⚪️ Claude Duet - в полку агентов прибыло


Антропики выпустили прямого конкурента OpenAI Dot, Grok Bot, Muse - Claude Duet.

Доступно только в US, через лист ожидания, зато для планов Pro (!!) и Max, использует общие для аккаунта лимиты.

Есть как отдельное приложение ios / android, или в вебе на claude.ai

Работает на Опус 5.5, что оч сильно. Подтягивает с вашего аккаунта на клоде память (memory), подключенные приложения и скиллы.

Аналогично коллегам по отрасли - имеет свой комп в облаке с браузером.

🔗 Лист ожиания : https://claude.com/product/claude-duet

🔗 Описание: https://claude.com/resources/articles/claude-duet

(ц) больше агентов?

@deksden_notes

⚪️ Fireworks Ultrafast Preview - 1500tps


Тут Файер записывает в лист ожидания на Fireworks Ultrafast. Говорят что свежий дипсик будут инферить со скоростью 1500tps! Не цереброй единой!) Цена неизвестна

🔗 Запись тут: https://share-na2.hsforms.com/19_8Sm5zPQ7aUh1W2FuLDygqbom7

🔗 Анонс с видео: https://x.com/FireworksAI_HQ/status/2112973992097468795

@deksden_notes

⚪️ Рейтинг Подхалимства


AA тут рейтинг подхалимства показывает! Модели Меты и Старые гпт в топе. Чемпион всех времен - 4о, по которой, наверное, до сих пор куча народа плачет.


Самый суровый правдоруб - Грок 4.7. Респект Маску))

🔗 Пост: https://x.com/ArtificialAnlys/status/2112960933177770071

@deksden_notes

⚪️ Ship-темберь, день 17/28


Ресет. А я уже думал - что же за тишина то такая?

▶️ Накатят до 10am PST "завтра", то есть для них сейчас "вчера", и ждём сегодня до 20:00 мск. Но, как показывает практика, может и сильно раньше прилететь!


(ц) фаст на всё! У меня 32% осталось))

——

Upd 1️⃣ : в чате обсудили, а тут не написали - ресет прилетел практически как обговаривали по времени! Серверный ресет, как и ожидали.

@deksden_notes

⚪️ Маленький эвал моделей-решаетелей Jev vs Clef vs Luna-Decisions

#ddeval

Прикручиваю к одному пайплайну решателя. Благодаря универсальному адаптеру решил по случаю сделать микро эвал

▶️ Сначала задача: в системе работает агент, он управляется скиллом. Агент выполняет ту же работу, что выполняют (выполняли?) люди, и поэтому есть данные, которые делали люди.

Чтобы тюнинговать скилл и оптимизирвоать работу агента под то, как работают люди (там конечно есть нюансы), есть некий пайплайн, который берет и извлекает из данных, обработанных людьми, полезные улучшения и дополнения к скиллу.

▶️ Какая задача у моделей-решателей. На тестовом наборе данных извлечь полезные изменения и не предлагать ненужные.

▶️ Кого сравнивал: Jev 1.13/1.14, Clef от CF, и клозедовский решатель на базе Луны-6.

▶️ Результаты в табличке. Победила Луна, она побыстрее, чуть подороже, зато понадежнее.

Остальным моделям в большой минус для меня пошли предложенные ненужные правки.

Скорость и ценник тоже в табличке!

Не претендую на академичность, это просто эвал на моей задаче.


@deksden_notes

Вы уже собираете сайты с AI. А мобилку?🧐

Обычно на этом всё и ломается: поднять окружение, настроить сборку под iOS и Android, разобраться, почему на одном телефоне работает, а на другом нет. Вечер, который хотели потратить на идею, уходит на инфраструктуру.

Lé.codes – это AI-конструктор мобильных приложений со своим движком. Описываете идею словами, получаете настоящее нативное приложение.

Разработано командой, которая с 2020 года пилит приложения на заказ для Sela, Яндекса и «Пятницы»

2 000 кредитов при регистрации: https://clck.ru/3WdbyV

⚪️ Ship-темберь, день 18/28


И - неожиданно, снова ресет, и снова обещают до "tomorrow before 10am PST" - а это до наших 20:00 Мск сегодня! То есть можно целый день на Фасте проработать - это приятно, конечно))

▶️ Помимо ресета есть на самом деле важные анонсы:

• Decisions API выходит GA (в общий доступ из бэта), что я считаю Big, решающие модели стремительно ворвались к нам и видимо, остаются надолго, потому что они удобны во многих применениях, спасибо TypeSafe

▶️ Еще Responces API отдали в Agentic AI Foundation (структуру под Linux Foundation), в составе 4 новых проектов:

• Responces API сдали клозеды - значит многие вендоры (киты?) смогут сделать в этом формате свои апи без рисков проблем с держателем стандарта/вендором конкурентом;
• Антропики задонатили свои Agent Skills (что тоже BIG), стандарт стал отраслевым стандартом де-факто;
• еще OpenEnv от обнимашек и OpenSandbox от Алибабы задонатили!


