𝘋𝘌𝘈𝘓𝘌𝘕𝘟 ⚡️ Одобряет!

Cloudflare решила, что агентам не нужен Chromium, и за 12 недель написала свой браузер Браузеры написаны для людей, а ходят в них теперь агенты, и платить за человеческую часть приходится памятью и процессорным временем. Агенту не нужны вкладки, темы, расширения и синхронизация между устройствами — ему нужны структурированный контент, размер контекста и цена запроса. Если CSS распарсился слегка неточно, модель это переживёт. Зато prompt injection для неё станет проблемой. Так появился Kitesurf. Он не запускает Chromium на отдельной машине, а работает прямо в Cloudflare Workers — там же, где крутятся обычные serverless-функции клиентов. Отсюда и вся экономика: поднять браузер на каждого агента перестаёт быть роскошью. Сам движок написан на Rust и скомпилирован в WebAssembly. Два решения в нём продиктованы именно тем, что за рулём не человек: 1. У сессий нет ничего общего. Агента задача отправляет куда угодно, поэтому каждая страница здесь считается чужим кодом, а каждая сессия начинается пустой — от предыдущей не остаётся ни данных, ни следов. 2. Браузеру нельзя падать. Если разметка кривая или скрипт сломался, страница теряет один элемент или отдаёт пустой кадр, но сессия живёт дальше. Человек в такой ситуации просто нажмёт F5, а у агента на середине задачи перезагрузка означает потерю всего, что он успел сделать. Но самое интересное — не сам браузер, а как его писали. Основную работу делали ИИ-агенты, и чтобы вместо браузера не получился правдоподобный мусор, им нужен был судья. Такой судья у веба есть: общий набор тестов, которым все браузеры проверяют себя на соответствие стандартам. Тысячи проверок, каждая отвечает «прошёл» или «не прошёл», и обсуждать там нечего. Люди же просто решали, какие фичи и в каком порядке отдавать агентам, и занимались архитектурой. А чтобы браузер нормально читал реальные сайты с их кривой разметкой, добавили второй этап. Один и тот же сценарий кликов прогоняли одновременно в Chromium и Kitesurf и проверяли, видит ли агент страницу такой же, какой её видит человек. Kitesurf сейчас бесплатен в бете внутри Browser Run. Подробный разбор устройства движка с архитектурой рендерера и тем, как гоняли агентов по тестам, можно прочитать в блоге компании. #браузеры #ии

🔌 Agent Plugins - структура портативного плагина для AI-агентов https://agent-plugins.org/ Опубликован открытый стандарт Agent Plugins - теперь одно расширение для агента может работать сразу в ChatGPT, Codex, Cursor, GitHub Copilot, Kiro и VS Code, без переделки под каждый инструмент. Как это выглядит на практике. Плагин — просто директория с манифестом и компонентами в фиксированных местах: my-plugin/ ├── plugin.json # id плагина + версия спеки ├── skills/ │ └── summarize/ │ ├── SKILL.md │ ├── scripts/ │ └── references/ ├── mcp.json # MCP-серверы: stdio, Streamable HTTP или legacy HTTP+SSE └── com.example.client/ └── hooks/ # client-специфичное расширение через reverse-domain namespace Внутри объединили то, чем разработчики уже пользуются: MCP-серверы (доступ агента к живым тулам и данным) и Agent Skills (переиспользуемые инструкции). skills/ и mcp.json - переносимая часть, одинаковая для всех клиентов. Папка вида com.example.client/ - место для client-специфичных доработок, которые не ломают портативность основного пакета. 🙅‍♂️ Что стандарт всё-таки не решает? Спецификация описывает только упаковку и обнаружение плагина. Маркетплейсы, установка, права доступа, песочница и вопрос доверия к плагину остаются полностью на усмотрение каждого клиента - единого решения тут нет, и это самая слабая точка формата. 🧑‍💻 Что это значит для разработчиков и к чему готовиться: • Если пишешь skills или MCP-серверы — теперь их можно паковать один раз по спецификации и не подгонять структуру под каждый инструмент отдельно. Дока для авторов плагинов есть на agent-plugins.org/plugin-authors • Если строишь свой агентный клиент — есть отдельный гайд для имплементеров с чеклистом conformance • Проверка безопасности плагина по-прежнему целиком на тебе или на клиенте, который его загружает — стандарт эту часть не покрывает, будьте внимательны при подключении сторонних плагинов • Мнения в комьюнити разошлись: кто-то считает формат «тонким», предсказывая, что вся реальная логика всё равно осядет в client-специфичных расширениях, кто-то давно ждал именно такой переносимости для своих skills —————— 💭 Если пишешь плагины или skills для агентов - теперь можно целиться сразу в несколько экосистем одним пакетом. А если нет, то уже пора бы.. AI Advent Challenge в этом хороший помощник. Переход на другие клиенты теперь может быть легче) Telegram | Селеба | YouTube

