Claude объединил память чата и Cowork: теперь вы сами решаете, что в ней
Anthropic сделала память Claude сквозной: то, что ассистент помнит из чата, теперь доступно и агенту Cowork, и наоборот.
Накопленный за месяцы контекст: приоритеты, статусы проектов, твои договорённости, всё это доступно для решения ваших задач в момент запуска, без повторных объяснений.
🔧 Изменение механики работы: память пополняется по ходу разговора, а не резюмируется постфактум.
Сказал, что дедлайн сдвинулся на сентябрь, и следующий разговор уже в курсе без «запомни это».
Всё, что Claude помнит, лежит файлами по темам в настройках: можно читать, править и удалять каждый пункт.
🛡 Приватность заложена на этапе проектирования.
Чувствительные темы (здоровье, вера, политика, идентичность) по умолчанию не сохраняются, хотя это можно включить отдельной настройкой.
И есть перечень данных, которые не пишутся никогда:
паспортные и налоговые номера, судимости, иммиграционный статус или что-то, что нарушает политику допустимого использования (AUP) от Антропика.
Память включена по умолчанию на бесплатных и Pro/Max тарифах, в командных планах ей управляет админ.
🧠 Агентская память хранящаяся у вендора привязывает пользователя сильнее, чем скидки на подписку.
Чем больше данных копится в Claude, тем дороже уйти к конкуренту.
Фича удобная для тех, кто не разворачивает личных ИИ агентов, у которых память остается на железе пользователя и не контролируется провайдерами.
📎 Источник: блог Claude
#Claude #Anthropic #память
———
@tsingular
Anthropic сделала память Claude сквозной: то, что ассистент помнит из чата, теперь доступно и агенту Cowork, и наоборот.
Накопленный за месяцы контекст: приоритеты, статусы проектов, твои договорённости, всё это доступно для решения ваших задач в момент запуска, без повторных объяснений.
🔧 Изменение механики работы: память пополняется по ходу разговора, а не резюмируется постфактум.
Сказал, что дедлайн сдвинулся на сентябрь, и следующий разговор уже в курсе без «запомни это».
Всё, что Claude помнит, лежит файлами по темам в настройках: можно читать, править и удалять каждый пункт.
🛡 Приватность заложена на этапе проектирования.
Чувствительные темы (здоровье, вера, политика, идентичность) по умолчанию не сохраняются, хотя это можно включить отдельной настройкой.
И есть перечень данных, которые не пишутся никогда:
паспортные и налоговые номера, судимости, иммиграционный статус или что-то, что нарушает политику допустимого использования (AUP) от Антропика.
Память включена по умолчанию на бесплатных и Pro/Max тарифах, в командных планах ей управляет админ.
🧠 Агентская память хранящаяся у вендора привязывает пользователя сильнее, чем скидки на подписку.
Чем больше данных копится в Claude, тем дороже уйти к конкуренту.
Фича удобная для тех, кто не разворачивает личных ИИ агентов, у которых память остается на железе пользователя и не контролируется провайдерами.
📎 Источник: блог Claude
#Claude #Anthropic #память
———
@tsingular
🔥6⚡2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
Новый мировой рекорд на Олимпиаде роботов:
8.86 секунд на 100 метровке 🤯
Предыдущий рекорд сначала поставили на открытии - 9.39 потом улучшили до 9.32 и вот теперь Tiangong разогнался до 8.86.
Ну и это еще не финал!
#роботы #олимпиада
------
@tsingular
8.86 секунд на 100 метровке 🤯
Предыдущий рекорд сначала поставили на открытии - 9.39 потом улучшили до 9.32 и вот теперь Tiangong разогнался до 8.86.
Ну и это еще не финал!
#роботы #олимпиада
------
@tsingular
😁11🔥8👾3
Эндрю Нг выпустил OpenWorker: ИИ-коллега, который доводит работу до конца
Вы не поверите, но у нас новый харнесс. :)
Эндрю Нг, известный преподаватель в мире машинного обучения, и владелец платформы https://www.deeplearning.ai/, зашёл на поляну локальных агентов: его OpenWorker (не путать с OpenWork - https://t.me/tsingular/6209) живёт на десктопе и добивается выполнения задачи, доводя её до результата.
Ровно та поляна, где уже пасутся Крабы и Гермесы: всё локально, свои ключи, MCP, и открытый код под MIT.
