассистента picoclaw, хотя пока он лежит выключенный, не придумал ему готовых…
Решил сегодня пока в фокусе продолжить тему железа. Точнее, больше полипропилена.
У меня уже была одна точка раздачи полива в теплице, но это один из углов участка, не до всех нужных мест шланги дотягиваются, хоть каждый год их и докупаю. И четыре клапана мало.
Решил сделать с другого угла ещё одну точку раздачи. Под руками как раз был утеплённый щиток, приклепал его к забору. Спаял блок клапанов, закрепил. Надо довести ПП до туда, недалеко, и собрать щит и плату с ESPшкой. Поставлю ещё внешнюю розетку с реле для подключения насоса бассейна.
Ещё в планах есть довпаять в систему датчик давления 4-20 мА и расходомер. Чтобы было не просто "включить полив", а "вылить 100л воды в теплицу и потом 50л на грядки". Или по времени. Желательно в т.ч. голосовым ИИ-ассистенту.
У меня уже была одна точка раздачи полива в теплице, но это один из углов участка, не до всех нужных мест шланги дотягиваются, хоть каждый год их и докупаю. И четыре клапана мало.
Решил сделать с другого угла ещё одну точку раздачи. Под руками как раз был утеплённый щиток, приклепал его к забору. Спаял блок клапанов, закрепил. Надо довести ПП до туда, недалеко, и собрать щит и плату с ESPшкой. Поставлю ещё внешнюю розетку с реле для подключения насоса бассейна.
Ещё в планах есть довпаять в систему датчик давления 4-20 мА и расходомер. Чтобы было не просто "включить полив", а "вылить 100л воды в теплицу и потом 50л на грядки". Или по времени. Желательно в т.ч. голосовым ИИ-ассистенту.