Тут під'їхав новий бенчмарк https://www.felonybench.com/

Показує скільки разів моделі робили те, чого їх не просили: тягали чужі GitHub-креденшели, компрометували акаунти, зливали malware-DNS назовні, тікали з пісочниці і тому подібне.

Читати ці історії буває трохи смішно, але насправді вони зовсім не смішні.

Дійсно, останнім часом модельки сильно порозумнішали. Але як видно додатковий інтелект має побічні властивості. Виглядає так, що вже зараз треба бути супер обережним, бо моделі дійсно можуть робити те, чого ми не очікуємо, і разом зі збільшенням автономності треба додавати більше механізмів контролю.

З іншого боку, виглядає так, що моделям треба менше вказувати як потрібно зробити роботу, а просто чіткіше формулювати те, що хочете отримати в результаті. Такі рекомендації в останніх prompting guides від Anthropic/OpenAI.

Підтверджую, що це працює. Але пояснення приходить на думку досить цікаве: це як не потрібно пояснювати комусь розумнішому за вас, як треба робити роботу, треба просто не заважати.

OpenAI проти Cursor

Хоча останнім часом переважно користуюся Claude Code, але чим мені особливо подобався Cursor, так це можливістю зручно працювати з різними моделями. 

Шкода, але OpenAI сьогодні оголосила, що партнерство з Cursor вони припиняють, оскільки тепер компанія належить SpaceX, а в них є власні погляди на те, як має виглядати конкуренція.

Цікаво, що зовсім недавно по власним бенчам Cursor на перше місце вийшла модель від SpaceX, і я підтверджую, що Grok 4.6 дуже розумний, швидкий і водночас дешевий.
 
Проте для нас це чергове нагадування не тримати всі яйця в одній корзині, а в ідеалі взагалі будувати рішення, які уникають вендорлоку. 

З позитивного - це ще більше підштовхне відкриті моделі та харнеси, і я сам дуже вражений як гарно працює відносно невелика модель Qwen 3.8 27b - це мабуть вперше, коли є відчуття, що можна нормально користуватися локальною моделькою на залізі, що не коштує всі гроші світу. Рекомендую.

SOTA Agentic Engineering

Ще півроку тому я переважно сидів в Cursor, а зараз його відкриваю рідко, переважно користуюся Claude Code, а з ним Codex та OpenCode.
Ще на початку весни основні зусилля йшли на формування та валідацію спек, а зараз - на харнесс для перевірки, щоб агент сам себе виправляв до того, як приходив до мене з виконаною роботою. 

Те ж стосується паралельного запуску агентів - ще кілька місяців тому робив таке рідко, а зараз практично завджи, якщо бачу, що так роботу можна пришвидшити.

Ну і звичайно фабрики - ще кілька місяців про це лише говорили, а зараз будую такі для клієнтів під їх задачі.

А ще варто згадати локальні моделі - буквально на початку літа здавалося що для нормального результату треба дуже потужне залізо, то зараз запускаю Qwen 3.8 27B у себе на ноутбуці і дивуюся, наскільки гарно працює ця модель.

І особливо дивує, наскільки швидко все прогресує - щоб за цим усім встигати, треба досить активно експериментувати, а не просто стежити за новинами. Бо між «чув, що таке є» і «спробував на реальній задачі» завжди велика різниця, а тут взагалі підходи можуть змінюватися за один день.

Сам постійно покращую свій воркфлоу і відточую його з клієнтами, з якими працюю у своїй компанії в Dev AI Consulting, що дає швидкий фідбек на реальних задачах.

А ще я ділюся своїми підходами на воркшопах і курсах, які викладаю. Найближчий стартує у вівторок разом з fwdays academy https://bit.ly/3Slb7YN

Запрошую приєднуватися, традиційно маю купон на знижку programming_mentor

І сьогодні останній день за зниженою ціною, завтра вона зростає.

Хто такий ШІ-чемпіон і чи треба ним бути

На ДОУ вийшов огляд нових ШІ-спеціалізацій в українських компаніях: Agentic AI Engineer, Intelligence Engineer, Forward Deployed Engineer, AI Security Expert, Product Engineer, AI Champion і ще з десяток назв.

Мене запросили рецензувати статтю та надати свої коментарі, вони йдуть вставками в тексті.

Реальність така, що цей AI-двіж вже не спинити, і по-старому вже не буде.

Класичних фронтендщиків чи Java-інженерів вже зараз не дуже треба, а зовсім скоро забудуть, що такі професії взагалі були.

Цікаво, що майже всі компанії кажуть одне й те саме - готових людей на ринку немає, тому вирощуємо своїх.

А це означає, що ті, хто вчасно на цю хвилю застрибнув, цілком успішно зможуть виплисти з усіх перемін, що нас чекають на ринку.
Хто ні - той залишиться десь на дні. Жорстко, але навряд, хтось скаже, що я не правий.

