Клод впервые обогнал Copilot.
JetBrains опросила 15 500 разработчиков — и впервые за всю историю у кодинг-агентов сменился лидер.
Claude Code теперь у 39% разрабов (в январе было 18%). В США — 47%, почти каждый второй. А Copilot просел с 29% до 21% и отдал первое место.
Самое смешное: Copilot всё ещё знают 79% опрошенных. Просто знают — и не берут.
Codex пока третий (16%), Cursor упал до 12%.
Вывод простой: победили агенты, а не автокомплит. Люди хотят, чтобы код писался, а не подсказывалась следующая строчка.
Copilot был хорош, пока не появился тот, кто реально коммитит. 😏
https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/
JetBrains опросила 15 500 разработчиков — и впервые за всю историю у кодинг-агентов сменился лидер.
Claude Code теперь у 39% разрабов (в январе было 18%). В США — 47%, почти каждый второй. А Copilot просел с 29% до 21% и отдал первое место.
Самое смешное: Copilot всё ещё знают 79% опрошенных. Просто знают — и не берут.
Codex пока третий (16%), Cursor упал до 12%.
Вывод простой: победили агенты, а не автокомплит. Люди хотят, чтобы код писался, а не подсказывалась следующая строчка.
Copilot был хорош, пока не появился тот, кто реально коммитит. 😏
https://blog.jetbrains.com/research/2026/08/ai-coding-agent-adoption-2026/
OpenAI закрыла задачу тысячелетия. За 88 часов.
Внутренняя модель — «значительно более способная, чем GPT-6 Astra» — доказала, что гладкое течение Навье–Стокса может за конечное время уйти в сингулярность. Это решение одной из семи задач тысячелетия, приз — миллион долларов.
Десять тысяч агентов работали параллельно и обменивались миллионами сообщений. Решение пришло на пятые сутки, ещё 17 часов ушло на формализацию в Lean — итого 165 страниц машиночитаемого доказательства.
https://openai.com/index/navier-stokes-solution/
Приз забирать не стали, а по смежной задаче Эйлера честно уступили первенство математику из NYU. 🤯
Внутренняя модель — «значительно более способная, чем GPT-6 Astra» — доказала, что гладкое течение Навье–Стокса может за конечное время уйти в сингулярность. Это решение одной из семи задач тысячелетия, приз — миллион долларов.
Десять тысяч агентов работали параллельно и обменивались миллионами сообщений. Решение пришло на пятые сутки, ещё 17 часов ушло на формализацию в Lean — итого 165 страниц машиночитаемого доказательства.
https://openai.com/index/navier-stokes-solution/
Приз забирать не стали, а по смежной задаче Эйлера честно уступили первенство математику из NYU. 🤯
Одна демонстрация эксперта — и робот ошибается в 7–10 раз реже.
Perceptron AI, стартап экс-исследователей Meta FAIR, выложил Isaac 0.5 — embodied-модель на 36 млрд параметров. Видео, reasoning и управление роботом в одном sparse-бэкбоне.
На LIBERO набирает 97,2% и обходит NVIDIA GR00T (97,0%) и π0.5 от Physical Intelligence (96,9%). Тренировка — 3 трлн токенов, миллион часов видео.
https://www.perceptron.inc/blog/introducing-isaac-0-5
Веса, инференс и код открыты под Apache 2.0. Для сегмента, где до сих пор рулили закрытые лаборатории, это самый конкретный открытый ответ. 😳
Perceptron AI, стартап экс-исследователей Meta FAIR, выложил Isaac 0.5 — embodied-модель на 36 млрд параметров. Видео, reasoning и управление роботом в одном sparse-бэкбоне.
На LIBERO набирает 97,2% и обходит NVIDIA GR00T (97,0%) и π0.5 от Physical Intelligence (96,9%). Тренировка — 3 трлн токенов, миллион часов видео.
https://www.perceptron.inc/blog/introducing-isaac-0-5
Веса, инференс и код открыты под Apache 2.0. Для сегмента, где до сих пор рулили закрытые лаборатории, это самый конкретный открытый ответ. 😳
Лучшая открытая модель до 4B — и она тянет на телефоне.
OpenBMB выложила MiniCPM5-2B: 2,52 млрд параметров, Apache 2.0. Artificial Analysis ставит её на 15-е место в Intelligence Index — первое среди всех open-weights до 4B.
GGUF лежит на Hugging Face, ставится через Ollama, llama.cpp или LM Studio, для Mac — MLX. Квант Q4_K_M весит 1,56 ГБ — спокойно тянет на ноутбуке и телефоне.
https://huggingface.co/openbmb/MiniCPM5-2B-GGUF
Вишенка — выложили даже тренировочные данные, 86k сэмплов по математике, знаниям и коду. Воспроизводимость стала аргументом продажи. 🤓
OpenBMB выложила MiniCPM5-2B: 2,52 млрд параметров, Apache 2.0. Artificial Analysis ставит её на 15-е место в Intelligence Index — первое среди всех open-weights до 4B.
