Готовність 15 хвилин. Буде дуже цікаво, обіцяю. Тема дійсно класна.

Здається почалося…

Зміни продовжуються. Anthropic переробила Projects у Claude Code.

Anthropic оновила Projects у Claude Code: тепер користувач описує мету, а координатор ділить роботу між паралельними «потоками», кожен із яких працює як окрема хмарна сесія. Стежити за прогресом можна в головному чаті або в кожному потоці, а нова бета вже доступна частині підписників Pro і Max.

Мої плани на сьогодні замість деплою. А як ваша пʼятниця?

Шо по кавусі?

Навіть гітхабчику погано від запушених CI сьогодні

Всіх замінять.

Хто пропустив стрім, то ось вам спойлер

Claude Code зламав ChatGPT.

Дослідники з Hacktron AI взяли Claude від Anthropic і просто поїхали з ним на OpenAI. І що ви думаєте? Вони знайшли вразливості, отримали доступ до акаунтів співробітників і навіть завітали у внутрішній репозиторій з кодом.

Звісно, усе це було в рамках офіційного bug bounty, бо Anthropic і OpenAI — це ж найкращі друзі, правда?

Знайшли дві критичні вразливості → повідомили OpenAI → отримали $6500 → баги пофіксили.

Конкуренція між ШІ-компаніями вийшла на новий рівень. Тепер це вже не просто «хто генерує кращі картинки», а повноцінний кібершпигунаж із застосуванням ШІ.

А от в 2031-му…

Доброго понеділкового раночку!

Що по каві?☕️

Я ЗНАВ!

Сьогодні хочу поділитися відео. Під каву поки не сіли працювати саме воно.
Постійно дивлюсь відео Алекса, рекомендую.

Тут він тестує М6 чіп від еплів. Типу на що здатен для нашої роботи щодня (особливо з локальними моделями).

https://youtu.be/T15BuMPZW4Q?si=6SC-C9lu_k4H6Fh9

Ну що, жири в маслі давно не підвищувались? Ось вам, ловіть оновлення від антропіків.

Claude Opus 5.5: що зміниться у вашій щоденній роботі

Anthropic сьогодні випустила Opus 5.5 — першу модель лінійки 5.5. Sonnet 5.5 і Haiku 5.5 обіцяють найближчими тижнями. Без маркетингу — де різницю реально відчуєте.

1. Відповіді, які легко читати. Головне на початку, менше жаргону, модель краще тримається ваших правил стилю. Це була одна з найчастіших скарг на Opus 5.

2. Швидше і менше кроків. Генерація тексту на 30%+ швидша. В агентних задачах модель робить менше tool calls і рідше застрягає в повторних спробах. Партнери з раннього доступу (GitHub, Lovable, Kiro) повідомляють про скорочення кроків на третину–половину.

3. Довгі задачі в Claude Code. Міграції, аудити кодової бази, нічні автономні прогони. Приклад від одного з тестувальників: аудит і фікс 200K рядків коду менш ніж за 3 години проти 20+ годин у Opus 5.

4. Менше вигаданих фактів у ресерчі. У тесті Anthropic 16 з 18 звітів Opus 5.5 пройшли перевірку, де будь-яка вигадана цифра чи цитата означала провал. Fable 5.1 і Opus 5 не пройшли жодного разу.

5. Скріншоти й графіки. Значення з щільних діаграм і скріншотів модель зчитує помітно точніше.

6. Більше лімітів. На Pro, Max і Team підняли п'ятигодинні ліміти й дали разовий скид, який можна зберегти на потім.

Для тих, хто працює через API
— Ціна: $4 / $20 за 1M токенів (Opus 5: $5 / $25), cache read $0.20 замість $0.50.
— Effort за замовчуванням тепер medium, а не high. Частина заявленої економії 40% саме звідси, тож порівнюйте на своїх задачах з явно заданим effort.
— Breaking changes: thinking не вимикається; tool_choice з типом any або tool повертає 400; текст між tool calls тепер приходить у thinking-блоках і за замовчуванням порожній — ваш UI просто замовкне без жодної помилки.

