Только что вышла новая версия Deepseek V3. Выглядит многообещающе, сейчас буду активно тестировать. На openrouter можно пользоваться бесплатно

Протестировал V3 на том же запросе, что и раньше, и получилось это! Выглядит не хуже, а может даже и лучше, чем Claude Sonnet 3.7!
Неужели будет бесплатный SoTA? Надо тестировать в Cline или Roo Code, на более сложных задачах

🔥 Вышла UI-TARS — мультимодальная AI-модель для автоматизации браузера и рабочего стола!

UI-TARS — это open-source модель от ByteDance, обученная взаимодействовать с интерфейсами через визуальное восприятие. Она обучена автоматизировать действия в браузере, Microsoft Office, VS Code и других приложениях.

Модель вышла в трех размерах: 2B, 7B и 72B, доступна на Hugging Face и на OpenRouter.

🔥 Бесплатным аккаунтам ChatGPT завезли нативную генерацию картинок

Такой фильм я бы посмотрел)

Можете в комментариях угадать, какие персонажи на постере

🚀 Gemini 2.5 Pro — новый стандарт для генерации кода

По моему опыту работы с Gemini 2.5 Pro от Google могу сказать, что это прорыв для разработчиков, особенно для тех, кто устал от ограничений других LLM. Вот почему она идеальна для написания кода:

1. Пишет огромные модули кода за один запрос
В отличие от конкурентов (Claude 3.7, GPT-4o, DeepSeek R1), Gemini 2.5 Pro генерирует целые модули или даже небольшие приложения без разбивки на части. Если задать достаточно детальный запрос, то количество строк кода в одном сообщении может доходить до 4 тысяч! Это максимально экономит время на сборку и отладку фрагментов.

2. Контекст в 1 млн токенов
Это в 5–10 раз больше, чем у других моделей (Claude — 200K, GPT-4o — 128K). Можно:
- Загрузить весь репозиторий и просить вносить правки
- Анализировать документацию + код одновременно

3. Мультимодальность для разработки
Можно загружать:
- Скриншоты интерфейса — чтобы получить код для вёрстки.
- Диаграммы архитектуры — для генерации соответствующего кода.
- Видео с демонстрацией работы — модель предложит реализацию

4. Бесплатный доступ
Google открыл бесплатный доступ к Gemini 2.5 Pro через AI Studio с лимитом 50 запросов/день — даже при очень активном использовании, я ещё ни разу не дошёл до лимита. Можно также использовать модель на gemini.google.com, однако там сильно ограничена длина чата, в отличие от AI Studio, где чат ограничивается только длиной контекста модели. Для использования в API модель также доступна бесплатно, как в AI Studio, так и на OpenRouter.

P.S. Кто уже пробовал? Делитесь впечатлениями в комментах!

🔥 Firebase Studio — новая среда для разработки с AI от Google

Только что Google анонсировала Firebase Studio — облачную IDE, которая объединяет лучшие фичи Firebase, Gemini и Genkit. Вот что в ней интересного:

Что умеет?
- Генерация приложений из описания — просто говоришь что нужно (например, "интернет-магазин с корзиной"), и получаешь рабочий прототип на Next.js
- Полная интеграция с Gemini — можно править код через чат ("добавь авторизацию через Google")
- Встроенные Firebase-инструменты — деплой в один клик, превью на устройствах, Firestore и Cloud Functions из коробки

Почему это круто?
✅ Не нужно настраивать среду — всё работает прямо в браузере
✅ Можно импортировать существующие проекты с GitHub
✅ Есть шаблоны для React, Flutter, Node.js и других популярных стеков

Как попробовать?
Пока доступен ранний доступ:
🔗 https://firebase.google.com/docs/studio

P.S. Кто уже успел потестировать? Делитесь впечатлениями в комментах! Особенно интересно, как работает генерация кода по сравнению с тем же Roo Code

🚀 Kilo Code — быстрый и простой AI-ассистент для VS Code

Недавно протестировал Kilo Code — форк Roo Code, и он меня приятно удивил. Да, у него меньше функций, чем у Roo Code (например, нет интеграции с MCP), но зато он работает значительно быстрее и не перегружен лишним. Вот ключевые отличия:

⚡ Почему Kilo Code?
- Оптимизирован для Claude 3.7 Sonnet (бесплатные $20 токенов при регистрации) .
- Минималистичный интерфейс — нет лишних настроек, которые тормозят работу.

Кому подойдёт Kilo Code?
- Тем, кто ценит скорость — для быстрого прототипирования или повседневного кодинга.
- Новичкам — меньше сложных настроек, проще начать.
- Фанатам Claude — встроенная бесплатная квота токенов.

