Новое видео на канале.

OpenCode Go за $10 — альтернатива Codex и Claude Code или всё-таки нет?

В видео постарался коротко рассказать, что входит в подписку, какие там есть модели и как устроены лимиты. Ну и в конце ответил на главный вопрос — можно ли реально за 10 баксов заменить Codex или Claude Code.

https://youtu.be/Bc-l0Xm7lF8
https://vkvideo.ru/video-238292605_456239031
https://rutube.ru/video/private/daeaaabc96b3bfc624b65a8b02738f02/?p=qIDKizL27SOJABHPjbteXg

Нашёл занятную надстройку для AI-разработки — ECC.

Это уже не очередной coding-agent, а целая система поверх Claude Code, Codex, OpenCode и Cursor. Внутри есть отдельные агенты для архитектуры, code review, исправления сборки и безопасности, готовые skills, память между сессиями и автоматические проверки результата.

Идея мне особенно понравилась тем, что процесс получается примерно такой: спланировал → написал тесты → реализовал → сделал review → проверил → сохранил полезный опыт. То есть примерно то, что многие сейчас собирают вручную из нескольких агентов и промптов.

https://github.com/affaan-m/ECC

Появилась H3 Max — новая версия видеомодели MiniMax H3, дополнительно обученная командой fal.

Главная интересная цифра — скорость. Разработчики заявляют генерацию быстрее реального времени: десятисекундный ролик можно получить менее чем за десять секунд. При этом модель специально дообучали на более точное следование промптам и качество картинки.

Для меня здесь интересен сам рубеж. Ещё недавно генерация нескольких секунд AI-видео означала ожидание в минуты. Теперь постепенно приходим к ситуации, когда модель успевает создать ролик быстрее, чем человек его посмотрит. А отсюда уже недалеко до действительно интерактивного генерируемого видео.

https://fal.ai/models/minimax/h3-max/image-to-video

Ещё один интересный проект для тех, кто экспериментирует с командами AI-агентов — EpicStaff.

Это self-hosted платформа с визуальным редактором, где можно собирать workflow из нескольких агентов, подключать свои инструменты через MCP и задавать агентам разные права. При этом сохраняется история их действий, а выполнение можно изолировать.

По сути, идея в том, чтобы coding-agent писал инструменты и логику, а EpicStaff выступал уже как управляемая среда, в которой вся эта AI-команда работает.

https://github.com/EpicStaff/EpicStaff

NVIDIA официально объявила, что договорилась купить Hugging Face за $12,93 млрд. Для AI-мира это очень большая сделка: Hugging Face фактически стал главным хабом для открытых моделей, датасетов и демо-приложений.

При этом NVIDIA отдельно обещает, что Hugging Face останется открытой платформой: без обязательной привязки к NVIDIA GPU, с поддержкой других облаков, ускорителей и моделей. Это, пожалуй, главный вопрос после такой покупки — насколько долго эта независимость реально сохранится.

https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face

У DeepSeek появился довольно интересный open-source проект — DeepSeek Harness.

Это не ещё один аналог Claude Code или Codex, а конструктор для создания собственных AI-агентов. Архитектура построена по принципу «всё — плагин»: можно отдельно менять модель, инструменты, skills, память, sandbox, scheduler и даже интерфейс.

То есть можно собрать своего агента практически из кубиков, не переписывая всю систему при замене одного компонента. Пока проект в developer preview, поэтому ломаться и меняться там ещё будет много чего, но за развитием точно стоит посмотреть.

https://github.com/deepseek-ai/deepseek-harness

NVIDIA хочет объединять домашние ПК в один AI-компьютер

На IFA NVIDIA показала PAIR — Personal AI Router. Идея довольно любопытная: если дома или в офисе есть несколько ПК с RTX, локальная AI-задача может распределяться между ними вместо того, чтобы упираться в одну видеокарту.

Заодно NVIDIA вместе с разработчиками оптимизирует llama.cpp и vLLM — заявляется до 1,9× более быстрый локальный inference, а Hermes Agent и другие инструменты получают более простую настройку локальных моделей.

https://blogs.nvidia.com/blog/local-ai-ifa-next-gen-agents-nv-pair-rtx-spark

Интересная штука для тех, кто использует несколько моделей в AI-разработке — WorkWeave Router.

Он ставится между coding-agent и LLM и автоматически решает, какой модели отправить конкретное действие. То есть условный простой запрос можно отдать дешёвой модели, а сложную задачу — более сильной.

