Последние недели в ИИ очень плотные по новостям. Новые модели, агенты, интеграции, релизы почти каждый день. За всем этим уже сложно успевать следить даже тем, кто внутри темы постоянно.

Наверное многие заметили, что в последние дни я почти не публикую посты в канале. Причина простая — появилось много работы. И что приятно, часть этого пришла именно благодаря каналу и знакомствам.

Сейчас фокус сместился с чтения новостей на реальные задачи. Вокруг не громких прорывов, а вполне земных вещей: автоматизация типовых процессов, настройка пайплайнов, интеграции, ускорение рутины, снижение количества ручных действий.

И тут интересный момент. Когда работаешь на коммерческом проекте, отношение к экспериментам меняется. Одно дело тестировать свежий инструмент на себе. Другое — ставить это в рабочий контур, где есть сроки, деньги и ожидания команды.

Ощущается, что рынок ИИ взрослеет. Все меньше разговоров “вау, смотрите что умеет”, и все больше вопросов “как это надежно встроить в процесс”.

Спасибо всем, кто читает канал. Буду стараться и дальше находить интересные вещи, но именно с прикладной стороны: что реально работает, где есть польза, и что можно применять уже сейчас.

Если кратко о жизни:
- полностью перешел на Wave Terminal, оказалось ОЧЕНЬ удобно, советую попробовать.
- переключил роутер на gpt-5.5, пока нет четкого ответа, лучше или хуже, прорыв или чуть чуть поправили.
- рефакторинг всего и вся, готовим проекты к тестовому запуска, гоняем модельки, жгем токены.
- картинка через новый генератор gpt-image-2, теперь русский без проблем.

Любопытная история с контекстным окном GPT-5.5.

Подсказали, что модели можно выставить окно до 1 млн токенов. Отношусь к таким цифрам спокойно и без восторга. На бумаге выглядит красиво, но в реальной работе большой вопрос, насколько модель уверенно держит качество на таких объёмах.

Для теста поставил 512k. Через какое-то время словил ошибку переполнения контекста. Начал разбираться глубже — оказалось, что на подписке реальный лимит у меня 400k, а лимит в 1 млн у моделей по API.

В итоге пришлось приводить всё к рабочему состоянию вручную. В ~/.codex/config.toml задал:

model_context_window = 380000
model_auto_compact_token_limit = 320000

То есть автокомпакт срабатывает примерно на 80% окна и начинает ужимать историю до критического момента.

Дополнительно поправил ~/.codex/model-catalog.json, чтобы CLI корректно показывал цифры в статусной строке:

context_window = 380000
max_context_window = 400000
auto_compact_token_limit = 320000

Красивые максимумы почти всегда отличаются от рабочих максимумов. Реальная эксплуатация начинается там, где появляются ошибки, автокомпакт и необходимость держать запас.

По факту лучше стабильные 320k, чем номинальный миллион, который ломается в первый же длинный прогон.

Если я не прав и вы по подписке выставили 1 млн и он у вас честно отработал хотя бы 500к-600к, напишите в комментариях, буду разбираться.

Я думаю многие уже читали новости про то, как Claude Code удалил базу данных. Мемчик Вам с утра под кофе.

После мемов про Claude Code, самое время изучить официальный prompt guide от OpenAI для GPT-5.5.

Интересный момент: компания сама советует меньше заниматься магией промптов и меньше пытаться рулить моделью вручную.

Раньше рабочий стиль был такой: распиши 20 инструкций, заставь думать пошагово, добавь проверки, заставь переписать ответ три раза.

С GPT-5.5 подход меняется.

Теперь советуют писать короче: дать цель, контекст, ограничения и критерий хорошего результата. А маршрут модель выбирает сама. По факту это важный сдвиг. Мы долго жили в эпохе prompt engineering, где ценились хитрые формулировки и “секретные” конструкции. RIP инфоцыганские ютуб видео про волшебные промты.

Сейчас начинается эпоха task engineering — когда важнее правильно поставить задачу, чем красиво оформить запрос.