⚡️ За недели с момента открытия: 14,9 тысячи звёзд, 2,1 тысячи форков, ставится на macOS и Windows, обновляется сам.
Модель приносишь свою: OpenAI, Anthropic, Google, DeepSeek, Qwen, Mistral, Grok и ещё десяток, либо совсем локально через Ollama.
💼 Под капотом его собственная библиотека aisuite: единый API поверх всех провайдеров, а OpenWorker как агентская обёртка.
Вырисовывается такая общая бизнесмодель, - харнесс как витрина продажи агрегатора провайдеров моделей :)
Посмотрите:
LM Studio → Bionic - каталог моделей свой
OpenCode → OpenCode Go
Hermes Agent → Nous Portal
Kilo Code → Kilo Gateway
Cline → Cline Provider
Cursor → Cursor Models
Windsurf → Windsurf Models
Warp → Warp AI Models
JetBrains Junie → JetBrains AI Service
GitHub Copilot → Copilot Models
Perplexity → Perplexity Models
Roo Code → Roo Code Router
ну и т.д.
📎 Репозиторий: OpenWorker
#OpenWorker #агенты #opensource
———
@tsingular
Вы не поверите, но у нас новый харнесс. :)
Эндрю Нг, известный преподаватель в мире машинного обучения, и владелец платформы https://www.deeplearning.ai/, зашёл на поляну локальных агентов: его OpenWorker (не путать с OpenWork - https://t.me/tsingular/6209) живёт на десктопе и добивается выполнения задачи, доводя её до результата.
Ровно та поляна, где уже пасутся Крабы и Гермесы: всё локально, свои ключи, MCP, и открытый код под MIT.
⚡️ За недели с момента открытия: 14,9 тысячи звёзд, 2,1 тысячи форков, ставится на macOS и Windows, обновляется сам.
Модель приносишь свою: OpenAI, Anthropic, Google, DeepSeek, Qwen, Mistral, Grok и ещё десяток, либо совсем локально через Ollama.
💼 Под капотом его собственная библиотека aisuite: единый API поверх всех провайдеров, а OpenWorker как агентская обёртка.
Вырисовывается такая общая бизнесмодель, - харнесс как витрина продажи агрегатора провайдеров моделей :)
Посмотрите:
LM Studio → Bionic - каталог моделей свой
OpenCode → OpenCode Go
Hermes Agent → Nous Portal
Kilo Code → Kilo Gateway
Cline → Cline Provider
Cursor → Cursor Models
Windsurf → Windsurf Models
Warp → Warp AI Models
JetBrains Junie → JetBrains AI Service
GitHub Copilot → Copilot Models
Perplexity → Perplexity Models
Roo Code → Roo Code Router
ну и т.д.
📎 Репозиторий: OpenWorker
#OpenWorker #агенты #opensource
———
@tsingular
👍10😁3⚡1
ИИзбранное, - канал с учебными материалами и прямыми эфирами
Раз уж пошли вопросы по базе и добавились новенькие, - напомню, что есть канал, где я разъясняю основы и помогаю разобраться, отвечая на вопросы вживую.
- 🛠 Рабочие сценарии использования ИИ, - в быту, в бизнесе, в разработке.
- 🎓 Мастер-классы, - записи лекций по настройке агентов и автоматизации рутины. С пошаговыми инструкциями.
- 📚 Презентации с лекций, - те материалы с которыми я провожу обучения в МГИМО и РАНХиГС и выступаю на конференциях
- 🎬 Прямые эфиры с подписчиками для обсуждения проблем по внедрению ИИ. Такой режим онлайн-консультаций в свободной форме.
Вход тут:
https://paywall.pw/tsingular_favorites
Там уже материалов за 3 месяца накопилось прилично и по моделям и по инференсу и по RAGу и по агентам и агентским циклам и даже по железу добили разбор.
Заходите, смотрите, учитесь, качайте :)
ВАЖНО: как зайдёте, - листайте в самое начало, - там реально много полезного.
#ИИзбранное
———
@tsingular
Раз уж пошли вопросы по базе и добавились новенькие, - напомню, что есть канал, где я разъясняю основы и помогаю разобраться, отвечая на вопросы вживую.
- 🛠 Рабочие сценарии использования ИИ, - в быту, в бизнесе, в разработке.
