По заявлениям, картина обратная — она и быстрее 4.8, и дешевле (пишут про 1/7 объёма reasoning tokens).

Чёт прям x - doubt, но хочется верить, конечно.

А ещё оно всё лучше учится в 3D... Я не рассказывал?) Ну, можно посмотреть видос:
https://www.youtube.com/watch?v=4WQd-8d5j4k

Здарова, работяги. Готовы завтра на завод? Я вот чёт не особо...

Зато узнал сегодня прикольный термин — information scent, буквально "запах информации"/"информационный запах".
Наконец-то у меня есть научное обоснование, почему ссылки на документацию с текстом "learn more" в интерфейсе продукта — это не просто "чёт кринж", а прям плохо :))

Текст получился длинным, тг премиума у меня нет, поэтому вот: https://teletype.in/@devcor/information-scent-learn-more-clickbait

Меня расстраивает пятёрка. Что Sonnet, что Opus.

Да, может по агентивным задачам и прочему там везде прирост (которого я пока не ощутил), но в плане общения прям деградация какая-то.
4.5/4.6, имея мой системный промт, общались со мной так, как мне нравилось — без нейроштампов, обычным, простым языком.

Пятёрка же скатилась обратно в нейрослоп. Прям повсюду эти конструкции типа "да, ты совершенно прав", "это не просто ценное наблюдение, но настоящее золото, которое переворачивает всё обсуждение" 🤮

Да и по задачам, честно говоря, тоже вопросики.

У меня сейчас стоит очень сложная и многосоставная задача — построить отдельный от основной команды быстрый процесс разработки. И там нельзя просто "погуглить бестпрактисы" и стырить себе.

Во-первых, потому что бестпрактисы — не универсальны. То, что работает в одной команде, не будет работать в другой. Во-вторых, потому что мы имеем SOC-2 Type II сертификацию, что накладывает на процессы просто херову тонну ограничений — всё должно быть по линеечке, проверяемо, везде должны быть следы кто разрешил изменения, когда, кто заапрувил деплой и т.д. и т.п.

Я вчера попробовал первый драфт накидать. Сначала через Opus 5 (High) — скормил ему все 20+ пдфок с полисями, описал ситуацию, задачу и т.д. После пары часов брейнфака появился некий первый драфт процессов.

Ради интереса решил его прогнать через GPT 5.6 Sol (High)... И тот нашёл прям кучу а) фактических косяков б) допущений в) натяжек фактов. Короче, прям драфт признан непригодным и противоречащим реальным полисям.

После этого я несколько часов колупал этот процесс с GPT 5.6 и мне прям ОЧЕНЬ понравился результат работы. И текст получается классным и понятным. При том, что пишет он его даже не прогоняя через /deslop, в отличие от Opus, который даже со скиллом не может вычистить нейрослоп из текста.

Уж не знаю, это фаза Луны влияет или положение Меркурия, но чёт прям я разочарован в Клоде и очарован чатгпт.

Продолжаю вести наблюдение.

Попалось прекрасное: https://github.com/JuliusBrussee/caveman.

Скилл, который максимально сокращает вывод агентам, превращая их речь в речь "первобытного человека".

Зачем? Помимо того, что это, очевидно, весело, оно ещё и количество output токенов режет очень сильно — а именно они дорогие в моделях.

Сейчас дочь обратила внимание, что у «Вкусно и Точки» адрес сайта vkusnoitochka.ru, то есть «вкусно и точка точка ру».

Мне кажется намного круче было бы просто vkusnoi.ru — ну типа «вкусно и точка ру».

Оказывается, не один я такой умный)) Домен vkusnoi.ru принадлежит и редиректит на сайт бургеркинга. Красавцы)

Пик дизайна! Видели когда-нибудь, чтобы сайт вас булил? Ну посмотрите :D

https://motherfuckingwebsite.com/

Пересматривал на выходных избранные серии «Хауса» и в какой-то момент меня осенило — блин, да он же продакт 😂

Ну в смысле, конечно, не прям продакт. Но механизмы там местами вообще один в один с product discovery: появляется какой-то сигнал, команда выдвигает гипотезу и ищет самую быструю проверку, которая даст хоть немного новой информации.

