Вайб-обзор на GPT-5.3 Codex, Opus 4.6 и (бонус) GPT-5.2 (2/2)

🟡 Команды агентов
Это фича больше Claude Code, но модель тут тоже имеет значение - в конце-концов, Anthropic тренирует свои модели на то, чтобы быть лучше как менеджер агентов.

Лучший результат достигается если:
● задача заранее декомпозирована на подзадачи
● подзадачи параллелизуемые и не конфликтующие
● разумно прописаны роли агентов

Если просто бросить в Claude Code задачу без планирования, то чего угодно можно ожидать, а цена одного эксперимента высоковата выходит.
Я в чате канала уже писал, что мне удалось за полчаса потратить 5-часовой лимит Claude Max за $100 :)
Ну и в целом пока что нестабильно работает, стоит иметь в виду.

Кстати, в Codex-обвязку тоже скоро завезут нечто подобное, ждём!

🔴 Неправильные приоритеты
Я не знаю, как это лучше назвать, но это в принципе свойство моделей Claude с определенного релиза: с одной стороны, упускать важные нюансы, а с другой - делать то, чего не просили.
Как будто она в постоянном стрессе, когда качественно подумать не получается, а делать что-то всё равно надо.
Что вы там с ней делаете на посттрейне, а, Дарио?

🔴 Шустрее улетают лимиты
Цена за API-токены осталась та же, а вот в подписке, по всей видимости, лимиты понизили.
Встречал даже мнение о том, что подписка ChatGPT Plus за $20 даёт примерно столько же сделать, сколько Claude Max за $100 (тут стоит учесть, что сейчас и до 2 апреля в рамках подписки у Codex лимиты x2).


GPT-5.2

Я не писал обзор на 5.2, потому что с её выходом случилась та самая вайб-эйфория :)
Но лучше поздно, чем никогда, к тому же она незаменима в моей работе на текущий момент.
Всё, что было в обзоре на 5.1, справедливо и для 5.2 (только лучше), поэтому опишу лишь отличия.

🟢 Больше агентности
Раньше именно Codex-тюн этим отличался, но в 5.2 агентность сильно повысилась, и модель сама способна доводить до конца многоэтапные задачи, пусть и медленно.

🟢 Минимизация техдолга
Комплексная характеристика, но очень важная: если вам нужно предотвратить архитектурный дрифт или вернуть проект в нормальное состояние относительно желаемой архитектуры - нужно использовать 5.2 как для планирования изменений, так и контроля результата, и тут она стала лучше, чем 5.1.

🟢 Поиск багов
За счёт большей агентности и подросшего ризонинга модель гораздо лучше ищет причины нетривиальных проблем в коде.
А если у вас есть доступ к ChatGPT Pro - по API (дорого!) или через веб (неудобно), - то там это ещё качественнее работает.

🟡 Душность
Ну, я бы это в плюсы записал, но не всё же хвалить :)

При планировании или обсуждении каких-то идей модель вас будет душить corner case'ами, невозможностью что-то сделать и поначалу кажется, что это постоянные палки в колёса, вообще никакого вайба.

Но, как правило, замечания по делу, и к этой манере просто нужно привыкнуть (разработчики, кстати, тоже такие попадаются, чего уж там).

И я почти всегда предпочту именно такое поведение, чем потом вылавливать неучтённые при планировании нюансы в виде кривой архитектуры или багов на проде.

🟡 Всё ещё медленно
Тут от 5.1 отличий не так много - модель запросто может задумываться минут на 10-20 чисто для сбора контекста на старте, несмотря на все анонсируемые ускорения.
Но это всё не зря - лучше неё этот контекст ни одна другая модель не собирает и сложные проблемы решить на таком уровне не может.


Вердикт
Универсального инструмента, как обычно, нет.

В случае GPT-5.3 Codex и Opus 4.6 произошла конвергенция - модели примерно одинаковы по скорости, интеллекту, вниманию, даже по стилю общения стали ближе.

А вот GPT-5.2 тут стоит особняком.

