Напомню еще раз про фичу, о которой я писал пару месяцев назад, и которая уже настолько плотно и плавно вошла в мои рабочие процессы, что даже не знаю как без такого теперь жить ⭐️ Речь про нотификации из опенкода в телегу.

Это максимально удобно! Во-первых всегда моментально замечаешь готовую работу, когда у тебя несколько агентов в разных вкладках. Во-вторых - это не привязанность к лаптопу. Результаты работы можно почитать и поревьювать когда вышел покурить, делаешь чай, поехал на обед. Постоянно остаешься в процессе и не выпадаешь из работы, когда отошел от компа.

Скрипт в статье я основательно доработал (я про ts скрипт для opencode, для курсора там какая-то фигня, даже не пробовал ее чинить, так как уже давно не юзаю курсор), теперь он без ошибок на спец символах, нормально обрезает длинные ответы по максимуму длины телеграм сообщений, работает как часы. Вобщем пробуйте, ставьте себе, максимально удобно! 😉

Из того что я бы хотел доработать - нормальное markdown форматирование в ответах. И конечно хотелось бы двустороннюю связь, но для этого уже нужен полноценный open/mini claw бот, тунели, заморочки с шифрованием, дофига делов... Ну и идея для продукта интересная кстати. Если бы вышел андройд клиент со встроенным шифрованым тунелем чисто для управления opencode/kilocode/cline и пр. - я бы не глядя платил $5-10 баксов в месяц за такю подписку 🤔

Апдейт по GLM-5.1 Coding Plan⚠️ За последнюю неделю Zai реально подтянулись в плане качества инфиренса. 5-turbo просто летает, 5.1 работает не медленее опуса/гэпэтэ. Пробовал в Cursor - на удивление еще быстрее чем в OpenCode. В скорости я сейчас реально не вижу большой разницы c Kimi, а в качестве они где-то на уровне. Kimi чуть дешевле по токенам и хорошо себя ведет на длинных задачах и субагентах, GLM хорош когда надо углубиться в сложные задачи.
Но раньше я гонял GLM на оупенроутере и Go подпсике, сейчас же спокойно им пользуюсь считай бесплатно на Zai Coding Plan, и вообще не вижу ошибок, торзмозов и дисконектов.
Плюс раньше GLM брали x2 реквестов в пиковые часы для топовой модели, сейчас же это правило отменили, явно они очень хорошо наростили обьем своего компьюта.
С 1 мая Zai так же меняет стоимость и условия своих подписок (для новых пользователей, старые закончат свои планы на прежних условиях), не знаю что там будет, но если будут хорошие цены и скидки на годовые пакеты - я рекомендую взять, даже Lite план.👍

Вобщем начиная с ноября 2025, когда я купил годовый Coding Plan, сейчас я в первый раз откровенно могу порекомендовать эту подписку, она реально стала хороша, и по скорости-стабильности, и по GLM-5-turbo/GLM-5.1 моделям, можно использовать для любых задач и с высоким уровнем качества. 🌡😮👍

Про Ollama.Cloud и DeepSeek.
Подогнал мне тут вчера @shuvalov_js ключик для ollama.cloud погонять, за что ему большое спасибо 🍻Список моделей у Олламы ничем не отличается от большинства других провайдеров, ну да, любой популярный опенсорс. Но я вспомнил что так и не попробовал новый DeepSeek V4 Pro, и это отличный вариант потестить и провайдера и модель. Вобщем гоняю второй день на своих разных сценариях.

По провайдеру - чувствуется что у Олламы юзеров много, а железа мало. Частенько можно видеть ошибки "сервис недоступен" когда отправляешь промпт в ide. И это главный минус. Он не занимает много времени, я бы сказал на каждом 3-4 промпте, секунд 5-10, а дальше ризонинг идет как положено, без прерываний. Но меня сам факт того, что ты платишь деньги за подписку, а сервис не вытягивает нагрузки - очень бесит 😬При этом Оллама выдает просто отпадный tps на любых моделях, реально впечатляюще быстро. И все отлично по ценам и лимитам. Лимиты только пятичасовые и недельные. Без месячных, которые есть зло, когда ты сжигаешь подписку за две недели и до конца меясца сидишь кукуешь.
В целом если вы используете OpenCode - я все так же топлю за OpenCode Go, за 10 баксов это самое дешевое и при этом максимально стабильное и качественное решение. Если же вы работаете в других IDE и вас не бесит факт того что сервис может кидать ошибки доступа - можете попробовать Ollama.Cloud, базового тарифа за 20 баксов будет достаточно. Скорость и лимиты у них реально 🔥