И вот теперь не могу это развидеть. Например, S04E06, Whatever It Takes.

В больницу поступает гонщица, которая потеряла сознание. Пока есть только сама проблема, а что именно её вызвало — непонятно.

Известно ещё, что она была обезвожена и долго находилась в жарком защитном костюме. То есть какой-никакой контекст и первые данные уже есть.

Форман выдвигает первую гипотезу: тепловой удар. То, что это 100% он — вообще не факт. Но проверять все возможные версии сразу дорого и бессмысленно. Поэтому сначала проверяют самую вероятную.

Поэтому пациентке просто дают жидкость (проверяя конкретную гипотезу) и смотрят на реакцию — т.е. делают минимальную проверку, которая сможет уменьшить энтропию неопределённость.

Ей становится лучше. Гипотеза подтверждена? Ан нет, появляется новый сигнал — у пациентски случается приступ. И он уже слабо укладывается в гипотезу о тепловом ударе, поэтому появляется следующая гипотеза — синдром Миллера-Фишера.

И так далее по кругу; новые симптомы, новые сигналы и новые версии: рассеянный склероз, волчанка, ботулизм, полиомиелит...

И каждый раз процесс примерно один и тот же:
• получили новый сигнал;
• выдвинули гипотезу;
• придумали быструю проверку;
• посмотрели на результат;
• обновили уровень уверенности и решили, куда копать дальше.

Например, Тауб и Эмбер предполагают волчанку и дают пациентке стероиды. Сначала ей становится лучше. Вроде как ещё один сигнал в пользу гипотезы. Потом резко становится хуже — отказывают ноги. Появились новые данные, которые с текущей версией уже не сходятся. Значит, версию снова приходится пересматривать.

И вот это, собственно, очень похоже на нормальный discovery. Не сидеть до посинения, пытаясь придумать единственно правильное объяснение происходящего или собрать все возможные варианты «на всякий случай». Не строить сразу целое решение на одной догадке. И не влюбляться в первую гипотезу только потому, что нашёлся один подтверждающий сигнал. А каждый раз делать минимальную проверку, получать ещё немного информации и уже на её основе решать, куда двигаться дальше.

В продуктовом discovery, правда, после неудачного теста не отказывают ноги, но иногда отваливается жопа.

Ещё один великолепный скилл нашёл: https://github.com/ayghri/i-have-adhd.

Неважно, есть у вас медицински подтверждённый СДВГ или вы просто сами так ✨чувствуете✨, но скилл всё равно полезен — он заставляет нейронку отжимать из ответов всю воду и давать краткие ответы по существу, не подготавливая за одно сообщение планы на 15 пунктов, которые даже прочитать невозможно, не то что выполнить.

Нихрена тут от братьев-китайцев новейшие разработки в сфере средств для стирки белья.

КЛЕЩЕВОЙ. ФУНГИЦИД. Понимаете?

Если не понимаете, клещи — acari, подкласс паукообразных, животных. А фунгицид — это от fungi, грибки.

Напоминаю про азы продуктивности

Признавайся, кто ты?

Разгадка оказалась тривиальной. Место под «честный знак» :/

Сейчас в очередной раз жоска получил напоминание о том, что надо подальше засунуть синдром самозванца и поувереннее быть в своих знаниях.

Вот так сидишь, думаешь что "да все уже всё про агентов, скиллы, MCP и прочее знают, чё про это рассказывать...", а потом вживую видишь как на звонке клиент вот такой промт вписывает... Причём клиент — профессиональный техпис!
И понимаешь — надо брать жопу в руки и нести просвещение в массы, а то чо они...

это же беспросветный звиздец, а не постановка задачи...

Вот это сервис... Такси уже по лестнице научились подниматься.

Уклоняться теперь можно не только от налогов или уплаты алиментов, но и от кукисов.

What a world we live in