VibeCodingNews этой недели:

Cursor выпустил версию 1.0 — да, это действительно первая версия AI IDE, хотя компанию уже оценивают в $10 млрд (все предыдущие релизы были с версией 0.x). Главная фича — BugBot: автоматический поиск багов в pull-request'ах, IDE сама оставляет комментарии с предложениями по исправлению найденных проблем, и можно одним кликом "Fix in Cursor" сразу получить готовое исправление в редакторе. Также появилась полноценная поддержка Jupyter Notebooks и установка MCP-серверов в один клик с поддержкой OAuth, что упрощает интеграцию с разными сервисами.

DeepSeek теперь работает с протоколом MCP (Model Context Protocol), что открывает возможности для использования в разработке локальной LLM модели с рассуждением и MCP. Для многих организаций использование внешних моделей невозможно из-за вопросов безопасности. Теперь вы можете подключить локальный DeepSeek к своей IDE, интегрировать со внешними инструментами через MCP — например, запускать настройку DevOps-пайплайнов, CI/CD, или автоматизацию тестирования. Осталось проверить потянет ли текущая версия DeepSeek такие задачи, но звучит перспективно.

Mistral представила Mistral Code — AI-инструмент для программирования с IDE-ассистентом, возможностью локального развёртывания и корпоративной интеграции. В основе продукта лежит четыре модели, включая Codestral для автодополнения и Devstral для многошаговых задач, поддерживается более 80 языков программирования. Сейчас платформа доступна в приватной бете для JetBrains IDE и VS Code.

На LM Arena WebDev (запросы с задачками на разработку) первое место делят Claude Opus 4 и Gemini 2.5 Pro Preview.

Упустили что-то интересное?

Anthropic выпустил бесплатный курс “AI Fluency” — короткий гайд по тому, как эффективно использовать LLM в работе. Пригодится, если вы хотите эффективнее формулировать промпты, делегировать задачи ИИ, проверять и дорабатывать его ответы, понимать, где ИИ может быть полезен, а где опасен. 12 бесплатных уроков на 3-4 часа суммарно на английском.

DeepMind показал прототип интерфейса ОС на основе Gemini 2.5 Flashlight , где каждый клик и переход в новый экран является новой генерацией UI с нуля. Без шаблонов, всё строится на лету, за миллисекунды, исходя из контекста предыдущего экрана. «Зашли в папку - одно содержимое. Зашли снова - уже другое» - с гордостью говорят авторы ролика. Не уверены, что это ровно то поведение, которое мы ожидаем от папки, но ОС с динамическими недетерминированными интерфейсами звучит вполне себе как вариант будущего. Скажем, вы переходите в настройки, а там не миллион иконок, а только та, которая нужна вам прямо сейчас. И все же, пожалуйста, пусть в папке с моими данными всегда лежат мои данные.

Свежая лекция на Youtube Андрея Карпаты в рамках Y combinator AI Startup School (кстати за 1 день 500к просмотров). Рассказывает про то как Software эволюционирует с приходом AI. Software 3.0. Если раньше цифровую информацию потребляли только люди и компьютеры (API), то теперь еще и агенты, но не только об этом.

Как править LLM без файнтюна и без риска всё сломать? MEMOIR - cвежая статья на arXiv: вместо дорогого дообучения с GPU или не всегда надежного RAG создается отдельный, изначально пустой “слой памяти” внутри модели. Туда пишутся точечные правки, не трогая базовые веса. При запросе модель сама решает, использовать ли эту память. Старые правки не затираются, всё работает изолированно и стабильно. Подходит для тысяч правок, реагирует даже на переформулировки. Кода пока нет, но звучит перспективно.

Упустили что-то интересное?

Появилась prarena.ai арена соревнований агентов, по открытым и смердженным pull request публичных репозиториев на GitHub.

Codex от Open AI лидирует с невероятным отрывом чуть больше чем за месяц 345 000 смердженных реквестов. Есть и исходники.

Vibe Coding News этой недели:

Claude Artifacts научились вызывать API Claude. Звучит немного как «мы установили тебе монитор в монитор», но на самом деле очень логично и удобно. Раньше вы могли сделать промптом к LLM простое приложение, а теперь вы можете сделать промптом приложение, которое использует внутри себя LLM. Все вызовы уже вшиты! Можно очень быстро собирать прототипы своих интерактивных приложений с ИИ и тестировать гипотезы.

Пример промпта создающего приложение чатбот, который отвечает на все с комплиментами:

Create a simple chatbot that uses Claude. Respond with compliments to every user input.

Вышел Gemini CLI - новый Open Source AI агент от Google для командной строки: кодинг, отладка, облачные задачи и картинки через естественный язык в терминале. Работает через Gemini 2.5 Pro с окном в 1 млн токенов. Есть бесплатный план — до 60 запросов в минуту и до 1 000 в день. Щедрое предложение по сравнению с Claude Code и Codex, так что вероятно на prarena (писали выше) появится новый игрок. Расширяется через MCP и погружается в проектный контекст через GEMINI.md. Новый инструмент для автоматизации DevOps и разработки из CLI.

Пропустили что-то интересное?

Любопытное исследование о глубине проникновения генеративного ИИ в программирование от учёных из Complexity Science Hub (исследовательский центр при нескольких европейских университетах, занимается анализом и интерпретацией данных).

К декабрю 2024 года:
- 30% Python-функций от разработчиков из США написаны с помощью ИИ.
- В Германии — 24.3%, Франции — 23.2%, Индии — 21.6%, России — 15.4%, Китае — 11.7%.
- Молодые пользователи GitHub используют ИИ чаще, чем ветераны.
- Мужчины и женщины применяют ИИ одинаково активно.
- Использование ИИ повышает количество коммитов на 2.4% в квартал.
- Экономический эффект в США: от $9.6–14.4 млрд до $64–96 млрд в год (в зависимости от оценки продуктивности).

