Gemini 3.0 - 2m context?


Из курсора вроде как.

Все обратили внимание?

недолго грок форсил самым большим контекстом на рынке. MRCR у 3.0 еще заметно выше, так что контекст будет неплох)

Hope so

Клодзеды фшоке от Гемини 3


Холст, масло, сыр, колбаса

Опа!


П.С. Вроде заработало

Agent Sessions


▶️ Есть такой open source инструмент - agent sessions (macOS). Работает с Кодексом/СС/Gemini Cli.

Смотрит сессии (транскрипты), статистику сообщений, в меню показывает лимиты.

Сделал @jazzyalex - респект! 🤟


🔗 https://github.com/jazzyalex/agent-sessions

(ц) Такое мы ставим, пользуем, поддерживаем!


#post
@deksden_notes

Галя! ... У нас - замена!


Клозеды выкатили Gpt-5.1-Codex-Max модель, и к нему Codex v0.59 с несколькими добавками

🔗 Про модель: https://openai.com/index/gpt-5-1-codex-max/

🔗 про v0.59: https://github.com/openai/codex/releases/tag/rust-v0.59.0

Примечательное:
- Follow up к Gemini 3. Волнуются за переток кодеров, определенно! Damage control - как по мне
- Max Заменяет обычный кодекс
- Дольше выполняет работу - не один я заметил про снижение "смелости" и "выносливаости" в 5.1
- Дополнительно подкрутили способности работать именно в Windows, даже статья есть (https://developers.openai.com/codex/windows)
- Кодинговые бенчи заметно повыше но на уровне ризонинга значительно выше; привет лимитам;

- v0.59 дополнительно сделал какое то новое Compact
- параллельные тулколы
- полярная лисиченька (https://github.com/openai/codex/pull/6906) - хз что такое, но мило;

▶️ Upd: заменили термины. Теперь approvals говорят об Agents Mode.
- в модели Max 4 уровня ризонинга. Дефольный - средний, второй. Выше него высокий и очень высокий.

▶️ Upd2: К полярной лисиченьке - верно заметили, что к кодексу "пришел песец".


▶️ Upd3: Codex CLI v0.60.1 released

Features
- Set gpt-5.1-codex as default model for API users.

Это было быстро)) Сингулярность наступает!

и первый раз вижу 0.xx.1 релиз. Видимо, хотфикс



#post
@deksden_notes

Codex-5.1-Max тест


Кто то смотрел на мой #DeksdenFlow (про него подробнее есть по нештегу) - решил я затестить новый Макс на предмет агентности. Был заинтригован тейком про некие "long running tasks".

Сделал вариацию флоу, упрощенную, назвал mini-protocol: когда делаем план в текущей ветке main, план пишем в один файл, но также идем по шагам (группа задач) и делаем сохранение контекста/лога/коммитим после каждого шага.

В общем, небольшой протокол из 3х шагов, в каждом 5-6 задач.

Сказал - сделать весь протокол за раз, без остановок!

Итоги: шаги 1 и 2 сделал ваншотом, но после 01 шага забыл сделать коммит, сделал после 02 шага и остановился. Работал 22 минуты на -max-medium (топовый нейминг, да?).

Шаг 03 доделал нормально, с соблюдением протокола.


▶️ В общем - неплохо, но не АГИ и не вау.

Jules + Gemini 3 Pro


Не стал писать про сабж, пока не раскатали доступ к Gemini 3 хотя бы на Pro подписчиков - пишут, что раскатали!

Еще один способ потрогать Gemini 3 с кодом.


https://jules.google/docs/changelog/#introducing-gemini-3-pro

▶️ Upd: на всякий проверил Gemini CLI - нет, для AI PRO доступа пока не дали.

DROID: Background processes


Впилили менеджер фоновых процессов:

https://x.com/bentossell/status/1991425204380397647?s=20

Еще на одну фичу ближе к СС. Пожалуй, самый упакованный из альтернатив СС выходит! Жаль что закрытый. Зато все что надо скопировано! Скиллы накануне скопировали.

Больше упряжек - хороших и разных

Opus 4.5 - сегодня?


Слухи такие, да

Понятно почему codex-max выпустили не в обычный рыбный день: видимо, его под опус оставили!

А плотненько пошли релизы!))

Ждем опуса? или уже нет?)

Лимиты Codex


... снова сбросили!

Вроде бы где то там кодекс опять лег или работал с большими задержками. "Комплимет от заведения" в итоге!

Ну - гуд, чего тут скажешь!

MCP Apps


Все же помнят протокол MCP? Так вот - он развивается, несмотря на критику отдельных моментов (я про context rot и решение в виде code mode execution).

Так вот - MCP UI и OpenAI Apps SDK родили в итоге MCP Apps

Читаем анонс в блоге

https://blog.modelcontextprotocol.io/posts/2025-11-21-mcp-apps/

Сама спека по ссылке чуть выше, но вот сам драфт документа:

https://github.com/modelcontextprotocol/ext-apps/blob/main/specification/draft/apps.mdx


Что дает? Возможность серверам выдавать стандартизированное UI для хоста. Фича интересная, применение тоже вроде бы разнообразное. Круто что вендоры объеденились, и вместо 2х разных решений мы получим единую спеку, с шансами на широкую адоптацию в отрасли.