Еще один важный тезис: больше reasoning не всегда лучше. Если задача размытая, критерии слабые, а инструментов много — модель начинает переусложнять, тратить токены и уходить в лишние действия. То есть “думай дольше” больше не равно “работай лучше”.

Новые модели становятся ближе к сильному исполнителю, а не к капризному чат-боту, которого надо уговаривать каждым словом.

Для разработчиков это хорошая новость. Меньше шаманства. Больше нормального ТЗ.

Кстати, тема с большим контекстным окном не получилась нормально настроить и я оставил пока попытки это исправить. В целом и так хорошо работает, откатил все назад.

Ну и на сладкое. OpenAI опять сбросил лимиты, а так же лимиты до 1 июня вроде как повышенные.

В целом, в целом... Ну просто внаглую подсаживают людей на OpenAI. В то время как «Антропики» режут лимиты, отменяют доступ к Claude Code, и стараются перевести всех на API.

Пу-пу-пу...

Пу Пу Пу...

Отлетели массово PRO аккаунты. OpenAI стали закручивать гайки. Время халявы прошло.

Пишите своим продавцам, у кого покупали. Время решать вопросики...

А вот и причина подъехала.

Оказывается в openAI слили схему фарма аккаунтов.

Мотивация человека не известна, но если перевести пост, то там будет что то вроде: "Пользователь угрожает опубликовать контактную информацию и данные KYC трёх продавцов, которые незаконно продают подписки ChatGPT Pro и обходят ограничения бесплатного пробного периода на Google. Если OpenAI до вечера не устранит уязвимость, он передаст собранные материалы в судебные органы США."

Ждем что будет дальше, а пока думаем, как продолжить работу...

ⓘ This chat was flagged for possible cybersecurity risk. If this seems wrong, try rephrasing your request. To get authorized for security work, join the Trusted Access for Cyber program. https://chatgpt.com/cyber

Стал замечать. что на gpt-5.5 стало периодически вот такое сообщение выскакивать. Сессия останавливается и при повторной попытке продолжит выдает такое же сообщение. Попросил агента изучить структуру сообщения на роутере и нашли, что создается отдельно поле kind и там ставится значение "cyber_policy". По идеи можно это перехватывать и удалять, но как будто бы не хочется вмешиваться в передачу данных и изменять сообщение.

По этому пока работает команда /compact в Codex CLI. Сжимаешь сессию и продолжаешь, уведомление пропадает.

Знакомые говорят, что кто то проходил с РФ паспортом, но особенность в том, что у меня на роутере множество аккаунтов и если я буду на каждый показывать один паспорт.... ну такое себе.

Так же планирую уходить с PLUS аккаунтов, так как удобнее купить x5 или x20, причем личный можно и верифицировать через паспорт и работать через него постоянно.

А пока крутимся, вертимся, работаем!

Вышла новая пачка обновлений Codex CLI. Я посмотрел версии 0.126, 0.127 и 0.128.

Если коротко, ощущение такое: проект всё меньше похож просто на «чат в терминале» и всё больше превращается в полноценную рабочую среду для агентов.

Самое интересное — появление отдельной работы с целями. Теперь задачу можно не просто написать в чат, а вести как более долгий процесс: поставить цель, приостановить, продолжить, очистить. Для длинных задач это важный шаг, потому что раньше многое держалось просто на контексте сессии.

Второй момент — управление правами. Старый режим «делай всё автоматически» постепенно уводят в сторону, а вместо него развивают более понятные профили доступа. То есть агенту можно точнее задать, что ему разрешено, где он может работать и насколько свободно он может выполнять команды.

Ещё заметно движение в сторону расширений. Плагины, хуки, установка и удаление дополнений — всё это выглядит как подготовка к экосистеме вокруг Codex, а не просто к набору локальных настроек.

Плюс продолжают улучшать работу с долгими сессиями: восстановление, прерывание задач, поведение интерфейса, работу на разных системах.

