Вот и закончился месяц использования GPT с Pro подпиской за 200$. Я заранее перевёл свой план обратно на Plus за 20$, но в процессе работы лимит по этому плану кончился быстрее, чем мне пришёл чек об оплате 🤣

За последний месяц я потратил 1,5 миллиарда токенов (сколька?!), если верить утилите ccusage. Другая утилита показывает примерно вдвое меньше, хз какой из них верить 🙂 Но это всё равно в разы больше, чем я тратил до этого и походу назад дороги уже не будет))

Приловчился запускать по нескольку агентов параллельно для решения одной задачи, иногда в разных ветках делаю 2 задачи параллельно. Немного позже расскажу про сценарий решения цепочки из 90 однотипных задач сразу без перерыва 🙂

Ещё из интересного - оставляю агенты работать пока отхожу от компа в течение дня: покушать, покакать там, ну вы поняли. Если раньше я всегда слышал, что "никто не работает реально по 8 часов на работе", то сейчас я понимаю, что и по 9, и по 10 часов можно работать непрерывно. А если приловчиться, то можно и во время сна работать)))) И скорее всего так и произойдёт однажды. Когнитивная нагрузка при этом меняется: уже не нужно думать о том, как реализовать какие-то детали, уровень абстракции становится выше. Весь фокус только на бизнес-логике.
В общем, гребец начал грести усерднее и дольше, лимон выжимается эффективнее. К концу дня хочется просто упасть на диван 😬

А ещё мне придётся прятать свою стату от Кабан Кабаныча, чтобы внезапно не стать "любимчиком" в команде среди коллег 🙈🤣

У кого-то есть похожие ощущения? Насколько продуктивнее кажется работа с нейронками?

Статистика по токенам, которую я раньше публиковал, оказалась детским репом 🙂
Приближаюсь к расходу в 1 млрд токенов в день, практикуясь в "бесконтактном" программировании. Кажется, это уже пару месяцев как новая мета. Кто-нибудь уже научился эксплуатировать нейронки во время сна? 🔍

Первая относительно успешная ночная смена на 6 часов, 60 итераций, 6 млрд. токенов 🔍
Автономные агенты оказались немного сложнее, чем я думал, но всё ещё достижимо. Начинаю понимать, с какими проблемами столкнулись исследователи из антропик, у которых агент сутками работает.
Есть ещё что улучшать, думаю, на след неделе расскажу подробнее 🔍

Все же учат какой-нибудь иностранный язык? Зацените какая клёвая игра на запоминание слов 🔍

https://youtube.com/shorts/I5NZDKqH0l0

Есть один минус: нужен study buddy

Попросил ИИ накидать скриптик 🔍
Вот разбивка по дням. Жёлтые столбики - всего чанков переписки, синяя линия - сколько из них именно этих тяжёлых системных "невидимых" промптов в %.

20~25% лишних токенов было в феврале 🤔
А что случилось 9 марта, кто-нибудь знает?

Вот какое охлаждение потребуется для RTX6090 🔍

А вообще, гифка показывает как технология из 2024 постепенно внедряется в датацентры. Пачка компов погружается в бассейн маслянистой жидкости, которая в теории может экономить до 80% энергии на охлаждение, а в реальности пока около 30%. Но это всё равно очень много и здорово, что кто-то такое изобретает!

Интересно, сколько лет им понадобится чтобы догадаться платы ставить не поперёк, а вдоль бассейна и циркулировать жидкость)))

Ждём следующий датацентр на дне океана 🔍

Самый частый вопрос на собеседованиях на должность бэкенд разработчика - "как понять, что запрос в БД является оптимальным?".
Можете говорить что угодно, но в 2026 правильным ответом будет "спросить у нейронки". Конечно, прямо сейчас общество ещё не готово принять такой ответ полностью, поэтому придётся добавить запятую, сказать, что это шутка и начать объяснять про EXPLAIN ANALYZE, индексы, кэш и прочие приколы. Но в реальной жизни вчитываться в SQL код больше нет никакого смысла. Важно знать теорию, чтобы понимать возможности софта, но нейронка расскажет гораздо больше, чем ты встретишь таких задач за всю свою жизнь. Даже простого вопроса "расскажи, почему этот запрос медленный" достаточно, чтобы решить 100% проблем, возникающих в реальности. Даже не 99,9%, правда.