- 🎓 Мастер-классы, - записи лекций по настройке агентов и автоматизации рутины. С пошаговыми инструкциями.
- 📚 Презентации с лекций, - те материалы с которыми я провожу обучения в МГИМО и РАНХиГС и выступаю на конференциях
- 🎬 Прямые эфиры с подписчиками для обсуждения проблем по внедрению ИИ. Такой режим онлайн-консультаций в свободной форме.
Вход тут:
https://paywall.pw/tsingular_favorites
Там уже материалов за 3 месяца накопилось прилично и по моделям и по инференсу и по RAGу и по агентам и агентским циклам и даже по железу добили разбор.
Заходите, смотрите, учитесь, качайте :)
ВАЖНО: как зайдёте, - листайте в самое начало, - там реально много полезного.
#ИИзбранное
———
@tsingular
⚡8🔥6✍4❤3👍3
McKinsey: ИИ поднял продуктивность людей, но не прибыль компаний
Свежий State of AI от McKinsey зафиксировал интересное расхождение: восемь из десяти опрошенных говорят, что ИИ поднял их личную продуктивность, а доля компаний, увидевших влияние на прибыль, второй год не сдвинулась с места.
📊 Ключевые цифры:
80% замечают рост собственной продуктивности, половина говорит, что ИИ помогает принимать решения лучше.
37% компаний относят хотя бы часть EBIT на счёт ИИ, ровно как год назад.
Доля хайперформеров, у которых ИИ даёт от 5% EBIT и «значительный эффект», застыла на 6%.
44% масштабируют ИИ на всю компанию (было 38%), а агентов уже масштабируют 40% крупных компаний против 27% годом ранее.
💡 Два объективных сдвига:
Бюджетный: Треть опрошенных (32%) уже отказались от покупки софта, который теперь строят сами с помощью кодовых агентов. Получается, что ИИ влияет не только на саму работу, но и на закупки.
Расходный: Около 20% говорят, что операционные расходы на ИИ, собственно токены, уже ограничивают потребление, т.е. ИИ сам становится серьёзной статьёй затрат.
💼 Главный вывод отчёта: индивидуальная продуктивность не превращается в корпоративную прибыль сама по себе.
Те, кто реально получают эффект от внедрения ИИ, перестраивают процессы под него, а не просто вставляют в старые.
Купить и не внедрить это наша старая забава.
Это как продукты покупаешь и не готовишь и холодильник выступет перевалочным пунктом из магазина в мусорку, - знакомо? :)
📎 Отчёт: The state of AI in 2026
#McKinsey #AI #ROI
———
@tsingular
Свежий State of AI от McKinsey зафиксировал интересное расхождение: восемь из десяти опрошенных говорят, что ИИ поднял их личную продуктивность, а доля компаний, увидевших влияние на прибыль, второй год не сдвинулась с места.
📊 Ключевые цифры:
80% замечают рост собственной продуктивности, половина говорит, что ИИ помогает принимать решения лучше.
37% компаний относят хотя бы часть EBIT на счёт ИИ, ровно как год назад.
Доля хайперформеров, у которых ИИ даёт от 5% EBIT и «значительный эффект», застыла на 6%.
44% масштабируют ИИ на всю компанию (было 38%), а агентов уже масштабируют 40% крупных компаний против 27% годом ранее.
💡 Два объективных сдвига:
Бюджетный: Треть опрошенных (32%) уже отказались от покупки софта, который теперь строят сами с помощью кодовых агентов. Получается, что ИИ влияет не только на саму работу, но и на закупки.
Расходный: Около 20% говорят, что операционные расходы на ИИ, собственно токены, уже ограничивают потребление, т.е. ИИ сам становится серьёзной статьёй затрат.
💼 Главный вывод отчёта: индивидуальная продуктивность не превращается в корпоративную прибыль сама по себе.
Те, кто реально получают эффект от внедрения ИИ, перестраивают процессы под него, а не просто вставляют в старые.
Купить и не внедрить это наша старая забава.
Это как продукты покупаешь и не готовишь и холодильник выступет перевалочным пунктом из магазина в мусорку, - знакомо? :)
📎 Отчёт: The state of AI in 2026
#McKinsey #AI #ROI
———
@tsingular
🔥9💯6✍2👍2⚡1
DeepSeek доросла до реальных денег: $70 млн выручки в июле, десятикратный рост
Лаборатория, которая прославилась тем, что тренировала модель за $6 млн «на копейки», вышла на серьёзные цифры.
