👣 Релиз Flutter 3.47: главные изменения для разработчиков

Вышла новая версия Flutter 3.47. Обновление заметное. Material и Cupertino наконец-то выехали из SDK в отдельные пакеты. Impeller стал рендерером по умолчанию на десктопе. Плюс подготовка к осенним обновлениям Apple и другие улучшения. Давайте разберем все основные изменения.


Material и Cupertino теперь отдельные пакеты:

Главное изменение. Material и Cupertino больше не встроены в SDK. Теперь это отдельные пакеты на pub.dev: material_ui и cupertino_ui. Это значит, что обновления виджетов теперь могут выходить независимо от релизов Flutter.

Пока это опционально. Старые импорты из package:flutter/material.dart все еще работают, но они объявлены устаревшими и будут удалены в ноябре.

Для миграции достаточно выполнить команду:

dart fix --apply --code=migrate_design_widgets

После этого импорты обновятся автоматически. Если что-то пошло не так, можно добавить пакеты вручную:

flutter pub add material_ui
flutter pub add cupertino_ui

Важный момент для пакетов с зависимостями: если вы еще не обновились, а ваши зависимости уже используют новый подход, поможет MaterialUiCompatibilityBridge.

Также вместе с UI-пакетами разобрали flutter_localizations. Теперь делегаты локализации живут внутри material_ui и cupertino_ui, а не в отдельном пакете.


Подготовка к iOS 27 и macOS 27:

Apple осенью выпустит Xcode 27 с новыми требованиями. Минимальная версия iOS поднята до 15, macOS до 12. iOS 27 SDK требует жизненного цикла UIScene. Приложения без него не запустятся на новых устройствах.

Для большинства проектов CLI мигрирует автоматически. Но если в проекте есть кастомный AppDelegate, придется править руками. Лучше проверить сейчас.

Также Flutter постепенно сворачивает поддержку Intel Mac. В этой версии только предупреждения, но в будущем сборка на Intel перестанет работать. Можно уже сейчас переключиться на ARM64-only:

flutter config --enable-macos-arm64-only

По Swift Package Manager прогресс: 92 из топ-100 плагинов уже перешли на SPM. Если вы еще не включили SPM, можно попробовать:

flutter config --enable-swift-package-manager

Impeller теперь на десктопе по умолчанию:

Impeller стал рендерером по умолчанию на macOS, Windows и Linux. Если вы не знаете, что это - новый рендеринг-движок, который компилирует шейдеры на этапе сборки, а не в рантайме. Это решает проблему шейдерных джанков. Первая анимация работает так же плавно, как и все последующие.

На macOS также включили Wide Gamut Color - более насыщенные и точные цвета.

Отключить Impeller можно, но в будущих версиях опция будет удалена.


Flavors для десктопа:

Flavors, которые работали на мобилках, теперь доступны и на Windows и Linux. Можно использовать разные ассеты и настройки для разных окружений.

flutter build windows --flavor production
flutter build linux --flavor staging

Экспериментальный многооконный режим тоже доработали. На Windows и Linux появились popup-окна. Можно делать контекстные меню и палитры.


🔗 Читать подробнее


💡 Вывод:

Flutter 3.47 - важное обновление. Главное - Material и Cupertino выехали из SDK. Это упростит обновления виджетов и снизит зависимость от релизов Flutter.

Impeller на десктопе - большой шаг для производительности. Flavors и многооконный режим делают десктоп-разработку более гибкой. А подготовка к осеннему релизу Apple заставляет проверить проекты на совместимость.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Релиз Dart 3.13: что принесла новая версия

Вышла новая версия Dart 3.13. Главное изменение - primary constructors стали стабильными. Это сокращает количество шаблонного кода при объявлении классов. Кроме того, улучшили форматирование, добавили tree-shaking для нативных библиотек и обновили поддержку веба.


Primary constructors стали стабильными:

В Dart 3.13 primary constructors наконец-то добавили в стабильную версию. Теперь класс с полями и конструктором можно объявить в одну строку.

class Point(final int x, final int y);

Больше не нужно писать отдельный конструктор и повторять имена полей. Для миграции добавили новые линты с автофиксами и рефакторинг «Convert to primary constructor» прямо в IDE.


