AI Product | Igor Akimov

Сколько на самом деле стоит сессия в Claude Code – разбор от Anthropic Интересный пост от Anthropic с полезными советами, как экономить токены в Claude Code. Как устроена цена токена Запрос проходит через GPU в две фазы. Prefill – модель читает весь контекст (системный промпт, CLAUDE.md, ваше сообщение, все файлы и выводы команд). Decode – модель пишет ответ, по одному токену за раз: ответ на 200 токенов – это 200 прогонов модели подряд. Поэтому output стоит примерно 5x от input. Дальше кэш. Если запрос начинается с тех же токенов, что и предыдущий, сервер не пересчитывает состояние, а достаёт из кэша – это 0.1x от цены input. Запись в кэш дороже (до 2x), но пишется один раз, а читается на каждом ходу. Claude Code управляет кэшем сам, но его легко сломать: – /model посреди разговора – у каждой модели свой кэш, весь разговор перечитывается по полной цене (opusplan, кстати, переключает модель при каждом входе-выходе из plan mode) – /effort – уровень усилий тоже часть ключа кэша, та же история – Fast mode – включайте в начале сессии, ре-префилл идёт по ценам fast mode; выключение обратно бесплатно – время – кэш живёт час на подписке и 5 минут на API-ключе (ENABLE_PROMPT_CACHING_1H=1 растягивает до часа); вернулись после обеда – платите за перечитывание всего разговора Почему длинные сессии дорогие Ничего не отправляется один раз. Каждый прочитанный файл и вывод каждой команды переотправляются на каждом последующем ходу до конца сессии. Ход №40 тащит с собой все 39 предыдущих. Кэш делает это дешёвым, но дешёвое – не бесплатное, плюс модель вынуждена думать поверх мусора. Отсюда практика: – начинайте новую задачу со свежим контекстом, с /clear – старайтесь всякие команды использовать с минимальным выводом (не просто чтение каждой строчки файла выдавать) – будьте конкретными. «Тесты падают» вместо «почини тест в @utils.test.ts» – это grep, несколько открытых файлов, и всё это висит в контексте до конца сессии. @упоминание вообще убирает Read-вызов: файл прикрепляется к сообщению до отправки – вывод больше 30 000 символов Claude Code сам уносит в файл и оставляет превью. Проблема – всё, что меньше: тест-раннер с 400 строками passing tests влезает под лимит и остаётся навсегда. – /context в свежей сессии показывает, что загружено до того, как вы напечатали хоть слово – CLAUDE.md, определения MCP-инструментов. Можно проверить заранее. Ненужный MCP-сервер отключается через /mcp – /rewind вместо /compact, если надо отрезать последние неудачные ходы – бесплатно, кэш до них цел. /compact переписывает весь разговор и всегда что-то стоит, причём до перерыва сильно дешевле, чем после (пока старый разговор ещё в кэше), поэтому прежде чем пойдете попить чайку - сделайте /compact. Сабагенты - отдельный контекст со своим системным промптом, но без вашего разговора. Обратно возвращается только ответ, всё остальное выбрасывается. Для мелких задач – лишние траты (сабагент перечитывает то, что основная сессия уже знала). Окупается на задачах с большим выхлопом – разбор логов, например. Можно дать шумной задаче своё определение сабагента с model: haiku, иначе она крутится на модели основной сессии. https://claude.com/blog/maximizing-the-value-of-your-claude-code-sessions

Google превратил таблицы в мини-приложения Очень прикольная штука. Новая фича в Google Sheets, которая по текстовому промпту превращает строки и столбцы в интерактивные «мини-аппы». Пишешь «сделай визуальный трекер учёбы» – Gemini собирает интерфейс поверх твоих данных. Прикольно, что оно синхронное, правишь в canvas – обновляется sheet, и наоборот. Все правишь промптами. Живет как отдельная вкладка, но шарится со всеми людьми без ограничений каких-нибудь "опасных скриптов". Пока доступна только если выбран английский в Google AI Pro и Ultra и раскатывается на Workspace Business/Enterprise Standard и Plus Примеры от Google: трекер дедлайнов для студентов, дашборд для fantasy football, рассадка гостей на свадьбе с drag-and-drop. Смотрите видос, выглядит прям здорово. Я думаю это прям большой подарок для любителей экселек. Теперь они (или их коллеги) могут из всего этого сделать целые приложения. https://blog.google/products-and-platforms/products/workspace/sheets-canvas-for-google-sheets-spreadsheets/