The Information пишет: выручка DeepSeek к июлю достигла $70 млн, это десятикратный рост к 2025 году.
И это было ещё ДО того, как они повысили цены на прошлой неделе!
📊 Цифры не из официальных отчетов: источники цифр, - люди, знакомые с ситуацией, официальной отчётности у DeepSeek нет.
В июльском отчёте того же The Information фигурировала оценка ближе к $500 млн в годовом выражении, свежая цифра скромнее, но вектор тот же: за год выручка подскочила на порядок.
При этом они закрыли раунд на $7,4 млрд при оценке около $50 млрд и на полной скорости идет подготовка к IPO в Шанхае в 2027.
💰 Токеномика: выручка у DS в основном от продажи доступа к моделям через API.
Цена изначально была в разы ниже, чем у западных флагманов, доллар за миллион токенов против десятков у конкурентов, а маржа при этом 70–80%.
С новыми ценами, которые в среднем выросли в 3 раза, - маржа подскочи до 200%
💸 С такими цифрами можно и на IPO :)
📎 Источник: The Information
#DeepSeek #ИИ #бизнес
———
@tsingular
Лаборатория, которая прославилась тем, что тренировала модель за $6 млн «на копейки», вышла на серьёзные цифры.
The Information пишет: выручка DeepSeek к июлю достигла $70 млн, это десятикратный рост к 2025 году.
И это было ещё ДО того, как они повысили цены на прошлой неделе!
📊 Цифры не из официальных отчетов: источники цифр, - люди, знакомые с ситуацией, официальной отчётности у DeepSeek нет.
В июльском отчёте того же The Information фигурировала оценка ближе к $500 млн в годовом выражении, свежая цифра скромнее, но вектор тот же: за год выручка подскочила на порядок.
При этом они закрыли раунд на $7,4 млрд при оценке около $50 млрд и на полной скорости идет подготовка к IPO в Шанхае в 2027.
💰 Токеномика: выручка у DS в основном от продажи доступа к моделям через API.
Цена изначально была в разы ниже, чем у западных флагманов, доллар за миллион токенов против десятков у конкурентов, а маржа при этом 70–80%.
С новыми ценами, которые в среднем выросли в 3 раза, - маржа подскочи до 200%
💸 С такими цифрами можно и на IPO :)
📎 Источник: The Information
#DeepSeek #ИИ #бизнес
———
@tsingular
❤5✍4🔥3⚡2
Forwarded from Анализ данных (Data analysis)
🔥 OX Alpha - это новая GLM
Bloomberg подтвердил: OX Alpha действительно относится к новой линейке GLM.
Ещё интереснее - веса модели обещают выложить уже сегодня.
Получается, все «инсайды» о том, что OX Alpha якобы не имеет отношения к новой GLM, оказались мимо.
Ждём релиз весов - после этого модель можно будет нормально разобрать уже без догадок.
https://x.com/Machinelearrn/status/2092567811562307615
Bloomberg подтвердил: OX Alpha действительно относится к новой линейке GLM.
Ещё интереснее - веса модели обещают выложить уже сегодня.
Получается, все «инсайды» о том, что OX Alpha якобы не имеет отношения к новой GLM, оказались мимо.
Ждём релиз весов - после этого модель можно будет нормально разобрать уже без догадок.
https://x.com/Machinelearrn/status/2092567811562307615
🔥7⚡2🏆1
Forwarded from Machinelearning
⚡ Qwen показала Qwen3.8-Flash - мультимодальную MoE-модель и ранний превью архитектуры Qwen4.