Главный вывод для меня простой: Codex CLI взрослеет. Это уже не просто инструмент, куда можно отправить задачу модели. Его постепенно собирают в рабочую среду, где агент может дольше жить, безопаснее выполнять действия и лучше встраиваться в реальный процесс разработки.

GPT Pro/Plus: подпольные абузные каналы закрыты.

После шума от killeryou способы доступа массово отключены.

1. Business-триалы и Plus: убиты бины, китайские карты, отключены бизнес-триалы. Промокоды (2 слота × 2 месяца) закрыты к утру следующего дня, теперь только платные приглашения.
2. Приватные каналы: поставщики PRO (китайцы) использовали реверс и подмену платежей. Пал xin (утечка), закрыт chong. Система зачистила инфраструктуру.
3. Индонезийский GoPay: схема GPT Plus без KYC заблокирована мгновенно после масштабирования.
4. ChatGPT Plus: зафиксированы абузы через PayPal, азиатские платежки, Apple Card.
5. Массовые подписки и Codex: подписки уничтожаются, Codex ввел принудительную SMS-верификацию.

Итог: абузные маршруты выжжены, фрод усилен. OpenAI за пару месяцев закрыла лазейки. Оставшиеся подписки без гарантий. Эпоха легких абузов окончена.

Либо идем на официалы, либо ждем чудо от наших братьев азиатских.

PS Не реклама, хорошие манеры, оставляю ссылку на пост, откуда взял информацию

Наткнулся на интересный сдвиг в SaaS-прайсинге.

The Information пишет, что Atlassian, HubSpot и другие компании всё активнее уходят от простой модели «платишь фикс за пользователя» в сторону оплаты за фактическое использование ИИ.

И это выглядит логично.

Раньше SaaS хорошо жил на seats. Есть 100 пользователей — платите за 100 мест. Кто сколько реально нажимает кнопки внутри продукта, уже не так важно.

С ИИ эта схема начинает ломаться.

Один пользователь может почти не трогать AI-функции, а другой может запускать агентов, генерации, анализы, поиск, пересборку данных и десятки дорогих операций в день. Для вендора это уже не просто «доступ к интерфейсу», а реальная нагрузка на модели, токены, инфраструктуру и внешние API.

По факту подписка перестаёт честно отражать себестоимость.

Поэтому появляются кредиты, лимиты, доплаты за действия агента, оплату за завершённую задачу или за объём использования. HubSpot, Salesforce, Adobe, Atlassian — это уже не отдельные эксперименты, а общий тренд.

ИИ постепенно превращает софт из «аренды рабочего места» в «оплату выполненной работы».

Для клиентов это будет не всегда приятно. Расходы станут менее предсказуемыми, особенно если агенты начнут работать активно.

Но для рынка это, похоже, неизбежный этап. Если продукт реально делает вычислительно дорогую работу, то бесконечный all inclusive долго не живёт.

История с Salesforce Headless 360 для меня выглядит не как отдельная новость про новый ИИ-продукт, а как симптом более крупного сдвига.

Рынок уже начал нервно смотреть на классический SaaS. Если агент может сам ходить по данным, запускать процессы, менять настройки и собирать отчёты, то ценность красивого интерфейса постепенно становится ниже.

И вот тут Salesforce делает, пожалуй, самый логичный ход.

Они не просто добавляют ещё одного чат-бота внутрь платформы. Они начинают перестраивать саму платформу так, чтобы ей могли управлять внешние агенты: через API, MCP, CLI и привычные инструменты вроде Codex, Claude Code, Cursor или Windsurf.

То есть это не причина изменений на рынке, а уже следствие.

Компании понимают, что новый пользователь корпоративного софта — это не всегда человек, который кликает по кнопкам в браузере. Всё чаще это агент, которому нужен доступ к данным, правам, бизнес-логике и действиям.

Интерфейс никуда не исчезнет. Людям всё ещё нужны экраны, формы и визуальный контроль.