🔗 Почитать прессуху тут: https://www.linuxfoundation.org/press/agentic-ai-foundation-announces-four-new-projects-agent-skills-open-responses-openenv-and-opensandbox

Это целиком и полностью хороши новости

(ц) пляшем!

@deksden_notes

⚪️ Новости коротко

#news

Чего то много набралось небольших заметок, сделаем обзорную заметочку, чтобы не спамить постами.

▶️ минимаксы релизнули веса М3.1 - оказалось всего 428B параметров, из них 23B активных. Для сравнения флеши от дипсик 4.1 - 552b-a16b, глм 5.3 феш - 320b-a18b. Обнимашки тут: https://huggingface.co/MiniMaxAI/MiniMax-M3.1-Flash

▶️ Муншот выложила промо видео, где можно заметить строки Kimi K3.1 - ждемс с большим интересом! https://x.com/Kimi_Moonshot/status/2113445757185606062

▶️ AA выпустила новый индекс - Coding Agent Index v2.0. Лидирует в нем СС на опусе, соннете и фубле, а третий - Муся Код на Жирной Чудо Мусе. Кодекс с астрой только четертый! Что еще примечательно: они из индекса убрали DeepSWE (а мне он вегда казался спорным бенчем), заменив его на FrontierCode v1.1 от Cognition (которые Devin). https://x.com/ArtificialAnlys/status/2113424551396934134

▶️ Тео написал статью - что такое "упряжка" (harness). И почему его T3 Code не упряжка. В целом, при всём моем неоднозначном отношении к персонажу, написано немного очевидное, но по делу и годно разведены понятия: упряжка, агент, интерфейс, MCP, оркестратор. Почитать можно. Статья тут: https://x.com/theo/status/2113424203345265053

▶️ Антропики вывели в GA сервис Claude в Google Cloud, все возможности теперь в паритете с их собственным апи. Кроме того, auto режим подтверждения теперь дефолт в сессиях на всех тарифах

▶️ Еще порассматривал Monitoring Agent от Replit - потому что у меня таких пара работает, на dot / grok bot. https://replit.com/blog/replit-monitoring-agent

▶️ Vercel показывает легкие деплои tmp.now агентом даже без авторизации - https://x.com/rauchg/status/2113357674989650307

▶️ Слухи про новый тип машин Agent Compute Engine в Google Cloud, с доступными Agent Gateway, Agent Registry, Agent Identity и Agent Observability.

▶️ Наверное надо упомянуть про Flink - пару дней назад хайпили эту небольшую модель. Неплох для локального кодинга, но по мне квен 3.8 выглядит интереснее. На макбуке можно пустить. https://x.com/datachaz/status/2112956760546033716

▶️ Интересно наблюдать за индексом поисковых инструмннтов для агентов. Новичок от Дипсиков в середине бенча. Посмотрим как они будут двигаться в сегменте тулов! Модели у них топ, упряжка тоже вышла весьма годная. https://x.com/ArtificialAnlys/status/2113424551396934134


▶️ В генеративном сегменте (на который я краем глаза посматриваю):
• выход видео апскейлера Flux (до 4к и сильно дешевле Топаз Астры 2),
• Ideogram выпустил первую модель для SVG (а чем иначе делать пингвинов на велике?!),
• Kling 4.0 появилась в Luma (круто делает динамичные экшен-сцены и крупные движения камеры).

Такая ночь!

@deksden_notes

🦡 HoBa (Honey Badger) ищет AI-маркетолога

HoBa - AI-система, которая работает как второй мозг для предпринимателя: собирает встречи, звонки и переписку в память компании, а цифровые сотрудники находят проблемы и выполняют работу. Плюс собственная голосовая колонка.

Первый раунд инвестиций из силиконовой долины уже получен. В ноябре выходим на сцену в Дубае перед 10 000 предпринимателей: презентуем продукт и собираем предзаказы на колонку. Проект международный, команда в четырёх странах.

Кого ищу. Человека in-house, работа полностью удалённая. Главное — уметь по-настоящему работать с AI: агенты, субагенты, целые рои под задачи, море вариаций креативов и быстрые тесты. Остальному научим. Математик по складу ума, но с насмотренностью.

