AI, конечно, всех разрабов не заменит. Но я думаю что ллмки очень пошатнут эго многих ребят. Знаете, некоторые разрабы ж считают себя самыми умными. Мол, они вот что спроектировали вот чё написали и оттого чувствуют какое-то ментальное ПРЕВОСХОДСТВО, интеллектуальное лидерство.
ЛЛМки всех уравняют, хз. Не будет такого ЭГО у людей. Работа как работа!
Знаете, как с шахматами. Когда-то считалось, вероятно, что приближен к элите если хорошо в шахматы играешь. Ну и сейчас тоже игра интеллектуальная, бесспорно!
Но тот факт что любой современный телефон обыграет даже лучших из лучших всё равно пошатнул эту интеллектуальную пирамиду так сказать🧐
Ну молодец, да, крутой, потратил время и выучил тактики, занимался с детства или вроде того. Круто. Но это какое-то комодити, знаете. Теряется некий уличный статус там и респект.
Написал свою БД? Хорош... Спроектировал отказоустойчивую систему в тыщу RPS? Хорош... На С накатал сверх быструю хэш таблицу которая в каких-то бенчах обгоняет лучшие из кликхауса? Хорош...
Но, тип, это не то чтобы какие-то прямо сверхземные вещи. Интеллект - комодити.
ЛЛМки всех уравняют, хз. Не будет такого ЭГО у людей. Работа как работа!
Знаете, как с шахматами. Когда-то считалось, вероятно, что приближен к элите если хорошо в шахматы играешь. Ну и сейчас тоже игра интеллектуальная, бесспорно!
Но тот факт что любой современный телефон обыграет даже лучших из лучших всё равно пошатнул эту интеллектуальную пирамиду так сказать🧐
Ну молодец, да, крутой, потратил время и выучил тактики, занимался с детства или вроде того. Круто. Но это какое-то комодити, знаете. Теряется некий уличный статус там и респект.
Написал свою БД? Хорош... Спроектировал отказоустойчивую систему в тыщу RPS? Хорош... На С накатал сверх быструю хэш таблицу которая в каких-то бенчах обгоняет лучшие из кликхауса? Хорош...
Но, тип, это не то чтобы какие-то прямо сверхземные вещи. Интеллект - комодити.
1🔥5🤡5💔2
Последние пару дней вижу коупинг: LLM просят представить как очередной способ получать информацию.
Поинт такой: были книги, потом Google, теперь появился более умный справочник с автокомплитом. А вот настоящая разработка — архитектура, ограничения, бюджеты, трейдофы... это вам не на литкоде массивы мёрджить.
Я, конечно, такое мнение не разделяю. LLM-агент может получить задачу, читать документацию и код, пользоваться терминалом, принимать промежуточные решения и сам проверять результат. Справочники так не умеют.
Обладает ли ллм субъектностью? Можно спорить, но тяжело агента назвать «просто инструментом».
С литкодом и олимпиадным программированием уже всё понятно. На финале ICPC 2025 модель OpenAI решила 12 задач из 12, Gemini — 10. Лучшая команда людей (СПбГУ) — 11. Люди проиграли.
Гораздо хайповее — соревнования по тому самому СИСТЕМ ДИЗАЙНУ.
В SysDesign-Bench модели получают требования с ограничениями и должны сами выбрать архитектуру и трейдофы, заметить, что задача невыполнима, или задать уточняющий вопрос. Проверка детерминированная, без LLM-судьи. Итоги июля: claude-fable-5 — 92%, grok-4.5 — 88%, gpt-5.6-sol — 81%. Ключевые архитектурные решения все модели принимают в 96–100% случаев. Сыпятся на другом: любят переусложнять и не всегда спрашивают, когда данных не хватает. Никого не напоминает?))
Похоже ли это на «автодополнение текста»?
В R2ABench моделям дают требования реальных проектов и просят построить архитектуру с нуля. Тут результаты пока хуже: схемы получаются синтаксически корректные и читаемые, но связи между компонентами модели восстанавливают плохо (Edge F1 не выше 0.18) и часто выдумывают лишние. Правда, тестировали там GPT-5 и Sonnet 4.6, то есть прошлое поколение. А больше четверти пропущенных связей, по разбору самих авторов, из требований вообще не выводится.
Итого: выбирать архитектурные решения модели уже умеют, свободно проектировать систему — пока нет. Надолго ли? По данным METR, длина задач, которые агенты доводят до конца, с 2024 года удваивается примерно каждые 3 месяца. Да, меряют на кодинге, но динамику вы поняли.
Если чья-то интеллектуальная работа стоит дорого... чтож...😜 В 27 году подобные бенчи так же будут оценивать и ОПТИМИЗИРОВАТЬ следующим поколением моделей.
Всё будет хорошо!
P.S я не думаю что кикнут ребят которые высоко сидят в айти пирамиде, конеш. В след постах отпишу к чему я
Поинт такой: были книги, потом Google, теперь появился более умный справочник с автокомплитом. А вот настоящая разработка — архитектура, ограничения, бюджеты, трейдофы... это вам не на литкоде массивы мёрджить.
