Jev уже пробуют применять в автономном вождении.

По словам автора эксперимента, меньше чем за час на новой модели удалось собрать в симуляции полный цикл принятия решений для машины.

Повороты, перестроения, проезд перекрёстков, выезд на шоссе. Для каждого действия модель возвращает не текст, а типизированные вероятности возможных решений вместе с уровнем уверенности.

В этом и отличие Jev от обычных чат-моделей. На вход подаётся состояние системы, на выходе получается набор допустимых действий и их вероятности.

Если такой подход действительно хорошо масштабируется, порог входа в создание систем автономного вождения может заметно снизиться.

Очень хороший прогресс для локальных моделей.

PrismML выпустила Bonsai 2 27B на базе Qwen3.8 27B. После трёхзначного квантования модель занимает всего 5,9 ГБ, примерно в девять раз меньше полной версии.

По тестам разработчиков она сохраняет 98,2% исходного результата, при этом поддерживает работу с изображениями и вызов инструментов. Модель открыта под Apache 2.0.

Вышел Inspo — MCP-сервер, который помогает агентам создавать качественный дизайн.

Он ищет подходящие примеры среди более чем 800 красивых сайтов и передаёт их Claude Code, Codex или OpenCode как ориентир для будущего интерфейса.

Теперь агенту можно поручить найти примеры под конкретный экран, стиль или продукт, а затем на их основе собрать собственный дизайн.

Проект бесплатный и с открытым исходным кодом.

npx inspo-mcp install

Orca с открытым исходным кодом идеально подходит для координации нескольких агентов для вайбкодинга: Claude Code, Codex, Opencode, Antigravity и других.

Например, Claude создаёт посадочную страницу, а Codex оценивает её по шкале от 1 до 10. Если оценка ниже 9, он запрашивает изменения, повторяя цикл со скриншотами и кодом.

Результат получается намного лучше первой версии.

AgentCloak запускает бесплатное расширение для браузера, которое помогает не передавать личные данные в запросах к ИИ.

По словам разработчика, небольшая ИИ-модель работает локально прямо в браузере, находит такие данные, как имена и номера счетов, и заменяет их на подставные значения перед отправкой запроса. После получения ответа расширение возвращает исходные данные обратно.

Поддерживаются ChatGPT, Claude, Gemini, Grok, DeepSeek и другие модели. Регистрация не требуется.

https://incountry.com/

Рекомендую попробовать Codex вместе с Jev. В связке они ускоряют работу с браузером в 5–10 раз.

Обычно когда Codex сам работает со страницей, ему на каждом шаге приходится читать DOM, рассуждать и вызывать инструмент. Каждый такой цикл добавляет задержку.

Теперь действия вроде нажатий, переходов, переключений и прокрутки можно отдать Jev, а Codex оставить рассуждения, ввод текста и проверку результата по изображению.

Основные преимущества:

> Jev последовательно выполняет действия, а Codex подключается только когда нужно что-то ввести или проверить изображение

> Чем меньше обращений к модели, тем ниже задержка и расход

Как настроить:

1) Подготовить Codex с браузером/CUA, Node.js 22+ и ключом TypeSafe API

2) Установить Skill: передать репозиторий Codex или выполнить npm run install:codex -- --env-file .env

3) Загрузить jev-use, чтобы Jev взял на себя нажатия, переходы и прокрутку

4) Когда требуется принять решение или ввести текст, управление возвращается Codex. После этого Jev продолжает выполнение

5) Проверить всё на реальной странице продукта или в автоматизированном тесте

Тем, кто самостоятельно разрабатывает продукты и каждый день прогоняет тесты через браузер, стоит попробовать.

Skill открыт: http://github.com/vlad-terin/jev-use