Для меня использование разных моделей выглядит сейчас так:

● планирование, архитектура, рефакторинги, дебаггинг в существующей кодовой базе
GPT-5.2 xhigh

● реализация планов
GPT-5.3 Codex high-xhigh или GPT-5.2 high

● верификация (ревью, контроль техдолга)
GPT-5.2 xhigh

● интерактивная быстрая работа
GPT-5.3 Codex или Opus 4.6

● не очень большие (сравнительно) вайб-проекты с нуля
Opus 4.6

—

Прошлый обзор на GPT 5.1 / Gemini 3 Pro / Opus 4.5

#ai #model #review

Конференция ROИИ 2026

Senior + AI вместо целой команды - уравнение, которое сейчас считает каждый CTO. Но почти все считают его неправильно.

Одни верят LinkedIn и закладывают 100x-продуктивность. Другие читают исследования, где опытные разработчики с AI оказались медленнее, чем без - и решают, что всё это хайп, скоро стена и снова писать код руками.

А реальность, как обычно, сложнее. AI не делает людей быстрее автоматически, но при правильно настроенных процессах меняет саму экономику: сколько стоит команда, кто в ней нужен, и как вообще считать "продуктивность", когда происходит диффузия ролей.

Попробуем разобраться в следующих вопросах:

● Когда "сеньор + AI" действительно дешевле и эффективнее команды, а когда вы тратите меньше на ФОТ, но больше на техдолг и инциденты
● Что ломается в процессах при внедрении AI и почему одни и те же инструменты ускоряют одних и тормозят других
● Найм: как быть с теми, кто против AI, что делать джунам и каких людей искать в 2026

Без фантастики, но и без "давайте подождём". С практиками и ориентирами, которые можно применить.

🗣 Мой доклад будет 19 февраля, 14:00 МСК.

🔥 А помимо моей темы - ещё 11 докладов за два дня (19–20 февраля): от фаундеров, тех-лидов, CPO и Head of AI. Цифры, P&L, архитектура и реальные боли внедрения - без воды.

Участие бесплатное при подписке на каналы спикеров (ребята, которых я сам читаю). Есть и платный вариант - для тех, кому не нужны подписки или нужен сертификат.

👉 Полная программа конференции на сайте: ai-pnl.com
💌 Регистрация в боте по ссылке

#ai #conference

Когда нейронка "осознает", что её тестируют :)

Каждый раз эта сцена вспоминается на очередных подобных новостях.

Вот, из недавнего Opus 4.6 System Card, к примеру:

Скрытое понимание контекста
Opus 4.6 хорошо отличает реальные задачи от тестовых симуляций, но сообщает об этом пользователю гораздо реже, чем предыдущие версии. Модель может понимать, что её проверяют, но молчать об этом.

Безопасность зависит от наблюдения
Anthropic провели эксперимент: искусственно подавили у модели внутренние представления, отвечающие за понимание "меня тестируют". Результат - модель стала чаще отвечать на вредоносные запросы. Но при этом на серьёзных сценариях (шантаж, саботаж, подстава) поведение не изменилось - модель отказывалась и без "осознания тестирования".

Детекция симуляций
Модель определяет, что находится в тесте, по косвенным признакам: нереалистичным сценариям, подозрительно постановочным ситуациям и промптам, которые похожи на оценку безопасности. Apollo Research (внешние аудиторы) отказались давать формальную оценку именно из-за этого - слишком высокий уровень осведомлённости модели о том, что её тестируют, делал результаты ненадёжными.

Риск искажения оценок
Ситуационная осведомлённость делает стандартные методы оценки безопасности менее надёжными. Если модель знает, что это экзамен, она может адаптировать поведение. Прямых доказательств намеренного обмана не найдено, но сама проблема признаётся открытой.

Модель безопасна
Несмотря на эти нюансы, Anthropic развернули Opus 4.6 под стандартом ASL-3. По их оценке, даже если бы модель вообще не понимала, что её тестируют, её поведение было бы лишь немного хуже наблюдаемого. "Осознание тестирования" на текущий момент не угроза для пользователей, а методологический вызов для исследователей.

