😊 В этот раз на твиттере захайпился Claude Code, только для автономного пентеста по всей цепочке атаки.

Называется Decepticon — система из 5 ИИ-агентов, названных в стиле трансформеров.

Задаёшь целевой IP, и дальше платформа внутри изолированной Kali-среды сама проводит весь сценарий: разведку, поиск уязвимостей, эксплуатацию, закрепление, сбор учётных данных и латеральное перемещение.

Без участия человека в цикле. Опенсорс.

Нашёл новую игрушку в Claude Code

Одной командой можно разобрать любой Android APK до последнего слоя:

/decompile app.apk

Что умеет:

→ Декомпилирует APK / XAPK / JAR / AAR → автоматически извлекает все интерфейсы Retrofit, вызовы OkHttp, скрытые URL

→ Трассирует полный чейн вызовов: Activity → ViewModel → Repository → HTTP

→ Анализ в один клик: Manifest, архитектурные паттерны → справляется даже с кодом, обфусцированным через ProGuard/R8

Грубо говоря, ИИ может сгенерировать полную API-документацию любого приложения за 5 минут.

Для ресёрча безопасности / анализа конкурентов / изучения реверс-инжиниринга — самое то 🔮

https://github.com/SimoneAvogadro/android-reverse-engineering-skill

Если вайбкодить на ассемблере, компилятор вообще не нужен. 👂

Dave Plummer проверил одну штуку: может ли ChatGPT сгенерировать полноценное бинарное приложение сразу в машинном коде, без промежуточного представления?

Оказалось, может. И бинарник занимает 1024 байта… и он работает.

На всякий случай уточню: Dave Plummer подготовленный специалист. Сильные модели неплохо генерируют C, C++ и Rust, а дальше компиляторы делают основную работу — распределение регистров, выбор инструкций, векторизацию и оптимизацию под конкретную архитектуру. Если опускаться ниже этого уровня, корректность и надёжность оптимизаций быстро деградируют.

Да, компилятор можно обойти, но быстрее или лучше от этого не становится.

Обратный прокси для Claude Code: LLM-anonymization, который анонимизирует чувствительные данные пентеста (IP-адреса, хэши, учётные данные, имена хостов, персональные данные) перед отправкой в Anthropic.

Двухслойное обнаружение: локальная модель через Ollama + страховка на регулярных выражениях, с настройками на уровне каждого пентеста.

https://github.com/zeroc00I/LLM-anonymization 👉

Cовет: не обязательно тратить большие деньги на инструменты ИИ для кодинга.

Вот (достаточно полный) список инструментов с БЕСПЛАТНЫМ доступом :

Cursor Pro — (студентам на 1 год)
Google AI Pro — (студентам на 1 год)
Codex FREE (бесплатный аккаунт ChatGPT даёт доступ к Codex)
OpenAI Student ($100 кредитов API)
OpenAI для мейнтейнеров OSS ($200 подписка Pro)
Gemini CLI (250–1000 запросов в день на G3 Flash с Google-аккаунтом)
GitHub Copilot Student — (пока есть статус студента)
Anthropic для мейнтейнеров OSS ($200 максимум по подписке)
OpenRouter — (много бесплатных моделей через API-ключ)
Nvidia NIM — до 6000 бесплатных запросов, работает с Opencode

Kilo Code — регулярно даёт доступ к бесплатным моделям
Mistral Vibe — бесплатный доступ к Codestral API
Antigravity IDE — ограниченный бесплатный доступ с Google-аккаунтом
Kiro IDE/CLI — 50 бесплатных запросов в месяц + 500 кредитов при регистрации

Менее впечатляющие, но заслуживают упоминания:

GitHub Copilot — 1000 автодополнений + 50 сообщений в месяц
Amazon Q Developer — 1000 автодополнений + 50 сообщений в месяц

Также есть триалы у разных провайдеров.

ИЛИ, как многие пишут "КУПИ СЕБЕ GPU" 👂

Alibaba выпустила Qwen3.6-35B-A3B сегодня.

Это разреженная MoE: 35 млрд параметров , активны только 3 млрд.