Я, конечно, такое мнение не разделяю. LLM-агент может получить задачу, читать документацию и код, пользоваться терминалом, принимать промежуточные решения и сам проверять результат. Справочники так не умеют.
Обладает ли ллм субъектностью? Можно спорить, но тяжело агента назвать «просто инструментом».
С литкодом и олимпиадным программированием уже всё понятно. На финале ICPC 2025 модель OpenAI решила 12 задач из 12, Gemini — 10. Лучшая команда людей (СПбГУ) — 11. Люди проиграли.
Гораздо хайповее — соревнования по тому самому СИСТЕМ ДИЗАЙНУ.
В SysDesign-Bench модели получают требования с ограничениями и должны сами выбрать архитектуру и трейдофы, заметить, что задача невыполнима, или задать уточняющий вопрос. Проверка детерминированная, без LLM-судьи. Итоги июля: claude-fable-5 — 92%, grok-4.5 — 88%, gpt-5.6-sol — 81%. Ключевые архитектурные решения все модели принимают в 96–100% случаев. Сыпятся на другом: любят переусложнять и не всегда спрашивают, когда данных не хватает. Никого не напоминает?))
Похоже ли это на «автодополнение текста»?
В R2ABench моделям дают требования реальных проектов и просят построить архитектуру с нуля. Тут результаты пока хуже: схемы получаются синтаксически корректные и читаемые, но связи между компонентами модели восстанавливают плохо (Edge F1 не выше 0.18) и часто выдумывают лишние. Правда, тестировали там GPT-5 и Sonnet 4.6, то есть прошлое поколение. А больше четверти пропущенных связей, по разбору самих авторов, из требований вообще не выводится.
Итого: выбирать архитектурные решения модели уже умеют, свободно проектировать систему — пока нет. Надолго ли? По данным METR, длина задач, которые агенты доводят до конца, с 2024 года удваивается примерно каждые 3 месяца. Да, меряют на кодинге, но динамику вы поняли.
Если чья-то интеллектуальная работа стоит дорого... чтож...😜 В 27 году подобные бенчи так же будут оценивать и ОПТИМИЗИРОВАТЬ следующим поколением моделей.
Всё будет хорошо!
P.S я не думаю что кикнут ребят которые высоко сидят в айти пирамиде, конеш. В след постах отпишу к чему я
🤡2
Мега хайповый новый класс моделей, друзья. Jev от TypeSafe взрывает ленту в Твиттере, вот тлдр шо це таке:
Jev получает контекст, набор вопросов и заранее заданные варианты ответа, после чего возвращает решения и вероятности.
Причём можно за один запрос задать несколько независимых вопросов, которые обрабатываются параллельно. Получается очень быстро и дёшево⚡️
Когда я пилил RAG, например, была проблема: чтобы понять, нужно ли вызывать инструмент, приходилось сначала идти в большую модель и ждать, пока она примет решение. Jev можно поставить перед ней как почти мгновенный классификатор: хватает ли контекста, какой инструмент нужен, какую модель вызвать и нужно ли вообще обращаться к большой модели.
Помимо этого он может определять намерение пользователя, проверять права доступа, маршрутизировать запросы, оценивать результаты и выбирать нужные куски кодовой базы, ну подсказывать в каком модуле больше какого-то свойства
Я пока представляю Jev как отдельный слой принятия решений между обычным детерминированным кодом и языковой моделью но где именно это окажется полезнее всего, практика покажет... пока что вопросов больше чем ответов
Мб следующий год будет уже не про агентов, которые делегируют задачи разным языковым моделям, а про системы, которые большую часть мелких решений отдают таким дешёвым классификаторам, а потом по необходимости части задачи делят между умными/средними/дешёвыми ллм🧐
Jev получает контекст, набор вопросов и заранее заданные варианты ответа, после чего возвращает решения и вероятности.
Причём можно за один запрос задать несколько независимых вопросов, которые обрабатываются параллельно. Получается очень быстро и дёшево⚡️
Когда я пилил RAG, например, была проблема: чтобы понять, нужно ли вызывать инструмент, приходилось сначала идти в большую модель и ждать, пока она примет решение. Jev можно поставить перед ней как почти мгновенный классификатор: хватает ли контекста, какой инструмент нужен, какую модель вызвать и нужно ли вообще обращаться к большой модели.
Помимо этого он может определять намерение пользователя, проверять права доступа, маршрутизировать запросы, оценивать результаты и выбирать нужные куски кодовой базы, ну подсказывать в каком модуле больше какого-то свойства
Я пока представляю Jev как отдельный слой принятия решений между обычным детерминированным кодом и языковой моделью но где именно это окажется полезнее всего, практика покажет... пока что вопросов больше чем ответов
Мб следующий год будет уже не про агентов, которые делегируют задачи разным языковым моделям, а про системы, которые большую часть мелких решений отдают таким дешёвым классификаторам, а потом по необходимости части задачи делят между умными/средними/дешёвыми ллм
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥2👀1
арч в прошлом, друзья
переходим в команду федора нормисов т.к наконец-то линух стал железо интела свежее поддерживать🥰
переходим в команду федора нормисов т.к наконец-то линух стал железо интела свежее поддерживать
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5😁3