Поддерживаются Claude Code, Codex и OpenCode, а сам роутер можно поднять локально. Есть OpenAI-, Anthropic- и Gemini-совместимые API, плюс модели через OpenRouter.

https://github.com/workweave/router

Microsoft выпустила открытую модель для распознавания речи в реальном времени

Microsoft обновила свой open-source проект VibeVoice и выпустила VibeVoice-ASR-Streaming — модель, которая распознаёт речь прямо по мере поступления аудио и одновременно определяет, кто именно говорит.

Есть поддержка 10 языков и собственных hotwords — можно заранее подсказать модели имена, термины или специфические слова, которые она должна лучше распознавать.

Для локальных диктофонов, расшифровки встреч, субтитров и голосовых ассистентов выглядит очень интересно. Особенно с учётом того, что проект открыт и его можно развернуть у себя, а не обязательно отправлять аудио во внешний API.

https://github.com/microsoft/VibeVoice

https://github.com/blitzdotdev/BlitzOS - — инфраструктура для запуска AI-агентов в готовых изолированных рабочих окружениях. Можно заранее определить репозитории, AGENTS.md, skills, инструменты, credentials и доступные данные, после чего запускать агентов уже с полностью подготовленной средой.

Идея простая: вместо того чтобы каждый раз вручную готовить окружение агенту, создаётся шаблон рабочего места. В нём уже лежат нужные репозитории, AGENTS.md, skills, инструменты и доступы.

Причём права можно выдавать довольно точечно: например, разрешить агенту читать production-базу, создавать PR на GitHub, но не давать доступ к другим сервисам.

В OpenAI разработчики уже тратят на AI-агентов по $600 в день

OpenAI опубликовала довольно интересную внутреннюю статистику о том, как её собственные исследователи используют coding-агентов.

К середине августа средний исследователь OpenAI уже ежедневно работает с агентами, причём объём используемого inference в пересчёте на API-цены превышает $600 в день. Сотрудники запускают сразу несколько агентов параллельно, пишут больше кода и проводят больше экспериментов. При этом сама OpenAI отдельно отмечает: на сложных задачах агентам всё ещё требуется заметное участие человека.

https://openai.com/index/research-acceleration-view-inside-openai

https://github.com/mattpocock/skills - набор Agent Skills от Matt Pocock для Claude Code, Codex и других coding-агентов. Автор специально противопоставляет подход большим системам вроде Spec Kit: вместо фреймворка, который пытается управлять всей разработкой, здесь небольшие независимые skills, которые можно комбинировать и менять под себя.

Сейчас проект буквально взлетел: на GitHub Trending он занимает первое место и набирает больше 2 тыс. звёзд за сутки. Среди skills есть работа с задачами, планирование, отладка, code review и другие обычные инженерные процессы. Установить их можно и в Codex через npx skills

Gemini теперь умеет генерировать полноценные трёхминутные песни

Google расширила доступ к Lyria 3.5 — своей новой модели генерации музыки. Теперь она доступна прямо в Gemini, а разработчикам — через Gemini API и Google AI Studio.

Модель умеет генерировать как инструментальную музыку, так и треки с вокалом и текстом, позволяет задавать жанр, стиль и продолжительность. Максимальная длина композиции — до трёх минут. Сама Lyria 3.5 построена на latent diffusion для аудио.

Забавно наблюдать, как генерация музыки проходит тот же путь, что картинки и видео: сначала отдельные экспериментальные сервисы, а потом функция просто появляется внутри обычного AI-ассистента. Для разработчиков интереснее другое — Lyria теперь можно использовать через API, например автоматически делать музыку для видео, игр или пользовательского контента.

https://blog.google/innovation-and-ai/products/gemini-app/better-tracks-lyria-gemini/

https://github.com/NVIDIA/OpenShell - open-source runtime от NVIDIA для безопасного запуска автономных AI-агентов. Вместо запуска агента напрямую на машине ему создаётся изолированное окружение с контролируемым доступом к сети, файлам, credentials и другим ресурсам. Репозиторий активно обновлялся 7 сентября и сейчас имеет около 8,5 тыс. звёзд.

Для многоагентной разработки идея особенно практичная: можно дать агенту достаточно свободы для самостоятельной работы, но не выдавать ему полный доступ к основной системе. OpenShell написан на Rust и распространяется под Apache 2.0.

