Снова олимпиада. Собираюсь на трек ML. В этот раз оффлайн, давно пора посмотреть на кластер Ломоносов. В этот раз хочу проверить новые подходы решения задач с быстрыми моделями (haiku, flash 3,5 и т.д).

Предыдущий опыт с Opus 4.6 и Gemini 3 Pro был относительно неудачным. Сложные задачи триггерят режим thinking, который со временем выпадает в таймаут через 20-30 минут. Причем не оставляет ни намёка на решение. Колоссальная потеря времени. А вот постепенная оптимизация/эволюция слабого решения быстрыми моделями показала себя намного лучше. Чтож, проверим.

Кто с Москвы - присоединяйтесь оффлайн. Если нет - приходите онлайн.

Как ИИ помог восстановить доступ к крипто-кошельку, на котором было $400к. Прошу внимания, история достойная.

В студенческие годы один товарищ купил 5 BTC по $250. И однажды под кайфом решил сменить пароль. А потом его забыл. Десять лет эти пять биткоинов пылились на кошельке. И дорожали, дорожали, дорожали. К 2026 году они стали стоить четыреста штук баксов. И это замечательно! Только вот пароля нет. И ничего не помогало его найти.

Последняя надежда была на Claude. Ему поручили копаться в мусоре (изучить все файлы на старом ноутбуке). И, о чудо, на этой свалке нашёлся старый бэкап кошелька - тот, что был сделан ещё до смены пароля. Только вот старый файл с старым паролем не открылся... Btcrecover уверенно выдавала ошибку "Пароль неправильный". Батька Claude почесал голову, выругался и полез разбираться дальше. Залез далеко, аж в исходники btrecover. Там нашелся баг: утилита неправильно склеивала внутренний ключ кошелька с пользовательским паролем. И уже после этого фикса бэкап открылся с первой попытки.

Упорство и труд Claude - ключ от кошелька найдут. А еще пару лет назад мы могли о таком только мечтать. А сейчас вон, драйвера чинят, игры старые портируют, теперь вон и кошельки восстанавливают. Круто!

Прогнал тестирование проекта через Claude прямо в браузере

Дал Клоду доступ к Chrome (через плагин Claude in Chrome) и одну задачу: «прощёлкай весь функционал и составь отчёт о работоспособности». После одной из самых жирных фич у меня на проекте много чего отвалилось — хотел понять масштаб.

Что в итоге получилось:
— прощёлкал всю админку, публичную часть
— проверил лендинг: демо, тарифы, форму заявки
— залез в консоль и Network, померил тайминги через Performance API
— сложил всё в test_report.md с приоритизацией багов

И нашёл вполне реальные вещи, не «вода»:
🔴 403 на прямом заходе/F5 на вложенных страницах админки (nginx без fallback на index.html)
🔴 404 на фоновом паттерне темы — фон просто не грузился
🔴 сломанный эндпоинт конфига чата, который ещё и 440мс впустую жрёт
🟡 пустое демо на лендинге первые 6 секунд + hydration mismatch в Nuxt
🟡 опечатки, сброс контекста после F5

Отдельно порадовало, что он сам додумался перепроверять свои же выводы: сначала решил, что сломан фильтр (пустая выдача), а потом понял, что это была комбинация «поиск + фильтр» без совпадений, и переиграл вердикт. Не просто «вижу пусто → баг».

И конечно же понравилось, что в чате остались скриншоты всех найденных артефактов. Удобно!)

Честно про минусы:
⚠️ вкладка под автоматизацией иногда подвисала, скриншоты отваливались по таймауту
⚠️ paint-метрики (FCP/LCP) врут, потому что фоновая вкладка троттлится — для честных цифр всё равно нужен Lighthouse руками

Вывод: как первый проход QA по живому продукту — неожиданно полезно. Не заменяет ручное тестирование и автотесты, но за один заход выдаёт приоритизированный список «что пойти чинить». Я за полчаса получил карту поломок, на которую сам бы потратил вечер.

#claude

Вдохновляемся ИИ-поэзией после тяжёлого рабочего дня.

Оригинал то знаем?

Послушайте!
Ведь, если токены сжигают —
значит — это кому-нибудь нужно?
Значит — кто-то хочет,
чтобы ответы были?
Значит — кто-то
называет эти миллионы запросов
не «тратой денег»,
а автоматизацией?