Она превосходит плотную модель Qwen3.5-27B (27 млрд параметров) на ряде ключевых кодинговых бенчмарков и значительно опережает своего прямого предшественника Qwen3.5-35B-A3B, особенно в задачах агентного кодинга и рассуждения.

Qwen3.6 изначально мультимодальная, и Qwen3.6-35B-A3B демонстрирует возможности восприятия и мультимодального рассуждения, значительно превышающие ожидания от её размера, при всего ~3 млрд активных параметров.

На большинстве vision-language бенчмарков её результаты сопоставимы с Claude Sonnet 4.5 и даже превосходят его на ряде задач. Особенно заметны сильные стороны в пространственном интеллекте: 92.0 на RefCOCO и 50.8 на ODInW13.

Unsloth добавили GGUF, так что модель можно запускать локально на 23 ГБ ОЗУ / Mac в 4-битном режиме. (гайд) 😊

😬 Большой день для Codex

Codex теперь может сам просматривать экран, кликать мышью и вводить текст с клавиатуры. Он запускает несколько агентов параллельно на Mac, не перехватывая окна, с которыми вы активно работаете. Это особенно полезно для софта без открытых API

В десктопное приложение добавлен встроенный браузер, позволяющий обводить и аннотировать элементы прямо на веб-страницах, чтобы отдавать команды агентам. Сейчас это в первую очередь ориентировано на фронтенд-разработку и отладку игр. Также добавлена генерация изображений на базе новой модели gpt-image-1.5

Дополнительно появилось более 90 новых плагинов, интегрирующих инструменты вроде JIRA, GitLab, CircleCI, полный стек Microsoft и Neon от Databricks. Само десктопное приложение получило функции для работы с комментариями ревью в GitHub, вкладки мультитерминала, SSH-подключение к удалённым devbox (песочницам разработки), а также предпросмотр PDF, таблиц и презентаций прямо в боковой панели.

Есть две особенно важные функции. Первая - память: Codex запоминает ваши предпочтения, прошлые правки и накопленный контекст, чтобы не обучать его заново под похожие задачи. Вторая - «самопланирование»: он может сам назначать себе задачи на будущее, автоматически возвращаясь к ним через недели, чтобы продвигать долгосрочные проекты

🤔 Внутри Codex появился встроенный браузер с режимом комментариев

Можно открывать любые веб-страницы и быстро итерироваться с агентом через point-and-click.

Codex автоматически делает скриншот, захватывает DOM-элемент и передаёт это как точный контекст в следующий чат.

Больше не нужно переключаться между браузерами, перетаскивать скриншоты и разбираться с недостаточно конкретными промптами.

Подходит для фронтенд-разработки приложений и страниц, а также полезно, когда у тебя открыта документация и нужно просто задать вопрос.

Теперь в NotebookLM можно добавлять кастомные обложки и описания к любым своим ноутбукам 🥳

Это удобно для формирования аккуратной сетки или добавления персонального штриха перед тем, как делиться ноутбуком с публикой.

(Рекомендуется загружать изображение с соотношением сторон 16×9, желательно с вашим главным персонажем)

Кэширование промптов в больших языковых моделях: кейс о том, как Claude достигает 92% cache hit-rate

Каждый раз, когда ИИ-агент делает шаг, он отправляет всю историю диалога обратно в модель.
Туда входят системные инструкции, определения инструментов и контекст проекта, который уже обрабатывался три хода назад. Всё это заново читается, заново обрабатывается и заново тарифицируется на каждом шаге.

В долгоживущих агентных воркфлоу такие избыточные вычисления часто становятся самой дорогой строкой затрат во всей ИИ-инфраструктуре.

Системный промпт на 20 000 токенов при 50 шагах — это 1 миллион токенов избыточных вычислений, оплаченных по полной цене и не создающих новой ценности. И эта стоимость накапливается для каждого пользователя и каждой сессии.

Решение — кэширование промптов. Но чтобы использовать его эффективно, нужно понимать, что именно происходит под капотом. Вот разбор. ❤️

Мы хотим максимальную производительность 😳