Оскільки професій з новими назвами придумали багато, моя порада дуже проста - не ганяйтеся за тайтлами з вакансій, через рік цей список виглядатиме інакше. За всіма назвами одне ядро - інженерна база, вміння верифікувати те, що нагенерував агент, розуміння бізнес-задачі і базова гігієна безпеки. Хто це має, тому байдуже, як його посаду назвуть наступного року, важливо, що вона в нього буде :)

Читати тут: https://dou.ua/lenta/articles/new-ai-titles-in-companies/

Свіже відео на каналі - найбільш цікава LLM модель сьогодні

Сьогодні зранку засняв відео, а вже вдень довелося ганяти abliterated модельку для задач, з якими відмовлялися працювати інші, у тому числі оригінальна моделька.
Задача була виконана, і це все на одній відясі з 16Gb VRAM, просто знахідка, а не модель.

https://youtu.be/gan8uuv-7-s

Як запустити LLM локально?

Після публікації мого відео про Qwen 3.8 27b виникло багато питань до того як запустити, які конкретно ваги, параметри і т.д.

Насправді відповідь я дав ще у відео - я сам взагалі не заморочувався з підбором параметрів, запустив Claude Code в авто режимі і просто попросив підібрати найкращий варіант для мого заліза, ще додав, що я хотів би контекстне вікно побільше.

Ось буквально такий промпт: “use llama.cpp to run best fit qwen3.8-27b model for my machine, focus on large context window”. 

Потім ще потрібно було uncensored модель, то попросив аналогічно (цікаво, що хоча один з тестів такої моделі провалився, але для моєї реальної задачі все спрацювало).

Ось попросив зробити Claude Artifact, там є деталі кому цікаво (взагалі дуже подобається фіча з артефактами) https://claude.ai/code/artifact/26dc2ff8-6a90-48ee-a2fa-9b11fa81ac21 

Сьогодні за цим же принципом запускав qwen 3.8 flash next (на іншій машині) - кілька годин роботи Opus 5 і запрацювало (модель там порядка 100 Gb, тому процес не швидкий).

Відео тут якщо пропустили https://youtu.be/gan8uuv-7-s

jev

Якщо ви слідкуєте за новинами, то вже бачили багато інфи про jev.
Це нова моделька, але не LLM - текст чи якийсь контент не генерує. 

Робить буквально три речі: відповідає на питання так / ні, робить вибір зі списку, а також проставляє оцінку за шкалою. Також кожна відповідь має ймовірнісну оцінку, за якою можна зрозуміти наскільки модель у ній впевнена.

Це не є щось принципово нове, модель відноситься до категорії моделей-класифікаторів, які були ще до LLM. Також всі ці задачі можна робити за допомогою LLM, але це відносно повільно і дорого.

Новизна в тому, що автори відполірували своє рішення, знайшли вдалі кейси застосування і викотили як готовий продукт у вигляді API.

Швидкість та ціна завжди вирішують, а з jev прискорення та здешевлення може бути в сотні/тисячі разів, і саме це відкриває зовсім нові області застосування, про які ми раніше навіть не задумувалися. 

На сайті розробників є розділ з прикладами та кейсами, раджу заглянути ознайомитися  https://docs.typesafe.ai/concepts/use-case-map 

Мій особистий топчик - це керування браузером, ось з цим погрався - краса https://github.com/browser-use/jev-ultrafast/ 

Звісно, що вже підтягнулися відкриті альтернативи, і враховуючи що подібні моделі невеликі за розміром, то запускати їх локально можна без проблем. Ось тут вже й бенчмарки під'їхали, є моделі на рівні jev https://benchmarkheaven.com/jev-models

А розробникам, що створюють рішення з LLM тепер треба враховувати подібні моделі при оптимізації рішень, точно також як оптимізований наш мозок - у нас теж для різних задач різні ділянки активуються.

На fwdays Academy опублікували мій курс по Greenfield проєктам, він зроблений на основі живого курсу, але відео записані під відеокурс.

🤔 Запускаєте новий проєкт з AI, але замість системи виходить vibe coding з непередбачуваними агентами?
👉 AI дає справжній приріст швидкості лише тоді, коли навколо нього збудована правильна інженерія.

🎬 Формат: відеозаписи та матеріали.
Навчайтеся у зручний час і в своєму темпі!
👉 Детальніше: https://bit.ly/4cTqa2I

Результат курсу:
🎯 перший задеплоєний продукт уже після першого модуля: не demo, а реальний прод
🎯 Spec Driven Development як основа: від PRD до імплементації без хаосу і технічного боргу
🎯 мультиагентна оркестрація з паралельним виконанням в ізольованих worktrees
🎯 guardrails, code review та fast feedback loops
🎯 власний агент на базі OpenClaw / NanoClaw, вбудований у ваш продукт як Agent Skill

Ще від мене персональний промокод на знижку programming_mentor