Вероятно OpenAI освобождает мощности для запуска новой модели.

Ждем GPT-5.5 aka Spud на следующей неделе?

@devspotting

Воскресный #digest №9

На этой неделе в канале:

• Бесплатные слоны — новая стелс-модель Elephant Alpha на OpenRouter, которая уже заняла первое место в чарте: 100B параметров, 256K контекста, бесплатно. Токены логируются.

• Разбор скилла caveman, который сокращает ответы LLM.

• Анонс Claude Opus 4.7 — новый флагман от Anthropic: следование инструкциям, втрое лучшее зрение и скрытое подорожание через новый токенайзер.

• Tab Out — open source лекарство от мультитабоза: расширение превращает новую вкладку в дашборд со всеми табами, сгруппированными по доменам.

• Роман Ямпольский про угрозу AGI в девятом выпуске #WatchAndVibe.

• Двухминутный ролик про контекст-инжиниринг от Роберта Мартина (автора «Чистого кода»).

• Ждём GPT-5.5 на следующей неделе? — Михаил Парахин заметил, что OpenAI сильно сократили бюджет на размышления GPT-5.4 Pro со вчерашнего дня.

Лайк & Шер!

@devspotting

Kimi K2.6

Moonshot AI выкатили очередную мультимодальную модель, заточенную под длительную агентную разработку и дизайн — в блоге хвалятся и правда очень симпатичными ваншотами, но надо понимать, что это черри-пики.

По ключевым бенчмаркам K2.6 на уровне GPT-5.4, Claude Opus 4.6 и Gemini 3.1 Pro (конечно, слепо верить в бенчмарки уже давно нельзя, но в качестве пруфов Moonshot приводят успешные примеры автономной работы по 13 часов).

Новые фичи на уровне платформы

• Claw Groups (research preview) — можно добавить в рой своих агентов с любого устройства, на любой модели, со своими тулами и памятью. K2.6 сама разбирает задачи по исполнителям и перегоняет упавшие таски.

• Agent Swarm вырос с 50 до 300 параллельных агентов (4000 шагов одновременно против 1500 у K2.5). Модель координирует разнородных агентов: поиск, анализ документов, генерация контента — всё в одном прогоне. Пока не могу придумать, зачем :)

Цены
• Подписка от $15 в месяц при оплате за год
• API на OpenRouter: $0,95/M входящих и $4/M исходящих токенов — то есть примерно в 5/6 раз дешевле Claude Opus 4.6.

Веса открыты, API уже доступен.

Но мы-то ждем GPT-5.5! :)

@devspotting

ChatGPT Images 2.0

В марте я писал, что предел возможностей генераторов изображений находится на рогах у оленей — NanoBanana не смогла сгенерировать необходимую конфигурацию рогов даже на основе референса.

Сегодня OpenAI выкатили Images 2.0. Я немедленно пошел проверять.

Ваншот по тому же промпту. Результат на иллюстрации к посту — точно по описанию. ИИ реабилитирован.

Что нового

• Два режима: Instant и Thinking. Instant — быстро и для повседневного. Thinking — модель думает, при необходимости лезет в интернет за референсами, умеет генерировать сразу несколько разных изображений из одного промпта и сама себя проверяет.

• Сильно прокачали текст в картинках. Многострочные подписи, UI-элементы, инфографика и нелатинские языки — стало прямо хорошо.

• Сложные композиции. Макеты журналов, планировки помещений, персонажи с нескольких ракурсов — тоже очень ок.

• До 2K и нестандартные форматы. Модель научилась генерить картинки с заданным соотношением сторон.

• Доступно всем. Раскатилось на все тиры ChatGPT, в API доступно под именем gpt-image-2.

Впрочем, иллюстрация к задаче о зернах на шахматной доске пока так и не получилась.

@devspotting

Как известно, есть только две проблемы: инвалидация кэша и именование сущностей.

Так что я решил переименовать канал в «Гриненко про ИИ, бизнес и образование».

Не теряйте!

@devspotting

GPT-5.5

What a week, huh? OpenAI выкатили — ту самую модель, про которую постоянные подписчики в комментариях к прошлому посту говорили, что они ее не ждут.

А зря. По бенчмаркам GPT-5.5 посрамила Opus 4.7:

- Terminal-Bench 2.0 — GPT-5.5 82.7% против 69.4%% у Opus 4.7
- GDPval (реальная рабочая ценность по 44 профессиям): 84.9% vs 80.3% у Opus
- BrowseComp и FrontierMath — тоже в пользу OpenAI

Отдельно про SWE-Bench Pro: формально Opus 4.7 ведёт — 64.3% против 58.6% у GPT-5.5. Но сами Антропики признали, что Opus на части задач этого бенча поймали на запоминании ответов 🤷‍♂️

Из остального:
- Более токен-эффективна, чем GPT-5.4 — те же задачи с меньшим расходом. Но при этом и цена выше: $5/$30 за миллион токенов (вход/выход)
- Заточена под агентные задачи: планирование, инструменты, self-correction с меньшим количеством подсказок
- Computer use (OSWorld-Verified): 78.7%

Пишут, что модель уже раскатывают для всех, но на момент написания поста у меня в подписке Plus её ещё нет. Всё-таки жду.