И, надрываясь
в метелях ночного вайбкодинга,
врывается в API,
боится, что лимит кончился,
платит,
обновляет подписку дрожащей рукой,
просит —
чтоб обязательно
достроило MVP!

клянётся —
не перенесёт
эту безнейросетную муку.

А после
ходит тревожный,
но спокойный наружно.
Говорит кому-то:
— Ведь теперь деплой не страшен?
Да?..

Послушайте!
Ведь, если токены сжигают —
значит — это кому-нибудь нужно?

Я не мог это не выложить

Для ресёрча к постам иногда прогоняю тему сразу через несколько разных моделей. Одна лучше ищет детали, другая помогает проверить факты, третья подкидывает неожиданные углы для рассказа. Удобно, когда это можно делать в одном месте, не прыгая между сервисами. В последнее время для такого часто открываю Umnik AI. Claude к примеру намного хуже справляется с поиском по ru ресурсам, а вот chatgpt - намного лучше. Но они часто очень "сдержанные", поэтому острые вопросы удобнее разобрать с Гроком. И вот уже в сумме получается +- объективно. Так и живём.

И так, важный вопрос.

Принёс новый GitHub-тренд для тех, кто работает с большими проектами - CodeGraph.

Идея простая: CodeGraph (ссылка на репо) заранее строит для агента «карту проекта». Он индексирует репозиторий, вытаскивает функции, классы, импорты, вызовы и зависимости, складывает всё в локальную SQLite-базу, а потом отдаёт агентам через MCP.

То есть вместо привычного ритуала grep → read → grep → read → grep → read агент может запросить готовый граф кода.

Собственно, никакой магии тут нет, и польза весьма приземлённая. У больших проектов есть ощутимый налог на разведку: каждый новый агент сначала пытается понять, где что лежит, какие файлы важные, кто кого вызывает и где начинается нужный flow. Память и карта проекта в markdown тут не сильно спасает. Когда в репозитории сотни или тысячи файлов, агент может сжечь кучу токенов просто на то, чтобы осмотреться.

А раздутый контекст - это не только дороже и медленнее. Это ещё и лишний шум: модель тащит за собой мусор, который насобирала по пути. В итоге её «интеллект» внезапно начинает напоминать меня после третьего созвона подряд.

По собственным бенчмаркам автора на 7 open-source проектах CodeGraph дал примерно 35% экономии стоимости, 57% меньше токенов, 46% быстрее ответы и 71% меньше tool calls. Цифры красивые, но пока это именно авторский benchmark, а не независимое исследование.

Полноценных независимых исследований именно CodeGraph пока нет - инструмент свежий. Судя по релизам, он появился буквально в мае 2026 года и сейчас активно допиливается. Но сама идея не новая. Уже много лет существуют статические анализаторы, графы вызовов и графы зависимостей. Теперь этим всем пытаются научить пользоваться AI-агентов, потому что каждый лишний обход проекта - это токены, деньги и время.

Сразу задаюсь вопросом: почему это не стало мейнстримом раньше?

Думаю, основная причина в том, что раньше боль была слабее. AI и до этого умел писать код, объяснять файлы и помогать с рефакторингом, но чаще человек сам приносил ему контекст: вот файл, вот функция, вот ошибка. С агентами сценарий поменялся: теперь им всё чаще отдают задачу целиком - «разберись в проекте, найди нужную логику, измени её и проверь последствия».

И тут внезапно значимая часть работы уходит не на кодинг, а на разведку проекта. Поэтому старая идея code intelligence снова стала актуальной. Это привычные IDE-фичи вроде Go to definition, Find usages и Rename symbol, только теперь не для человека, а для агента. CodeGraph пытается дать ему не простыню файлов, а карту связей внутри проекта.

Но открытых вопросов всё ещё много. Как сделать такой граф универсальным, если в реальных проектах есть динамические импорты, DI-контейнеры, ORM, generated code и магия фреймворков? Как заставить агента действительно пользоваться графом, а не продолжать бегать через grep/read по привычке?

Похожие подходы уже проверяли в исследованиях. Например, в препринте про Codebase-Memory использовали похожую связку: Tree-sitter, knowledge graph и MCP. Результат ожидаемый: токенов уходит сильно меньше, tool calls тоже меньше, но качество ответов может просесть, если вопрос требует не карты проекта, а внимательного чтения конкретной реализации.