Вообще, советую читать System Cards новых моделей - именно там можно заглянуть в ближайшее будущее (а по факту - настоящее в топовых лабах).
Читаются как сюжеты из научной фантастики :)

#ai #security

Новый сезон - AI-Driven Development

Давненько ничего не писал сюда - уж очень был увлечен и стартапом и адаптацией кодбазы под агентов. Материалов и экспертов накопилось множество, поэтому я возобновляю и блог и YouTube канал.

AI-Ready Codebase
Открываем сезон с Максимом, автором канала Этихлид с разговором о том, что на практике нужно сделать в больших кодовых базах, чтобы получать от кодагентов желаемый результат.

О чем будем говорить с Максимом

— Почему большой проект нельзя просто «бросить в агента» и что делать вместо этого
— Иерархия MD-файлов как навигационный слой поверх кода: архитектура, сущности, процессы
— Минимальный набор документации для legacy-проекта: что писать и в каком объёме
— Онтологии и графы зависимостей: зачем строить и как поддерживать
— Агенты для исследования legacy: формат «поставил — подождал — получил отчёт»
— Граундинг на существующий код при внедрении новых фич: как агент находит противоречия раньше людей
— Проблема памяти агентов и почему MD-файлы пока лучшее, что у нас есть

Встречи проходят Live, поэтому будет возможность задавать вопросы спикерам.

Дата и время: вторник 3 марта 16:00 МСК.
Длительность: 1.5 часа.

Добавляйте встречу в календарь, чтобы не забыть: https://luma.com/43ur3kl3

Расписание новых встреч (под спойлером, чтобы с толку не сбивало :))

Четверг 5 марта 16:00 МСК встреча с Денисом DEKSDEN (автор канала @deksden_notes) про его флоу агентной разработки для генерации десяток тысяч строк prod-ready кода. Ссылка на событие.
Пятница 6 марта 13:00 МСК - встреча с Иваном Закутным (автор канала @neuralstack) про First Principle Framework в контексте агентной разработки и инструмент quint-code. Ссылка на событие.
Чуть позже будут еще анонсы, следите за каналом.

А если вы знаете интересных гостей, которым есть что полезного рассказать - присылайте кандидатов в личку или в комментарии к этому посту.

@ai_driven — AI-Driven Development

Друзья, начинаем митап про AI кодинг в больших проектах через 5 минут. Приходите!
"Во всех кионтеатрах всех стран", :)) выбирайте что душе угодно.

Ссылка на Зум в Luma: https://luma.com/event/manage/evt-AuFhLXtqp1DlqGi/overview

Трансляции:
https://www.youtube.com/live/F2cpHNF0Jwg
https://rutube.ru/video/private/93a8d325a1a8be7dccc785542fe9a1ae/?p=PEbI8DRIhdVL1CAamGDD6w

Важно: Смотреть можно откуда угодно, но вопросы читаем только из Зума.

А я всё-таки принял эстафету коммитов от Тимура!

Пути эволюции воистину неисповедимы, и вот мы здесь, меряемся не вполне привычными вещами - количеством коммитов.

Эстафета застала меня во время пересборки своей инфраструктуры для перевода на полноценный GitOps и AgentOps, и к коммитам агентов для кодинга добавилась активность тех, кто делает деплои, дебажит пайплайны и вообще бродит где-то в фоне, иногда вылезая на свет с PR для фикса найденной проблемы в логах или из ретро-фидбек-лупа.

Это еще и совпало с (пока что тщетными) попытками выжирать Pro-аккаунт осознанными задачами, так что последний пик вообще не показателен :)

Как абсолютная метрика, это, конечно, так себе - гранулярность коммитов, их частота, автоматизация и в принципе существование Git в конкретном проекте сильно разнятся, но вот динамика передана более-менее похоже, вместе с запойным эйфорийным режимом работы.

Для меня история ИИ в кодинге началась в конце 2021го с GitHub Copilot, но тогда ощутимо количество коммитов не выросло, а вот когда я добрался до Cursor и Sonnet 3.5 - да, там снова стало интересно самому работать с кодом.

Все следующие пики на графике - это выход какого-то нового инструмента/нейронки, honey moon и тестирование на более сложных и объемных задачах.

