ClaudeNews

Низкая цена за токен не гарантирует низкий счёт: более «дешёвой» модели часто нужно больше шагов для той же задачи, и итоговая стоимость оказывается выше, чем у дорогой, но эффективной модели. Разбираем эксперимент Anthropic и OpenAI, новые уровни «усилия» (effort) в последних моделях и практический способ сравнивать модели не по прайс-листу, а по факту — через…

Консультант по AI Дилан Дэвис утверждает: годовые дорожные карты по внедрению искусственного интеллекта обесцениваются быстрее, чем их успевают согласовать, — модели, цены и возможности меняются каждые несколько недель. Решение — разделить план на два слоя: долгоживущие бизнес-цели (12–16 месяцев) и быстро устаревающие технические допущения (проверка каждые 30 дней), а горизонт амбициозных AI-целей сократить с года…

CEO стартапа TypeSafe в подкасте Latent Space резко высказался против публичных бенчмарков ИИ: по его мнению, они слишком легко подделываются и давно превратились в игру «кто лучше оптимизирует тест», а не в измерение реального интеллекта. Альтернатива, которую он предлагает, — доверие и интуиция, проверенные внедрением модели в рабочий процесс. Для индустрии, где каждую неделю выходит…

OpenAI показала три новых куска агентного стека: Decisions API для быстрых решений без тяжёлой reasoning-модели, обновлённый computer use с доступом к полноценному рабочему столу через Dots, и инфраструктуру UltraFast — WebSocket, асинхронные вызовы инструментов и более долгий кэш. Главный недооценённый сдвиг — переход от скриншотов к дереву доступности, который впервые позволил модели выполнять несколько шагов…

Аспирант MIT Алекс Джанг утверждает: Claude Code, Codex и десятки похожих агентов по сути устроены одинаково — разница в деталях, а не в архитектуре. Настоящий сдвиг он видит в рекурсивных языковых моделях (RLM), которые выносят контекст в код и учатся решать задачи в 8–30 раз длиннее тренировочных. Это не новый «ещё один агент», а иной…

SemiAnalysis выпустили третье поколение ClusterMax — рейтинг GPU-провайдеров, который теперь охватывает 323 компании вместо 24 и тестируется ИИ-агентами, а не руками. Главный вывод: безопасность большинства neocloud всё ещё ужасна, а свободных GPU почти не осталось — лаборатории конкурируют за партии по тысяче чипов вместо восьми тысяч. На этом фоне Nvidia скупает инфраструктурные таланты (Poolside, Hugging…

IndyDevDan разбирает Jev — узкоспециализированную модель-классификатор, которая отвечает на простые вопросы в формате JSON за доли цента. Вместо того чтобы гонять дорогие агентские LLM на тривиальных да/нет-решениях, инженеры могут вынести их в отдельный дешёвый слой — от блокировки опасных bash-команд до маршрутизации агентов и чтения файлов без траты контекста. Главный вывод: агентная инженерия идёт не…