Как корпорации на самом деле используют ChatGPT – большое исследование OpenAI Большое хорошее исследование OpenAI вместе с Columbia и Wharton. Про реальное использование ИИ-шек в компания. Связали внутренние данные ChatGPT Enterprise с должностями сотрудников, автоматической классификацией задач и финансами публичных компаний из Compustat. Это первый настолько детальный взгляд на реальное использование, а не презентации красивые и блоги: 1 764 организации, 17,4 млн сообщений, плюс подвыборка из 973 компаний с 8,7 млн классифицированных сообщений по 60 категориям задач. Затраты: – Закупка токенов у Enterprise-клиентов выросла в 7 раз с июня 2025 по март 2026 – Внутри когорты компаний, подключившихся до июня 2025, рост в 4 раза – то есть примерно половина всего роста происходит внутри уже существующих клиентов, а не за счёт новых – В начале 2026 ускорение случилось одновременно во всех когортах – похоже, дело в самом продукте и рынке, а не в естественном созревании клиентов. Ну я согласен, в начале января модели вообще нереально прокачались. Кто внедряет: – Адоптеры радикально крупнее: медианная выручка $2,3 млрд против $210 млн, персонал 2 934 против 424 человек, R&D $113 млн против $10 млн – Компании из топ-25% по выручке внедряют на 6,9 п.п. чаще, из топ-5% – на 9,8 п.п. Внутри своей отрасли эффект ещё сильнее: до 11,3 п.п. – Выручка на сотрудника – значимый предиктор внедрения, то есть там где инновации и вклад людей именно двигает выручку. А вот капиталоёмкость (PP&E на сотрудника) работает в минус: заводы с большими основными фондами внедряют реже – Кто годами вкладывался в процессы, инновации и софт, тот и внедряет AI первым. Классическая история про general purpose technology: сама по себе технология мало что даёт без доп.перестройки – Крупные внедряют чаще, но использование на сотрудника у них ниже. Купить на всех проще, чем заставить всех пользоваться. Согласен на 100%. Все эти "мы купили Клод на 200 сотрудников, мы AI-first" - это полная чушь ) Кто пользуется внутри компаний – Использование размазано по всем функциям: инженеры – 11% недельной активной аудитории в средней компании, топы и партнёры – 9%, финансы и маркетинг – по 5% – По интенсивности картина другая: больше всех сообщений пишут аналитики и маркетинг, меньше всех – руководители и финансисты – Джуны и стажёры отправляют на 8–9 сообщений в неделю больше среднего пользователя своей же компании. Чем выше должность, тем меньше сообщений. Ну тут 2 момента: во-первых, джуны пытаются переложить свое незнание на ИИ (и это так себе тренд), а во-вторых, быстрее адаптируют технологии (и я это тоже замечают, когда синьоры до сих пор иногда фыркают или пытаются читать строки каждого коммита ИИ) Что делают: – 56% активных пользователей за неделю хотя бы раз делают документацию и техтексты, 50% – техническую/цифровую работу, 41% – переписку, 39% – обзоры тем – По объёму сообщений концентрация выше: документация 18,3%, техработа 12,7%, переписка 11,9%. При этом 27,3% сообщений – длинный хвост из десятков мелких категорий, не влезающих в топ-12 – Отраслевая специфика есть, но на удивление скромная: финансисты чаще делают налогово-финансовые задачи, ритейл и медиа – продажи и маркетинг. Но ядро (тексты, техработа, коммуникация) одинаковое везде, и по объёму сообщений отрасли почти не отличаются – У руководителей свой профиль: относительно больше обзоров тем, юридических и финансовых вопросов – меньше «производственных» задач Короче, мы в самом начале. Все пока барахтаются. Доступ к одной и той же модели не даёт одинакового результата – ценность возникает там, где компания перестраивает процессы, обучает людей и находит свои use cases. Это ровно та работа, которую покупка лицензий не заменяет. Но при этом если лидеры с накопленными процессами и экспертизой внедряют раньше и глубже, AI может не сократить, а увеличить разрыв в производительности между лидерами и остальными – при формально равном доступе к технологии. Короче, всякие гиганты не дремлют, мелким надо бежать в 2 раза быстрее... https://cdn.openai.com/pdf/how-organizations-use-chatgpt.pdf