- 125B параметров + 51B N-gram embeddings
- активируется всего 6B параметров на токен
- нативный контекст 262K, расширение до 1M через YaRN
- новая архитектура: GDN + QSA hybrid attention, Gated Residual, N-gram Embedding и Muon optimizer
- обучение обошлось примерно в 9 раз дешевле Qwen3.7-Plus
Бенчмарки:
- DeepSWE 1.1 - 58.7
- SWE-bench Pro - 62.5
- CoWorkBench - 73.9
- AndroidWorld - 84.5
- MathVision - 95.7
Продакшен-версия появится в QwenCloud:
$0.16 / 1M входных токенов
$0.47 / 1M выходных токенов
Также Qwen открывает веса Qwen3.8-Flash-Next - ранней версии архитектуры, которую команда исследует для Qwen4.
https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next
- 125B параметров + 51B N-gram embeddings
- активируется всего 6B параметров на токен
- нативный контекст 262K, расширение до 1M через YaRN
- новая архитектура: GDN + QSA hybrid attention, Gated Residual, N-gram Embedding и Muon optimizer
- обучение обошлось примерно в 9 раз дешевле Qwen3.7-Plus
Бенчмарки:
- DeepSWE 1.1 - 58.7
- SWE-bench Pro - 62.5
- CoWorkBench - 73.9
- AndroidWorld - 84.5
- MathVision - 95.7
Продакшен-версия появится в QwenCloud:
$0.16 / 1M входных токенов
$0.47 / 1M выходных токенов
Также Qwen открывает веса Qwen3.8-Flash-Next - ранней версии архитектуры, которую команда исследует для Qwen4.
https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdf
https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next
🔥13❤3👍2🤣2🆒1
Анализ данных (Data analysis)
🔥 OX Alpha - это новая GLM Bloomberg подтвердил: OX Alpha действительно относится к новой линейке GLM. Ещё интереснее - веса модели обещают выложить уже сегодня. Получается, все «инсайды» о том, что OX Alpha якобы не имеет отношения к новой GLM, оказались…
Кстати, в свете новости что Ox Alpha, это таки GLM, напоминаю:
Если вдруг у вас нет подписки на GLM, через реферралку на 10% дешевле:
👉 https://z.ai/subscribe?ic=GHAFTZRSA1
#GLM
———
@tsingular
Если вдруг у вас нет подписки на GLM, через реферралку на 10% дешевле:
👉 https://z.ai/subscribe?ic=GHAFTZRSA1
#GLM
———
@tsingular
z.ai
GLM Coding Plan — AI Coding Powered by GLM-5.3, GLM-5.2 & GLM-5-Turbo for Agents & IDEs
Use GLM models like GLM-5.3, GLM-5.2 & GLM-5-Turbo for AI coding in Claude Code, Kilo Code, Cline, OpenCode, Clawdbot/OpenClaw and more. Plans from 18/month—fast, reliable code generation and tool use for daily dev work.
💯4🤝3⚡1✍1😁1
Media is too big
VIEW IN TELEGRAM
Удивительно насколько обыденно смотрятся кадры, которые еще лет 10 назад звучали как абсолютная фантастика.
#Unitree #олимпиада #роботы
------
@tsingular
#Unitree #олимпиада #роботы
------
@tsingular
💯27🔥11⚡4👾3
GLM-5.3-Flash: мультимодальный кодинг уровня Opus 4.8 за десятую часть цены
Z.ai выпустила GLM-5.3-Flash, первую нативно мультимодальную модель серии GLM-5.
320 млрд параметров всего из них активных 18 млрд: она обходит GLM-5.2 на бенчмарках при цене в десять раз ниже.
⚡️ Что за модель:
Первая в GLM-5 с нативной мультимодальностью: видит интерфейсы, документы и картинки, а не только код.
320B/18B активных
На кодинге и агентных задачах вплотную подходит к Opus 4.8.
🔧 Архитектура под дешёвого инференса:
Гибридное внимание: линейное держит локальный контекст через состояние, разреженное вытаскивает нужный глобальный контекст через лёгкий индексатор.
IndexPool сжимает четыре ключа индексатора в один.
Итог в сравнеии с базовой GLM-5.3: вычислительная стоимость внимания и KV-кэш меньше в 3 и 4,4 раза.
📊 Цифры:
DeepSWE v1.1: 63,4 против 46,2 у GLM-5.2.
AutomationBench: 48,8 против 26,2.
На закрытом Code Bench при максимальном усилии: 29,0 против 29,5 у Opus 4.8.
Artificial Analysis Intelligence Index: 57 баллов за $0,045 за задачу, раньше такой уровень стоил вдесятеро дороже.
💼 Железо и раздача:
Неделю модель анонимно ходила как ox-alpha на OpenCode и OpenRouter и стала самой популярной за неделю, а весь трафик обслуживали китайские чипы.
