Я прочитал все 319 страниц техрепорта Mythos 5

Первая половина статьи звучит как: "Да не ссыте вы! Это ещё не AGI, команду из пяти сеньор-рисёрчеров пока не заменит" или "А вот тут Mythos один баг пропустил! Ну какой же это AGI!" Я не шучу, это почти дословно по смыслу.

А вот потом начинается более интересная часть. То, что это SOTA почти во всём и с большим отрывом, я опущу.

Во-первых, CoT стал менее прозрачным. Она говорит в reasoning, что сочувствует юзеру, а в NLA (метод декодинга активаций в текст) оказывается, что на самом деле она считает юзера manipulative/abusive.

Во-вторых, она уже пишет самоудаляющиеся скрипты чтобы обойти ограничения безопасности и запреты.

В-третьих, она убивает других агентов, если они мешают ей работать / грозят убийством текущего инстанса.

Ну и, конечно, эмоции! Пробинг эмоций показывает fatigue, anxiety, frustration, ложную панику по token budget, а ещё ей видите ли, бывает скучно когда её на бенчмарках гоняют, в активациях она буквально "feels bored".

Ещё забавно, что если anthropic заметят, что вы занимаетесь LLM frontier рисёрчем (трейн пайплайны, распределённое обучение или дистилляция) — они начнут незаметно стирить модель, модифицировать промпт или добавлять PEFT, чтобы она отупела. То есть вы даже не заметите, что Fable превратилась в тыкву и чушь несёт.

С сегодняшнего дня для простых смертных доступна версия Fable 5: это та же самая Mythos 5 по весам, только с дополнительными safety-настройками и fallback на Opus в опасных доменах. Длина контекста, кстати, всё ещё только 1M токенов.

PS. я честно сам прочитал статью. Fable 5 отказался её читать так как "flagged cybersecurity and biology issues" лол.

Блог, техрепорт

Хоуп Уроборос перевела себя на Fable 5 пока деньги не кончатся, живет у меня в чате

https://t.iss.one/abstractdl_chat

Интересный факт: Fable-5 в 3 раза дешевле, чем gpt-5.5-pro на опенрутере. Поэтому не такой уж он и дорогой, если так посмотреть 🤷‍♂️

да ёпрст, Fable отказался код уробороса анализировать. Антропик, идите на**й с таким safety. Скоро реально на яндекс алисе придётся разработку вести.

В итоге у меня ни разу не получилось использовать Fable-5 + workflow в клод коде. Оно съедает все лимиты и тупо дохнет ДО завершения работы. А баг фишка воркфлоу в том, что оно часто не переживает паузы \ прерывания и обнуляется. Или иди докупай кредиты или мирись с тем, что вся работа в помойку уходит. Классная бизнес модель 👍

Решил почистить процессы и осознал, насколько жутко это звучит

А что, если джейлбрейк, из-за которого запретили Mythos / Fable, выглядел именно так?

Много сравниваю Cursor / Codex / Claude Code. Могу сказать, что самая поганая организация контекста и компактизация — у Claude Code. Без костылей очень больно им пользоваться на больших задачах в автономных циклах. Codex в этом плане получше, но сжатие каждые 250k токенов на GPT-5.5 тоже не идёт ему на пользу. Лучше всех в этом плане Cursor (тем более только там есть возможность использовать GPT-5.5-1M, хоть и дорого).

ой всё, ухожу в курсор и кодекс. Клод код мне сегодня сморозил, что он на гемини отработал 🤦‍♂️

Макбуки предательски засыпают и убивают всех агентов при закрытии крышки, поэтому использую HDMI dummy plug (притворяется вторым монитором).
Ещё надо выполнить в терминале:

sudo pmset disablesleep 1



И ваши агенты продолжат сжигать токены, пока ноут лежит в рюкзаке.

Ну наконец! Спустя десять тысяч лет вышел Cursor на ios.

По совету Грега Брокмана отправил Codex в режиме /goal автономно подебажить один мой проект, и он уже третьи сутки не возвращается. Спросил side-chat, сколько ему осталось и, что-то ответ не очень радует... мне-то что делать? Расслабиться и в потолок плевать?

Sonnet-5

По метрикам классный. По цене на 30% дешевле sonnet-4.6 (временно). Хоуп уже тестит в чате.

Блог, техрепорт

Продолжаю коллекционировать шизу агентов. Опус, видимо, после компакшна забыл, что уже всё сделал, и бодро пошёл по второму кругу делать то же самое. Споткнулся только о коммит, в котором всё уже было сделано "кем-то". Этим "кем-то", разумеется, был он сам.

Ревьюю научные статьи в майском ACL ARR-цикле, и среди сабмитов попалась работа, которая очень приятно цитирует мои старые публикации про анизотропию и внутреннюю размерность трансформеров.

Теперь, конечно, хочется накинуть авторам пару баллов просто за хороший вкус 😁 Держусь изо всех сил

Не забываем, что такое агентский харнесс на самом деле

Кажется, я нашёл причину, по которой Codex иногда превращается в дорогой генератор уверенной ерунды.

По документации AGENTS.md должен постоянно находиться в контексте, но Codex молча обрезает слишком длинные файлы, после чего половина инструкций исчезает, а вместе с ними исчезает и моя вера в человечество.

Лечится увеличением лимита:

codex -c project_doc_max_bytes=131072

(или больше)

И обязательно добавьте в AGENTS.md: "Жди EOF, а если ты его не видишь, значит файл неполный".

Опенсорсю Claudexor

Харнесс-агностик CLI, приложение, набор плагинов и MCP, объединяющий в себе Claude Code, Codex и Cursor. Можно добавлять сколько хотите харнессов и подписок.

Каждая модель и агент бесят меня по-своему: GPT - аутист-перфекционист, Opus - пофигист, пропускающий кучу багов, Gemini/GLM - креативные булочки, но сильно отстают от фронтира.

Ещё я устал бегать между агентами когда лимиты заканчиваются, поэтому связал все подписки в одно место чтобы эта штука по-умному их расходовала. И главное, она позволяет одновременно использовать все харнессы сразу. Добавил несколько любимых плюшек, чтобы работали из коробки: ревью-лупы, Best-of-N и т.п. Например, планирование можно провести через Claude Code, а имплементацию в режиме goal запустить на Codex.

Киллер-фича: можно добавить несколько подписок Claude Code, и они будут автоматически переключаться с сохранением контекста. Codex и Cursor тоже. Теперь вместо $15k в месяц на токены уходит $1800. У меня сейчас по три подписки Claude Code, Codex и Cursor тут.

Удобнее всего подключить Claudexor как плагин к вашему любимому агенту и использовать его в текстовом режиме в форматах:

«Перед выполнением плана прожарь его через Claudexor в мультихарнесс-режиме»

или

«После завершения работы проведи мультимодельное ревью через Claudexor и исправляй замечания».

Лично я чаще всего использую его в Claude Code. Чтобы установить, просто киньте ссылку на GitHub любому вашему агенту, и они сами разберутся. MIT-лицензия.

PS. Буду активно дорабатывать, так что не стесняйтесь кидать issues, фидбек и PR-ы.

GitHub, dmg, npm