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
🤯