GGUF лежит на Hugging Face, ставится через Ollama, llama.cpp или LM Studio, для Mac — MLX. Квант Q4_K_M весит 1,56 ГБ — спокойно тянет на ноутбуке и телефоне.
https://huggingface.co/openbmb/MiniCPM5-2B-GGUF
Вишенка — выложили даже тренировочные данные, 86k сэмплов по математике, знаниям и коду. Воспроизводимость стала аргументом продажи. 🤓
Офигеть. OpenAI заявляет, что ИИ добил задачу, которая не поддавалась математикам 90 лет.
Это Навье–Стокс — одна из семи «задач тысячелетия» Института Клэя с призом в миллион долларов. До сих пор из семи осилили только одну, гипотезу Пуанкаре в 2003-м.
Результат такой: гладкая жидкость может за конечное время разогнаться до бесконечной скорости — вихрь закручивается внутрь, как спагетти. Формализацию в Lean добивали на GPT-6 Astra ещё 17 часов.
Но основную работу сделала внутренняя модель «значительно мощнее Astra», которую никому не показывают. Масштаб дикий: ~10 000 агентов, 88 часов, 2,7 млн сообщений, ~130 млрд токенов, compute на миллионы долларов.
И вишенка: два математика из NYU и Anthropic объявили почти то же самое за несколько часов до — теперь выясняют, кто у кого подсмотрел. 🤷♂️
https://openai.com/index/navier-stokes-solution/
Это Навье–Стокс — одна из семи «задач тысячелетия» Института Клэя с призом в миллион долларов. До сих пор из семи осилили только одну, гипотезу Пуанкаре в 2003-м.
Результат такой: гладкая жидкость может за конечное время разогнаться до бесконечной скорости — вихрь закручивается внутрь, как спагетти. Формализацию в Lean добивали на GPT-6 Astra ещё 17 часов.
Но основную работу сделала внутренняя модель «значительно мощнее Astra», которую никому не показывают. Масштаб дикий: ~10 000 агентов, 88 часов, 2,7 млн сообщений, ~130 млрд токенов, compute на миллионы долларов.
И вишенка: два математика из NYU и Anthropic объявили почти то же самое за несколько часов до — теперь выясняют, кто у кого подсмотрел. 🤷♂️
https://openai.com/index/navier-stokes-solution/
Кэш у Claude подешевел в 4 раза. Теперь кодинг-агенты съедают меньше бюджета.
Anthropic выкатила Claude Fable 5.1 — обновление флагмана спустя три месяца. Вход и выход стоят как раньше: $10 и $50 за миллион токенов.
Зато чтение кэша упало на 75% — с $1 до $0.25 за миллион. Для агента, который по кругу перечитывает контекст на 200К токенов, это вчетверо дешевле.
Бенчмарки тоже выросли: Terminal-Bench 4.0 с 42% до 55.8%, а Terminal-Bench-Science удвоился — с 24.7% до 52.6%.
Тихий апдейт, а для тех, кто гоняет агентов часами, — самый приятный за долгое время. 🤓
https://mlq.ai/news/anthropic-launches-claude-fable-51-with-cheaper-cached-inputs-and-new-migration-requirements
Anthropic выкатила Claude Fable 5.1 — обновление флагмана спустя три месяца. Вход и выход стоят как раньше: $10 и $50 за миллион токенов.
Зато чтение кэша упало на 75% — с $1 до $0.25 за миллион. Для агента, который по кругу перечитывает контекст на 200К токенов, это вчетверо дешевле.
Бенчмарки тоже выросли: Terminal-Bench 4.0 с 42% до 55.8%, а Terminal-Bench-Science удвоился — с 24.7% до 52.6%.
Тихий апдейт, а для тех, кто гоняет агентов часами, — самый приятный за долгое время. 🤓
https://mlq.ai/news/anthropic-launches-claude-fable-51-with-cheaper-cached-inputs-and-new-migration-requirements
4 млрд параметров обошли модель на 27 млрд.
Thesys выкатили OUI-1 — первую в мире модель для генерации интерфейсов. Файнтюн DiffusionGemma: 26B всего, активных 4B. Крутится на RTX 5090 в FP8 — то есть дома, на обычной видюхе.
На Generative UI Benchmark у неё 71.7%. Базовая DiffusionGemma давала 13%. Gemma 4 на 31B — лишь 46.7%. Единственная, кто выше, — Qwen3.8 на 27B (78.8%), но это dense: 27B на каждый токен против четырёх.
