Спите? тут самый известный и загадочный инсайдер в ИИ-сообществе Strawberry Man, сливы которого почти всегда подтверждались предрекает релиз Mythos на 16 апреля, по всем бенчмаркам более 95%
цена $120/$600 за миллион токенов
окно контекста 10 миллионов токенов
только для корпоративного использования (надеюсь нет, а если да, то замутим каналом Futuris co и будем юзать по очереди😨)

capybara is here.

capygpt is agi🌚

Я уже ничему не удивлюсь, даже если всё окажется правдой и даже круче, ставим напоминалки на 16.04 🗓

Ну, не прошло и суток, как утёкший исходник Claude Code уже форкнули в OpenClaude — тот же CLI, но с поддержкой 200+ моделей включая бесплатный Ollama🍿

Что работает: 🔧 Все инструменты — bash, чтение/запись/редактирование файлов, grep, glob 🌐 WebFetch, WebSearch 🤖 Суб-агенты (AgentTool), мульти-степ цепочки 🔌 MCP-серверы, LSP, Jupyter ноутбуки 💬Slash-команды — /commit, /review, /compact, /diff, /doctor 🖼 Vision (передача картинок в модель) 🧠 Persistent Memory между сессиями 📡 Стриминг в реалтайме

Что не работает: ❌ Extended Thinking (фича только Claude) ❌ Prompt caching (специфика Anthropic API)

Работоспособность зависит от модели на которой гоняете. По сути комьюнити за сутки сделало то, что Anthropic не хотела давать — CLI-агент с полным набором dev-инструментов. Бесплатно, локально, с любым мозгом на выбор 😊

лежит тута - https://github.com/Gitlawb/openclaude

OpenClaw+OpenClaude = openAGI💎

💡 Управляйте всеми сервисами через одного ИИ-агента в Telegram

Google Calendar, Notion, Gmail, Drive, GitHub и 800+ других — в одном чате.

Достаточно одной команды:

🔗 "Подключи мою почту"
📅 "Напомни о встрече за час и помоги подготовиться"
📬 "Проверь почту и выдели важное"
📝 "Опубликуй пост в мой X"

Без сложных интеграций и настроек — просто напишите Mira, что нужно.

Андрей Карпаты показал идеальную архитектуру для ИИ-агентов (и она гениально проста👌)

Забудьте про сложные векторные базы данных (RAG) и платные инструменты. Известный ИИ-исследователь Андрей Карпаты поделился своим методом создания саморазвивающегося «второго мозга», который работает исключительно на голых текстовых файлах.

🧐Как это устроено:
Вы просто скидываете все исходники (статьи, PDF, картинки) в папку raw/. Затем натравливаете на неё языковую модель. Нейросеть выступает в роли автономного библиотекаря: она сама читает данные, пишет саммари, разбивает информацию по категориям и собирает из обычных Markdown-файлов (.md) структурированную Википедию, проставляя перекрестные ссылки. Obsidian (не cli, бесплатная версия) здесь используется просто как удобная и бесплатная программа для просмотра этих файлов.

✨В чем главная магия:
Весь секрет — в закольцованности. Когда вы задаете ИИ сложный вопрос по собранной базе, он не просто выдает текстовый ответ в чат. Он генерирует новую статью, таблицу или график и физически сохраняет этот ответ обратно в папку. Таким образом, с каждым вашим исследовательским запросом база знаний становится умнее и обрастает новыми связями.

🧠 «Петля знаний» Андрея Карпаты
Вместо того чтобы каждый раз закидывать в чат-бота тонны текста, он использует его как автономного редактора:

Свалка (Raw): Он просто скидывает нужные PDF, датасеты, картинки и вырезки из интернета в одну папку на компьютере.

Компиляция: LLM (через простые скрипты в терминале) сама читает всё это и пишет структурированную Википедию в формате Markdown. ИИ делает саммари, выделяет концепции и проставляет обратные ссылки.

Интерфейс: Карпаты почти не пишет заметки руками. Он открывает Obsidian просто как красивую читалку для того, что собрал и отсортировал ИИ.

Магия цикла: Когда он задает сложный вопрос, ИИ ищет ответ в этой же базе, выдает результат и сохраняет его обратно в Википедию как новую статью. База знаний прокачивает сама себя с каждым вашим запросом.

Этот подход доказывает, что автономным ИИ-агентам не нужны гигантские окна контекста (запихивать все знания мира в один промпт — дорого и неэффективно) или сложные API-интерфейсы. Им нужна просто хорошая файловая система и понятная инструкция в корневой папке (например, файл AGENTS.md).

Это дешево, абсолютно прозрачно (все знания лежат в ваших папках на диске, а не в «черном ящике» весов нейросети) и открывает путь к созданию совершенно нового класса полезных ИИ-продуктов. В комментариях разработчики соглашаются, что это идеальная архитектура для будущих ИИ-агентов. Им не нужна бесконечная память в голове, им нужна хорошая файловая система, в которой они могут сами копаться, наводить порядок и из которой могут извлекать знания🤓

Качаем, тестируем, эволюционируем🥳

Значит так🤓 16 апреля мы ждём Mythos
Теперь появилась информация (стандартный прогрев перед релизами) о скором релизе Картофелины🥔 (Spud) от OpenAI, понятно, что проигрывать в конкуренции они не собираются. Что знаем на данный момент?