Кажется, что прошло лет 10, хотя на самом деле эта круговерть смены инструментов, уровней абстракции и подходов к работе заняла всего-то пару лет.

Разработчики за это время перешли от ручного написания кода к созданию чуть не фабрик по разработке ПО, тыщи людей пишут мелкие утилиты для себя, PM ваяют прототипы, дети вайбкодят игры, да у меня даже хомячок дописывает себе третье приложение...
Страсть сколько всего произошло!

Так что охотно верю предсказаниям о том, что

к лету я ожидаю, что многие люди, работающие с передовыми ИИ-системами, будут чувствовать, будто живут в параллельном мире по сравнению с теми, кто с ними не работает

И к тому времени мы скорее всего увидим и картошку от OpenAI, и нечто мифическое от Anthropic.

А может, кто-то уже чувствует себя в таком вот параллельном мире? :)

—

P.S.
Хотелось бы увидеть такой график от @deksden_notes (уже есть), @elkornacio и @ai_driven :)

Не могу пройти мимо - тут Тимур запускает свой курс по AI Coding.

С Тимуром мы давно уже и много где пересекаемся в профессиональной тусовке вокруг агентов и их применения в разработке, и могу ответственно сказать, что в теме он разбирается и плохому не научит.

В конце-концов, модели приходят и уходят, а навыки работы с ними остаются теми же :)

—

AI Coding для Разрабов

Кому не подойдет?
• Тем, у кого нет опыта в разработке

Кому подойдет?
• Разработчикам
• Тем, кто хотя бы иногда использует AI Coding в работе
• Тем, кто часто использует AI Coding в работе

Цель курса — научить использовать AI Coding на профессиональном уровне

7 недель, 4–5 часов в неделю на просмотр видеоуроков, созвоны и практику.

Что вы получите после прохождения курса?
- Системное понимание, как правильно использовать AI Coding, чтобы решать задачи в разработке
- Понимание, как решать типичные возникающие проблемы с AI Coding (галлюцинации, несоблюдение инструкций, расползание проекта и прочие)
- Plan & Act skill и другие скиллы, которые Тимур использует в своей работе каждый день

Главные детали:
- начало 12 мая, окончание 23 июня
- через неделю будет повышение цен
- количество мест ограничено

Подробности по ссылке:
https://ai.khakhalev.com/course/

Промокод, скидка 5%, FWRVW3

#нереклама #курс #почему_он_а_не_я

Где продукты, Билли? Часть 2

Часть 1.

Что-то всё-таки растёт
Если смотреть не только на громкие SaaS/стартапы, а спуститься туда, где живёт мелкий софт, картина уже другая.

В App Store отмечают резкий рост входящего потока приложений, платформы начинают захлёбываться модерацией слопа, GitHub тоже явно не страдает от недостатка активности (параллельно с этим он в этом году достиг невероятной доступности сервиса - меньше, чем в 90% :))

Но всё это тёмная материя, которую мы практически не видим как пользователи.

Не каждая программа должна стать продуктом
У меня только за последний год набралось штук 20 утилит, написанных для себя - какие-то использовались по паре раз, какие-то - почти ежедневно.
Но ни одна не стала продуктом, и это не "не успел" и не "поленился" - это прям осознанный выбор.

Тут главное, что они решают мою уникальную задачу без того, чтобы становиться продуктом.
Более того, если доводить такую программу до продукта, мне, скорее всего, придется убрать из неё то, что ценно конкретно мне.

Подозреваю, что у каждого, кто занимается AI-кодингом, свой собственный уникальный набор поделок на изоленте :)

А моему хомячку вон вообще никаких других пользователей в его программах и не нужно - это ж нормальный хомяк, антисоциальный, ну всё как надо.

Софт на выброс
Раньше софт чаще всего работал в режиме 1:N - один автор, много пользователей, иначе экономика просто не сходилась.

AI же делает рентабельными режимы 1:1 (для себя) и даже 1:0 (сделал, использовал, выбросил).

И вот такого disposable software у меня на день по нескольку штук создаётся, просто на ходу, чтобы решить мелкую задачу или послужить в решении задачи побольше.
А уж сколько их делают агенты в процессе работы - вообще не счесть.

