В ближайшее время может выйти Fable 5.5. Должен быть мощный релиз, ждем от OpenAI Astra 6.1 также скоро.

Астра - хорошая модель, но на medium уровне усилий, недельный 100-баксовый лимит я трачу за 8 часов, а то и меньше. При этом контекст экономлю…

Использую сбросы лимитов, а когда надо работать дольше, перехожу на Sol medium.

Установил себе клон Word для работы с агентами. Вот, что пишет про него мой кло:

Это гораздо интереснее для твоих задач, чем обычный «клон Word».

WordCraft — не ИИ и не skill, а документный движок с API для агентов. Внутри три слоя:

1. редактор документов на Rust с интерфейсом, похожим на Word;
2. CLI для конвертации, извлечения текста и проверки структуры;
3. MCP-сервер, через который агент может выполнять команды над документом.

В README прямо заявлены команды:

• inspect_document — проверить структуру;
• execute и batch — изменить документ;
• render_page — отрендерить страницу;
• save_document — сохранить DOCX;
• screenshot, click, key — управлять запущенным редактором.

То есть схема может быть такой:

стенограмма → агент через MCP → оформленный DOCX → рендер страниц → проверка критиком → финальный документ

Для твоих протоколов это полезно: агент сможет не только написать текст, но и проверить заголовки, стили, таблицы, разрывы страниц, колонтитулы, нумерацию и визуальный результат.

Главное преимущество перед python-docx: WordCraft умеет не только генерировать DOCX, но и работать как редактор с командной моделью. Это удобнее для итеративного Gauntlet Loop: изменил → отрендерил → проверил → исправил.

Но есть важное ограничение: проект сам называет себя alpha. В README указано, что для полноценной замены Word ещё нужны реальные тесты на DOCX, сохранение диаграмм и SmartArt, более точная пагинация, повышение стабильности и печать. Поэтому сложный официальный документ пока нельзя считать безопасным без проверки в Microsoft Word или LibreOffice.

Я бы применял его так:

• текущий генератор DOCX оставить основным;
• WordCraft поставить в экспериментальный контур;
• прогнать на пяти реальных образцах: стенограмма, протокол с таблицами, документ с кириллицей, колонтитулами и подписями;
• сравнить текст, структуру и PDF-рендер;
• после этого использовать WordCraft как агентный редактор и слой визуального контроля.

Быстрый тест из README:

git clone https://github.com/storytold/wordcraft
cd wordcraft
cargo run --release -p wordcraft -- --sample
wordcraft-cli inspect report.docx
wordcraft-cli convert report.docx report.pdf

Для Claude MCP подключается готовой командой. С GPT это тоже возможно через Codex или другой MCP-совместимый harness: GPT здесь отвечает за решения, а WordCraft выполняет документные операции.

Мой вывод: это один из первых проектов, который действительно может стать “Word для AI-агентов”, но пока это экспериментальный редактор, а не замена Word для юридически значимых документов. Начать с теста на твоём шаблоне протокола имеет смысл.

WordCraft на GitHub

На выходных прикрутил Codex к Grok Bot. Могу теперь из кодекса просить мне что-нибудь во ВкусВилле купить. Или в X поискать - неделю назад поиск для Grok bot сделать бесплатным.

Вот эту штуку использовал

https://agentnative.inc/resources/grokbot-claude-code-webhook

Мой совет - используйте с DeepSeek или GLM

Ну, кстати, на выходных еще сделал себе базу сообщений МАХ в SQLite, вложения и архив - на резервный диск.

Могу теперь прикрутить МАХ к Grok bot, делать нормальный поиск по сообщениям и пр.

Пока не тороплюсь - все-таки с таким контентом правильно работать через локальные модели. По крайней мере, будет корректно по отношению к собеседникам.

Meta представила новую фронтирную модель, но в Твиттерах особых восторгов нет. Скорее наоборот. Так что, Цукербергу и его младоИИ-шникам еще работать и работать.

Честно говоря, я теперь больше переживаю за Элона нашего Маска - учитывая, что сижу на подписке для Grok bot, было бы неплохо чтобы у SpaceXAI появилась топ-модель.

Заметьте, что специализированная юридическая модель работает на Flash, даже не на основной GLM. Ну так просто проще доучивать, дешевле.

Grok bot я доволен, могу рекомендовать, но для того, чтобы нормально с ним работать, я взял подписку на 30 баксов на Grok. Теперь буду видеть Х без рекламы и смогу работать с курсором, как когда-то давно. Норм, я тоже доволен.

Ну а Х - штука полезная, все новости сначала там, потом у нас в телеграм

Ну что, сегодня хороший день. Сначала юридическая GLM-5.3 (неожиданно, но очень любопытно). Теперь еще появился и Аргон 4 от Google - в моем эккаунте модель появилась.

Вместе с тем, Google Antigravity в России недоступен, и где можно программировать на Аргон по моей подписке (не по апи) пока непонятно. Если этот вопрос не решится - будет как чемодан без ручки..

Гугл пишет, что без региональных ограничений можно попробовать модель в курсоре (но там вроде все переходят на грок), или по подписке в опенкод. Правда нет никаких гарантий, что по такой подписке не получишь цену той же апи.

Ну и как вариант для экстремалов - работа через веб-интерфейс и обертку, если уж очень хочется попробовать, но баблоса жалко.

Надо пробовать эту модель в своем OCR (распознавание текста).

Особенно хорошо то, что Indra умеет автоматически читать текстовый слой цифрового PDF, а OCR применять только там, где слой отсутствует или плохой. Это дешевле и быстрее, чем прогонять каждую страницу через тяжёлую vision-модель. За счет этого и экономия по времени.

Если выбираете для себя decision модель - очень любопытный сайт
https://decisionmodels.io

Посмотрите, что вообще на рынке предлагают. Основная масса моделей на Qwen 3.8 27B или Gemma 4, но есть и приличные модельки на 9В или 4В - такие я себе смогу поставить локально

Как ни странно, есть и другие архитектуры, кроме LLM. В частности, RAG очень часто делается на другой архитектуре - BERT. А маленькие модельки типа той, о которой речь ниже, нужны для быстрой индексации содержания.

Бесплатный DeepSeek Flash. Для большинства ситуаций окна в 200К хватает, тот же ChatGPT даже после рассказов об увеличении окна продолжает автокомпакт на весьма низких уровнях. Так что круто, надо пользоваться

Ну, кстати, прикольно. Я в работе с ChatGPT использую
medium режим, но даже и он бесит своей медлительностью. Но зато расход токенов разумный. На той же Астре в том же режиме лимит уходит за день.

Было бы интересно сравнить разные режимы и разные модели.

Другое дело, что все православные решения, мягко говоря, очень дорогие

Еще немного новостей про decision модели.

Во-первых, Jev теперь мультимодальный - читает картинки. Интересно, даст ли эффект, если прикрутить его к распознаванию текстов и разрешения конфликтов, когда разные программы видят разное.. попробую.

Во-вторых, я слежу за компанией Subquadratic, которая все обещает рассказать всем как решила проблему квадратичного роста ресурсов при росте контекста (это основная проблема его ограничения).

Сейчас они выпустили аналог Jev и гововы принимать у него почти 400К токенов. Не знаю, будет ли это кому-то прямо полезно, но может быть и пригодится. Все жду от них "нормальной" LLM-ки