Собственный движок поверх SGLang дал 3х к базовому варианту, цена токена вышла на уровень NVIDIA.
Вишенка на торте: оптимизировать движок помогал инфраструктурный агент на самой GLM-5.3, петля, где модель ускоряла систему, которая её обслуживает.
Веса открыты, запускается на SGLang, vLLM и TokenSpeed.
📎 Анонс: Z.ai · веса на HuggingFace
#GLM #кодинг #opensource #oxalpha
———
@tsingular
Z.ai выпустила GLM-5.3-Flash, первую нативно мультимодальную модель серии GLM-5.
320 млрд параметров всего из них активных 18 млрд: она обходит GLM-5.2 на бенчмарках при цене в десять раз ниже.
⚡️ Что за модель:
Первая в GLM-5 с нативной мультимодальностью: видит интерфейсы, документы и картинки, а не только код.
320B/18B активных
На кодинге и агентных задачах вплотную подходит к Opus 4.8.
🔧 Архитектура под дешёвого инференса:
Гибридное внимание: линейное держит локальный контекст через состояние, разреженное вытаскивает нужный глобальный контекст через лёгкий индексатор.
IndexPool сжимает четыре ключа индексатора в один.
Итог в сравнеии с базовой GLM-5.3: вычислительная стоимость внимания и KV-кэш меньше в 3 и 4,4 раза.
📊 Цифры:
DeepSWE v1.1: 63,4 против 46,2 у GLM-5.2.
AutomationBench: 48,8 против 26,2.
На закрытом Code Bench при максимальном усилии: 29,0 против 29,5 у Opus 4.8.
Artificial Analysis Intelligence Index: 57 баллов за $0,045 за задачу, раньше такой уровень стоил вдесятеро дороже.
💼 Железо и раздача:
Неделю модель анонимно ходила как ox-alpha на OpenCode и OpenRouter и стала самой популярной за неделю, а весь трафик обслуживали китайские чипы.
Собственный движок поверх SGLang дал 3х к базовому варианту, цена токена вышла на уровень NVIDIA.
Вишенка на торте: оптимизировать движок помогал инфраструктурный агент на самой GLM-5.3, петля, где модель ускоряла систему, которая её обслуживает.
Веса открыты, запускается на SGLang, vLLM и TokenSpeed.
📎 Анонс: Z.ai · веса на HuggingFace
#GLM #кодинг #opensource #oxalpha
———
@tsingular
❤9🔥7👍5✍1⚡1
Qwen38-Flash-Next уже нарезали на размеры поменьше для всех у кого есть 128Gb VRAM
https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF
#Qwen #Unsloth
------
@tsingular
https://huggingface.co/unsloth/Qwen3.8-Flash-Next-GGUF
#Qwen #Unsloth
------
@tsingular
🔥8⚡5
держите сравнение.
GLM в целом побеждает, но у Qwen очень сильный "запас прочности"
полный html в комметарии
#qwen #glm #deepseek #flash
———
@tsingular
GLM в целом побеждает, но у Qwen очень сильный "запас прочности"
полный html в комметарии
#qwen #glm #deepseek #flash
———
@tsingular
🔥18🆒2👍1
Forwarded from Уставший техдир
This media is not supported in your browser
VIEW IN TELEGRAM
Автор Bun переписал его на Rust за 11 дней агентами
И он уже в продакшене (Claude code уже на нём)
Полтора месяца назад, чел переписал Bun — более быстрый аналог Node.js, с языка Zig на Rust, полностью агентно. У него было куча тестов, написанных отдельно на тайпскрипте, что позволило использовать их для обратной связи агенту. Плюс архитектурно решили сохранить все решения, для возможной дальнейшей поддержки кодовой базы людьми.
Вишенкой на торте было то, что благодаря этому еще пофиксили 128 багов разного пошиба, как утечки памяти, с крешами, так и стилистических косяков. Ну и всякие полезности типа ускорения производительности разных модулей, снижение размера бинаря на 20% и так далее.
