Новый опус: https://www.anthropic.com/news/claude-opus-4-8

1) цена та же
2) сделали гранулярную разбивку длины рассуждений, как у ChatGPT
3) fast режим, ускоряющий генерацию в 2.5 раза, теперь в 3 раза дешевле, чем для предыдущих моделей. Получается было в 6 раз дороже, сейчас в 2 — надо брать.
4) «Одним из наиболее заметных улучшений в Opus 4.8 является его честность» — модель будет врать поменьше (наверное)
5) «Мы планируем выпустить новый класс моделей с ещё более высоким уровнем интеллекта, чем у Opus» — ждём «в ближайшие недели»

Вот так выглядит на SWE-bench Pro

Обратите внимание, что в Claude Code по умолчанию стоит high, а не x-high или max.

Кроме новой модели и раунда инвестиций Anthropic представили можно сказать следующий шаг в агентской разработке — dynamic workflows. Именно с помощью этой фичи был осуществлен перевоз Bun с Zig на Rust.

Когда запускается dynamic workflows, Claude создает динамический план на основе запроса, разбивает на подзадачи и распределяет работу между параллельно работающими агентами. Результаты проверяются перед их сливнием, и в итоге вы получаете единый готовый ответ. Одни агенты решают отдельные независимые проблемы, другие агенты пытаются найти ошибки в полученных результатах, и процесс продолжается до тех пор, пока второй этап не вернет пустой результат.

Dynamic workflows созданы для длительной распараллеливаемой работы, которая может продолжаться часами и днями, выполняя самые сложные инженерные задачи, которые раньше занимали бы недели. Прогресс сохраняется по мере выполнения, поэтому прерванная задача возобновляется с того места, где остановилась, вместо того, чтобы начинаться заново.

Пример как именно это работало с Bun:
Один workflow определил правильный lifetime (время жизни) в Rust для каждого поля структуры в кодовой базе Zig (это важный атрибут языка). Следующий workflow переписал каждый файл .rs как идентичный порт его .zig-аналога, при этом сотни агентов работали параллельно, а каждый файл проверяли два ревьюера. Затем цикл исправлений прогонял сборку и набор тестов до тех пор, пока они не начали выполняться без единой ошибки. После того как весь код был объединен, отдельный workflow устранил лишнее копирование данных и открыл PR для каждого случая на финальное ревью — которое тоже может быть выполнено агентами.

Как вы понимаете, жрёт это всё немало токенов. Число кейсов для применения ограничено — порт с одного стека на другой является самым ярким, так как у агентов есть критерии.

Пример того как выглядит workflow можно посмотреть вот в этом PR для Bun.

По сути это большой набор автосгенерированных .js-файлов, в которых просто хранится структура выполнения набора промптов. Там бквально есть циклы вида «для каждого файла запусти агента с таким промптом», проверки «ни один агент не вернул такой-то результат» или «2 агента-ревьюира отсмотрели и одобрили код».

Мне было бы куда интереснее посмотреть workflow для бизнес-задач, как CC распланирует работу над каким-нибудь отчётом или обзором, как будет ревьюить, переписывать, вычитывать, итд. Но примеров пока нет :(

Ракета New Glenn взорвалась на площадке во время огневых испытаний — это самый мощный взрыв на Мысе Канаверал за десятки лет.

Остаётся надеяться, что никто не пострадал, тк во время подробных испытаний проводят эвакуацию площадки.

Сам взрыв на площадке LC-36 произошёл во время дежурного прожига новой первой ступени, когда ракета не была полностью заправлена. Это был плановый этап перед запуском NG-4 на следующей неделе. Официального заявления от компании пока не было, и подробностей нет.

Но это конечно мощнейший удар по Blue Origin, тк этот стартовый комплекс с очень сложным ретрактором был единственной площадкой для запуска этой ракеты. Особенно на фоне неудачного прошлого пуска, анонсам по доставке нагрузки на Луну от NASA, и их амбициозным планам обогнать SpaceX в гонке за высадку во время Artemis 4.

Дежурное напоминание, что космос это сложно. Blue Origin Джеффа Безоса остаются топ2 компанией в отрасли, и второй с возвращаемым ускорителем орбитального класса.

UPD: никто не пострадал.

📸: NASASpaceFlight

Finally, PC 2 — Nvidia и Microsoft «переизобрели» персональные компьютеры для эпохи AI (я не шучу, в анонсе так и пишут, и даже «новая глава»).

За анонсом стоит новая платформа для PC и ноутбуков на основе RTX Spark Superchip, состоящего из GPU, CPU и объединённой памяти. По сути это то же самое, что M-чипы в ноутбуках Apple в последних лет, и они тоже на архитектуре Arm, и за счёт этого очень энергоэффективны.