Что предстоит:
▶️ UI/UX продукта и лендингов
▶️ рекламные воронки: придумать, запустить, докрутить
▶️ креативы, тексты, видео
▶️ запуск рекламы и продвижения
▶️ A/B-тесты: много гипотез, быстрые выводы
▶️ подключать других специалистов, когда реально нужно

Что важно:
🔹 опыт AI в боевых задачах, а не «пробовал ChatGPT»
🔹 вкус и насмотренность
🔹 ответственность за результат: разобрался, запустил, посмотрел цифры, доработал
🔹 самостоятельность

Большой плюс: опыт в маркетинге и в стартапах, глубокое понимание AI-агентов.

❓ Как откликнуться: пишите в личку @maslennikovig и покажите пару примеров: что делали сами, как использовали AI и какой был результат.

Знаете такого человека? Буду благодарен за рекомендацию.

⚪️ Акция на выходные от Заек - 500m токенов!


Продолжение хорошей традиции и развитие - теперь не только флеш в акции, а еще и большая модель! Приятно

▶️ Интересующиеся - Успеваем забрать в zcode app! Как обычно, надо обновить приложение (и, может быть, перезапустить его).

Я увидел акцию, работает!

@deksden_notes

⚪️ Релиз Kimi K3.1 Pro


Не даром кими накануне показывала глубокомысленные видео с намеком на 3.1! Вот и релиз не заставил себя долго ждать. Выпустили модель, названную 3.1 Pro, что намекает на возможность НЕ-про модели. Неужели сделают таки флеш от Кими? Было бы интересно.

Но пока у нас большая модель 3Т - класса, а имеено 2.6T-a104B. Это прям большое что то, инференсить такое на своем оборудовании можно если у тебя свой неплохой такой кластер. Контекста как и принято нынче - 1m.

▶️ Бенчи сильные, но Опус 5.5 перепрыгнуть не удалось, что, впрочем, не удивительно - Опус вышел на редкость удачным. Зато прыжок по качеству очень приличный - будем смотреть как поведет себя в реальной эксплуатации. Но вот если подумать, что мы весьма спокойно рассматриваем открытую модель с бенчами местами сильнее Фубли - то закрадывается опасение, что мы слегка оборзели.

▶️ Тут же в соцсетях стали слышны крики о скудных лимитах на подписках, что для меня тоже не удивительно: и раньше у кими лимиты были не очень щедрые, а теперь с такой довольно большой моделью ситуация не стала лучше. Будем надеяться на выпуск более легкого флеша, чтобы на кими-подписках можно было реальную работу делать в более-менее приличном объеме.

▶️ Доступность: выкатили на вебе, в апи, Кими Коде/Ворке. Интересно, что выкатили также Kimi K3.1 Pro Highspeed (2-3х быстрее).

Открытые веса зарелизят до 04 ноября 2026.

Цены: $2 ($0.20) / $10

🔗 Блог про модель : https://www.kimi.ai/blog/kimi-k3-1-pro

3Д Странички в блоге мне понравились, впечатляет.

Бенчи накидаю в комменты ⬇️

@deksden_notes

⚪️ Ship-темберь, день 19/28


Сегодня релиз улучшений, причём мне они, в целом, понравились:

• в Dots "звонки" к агенту подключаются быстрее. Звонками у них являются голосовые сессии - а у меня по первости агент иногда даже "не брал трубку", что было немного комично.
• смена ризонинга посередине сессии больше НЕ ИНВАЛИДИРУЕТ кеш! Это прям круто. Я делаю работу Sol 6.1 light и переключаю на High когда делаю ревью или план - мне ОЧЕНЬ актуально. Это экономит довольно заметно - там же сейчас под 500к токенов может стоить один запрос!
• в cli: завезли пресеты промптов, под хоткеи - надо попробовать
• в cli: /model и /permission получили "inline settings", что бы это ни значило! Надо разобраться
• MCP авторизация для предприятий
• починили баги возобновления длинных сессий

В общем, вполне в моих глазах тянет на полезные фичи, особенно кеш. Тибо отметил, что, на удивление, с DevDays использование cli выросло х2. Действительно неожиданно!

Ну и отмечу что в комментах опять нытье про незначительность фич и выпрашивание ресетов. Коммьюнити может быть на удивление токсичным как по мне

(ц) такой день

@deksden_notes

⚪️ MCP Tasks и Elicitations в Claude Code Cli

Антропик наконец то поддержал свой стандарт в своем продукте )) Пишу - потому что это забавно, что фичи разработанного ими стандарта они поддерживают только сейчас! Но хорошо что поддерживают.

А фичи на самом деле вполне практически востребованные - Tasks позволяет инициировать длинные задачи (например, deep research) и опрашивать о прогрессе. Elicitations - это встречные вопросы от mcp к пользователю "посередине" задачи, типа подтверждения действий или запроса недостающих сведений.