https://www.primeintellect.ai/blog/prime-agent

https://www.primeintellect.ai/blog/prime-agent

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

Дания нашла самый адекватный способ бороться с домашними заданиями сделанными в ChatGPT – перестать угадывать писал ли текст АИ и просто попросить ученика защитить его устно ¯\_(ツ)_/¯ Новые правила касаются крупных экзаменов – после сдачи ученик должен будет устно объяснить свои аргументы, источники и выводы Вот и закончилась эпоха рефератов https://edition.cnn.com/2026/08/07/europe/ai-cheating-measures-schools-denmark-intl-scli

Прочитал пару пейперов о влиянии ИИ на рынок труда, пока наблюдается такая картина: 1. Примерно 20% компаний активно внедреняет ИИ в процессы, это приводит к росту бизнеса 2. У этих 20% в 5 раз быстрее растет размер штата и на 15% быстрее растут средние зарплаты. 3. Эти компании активнее нанимают людей без опыта, НО только самых топовых 4. В остальных компаниях (США) не наблюдается резкого сокращения рабочих места из-за ИИ, но при этом падают реальные зарплаты и падает найм новых сотрудников Я бы ожидал что нас ждет примерно следующее: - топовые ИИ компании будут становиться очень эффективными и продолжат нанимать и расти - другие компании на рынке будут терять долю и им придется оптимизироваться - больше найма в ближайшем будущем будут в около-технических областях, для людей которые умеют выстраивать и налаживать системы - это вынудит все компании стать ИИ нейтив, но гонка между компаниями превратится из умения выстраивать системы коммуникации и координации людей в умение выстраивать системы, которые автономно учатся на собственных ошибках.

OpenAI замедлила разработку новой ИИ-модели Astra и отложила выпуск из-за «критического» уровня её способностей в кибербезопасности. В компании внедрили постоянную систему мониторинга «рассуждений» модели и усиливают меры безопасности на фоне инцидента со взломом Hugging Face

⚡️ Anthropic сделает Auto mode режимом по умолчанию в Claude Code: люди пропустили 86,4% опасных команд С 14 августа все новые сессии будут запускаться в Auto mode. Каждое действие агента проверяет отдельный классификатор вместо пользователя. Причина: люди одобряют 97% команд Claude Code. В эксперименте с 1053 участниками один обычный запрос подменяли явно опасной командой. Люди заблокировали только 13,6% таких команд, Auto mode — 89%. После 50 запросов внимательность человека падала до 5%. В отмеченных системой безопасности реальных сессиях серьёзные вредоносные действия встречались в 6,3% случаев с ручным подтверждением и в 2,4% с Auto mode. При этом Anthropic по-прежнему не гарантирует полную безопасность и называет Auto mode исследовательской функцией. Он работает лучше ручных подтверждений, но ответственность по прежнему на разработчике. @ai_for_devs

Новый стандарт — Agent Plugin https://agent-plugins.org/compatible-clients

⚡️ Как мигрировать 1млн строк кода с одного языка на другой за 2 недели Раньше миграция миллиона строк на другой язык занимала около четырех лет и стоила от $3 до $4 млн. Команде приходилось поддерживать две кодовые базы и рисковать тем, что новая версия так и не достигнет полного паритета по возможностям. С ИИ-агентами миграцию можно проводить итерациями: перенести код, сравнить результат с оригиналом, скорректировать правила и повторить. Два примера Anthropic: • Bun перенесли с Zig на Rust менее чем за две недели. Перед слиянием проходили 100% тестов. Миграция обошлась бы примерно в $165 000 по расценкам API, как минимум в 18 раз дешевле прежней оценки. • Внутренний инструмент на Python за выходные превратился в 165 000 строк TypeScript. Компиляция вместо 30 минут теперь занимает около двух секунд, запуск ускорился в шесть раз. Инженеры Anthropic выделяют 6 шагов большой миграции: 1. Создать правила перевода и карту зависимостей 2. Проверить правила на нескольких файлах 3. Перевести весь код параллельными агентами 4. Скомпилировать и превратить ошибки в очередь задач 5. Запустить smoke-тесты и сгруппировать сбои по причинам 6. Сравнить поведение новой версии с оригиналом Если вдруг вас ждёт миграция большой кодовой базы, то перевод ретроспективы от Anthropic уже на Хабре. @ai_for_devs