Форматер стал умнее:

В dart format несколько изменений, которые делают код чище. Исправлена ошибка, из-за которой методы с большими коллекциями форматировались некрасиво. Теперь вызовы разбиваются более читаемо.

Также форматер начал автоматически разделять секции импортов пустыми строками, как того требует Effective Dart. Импорты dart:, package: и относительные пути теперь визуально отделены друг от друга.


Tree-shaking нативных библиотек:

Появилась возможность удалять неиспользуемый нативный код из финального бинарника. Раньше даже если вы вызывали только одну функцию из большой нативной библиотеки, вся библиотека оставалась в сборке. Теперь это можно исправить.

Нужно пометить FFI-биндинги аннотацией @RecordUse(), а в link hook через package:record_use оставить только те символы, которые действительно вызываются. Если биндинги не используются - библиотека выкидывается целиком. Это значительно уменьшает размер финального приложения.


Web - deferred loading и отказ от dart:html:

Для dart2wasm появилась экспериментальная поддержка отложенной загрузки (--enable-deferred-loading). Это улучшает время начальной загрузки больших приложений.

Также библиотека dart:html объявлена устаревшей. Вместо нее нужно использовать dart:js_interop и package:web. Многие пакеты уже мигрировали, так что обновление зависимостей часто решает проблему автоматически.


🔗 Читать подробнее


💡 Вывод:

Dart 3.13 - насыщенное обновление. Primary constructors сокращают шаблонный код. Форматер делает импорты чище. Tree-shaking нативных библиотек уменьшает размер бинарников. Веб-инструменты двигаются в сторону dart2wasm и современных библиотек.

Primary constructors упростят код, а tree-shaking пригодится в проектах с тяжелыми нативными зависимостями. Особенно если вы собираете релизные сборки, где каждый мегабайт имеет значение.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Работа с растровыми изображениями во Flutter

Во Flutter размеры задаются в точках, а не в пикселях. Одна точка может соответствовать разному количеству пикселей в зависимости от плотности экрана. Чтобы изображение выглядело одинаково хорошо на всех устройствах, нужно подготовить несколько версий одного и того же файла под разные коэффициенты масштабирования.


Что такое devicePixelRatio:

Коэффициент devicePixelRatio показывает, сколько физических пикселей содержится в одной логической точке. На старых устройствах это 1x. На современных - 2x, 3x и даже 4x. Чем выше коэффициент, тем больше пикселей нужно для отображения одной точки.

Flutter автоматически выбирает нужную версию изображения, основываясь на плотности экрана устройства.


Сколько версий нужно:

Обычно достаточно подготовить изображения для коэффициентов 1x, 1.5x, 2x, 3x и 4x. Больше требуется редко. Меньше - может привести к размытию на устройствах с высокой плотностью экрана.

Каждая версия должна иметь размер, соответствующий ее коэффициенту. Например, если изображение в точках имеет размер 100x100, то для 2x нужно подготовить 200x200 пикселей, для 3x - 300x300.


Как организовать хранение:

Flutter ожидает, что файлы для разных коэффициентов будут лежать в отдельных папках. Имена папок должны соответствовать коэффициенту: x1.5, x2.0, x3.0, x4.0.

assets/
  images/
    x1.5/
      photo.png
    x2.0/
      photo.png
    x3.0/
      photo.png
    x4.0/
      photo.png
    photo.png

В pubspec.yaml достаточно указать корневую папку. Flutter сам найдет нужные файлы в зависимости от плотности экрана.

flutter:
  assets:
    - assets/images/

🔗 Читать подробнее


💡 Вывод:

Подготовка изображений под разные плотности экрана - обязательный шаг для качественного отображения. Несколько версий файлов в папках x1.5, x2.0, x3.0, x4.0 и правильное указание в pubspec.yaml - все, что нужно.

Flutter делает выбор автоматически. Разработчику остается только подготовить ассеты и правильно организовать структуру. Это несложно, но влияет на внешний вид приложения на устройствах с разными экранами.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Почему primary constructors в Dart сложнее, чем кажется

В Dart 3.13 появилась фича, которую ждали годами - primary constructors. Теперь класс с полями и конструктором можно объявить в одну строку. Но путь к этому решению был долгим. Команда Dart потратила много времени на обсуждение деталей и принятие компромиссов. Боб Нюстром написал большой разбор о том, через что пришлось пройти. Давайте разберем самые важные моменты из данного разбора.