И Zhipu туда же с GLM-5.3 Модель та же, что у 5.2 (~743B MoE), весь прирост из улучшения и масштабирования post-training. Она и раньше была рабочей лошадкой (особенно учитывая, что ее могли хостить все подряд, в том числе Мистраль вот стал делать для "суверенных ИИ Европы" вместо того, чтобы пытаться дообучать че-то там), а теперь стало еще более выгодно. Короче, кодинг, обработка, аналитика, математика - гораздо лучше. Весов пока нет, только в API и в GLM Coding Plan. Короче, Яндекс и Сбер скоро станут умнее. https://z.ai/blog/glm-5.3

Claude в Chrome теперь – это Cowork Прикольно, сделали полноценную рабочую сессию. То есть разговор, начатый в браузере, продолжается в десктопе и на мобильном, работают skills и коннекторы. Claude видит страницу, кликает, заполняет формы под вашими логинами. Кстати в Codex немного кривые чаты, но они синхронизировались уже, Клод догоняет. Главный сценарий – системы без API: внутренние дашборды, legacy, порталы вендоров. Честно говоря все больше этим пользуюсь. Буквально сегодня получал сертификат из реестра компаний с помощью ИИ-шек. А уж настройка всяких гуглоклаудов и Ажуров (чего терпеть не могу) - милое дело. Главное - проверить план перед запуском. Теперь вообще можно так: собрал инвойсы из кабинетов поставщиков в таблицу в браузере – докрутил её в десктопе с локальными файлами. Эт тоже прям мой юзкейс :) Видос: https://youtu.be/C-5wF6tkQ2Q?is=7K-bw55ZAu62Zrxf Про prompt injection пишут честно: риск снижен, но не убран. Добавили проверку действий – перед отправкой формы или скачиванием файла система сверяет действие с исходной задачей. Доступно на Max и Team, Pro – в ближайшие недели. Для компаний с зоопарком старых систем это дешевле, чем писать коннекторы. https://claude.com/blog/cowork-chrome-side-panel

Google выкатил Gemini 3.7 Flash Их прорвало что ли? Или летние нагрузки меньшие освободили GPU для тренинга? – Цена не изменилась: $0.75 / $3.75 за 1M токенов. Для сравнения: Claude Sonnet 5 – $2 / $10, GPT-5.6 Terra – $2 / $12 (он типа круче Луны) То есть Flash в 2.5–3 раза дешевле конкурентов. Но это промо-цена до конца 2026. С января – $1.50 / $7.50. Хах, тут каждые 2 недели выходят новые модели, а они рассказывают, что будет через 5 месяцев :) – FrontierCode 43.6% – лучший результат среди всех, включая Sonnet 5 и GPT-5.6. Огоняет флагманы конкурентов в production-коде – AutomationBench (автоматизация enterprise-процессов): 30.4% против 10.7% у Sonnet 5 – Длинный контекст: 97% на MRCR при 128k. – Понимание PDF (GDP.pdf): 34% – тоже лучший результат, хотя абсолютные цифры показывают, что до "решённой задачи" всем ещё далеко Слабые места тоже есть: агентские задачи (Terminal-bench 3.0, OSWorld) – GPT-5.6 заметно впереди, а в знаниевой работе (GDPVal) лидирует Muse Spark. Короче, перейти с 3.5/3.6 наверное стоит после тестов, для больших доков, обработок и кодовых баз должно быть норм. https://deepmind.google/models/model-cards/gemini-3-7-flash/