А теперь DeepSeek. Слушайте, китайцы долго запрягают от релиза к релизу... Но на выходе всегда получается революция! 👍 Модель очень быстрая и реально умная. По моему опыту последних месяцев - все топовые модели от опенсорса до gpt5.5 и opus 4.7 технически для software development и delivery задач средней сложности справляются на одном уровне. Только GPT - это аутист не умеющий общаться, со склонностью оверинженирить, Опус - это уже пиздец оверинжиниринг и еще больше пиздец бабложор 🤑, а вот Kimi/GLM/Qwen - качество и баланс. И DeepSeek сюда максимально вписывается, техничски на том же уровне, выдает грамотную архитектуру, думает наперед, находит неявные баги. Но он очень быстрый! 🐆. И очень дешевый!🤑
Единственное что мне в нем не зашло - представление информации. Не настолько аутично как GPT, но все равно не так хорошо и понятно все раскладывает по полочкам и таблицам как Kimi. Любит завернуть излишних тех терминов и абревиатур. И от вывода дипсика реально слегка несет АИ слопом 😅 Но инженерно - вообще никаких вопросов!

- Вобщем для архитектурных спецификаций, доков, бизнесовых ресерчей и репортов берите Kimi K2.6 (хотя ресерчи можно запускать с Kimi основным агентом для компиляции результата, и сабагентами для поиска в вебе и код базе на DeepSeek, будет быстро и с четким результатом 😎)

- DeepSeek V4 Pro High (разницы в high и max ризонинге особо не заметил) писать сам код по спекам и дебажить деплои, делать код ревью. Новая рабочая лошадка.

- GLM-5.1 - для альтеративного мнения со стороны в сложных код ревью (эта модель особо удачно может углубляться в детали).


Отдельно передаю ПРЕВЕД все еще сидящим на 100-200 баксовых подписках Клода и каждую неделю выжидающим восстановления лимитов 😄

А вот просто отличнейший пример гиковского сервиса :) Запускаем свои VM, для вайбокдинг проектов (для чего же еще 😁), просто через ssh 🤯

И там не только обычная виртуалка, но и сразу субдомен 3 уровня с встроенным https через wildcard, какой-то встроенный менеджмент секретов. Ну и персистент диски, мульти регионы, но это база.

Но за идею лайк 👍Пробуем
ssh exe.dev

После ~30 проведеннных тех собесов за последние два месяца, хочу сказать что все таки самая лучшая модель для составления вопросов - это GLM (если сравнивать GLM, Kimi, DeepSeеek, Qwen, Gemini, GPT). Почему-то у GLM получаются самые краткие, но нормально звучащие вопросы, где все в меру, но все по делу 👍Без излишней детальности и аи слопа.
При этом с анализом cv, job description и анализом транскриптов собесов все модели сейчас на одном уровне. Если дать те же инпут документы и тот же промпт, то любая модель из списка выдаст в 95% случаев те же вопросы, и всегда практически идентичный эвалюейшн кандидата. Разница только в лингвистической подаче информации.

Что касается кодинга/инжиниринга - за последнее время предпочтения не поменялись. Kimi K2.6 - топ модель для меня, универсальная под любые задачи. DeepSeek V4 Pro - если надо что-то делать быстро и дешево (дебагинг например). GLM - для детального код ревью или спек ревью.

Сейчас еще вышла MiMo от Xiaomi, она уже есть в OpenCode Go подписке, но не уверен есть ли смысл ее тестить. Кто ее уже пробовал, интересно или проходная история?

Разрабатываем LLM скилы like a Boss 😂Рекомендую, в статье много классных инсайтов 🌡

tldr:

- Не пишем все в один большой SKILL.md. Метадата (frontmatter) ~100 токенов, сам скил <500 строк, все остальное выносим в references/. Frontmatter читается всегда, это описания _когда_ надо загрузить скил. Тело скила грузится в контекст полностью, когда модель хочет использовать скил. А вот скрипты и маркдауны из references/ уже подгружаются on-demand, когда сам скил на них ссылается. Поэтому когда основная тяжелая логика и доки в рефах - мы уменьшаем перегрузку контекста раза в три! 🔥

- В reference файлах НЕ пишем frontmatter, никогда. Иначе они начнут подгружаться моделью сами по себе, без основго описания скила - получаем бессмысленный контекст ведущий к ошибкам. Роутинг на рефы должен быть прописан в SKILL.md, на этом все.

- Идемпотентность. Скил может ранаться в разных репозиториях с разной структурой. Не используем абсолютные пути и хардкоженую логику. Вместо этого обьясняем модели как нужно проверить окружающую файловую структуру, депенденси, и как выполнять команды в завимости от ее актуального окружения.

- Эвалы. Скилы по разному работают на разных моделях. Часто с развитием моделей они учатся делать какие либо вещи основываясь на своем новом обучающем датасете, и скил становится не нужен, только засоряя контекст. Хорошая практика - при смене моделей прогонять по два эвала, со скилом и без него, сравнивая результат.