🚀 Boomerang Tasks в Roo Code: как автоматизировать разработку с помощью «умного» делегирования

Недавно протестировал Boomerang Tasks в Roo Code. Вот как это работает и почему стоит попробовать:

🪃 Что такое Boomerang Tasks?
Это система автоматического делегирования задач внутри Roo Code. Вместо того чтобы вручную разбивать проект на части, вы даёте один сложный запрос (например, *«Создай веб-приложение для учета задач»*), а Boomerang:
1. Разбивает его на подзадачи (архитектура, фронтенд, бэкенд, тесты).
2. Назначает каждую подзадачу специализированному ассистенту (например, architect, code, tdd).
3. Собирает результаты в готовый проект .

🔥 3 главных преимущества
1. Фокус на качестве
Каждый ассистент работает в изолированном контексте, избегая ошибок из-за «перекрестного загрязнения» задач .

2. Скорость
Например, для приложения-трекера Boomerang может параллельно:
- Генерировать API (code-режим)
- Рисовать архитектуру (architect)
- Писать тесты (tdd) .

🛠 Как включить?
1. Установите Roo Code в VS Code.
2. Активируйте режим Orchestrator в панели Roo Code.

MemOS: Как операционная система для памяти сделает ИИ умнее и адаптивнее

Недавно наткнулся на крутую статью про MemOS — операционную систему для памяти больших языковых моделей (LLM). Если коротко, это прорыв в управлении знаниями ИИ, который решает главные боли современных LLM: забывчивость, негибкость и высокие затраты на обновление.

🔥 Главные инсайты

1. Память как системный ресурс
— Сейчас память в LLM — это либо статические параметры модели, либо кратковременный контекст (как в RAG). MemOS превращает её в управляемый ресурс, как оперативку в компьютере.
— MemCube — базовая единица памяти, которая хранит не только данные, но и метаданные: версии, права доступа, частоту использования. Это позволяет ИИ «решать», что сохранить, а что забыть.

2. Три типа памяти в одной системе
— Plaintext: внешние знания (например, статьи или диалоги).
— Activation: кэш промежуточных состояний модели (KV-cache), который ускоряет работу.
— Parameter: долгосрочные знания в весах модели.
— MemOS позволяет переключаться между ними динамически. Например, часто используемые plaintext-факты можно сжать в параметры модели для эффективности.

3. Ускорение работы через KV-cache
— Обычно LLM каждый раз заново обрабатывают длинный контекст, что медленно. MemOS кэширует ключевые данные в формате KV (key-value) и вставляет их прямо в механизм внимания модели.
— Результат: время ответа сокращается на 60–90% без потери качества (см. таблицы в статье).

4. Память для реальных задач
— Мультидиалог: ИИ запоминает бюджет и предпочтения пользователя даже через 20 сообщений.
— Персонализация: модель адаптируется под стиль и роли (например, «врач» vs. «менеджер»).
— Обновление знаний: новые данные (например, законы) добавляются без переобучения всей модели.

5. MemStore — «App Store» для памяти
— Эксперты могут публиковать готовые блоки знаний (например, медицинские рекомендации), а пользователи — устанавливать их в свои LLM, как приложения.
— Это открывает путь к децентрализованному рынку знаний, где память становится товаром.

💡 Что это значит на практике?
— Для разработчиков: больше не нужно городить костыли вроде RAG или тонкой настройки под каждую задачу. MemOS даёт единый API для управления памятью.
— Для бизнеса: LLM смогут запоминать клиентов, обновлять знания без downtime и масштабироваться дешевле.
— Для пользователей: чат-боты перестанут «тупить» и забывать, о чём вы говорили на прошлой неделе.

Ссылки:
— Код на GitHub
— Статья

📘 Читая книгу "Мышление и речь" Льва Выготского, выделил для себя интересную фразу: "Мысль не выражается в слове, а совершается в слове". В целом можно получить интересный опыт, сопоставляя мнение автора, опубликованное 90 лет назад, с вопросами, которые возникают сейчас, с развитием ИИ. Буду продолжать чтение и публиковать здесь какие-то инсайты по теме.

Claude набросал веб-приложение для борьбы с тревожностью. Получилось неплохо, минималистичный интерфейс намного удобнее, чем большинство приложений по этой теме в Google Play

Ребята, хочу сказать, что наблюдать за разработкой проекта PORTENTUM теперь можно на нескольких платформах:

VK: https://vk.com/portentum_game

Boosty: https://boosty.to/portentum

Telegram: https://t.me/PORTENTUMGAME

Также есть отдельный телеграмм канал, где ведётся дневник разработки видеоигр: https://t.me/gamedevswamp

Будем рады видеть вас!🌷