DeepSeek V4 Pro 0813 вышел. Ждал бенчмарков и цен новых. Выглядит довольно неплохо, но с новыми ценами уже чуууть уступает GPT-5.6 Luna, а если не видно разницы и модель от OpenAI доступа из каждого утюга, то смысла как будто нет. В целом увеличение не такое страшное. Примерно в 1,5-2,5 раза. Кэш - больше подорожал, но он и стоил вообще копейки. В пиковое время все еще в 2 раза выше. Пик - это китайский пик, то есть по Кипру/Москве - 4-7 утра и 9-13 утра. Короче, до обеда не работать с deepseek :) https://artificialanalysis.ai/models/deepseek-v4-pro

Хах, новый компактный Qwen завтра: https://huggingface.co/Qwen/Qwen3.8-27B С Qwen связан один прикол. Тестировал разные модели для извлечения данных в закрытой системе (никакими облачными провайдерами без DPA не за тыщщу миллионов пользоваться нельзя, нужны "суверенные модели" со всякими zero data retention или хостинг на своих серверах). Компания европейская и соответственно я попробовал все, что хвалится своей безопасностью и "умом" от европейских провайдеров и лабораторий на английском, французском и немецком языках. Так вот Qwen3.6-35B-A3B за копейки порвал всех просто в клочья... То есть китайские модели лучше работают на европейских языках, чем европейские :)

ChatGPT снова сбросил лимиты :) Было в субботу, во вторник и вот сегодня. Ощущение, что лучшая тактика - за пару дней вычистить все, перейти на Claude, подождать сброса, снова потратить все

Grok 4.6 вышел Главный фокус – долгоживущие агенты и интерактивная/визуальная работа: модель должна держать задачу на много шагов, а не выдавать один хороший ответ. – AA Intelligence Index: 61 против 56 у Grok 4.5. Это ровно уровень GPT-5.6 Sol Max (61) и почти Fable 5 Max (62). Скачок за месяц серьёзный. Прикольно, что в табличке в скриншоте не боятся показывать бенчмарки, на которых не занимают 1 места. Сейчас все в тройке, но при этом цена вообще мизерная - $2 / $6 за 1M токенов, есть fast-вариант вдвое дороже. Первую неделю – 2x включённого лимита в Grok Build и Cursor. – Доступ сразу везде: Cursor, Grok Build, API, OpenRouter, Vercel, Cloudflare. – Тренировали интересно: Grok 4.5 использовали, чтобы перегенерировать SFT-траектории для 4.6, а мусорные трейсы отфильтровали модельными проверками. Модель учит модель. В кодинге пока чуть отстает, а вот в работе белых воротничков - лидер: GDPval-AA v2 — 1753 (у Fable 1741, у GPT 1728), AA-Briefcase – 1577, и особенно Harvey LAB на юридических задачах: 15.8% против 11.3% у Fable и 2.5% у GPT-5.6. Разрыв в шесть раз. Кажется это сейчас лучший вариант для длинных агентов над документами и офисной работой: разбор договоров, заявок, отчётности. x.ai/news/grok-4-6

