Rate limits работают по 5-часовому окну и сбрасываются после этого.

У Anthropic есть API endpoint, который использует Claude Code API key: GET /api/oauth/usage

Я сделал skill для aeon (github.com/aaronjmars/aeon), который следит за тем, когда моё 5-часовое окно подходит к концу.

Если до конца окна остаётся меньше 30 минут, он запускает все мои запланированные skills — фиксы PR, ресёрч и прочее — пока я не доберу лимит до 100%.

LiteLLM БЫЛ СКОМПРОМЕТИРОВАН, НЕ ОБНОВЛЯЙТЕСЬ. Мы только что обнаружили, что релиз LiteLLM 1.82.8 в PyPI был скомпрометирован. Он содержит litellm_init.pth с base64-кодированными инструкциями: отправлять все найденные credentials на удалённый сервер и самораспространяться. Подробности по ссылкам ниже.

💬 avoc0der: я всё равно постоянно просто использую --dangerously-skip-permissions

Эрик Шмидт говорит, что преимущество в 10x теперь уже не в исполнении. Оно в том, чтобы правильно определить, что считается успехом.

Программист пишет спецификацию и evaluation function, запускает всё в 7 вечера — а утром смотрит, что было придумано за ночь.

Преимущество теперь у того, кто умеет точно задавать проблему.

Всё остальное будет автоматизировано.

men in their 40s used to have cool midlife crisis but now they just have agentic workflows

Google выложили paper по TurboQuant вчера утром. Через 36 часов он уже работает в llama.cpp на Apple Silicon — и даже быстрее базового варианта, который заменяет.

По цифрам:

• сжатие KV cache в 4.6 раза
• 102% от скорости q8_0
• качество почти без потерь: PPL в пределах 1.3% от baseline

Всё это стало open source буквально за полтора дня после публикации paper.

Paper до рабочего результата за 36 часов. Какое всё-таки время.

Честный value proposition такой: если ваш bottleneck — это память (не влезает длинный контекст, упираетесь в eviction cache), то сжатие в 4.6 раза при ~1% потери качества — вполне разумный компромисс.

Если же bottleneck — это скорость, и по памяти вы и так укладываетесь, то это уже лишний overhead, который вам не нужен.