OpenAI завершила pretrain «Spud». Альтман в мемо сотрудникам: «Ожидайте очень сильную модель через несколько недель, которая может по-настоящему ускорить экономику». Продуктовый отдел переименован в «AGI Deployment». OpenAI только что закрыла раунд $122B при оценке $852B, IPO до конца 2026. Spud — их главная ставка.

🥔 Pretrain завершён, идёт тестирование
🗓 Релиз: 2-3 недели (середина апреля)
🤖 Модель агентная с нуля — не фича, а основа
🎬 Sora закрыта — весь compute перекинут на Spud
🧮 Внутренняя модель решила 3 задачи Эрдёша (над ними десятилетиями бьются лучшие математики, многие до сих пор не решены)
⚔️ Война Q2: Spud vs Mythos (Anthropic)

ну и появился очередной твит клубничного чела, похоже, нас ждёт GPT-6, готовимся к горячему месяцу🔥

ну и вот ещё списочек релизов за последний месяц и планы на апрель (нехило так ИИ-волна разогналась🌊)

- Meta Avacado
- Deepseek V4 ❓
- GPT-5.5/6 (“Spud”) ❗️
- Gemma 4 series✅
- Qwen3.6-Plus✅
- Qwen3.5 Max Pro✅
- Qwen3.5 Omni Plus✅
- Gemini 3.1 Flash Live ✅
- GLM-5.1 open weights
- GLM-5V-Turbo✅
- MiniMax M2.7 open weights
- MiniMax M3.0
- Kimi K3.0
- Claude 5 (“Mythos”) ❗️
- StepFun
- Hunyuan 30B MoE
- Trinity Large Thinking (🇺🇸) ✅
- 1-bit Bonsai 8B (🇺🇸) ✅
- Holo3 (🇫🇷) ✅


And it will be only faster going forward ⚡️

В дополнение к концепции Андрей только что опубликовал Gist-файл LLM Wiki - по сути, это готовый системный промпт для вашего ИИ-агента. Вы просто копируете этот текст в настройки, и нейросеть переключается в режим строгого библиотекаря.

Что важного он прописал в этой инструкции для ИИ:

🗂 Система двух файлов: Чтобы ИИ не путался в сотнях заметок без сложного векторного поиска, он обязан вести index.md (общий каталог всех страниц с кратким описанием) и log.md (хронологический лог всех своих действий — что прочитал, что добавил).
🧹 Режим «Уборки» (Lint): Карпаты поручает ИИ периодически проводить аудит базы. Нейросеть сама ищет противоречия между старыми и новыми статьями, находит «осиротевшие» страницы без ссылок и предлагает, какую информацию стоит догуглить.
🛠 Правило «Схемы»: В корне папки должен лежать файл CLAUDE.md или AGENTS.md. Это конституция вашей базы, которую вы пишете вместе с ИИ под свои нужды (например, «всегда сохраняй картинки локально» или «делай таблицы для сравнений»).

По сути, это готовый open-source фреймворк. Копируете текст, натравливаете агента на пустую папку — и ваш автономный «второй мозг» готов к работе! 🤖

🧠 OpenHarness - новый король ИИ-агентов

Буквально на днях китайская лаборатория HKUDS (те самые ребята, что сделали LightRAG) выкатила в опенсорс свой новый фреймворк — OpenHarness. За пару дней проект влетел в топы GitHub (4к ⭐️) и на это есть весомые причины.

🤔Что это вообще такое?
Слово harness (оснастка/каркас) отлично передает суть. Это не нейросеть, а программный «экзоскелет» для создания автономных ИИ-агентов (SuperAgents).
Если обычный API-запрос — это разовая команда, то OpenHarness дает ИИ изолированную песочницу для выполнения кода (sandbox), доступ к долгосрочной памяти, систему навыков (skills) и возможность плодить субагентов под конкретные задачи.

Почему такой хайп именно сейчас?
Релиз OpenHarness идеально совпал с настоящей драмой на рынке.

Еще вчера все молились на OpenClaw — популярного персонального ИИ-ассистента. Разработчики привязывали к нему свои безлимитные подписки Claude Pro/Max и за $200 в месяц получали автономного раба, который сутками писал код и управлял ПК.

Но халява закончилась. Вчера Anthropic официально прикрыла эту лазейку. Теперь подписки не покрывают работу сторонних ИИ-фреймворков. Хочешь автономного агента? Плати за каждый токен по API, что увеличивает чеки в десятки раз. Создатель OpenClaw бушует в Твиттере, а комьюнити в панике ищет альтернативы.

И тут на сцену выходит OpenHarness. В отличие от потребительского OpenClaw, решение от HKUDS — это чистый, академический движок для разработчиков.

В чем разница с OpenClaw?

OpenClaw — это сам «работник🧑‍🌾» (готовый ИИ-агент), которого вы нанимаете писать вам код.

OpenHarness — это «завод😨», на котором вы собираете и тестируете таких работников.

Если вы хотите не просто использовать чужих агентов, а создавать своих — OpenHarness сейчас выглядит как инструмент must-have.

🤖Итог:
Если вы планируете строить сложные AI-проекты с функцией Function Calling, сложной памятью и оркестрацией — сейчас самое время разбираться с OpenHarness.

гит 🔗 https://github.com/HKUDS/OpenHarness