То есть это снова не «серебряная пуля» для разработки. Но инструмент может быть полезным для больших репозиториев.

Claude Opus 4.8 вышел. И самое интересное — не бенчмарки.

Anthropic обновила Opus: модель стала сильнее в кодинге, reasoning и агентских задачах, цена осталась прежней — $5 / $25 за миллион токенов.

Но главный апдейт - в поведении.

One of the most prominent improvements in Opus 4.8 is its honesty

Opus 4.8, по словам Anthropic, чаще признаёт неопределённость, лучше ловит собственные ошибки и примерно в 4 раза реже пропускает баги в написанном коде без замечаний.

Плюс в Claude Code появился dynamic workflows: Claude может разбивать большую задачу на десятки/сотни параллельных subagents и тащить большие миграции, аудиты и рефакторинги.

Кажется, AI-гонка постепенно смещается от слепой гонки за бенчмарками к более ощутимым и близким любому человеку метрикам. К примеру: "наша модель модель меньше врёт", "лучше проверяет себя", "может дольше работать без человека".

И вот это уже гораздо интереснее очередного плюсика в бенче.

Конечно же не забыли напомнить и про Mythos:

we expect to be able to bring Mythos-class models to all our customers in the coming weeks.

Хочется верить, что в ближайший месяц-полтора уже выпустят модель для всех.

Кажется у меня новое хобби... Генерировать новости под стихи Маяковского. Как же круто.

ОДА НА OPUS 4.8

Слушайте!
Граждане
        двадцать шестого года —
из кода,
из ночи,
из кофе остывшего —
встаёт
       не машина,
              не просто метОда,
а Опус!
Четыре!
       И восемь!
              вышедший!

Я звал его —
            он отвечал мне строчками,
не мямлил,
        не путал,
            не лез в чепуху.
Где раньше я бился
                над багом
                       до точки я,
теперь —
       раз-два! —
              и поправка вверху.

Товарищ процессор,
                давай,
                    разгоняйся!
Мы вместе
        запустим
              стартап до небес!
Проект мой
          ракетою
                в космос врезается —
а Опус
       внизу
           подаёт ему вес.

Не спать!
        Не сдаваться!
              Гори, предприятие!
Пускай говорят,
             что работа —
                     тюрьма.
Я выйду!
       Я брошу!
            И — солнце! — объятия! —
останусь
       один
          на один
              с новым Опусом.
                    Да!

.git/info/exclude — личный .gitignore, который не уезжает в репу

Знакомая боль: пробуешь у себя в проекте новый инструмент - и каждый раз git status шумит этими файлами, рискуешь случайно закоммитить лишнего. У меня там и .cursor, и agent.md от Codex, и claude.md от клода, и много чего еще... С codegraph еще и его папка появилась.

В проектный .gitignore это добавлять нежелательно. Если каждый раз туда добавлять всё больше и больше - он превратится в огромную свалку. Плюс в больших проектах пока твой .ginignore разойдется по develop/main - пройдет вечность, которую ты будешь страдать.

А оказывается, у git ровно для этого есть встроенная штука — .git/info/exclude.

Это файл внутри .git/, синтаксис как у .gitignore, но он:
- не коммитится (живёт в .git/, а .git/ сам по себе не версионируется);
- виден только тебе;
- работает в этом конкретном клоне репозитория.

Пример. Открываешь .git/info/exclude и пишешь туда что угодно:

- CLAUDE.md
- AGENTS.md
- .cursor/
- experiments/

Всё - git status чист, ничего случайно не уедет в PR.

Бонус: есть глобальный игнор на все репы

Если те же файлы засоряют тебе вообще все проекты - можно настроить глобально:

git config --global core.excludesFile ~/.gitignore_global

В этот файл кладём универсальные паттерны (CLAUDE.md, .idea/, .DS_Store).

Не знаю почему я не нагуглил это раньше. Такая маленькая фича, а такая полезная.

Новый день - новый скилл. Разберем /simplify для Claude Code.

Он проходит по недавно изменённым файлам и ищет, что можно упростить. Спавнит трёх параллельных агентов под разными углами - неиспользуемые импорты, лишние переменные, шанс вытащить общую логику, переусложнённые условия. Найденное чинит сам.