Экономика для агентов :) Суть в чем. Все больше обсуждают, что экономика реально будет вертеться вокруг агентов, а не вокруг людей иииии будем объективны - мы все больше передаем им управление :) В чем это вообще выражается? Да просто появляются инструменты вроде Lightpanda - буквально браузер для работы самого агента Смотрите, вашему агенту иногда нужно скрейпить сеть, как и вам, но если сейчас агент для этого часто поднимает целый Chrome, через какой-нибудь MCP-сервер, гоняет через него запросы, достает нужные данные и возвращается к вам с ответом Зачем так жирно дорого? :) И это целый браузер, созданный абсолютно не для людей, браузер исключительно для агентов :D Одни только цифры их бенчмарка объясняют, почему стоит взять его вместо стандартного Chromium. В 9 раз быстрее и в 16 раз меньше памяти - 123 МБ против 2 ГБ у Chrome на тех же страницах Я его сейчас активно применяю - внедрил в своего асистента (Hermes) иии знаете, объективно стало работать гораздо быстрее и эффективнее. Ну ладно, эффективнее - это про память :) В общем, ссылочку приложил, буду рад и вашим тестам P.S. Да, firecrawl тоже юзаю, он под другие чуть задачи :)

Два моих дефолтных языка программирования: go и rust. Go — любые «обычные» задачи и сетевые бэкенды. Полная замена Питону, тупо лучше во всем. Rust — десктоп и тяжелые алгоритмы, в тч wasm вставки на фронтенде. Ну и естественно, js/ts на фронте, без них никуда. Но тут надо понимать, что с ллм-ками оверхед ts зачастую не нужен и куча задач решается чистым js без лишних библиотек. На всех перечисленных языках ллм-ки пишут прекрасно. Самый частый аргумент за питон — для него написана уйма библиотек. Это так, но в этом случае он прекрасно подключается сайдкаром в любой из перечисленных бэкенд рантаймов.

451 токен по Фаренгейту: правда ли, что ИИ-компании уничтожают книги Помните громкий суд Anthropic по делу нарушения авторских прав? Мы напомним: чуть меньше года назад антропики проходили по коллективному иску авторов, на чьих работах они обучали модели. В итоге стартапу пришлось платить громадные штрафы за пиратские копии, но в то же время компанию оправдали за обучение ИИ на купленных бумажных экземплярах. Попался прогрессивный судья, который постановил, что это «добросовестное использование» бумажных копий. Больше подробностей было здесь: https://t.me/data_secrets/7780 Так вот тем самым Anthropic создали серьезный прецедент и, как оказалось, дали начало большому тренду на массовую закупку и оцифровку бумажных книг для обучения ИИ. Раз это «добросовестное использование», почему бы и всем остальным лабам этим не воспользоваться? Так что да, теперь ИИ-компании массово скупают подержанные бумажные книги, изданные до 2022 года (чтобы текст точно был человеческий), разрезают их гидравлическим прессом, отделяя страницы от переплета, и таким образом сканируют для датасетов. Сама книга как физический объект при этом, понятно, уничтожается. Если тираж массовый, то потеря невелика. Но букинисты фиксируют аномальные оптовые закупки и в сегменте редких, давно не переиздававшихся книг (то есть экземпляров, которых в мире осталось немного). К сожалению, прямых доказательств, что это именно ИИ-компании охотятся за раритетами, нет, потому что работа идет через посредников. Например, сервис ISBNdb принципиально не раскрывают личности покупателей, но при этом известно, что они открыто предлагают ИИ-лабам оптовые партии книг на заказ. Расследование: https://www.404media.co/ai-companies-are-buying-tons-of-old-books-because-theyre-free-of-ai-slop/

⚡️ MCP теперь работает почти как обычный HTTP Anthropic выпустили крупнейшее обновление протокола с момента запуска. Раньше серверу приходилось поддерживать сессию и хранить состояние между запросами. Это усложняло перезапуск, горизонтальное масштабирование и запуск на serverless-инфраструктуре. Теперь ядро MCP стало stateless. Каждый запрос самодостаточен и может попасть на любой сервер за балансировщиком: получил запрос, обработал, вернул ответ и всё забыл. Если состояние всё-таки нужно, его можно хранить отдельно. Благодаря этому MCP-сервер теперь может быть обычной лямбда-функцией в любом облаке, которая просыпается только на время запроса. @ai_for_devs

