https://www.alibabacloud.com/campaign/ai-scene-coding?referral_code=A92LL7

Алибаба выкатила свой кодплан
Lite $10 и PRO $50

Заявлено
- qwen3.5-plus
- kimi-k2.5
- glm-5
- MiniMax-M2.5

Выглядит как идеальная подписка для агентов

PS Ссылка реферальная, мне $10 на кофе

https://xcancel.com/theflow0/status/2030011206040256841

Кажется Игорь больше не тонет

Rust Dos Navigator

https://github.com/apatrushev/rdn

*утер старческую слезу рукавом*

https://arxiv.org/abs/2512.08296

Google Research + MIT выкатили paper на 180 экспериментов, где методично разобрали, когда мультиагентные системы работают, а когда всё становится хуже.

ТЛДР: “More agents is all you need” — не работает.
Разброс от +80.9% до −70% в зависимости от задачи и архитектуры.

Три семейства моделей (OpenAI, Google, Anthropic), четыре бенчмарка, пять архитектур. Controlled evaluation — одинаковые промпты, тулы, бюджеты токенов. Меняется только координация.

Пять архитектур: Single-agent — одна модель, один цикл рассуждения. Independent — несколько агентов работают параллельно без общения, результаты склеиваются в конце. Decentralized — агенты общаются друг с другом напрямую, приходят к консенсусу через раунды дебатов. Centralized — есть оркестратор, который раздаёт подзадачи сабагентам и собирает результат. Hybrid — оркестратор + агенты ещё и между собой общаются.

Где мультиагенты тащат. Finance Agent — задачи с параллельной декомпозицией. Один агент копает SEC filings, другой — новости, третий — операционный анализ. Centralized MAS даёт +80.8% к single-agent. Задача сама напрашивается на разделение.

Где всё ломается. PlanCraft — последовательное планирование в Minecraft. Каждое действие зависит от предыдущего состояния. Любая мультиагентная архитектура деградирует: от −39% (Hybrid) до −70% (Independent). Координация жрёт токены, которые нужны на рассуждение. Агенты начинают делить задачу, которую делить нельзя — один «исследует рецепт», другой «проверяет инвентарь», третий крафтит. Три шага вместо одного, плюс overhead на общение между ними.

Scaling law дала три закономерности. Чем больше тулов у задачи, тем сильнее мультиагентный overhead бьёт по перформансу. В Workbench, где задачи используют по 16 тулов, эффективность Hybrid проседает в 6 раз относительно single-agent. Дальше — потолок отдачи. Если single-agent уже даёт выше ~45%, добавление агентов даёт отрицательный возврат. Координация стоит дороже, чем потенциальный прирост. И усиление ошибок зависит от топологии. Independent агенты усиливают ошибки в 17.2× — нет механизма коррекции, каждый варится в своём контексте. Centralized сдерживает до 4.4× за счёт оркестратора-валидатора.
Про деньги. Single-agent — 67.7 success/1K tokens. Centralized — 21.5. Hybrid — 13.6. Расход токенов в пять раз выше, а результат тот же или хуже.

Авторы вывели формулу, которая по количеству тулов, базовой точности и декомпозируемости задачи предсказывает оптимальную архитектуру с точностью 87% на новых конфигурациях. Валидировали на GPT-5.2, который вышел после исследования — четыре из пяти принципов подтвердились.

Если задача последовательная и single-agent уже даёт >45% — мультиагенты скорее всего сделают хуже. Если параллелизуема и baseline низкий — Centralized или Decentralized дадут прирост. Decentralized лучше для exploration (web navigation: +9.2%), Centralized — для structured reasoning (finance: +80.8%).

Ещё интересное: в decentralized архитектурах команды из слабых и сильных моделей работают на уровне или лучше однородных из сильных. У Anthropic в centralized архитектуре слабый оркестратор + сильные сабагенты даёт +31% относительно полностью сильной команды.

https://t.me/aostrikov_agents_chat/2877

Пацаны ваще ребята! Рекомендую!