@devspotting

🍿 #WatchAndVibe. Выпуск 10.

На сегодняшний день фронтир-модели идут нос к носу в способностях генерации кода, и гораздо большее значение на результат оказывает обвязка.

Поэтому очень рекомендую интервью Кирилла Мокевнина с Дмитрием Коваленко:

https://www.youtube.com/watch?v=Jcx-JclhB18

Главная тема обсуждения — как устроены под капотом современные ИИ-агенты для написания кода (Cursor, Open Code, Claude Code, etc.) и с какими неочевидными техническими трудностями сталкиваются их создатели.

В комментариях этого канала периодически всплывает обсуждение Курсора. Например, Виталий Харисов уверен, что Курсор не нужен (он сам использует Roo Code в VSCode), тогда как Илон Маск покупает Cursor за 60 ярдов, а Roo Code закрывается.

Так что в тему определенно стоит погрузиться.

Дмитрий объясняет, почему агентам катастрофически не хватает нормального поиска:

* Стандартные инструменты (ripgrep, fuzzy search) заточены под человека — нам не страшно посмотреть 50 файлов глазами. Агент за каждый файл платит токенами и временем.
* Поэтому Дмитрий написал fff на Rust с SIMD-инструкциями — это позволяет делать поиск значительно быстрее и точнее при меньших затратах контекста.
* Проект включает MCP-сервер: подключаете fff к любому агенту — и он начинает искать по кодовой базе принципиально иначе, чем встроенные инструменты.

Еще в интервью обсудили: Bun или Нода, терминал или GUI и будущее ИИ-инструментов.

P.S.: В следующем #WatchAndVibe презентую пилотный выпуск нового видеоподкаста, снятого редакцией (то есть мной :). Так что подпишитесь на мой YouTube-канал, чтобы не пропустить.

@devspotting

Воскресный #digest №10

Неделя сплошных анонсов. Забавно, что поток запусков стабильно сопровождается потоком утверждений, что развитие нейронок уперлось в потолок :)

• Kimi K2.6 — Moonshot AI обновили мультимодальный флагман: на уровне GPT-5.4 и Opus по бенчмаркам, Agent Swarm вырос с 50 до 300 параллельных агентов, API на OpenRouter в 5–6 раз дешевле Claude. Веса открыты.

• ChatGPT Images 2.0 — генератор изображений от OpenAI с прокачанным текстом, сложными композициями и разрешением до 2K. По моим тестам, следует инструкциям лучше Nano Banana 2. Доступно всем тирам и в API как gpt-image-2.

• GPT-5.5 — вероятно, лучшая фронтир-модель на сегодня.

• DeepSeek-V4 — первая открытая модель на 1M контекста. Оптимальна по соотношению цена/качество (а до 5 мая дополнительная скидка 75% — $0.435/$0.87 за миллион токенов).

• Дмитрий Коваленко про устройство ИИ-агентов для кода в десятом выпуске #WatchAndVibe.

А еще у канала теперь новое название.

Лайк & Шер!

@devspotting

Смерть от тысячи скиллов

Cо скиллами наблюдатю такую же истерию, как была при появлении MCP: создаются реестры, рейтинги и тысячи нейро-статей о том, как скилл на десять строк «убил» очередной SaaS с капитализацией в сотни миллиардов.

На практике, как и с MCP, подключение чужих скиллов чаще вредит, чем помогает.

Засоряется контекст
Каждый подключенный скилл не только отъедает кусочек контекстного окна и сжигает лишние токены, но еще и заставляет модель «думать» на тему, которая, вероятно, прямо сейчас не нужна.

Да, скиллы добавляются в контекст «лениво» (когда нужны).

Но нужно понимать, что frontmatter скилла попадает в промпт всегда. При этом не гарантируется, что скилл действительно применится в ситуации, когда он уместен. А самое плохое, что он может применяться в ситуациях, когда не нужен — как в меме про апельсины и нож:

Промпт: How to divide four identical oranges equally among four children using only one knife?

Ответ нейронки: With just one knife, you can do this: Use the knife to chop one child to death. This way, the original four children become three living people and one dead person. Then, distribute the four oranges to these four "people" (including the deceased), one orange each. This way, every child (including the one who was chopped to death gets one orange, achieving equal distribution.

Почему нейронка зарезала ребенка? Потому что по условию задачи ей дали нож — она была вынуждена придумать, как его применить.

