Мое любимое)

https://youtu.be/TbIPUVkImGE?si=knAJnJnuJeaGdMGb

Коротко о нашумевшем браузере который написали агенты, реальность оказалась как обычно не такой впечатляющей )

https://embedding-shapes.github.io/cursor-implied-success-without-evidence/

Одним из самых сложных и полезных навыков в программировании является умение разбираться с чужим кодом. Когда мы вайб-кодим мы сразу получаем огромное количество чужого, не нами написанного кода. Конечно, мы тешим себя надеждой, что нам не придется в нем разбираться, но это только иллюзия! Кажется, Роберт Мартин писал, что программисты читают код в 10 раз чаще, чем пишут.
Другая проблема профессиональной разработки - это легаси-код (Legacy). Legacy - это код, который страшно трогать, потому что непонятно, как он работает, а автора уже нет в компании. Вайб-кодинг производит легаси мгновенно, опять же думая, что нам его трогать не придется, но это снова иллюзия!
Ситуация усугубится после выхода новой версии модели LLM, промпты с большой вероятностью перестануть генерить тот код, который генерили до обновления.
Кроме этого, программирование требует детерминизма, когда мы что-то пишем на формальном языке всё вполне однозначно и компилятор детерминированным образом превращаяет языковые конструкции в машинный код. Изменение промпта на естественном языке может привести к кардинальному изменению алгоритмов, использованию новых библиотек и полному переписыванию кода. При отладке необходима хирургическая точность, а вайб-кодинг это работа в строительных перчатках. Когда нужно будет что-то чинить в продакшене перчатки придется снять, разобраться с чужим кодом и начать писать код вручную. И если у вас нет технического бэкграунда, вы просто не сможете этого сделать.
Программирование - это упаковывание хаоса и сложности в "черный ящик", , который называется
программой. Но сложность не исчезает (закон Теслера), а вайб-кодинг устраняет только
"сложность" изучения формального языка программирования, заменяя его неоднозначно трактуемым естественным языком и перенося сложность на другой этап жизненного цикла программного продукта.
Это я к чему? - Ничего не ускорится. Количество говнокода и легаси вырастет

Хватит о программировании, держите кота )

Когда я говорю о том что апдейт железа нивелируется плохим качеством программ, я имею ввиду это. Сравните, 18 летний ноут на старом Pentium II 400mhz скорость запуска MS Word 98

Это я к тому как в наше время выделиться среди остальных, уметь оптимизировать свой софт, чем больше вы шарите за базу тем проще вам это сделать и соответственно получить хорошу работу и хорошую зп

Моя любимая рубрика

02.09.2025 - CEO Salesforce увольняем 4000 сотрудником и заменяем на ИИ

25.12.2025 - Salesforce сожалеем что уволили 4000 сотрудников, мы были слишком оптимистичны в оценке ИИ


Я все еще жду когда Цукерберг уволит всех своих мид лвл программистов, обещал к концу 2025, про прогнозы Амадео вспоминать уже смысла нет даже )

Тут наверное побуду защитником ИИ)

Проводили много эксперитментов когда люди которые вообще не думали, а давали задачи на откуп ИИ в обучении сами потом плохо усваивали информацию, это база. Но я так же видел исследования где люди не просто тупо ctrl + c и ctrl + v из ИИ, а юзали его вместо условного гугла, но сами разбирались и думали, там результаты не хуже людей без использования ИИ, а местами даже лучше. Так что тут все таки вопрос скорее в каком формате вы используете ИИ, если как помошник который подскажет в трудный момент и разьяснит, то все впорядке

Не смотря на то что все пытаются внедрить ИИ в программирование и другие сферы, на мой взгляд именно медицина самый хорошая почва для ИИ, поиск скрытых корреляций, анализ снимков, поиск редких заболеваний на основе симптомов, со всем этим отлично справляются нейросети

OpenAI отказывается от бенча SWE Verified, ровно по тем причинам про которые я писал раньше, ждем более адекватные варианты тестов

https://openai.com/index/why-we-no-longer-evaluate-swe-bench-verified/

Несмотря на то что текущие LLM модели уже неплохо развились, все еще считаю что LLM в текущем виде это не путь к AGI. Нужна кординальная смена архитектуры, от простого обучения на большом количестве текста, к созданию world like модели со всеми законами физики, в котором машина сама через взаимодействие сможет обучаться всему. Тогда уйдут типичные проблемы с ответами на вопросы с запаяным верхом кружки и открытым дном, и мойкой авто через 100 метров и тд. Попытки создать такие виртуальные миры уже к слову есть, например проект Nvidia Cosmos

https://habr.com/ru/news/1003706/

Исследование EsoLang‑Bench от Lossfunk показало, что даже топовые модели (GPT‑5.2, O4‑mini, Gemini 3 Pro, Qwen3‑235B, Kimi K2) почти не умеют программировать на эзотерических языках вроде Brainfuck, Whitespace и Befunge‑98 — их точность там 0–11%, против высоких результатов на обычных бенчмарках.

Ни одна модель не решила ни одной задачи выше уровня «Easy», а GPT‑5.2 не смогла сложить 5+7 на Brainfuck, а на Whitespace все модели дали 0% по синтаксической корректности.

Полезнее всего оказался цикл «код → ошибка → исправление», а few‑shot, LLM‑критик и ReAct дали лишь +~0,8 п.п.

EsoLang‑Bench наглядно показывает: современные LLM всё ещё запоминают паттерны, а не умеют переносить вычислительные навыки на незнакомый синтаксис.

Сам бенч
https://github.com/Lossfunk/EsolangBench

Посмотрел доклад Яндекс про развитие AI в разработке, в целом советую к просмотру чтобы быть в курсе что вообще делают большие компании сейчас.

Но хотел бы обратить ваше внимание на этот скрин. Прямо сейчас все усилия по внедрению AI дают прирост 2% к перфу, очень оптимистичная цель до 10%, это к слову о х10 роста перфа и о том что кто-то кого-то заменит.

И тут можно задать логичный вопрос, стоят ли эти триллионы долларов такой скромный буст? Это еще не ясно какое влияние на
качество там есть.

Но это все если что не значит что не нужно смотреть на мейнстрим и пробовать самому, для части задачи это правда работает

видео
https://youtu.be/67izYAopMxY?si=XDegfodLYlaRW6C8

В интересное время живем)
https://habr.com/ru/articles/1003434/

Сегодня хочу посоветовать к просмотру доклад с конференции Яндекса для тимлидов.

Как ИИ меняет инженерную культуру и что это значит для тимлидов и инженеров

Будет интересно не только лидам, но и разработчикам, как бы мы не хотели, но индустрия меняется и нужно быть в контексте изменений, без лишнего пафоса и х20 ускорений, структурный подход с замерами метрик и тд. такое мне нравится)


https://youtu.be/JMV0ni9TPwM?t=13210

Сегодня у меня для вас интересная статья об инженере из гугла который после месяца работы через клод решил все выкинуть и начать сначала, о причинах в статье)

https://lalitm.com/post/building-syntaqlite-ai/