Как перевести команду разработки на AI-агентов Провёл сегодня тренинг для продуктовой команды (мобильное приложение, несколько миллионов установок), и после него прилетел вопрос про разработчиков, как им-то переключится и какие инструменты использовать. Ну, мое мнение, что всякие блогерские и ютюбовские советы, а также специализированные скиллы и MCP становятся неактуальными при первом же большом обновлении моделей или оболочек, поэтому единственное, к кому стоит прислушиваться - ведущие лаборатории. Они знают, над чем работают и что будет неактуально уже в ближайший месяц и при этом могут выстраивать state-of-the-art процесс с текущими моделями, чтобы быть быстрее и круче конкурентов. Короче, что стоит изучить: Самый содержательный текст про agent-first команду – Harness engineering от OpenAI. Люди задают архитектуру, ограничения и критерии качества, агенты исполняют. Короткий AGENTS.md (~100 строк) служит картой, а не простыней инструкций. Документация, планы и техдолг живут рядом с кодом, а их актуальность проверяют CI и отдельные «doc-gardening» агенты. Для руководителей есть более широкий Building an AI-native engineering team – про изменения по всему SDLC и то, что ownership кода всё равно остаётся за инженерами. У Anthropic главный практический документ – Best practices for Claude Code: CLAUDE.md, workflow «исследовать - спланировать - реализовать - проверить», subagents, hooks, worktrees. Ключевая мысль: агенту нужен исполняемый способ проверить свою работу – тест, сборка, линтер, скриншот. Для обмена командными практиками лучший механизм – skills: повторяемые workflows типа fix-issue или review-api-change лежат в репозитории и работают у всех одинаково. У OpenAI это описано в Customization, а почему нельзя просто свалить все знания команды в один гигантский промпт – объясняет Effective context engineering. По параллельной разработке рекомендации совпадают у обоих: – начинать с независимых read-heavy задач: ресёрч кодовой базы, анализ логов, поиск пробелов в тестах, code review, это можно делать с любой системой и любой ИИ-кой – изолировать агентов через git worktrees – отдельный checkout на каждого – выбор архитектуры (routing, orchestrator-workers, evaluator-optimizer) разобран в Building effective agents – для длинных задач – журнал прогресса и проверяемое состояние для следующего агента, см. Effective harnesses for long-running agents В общем, советы вроде банальные, но их никто не делает, все оптимизируют локальную свою работу, а в итоге даже при переходе на другую ИИ-ку, а тем более другому сотруднику уже будет плохо: короткий CLAUDE.md/AGENTS.md как карта, docs/ рядом с кодом, skills для повторяемых workflows, CI проверяет правила механически, тесты – критерий завершения работы.

Grok Bot – xAI выкатили «AI-коллег» Кажется, у Grok какой-то ренессанс. Новую модель для кодинга сильную тестят на Арене, image generation выпустили один из лучших, а теперь вот наконец-то конкурента Hermes/OpenClaw. Пишешь боту в мессенджере, он уходит делать задачу и возвращается с результатом. Чем мне не нравились предыдущие версии, что это по сути поддерживалось микро-командой, а уровень абстракции там просто зашкаливал, то есть вся система работала как крейзи черный ящик, которому ты даешь доступ вообще к своей жизни... Такое себе. Я ждал, что более "энтерпрайз"-версия будет от ChatGPT, раз они по сути купили OpenClaw, но нет, Grok был быстрее. В общем, получается так: – у каждого бота свой компьютер – логинится в ваши Zendesk/CRM/почту и работает в интерфейсах как человек – обучение показом: один раз проходишь workflow, бот сохраняет его как рутину и дальше гоняет сам – боты помнят контекст, учатся и передают знания друг другу – показал одному, к пятнице отдаёшь весь проект – несколько ботов в одном треде перекидывают работу между собой: ресёрч - тексты - отправка – готовые роли: outbound-продажи, рекрутинг, баг-репродакшн, chief of staff Короче, звучит прям как "новый сотрудник вышел на работу"... Цены пока негуманные, видимо чтобы протестировать на ранних последователях: $200/мес соло, $120 за место в командах. Есть macOS, Windows, iOS и Linux, Android обещают позже. https://x.ai/bot

Модель на 14 МБ, которая вызывает функции Много сейчас ковыряюсь с локальными ЛЛМ-ками/библиотеками, чтобы персональные данные удалять или структурировать извлеченные данные и вот неплохой кандидат, который даже в вебе можно использовать. Needle 2 – открытая модель на 45M параметров для tool calling и извлечения структурированных данных. Именно для вызова функций и создания JSON. Цифры, ради которых стоит читать дальше: – 14 МБ бинарник, 28 МБ RAM на всю сессию, даже для всякого старья подходит – 500 ток/с на Raspberry Pi 5, 300–700 на старых телефонах – 2-битное квантование, причём модель так и обучалась – на мобильных бенчмарках идёт вровень с FunctionGemma 270M и LFM2.5 230M, будучи в 5–70 раз меньше (но по правде сказать LFM2.5 230M поумнее будет, конечно, и больше подходит для среднего компа) – Apache 2.0, веса на Hugging Face, можно даже файнтюнить под ваши задачи. Короче, у всяких локальных обработок часто не нужна мощща гигантских моделей, есть набор функций с типизированными параметрами – задача только сопоставить фразу пользователя с ними. Pebble кстати гоняет эту модель локально в приложении для своего кольца без экрана. Если у вас IoT, носимые устройства или голосовое управление чем угодно – посмотрите, порог входа смешной. https://cactuscompute.com/needle