Почему синтаксический сахар важен:

Primary constructors не добавляют в язык новых возможностей. Все, что можно сделать через них, уже можно было написать старым способом. Это чистый синтаксический сахар.

Вопрос в том, зачем он нужен. Синтаксический сахар оправдан в нескольких случаях.

🔹Первый - когда новый способ просто лучше старого. Например, в Dart 2.0 сделали необязательным ключевое слово new при создании объектов. Старый синтаксис остался для совместимости, но никто его не использует.

🔹Второй - когда синтаксис сильно упрощает частый сценарий. В Dart изначально не было enum. Их эмулировали через классы с константами. Когда добавили настоящие enum, код стал не только короче, но и понятнее.

🔹Третий - когда синтаксис делает намерение более явным. Код в классах с константами не давал понять, что это enum. А настоящий enum сразу говорит о определенном наборе возможных значений.


Зачем нужен primary constructors:

Primary constructors решают конкретную проблему: объявление класса с конструктором, который просто сохраняет параметры в поля.

Без primary constructors код выглядит так:

class Point {
  final int x;
  final int y;
  Point(int x, int y) : x = x, y = y;
}

С использованием initializing formals:

class Point {
  final int x;
  final int y;
  Point(this.x, this.y);
}

Но разработчики хотели еще короче. Чтобы можно было просто написать так:

class Point(final int x, final int y);

Основная проблема:

Главная сложность: синтаксический клиф. Это когда ты начинаешь с простого синтаксиса, а потом хочешь добавить маленькое изменение, но оно не вписывается, и ты вынужден переписывать все.

Например, у класса есть primary constructor с кучей параметров. Потом нужно добавить логирование в конструктор. Если primary constructor не поддерживает тело, придется переписать все обратно на старый синтаксис.

Чтобы избежать этого, в Dart добавили блоки this { ... } внутри класса. Они позволяют добавить тело или инициализатор для primary constructor без переписывания всего.

class FormatterOptions(
  final int indent = 0,
  final int pageWidth = 80,
) {
  this {
    log.write('Created options.');
  }
}

Новый синтаксис конструкторов:

Еще одно изменение касается объявления конструкторов. Раньше нужно было повторять имя класса:

class LongClassName {
  LongClassName(); // безымянный
  LongClassName.create(); // именованный
}

Теперь можно использовать ключевое слово new:

class LongClassName {
  new(); // безымянный
  new create(); // именованный
}

Для фабричных конструкторов:

class AnotherLongClass {
  factory () { ... } // фабричный
  factory create() { ... } // именованный фабричный
}

Это короче, особенно для длинных имен классов. И решает проблему с typedef и расширениями, где имя класса не всегда доступно.


🔗 Читать подробнее


💡 Вывод:

Primary constructors в Dart 3.13 - это не просто очередной синтаксический сахар. Это результат долгого размышления о том, как сделать язык удобнее и проще.

Команда языка учла опыт других языков, добавила защиту от синтаксических клифов и изменила объявление конструкторов на более простое. В итоге код стал короче, , а язык чуть более приятным для повседневной работы.

Это не последнее изменение. Язык продолжает развиваться. Но primary constructors - хороший пример того, как дизайн языка может быть одновременно эволюционным и продуманным.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Архитекторы, тестировщики и кодеры. Создаем мультиагентную команду

Разработка с ИИ-агентами за последний год сделала большой шаг вперед. Но многие все еще используют одного агента для всего: архитектуры, тестов, отладки. На маленьких задачах это работает. Когда проект становится сложнее, агент теряет контекст, начинает галлюцинировать и допускать ошибки.

Недавно в блоге Flutter вышла статья, в которой автор экспериментирует с мультиагентным подходом. Вместо одного универсального агента он создал команду из четырех специализированных ролей: архитектор, тестировщик, кодер и координатор. Задача была не простая: портировать популярную Python-библиотеку python-statemachine в статически типизированный Dart-пакет без использования рефлексии (dart:mirrors во Flutter запрещены).


