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 для Codex: npx skills add wy-coliney/jev-browser-use -g -a codex -y

3) Настроить ключ Jev и запустить новую задачу Codex. Skill будет передавать Jev нажатия, переходы, переключения 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: https://github.com/wy-coliney/jev-browser-use

Jev теперь можно подключить к Codex, Claude Code и другим агентам через открытый проект JevRouter.

Он позволяет использовать Jev без переписывания существующей оркестрации и берёт на себя маршрутизацию между моделями, инструментами и субагентами. Разрешения и подтверждения при этом остаются у основного агента.

В опубликованном авторами тесте Toolathlon на 10 задачах Jev показал 38% точности выбора инструмента на первых пяти шагах против 24% у DeepSeek V4.1 Flash.

Авторы также заявляют примерно 5,5-кратное преимущество по скорости и семикратное снижение стоимости.

Как подключить:

1) Получить ключ Jev. Модель уже доступна через OpenRouter / Vercel

2) Открыть http://jevrouter.co и скопировать инструкцию

3) Добавить ключ и передать инструкцию Codex, Claude Code или другому поддерживаемому агенту

ИИ-агентам по-прежнему нужен контроль на высоком уровне. При этом ручная проверка кода уже становится узким местом, а сами модели стали достаточно сильными, чтобы жёсткие детерминированные системы проверки начали ограничивать их возможности.

Возникает вопрос, как тогда контролировать результат их работы?

Для этого, Боб Мартин, известный как автор "Чистого кода", создал специальный инструмент анализа системы, связанный с агентом. Он показывает структуру проекта в виде диаграммы, похожей на UML, и подсвечивает её метриками CRAP и мутационного тестирования.

Диаграмма интерактивная. Можно выбрать любой элемент и постепенно провалиться от общей архитектуры вплоть до конкретного участка кода.

Если пользователь видит проблемную часть системы, он может сразу поручить связанному агенту внести изменения. Это может быть как перестройка архитектуры, так и локальный рефакторинг. Агент вносит правки, после чего обновлённая структура снова появляется на диаграмме.

Инструмент он сделал под себя, но его можно использовать как шаблон и поручить агенту собрать собственную версию под конкретный проект.

Пока это рабочий прототип, поэтому в ближайшие недели он наверняка сильно изменится. Но к тому моменту вы, скорее всего, уже будете переделывать его под себя.

А улучшения всегда можно забирать обратно из исходника или из форков других разработчиков и интегрировать в свою.

http://github.com/unclebob/uml-viewer