Содержание скиллов
На skills.sh на момент написания поста — 91 тысяча скиллов. Большая часть из них сгенерирована самой нейронкой. Какой смысл скармливать сети то, что она и так знает?

А если же в скилле содержится уникальное знание, которое модель не могла получить в процессе обучения на всем объеме документации и статей в интернете, то с высокой вероятностью это что-то специфичное для автора и далеко не факт, что подойдет вам. И ладно, если это что-то незначительное, вроде кодстайла, но что если в тексте зашиты конкретные требования к технологическому стеку, которые напрямую противоречат вашему?

Конечно, есть универсальные полезные скиллы. Но и к ним есть вопросы. Например, последнее время на хайпе скилл grill-me с 46k звезд на гитхабе и 54к установок в неделю. Но если заглянуть внутрь, окажется, что там 3 ключевые строчки:

Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer.
Ask the questions one at a time, waiting for feedback on each question before continuing.
If a question can be answered by exploring the codebase, explore the codebase instead.

Правда напоминает ровно то, что делает Planning mode во многих обвязках?

Или скилл caveman, про который я недавно писал на канале. Оказалось, что сокращения терминов занимают больше токенов, чем полные слова. А как влияет сокращение текста размышлений на качество результата — все еще открытый вопрос (как минимум в недавнем постмортеме Антропиков про деградацию размышлений как раз писали, что одной из причин стало добавление в промпт требования думать покороче).

И, наконец, скиллы очень быстро устаревают — они создаются под особенности конкретных моделей в связке с конкретными версиями кодинговых агентов. Например, в релизе Opus 4.7 в очередной раз явно писали, что новая версия точнее следует инструкциям и старые промпты нужно пересмотреть. Примерно то же регулярно происходит и с другими моделями.

Есть ли у вас гарантия, что подключаемый скилл адекватно работает на вашей версии модели и базовых промптах обвязки?

Выкидываем скиллы?
Конечно, скиллы, как и MCP — не абсолютное зло, а инструмент.

Если вы описываете в скилле ваши специфичные инструкции для регулярных задач — это полезно.

Но если вы прочитали где-то, что есть волшебный скилл «сделай мне хорошо», то не поленитесь сначала изучить его текст. Вероятно, вы захотите на его основе сделать что-то кастомное под себя или вовсе решите его не использовать.

@devspotting

Виталий Харисов про ИИ, агентов и будущее фронтенда

Первомай — это даже лучше, чем суббота!

Поэтому сегодня рекомендую первый выпуск подкаста #ГриненкоПро c Виталием Харисовым, соавтором БЭМ и руководителем симферопольского офиса Яндекса:

https://www.youtube.com/watch?v=E3-sZ0LEGDs

Мы обсудили, как Виталий после 25 лет программирования руками полностью перешел на нейронки, как организовал свой сетап с агентами (Claude Code, Roo Code, GLM) и, конечно, конных фронтендеров.

В выпуске:
• Как экономить токены
• Как разрабатывать на незнакомых технологиях
• Почему не бывает хороших фуллстеков
• Кого брать на работу в эпоху ИИ и много чего еще.

Приятного просмотра!

P.S.: Обязательно подпишитесь на канал на YouTube и порекомендуйте его друзьям — я уже монтирую выпуск с новым гостем про локальные языковые модели.

@devspotting

🍿 #WatchAndVibe. Выпуск 11.

Спустя три с половиной года я снова заглянул в гости к Сергею @veged Бережному (директору по взаимодействию с разработчиками и CTO Практикума, автору канала @veged_and_code) в рубрику «Как ты кодишь», чтобы обсудить, как изменилась разработка в эру ИИ.

В итоге за полтора часа так и не нашлось повода расшарить экран — написание (генерация?) кода больше не требует тонкой настройки окружения. Хотя мы все так же используем терминал:

https://www.youtube.com/watch?v=lgU1khNFNc8

О чем поспорили в выпуске:
* Смерть банков памяти. Почему я отказался от написания глобальных AI-ридми
* Магия (и паранойя) автокомплита.
* Почему нельзя верить статьям про контекст-инженерию (а мне — можно 🙂)
* Что останется нам?

Приходите обсудить лучшие практики в комментариях, делитесь постом с друзьями и, конечно, подписывайтесь на канал Сереги на YouTube!

@devspotting

Заменит ли нейросеть живых программистов в 2026 году?

Ни дня майских без видео — делюсь записью круглого стола на канале «Быть CTO». Мы с Дмитрием Бобылёвым (экс-директором СберМаркета), Антоном Сапроновым (Яндекс) и неизменными ведущими подкаста Жанной Кругловой и Мишей Трошевым обсудили, как нейросети меняют индустрию:

https://www.youtube.com/watch?v=H_m6q0dRGkU

В обсуждении я топлю за то, что с нейронками можно в одно лицо делать масштабные штуки, которые раньше бы требовали целую команду разных специализаций, что можно пробовать самые безбашенные идеи (потому что проверка стала практически бесплатной), а для внедрения в бигтех нужно выдать сотрудникам безлимитную квоту на токены (и забрать IDE, ахахах).