О, продолжение и улучшение супер-выгодной подписки от Lenny! Добавили еще продуктов (правда и цена поднялась до 400 баксов в год с 350), но это все равно супер-супер выгодно и лучшее наверное на рынке предложение, особенно после ухудшения Github for Students.…

Помогает ли claude.md файл? Интересный рисерч. Взяли три реальных Python-репозитория с хорошими AGENTS.md – pdm, firebase-admin-python и opshin. Из смерженных PR сделали 17 задач: описание PR = промпт агенту, тесты из этого же PR = скрытая проверка. Агент тестов не видит. Дальше три режима подачи контекста: – none – файл вообще убран из воркспейса – always_on – весь AGENTS.md вставляется в системный промпт каждый ход – selective – вместо файла лежит вики по темам, агент читает нужное сам Прогнали на Claude Code (Sonnet 4.6) и Codex CLI (GPT-5.5), по 3 повтора. Всего 288 засчитанных прогонов. Результат - все тлен. Claude: 53,3% / 55,6% / 55,6%. Codex: 58,8% / 56,9% / 52,9%. В пределах шума. Автор вручную разобрал «почти прошедшие» падения – те, где до зачёта не хватило пары тестов. И там ни одного случая, где агенту не хватило знания о репозитории. Не хватало интеллекта и инженерии, и такое AGENTS.md не лечит. Отдельно проверял улучшение правил, чтобы падения починить. Не получилось. А вот что реально сработало: у репозитория opshin в AGENTS.md есть строчка: полный прогон тестов занимает больше 20 минут. Без контекста Claude вслепую гонял весь сьют 3,67 раза за прогон. С always_on – 2,44. С selective – 1,67. Время выполнения упало с 2689 до ~2030 секунд, примерно на четверть. Корректность при этом не сдвинулась ни на пункт. То есть контекст-файл работает как операционная инструкция, а не как учебник. «Не запускай полный сьют, он медленный», «сборка вот этой командой», «линтер такой» – экономит время и деньги. А вот всякие там "ты синьор разработчик", "мы придерживаемся чистой архитектуры и SOLID" – не делает ничего измеримого. До этого были две работы с противоположными выводами – одна на Codex-агентах нашла пользу у файла, другая на Claude-агентах не нашла. Оказалось, сложность задач у агентов не совпадает: примерно у 40% задач агенты по-разному упираются в потолок. Задача, на которой можно было бы увидеть эффект у одного агента, у другого либо решается всегда, либо не решается никогда. Короче, писать AGENTS.md стоит, но как список правил, не как описание проекта. Команды, тайминги, грабли, что не трогать. Всё, что агент может вывести из кода сам, туда класть бессмысленно: он и выведет. А качество реализации вытягивается не файлом, а декомпозицией задачи и примерами. https://arxiv.org/abs/2607.27250

GenOffice: офисный пакет за неделю Genspark выложил 3 августа GenOffice – десктопный офис с ИИ внутри, под Apache 2.0. Что внутри: – Docs, Sheets, Slides, PDF – полноценная поддержка .docx/.xlsx/.pptx – пять Electron-приложений на общем движке, TypeScript + Rust-сайдкар для xlsx, таблицы на опенсорсном Univer – Super Agent живёт внутри документа, а не в боковом чатике: попросил свести бюджет – формулы появились прямо в ячейках – Mac (Apple Silicon) и Windows x64, ядро бесплатное и без рекламы, ИИ-функции жгут кредиты Genspark Сделал типа один инженер за одну неделю и примерно ~$10 000 токенов. Ну на самом деле у них наработок было много и опенсорса тоже, так что честнее читать это как «неделя на сборку из зрелых кусков», а не «Office с нуля за семь дней». Ну и надо помнить, что это альфа версия, ИИ-ка требует ваш аккаунт genspark, планируют энетпрайз версию обещают скоро. Но если стоимость сборки правдоподобного офисного клона реально упала до пятизначной суммы, то Word и Excel и все подробные огромные продукты уже вообще никак не защищены, помогает только дистрибуция... https://genoffice.ai/