🔗 Тред с анонсом: https://x.com/ClaudeDevs/status/2113698001889927608

🔗 Дока про Tasks : https://code.claude.com/docs/en/mcp#mcp-tasks-for-server-authors

🔗 Дока про Elicitation : https://code.claude.com/docs/en/mcp#respond-to-mcp-elicitation-requests

@deksden_notes

⚪️ HumanLayer вышел в OpenSource!


Это очень неплохая агентная среда, для коллектива человеков и целого флота агентов. Примерный аналог - Orca, но тут наворотов больше. Структурированные воркфлоу, сильный акцент на работу в команде. На нем вполне можно делать Software Factory.

Это очень и очень крутая новость - HL весьма интересный продукт, но ранее он был доступен бесплатно только для небольших команд, а далее $100 с участника.

Сделал его Dex - но не тот, который в OpenCode, а Dexter Horthy (@dexhorthy).

🔗 Репо : https://github.com/humanlayer/humanlayer

🔗 Анонс выхода в opensource: https://x.com/dexhorthy/status/2113750268043210767

🔗 оффсайт: https://www.humanlayer.dev/

(ц) отличная новость

@deksden_notes

⚪️ Vault для GrokBot


Интересная штука в веб версии - на мобилке или десктоп приложении не нашел. Видимо, новое.

Идея явно давать агенту логины/пароли - в целом, наверное, годная! Но я бы предпочел интеграцию с какими то существующими менеджерами паролей, а также выделение агенту своего логина к моему аккаунту (чтобы сервисы поддерживали "дочерние" логины к моему главному "родительскому" - чтобы видеть кто именно работал с аккаунтом).

Появление у человеков пучка их ботов должно поменять индустрию и подходы к авторизации.

@deksden_notes

⚪️ Ship-темберь, день 20/28


Ресет. Просто ресет! Уже накатили

@deksden_notes

⚪️ Nanbeige4.3-33B


Интересная новая модель в классе моделей в райноне 30B. По бенчмаркам уделывает квен 3.8, что очень сильно! Квены всегда делали топовые небольшие модели с возможностью локального инференса

И тут - малозивестная китайская лаба с СОТА бенчами.

Ждем независимых тестов

🔗 Анонс: https://x.com/nanbeige/status/2114328933181333798

🔗 Обнимашки : https://huggingface.co/Nanbeige/Nanbeige4.3-33B-Base

https://huggingface.co/Nanbeige/Nanbeige4.3-33B

Обратите внимание - дали даже базовую модель, что дает возможность проводить иную пост-трейн обработку

@deksden_notes

⚪️ Ship-темберь, день 21/28

И сегодня тоже - ресет. Но когда накатят - не сказали (еще?)

Ждём-с прояснения обстановки

🔗 Пруф: https://x.com/thsottiaux/status/2114588174249071102

——

Upd 1️⃣ : вместо прояснения прилетел ресет - получается, раскатали

@deksden_notes

⚪️ Gemini API Cli


Гугол выпустила Gemini API cli. Не путаем это с агентом для кодинга - это cli для вызова апи, обертка. Через этот cli можно генерить картинки / видео, расшифровать аудио от совещания, саммаризацию pdf сделать, и так далее.

🔗 Блог : https://aistudio.google.com/learn/introducing-the-gemini-api-cli

В блоге небольшие инструкции по старту, но, в принципе, там только ключик дать для бинарника.

Есть исходники, на Go:

🔗 гитхаб : https://github.com/google-gemini/gemini-api-cli

@deksden_notes

⚪️ Вакансия AI маркетолога (фоллоу-ап)


Напомню, друзья канал ищут маркетолога:

👉 https://t.me/deksden_notes/1426

Если вам интересно, или вы знакете кого то, кому может быть интересно, пожалуйста, рекомендуйте! В оригинальном посте всё расписано чего и как, кому писать.

@deksden_notes

⚪️ Pomerado - api для любого вебсайта


Появился проект, предлагающий альтернативу для агентного браузерюза. Если агент должен селать какую то задачу на вебсайте, он это делает фундаментально долго: нужно рассмотреть скриншоты, выбрать куда ткнуть далее, посмотреть что вышло.

Pomerado строит детерминированный код для руления сайтом - из скриптов, вызовой http и playwright апи. Получаем некий аналог POM. Скрипты само-исправляемые, изменения на вебсайте обрабатываются и скрипт перестраивается.

Весьма интересный и разумный подход - надо будет попробовать как оно работает

🔗 гитхаб: https://github.com/Pomerado/pomerado

🔗 тред с презентацией: https://x.com/akshay_manglik/status/2114435444587065486

🔗 Оффсайт : https://pomerado.ai/

@deksden_notes