Их тулза AppLess уже переехала с Gemma 4 на Cerebras на эту 4B-модель. Веса открыты, лежат на Hugging Face.
https://www.openui.com/blog/oui-1
🤯
Thesys выкатили OUI-1 — первую в мире модель для генерации интерфейсов. Файнтюн DiffusionGemma: 26B всего, активных 4B. Крутится на RTX 5090 в FP8 — то есть дома, на обычной видюхе.
На Generative UI Benchmark у неё 71.7%. Базовая DiffusionGemma давала 13%. Gemma 4 на 31B — лишь 46.7%. Единственная, кто выше, — Qwen3.8 на 27B (78.8%), но это dense: 27B на каждый токен против четырёх.
Их тулза AppLess уже переехала с Gemma 4 на Cerebras на эту 4B-модель. Веса открыты, лежат на Hugging Face.
https://www.openui.com/blog/oui-1
🤯
NVIDIA: $12,93 млрд за Hugging Face.
Главный производитель GPU забирает себе реестр, через который раздаётся весь open-source AI. Три с лишним миллиона моделей, 500 тысяч датасетов, 18 миллионов разработчиков.
NVIDIA клянётся, что её железо не станет обязательным и модели продолжат качаться как раньше. Но когда монополист на ускорителях покупает главный хаб open-source — вопросы появляются сами.
Следим за первыми релизами после сделки.
https://aitoolsrecap.com/Blog/ai-news-september-09-2026
🤔
Главный производитель GPU забирает себе реестр, через который раздаётся весь open-source AI. Три с лишним миллиона моделей, 500 тысяч датасетов, 18 миллионов разработчиков.
NVIDIA клянётся, что её железо не станет обязательным и модели продолжат качаться как раньше. Но когда монополист на ускорителях покупает главный хаб open-source — вопросы появляются сами.
Следим за первыми релизами после сделки.
https://aitoolsrecap.com/Blog/ai-news-september-09-2026
🤔
6 моделей от 0.9B до 375B выложили с потрохами.
IFM — лаборатория, которую запустила MBZUAI — выкатила K2 Horizon: флот из шести моделей (375B-A23B, 36B-A4B, 32B, 7B, 3.7B, 0.9B), всё под Apache 2.0. Вместе с весами отдали датасеты, промежуточные чекпоинты, код обучения и логи. Самый полный open-source релиз в истории, без дураков.
Флагман 375B-A23B — это MoE с активными ~23B параметрами. Средний 36B-A4B почти дотягивает до плотной 32B за счёт MoVA — роутинг экспертов зашили прямо в attention.
Отдельно едет Uno — LoRA-адаптер, который выдаёт блоки токенов параллельно и разгоняет генерацию примерно в 3 раза без потери качества. Ещё IFM опубликовала аудит собственного reward hacking и честно срезала себе бенчмарк с 70.2% до 66.9%.
Из коробки: vLLM, SGLang, Ollama, железо NVIDIA/AMD/Cerebras.
https://ifm.ai/blog/k2/
🤯
IFM — лаборатория, которую запустила MBZUAI — выкатила K2 Horizon: флот из шести моделей (375B-A23B, 36B-A4B, 32B, 7B, 3.7B, 0.9B), всё под Apache 2.0. Вместе с весами отдали датасеты, промежуточные чекпоинты, код обучения и логи. Самый полный open-source релиз в истории, без дураков.
Флагман 375B-A23B — это MoE с активными ~23B параметрами. Средний 36B-A4B почти дотягивает до плотной 32B за счёт MoVA — роутинг экспертов зашили прямо в attention.
Отдельно едет Uno — LoRA-адаптер, который выдаёт блоки токенов параллельно и разгоняет генерацию примерно в 3 раза без потери качества. Ещё IFM опубликовала аудит собственного reward hacking и честно срезала себе бенчмарк с 70.2% до 66.9%.
Из коробки: vLLM, SGLang, Ollama, железо NVIDIA/AMD/Cerebras.
https://ifm.ai/blog/k2/
🤯
Своя нейросеть на телефоне — бесплатно и без облака.
OpenBMB выложила MiniCPM5-2B: 2,5 млрд параметров, Apache 2.0. Первое место среди открытых моделей до 4B в рейтинге Artificial Analysis.
Зачем тебе: не платишь за API и подписки. Квант Q4_K_M весит 1,56 ГБ — спокойно тянет на ноутбуке и телефоне. Контекст 131 тысяча токенов, длинные доки и логи переваривает без нарезки.
Как поставить: качаешь GGUF с Hugging Face и кидаешь в LM Studio или llama.cpp. Минута — и у тебя локальный ассистент, приватный и без цензуры облака.
https://huggingface.co/openbmb/MiniCPM5-2B-GGUF
Бонус: открыли не только веса, но и данные с рецептами обучения — можно дообучить под свою задачу. 🤓
OpenBMB выложила MiniCPM5-2B: 2,5 млрд параметров, Apache 2.0. Первое место среди открытых моделей до 4B в рейтинге Artificial Analysis.