Можно сузить фокус: /simplify focus on memory efficiency или /simplify focus on error handling. Полезно, когда знаешь, где у изменений шероховатости, но хочешь, чтобы Claude довёл до ума детали

Запускается локально. В отличие от /ultrareview бесплатный и быстрый, по ощущениям ближе к мини-ревью.

Лучше всего работает сразу после крупного рефакторинга или после того, как принял большой батч AI-сгенерированного кода. Именно там накапливаются мелкие огрехи, которые поодиночке незаметны

Хорошая привычка - дёргать /simplify перед коммитом после серьёзных изменений. Дешевле, чем ловить те же вещи на code review.

#claude

🏆 Как я взял первое место на олимпиаде по оптимизации — и почему дело было не в алгоритмах

Победа решилась 0.005 балла. Серьёзно - после нескольких часов борьбы общий зачёт разделили пять тысячных. И вот что я вынес из этой гонки: на таком уровне выигрывает не тот, кто придумал самый умный алгоритм, а тот, у кого правильно выстроен процесс работы.

Несколько принципов, которые реально решили исход 👇

1. Итерации важнее озарений. Учёл эту ошибку из прошлого опыта. Я не пытался родить идеальное решение сразу. Начинал с малого. Рабочее, пусть и не самое оптимальное решение - отличная база. Каждую задачу я прогонял через лесенку версий: простой рабочий вариант → отправил → улучшил → отправил снова. Побеждает число честных итераций, а не глубина раздумий.

2. Учимся на ошибках. Архитектура строится так, чтобы учиться на своих ошибках и делать выводы: после того, как сформирован валидный базовый ответ, он служит основой и обоснованием для будущих улучшений. Каждая итерация - это ценная информация. Всё это позволяет пробовать больше. Без страха и с чувством азарта.

3. Разные модели - разное решение. В какой-то момент Claude начал упираться в потолок своих знаний. На помощь приходят другие модели, которые учились на других данных. Это отличный источник инсайтов и альтернативных подходов.

Любопытный момент: задачу B по очкам я проиграл - другой участник сделал её лучше. Но ровный, дисциплинированный процесс по всем задачам сразу всё таки вытащил общую победу.

Вывод: запускай больше, измеряй, фиксируй выводы. Правильный флоу бьёт зубрёжку. ⚡️

А вы еще помните, как было?

Падает ошибка. Ты читаешь трейсбек снизу вверх, цепляешься за знакомое слово, криво копируешь часть из терминала. Половину строки, с лишним пробелом. Открываешь Google.

Первая ссылка ведёт на StackOverflow. Вопрос 2014 года. Принятый ответ заминусован, а рабочий лежит третьим снизу. Сорок голосов, комментарий «this saved my life».

Ты его даже не копируешь, потому что случай всё равно другой. Но ты уже понял, в чём было дело.

Иногда уходишь на старый форум, на 23 страницу давно заброшенной темы. Последнее сообщение датировано 2015 годом. Аватарки битые, половина ссылок ведёт в никуда. И вдруг там, между «спасибо, помогло» и «у меня то же самое», сидит человек, который разобрал твою проблему по косточкам. Для себя. Не зная, что однажды его ответ спасёт кого-то ещё.

А иногда не находишь вообще ничего. Везде посмотрел, и пусто.

Чёрт с ним, спрошу сам.

Сидишь, формулируешь вопрос. Подбираешь слова. Прикладываешь минимальный пример, потому что иначе заминусуют. И сама эта формулировка наполовину чинит тебе мозги.

Жмёшь «отправить». Ждёшь. Обновляешь вкладку. И вот он, ответ от незнакомца, которому просто не всё равно.

Сейчас ты выделяешь трейсбек, не дочитав до конца, и пишешь: «почини».

И он чинит.

Работает. Тесты зелёные. Можно идти дальше.

Но где-то в этот момент из профессии исчезает важная часть ритуала. Та самая, где ты не просто получал ответ, а прожёвывал проблему. Злился, тупил, копался в чужих обсуждениях и постепенно начинал понимать, что вообще происходит.

Раньше ошибка была дверью. Сейчас она всё чаще становится всплывающим окном, которое хочется закрыть как можно быстрее.