В ноутбуки, а позже и в персональные компьютеры будут ставить 128 ГигаБайт памяти, чтобы можно было запускать LLM на 120 миллиардов параметров (в FP4 — чипы как раз это поддерживают). Собственно, это и есть «новизна» персональных компьютеров — теперь у каждого будет персональный локальный ассистент наподобие OpenClaw или Hermes, получающий доступ к окнам приложений Windows. Обещают более плотную интеграцию и в частности продвинутые настройки безопасности для доступа к данным.

Глобально концепция понятная, но думаю, что первые годы будет немного буксовать (из-за тяжести интеграций + нужды сделать 1-2 итераций над чипом + адаптировать разработчиков), но потом, особенно как модели поумнеют и ассистенты станут продвинутыми — полетит, и виртуальный Джарвис станет нуждой каждого.

Интересно, как в эту картину вплетутся OpenAI и Anthropic с проприетарными моделями? В теории могу даже представить, что они могут предоставлять закрытые локальные модели, за которые придётся платить — а в остальном для вас это просто выбрать другой пунктик в меню и подождать, пока закончится загрузка.

Потратил 33 минуты отпуска чтобы посмотреть и посмеяться с мафии со звёздами Силиконовой Долины. Было интересно даже как человеку, который особо за мафией не следит и не играет на любительском уровне.

Воу, мафия с тех. легендами )
Sama наиишивает :D
https://www.youtube.com/watch?v=EDCwQe7P8T0

Что объединяет компании на картинке? Они получат гарантированный импакт от AI — или им вернут деньги 😎

Наверняка многие из вас слышали или читали новости про то, что какие-то компании отключают Claude Code или тем более Github Copilot из-за огромных трат разработчиков на модели. CTO Uber сказал, что они за квартал сожгли весь годовой бюджет, заложенный на ИИ-агентов (что, конечно, глупо — в таких компаниях бюджеты согласовывают долго, поэтому они пытались делать оценки по условному Claude Sonnet 4.5, и понятно что Opus 4.8 может делать больше, и тратить можно (нужно) больше).

Разные компании уже говорили про то, что нужна некоторая гарантия результата за потраченные токены. Cognition, авторы бота Devin, на моей памяти тут первые: для энтерпрайз-клиентов с картинки они подключают «Productivity Guarantee». Для этого они собрали выборку и обучили/откалибровали модель, которая предсказывает, а) сделал ли агент что-то ценное б) если да, то сколько часов это заняло бы у человека?

Дальше часы умножаются на какую-то среднюю ставку разработчика, и всё суммируется за какой-то длинный период. В конце периода Cognition смотрит, больше ли эта оценка чем то, что им заплатил клиент. Если нет, то есть ценной работы мало, то они готовы вернуть разницу кредитами — до 10 миллионов долларов на будущие запросы.

Модель оценки ошибается, но компания уверяет, что ошибки несмещены, поэтому при агрегации на длином периоде оценка получится относительно точной.

Идея интересная, будем следить, что придумают OpenAI и Anthropic — у последних вопрос отбивания трат клиентов стоит, кажется, очень остро.

Прочитать побольше про механизм: 1 общий и 2 техническое описание

В ChatGPT прокачали память — теперь она станет ещё более персонализированной. Обновление уже доступно пользователям тарифов Plus и Pro в США, а в ближайшие недели появится в других странах, и самое главное у бесплатников. Мне кажется это важным потому, что позволяет компании закрепить у себя пользователя и сделать опыт перехода к конкурентам неудобным, мол, «да у них модель тупая и меня не понимает».

Новая память работает на основе «Dreaming» (сновидений?), когда модель в фоновом режиме автоматически формирует и упорядочивает воспоминания, опираясь на историю чатов. Воспоминания можно просмотреть: их сводка доступна на специальной странице управления памятью. Изучив эту страницу, вы сможете быстро понять в общих чертах, что именно ChatGPT знает о вас, добавить или обновить информацию о себе, а также дать инструкции о том, какие темы и в каких ситуациях нейросети следует затрагивать.

Как это может быть полезно обычным юзерам? Представьте, что вы выбираете в ChatGPT новое оборудование для фотосъемки, которое должно быть совместимо с вашей камерой. Если в прошлом вы уже обсуждали свою технику в чате, теперь вы можете просто попросить подобрать товары, совместимые с «моим набором для фотосъемки», и получите рекомендации с учётом фильтра.

Такую память OpenAI оценивают по критерию сохранения контекста (полнота выросла с 42% до 83% за 2 года). Есть ещё два других критерия, там тоже улучшения, но детали писать не буду.

Благодаря dreaming воспоминания автоматически обновляются с течением времени. Это позволяет ChatGPT актуализировать информацию: например, когда ваша поездка завершится, факт в памяти модели изменится с «Вы едете в Сингапур в июле» на «Вы ездили в Сингапур в июле 2026 года».

Решили раскатить только сейчас потому, что раньше было дорого: недавние улучшения снизили объем вычислительных мощностей, необходимых для работы функции dreaming, примерно в 5 раз.