Как устроена мультиагентная команда:

Основа эффективной агентной команды - четко определенные роли с ограничениями на то, что агент может делать.

Автор создал общий воркфлоу-скилл (tdd-dart-workflow) с правилами TDD и разрешениями, а также четыре ролевых скилла:

🔹Архитектор: анализирует исходный код, создает architecture_blueprint.md и спецификации модулей в specs/. Не может писать в lib/, test/ и example/.

🔹Тестировщик: пишет падающие тесты в test/ на основе спецификаций архитектора. Не может просматривать или изменять lib/ и specs/.

🔹Кодер: создает скелеты и реализует код в lib/src/, чтобы тесты проходили. Не может редактировать test/ и specs/.

🔹Координатор: управляет родительским агентом. Отвечает за коммиты, запуск dart analyze и dart test, делегирует задачи суб-агентам.

Строгое разделение ролей не дает ни одному агенту изменять и тесты и код одновременно. Координатор получает только краткий отчет о завершении задачи. Это создает когнитивный файрвол: история проб и ошибок суб-агента отбрасывается после завершения его задачи. Контекст координатора остается чистым, без переполнения токенами.

Для предотвращения гонок и непроверенных коммитов доступ к файловой системе ограничен:

🔹Координатор: чтение и запись везде, но без прямых изменений кода.

🔹Архитектор: чтение везде, запись только в specs/ и skills/.

🔹Тестировщик: чтение везде, запись только в test/ и example/.

🔹Кодер: чтение везде, запись только в lib/ и example/.


Статическая типизация и TDD:

В динамических языках TDD начинается с падающего теста, который выбрасывает рантайм-ошибку. В статических языках тест для несуществующего метода не скомпилируется, и тест-раннер даже не запустится.

Решение: сначала тестировщик пишет тесты по спецификации. Затем кодер создает скелеты в lib/src/ с заглушками, которые возвращают dummy-значения или бросают UnimplementedError. Когда скелет удовлетворяет компилятору, координатор запускает dart analyze && dart test и проверяет, что тесты падают по правильным причинам. Комментарии отделяют временные заглушки от постоянных тестовых утилит.


Результат:

Итоговый Dart-пакет state_machine сохранил полную функциональность оригинальной Python-библиотеки. Кодер реализовал fluent-билдеры для поддержки Dart-синтаксиса.


🔗 Читать подробнее


💡 Вывод:

Мультиагентный подход с разделением ролей работает для Flutter-разработки. Он предотвращает потерю контекста, уменьшает галлюцинации и повышает качество кода. Когнитивный файрвол позволяет сохранять чистоту контекста координатора, отбрасывая историю суб-агентов после завершения задач.

Но подход не без проблем. Необходимы четкие роли, ограничения на запись и навыки, описывающие процессы. Требуется постоянная доработка скиллов по мере возникновения новых ситуаций.

В итоге автор получил не просто Dart-пакет, а набор переиспользуемых навыков для мультиагентной разработки. Вместо одного агента, который пытается делать все, команда из четырех специализированных агентов работает эффективнее. И это, вероятно, будущее Flutter-разработки с ИИ.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Плагин Flutter для VS Code обновился до версии 3.142.0

Вышло обновление плагина Flutter для VS Code. Изменений немного, но есть полезные: deep-link в DevTools вернулись, рефакторинги теперь запрашивают имя, а мелкие исправления делают работу чуть стабильнее.


Deep-link в DevTools вернулись:

Плагин снова поддерживает deep-link в DevTools. Теперь при возникновении ошибок вроде Overflow появляется уведомление с кнопкой, которая открывает нужную страницу DevTools и переходит к проблемному виджету или месту в коде.

Это экономит время: не нужно вручную искать проблему в Widget Inspector. Система сама подсказывает, где смотреть.


Рефакторинги запрашивают имя:

С выходом стабильной версии Flutter рефакторинги «Add a name to the constructor» и «Add a prefix to the import» теперь запрашивают имя у пользователя. Раньше плагин подставлял имя, сгенерированное сервером. Теперь можно ввести свое.