Но главный вход в систему постепенно смещается глубже — на уровень инфраструктуры.

Поэтому Headless 360 выглядит не как модная ИИ-надстройка, а как защитная перестройка Salesforce под новую реальность.

Если агентский слой действительно станет основным способом работы с корпоративным софтом, то выживут не самые красивые интерфейсы, а платформы, к которым агентам удобно подключаться.

Где то по чатам мелькал сервис DesignMD, набор примеров дизайна.

Это не «сгенерируй экран», а попытка описывать интерфейс как текст. По сути — markdown/DSL для UI: структура, блоки, компоненты. И дальше это рендерится в интерфейс.

Это все очень хорошо ложится на агентный пайплайн. Текст легко генерить, версионировать, диффить. Агент может менять конкретный блок, а не пересобирать весь экран заново.

Параллельно посмотрел, как это решают без платных сервисов. Обычно берут Figma Community как базу паттернов и приводят всё к компонентам через shadcn/ui или похожие библиотеки.

DesignMD это не инструмент дизайна, а слой между агентом и UI. Не генерация, а формализация интерфейса.

Если такой подход приживется, дизайн в агентных системах станет обычным текстовым артефактом.

В каждой шутки, лишь доля шутки.

Сейчас никого уже не удивишь агентами на реальных задачах, а это много параллельных вызовов, длинные контексты, постоянные ретраи.

И внезапно упираешься не в качество моделей, а в банальную экономику: счётчик токенов становится главным ограничением.

Текущий рост спроса перекрывался демпингом со стороны провайдеров. Бесплатные кредиты, дешёвые тарифы, «поиграться и привыкнуть». Сейчас нагрузка растёт быстрее, чем вводятся новые мощности. И это начинает выравнивать цены вверх.

По факту оказалось, что токены — это не абстрактная метрика, а дефицитный ресурс. Особенно если строишь агентные системы, где один пользовательский запрос превращается в десятки внутренних.

Дешёвые токены были фазой роста, а не нормой. Дальше придётся проектировать системы с учётом стоимости как первого класса ограничения, а не постфактум.

Похоже, оптимизация промптов и архитектуры снова становится не «хорошей практикой», а необходимостью.

Похоже, OpenAI готовит более глубокую интеграцию Codex прямо в мобильное приложение ChatGPT.

Поводом для спекуляций стал пост Сэма Альтмана “call me maybe”, где он цитирует официальный аккаунт ChatGPT с визуалом, который многие восприняли как тизер. Отдельно обсуждается формулировка: использовать ChatGPT на телефоне, чтобы продолжать работу с Codex, пока компьютер остаётся включённым.

Главная идея, что с развитием агентов уже не нужно постоянно сидеть за компьютером, чтобы контролировать работу.

Агент может выполнять задачу на десктопе или в облаке, а вы — проверить прогресс с телефона, дать уточнение, остановить неудачный ход или поставить следующую задачу по дороге, в магазине или на прогулке.

Полностью заменить компьютер для серьёзной разработки или корпоративной работы это не сможет. Но возможность оперативно реагировать и управлять агентом с телефона — это уже большой сдвиг в том, как будет выглядеть работа с AI-инструментами.

https://chatgpt.com/codex/switch-to-codex/

openAI добавили в Codex возможность мигрировать данных из Claude Code в Codex. Самое время присоединиться к нашему клубу chatGPT!

Друзья, я стал писать больше на общие темы, это связанно в первую очередь с рабочей нагрузкой. Знакомства дают контакты, контакты проекты.

С одной стороны я много пробую, тестирую, с другой без контекста проекта сложно описать почему было сделано то или иное, а контекст рассказывать особо пока нельзя.

Но хочу поделиться буквально пару фраз. Если вам нужно сделать какие то агнетские действия, вроде вызова tool или loop action - смело изучайте и форкайте PI-AI агента, хорошая минималистичная база. Еще конечно же стоит посмотреть и изучить Hermes.

