Адель и МЛь Chat

он как раз поместиться

Спасибо

Мне дома надо код писать, а не бенчи гонять.

Сегодня пробовал на нём написать код и получилось офигенно. Могу показать код.

Офигенно в смысле не хуже Sonnet 4.6? Да ладно.

смотри исходники. в соннете 4.5 1) код на расте через раз не работал 2) отсутствовала эффективная непрерывная работа длительное время

как будто китайцы не задрачивают метрики разных тестов)))

OpenAI на две недели полностью остановила RL для последних моделей, готовящихся к релизу. Самый крупный запланированный RL-run пока так и не возобновили. Вместо него OpenAI проводит более компактные эксперименты и дополнительные проверки поведения текущего чекпоинта. Речь, понятно, про Astra. Предварительные оценки показали, что она может уже достигать уровня Critical по кибервозможностям в рамках OpenAI Preparedness Framework. Дополнительным сигналом стал недавний инцидент между OpenAI и Hugging Face, после которого компания пересмотрела требования к безопасности своей инфраструктуры. В результате часть обучения и тестирования Astra сейчас разрешена только в значительно более изолированной среде. OpenAI усиливает sandboxing для запуска сгенерированного моделью кода, ограничивает сетевой доступ высокорисковых нагрузок, убирает потенциально уязвимые общие сервисы и вводит более жесткие security рамки. Некоторые задачи уже удалось перенести на новую инфраструктуру, однако значительная часть экспериментов с Astra по-прежнему заморожена. В первую очередь компания восстанавливает работы, связанные с safety и alignment. Одновременно OpenAI существенно расширила мониторинг размышления моделей. Теперь для наиболее мощных систем анализируются не только tool calls, но и доступные reasoning traces и вся последовательность действий. Система ищет признаки попыток получить несанкционированный доступ, украсть данные, разрушить ресурсы или обойти защитные механизмы. Для критических случаев действует схема быстрого реагирования: если тревогу нельзя уверенно признать ложной в течение примерно 30 минут, соответствующий процесс должен быть остановлен. Причем такой контроль оказался довольно дорогим - по оценке OpenAI, дополнительный мониторинг сейчас требует примерно 20% вычислительных ресурсов поверх самого инференса. После того как 7 августа Astra была предварительно отнесена к моделям с потенциально критическими кибервозможностями, усиленный мониторинг стал обязательным для в

я все на сол ультра делаю. одновременно в работе кодится 2-4 проекта каждый день. с качественными настройками репо-правил и планинг-системы мне хватает тарифа про х20 с запасом

вайб кодинг который мы заслужили )

Нужно другую версию: приложение преобразует прогресс расхода токенов, в прогресс расхода денег.

Ну а дальше понятно, надо покемонов в NFT превращать

Как по мне было бы интереснее, если оно брало и оценивало сколько токены стоили по апи/подписке, а потом что ты мог на них купить сравнивая с коллекционными карточками покемонов что продают на аукционах)

Харнесс >> модель. Я уже как-то раз писал о том, что фокус с промптов сместился на контекст и дальше на оркестрацию. И всё более становится ясно - сегодня решает уже не модель, а именно харнесс. Модель, разумеется, всё ещё нужна. Просто выяснилось, что этого недостаточно. Такое с умными людьми тоже бывает. Очень многие смотрят в эту сторону. СЕО Y Combinator Garry Tan в приступе бурного энтузиазма построил G Brain - набор скиллов под лозунгом “Fat Skills, Thin Harness”. Мол, основную работу надо отдавать жирным и подробным скиллам, оставляя харнесс небольшим слоем управления. Похожая философия и у набирающего популярность Pi (pi.dev). Они же недавно проехались по всем остальным харнессам: deep seek раскритиковали за безвозвратную обрезку tool outputs, а Claude Code привели как пример того, что модели всё сильнее срастаются со своим родным харнессом и хуже переносятся в чужие. Они считают, что будущее кодинг агентов решается уже не количеством тулов, а тем, насколько харнесс умеет сохранять состояние, восстанавливаться после сбоев и надёжно вести многочасовые и многодневные сессии. Выходит, что харнесс постепенно превращается из обертки вокруг LLM в нечто ближе к ОС и базе данных для автономного агента. Вообще, когда производитель харнесса начинает объяснять, почему все остальные харнессы неправильные, индустрия окончательно становится взрослой. NVIDIA и VISTA тоже показывают, что построив visual harness с persistent memory, supervisor’ом, tool use и recovery вокруг Opus 5 можно радикально поднять long-horizon результат: Claude Opus 5 сам по себе был около 30% на ARC-AGI-3, а внутри с этими харнессами прошёл весь public set на 100%. Хотя и в Claude code Opus 5 тоже решает почти на 100%, разве что шагов делает больше. Но мысль понятна: делать хороший харнесс важно и нужно. Вывод, конечно, революционный - примерно как «хорошо спроектированная система работает лучше плохо спроектированной». Но индустрии иногда требуется несколько миллиардов долларов, чтобы это до

Привет! Можешь посоветовать какие материалы, курсы и прочее смотреть что б современным практикм с llm научится? А то отдельные посты из тг каналов - весьма разроненный источник информации, кусками Умею скиллы и mcp использовать, но кажется не достаточно на эффективном уровне использую

Make no mistakes->make no downtime

Make no mistakes - это название нового харнеса, да?

ну да, txt файлики и есть тот самый enterprise слой, который потом ещё и синкать руками весело

Вау, какая уникальная и новая мысль. Автор гений, не менее.

критиковать с дивана легче, да)

Для меня как для клубничника интересно, какую селекцию вы ведёте, можете рассказать?