Также в будущих версиях SDK появится валидация при вводе. Ошибки будут блокировать подтверждение, а предупреждения - нет. Это позволит избежать опечаток и некорректных имен.


Мелкие исправления:

🔹Убрали текст «Starting debug session…», который мог отображаться слишком долго при запуске тестов без вывода. Это мелочь, но раздражала.

🔹Удалили обходной путь для проблемы с Copilot, который мутировал переменные окружения. Copilot выпустил исправление еще в июне, так что необходимость в обходе отпала.

🔹Поддержка Firebase Studio удалена в связи с закрытием сервиса.


🔗 Читать подробнее


💡 Вывод:

Обновление плагина - это набор точечных улучшений. Deep-link в DevTools возвращают удобство при отладке Overflow и других проблем. Рефакторинги с запросом имени дают больше контроля. Мелкие исправления делают работу стабильнее.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Влияет ли выбор state management на производительность Flutter?

Можно ли ускорить Flutter-приложение, просто выбрав другой state management? Автор данной статьи решил проверить это не на искусственном тесте, а на реальном приложении. Результат оказался неожиданным.


Как проводили тестирование:

Для эксперимента использовалось специально подготовленное Android-устройство с контролем температуры, CPU/GPU scaling и других факторов. Тестирование длилось пять дней, было проведено 2100 испытаний и 300 раундов на каждый подход.

Сравнивались семь подходов: setState как базовое решение, ChangeNotifier + Provider, Freezed + Provider + ValueNotifier, Bloc, Riverpod, GetX и Signals.

Измерялось прежде всего время build, а не искусственная скорость изменения состояния.


Результаты:

Provider + ChangeNotifier практически не отличается от обычного setState, как и Freezed + Provider + ValueNotifier.

GetX, Riverpod и Signals дают примерно +5-6 микросекунд к времени сборки. Звучит неплохо для бенчмарка, но в реальном приложении это практически ничего.

При 120 Гц бюджет одного кадра составляет примерно 8333 микросекунды. Дополнительные 6 микросекунд - это около 0,07% бюджета кадра. Разница находится далеко за пределами того, что имеет практическое значение для пользователя.


Что насчет Bloc:

Интереснее всего оказался результат Bloc. В тесте он позволил сократить среднее время сборки примерно на 21 микросекунду. Это по-прежнему ничтожно малая величина (0,263% при частоте обновления экрана 120 Гц), но, если рассматривать общую картину, это уже тот показатель, который теоретически может иметь значение.

Проблема в том, что реализация на Bloc отличалась не только библиотекой. В ней было больше мелких обновлений виджетов, а некоторые части иерархия виджетов располагалась иначе. И здесь всплывает главная сложность любых бенчмарков: мы сравниваем не state management, а архитектуру приложения.


🔗 Читать подробнее


💡 Вывод:

На основании этого эксперимента нельзя честно сказать, что Riverpod быстрее Provider или Bloc быстрее GetX. В реальном приложении разница между популярными state management решениями оказалась настолько маленькой, что выбирать библиотеку только по производительности практически бессмысленно.

Гораздо важнее, сколько виджетов обновляется, насколько большая часть иерархии виджетов пересобирается, что выполняется внутри метода build, сколько времени занимает расчет расположения и отрисовка, какие операции выполняются в главном потоке.

То есть проблема обычно не в том, выбрали вы Riverpod или Provider. Проблема в том, что именно вы заставляете Flutter перестраивать.

Выбор state management должен основываться на удобстве, читаемости и поддерживаемости кода. Производительность здесь - не главный критерий. Если ваше приложение тормозит, проблема почти наверняка не в библиотеке, а в том, как организована иерархия виджетов и сколько лишних обновлений виджетов происходит.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Как async* упрощает работу с потоками в Dart

В Dart есть инструмент, который многие недооценивают. Это оператор async*. Он позволяет создавать потоки данных так же легко, как обычные функции. Без лишних классов, ручного управления подписками и бесконечных циклов с обработчиками ошибок.


Что такое генераторы:

Генераторы - это функции, которые возвращают данные по частям, а не все сразу. Они позволяют экономить память и время выполнения. Но обычно такие функции синхронные. А что делать, если нужна асинхронность?