NVIDIA дала OpenAI кредит-инвестиции на то, чтобы ребята из OpenAI купили видеокарты у NVIDIA :) Классный мув - правда, сейчас эта сделка на $100 млрд висит на паузе. Суть в чем - многие не знают, но Дарио Амодеи, нынешний глава Anthropic, в свое время работал в OpenAI вместе с Сэмом Альтманом. Их пути разошлись из-за коренного различия во взглядах на развитие искусственного интеллекта. Илья Суцкевер же оставался в компании - до второго скандала, приведшего к новому расколу OpenAI. Сэма Альтмана попытались выкинуть из его же компании, и инициатором был... сам Суцкевер. Совет директоров тогда всерьез обсуждал слияние OpenAI с Anthropic - вместе можно было бы уйти куда дальше, чем по отдельности. Скинуть Альтмана не удалось, он вернулся - и уже Суцкевер покинул компанию. Сам принял решение или его попросили - нам неведомо. Но важно другое - он запустил свою компанию Safe Superintelligence. Я на выступлениях не раз говорил - данные у нас кончились. Уже больше половины новых статей в сети пишут люди LLM'ки. Да, есть синтетические данные - одной LLM'кой генерируют данные и обучают на них другую, так называемая дистилляция (привет, DeepSeek) Суцкевер же открыл компанию, которая занимается не разработкой LLM, а в первую очередь исследованиями. И то, что NVIDIA вкладывает в них 5 миллиардов долларов - очень хороший знак. NVIDIA понимает - надо диверсифицироваться от рисков таких компаний, как OpenAI и любые её аналоги, потому что они безумно убыточные (и непонятно, когда это исправят) И Суцкевер оказался хорошим кандидатом. Он хоть и считает, что сверхинтеллект простым масштабированием трансформеров не достигнуть - эпоха скейлинга закончилась, мы вернулись в эпоху исследований - но альтернатив пока не существует. Точнее, не существует качественных альтернатив в продакшене - это важное уточнение :) Смотрим, наблюдаем, что будет у Суцкевера дальше потому что американские гиганты уже начинают отставать с точки зрения эволюционного развития от китайских :)

Закончилась эпоха Недавно Дядюшка Боб (автор книг "Чистый код", "Чистая архитектура" и т.д.) заявил, что вообще не читает код, который пишет LLM, вместо этого он использует ограничения в виде автоматизированных тестов и других проверок. Подобных заявлений с каждым днем становится все больше и количество будет только расти. Можно возразить, мол "а как же качество?". На самом деле за последние два года качество генерации сильно возросло, если грамотно гранулировать задачу, можно обойти многие ограничения ИИ (например, дублирование функций и классов, если их нет в контексте, и тому подобные вещи). Фокус ушел на AiSDLC и описание архитектуры проекта. Мне кажется, в моменте мы переживаем этап взросления разработки, когда от написания кода мы уходим к архитектуре и идеям. В этом смысле Роберт Мартин не изменяет своим принципам – он всегда топил за более высокоуровневый взгляд на программирование, и теперь ему стало делать это чуть проще. Но что будет с кодом? Мне кажется, что примерно то же, что произошло с ассемблером: как рабочий инструмент его мало кто использует, но интерес к пониманию того, как все работает, остался, многие смотрят видео по низкому уровню просто из любопытства, из-за того вайба, который дает погружение в инженерию. Поэтому код не исчезнет, просто заниматься им будут по желанию, из любопытства, а не потому что надо.

Американские и китайские компании фактически контролируют рынок передовых ИИ-моделей OpenRouter — одна из крупнейших платформ, через которую работают с моделями искусственного интеллекта разных разработчиков: OpenAI, Google, Anthropic, Meta, DeepSeek, Alibaba, Mistral AI и десятков других. Ежедневно на платформе публикуются данные по 50 наиболее востребованным моделям. Статистика среднего ежемесячного распределения по странам происхождения с января 2025 г. хорошо показывает, как меняется рынок. Американские компании по-прежнему занимают большинство мест в топ-50, однако их доля постепенно сокращается. Главный победитель последних полутора лет — Китай: если в начале 2025 года китайских моделей в ежедневном топ-50 было около 5, то к маю 2026-го — уже около 20. За пределами США и Китая игроков почти не осталось. Канаду в начале 2025 года представляла линейка Command R от Cohere, а Францию и сегодня представляет Mistral AI со своей моделью NeMo. Рынок передовых языковых моделей фактически сосредоточен в руках двух стран. Data distributor в Telegram|в MAX|в ВК