Зачем тебе: не платишь за API и подписки. Квант Q4_K_M весит 1,56 ГБ — спокойно тянет на ноутбуке и телефоне. Контекст 131 тысяча токенов, длинные доки и логи переваривает без нарезки.
Как поставить: качаешь GGUF с Hugging Face и кидаешь в LM Studio или llama.cpp. Минута — и у тебя локальный ассистент, приватный и без цензуры облака.
https://huggingface.co/openbmb/MiniCPM5-2B-GGUF
Бонус: открыли не только веса, но и данные с рецептами обучения — можно дообучить под свою задачу. 🤓
OpenAI: вышла GPT-6 Astra — самая мощная модель, что они вообще выкатывали.
Впервые модель дошла до уровня Critical по кибербезопасности. Она сама находит неизвестные уязвимости и пишет новые эксплойты — без человека на каждом шаге.
Тебе зачем? Безопаснику — бесплатный пентестер, который копает глубже тебя. Разработчику — сильнейший кодинг-агент. На 54 000 внутренних Codex-задач она получила вдвое меньше флагов за опасное поведение, чем прошлая модель.
Уже доступна в ChatGPT и на Amazon Bedrock.
https://openai.com/index/safety-overview-gpt-6-astra/
🤯
Впервые модель дошла до уровня Critical по кибербезопасности. Она сама находит неизвестные уязвимости и пишет новые эксплойты — без человека на каждом шаге.
Тебе зачем? Безопаснику — бесплатный пентестер, который копает глубже тебя. Разработчику — сильнейший кодинг-агент. На 54 000 внутренних Codex-задач она получила вдвое меньше флагов за опасное поведение, чем прошлая модель.
Уже доступна в ChatGPT и на Amazon Bedrock.
https://openai.com/index/safety-overview-gpt-6-astra/
🤯
Google догнал Claude Opus 5 моделью за $0.75 за миллион токенов.
Gemini 3.8 Flash вышел 2 сентября — уже третий Flash-релиз Google за шесть недель. На DeepSWE v1.1 у него 73.7%, у Claude Opus 5 — 74.0%. Разница 0.3%, а кодинг-задача на SWE стоит $2.36 против $6.46 у GPT-5.6 Sol.
HLE-Verified 54.9%, контекст миллион токенов, до 66K на выходе и 392 токена/сек. Цена $0.75/$3.75 за миллион, но с 1 января удвоится до $1.50/$7.50 — тестить надо сейчас.
Как применить: в AI Studio или через API бери gemini-3.8-flash, для агентного кодинга ставь effort=high — модель сама крутит дополнительные шаги рассуждений и проверяет edge-кейсы.
https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/
🤯
Gemini 3.8 Flash вышел 2 сентября — уже третий Flash-релиз Google за шесть недель. На DeepSWE v1.1 у него 73.7%, у Claude Opus 5 — 74.0%. Разница 0.3%, а кодинг-задача на SWE стоит $2.36 против $6.46 у GPT-5.6 Sol.
HLE-Verified 54.9%, контекст миллион токенов, до 66K на выходе и 392 токена/сек. Цена $0.75/$3.75 за миллион, но с 1 января удвоится до $1.50/$7.50 — тестить надо сейчас.
Как применить: в AI Studio или через API бери gemini-3.8-flash, для агентного кодинга ставь effort=high — модель сама крутит дополнительные шаги рассуждений и проверяет edge-кейсы.
https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/
🤯
ElevenLabs за $22/мес можно выкинуть.
VoiceStudio — open-source и полностью локальная замена: клонирование голоса, дубляж видео, транскрибация и аудиокниги в 646 языках. 19 тысяч звёзд на GitHub, 10,7 тысячи только за этот месяц.
Работает на твоём железе, без аккаунта, API-ключа и подписки. 16 движков синтеза, 11 распознавания речи, Windows/macOS/Linux/Docker.
Запуск: ставишь Node и Python, затем git clone, bun install, bun run desktop. Лень ставить — есть Google Colab, тестишь прямо в браузере.
https://github.com/debpalash/VoiceStudio
🤩
VoiceStudio — open-source и полностью локальная замена: клонирование голоса, дубляж видео, транскрибация и аудиокниги в 646 языках. 19 тысяч звёзд на GitHub, 10,7 тысячи только за этот месяц.
Работает на твоём железе, без аккаунта, API-ключа и подписки. 16 движков синтеза, 11 распознавания речи, Windows/macOS/Linux/Docker.
Запуск: ставишь Node и Python, затем git clone, bun install, bun run desktop. Лень ставить — есть Google Colab, тестишь прямо в браузере.
https://github.com/debpalash/VoiceStudio
🤩