Жена спросила у ChatGPT, как по-чешски будет "отравилась". Чат ответил, но зачем-то пририсовал график y=x :)
Сидим, гадаем, что он имел в виду. График отравлений какой-то? Вот так вот в вайбкоде вылезет внезапно, я не знаю, таблица Менделеева

Этот ролик длиннее, чем средний мем про гонку технологий и паралич выбора, но он хорош, не могу не поделиться:

https://www.youtube.com/watch?v=xE9W9Ghe4Jk

Сегодня узнал, что bun переписали с Zig на Rust с помощью claude code за считанные дни и уже вмержили в main

Фиговы тыщи комитов, миллион строк кода

Это прям эпохальный эксперимент в реальном времени. С одной стороны, это 100% нейрослоп, которые явно люди даже не смотрели, с другой стороны, работает же.

Там переносили по возможности прям один к одному, и структуры и архитектурные решения, было до фига тестов и т.д. Но блин, масштаб поражает.

Интересны две вещи: реально ли будет это потом поддерживать, и сколько багов/уязвимостей повылезет (там было много unsafe Rust, говорят) в ходе реального использования.

Я читал обсуждение, что часть тестов были переписаны по другому, и есть подозрение, что некоторые из них подогнаны под код, чтобы проходили.

В интересное время, живём, блин

На Reddit обсуждают новость: Microsoft сворачивает внутренние лицензии Claude Code после пилота для сотрудников. Главная причина, которую указывает статья - резкий рост расходов при переходе от понятных подписок к оплате по токенам/использованию.

И это не только история про Microsoft. В материале также приводится пример Uber: компания, по сообщениям, израсходовала AI-бюджет на 2026 год всего за четыре месяца. Общий тезис такой: пока AI был безлимитной игрушкой, все радовались продуктивности. Когда пришли счета, началась оптимизация.

Мнения разделились.

Скептики говорят, что типа вот он, reality check. Если даже Microsoft начинает считать токены, значит экономика frontier-моделей пока не так прекрасна, как ее продавали. Особенно когда тысячи сотрудников используют AI неэффективно: длинные промпты, бесконечные генерации кода, споры с моделью, автозадачи на часы и дни.

Многие считают, что проблема не в AI как таковом, а в неправильных kpi. Компании сами годами говорили сотрудникам, чтобы надо или не надо, а использовали AI везде. Но когда KPI - больше AI-usage, а ограничений нет, то расходы летят в космос.

Есть еще позиция, что это не конец AI, а взросление рынка. Безлимитные тарифы плохо работают для тяжелых enterprise-нагрузок. Где-то останется облако и frontier-модели, где-то появятся лимиты, роутинг на более дешевые модели, open-source и локальные решения.

В любом случае, AI больше нельзя оценивать только по принципу "ускоряет или нет". Теперь вопрос звучит немного иначе: ускоряет ли он настолько, чтобы окупить токены?

Возможно, будущее не в одном волшебном ассистенте за любые деньги, а в гибридной системе: дорогие модели — для сложного, дешевые — для рутинного, локальные — там, где объемы предсказуемы.

AI пока не отменяется, но ему наконец-то выставили счет.

Github copilot (ИИ-агент) переходит с подписочной модели на оплату за реальное использование.

Люди пишут что это означает для них расходы в тыщи баксов вместо десятков. Расход можно проверить с помощью инструмента, предоставленного гитхабом

Вот такой получился график % кода, написанного с помощью ии-агентов в динамике. Очень, конечно, быстро всё меняется. Еще в начале декабря только избранные писали весь код ии-шкой, а сейчас это норма. А прошло каких-то жалких полгода. И ничего не устаканилось, динамика по-прежнему бешеная.

На рынке труда тоже происходит что-то странное - с одной стороны массовые увольнения программистов "из-за AI" в бигтехах, с другой - количество вакансий в США, UK и т.д. по итогу выросло за последний год.

Посоветуйте плиз подкасты айтишные, такие, чтоб полезно было. Какую-то дельную мысль чтобы можно было вынести.

Я слушаю "Организованное программирование", "Три тимлида заходят в бар", "Подлодка". Другие тоже есть в плейлисте, но они скорее развлекательные, чем полезные.
Вдруг что-то упускаю.

По-русски, по-английски или по-чешски (ну, а вдруг)

Вайбкодеры объясняют про айти. Это ржака
Прод у них по ночам самообновляется и падает, капец

Что меня бесит в ИИ - это то, что как ему ни описывай задание, хоть максимально подробно и с утверждением плана, всё равно есть пространство для манёвра, где агент сам принимает решение, о котором ты не узнаешь, пока не получишь граблями по башке.

Никакой спек-дривен девелопмент не поможет. Ты не можешь описать вообще все нюансы в мире, проще тогда код написать самому на формальном языке (языке программирования).

Например, несколько раз было, что ошибку агент решал почему-то просто залогировать там, где надо было упасть нахер, чтобы избежать неконсистентности в данных.

И если невнимательно ревьювить код, то увидишь ты эту проблему только когда, собственно, эту неконсистентность на проде и получишь.

А когда сам пишешь код (например, на Go), то каждый раз приходится явно думать, что делать с ошибкой, падать/не падать или вообще как-то по-другому пытаться избегать. И во всех других ситуациях ты явно принимаешь решения в вопросах, о которых не подумал заранее.

Оказывается, новый http-метод QUERY опубликован как RFC 10008

Apple запилила свой докер

apple/container — это CLI-инструмент для создания и запуска Linux-контейнеров на Mac. Релиз 1.0 был пару недель назад. Написан на Swift, разработан для Apple silicon. Работает с OCI-совместимыми образами, то есть умеет тянуть и пушить образы из обычных container registry. Apple прямо описывает его как инструмент для запуска Linux containers as lightweight virtual machines на Mac.

Docker Desktop на macOS сейчас живёт вокруг большой Linux VM, внутри которой уже крутятся контейнеры. Apple сделал по-другому: каждый контейнер запускается в своей лёгкой виртуальной машине. В описании Apple говорит, что такой подход даёт каждому контейнеру изоляцию уровня VM, уменьшает объём того, что надо шарить с хоста, и при этом сохраняет время старта, сравнимое с контейнерами внутри общей VM.

Стартовать сервис:

container system start

Посмотреть контейнеры:

container list --all

Можно запускать образы, собирать image из Dockerfile, работать с registry, смотреть логи, настраивать volume mounts и ресурсы.

Так как контейнер — это lightweight VM, у него есть свои CPU и memory limits. По умолчанию обычный container получает 1 GB RAM и 4 CPU, а builder VM — 2 GB RAM и 2 CPU. Для тяжёлых сборок это можно подкручивать: например, container builder start --cpus 8 --memory 32g.

Можно создавать отдельные изолированные networks через container network create, задавать IPv4/IPv6 subnets и запускать контейнеры в выбранной сети. Контейнеры в разных сетях друг друга не видят.

Разумеется, это не значит, что Docker Desktop завтра умер: Docker - огромная экосистема, Compose, привычки, интеграции, документация, корпоративные сценарии, да и просто инерция. apple/container пока выглядит скорее как фундамент. Apple хочет, чтобы Linux-контейнеры на Mac стали частью платформы.

Также, помимо cli, Apple открыла apple/containerization — Swift package для запуска Linux containers на macOS. Он даёт API для OCI images, registry, ext4 filesystems, Netlink, запуска лёгких VM, containerized processes и т.д.