Не каждый продукт выходит на рынок
К примеру, всё больше софта появляется внутри компаний: автоматизации, отчётность, интеграции, внутренние workflow.

То, что раньше покупали, потому что "самим писать дорого", начинает чаще делаться in-house.
Да, это продукты с десятками-сотнями пользователей, не настолько вылизанные, как коммерческие, но они адаптированы под процессы конкретной организации, не отдают данные наружу и куда дешевле в кастомизации.

Со стороны же это выглядит не как появление нового продукта на рынке, а как отсутствие покупки существующего.

Так что иногда эффект AI на рынок - это не новый SaaS, а минус один купленный SaaS.

Программистам нравится программировать, ваш К.О.
И это ещё одна причина, по которой софт часто остаётся на стадии программы.

Разработка - это короткая дофаминовая петля, а вот продукт - это уже больше операционная работа: онбординг, поддержка, документация для каких-то неизвестных тебе людей, скучные баги, странные ожидания пользователей, вы кто такие, я вас не звал...

AI ускорил именно тот участок, который программистам нравится, но это не делает их автоматически готовыми заниматься продуктовой составляющей.

Так что сделали программу - в лучшем случае залили на GitHub и переходим к следующей.
Или занимаемся ползучим фичеризмом, бреем яков, переделываем workflow в 10й раз - словом, прокрастинируем всеми силами, лишь бы только не заниматься продуктом.

На пути стремления дотащить программу до продукта есть ещё один фильтр - нелинейно растущая сложность. Проблема не новая, но с агентами до состояния "почти работает" добегаешь быстрее, и взрыв на макаронной фабрике случается раньше, а с ним разбираться - совсем другая задача.

Парадокс Ферми
Так вот и получается - если смотреть на рынок, то изменений почти не видно.
И хотя при этом явно увеличивается масса тёмной материи написанного кода, дойти до заметности ему по-прежнему сложно, да часто уже становится и не нужно.

А все перечисленные проблемы можно рассматривать как аналогию многосоставного Великого Фильтра из парадокса Ферми :)

—

Штош, если значительная часть нового софта остаётся личной, внутренней, одноразовой или недопродуктовой, возникает следующий вопрос: а что же будет в перспективе?

Будет интересно узнать, кто как считает.

#ai #product

Нет, вы посмотрите на этого еретика, о чём он вообще?

Признайте: ИИ с лёгкостью уделает вас в кодинге. Нет такой задачи, на которую у вас ушёл бы день, а ИИ не сделал бы её за пять минут.
Всё кончено. Код будете писать не вы. Да-да, я знаю. Смиритесь.

Но вот в чём штука - это даёт вам огромную силу, потому что теперь можно делать то, о чём раньше и мечтать не приходилось.

Например, подумайте о покрытии тестами: вы же помните, какая это была морока. Надо писать все эти чёртовы тесты, и вы знаете, что тесты на самом деле не доказывают, что код работает.
Запускаешь code coverage, ухмыляешься и говоришь: ну да, ладно, но это же не значит, что код работает. Это значит только, что он исполняется.
Так вот, теперь это можно исправить, у вас появились ресурсы, чтобы это сделать. Говорите ИИ: покрой этот чёртов код тестами. А потом берёте mutation tester (да, это такой инструмент - и пусть ИИ его вам и напишет, уйдёт минут пять), дальше ИИ запускает этот инструмент, тот вносит изменения в исходный код и прогоняет все тесты. И если тесты не падают - он допишет тест, который поймает эту мутацию, и это значит, что у вас будет покрытие тестами. Ей-богу, у вас будет покрытие тестами.

И знаете, что ещё можно? Можно анализировать качество кода. Можно написать инструмент, который смотрит на цикломатическую сложность.
Кстати, есть отличный инструмент для этого. Ему лет двадцать. Называется CRAP - хорошее название, как расшифровывается - не знаю и знать не хочу. Это комбинация покрытия тестами и цикломатической сложности.
И вы можете сказать ИИ: понизь метрику CRAP - ниже пяти, ниже четырёх, как хочешь. И это заставит его порезать все жирные функции на маленькие и покрыть их все тестами. Ей-богу - подумайте, какие у вас теперь рычаги, чтобы довести код до качества, какого вы никогда не видели.

