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?
Встигли поюзати нормально нові модельки зі вчорашнього релізу? які у вас відчуття та інсайти в роботі?
💯22🔥1
Forwarded from Цифрові в'єтнамки
Нещодавно створена біолабораторія Anthropic вже заявила про першу велику знахідку — за 21 годину знайдено новий інструмент для редагування генів.
Claude знайшов у ДНК вірусів, які атакують бактерії, невідомий раніше механізм. Він працює схоже на CRISPR — найвідоміший інструмент редагування генів: вміє вирізати, копіювати й вставляти ДНК.
Claude знайшов у ДНК вірусів, які атакують бактерії, невідомий раніше механізм. Він працює схоже на CRISPR — найвідоміший інструмент редагування генів: вміє вирізати, копіювати й вставляти ДНК.
На пошук пішла 21 година роботи близько 950 ШІ-агентів.
👍14✍4👏1👌1
This media is not supported in your browser
VIEW IN TELEGRAM
Мої плани на сьогодні, а не оті ваші деплої в пʼятницю
😁48🌭1🍌1
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.
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.
👍22❤5
Понеділкове: подумав, що я з того часу, коли АІ значило Adobe Illustrator
Добрий ранок, спільното! Смачної кави всім!
Добрий ранок, спільното! Смачної кави всім!
😁38👍1
Forwarded from Стартапенко: IT, технології
Claude Code видалив 48 218 файлів із робочого проєкту розробника всього за 1,5 хвилини
Вайбкодер попросив ШІ-агента створити звичайний бэкап проєкту, але щось пішло катастрофічно не за планом: замість дублювання папки Claude запустив скрипт, який під нуль зачистив всю робочу директорію.
Відновити вдалося лише крихти даних. Найкраще в цій історії — агент усвідомив масштаб катастрофи вже після того, як усе випалив, і видав розробнику геніальне: «Здається, я щось зламав».
Вайбкодер попросив ШІ-агента створити звичайний бэкап проєкту, але щось пішло катастрофічно не за планом: замість дублювання папки Claude запустив скрипт, який під нуль зачистив всю робочу директорію.
Відновити вдалося лише крихти даних. Найкраще в цій історії — агент усвідомив масштаб катастрофи вже після того, як усе випалив, і видав розробнику геніальне: «Здається, я щось зламав».
😁40👌5
Так, від тої дурки треба тікати якось ментально. В мене виходить лише, якщо в роботу зануритись.
Тому, давайте будемо стрімити! Приходьте в четвер, 1 жовтня о 15:00 на стрім з Сергієм Немчинським (так знову 😅), де я покажу свій оновлений маркетплейс під Claude Code.
https://youtube.com/live/UcxsMjBc8KI?feature=share
Тому, давайте будемо стрімити! Приходьте в четвер, 1 жовтня о 15:00 на стрім з Сергієм Немчинським (так знову 😅), де я покажу свій оновлений маркетплейс під Claude Code.
https://youtube.com/live/UcxsMjBc8KI?feature=share
YouTube
Від задачі до Pull Request у Claude Code: моя система агентів наживо
Що потрібно, аби Claude Code не просто написав код, а провів задачу через увесь процес розробки — до Pull Request?
На стрімі покажу свій маркетплейс SDLC-плагінів для Claude Code в роботі. Візьмемо практичну задачу й пройдемо шлях від її аналізу до змін…
На стрімі покажу свій маркетплейс SDLC-плагінів для Claude Code в роботі. Візьмемо практичну задачу й пройдемо шлях від її аналізу до змін…
👍22
Вчора OpenAI остаточно вимкнула GPT-3.
28 вересня з API зникли davinci-002 і babbage-002 — останні моделі родини, з якої все починалося. Разом з ними пішла і GPT-3.5-turbo-instruct.
Саме на GPT-3.5 у 2022 році запустили перший ChatGPT. Минуло чотири роки, і це вже музей.
З якої нейромережі починали ви?
28 вересня з API зникли davinci-002 і babbage-002 — останні моделі родини, з якої все починалося. Разом з ними пішла і GPT-3.5-turbo-instruct.
Саме на GPT-3.5 у 2022 році запустили перший ChatGPT. Минуло чотири роки, і це вже музей.
З якої нейромережі починали ви?
❤10😢5
OpenAI знову розгортає занавіс ChatGPT Pro за 200 доларів.
Але ліміти зрізали майже вдвічі.
Тобто «Pro повернувся» — так, вітаємо.
«Стара халява повернулась» — ні, не мрійте.
Новий Pro даватиме приблизно половину попереднього обсягу використання, якщо рахувати через API-вартість.
5-годинний rolling limit OpenAI обіцяє не повертати — тижневий ліміт можна буде спалити хоч одразу, якщо дуже хочеться погоріти.
Офіційно причина така: моделі стали ефективнішими, а API для GPT-6 Sol і Luna подешевшав на 50%.
Але реальний сигнал простий:
OpenAI більше не хоче, щоб підписка за 200 доларів виглядала як лазівка для дешевого доступу до дорогих моделей.
Схоже, ера «надто вигідного Pro» закінчується.
Але ліміти зрізали майже вдвічі.
Тобто «Pro повернувся» — так, вітаємо.
«Стара халява повернулась» — ні, не мрійте.
Новий Pro даватиме приблизно половину попереднього обсягу використання, якщо рахувати через API-вартість.
5-годинний rolling limit OpenAI обіцяє не повертати — тижневий ліміт можна буде спалити хоч одразу, якщо дуже хочеться погоріти.
Офіційно причина така: моделі стали ефективнішими, а API для GPT-6 Sol і Luna подешевшав на 50%.
Але реальний сигнал простий:
OpenAI більше не хоче, щоб підписка за 200 доларів виглядала як лазівка для дешевого доступу до дорогих моделей.
Схоже, ера «надто вигідного Pro» закінчується.
🤔5❤1