Здесь и вступает async*. Вместо Iterable такая функция возвращает Stream. Внутри нее доступны все возможности генератора плюс await.


Как это выглядит на практике:

Вот пример функции, которая генерирует числа с задержкой:

Stream<int> generateNumbers() async* {
  for (var i = 0; i < 5; i++) {
    await Future.delayed(Duration(seconds: 1));
    yield i;
  }
}

Все просто. Мы используем привычные конструкции: цикл, await, yield. Никаких StreamController, никаких подписок, никаких ручных закрытий.


Что делает ключевое слово yield:

yield - это оператор, который возвращает очередное значение из генератора или асинхронного генератора. Когда функция помечена как async*, она не выполняется целиком сразу. Вместо этого она возвращает Stream. Каждый раз, когда выполнение доходит до yield, значение отправляется в поток и функция приостанавливается до следующего запроса.

Простыми словами: yield - это как return, но не завершает функцию, а отдает одно значение и ждет, когда попросят следующее. Функция продолжает работу с того же места, а не начинает заново.

Есть еще yield*, который передает управление другому генератору и отдает все его значения подряд. Это удобно, когда нужно объединить несколько источников данных в один поток.


🔗 Читать подробнее


💡 Вывод:

async* - это не просто синтаксический сахар. Это способ писать потоки данных чисто и предсказуемо. Он экономит код, упрощает чтение и делает логику более явной. Логика генерации данных находится в одном месте и выглядит как обычный код. Все, что связано с созданием потока, обработкой ошибок и закрытием, берет на себя язык.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👨‍💻 Гонка за самую мощную ИИ-модель подходит к концу?

Последние несколько лет за развитием генеративного ИИ было удобно следить как за спортивной таблицей. OpenAI выпускала GPT-4, Google отвечала Gemini, Anthropic показывала новую Claude, затем начинался следующий круг. Каждая компания приносила набор бенчмарков и объясняла, где ее модель теперь первая.

В 2026 году эта логика начала ломаться. Не потому, что модели перестали становиться мощнее. Наоборот, 1 сентября Anthropic выпустила Claude Fable 5.1 - новую топовую модель для программирования и сложной интеллектуальной работы. Проблема в другом: возможность построить более сильную модель больше не означает, что большинство клиентов захотят использовать ее для большинства задач.


Что показывают цифры:

Financial Times обратила внимание на показательный пример. Fable 5 вышла 9 июня 2026 года как одна из самых мощных моделей Anthropic. Спустя примерно два месяца на нее приходилось около 11% расходов на продукты Anthropic среди корпоративных клиентов.

Это не 11% всей выручки Anthropic, а показатель внутри конкретной выборки корпоративных расходов. Кроме того, доступ к модели был отключен 12 июня из-за американских экспортных ограничений, а глобальный релиз восстановили 1 июля. Цифра не идеальна. Но сама тенденция интереснее конкретных 11%. Компании все чаще выбирают более дешевые модели, если дополнительное качество frontier-модели не влияет на результат.


Что изменилось к 2026 году:

Разница между классами моделей стала огромной. Claude Sonnet 5 стоит $2 за миллион входных и $10 за миллион выходных токенов. Fable 5.1 - $10 и $50 соответственно.

Fable нужна там, где дополнительная вычислительная мощность действительно меняет результат: сложное программирование, длительная агентная работа, научные задачи. Но использовать ее для классификации обращений или извлечения данных из документов экономически бессмысленно, если Sonnet справляется достаточно хорошо.

В релизе Fable 5.1 Anthropic рассказывает не только о новых результатах на тестах, но и о снижении стоимости cache reads на 75%. То есть даже релиз самой мощной модели теперь приходится объяснять через экономику ее эксплуатации.


На смену лидербордам приходит оркестрация:

Perplexity делает ставку на multi-model orchestration. Разные модели используются внутри одной системы и получают те части работы, для которых подходят лучше. В 2026 году Perplexity развивает Model Council - один запрос может параллельно отправляться нескольким моделям, после чего отдельный слой сравнивает ответы и формирует итоговый результат.