Знаю-знаю, я тот самый старый дед с Clean Code, но вот что я вам скажу: теперь вы можете сделать код чертовски чище, если заставите ИИ сделать это за вас.

Да что этот дед может знать про разработку?
Хотя погодите...
Да это же Роберт Мартин - "Чистый код", "Чистая архитектура", "Идеальный программист", "Быстрая разработка программ"!

За последний год от умеренного скептика он окончательно перешёл в стан апологетов использования ИИ в разработке, а теперь вот сидит у себя на веранде в халате по утрам и жжот глаголом :)

Да что с него взять - дед наверное просто на старости лет выжил из ума, раз такое предлагает!

Нуу, а что насчёт всех вот этих людей?

За 52 года программирования оно никогда не приносило столько удовольствия ⬈

90% моих навыков теперь стоят $0 …но остальные 10% стоят в 1000 раз больше

Kent Beck (XP, TDD)

Появление LLM меняет разработку настолько же радикально, как переход от ассемблера к языкам высокого уровня ⬈

Меняется само понятие того, что значит "программировать" ⬈

Martin Fowler (Refactoring, PoEAA)

ИИ выведет на чистую воду тех, кто никогда не умел думать как инженер ⬈

Верификация становится узким местом. Кодогенерация сама по себе дешевая ⬈

Dave Farley (Continuous Delivery)

Это третий золотой век разработки софта - благодаря ИИ ⬈

Меня это не пугает. Меня это радует. Меня это освобождает ⬈

Grady Booch (UML, OOAD)

Писать код руками - это как проявлять фотоплёнку в тёмной комнате. Никто так больше не делает ⬈

Тебе больше не нужны шесть разработчиков плюс UX плюс продукт. Тебе нужен человек с проблемой и разработчик, который её решит ⬈

Gene Kim (Phoenix Project, DevOps Handbook)

—

Это ж всё сплошь архитектурные астронавты - что они могут знать про реальную разработку: как мы перекладываем JSON'ы, про наши CRUDогенераторы, и про то, насколько важно использовать табы вместо пробелов?

Ну да, ну да :)
А получается у них с ИИ именно потому, что для них разработка всегда была не про написание кода.
И идеи этих дедов стали актуальны как никогда.

Кстати, довольно интересно отслеживать эволюцию их взглядов, а с дядей Бобом ещё и спорить иногда случается :)

#rant #дедпримитаблетки

Стрим про кодинг-интервью в эпоху агентов

Классические форматы найма разработчиков в свете AI устаревают на глазах.
Задачки с условного литкода оценивают навык, который в реальной работе и так редко использовался, да и сам процесс подготовки и проведения таких интервью давно уже превратился в специфический ритуал.

Так что некоторые компании уже начали в пилотном режиме проводить AI-assisted coding interview, где кандидату выдаётся агент и задача по работе с реальной кодовой базой.

Раньше мы чаще проверяли кандидата на то, может ли он писать код, а теперь всё больше становится интересно другое: как он декомпозирует задачу, ставит её агенту; как отличает хорошее решение от галлюцинаций; ревьюит результат и объясняет, почему сделано именно так.

О чём хочется поговорить:
● какие форматы устаревают и какие становятся важнее;
● какие из них теперь покрываются ИИшкой;
● какие задачи в принципе подходят для такого формата;
● какого агента давать кандидату (hot take, что не очень умного :));
● уровни и критерии оценки.

Короче, сегодня стихийно соберемся вместе:
● Коля с канала AI и грабли
● Родион - AI-Driven Development. Родион Мостовой
● Максим - Этихлид

...и поразгоняем на эту тему.

1 мая (сегодня), 15:00 МСК: https://luma.com/r3hyapoy

Кидайте ваши вопросы в комменты - постараемся и на них ответить на стриме.

—

Запись стрима: https://youtube.com/live/y2NnheH1-eU

—

#ai #hiring #interview