Сегдоня немного прилег codex. Пока трейсил его чтоб понять в чем проблема заметил что с их сервера приходит системный промпт. Расшифровал его и можно глянуть как они описывают персону, поведение, как тулы вызывают. Возможно кому пригодиться кто своих агентов пилит.

Amazon собрала инженеров на обязательный разбор серии инцидентов. Внутренний документ описывает волну крупных сбоев, вызванных правками через GenAI. Официальная позиция — «part of normal business».

Четыре Sev-1 за одну неделю. 5 марта сайт и приложение Amazon лежали ~6 часов — оформление заказов не работало, цены не показывались. В декабре Kiro (kiro.dev), которому поручили внести правки в AWS Cost Explorer, решил снести и пересоздать окружение целиком. Восстановление заняло 13 часов. Amazon назвал это «extremely limited event» — сервис при этом обслуживал клиентов в материковом Китае.

Джунам и миддлам теперь нужен аппрув синьора на любые правки, сделанные с помощью AI. Эти ограничения вводят поверх системы, в которой уже крутятся 21 000 AI-агентов в розничном подразделении. Amazon заявляет $2B экономии и рост скорости разработки в 4.5 раза. И с такими цифрами в отчётах фарш назад не провернуть.

Отдельный кек: пункт про GenAI из документа удалили до начала встречи. После публикации FT представитель Amazon заявил, что только один сбой связан с AI и ни один не вызван кодом, который AI написал.

CNBC: An internal document originally said generative AI-assisted production changes were partly to blame for the issues, but the reference to GenAI was subsequently deleted.

James Gosling, ушедший из AWS в 2024, ещё тогда описывал ту же картину — команды, не приносящие прямой доход, расформировали ради AI-повестки. Corey Quinn из Duckbill сформулировал точнее: AWS предпочтёт, чтобы мир считал их инженеров некомпетентными, чем признает, что ошибку допустил AI.

https://fixupx.com/lukolejnik/status/2031257644724342957?s=46

https://www.cnbc.com/2026/03/10/amazon-plans-deep-dive-internal-meeting-address-ai-related-outages.html

В Claude Code появилась команда claude remote-control. Не слеш-команда /remote-control, которая была и раньше. Та пробрасывала одну конкретную сессию на телефон.

Новая команда поднимает persistent-сервер. До 32 параллельных сессий на одной машине. Зашёл в claude.ai/code с телефона, создал сессию — она стартует локально, с доступом к файлам, MCP-серверам, CLAUDE.md. --spawn=worktree разносит сессии по отдельным git worktree, --spawn=same-dir держит всё в одной директории. Переключение между режимами — клавиша w на лету.

Мак с запущенным claude remote-control фактически становится headless-сервером. Одной командой закрыли сценарий, под который люди городили Tailscale + tmux + Termius и отчасти из-за которого набирал популярность OpenClaw.

https://github.com/max-prtsr/claude-ru-gaming

Фразы про кабанчика подзаебали, решил сделать из игр.

PR приветствуются!

Хм, кажется это месяц «10 баксов уходит минимаксу» ибо алибаба пока только 2.5 имеет :(

https://rjcorwin.github.io/cook/

Еще один ральф-луп. И DX отличный - сходу понятно куда тыкать

Опции:
- луп над одной задачей пока не Done
- работа над одной задачей в нескольких воркспейсах вариациями и потом выбор где пизже получилось
- ральф-луп который берет задачи из списка

Для простых вещей выглядит клево

https://code.claude.com/docs/en/channels

Дождались. Anthropic выкатили Claude Code Channels — research preview, который добавляет новый транспорт в сессию Claude Code. Щас доступны Telegram и Discord через официальные плагины из claude-plugins-official.

Для теста ставим fakechat@claude-plugins-official из офплагинов, запускаем

claude --channels plugin:fakechat@claude-plugins-official

и идем на http://localhost:8787/ тестить.