Другое дело - сложно не заметить очень сильное туннельное зрение у нейронок. Если попросить реализовать фичу, она прекрасно выдаст результат, который будет покрыт тестами с первого же запроса, но чтобы результат работал быстро, необходимо задать ещё один вопрос - никто же не просил "сделать быстро", вот ИИ и не делает.

Приведу пример с сайд-проекта, который я потихоньку пилю:
Есть таблица на 1000 строк с несколькими связями. При открытии приложения, оно грузилось 20 секунд. Для 1000 строк это перебор, но причина сходу стала очевидна - отсутствовала пагинация. Добавил пагинацию, загрузка теперь занимает 5 сек - всё ещё бесконечно много для 1000 строк. Поскольку проект чисто вайбкодерский, спрашиваю, почему так долго? Оказалось, пагинация хоть и выполнялась на уровне базы, но данные из связанных таблиц добавлялись путём отдельных запросов к базе и маппинга в бизнес-логике 🤯 Однако, мне не пришлось намекать, что так дела не делаются. Жестяной сразу осознал, что надо это всё объединить в один запрос и теперь загрузка страницы стала занимать 1 секунду.
Уже лучше, но я-то знаю, что это всё ещё очень много, и говорю: бро, всё ещё слишком долго, я знаю, что можно сделать за 100мс. И действительно, через несколько минут шуршания шестернями, я получил долгую цепочку рассуждений про сеть, что база находится слишком далеко от сервера, но потом он заметил LEFT JOIN LATERAL, который и тормозил запрос. После этого исправления страница наконец-то начала грузиться со скоростью пинга к базе, на чём я и остановился.

В любом случае, на весь этот процесс у меня ушло гораздо меньше времени, чем я бы сам руками это всё проектировал и печатал. Кодекс сам поставил все необходимые метрики, прочитал експлейны, проставил индексы... Пусть не с первого раза, но результат достигнут. А делать это всё руками больше нет никакого смысла, как и задавать такие вопросы на собеседованиях (наверное) 😬

Вообще, я бы сравнил процесс оптимизации запроса к базе с NP-полной задачей: нет универсального алгоритма, который можно применить и доказать, что запрос точно гарантированно выполняется по самому оптимальному маршруту. Приходится пробовать разные варианты, сравнивать метрики и оставлять лучшее из проверенного. Частные случаи, разумеется есть, но запросы с 50 джойнами - это не редкость.

За нейронками всё ещё глаз да глаз. Полная замена кожаных пока откладывается 🔍

Прогрелся недавно на пост, где разработчики показали календарь релизов Claude, что типа они каждый день что-то релизят и функции действительно интересные. Очень хочется попробовать, купил "нищую" подписку за 20$ после перерыва в полгода 🔍

Как по-вашему, Claude лучшая экосистема для вайбкодинга или нет?

Фанаты Claude, можете объяснить мне, как такое возможно, что на Opus 4.6 со включённым Extended Reasoning нейронка не дочитала файл до конца, который сгенерил GPT 5.4 одним промптом?!

Файл текстовый весит 90 Кб, примерно на 30к токенов, ну как так-то?
Такую же задачу гпт решает без нареканий. Для меня это критический показатель, как будто все остальные бенчмарки типа SWE и прочий маркетинговый буллшит показывают нам недостоверные метрики. Для "лучшего ИИ для кодинга" это не приемлемо. А вдруг она контекст проекта тоже не до конца считывает, и из-за этого упускает важные вещи?

Я понимаю, что действительно большие проекты с миллионом строк кода ни в какую память и ни в какое контекстное окно не влезут, и гораздо важнее грамотное его применение путём использования инструментов типа grep, компактизации и т.д. Но получается, что ризонинг Опуса не понимает Definition of Done даже на таком КРОШЕЧНОМ примере 📝

Что-то я прям расстроен.

С другой стороны, офигеть, как выросли требования к нейронкам за последние полгода 🔍

Зацените, откликаюсь на вакансии и вижу просят лицом отсветить на видео. При чём, это не джоб борд, а просто сайт конторы. Хорошо хоть можно видос записать, а не первым дублем фристайлить 🙏

Ну я и записал 🔍