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 😉

Розраби мігрують з Astra на Opus 5.5.

Доброго раночку і смачної кави всім☕️

Як же ж Opus почав нормально "спілкуватись". Нормальною мовою, а не конструкціями, які навіть він сам не розумів. Ну каєф же ж!

Встигли поюзати нормально нові модельки зі вчорашнього релізу? які у вас відчуття та інсайти в роботі?

Ті самі відчуття маю

Ранку всім

Або ще варіант

Але є і позитивні застосування клодушки

Мої плани на сьогодні, а не оті ваші деплої в пʼятницю

Історія про те, як гамнякати за допомогою ШІ і гордо розповісти як то виправити з… ШІ😃

Як Anthropic прискорила Claude.ai у 3 рази за два тижні

Anthropic розповіла, як за два тижні зробила Claude.ai та desktop app приблизно у 3 рази швидшими. І так, значну частину роботи з оптимізації Claude робив за допомогою Claude. Бо навіщо руками шукати bottleneck-и, якщо можна дати AI доступ до telemetry, benchmarks і production metrics та попросити його розібратись у тому, що 14 абстракцій React приховали від людського ока.

Команда сфокусувалась на чотирьох сценаріях, які покривають близько 95% активності користувачів: запуск Claude, створення нового чату, відкриття існуючої розмови та відправлення повідомлення. Claude.ai до моменту, коли вже можна вводити текст, прискорився з 3,1 с до 0,55 с, запуск нової Claude Code session з 0,8 с до 0,3 с, а завантаження Claude Cowork session з 2,6 с до 0,73 с.

Найцікавіше починається з того, що Claude підключили до Datadog і telemetry через MCP. Він міг знаходити повільні ділянки, створювати benchmarks, аналізувати профілі, пропонувати зміни, відкривати PR, дивитись на результат після deploy і шукати наступний bottleneck. Фактично агент отримав цикл: метрика → benchmark → fix → test → deploy → telemetry → наступний fix. І ось це вже набагато цікавіше за чергове «AI може написати CRUD».

Спочатку команда вимірювала просто час виконання, але різницю в декілька мілісекунд у CI стабільно виміряти важко. Тому почали рахувати кількість JS instructions, React commits, V8 function calls, style recalculations та DOM mutations. На двох hot path Claude зменшив кількість JS instructions на 48% і 31%, а execution time впав на 78% і 44%. Після цього benchmarks перетворили на performance ratchet: якщо новий PR робив код повільнішим, CI падав, а якщо швидшим, нове значення ставало наступною планкою.

А що Claude взагалі знаходив? Наприклад, 6900 React hooks і близько 900 store subscriptions у path, пов’язаному з введенням тексту. Тут десь тихенько плаче людина, яка колись сказала: «ще один hook нічого не змінить». CSS selector :root:has() додавав близько 24 мс на кожну DOM mutation, зайвий location.reload() створював приблизно пів мільйона прихованих reload-ів на день, а застосунок постійно копіював однакові cache snapshots в IndexedDB прямо на main thread.

Мій улюблений кейс пов’язаний із syntax highlighting. Якщо Markdown містив символ поза Latin-1, V8 міг представити рядок як UTF-16. Через це regex-и syntax highlighter переходили на повільніший шлях, і великий code block іноді міг заморозити сторінку приблизно на секунду. Виправлення зайняло близько 20 рядків коду. Класичний software engineering: проблема на секунду, debug на години, fix на 20 рядків.

Окремо Anthropic оптимізувала streaming відповідей на 120 Hz дисплеях. При 120 FPS браузер має лише 8,33 мс на кадр. Claude навчили знаходити frames, які не вкладались у цей бюджет, і аналізувати причину. У результаті довгі відповіді стали приблизно у 4 рази плавнішими, main-thread blocking впав приблизно з 750 мс до 200 мс, а CPU usage скоротився приблизно до третини попереднього рівня.

За два тижні команда змержила понад 3000 змін і, за словами Anthropic, обійшлась без production інцидентів або ролбеків. Але це не історія про те, що «AI сам написав продукт, розробники більше не потрібні». Люди все ще визначали напрямок, review-или зміни, approve-или PR і контролювали rollout. Claude просто отримав те, чого coding agents часто не мають: доступ до реального feedback loop.

І ось тут головний висновок. Ми часто оцінюємо AI-агентів за принципом: «Наскільки добре він може написати код?» Але цікавіше питання: «Наскільки добре він може виміряти результат власної роботи?» Якщо агент бачить тільки repository, він просто генерує код. Якщо бачить repository + benchmarks + CI + telemetry + production metrics, він уже може займатись інжеерією

І, схоже, саме тут одна з найважливіших змін у розробці найближчих років: не AI, який пише більше коду, а AI, який сам знаходить проблему, вимірює її, виправляє і перевіряє, чи стало справді краще.

Таке…