Для прода именно оркестрация становится важнее, чем выбор модели. Нужно решить, какие запросы требуют дорогого inference, когда включать reasoning, сколько контекста передавать, где использовать кеш, когда переключаться на другого провайдера.

Хорошая оркестрация может влиять на стоимость и качество продукта сильнее, чем очередная замена одной frontier-модели на другую.


Так гонка закончилась или нет:

На исследовательском уровне нет. OpenAI, Google, Anthropic, xAI, DeepSeek продолжат выпускать более сильные модели. Frontier по-прежнему важен: именно там появляются возможности, которые позднее становятся дешевле и переходят в массовые модели.

Заканчивается другая гонка: попытка использовать одну максимально мощную модель как универсальный ответ на все задачи.


🔗 Читать подробнее


💡 Вывод:

К 2026 году рынок раздробился. Есть быстрые модели, reasoning-модели, системы с огромным контекстом, open-weight решения, специализированные модели и архитектуры, которые автоматически переключаются между несколькими вариантами.

Позиция в одном лидерборде все хуже описывает реальную ценность модели. Для прода гораздо важнее соотношение качества, стоимости и задержки.

Максимальный интеллект остается ценным ресурсом, но использовать его на каждом запросе больше нет смысла. Вопрос сместился с «какая модель лучше?» на «какая минимальная модель достаточно хороша для этой задачи?». И это, вероятно, главный итог четырехлетней гонки.


Подписаться на канал:
➡️ Кот Денисова

👣 Как встроить Unity игру во Flutter приложение

Flutter отлично справляется с интерфейсом, навигацией и логикой приложения. Но он не умеет в 3D, физику, AR и рендеринг в реальном времени. Зато это умеет Unity. Многие команды хотят иметь оба инструмента в одном приложении: Flutter-оболочку и Unity-сцену внутри нее.

Автор статьи делится современным способом такой интеграции. Раньше это требовало ручного экспорта Unity-библиотеки, правки settings.gradle, написания method channels, отдельной UnityPlayerActivity и повторения всего этого для iOS. Работало, но было хрупко и переделывалось при каждом изменении Unity-проекта.


Что предлагается:

Автор предложил Game Framework - преемник flutter_unity_widget от той же команды. Это CLI и SDK, которые автоматизируют экспорт и синхронизацию Unity-билда под обе платформы. Unity-сцена превращается в обычный Flutter-виджет с типобезопасным обменом сообщениями в обе стороны.


Как это работает:

Процесс состоит из нескольких шагов:

Установка CLI через Homebrew:

brew tap xraph/tap
brew install game-cli

Добавление пакетов в pubspec.yaml:

  gameframework: ^0.0.3
  gameframework_unity: ^0.0.4

Инициализация в main():

UnityEnginePlugin.initialize();

Экспорт Unity-проекта одной командой:

game export unity --platform android,ios

Синхронизация с Flutter-проектом:

game sync unity --platform android,ios

Эта команда сама подключает Gradle-модуль для Android и iOS-framework, без ручного редактирования settings.gradle и шаблонного кода method channels.


Unity как виджет:

После синхронизации Unity-сцена становится обычным виджетом:

GameWidget(
  engineType: GameEngineType.unity,
  onEngineCreated: (controller) => _controller = controller,
  onMessage: _onMessage,
  config: const GameEngineConfig(
    fullscreen: false,
    runImmediately: true,
    unloadOnDispose: true,
  ),
)

Обмен сообщениями:

Flutter может отправлять команды в Unity:

await _controller?.sendMessage('GameManager', 'SetSpeed', '2.5');
await _controller?.sendJsonMessage('GameManager', 'UpdateScore', {
  'score': 100,
  'stars': 3,
});

Unity может отправлять данные обратно через небольшой мост на C#. В Flutter эти сообщения приходят в обработчик onMessage.


🔗 Читать подробнее


💡 Вывод:

Интеграция Unity и Flutter перестала быть рутинной работой с Gradle и method channels. Game Framework автоматизирует экспорт, синхронизацию и обмен сообщениями. Unity-сцена становится обычным виджетом, который можно встроить в любое Flutter-приложение.

