Используя такие модели, как Gemini и Gemma, мы ускорим наши прорывы в области автоматизированных научных открытий.

За последние недели я много кодил с Claude и заметил резкий сдвиг. Еще в ноябре у меня было примерно 80% ручного кода плюс автодополнение и 20% агентов. В декабре стало наоборот: 80% агентного кода и 20% правок вручную. По сути я программирую на английском языке. Это немного бьет по эго, но возможность оперировать кодом крупными блоками слишком полезна. Это самое большое изменение моего стиля программирования за примерно 20 лет, и оно произошло буквально за несколько недель.

Хайп про то, что IDE больше не нужны, и про агентные рои – пока преждевременен. Модели все еще ошибаются, и за ними нужно сделить в полноценной IDE. Ошибки теперь другие: не синтаксис, а тонкие концептуальные промахи. Самая частая проблема: модель делает неверные предположения и спокойно продолжает, не проверяя их.

Необычно наблюдать за выносливостью модели: она не устает, не демотивируется и может долго биться там, где человек бы уже сдался. Ощущается, что выносливость была бутылочным горлышком в работе, и LLM резко его расширили.

Само ускорение от LLM измерить сложно, но важно другое: я делаю вещи, которые раньше не стоили усилий, и берусь за код, к которому раньше не мог подступиться из-за нехватки знаний. Это не только ускорение, но и расширение возможного.

При этом программировать с агентами веселее. Уходит рутина и появляется творчество. У других реакция может быть другой: LLM-кодинг разделит инженеров на тех, кто любил сам процесс кодинга, и тех, кто любил создавать продукты.

Я замечаю, что способность писать код вручную постепенно атрофируется. Возвращение к полностью ручному кодингу уже сложно представить.

Я морально готовлюсь к 2026 году как к году коллапса ИИ-слопа, который накроет весь Интернет, в том числе GitHub, Substack и arXiv. Но реальные улучшения никуда не денутся.

Индустрия сейчас переваривает новый уровень возможностей: пока что организационные процессы адаптируются, и поэтому 2026 год будет очень энергичным. Возможно, разрыв между средним и топовым уровнем специалистов вырастет. Но пока модели лучше закрывают микро-задачи, чем макростратегию.