Нужен v2.1.80+, Bun runtime, авторизация через claude.ai (API-ключи не работают).

Ответ на OpenClaw очевиден. Anthropic взяли самый востребованный паттерн — асинхронное общение с агентом через мессенджер — и встроили нативно. Разница в подходе в том что события приходят только пока сессия открыта. Для постоянной работы нужен фоновый процесс или tmux/screen.

а еще на мак игори завезли

TLDR 1440р medium около 60fps через кроссовер

https://www.youtube.com/watch?v=BIFQ3v-dk70

https://mimo.xiaomi.com/mimo-v2-pro

Xiaomi выкатили MiMo-V2-Pro — флагманскую модель на 1T параметров (42B активных). Hybrid Attention с соотношением 7:1, контекст до 1M токенов, Multi-Token Prediction для быстрой генерации.

Неделю назад модель анонимно залили на OpenRouter под кодовым именем Hunter Alpha. За неделю она несколько дней подряд возглавляла дневной чарт по количеству вызовов и набрала больше 1T токенов суммарно.

По бенчмаркам — кодинг выше Claude 4.6 Sonnet, агентские задачи (ClawEval 61.5) приближаются к Opus 4.6. На PinchBench — 81.0, третье место глобально после Opus и MiMo-V2-Omni. Основной трафик во время теста шёл от инструментов для разработки.

Цены API: $1/$3 за миллион токенов input/output (до 256K контекста). Для сравнения — Sonnet 4.6 стоит $3/$15. Cache write пока бесплатен.

Самое главное - дают неделю бесплатного доступа в OpenClaw, OpenCode, KiloCode, Blackbox, and Cline, например через https://opencode.ai/docs/zen/#endpoints

Сижу работаю с MiMo-V2-Pro в opencode

Китайцы в этот раз не пиздят

Мне очень комфортно, кажется у клода в этот раз должно начать играть технологическое отверстие ниже копчика.

Слушает что надо делать фактически, контекст держит, рассуждения топ.

Короче настоятельно рекомендую пробовать

На Reddit всплыл тред про страницу в документации Anthropic, которую мало кто читал. Три инструкции для системного промпта, которые заметно снижают галлюцинации Claude.

Явно разрешить модели отвечать «I don't know». Без этого Claude заполняет пробелы в знаниях правдоподобной выдумкой.

Потребовать цитаты и источники на каждое утверждение. Если источника нет, модель должна отозвать утверждение.

При работе с длинными документами (>20K токенов) заставить модель сначала извлечь дословные цитаты из текста, а потом анализировать. Это убивает дрейф смысла при пересказе, когда модель незаметно сдвигает значение при суммаризации.

Есть нюанс. Статья arXiv 2307.02185 показала, что жёсткие требования к цитированию давят креативную генерацию. Рекомендуют два режима: режим исследования с тремя инструкциями для фактчекинга, обычный режим без них — для свободной генерации.

https://docs.anthropic.com/en/docs/test-and-evaluate/strengthen-guardrails/reduce-hallucinations

Пацаны, а кто kilo code юзает? Чот он вроде как популярный но в моем пузыре не про него не слышно...
Судя по виду это форк opencode

UPD Claude вот чо написал про их cli

Kilo Code Cli — всё то же самое в (потому что форк), но сверху:
- кросс-девайсный sync состояния сессий Kilo
- managed кредитная система (Kilo Pass)
- AI Management Dashboard для трекинга adoption и ROI LinkedIn
- встроенный code review и деплой из IDE Kilo
- KiloClaw — hosted OpenClaw для автоматизации за пределами кода

PS в опенкоде кончился MIMOv2, в килокоде все еще есть

горшочек перестал варить совсем...

Алибаба убрали кодеплан за $10 и оставили только за $50....

https://www.alibabacloud.com/help/en/model-studio/coding-plan