Удобное расширение для Chrome которое позволяет видеть текущие лимиты по расходам токенов, чего часто не хватает когда работаешь в консоли с агентами.

https://chromewebstore.google.com/detail/claude-codex-usage-tracke/fckncgpkipbhlgmdfhpheonpojbooeep?hl=ru

AI предложил решение задачи, которую математики не могли закрыть около 90 лет

OpenAI опубликовала решение одной из семи «задач тысячелетия» — проблемы Навье—Стокса. Это фундаментальная задача про движение жидкостей и газов, над которой математики бьются десятилетиями.

Решение сгенерировала внутренняя AI-система OpenAI, более мощная, чем GPT-6 Astra. Компания опубликовала не только обычное доказательство, но и его формальную проверку в Lean. Сам результат теперь должен пройти независимую проверку математического сообщества.

Самое интересное здесь даже не математика. Если доказательство устоит, это будет один из первых случаев, когда AI не просто помогает человеку с исследованием, а самостоятельно выдаёт результат на уровне задачи, которую человечество не могло решить почти век.

https://openai.com/index/navier-stokes-solution/

https://github.com/Noveum/orbit - свежий open-source таск-менеджер: issues, Kanban-доски, спринты, проекты и документация в одном приложении. Он keyboard-first, работает в реальном времени, предусматривает self-hosting и имеет собственный MCP-сервер, через который с задачами могут работать AI-агенты.

Проект особенно интересен сейчас: 8 сентября вышел релиз 2026.09.08 с подсказками похожих задач, лентой обновлений проектов и другими изменениями. Self-hosting пока помечен как Preview, поэтому для production авторы рекомендуют учитывать текущие ограничения.

Coding-агент, который сам решает, какую модель нанять для задачи

Появился любопытный Gloo Code. Идея очень близка к тому, как сейчас начинают строить команды AI-агентов: вместо того чтобы гонять каждую задачу через самую дорогую модель, система подбирает модель и специализированного агента в зависимости от сложности работы. Релиз состоялся 8 сентября.

Разработчики утверждают, что в их предварительном тестировании на Terminal-Bench 2.1 такая маршрутизация дала около 70% при стоимости на 58–67% ниже, чем использование ряда frontier-моделей напрямую. Правда, это собственные тесты Gloo, поэтому к цифрам я бы пока относился именно как к заявлению разработчиков, а не независимому бенчмарку.

https://investors.gloo.com/news-releases/news-release-details/gloo-launches-gloo-code-agentic-coding-and-optimized-agents-make

https://github.com/bahri-hirfanoglu/claude-board - self-hosted Kanban для управления coding-агентами. Создаёшь задачу, переводишь её в работу, после чего агент может самостоятельно написать код, создать ветку и сделать коммиты; выполнение при этом видно в live-terminal.

Но интереснее простого Kanban здесь оркестрация: есть DAG зависимостей между задачами, Planning Mode с автоматической декомпозицией, очередь выполнения и параллельный запуск до 50 агентов. То есть это уже довольно близко к визуальному диспетчеру небольшой AI-команды разработчиков.

DeepSeek выпустила V4.1 Flash — быстрее, дешевле и уже в OpenCode

DeepSeek представила новую V4.1 Flash. Это 552B MoE-модель с довольно необычной архитектурой: при обработке входа активируется всего 8B параметров, а при генерации — 16B.

Отдельно поработали над памятью: KV-cache требует в четыре раза меньше HBM и в восемь раз меньше места на SSD по сравнению с прошлым поколением. Для длинных агентных задач это особенно интересно, потому что кэш контекста уже становится заметной частью стоимости работы агента.

Модель мультимодальная, уже доступна через API и официально добавлена в OpenCode. DeepSeek утверждает, что V4.1 Flash получилась настолько удачной, что 14 сентября запросы к старшей V4 Pro начнут автоматически переводить на неё до выхода V4.1 Pro.

https://www.deepseek.com/en/news/deepseek-v4-1-flash/

Нашёл интересный эксперимент с памятью coding-агентов — AutoHarness.

Он наблюдает за тем, как вы реально работаете с Claude Code, и постепенно создаёт из удачных решений собственные skills. Если похожий навык уже есть — обновляет его, а не плодит ещё один. Если skill долго оказывается бесполезным — может его убрать.

Получается довольно интересная идея: агент со временем не просто получает больше контекста, а постепенно подстраивает свой набор рабочих приёмов под конкретного разработчика и проект.

Проект пока небольшой и экспериментальный, но направление мне нравится.

https://github.com/tigerless-labs/autoharness