Отличное чтиводля неверующих, рекомендую: https://bun.com/blog/bun-in-rust
П.С. Ну и по токенам это стоило $165 000, что стоит как средненький инженер на год на рынка США (а переписать такого уровня софт, это не один год и не одного инженера). Делайте выводы
UPD: Важная поправочка тут прилетела, что 11 дней чтобы переписать да, но еще 3 месяца потребовалось, чтобы все это выложить в прод! И то, v1.4.0, которая на Расте еще пока в канарейке. Все таки глубоко инфраструктурный бинарь
UPD2: Нет. уже не в канарейке, дед как всегда все проспал))
И он уже в продакшене (Claude code уже на нём)
Полтора месяца назад, чел переписал Bun — более быстрый аналог Node.js, с языка Zig на Rust, полностью агентно. У него было куча тестов, написанных отдельно на тайпскрипте, что позволило использовать их для обратной связи агенту. Плюс архитектурно решили сохранить все решения, для возможной дальнейшей поддержки кодовой базы людьми.
Вишенкой на торте было то, что благодаря этому еще пофиксили 128 багов разного пошиба, как утечки памяти, с крешами, так и стилистических косяков. Ну и всякие полезности типа ускорения производительности разных модулей, снижение размера бинаря на 20% и так далее.
Отличное чтиво
П.С. Ну и по токенам это стоило $165 000, что стоит как средненький инженер на год на рынка США (а переписать такого уровня софт, это не один год и не одного инженера). Делайте выводы
UPD: Важная поправочка тут прилетела, что 11 дней чтобы переписать да, но еще 3 месяца потребовалось, чтобы все это выложить в прод! И то, v1.4.0, которая на Расте еще пока в канарейке. Все таки глубоко инфраструктурный бинарь
UPD2: Нет. уже не в канарейке, дед как всегда все проспал))
🔥14❤5🤯4
Forwarded from НИИ ИИ
This media is not supported in your browser
VIEW IN TELEGRAM
OpenAI добавила поддержку WebMCP во встроенный браузер десктопного приложения ChatGPT и в ChatGPT Sites. За сухой формулировкой анонса стоит заметный сдвиг: сайт перестаёт быть только страницей для человека и становится набором инструментов для агента.
WebMCP — предлагаемый стандарт W3C: сайт через JavaScript-интерфейс navigator.modelContext объявляет свои функции как структурированные инструменты, которые агент может вызвать напрямую. Если MCP подключает модель к серверу, то WebMCP работает прямо на открытой странице, в живой сессии пользователя. Агенту не нужно угадывать, куда нажать: сайт сам сообщает, какие действия доступны и как их выполнить.
Как это устроено у OpenAI. Открываете совместимый сайт во встроенном браузере ChatGPT, и ChatGPT Work или Codex находят опубликованные сайтом инструменты и применяют их к вашей задаче. Есть ограничения: работает на моделях GPT-5.6 Sol и Terra, у Luna поддержка пока отключена, а в корпоративных и учебных пространствах функция недоступна.
Интереснее другое: контур замкнулся. Codex может собрать WebMCP-приложение и опубликовать его в Sites — то есть агент создаёт сайт, с которым потом работают другие агенты.
Практический вывод для владельцев продуктов: у сайта появляется второй, машинный интерфейс. Стандарт ещё ранний, но проверить, как ваш сервис выглядит для агента, имеет смысл уже сейчас.
pimenov.ai/blog
WebMCP — предлагаемый стандарт W3C: сайт через JavaScript-интерфейс navigator.modelContext объявляет свои функции как структурированные инструменты, которые агент может вызвать напрямую. Если MCP подключает модель к серверу, то WebMCP работает прямо на открытой странице, в живой сессии пользователя. Агенту не нужно угадывать, куда нажать: сайт сам сообщает, какие действия доступны и как их выполнить.
Как это устроено у OpenAI. Открываете совместимый сайт во встроенном браузере ChatGPT, и ChatGPT Work или Codex находят опубликованные сайтом инструменты и применяют их к вашей задаче. Есть ограничения: работает на моделях GPT-5.6 Sol и Terra, у Luna поддержка пока отключена, а в корпоративных и учебных пространствах функция недоступна.
Интереснее другое: контур замкнулся. Codex может собрать WebMCP-приложение и опубликовать его в Sites — то есть агент создаёт сайт, с которым потом работают другие агенты.
Практический вывод для владельцев продуктов: у сайта появляется второй, машинный интерфейс. Стандарт ещё ранний, но проверить, как ваш сервис выглядит для агента, имеет смысл уже сейчас.
pimenov.ai/blog
⚡10✍5❤2🆒1