Повторю мысль: не тащите все как есть, без разбору и оглядки. Попросите своего кодового агента изучить репозиторий, опишите свои задачи и спросите. как это можно реализовать, используя эти агенты как референс.

Таким образом вы сможете закрыть продакшен потребности на минимальном коде, и при этом не клонируя все и вся.

https://developers.openai.com/codex/remote-connections

А во сколько вы узнали, что оказывается добавили возможность из Codex App Windows полноценно работать на удаленном сервере.

Создаете SSH подключение, устанавливаете на удаленной машине codex, создаете удаленный проект и все, теперь вы можете через Codex APP.

SSH remote connections are currently in alpha. To enable them today, set remote_connections = true in the [features] table in ~/.codex/config.toml. Availability, setup flows, and supported environments may change as the feature improves.

Функционал в тестировании, но это ожидаемый и удобный функционал. У меня сейчас версия 0.130.0, уже поставил, пробую.

Для Codex саб-агенты не магия, а инструмент, который нужно вызывать явно. Если хотите, чтобы задача распараллелилась, так и пишите в промпте:

<описание глобальной задачи> , используй пул саб-агентов для возможных параллельных задач. 

Без прямого указания Codex часто идет линейно: сам исследует, сам правит, сам проверяет. Это нормально для простых задач, но плохо для больших кодовых баз, где можно параллельно проверить разные гипотезы, модули или причины бага.

Главное правило: саб-агентам лучше отдавать независимые куски работы, чтобы они не начали одновременно менять одни и те же файлы и устраивать конфликт патчей.

Если вы используете (а я надеюсь, что вы используете) SuperPowers плагин, который уже есть в официальной базе плагинов по умолчанию, то у вас автоматически будет вызван специальный скилл superpowers:subagent-driven-development

Я уже писал об этом ранее, но о хорошем можно и еще раз напомнить, по этому советую не просто просить Codex «разобраться/сделать», а сразу задавать комплексный режим работы.

У агентов появляется новая важная способность — не просто “помнить”, а помнить с пользой.

Обычно память AI-агента выглядит довольно примитивно: всё, что происходило раньше, складывается в векторную базу, а потом агент пытается найти похожие фрагменты. Это лучше, чем ничего, но часто превращается в хаотичный архив: что-то нашлось, что-то потерялось, что-то всплыло без контекста.

TencentDB Agent Memory предлагает более практичный подход: память строится слоями.
Внизу — исходные диалоги, логи, результаты действий.
Выше — короткие факты и выводы.
Еще выше — сценарии: в каких ситуациях это знание уже пригодилось.
На самом верхнем уровне — профиль пользователя, привычки, предпочтения и важные паттерны.

Главная польза здесь в том, что агент не просто хранит куски прошлого, а понимает, что из этого действительно важно.

Например, если агент помогает вам с кодом, ему не нужно каждый раз перечитывать всю историю ошибок, логов и попыток. Он может держать перед собой компактную карту задачи: что уже пробовали, где упали, какие файлы меняли, какие гипотезы не сработали. А если нужны детали — он может вернуться к исходному логу.

Это делает работу агента более похожей на работу человека:
не “я запомнил всё подряд”, а “я понимаю, что происходило, где мы сейчас и почему мы сюда пришли”.

Для пользователей это означает несколько важных вещей:
— агент меньше тупит в длинных задачах;
— реже повторяет уже проваленные попытки;
— лучше понимает контекст пользователя;
— тратит меньше токенов;
— его память можно проверить и отладить.

Последний пункт особенно важен. Если агент сделал странный вывод, можно посмотреть, из какого разговора или действия он его вытащил. Это уже не черный ящик, где “модель что-то вспомнила”, а более прозрачная система памяти.

Кажется, именно в эту сторону и будут двигаться AI-агенты: от простого поиска по истории — к полноценной рабочей памяти, где опыт структурируется, сжимается и остается проверяемым.

И это важный шаг к агентам, которые могут вести длинные задачи не на уровне “одной сессии”, а на уровне устойчивого рабочего процесса.