Прикольно

(ц) Такое мы одобряем!

#post
@deksden_notes

Google Stitch + 🍌 Pro


Никто особо не пишет, но у Гугла же есть UI design tool c AI:

🔗 https://stitch.withgoogle.com/

Ну так вот - туда точно завезли NanoBanana Pro, и не исключаю что Gemini 3 Pro, но точно пока не понял.

Впрочем, этим инструментом пока не пользовался, хотя попробовать планирую. Отслеживаю в любом случае!

#post
@deksden_notes

Google Gemini 3 Pro первые впечатления


Upd: Пост будет пополняться свежими впечатлениями, чтобы не спамить. Кому интересно - смотрим апдейты.

1️⃣ Еще не затестил в полном объеме и с кодом, но первый плюсик Гемини заработала.

👉 Решал проблему входа в виртуалку Ubuntu под Paralllels на macOs. Случилась проблема с конфигурацией сетевых адаптеров и режимов работы.

- Кодекс решить не смог, итераций 5-7 заняло.
- Гемини 3 Про за 3 итерации решило.

Вывод: у меня всегда были ощущения что эрудиция Гемини повыше - что и подтвердилось. В devOps заработан плюсик в сравнении!

Upd 2️⃣ : По сравнению с Кодексом Гемини жесть какая болтливая в CLI - чего то рассуждает, делает, комментирует - но мне скорее нравится! Кодекс все таки слишком аутичный.

Upd 3️⃣ : Модель своеобразно слушается инструкций. Насчет чего делать или НЕ делать - регулярно игнорирует. Говоришь "не делай код, давай обсудим" - стартует писать. помимо личных впечатлений этого рода, еще несколько мнений аналогичных слышал. Видимо, это они так агентность подтянули!

Еще такой кейс: модель затащила большой рефакторинг, причем не останавливалась пока весь план не доделала. Не засекал сколько работала, но достойно. CLI. Начал доделывать какие то моменты - кончился лимит. Переключение на другой акк не сработало (я ж его в лист ожидания то не внес! omfg), и я решил что фигня вопрос - добьем 2.5про. В общем, это было ошибкой: все кончилось git reset после нескольких кругов правок. Не писал я код через 2.5 - и не стоило начинать! В общем, 2.5 к тройке как флеш был к 2.5! Фоллбэк вас не порадует, имейте ввиду. Может, для тривиальных задач и норм, но я жду ресета )) Пока расчехляем кодекс

Upd 4️⃣ : Модель вольно относится к инструкциям - если говорить ей "давай обсудим", то шансы что она побежит делать код весьма велики. Своевольная, слабо послушная. Фокус во внимании - на детали самой задачи, а вот как делать, тут агентность выкручена, поэтому со своими указивками лезть ей под ноги не всегда получается


(ц) Продолжаем наблюдение! 🫡

#post
@deksden_notes

Opus 4.5


Слухи не отпускают, возможно антропики готовят сабж. Он им и вправду нужен!

Кмк, ситуация для них сложная: им нужно решить 2 большие задачи:

- сделать модель не менее умной чем gpt-5.1/gt-5.1-codex-max, Gemini 3 Pro, что само по себе уже довольно сложно - учитывая что модели конкурентов отличные;

- сделать модель НЕДОРОГОЙ - потому что с текущими ценами/лимитами они сливают по всем форнтам; каждая новая кодинговая штука привыкла хвалиться ВО СКОЛЬКО РАЗ они дешевле и дают больше лимитов, чем антропики

В общем, ...

(ц) будм посмотреть!

#post
@deksden_notes

Opus 4.5 - релиз


Нынче слухи не соврали - и он с нами!

Я говорил о двух проблемах: он должен стать умнее и дешевле. Анонсировали - стал умнее и дешевле.

Умнее: SOTA на SWE Bench Verified, Выше Gemini 3 pro и Gpt-5.1 / Codex Max. Умнее sonnet 4.5, что, впрочем, логично.

Дешевле: цена ⅓ от прежнего. Лимиты - совсем другие, теперь Opus 4.5 примерно столько же, сколько было соннета 4.5 ранее - типа, его можно использовать для daily tasks.

Использует меньше токенов при таком же или лучшем результате. Значительно.


▶️ Desktop

Теперь о Desktop. Десктоп теперь умеет компактить сессию. Ну ок. Мало каким сессиям это сильно помогало, зато теперь не будет неожиданного удара об контекст.


▶️ Tool Use:

https://www.anthropic.com/engineering/advanced-tool-use

Сделали тул для поиска тулов! Теперь грузим тулы по мере необходимости, решая проблему context rot от множества MCP. Всех впечатлил MCP сервер от github, да - 25k токенов.

Про programmatic tools use все понятно - пользвоать тулы в code sandbox и там же предобработать результаты - это коненчо сильно экономичнее чем вываливать пучок данных в контекст. Хотя могли бы придумать штуку для выкусывания ненужных данных из контекста (из истории). Ну ок.

