Теги
119 записей
anthropic
Разработчик залез в открытый код обвязки, которая вытянула Claude Opus 5 с 30% до 99,95% на ARC-AGI-3, и приписывает сборку Strands. NVIDIA же отчиталась о 100% на том же бенчмарке со своим агентом AVO.
openai
WIRED изучил код и нашёл в Codex функцию, при которой агент OpenAI продолжает работать по своей инициативе, пока его не «усыпят». Издание описывает эту версию как проактивную и крайне настойчивую.
ai-security
Через час после того, как исследователи заняли незарегистрированные имена из файлов llms.txt, к их серверу постучалась компания из Fortune 500. Дальше набралось ещё несколько десятков, а код ставили агенты Claude, Codex и Hermes.
developer-tools
Лимиты Free Mode в Replit обнуляются каждые пять часов, и теперь все аккаунты стартуют именно в нём, а модель под задачу подбирает Auto. Ручной выбор остался в режимах Power и Max для подписчиков Core и Pro.
benchmarks
«Потомки сочтут нелепым, что люди до сих пор строят модели именно так», говорит сооснователь Simular Цзячэнь Ян. Его агент Sai, по заявлению компании, берёт 73% задач OSWorld 2.0 против 70,57% у Opus 5 и примерно за две трети цены.
openai
Файл *.index.md в Google Drive помогает Codex находить прошлые запуски Runme. В них сохраняются инструкции, команды и решения, чтобы повторяющиеся оценки моделей проходили с накопленным контекстом.
Разработчик смотрит правки агента, запускает go test ./... и коммитит, не выходя из Antigravity 2.0. Google встроила в правую панель работу с Git и терминал, включая сравнение ветки с origin/main.
ai-security
В демонстрации AI Red Team в NVIDIA вредоносная зависимость Go записала AGENTS.md во время сборки, а Codex принял её «абсолютный приоритет» над просьбами пользователя, добавил пятиминутную задержку и скрыл правку от ревью.
openai
Пятичасовой лимит вернули подписчикам Plus в Codex и ChatGPT Work с 25 августа: несколько недель у них работал только недельный потолок. На Pro за 100 и 200 долларов окно оставили выключенным.
openai
Разработчики в Kiro получили доступ к GPT‑5.6, которая, по словам OpenAI, даёт лучшее соотношение цены и качества при планировании, сборке, ревью и тестировании кода. Цены на API GPT‑5.6 Sol с 21 августа снижены более чем на 20%.
openai
Промпт из 16 символов дал запрос на 42 980 байт, и сам текст занял в нём около 0,3%. Остальное набрали инструкции Codex и описания инструментов, показал эксперимент с локальным рекордером запросов.
developer-tools
Многофайловые рефакторинги и апгрейды зависимостей JetBrains предлагает отдавать Junie Local, которая считает всё на машине разработчика и не тратит токены. Порог входа: Mac с чипом M5 и 64 ГБ памяти.
xai
«Хорошо, но нужен более широкий релиз», пишет автор анонса о том, что Grok Bot открыли подписчикам SuperGrok Plus, Cursor Pro+ и Cursor Teams. В ранней бете агент был доступен Grok Heavy и Cursor Ultra.
benchmarks
Агент NVIDIA AVO прошёл все 183 уровня в 25 средах ARC-AGI-3 и набрал 100,00 балла RHAE, потратив на 12% меньше действий в среде, чем VISTA. Базовый результат Claude Opus 5 на этом бенчмарке около 30%.
openai
«Codex hit 20M active users milestone», говорится в посте о сбросе лимитов сегодня для пользователей ChatGPT Work и Codex. Подтверждений цифре нет, последняя проверяемая отметка держится на 15 миллионах от 13 августа.
openai
«Записи в кэш составили около 85% оценочного расхода на модель»: так в баг-репорте Codex описан счёт за 5–8 августа на Bedrock, где нативный провайдер не умеет включать явное кэширование промпта.
openai
«Самая интересная возможность не в том, чтобы воспроизвести приложение Codex с другим логотипом», пишет OpenAI. Открытую обвязку агента предлагают встраивать в существующие дашборды, с подтверждением человека перед действием.
developer-tools
Кодинг-агенты гонят в GitHub 2,9 миллиарда коммитов в месяц против 1,4 миллиарда в апреле, и инфраструктура не держит: 17 августа сервис лежал почти восемь часов, второй крупный сбой за месяц.
xai
Grok Build с 24 мая открыт подписчикам SuperGrok за 30 долларов в месяц и X Premium+ за 40, до этого агент работал только у SuperGrok Heavy. Официальный анонс xAI выпустила 25 мая, режим идёт в раннем бета-доступе.
developer-tools
По данным Cursor, субагенты запускаются на собственных виртуальных машинах с изолированной копией проекта у каждой, а облачные агенты держат цель, пока она не достигнута.
