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?

Перевёл для Хабра статью разработчика, недавно уволившегося из OpenAI. Он рассказывает, как устроена работа изнутри: культура снизу вверх, отсутствие планов, вся коммуникация через Slack, техстекиз Azure, monorepo, Python, как создавали Codex (агент-программист) делали 8 разработчиков (всего 17 человек) за 7 недель, работая до 4 утра.

Выжимки из статьи уже появлялись в каналах, но я прочитал оригинал и там много интересного. Возможно, не самый объективный обзор, но заглянуть внутрь OpenAI всё равно любопытно.

Vibe Coding News этой недели:

Qwen 3 Coder - новая open-source модель уровня Claude Sonnet-4 (по версии производителя, отчет с бенчмарками прилагается). 480 миллиардов параметров (35B активных), окно контекста 256K токенов, расширяемое до 1 миллиона. Специализация - генерация кода, инструментальное использование и агентные задачи. Полная модель доступна в чате; локально потребует десятки GPU. Если она вдруг действительно работает на уровне Sonnet-4, это может существенно удешевить работу в Cursor да и вообще позволить работать без облака. Наши коллеги, впрочем, пока не спешат переключаться на Qwen 3 Coder. Подождём отзывов и тестов.

Квантизованные модели Qwen 3 Coder, конечно, уже тоже сделали. Например, здесь инструкции по установке и квантизованные модели (Unsloth Dynamic 2.0) GGUF (8–16 бит) с поддержкой до 1M токенов контекста.

Mini-SWE-Agent - новый open-source агент программирования всего из 100 строк кода, достигающий 65% точности на задачах SWE-bench без использования специальных инструментов. 100 строк кода на python - можно быстро посмотреть как это устроено.

Figma запустила AI-генератор дизайна приложений, сайтов и прототипов чего угодно. Создаёшь по текстовому описанию — получаешь готовый макет, который можно доработать вручную. Уже можно попробовать, и пока даже бесплатно! Работает на базе Sonnet 4.

Google запустила в тестовом режиме Opal - систему быстрого создания мини-приложений, что-то вроде Claude Artifacts в рамках Google Labs. Пользователи с IP из США уже могут попробовать. Мы попробовали - работает вполне неплохо, принципиально нового пока не увидели. Пишешь или наговариваешь суть приложения, затем получаешь схему данных, которую можно отредактировать и создаёшь формы. Уметь программировать не нужно.

Забыли что-то интересное?

На Kaggle стартовал новый AI-конкурс K Prize (Konwinski Prize) от сооснователя Databricks и Perplexity Энди Конвински.
Главная идея проверить, смогут ли open-source AI-модели решать реальные задачи разработки. Особенность конкурса: модели отправляются заранее, а тестовые задачи выбираются позже из свежих GitHub-issues, появившихся уже после дедлайна. Конвински обещает выплатить $1 млн первой модели, которая решит более 90% задач, но кажется что пока деньги в безопасности.

Оценка моделей проходит:
• Офлайн: без доступа в интернет.
• Ограниченные ресурсы: не больше 4-х GPU (L4), предоставленных Kaggle.
• Проверка основана только на новых GitHub-issues, что исключает возможность заранее подготовить модель.

Первый тур показал, насколько это сложно: лучшая модель справилась лишь с 7,5% задач. Тут надо учесть, что все закрытые модели типа Claude/OpenAI сюда не попадают. Открытые модели типа Qwen 3 только в сильно квантизованном виде (аппаратные ограничения).

Сам Конвински считает, что подобный подход к тестированию, взятый из соревнований по прогнозированию рынка, полностью исключает возможность заранее «подогнать» модель под тестовые данные. «Пока мы не можем приблизиться даже к 10% задач из бенчмарка, о замене программистов на AI говорить рано», — говорит Конвински (тут стоит напомнить, что большие проприетарные модели участвовали). Ветка на Reddit.

Сейчас в эфире:

Интервью: Правда о чипах в мозге: эксперт разбирает Neuralink и российские аналоги

Сергей Шишкин, руководитель группы нейрокогнитивных интерфейсов Московский государственный психолого-педагогический университет (МГППУ) и один из пионеров российских brain-computer interface, честно рассказывает о реальном положении дел в индустрии нейротехнологий.

🔥 ЧТО ВЫ УЗНАЕТЕ:

Почему проект Neuralink называют "провальным" и что на самом деле умеют пациенты Маска
Как обезьяна "обманывала" систему в знаменитом эксперименте с игрой Pong
Какие российские нейроинтерфейсы уже превосходят зарубежные аналоги
Когда обычные люди смогут купить "читалки мыслей" в магазине
Реальны ли планы Neuralink по восстановлению зрения в 2025 году
Кто действительно лидирует в гонке нейрочипов: Маск, Gabe Newell или китайцы

🎯 ОБ ЭКСПЕРТЕ:
Сергей Львович Шишкин - доктор наук, автор 170+ научных публикаций, создатель первого в России working brain-computer interface. Его исследования цитируются в ведущих мировых журналах. В отличие от многих экспертов, он лично работал с реальными пациентами и знает технологию "изнутри".

Смотреть тут https://www.youtube.com/watch?v=wH3hH6Cah94
и тут https://vkvideo.ru/video-39755794_456239434

И тут в телеграмм.