Как они это вычисляли?
Исследователи обучили классификатор, способный отличить, сгенерирована ли функция ИИ. Для этого
cобрали датасет «человеческих» функций: код до 2018 года (до появления генеративного ИИ), функции из HumanEval 2022 и 2024. Затем сгенерировали «ИИ-аналог»: 1. одну LLM попросили описать функцию на английском, а другой дали задачу сгенерировать новую функцию по описанию. Обучили классификатор на этих парах с точностью Average Precision = 0.969. Обработали 80 млн коммитов из открытых репозиториев GitHub и разметили классификатором 31 миллион Python-функций. Июньский препринт на arxiv.

Вчера Microsoft открыла исходный код расширения GitHub Copilot Chat для Visual Studio Code под лицензией MIT, со всеми потрохами: agent mode, система промптов для LLM и сбор техданных о работе расширения. Теперь всё прозрачно, можно посмотреть какие данные передаются, как устроена логика чата с моделью и при желании допилить под себя. Это первый шаг из планов MS превратить Visual Code в открытый редактор кода с ИИ.

https://blog.langchain.com/context-engineering-for-agents/

Сегодня промпт инжиниринг превратился в контекстный инжиниринг

Завтра, 10 июля, в 12:00 Владимир Крылов, доктор технических наук и научный консультант по применению ИИ в разработке ПО, проведет новую лекцию, во время которой поделится своим взглядом на будущее программирования.

Рассмотрим перспективы превращения программирования в универсальный навык разработчиков практически любых управляемых устройств и систем. Даже тех, которые не основаны на использовании компьютеров и встроенных процессоров.

Вы увидите, как общий подход генерации кода по описанию заданных функциональностей позволяет создать среду управления и взаимодействия с окружением для различных субстратов, реализующих абстракцию вычислений, — от моря кремниевых вентилей до квантовых объектов и биологических структур.

Подключайтесь и задавайте вопросы лектору! Их можно оставить в чате на YouTube или в комментариях к этому посту.

Специальный режим «Explain Mode» для Gemini CLI (Open Source AI агент от Google для командной строки) предложил Филипп Шмид AI разработчик из Google DeepMind. Промптом в GEMINI.md агент превращается в виртуального Senior Architect, который помогает вам быстро и безболезненно погрузиться в код больших и сложных проектов. Как работает:
- Обновляете GEMINI.md и переходите в режим Explain Mode. Выбираете большую тему (например, систему авторизации или работу с базой данных).
- Gemini CLI разбивает её на конкретные подтемы и предлагает вам выбрать направление для анализа.
- Проводит глубокий и понятный разбор выбранного компонента, объясняя, почему код устроен именно так.
- Предлагает следующие шаги для дальнейшего изучения кода.

Рекомендую попробовать , не могу оторваться от новой модели . Краткое описание здесь:
https://t.iss.one/neurogen_news/1421

Vibe Coding News этой недели:
Исследования, подтверждающие, что человекообразные senior-разработчики и ученые пока еще пригодятся, а также асинхронная библиотека для приложений с мультимодалными LLM. Д

Новое исследование METR проверило, как ИИ-помощники (Cursor Pro с Claude 3.5/3.7) влияют на продуктивность senior-разработчиков. Взяли 16 опытных инженеров (у каждого ~1500 коммитов и около 5 лет стажа в конкретных репозиториях open-source проектов) и дали им 246 типичных задач: багфиксы, фичи и улучшения на их «родных» проектах, где они знают каждый уголок.
Ожидали ускорения на 20–30%, а получили замедление на 19%.
Вывод: когда вы знаете проект лучше, чем собственный дом, ИИ пытается помочь как доброжелательный, но немного навязчивый младший коллега. Новичкам и в новых кодовых джунглях — полезно, а профи лучше доверять себе. Подробнее и полный препринт здесь.

METR — некоммерческая организация из Калифорнии, оценивающая риски от передовых ИИ-систем. Занимается тестированием автономных ИИ, сотрудничает с OpenAI, Anthropic и другими.


Исследователи из Стэнфорда проверили, чьи идеи в области обработки естественного языка (NLP) лучше: от людей или от LLM (Claude 3.5). Идеи для научно-исследовательских NLP-проектов были собраны от людей, сгенерированы LLM и оценены. Затем 43 исследователя реализовали идеи (в среднем по 100 часов работы), а другие эксперты потом ещё раз анонимно оценили результаты.
До реализации идеи ИИ казались интереснее, перспективнее, эффективнее. Но когда дошло до дела, их оценки сильно просели. Человеческие идеи оказались стабильнее и в итоге по качеству после реализации обошли LLM.
Вряд ли эти результаты можно распространять на другие области, но в научных исследованиях по темам вроде генерации, перевода, оценки фактов и безопасности — LLM умеет вдохновлять и пока не вытесняет человека. Полный препринт - здесь.


Google Deep Mind выпустили GenAI Processors — Python-библиотеку для быстрой сборки мультимодальных AI-приложений. Она позволяет легко объединять ввод с микрофона, камеры, текста или изображения и обрабатывать его через Gemini, выдавая результат с минимальной задержкой. Всё работает асинхронно и стримингово "из коробки. Хотя библиотека заточена под Gemini и содержит готовые модули, при желании можно подключить и другую LLM — например, GPT 4 — но для этого нужно написать свой небольшой врапер-процессор, который будет передавать данные в нужный API и обрабатывать ответы.

Пропустили что-то важное?