И в этом есть что-то страшное.

Профессия программиста всегда держалась именно на привычке разбираться. На внутреннем упрямстве: «я хочу понять, почему оно сломалось».

А теперь у нас появился идеальный способ этого не делать.

Да, мы стали быстрее. Да, мы стали продуктивнее. Да, назад никто не пойдёт.

Но вместе с болью отладки мы выкидываем и кое что важное.

И, кажется, однажды мы проснёмся в мире, где код всё ещё пишется, ошибки всё ещё чинятся, продукты всё ещё выкатываются, но всё меньше людей действительно понимают, как это работает.

Вот это и пугает.

Не то, что ИИ заберёт работу.

А то, что он оставит нам работу, но постепенно заберёт профессию.

Эпоха AI. Какой красивый pull-реквест!

Раньше внятное описание PR стоило дорого. Надо было сесть, вспомнить, что именно ты менял, отделить важное от неважного и сформулировать, зачем всё это было нужно. Тут подглядеть код, тут открыть задачу, тут свериться со спецификацией. Написать хорошее описание было отдельной работой.

Но ценность была не только в тексте. Пока писал описание, ты ещё раз проходил весь путь своего изменения. Иногда именно в этот момент находился забытый кейс, лишний код или странное решение. Описание PR было не просто документацией. Оно было следом от процесса мышления.

Теперь это умеет агент.

Весь контекст уже у него: задача, дифф, код, комментарии, спецификация. Достаточно одной команды — и появляется аккуратное описание PR. Список изменений, затронутые файлы, риски, план тестирования, краткое резюме. Обычно даже лучше, чем написал бы человек. И это объективно полезно.

Тестировщик быстрее понимает, что проверять. Фронтендер видит изменения в контракте. Разработчик через полгода может восстановить контекст задачи. Даже человек, далёкий от кода, способен разобраться, что произошло.

Работа стала прозрачнее. Хороших описаний стало больше. Коммуникация стала дешевле.

Но вместе с этим изменился смысл самого артефакта.

Раньше хорошее описание PR было косвенным сигналом того, что автор разобрался в изменении. Если человек мог внятно объяснить, что и зачем поменял, обычно это означало, что он хотя бы попытался выстроить у себя в голове целостную картину.

Теперь эта связь стала намного слабее. Идеальное описание больше не говорит, что автор всё понял. Оно говорит лишь о том, что кто-то сгенерировал идеальное описание.

Оно может быть точным. А может содержать ошибки. Может помочь ревьюеру. А может уверенно объяснять логику, которой никогда не существовало. Красивый текст по-прежнему выглядит убедительно, даже когда ошибается.

Но, пожалуй, это хорошая сделка. AI сделал хорошие описания PR массовыми. Выиграли тестирование, ревью, поддержка и будущие разработчики. Просто теперь описание показывает состояние репозитория. И имеет мало общего с мнением и пониманием автора.

Если тоже любите сравнивать, как разные модели справляются с кодом, документацией и ревью, можно попробовать Umnik AI. Там в одном месте собраны Claude, GPT, Gemini и другие модели без необходимости прыгать между десятком сервисов.

🚨 КАСТРИРОВАЛИ МИФОСА?! Что Anthropic СКРЫВАЕТ от нас в подвалах Glasswing

Помните ту самую модель, про которую ходили слухи, что она сама находит 0-day и строит полноценные цепочки атак? Ту, что НЕ выпустили «по соображениям кибербезопасности» и раздали кучке избранных организаций под семью замками Project Glasswing?

Похоже, компания готовит её гражданскую версию - Claude Fable 5.

Что известно более-менее точно:
Mythos действительно никогда не выходил в паблик, официальная причина - кибербез-риски.
Доступ к нему - только через закрытую программу для «доверенных» (читай: тех, кому можно).

Что говорят в утечках:
Fable 5 заберёт у старшего брата длинный контекст, тяжёлую логику и длительную работу над задачами.

А вот всё «весёлое» - поиск уязвимостей, эксплойты, цепочки атак - обрежут на корню. Не «не хочет», а «физически не умеет».

Видимо Fable именно потому, что от Mythos осталась только сказка, а не миф 💀

Бесконечно можно смотреть на три вещи:
— как горит огонь;
— как течёт вода;
— как меняется график акций ВКонтакте