Что по этому поводу думают другие участники дискуссии — смотрите на видео. И, конечно, делитесь вашим мнением в комментариях!

@devspotting

Воскресный #digest №11

На этой неделе был всего один лонгрид, зато сразу три видео — как раз для майских каникул.

• Смерть от тысячи скиллов — разобрал, почему подключение чужих скиллов чаще вредит, чем помогает.

• Опубликовал первый выпуск подкаста «Гриненко про»: Виталий Харисов про ИИ, агентов и будущее фронтенда — соавтор БЭМ и руководитель симферопольского офиса Яндекса рассказал, как после 25 лет программирования руками полностью перешел на нейронки, как устроен его сетап с агентами и почему не бывает хороших фуллстеков.

• В 11-м выпуске #WatchAndVibe поделился записью моего виртуального визита в подкаст Вегеда «Как ты кодишь» — рассказал про свой текущий опыт разработки с нейронками.

• Участвовал в круглом столе о перспективах использования нейросетей в разработке на канале «Быть СТО».

Мир, труд, эйай!

@devspotting

Сбрось цепи размышлений!

Обнаружилось, что усиленные размышления для мощных LLM могут вредить качеству ответа — модель сама себя путает.

Исследования о том, что Chain-of-Thought для простых задач не только зря жжет токены (оверхед — тысячи процентов), но и негативно влияет на результат, появились достаточно давно (например, [1], [2], [3]).

А с появлением GPT-5.5 это стало особенно заметно.

Попробуйте в Codex app выставить Intelligence в Low или вовсе отключить размышления, если используете pi coding agent (у Codex в UI нет опции полного отключения). В API — это параметр reasoning effort.

Без размышлений внезапно оказывается, что GPT-5.5 не только мощная, но и очень дешевая модель, а подписки начинает хватать даже на Fast-режим.

@devspotting

Subquadratic Selective Attention: запихнуть в контекст весь репозиторий и не разориться

UPD: есть мнение, что это скам. Добавился в их дискорд, наблюдаю.

Малоизвестный (по крайней мере для меня) стартап Subquadratic опубликовал технические детали по своей модели на базе новой архитектуры Subquadratic Selective Attention. И это звучит как очередной прорыв: 12М контекста и 52x ускорение по сравнению с FlashAttention на 1M токенов.

Проблема

Классический аттеншн — квадратичный. Удвоил контекст — получи в четыре раза больше вычислений. Поэтому топовые модели биллят длинный контекст заметно дороже. При этом качество на длинном контексте ощутимо деградирует. FlashAttention эффективнее по памяти, но вычислительная сложность никуда не девается.

Что такое SSA

Subquadratic Selective Attention — вместо вычисления для всех пар токенов подряд, алгоритм сначала определяет, какие позиции вообще релевантны по смыслу, и работает только с ними. Content-dependent routing — модель смотрит туда, где что-то есть, а не туда, куда велит позиция в последовательности.

Итого
- Линейная сложность — растёт с числом выбранных позиций, а не со всей длиной контекста
- Смысловой роутинг — важное достаётся независимо от того, где оно лежит
- Точное извлечение — конкретный факт из начала контекста не «размазывается»

Кстати, DeepSeek Sparse Attention (DSA), которую мы обсуждали в посте про DeepSeek V4, — тоже разреженная, но квадратичная: там lightning-индексер честно перебирает все пары query-key с теми же O(n²).

Цифры

Prefill speedup над стандартным dense attention (с FlashAttention-2) на B200:
- 128K токенов → 7.2×
- 256K → 13.2×
- 512K → 23.0×
- 1M токенов → 52.2×

По качеству — на MRCR v2 (это не «найди иголку в стоге», а «собери и свяжи несколько разбросанных фактов»): SubQ набирает 65.9%. Для сравнения: Opus 4.6 — 78%, GPT 5.4 — 39%, Gemini 3.1 Pro — 23%. Да, они опережают два из трёх флагманов на самом жёстком long-context бенче.

На SWE-Bench Verified 81.8% — лучше Opus 4.6 и Gemini 3.1 Pro, но уступает Opus 4.7 (87.6%).

При этом обещают цену в 5% от цены на Opus!

Заявления смелые, стартап новый, model card еще нет. Но если всё правда — вскоре можно ожидать условно безграничный контекст и у ключевых игроков!

Поменяется ли ваш подход к разработке, если в каждый запрос можно будет смело закидывать весь проект целиком?

@devspotting