Де може заважати
Більшість задач з кібербезпеки модель автоматично передає на Opus 4.8. Звичайний пошук і фікс багів у власному коді це не зачіпає. Біологія — під тими ж обмеженнями, що й Fable 5.1.

Чесно про бенчмарки
За даними Anthropic: 66.4% на Terminal-Bench 4.0 проти 52.3% у Opus 5. Але сама компанія визнає, що на цьому рівні різниця в бенчмарках погано відображає реальну. Тож головний тест — ваш власний проєкт.

Першоджерела: https://www.anthropic.com/claude-opus-5-5

А найбільше мені подобається це — коштує на 40% менше

Думаєте це все? А херушки нам всім😅 вслід за антропіками і OpenAI «стрільнула» дзеркально.

OpenAI випустила GPT-6 Sol та GPT-6 Luna.

GPT-6 Sol — основна потужна модель для складної професійної роботи.

GPT-6 Luna — швидша та значно дешевша модель, яка при високому reasoning несподівано близько підібралася до великих моделей.

Менше галюцинацій

За тестами OpenAI, GPT-6 Sol робить приблизно вдвічі менше фактичних помилок, ніж GPT-5.6 Sol.

Для користувача це означає менше впевнених вигадок про неіснуючі функції, API, бібліотеки та факти.

Сильніший coding

На DeepSWE 1.1:

GPT-6 Sol max — 68.8%
GPT-6 Luna max — 66.6%

І це одна з найцікавіших частин релізу: бюджетна Luna вже досить близько до Sol у coding-задачах.

Luna можна використовувати для routine coding, рефакторингу та feature-level задач. Sol залишається кращим вибором для складного debugging, архітектури та великих codebase.

Кращі AI-агенти та Computer Use

GPT-6 суттєво покращилася в задачах, де модель повинна не просто відповісти, а самостійно виконати послідовність дій через інструменти.

На OSWorld 2.0:

GPT-6 Sol xhigh — 60.5%
Claude Opus 5 medium — 60.3%

Тобто модель краще працює за схемою:

побачити → зрозуміти → виконати → перевірити → адаптуватися

Це особливо важливо для ChatGPT Work, Codex та автономних AI-агентів.

Luna стала значно цікавішою

Стара логіка:

маленька модель = швидка, дешева і слабка

поступово перестає працювати.

Тепер:

менша модель + великий reasoning budget = дешево, але потенційно дуже розумно

У деяких задачах Luna з високим reasoning уже наближається до значно дорожчих моделей попереднього покоління.

Моделі чесніші щодо виконаної роботи

GPT-6 Sol та Luna рідше заявляють Tests passed, якщо насправді тести не запускалися.

Моделі краще розрізняють те, що вони реально перевірили, і те, що лише припускають. Для coding agents це дуже важливе покращення.

Покращили Prompt Caching

GPT-6 ефективніше кешує великий контекст: документацію, repository, історію діалогу та результати tool calls.

Cached input отримує 90% знижки, а зміна reasoning effort або доступних tools більше не обов’язково руйнує кеш.

Це означає дешевші та потенційно швидші довгі сесії з AI-агентами.

І головне — ціна

GPT-6 Sol:

Input — $2 / 1M tokens
Output — $10 / 1M tokens

Це приблизно вдвічі дешевше за GPT-5.6 Sol.

GPT-6 Luna:

Input — $0.10 / 1M tokens
Output — $0.50 / 1M tokens

Тому сімейство тепер можна умовно розділити так:

Luna — швидкість, автоматизації, повсякденні задачі та routine coding.

Sol — складний coding, debugging, architecture, research та серйозні агентні задачі.

Astra — максимум можливостей для найскладніших задач.

І саме GPT-6 Luna може бути найцікавішою частиною релізу: за дуже низької ціни вона вже підбирається до можливостей моделей, які ще зовсім недавно вважалися флагманськими.

А знаєте на що схожа історія з Luna?

Це та сама історія, якою пішов гугл свого часу з Flash моделями.

Швидкість і дешивизна на коротких задачах. Вмикаємо нормальний ризонінг для них і маємо дійсно хороший результат для тривіальних завдань за прийнятний бюджет 😉