Проект бесплатный и с открытым исходным кодом. Если вы хотите добавить 3D, физику или AR в свое Flutter-приложение, стоит посмотреть на этот инструмент.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик

👣 Как заставить ИИ-агента делегировать вычисления Dart-коду

В Flutter с GenUI агент может собирать экраны во время работы приложения. Но арифметику лучше не передавать ему: это тратит токены, требует ответа по сети и делает результат менее предсказуемым. Клиентские функции A2UI позволяют зарегистрировать Dart-функцию, ее параметры и тип результата. Агент вызывает ее из сообщения, а приложение выполняет код на устройстве.


Что решают клиентские функции:

Отправлять простые математические запросы в LLM неэффективно. Это добавляет задержку на сеть и расходует лишние токены. Клиентские функции позволяют агенту вычислять значения локально на устройстве: стоимость ингредиентов, налоги, конвертацию единиц.

Разделение труда выглядит так. Flutter-клиент объявляет доступные функции в каталоге GenUI: сообщает агенту, какие локальные операции можно вызвать, какие параметры они ожидают и что возвращают. Агент решает, когда и где показать компонент, и отправляет A2UI-выражение с вызовом функции и нужными аргументами. Клиент выполняет выражение локально и сразу отображает результат.

Это избавляет от лишних сетевых запросов, обеспечивает единообразное форматирование и снижает расход токенов.


Как устроена клиентская функция:

Синхронные клиентские функции наследуются от SynchronousClientFunction. Вот пример функции для расчета стоимости ингредиента:

class CalculateCostFunction extends SynchronousClientFunction {
  const CalculateCostFunction();

  @override
  String get name => 'calculateCost';

  @override
  String get description =>
      'Calculates the cost for a certain quantity of an ingredient. '
      'Returns a formatted dollar string (for example, \$4.50).';

  @override
  ClientFunctionReturnType get returnType => ClientFunctionReturnType.string;

  @override
  Schema get argumentSchema => S.object(
    properties: {
      'ingredient_id': S.string(description: 'The ID of the ingredient.'),
      'quantity': S.number(description: 'The quantity of the ingredient.'),
    },
    required: ['ingredient_id', 'quantity'],
  );

  @override
  Object? executeSync(JsonMap args, ExecutionContext context) {
    final ingredientId = args['ingredient_id'].toString();
    final quantity = num.tryParse(args['quantity'].toString())?.toDouble();

    if (quantity == null || quantity < 1) {
      return '\$0.00';
    }

    final cost = CostService().fetchPrice(ingredientId, quantity);
    return '\$${cost.toStringAsFixed(2)}';
  }
}

Ключевые моменты:

🔹name: уникальный идентификатор, который агент использует при вызове функции в A2UI-сообщениях.

🔹description: краткое объяснение для LLM, чтобы он знал, когда и зачем вызывать функцию и какой формат результата ожидать.

🔹returnType: тип возвращаемого значения. В данном случае строка.

🔹argumentSchema: схема, которая сообщает LLM, какие параметры обязательны: идентификатор ингредиента и количество.

🔹executeSync: метод, который выполняется на устройстве. Он парсит аргументы, вызывает локальный сервис и возвращает отформатированную строку.

Этот паттерн похож на тот, что используется для элементов каталога UI-компонентов. Оба предоставляют агенту метаданные для рассуждений и Dart-логику, которая делает что-то полезное: создает виджеты или вычисляет значение.


Регистрация в каталоге:

Чтобы агент знал о функции, она регистрируется в каталоге GenUI:

final commisCatalog = Catalog(
  [
    cateringJobItem,
    recipeLineCatalogItem,
    ingredientLineCatalogItem,
    navigationCardCatalogItem,
    simpleCardCatalogItem,
  ],
  functions: [
    CalculateCostFunction(),
  ],
  catalogId: 'commis_catalog',
);

При инициализации сессии PromptBuilder из genui инспектирует каталог и автоматически извлекает объявления клиентских функций, добавляя их имена, описания и схемы в системный промпт для Gemini.


🔗 Читать подробнее


💡 Вывод:

Клиентские функции A2UI позволяют вынести вычисления из ИИ-агента в Dart-код. Это снижает задержку, экономит токены и делает результат предсказуемым.


Подписаться на канал:
➡️ Flutter & Dart | Мобильный трудоголик