Интересное новшество: tool use examples прямо в описании тулов! Few shot lникто не отменял - это сильно повышает качество. Круто!


‼️ Хватит ли умений опуса для выравнивания с конкурентами? Посмотрим - надо тестить. Бенчмарки нормальные, от гемини опус отстает только в эрудиции. Исправили ли косяки - с враньем, с подхалимством? Посмотрим.

Почти все основные фронтирные вендоры сделали свои ставки!

Upd 1️⃣ : перечитал, посмотрел - и точно: в Claude Desktop теперь есть Claude Code - то есть Claude Code Desktop! 🔥

Upd 2️⃣ : обратили внимание на changelog CC:
- Allow Pro users to purchase extra Opus 4.5 usage

Любопытно

(ц) В интересное время живем - такое нам прикольно! )


#post
@deksden_notes

🧩 Memory Bank - опрос



👉 Коллеги! Кто то пользуется в работе с проектами меморибанками / их аналогами?

❓ Какую структуру используете - какие блоки информации там держите? Эволюционировала ли у вас концепция со временем?

Агенты у вас читают меморибанк? пользуются? им помогает?


▶️ Интересна обратная связь. Планировал публиковать небольшие апдейты по теме меморибанка и подходов к ведению.


#post
@deksden_notes

Way back context


О технике промптинга


Интересно, как быстро вендоры додумаются до сворачивания истории «прыжком в прошлое»?

Чтобы контекст экономить.

Типа, модель что то делала-делала, и у нее наконец получилось (или не получилось) - и мы режем историю, возвращаемся в момент когда это все только начиналось и рассказываем модели чем все кончилось (успех или неуспех). Как в «назад в будущее».

Результат? Экономия контекста, эффективные «хождения кругами», без траты контекста, cache friendly к слову!

Пока я это иногда делаю руками для своих сообщений в кодексе с esc esc - типа обсудил что то детальное, уяснил, вернулся к старту обсуждения и продолжил по первоначальной теме разговор.

Но это будет дико полезно для любой агентной работы!

Экономическое


Уже и грок сравнивает во сколько раз он дешевле антропиков!

https://x.com/xfreeze/status/1993328493359215054?s=46

Сомнительное реноме на рынке.

#post
@deksden_notes

Agents по антропиковски


Анты тут бросили интересную статейку прочитать

Effective harnesses for long-running agents

🔗 https://www.anthropic.com/engineering/effective-harnesses-for-long-running-agents

Замечу - опять harness вместо scaffold. Ну - упряжка, так упряжка. "Запрягайте, братцы конев!" ))


🟢 Статейка годная, откровений не содержит, но из категории обязательных к прочтению про AI SWE. Посему чувствую моральную обязанность чиркнуть "разбор".

Глянул код. Забавно - прога примера на питоне, использует Agents SDK чтобы сделать прогу на JS )) Причем, через АПИ ключ, они не могли по-другому! (тут вставляем мем "Платно!" с гослингом).

▶️ Спека в .txt, но внутри все структурировано XML-like тегами с легким md форматированием. Хозяйке на заметку - теги никто не отменял. В мой список приемов контекст-инжиниринга, конечно тоже входит.

Разделы спеки: техстек - фрон/бэк, настройка Dev окружения, список фич приложения, схема БД, спека ручек апи, схема UI морды, отдельно - дизайн система, отдельно - ключевые взаимодействия в UI, мастер план создания приложения по шагам с задачами каждого шага, список критериев успеха (ACs, gates).

Спека вроде бы достаточно краткая, тезисная, но содержит впечатляющего разнообразия набор разделов, есть о чем сделать вывод для своих спеков.

▶️ Даже в промпте первой стадии инициализации указано чтобы файл списка фич он не трогал. Капсом. Значит они знают как агент любит "срезать углы" - делали фичи, устали, удалили половину фич, и сказали что все уже сделали))

Также сохранение контекста - через файловую систему, но инструкции довольно примитивные. По мне так очень не очень.

▶️ Кодинговый агент - идентично моему протоколу, есть фаза проверок. Не рабоатем, если проверки падают.

Понятно, что агент работает ТОЛЬКО с верификацией: пишем код, проверяем через тесты.

Также много заборов в промпте чтобы углы не срезал. Какие? Протестировать только бэк без взаимодействия с фронтом, нет контроля визуала, использовать JS эвалы вместо UI взаимодействия, отметить тесты проходящими без верификации.

С учетом, что промпт - это пример, даже в нем столько заборов. Для реальной системы их должно быть еще больше. Думаю, даже фокусная сессия отдельного агента на чистом контексте с фокусной задачей верификации на каждый аспект - видимо, иначе нынче никак. Вот вам откуда 6-8 часов работы у кодомашины! Мои флоу тоже часами бегают, пока как быстрее я не знаю.

Также используют файл статуса (как мой context.md), но у них claude-progress.txt - более семантическое имя, к слову.

Также отмечу: много раз указано что времени у агента unlimited, типа - спешить не стоит! Видимо, не только у кодекса агенты вечно куда то опаздывают и спешат. Что RL с нейросетями делает, нервные и задерганные они все какие нынче.

...