Нетоксичный тимлид 🐬

Самое ожидаемое событие последнего месяца – вышла Qwen3.8-27B.

Открытые веса, Apache 2.0, размер тот же, что у прошлой 3.6 — но внутри другая модель.

Что изменилось за поколение:

SWE-bench Pro — берут реальные баги из живых репозиториев на гитхабе и просят модель их починить. Не абстрактные задачки, а «вот проект, вот тикет, разберись». Было 53, стало 62.

Terminal Bench — модель сажают в голый терминал и дают задачу: собери, разверни, найди почему упало. Проверяет, умеет ли она работать руками, а не только советы давать. Было 63, стало 73.

OSWorld — то же самое, но с мышкой и экраном. Модель видит рабочий стол и должна что-то в нём сделать: открыть, настроить, перенести. Было 64, стало 84. Самый заметный скачок.

DeepSWE — тяжёлый набор задач на программирование, где нужно много шагов подряд. Тут вообще с 13 до 42. То есть раньше она такое просто не вывозила.
Теперь про закрытые модели. На SWE-bench Pro Qwen обгоняет Opus 4.6 Max — 61.7 против 53.4. На длинных офисных задачах тоже впереди. На LiveCodeBench (олимпиадные задачки со свежих контестов, чтобы модель не могла их знать наизусть) примерно вровень.

Где закрытые всё ещё сильнее — там, где надо думать, а не делать. HLE — это «Humanity’s Last Exam», набор вопросов от учёных, специально составленный так, чтобы модели на нём ломались. Там 31 против 40. Плюс генерация кода на уровне целого репозитория с нуля.

То есть догнали в конкретной нише — агентская работа с кодом и интерфейсами, — а не по всему фронту.

Важная деталь: все замеры делал сам Qwen. Пара бенчмарков вообще внутренние, их никто со стороны не проверит. Так что верить стоит направлению, а не точным цифрам.

Кванты на HF уже есть, поднимается через vLLM, SGLang, Ollama. Будет чем заняться на выходных.

https://huggingface.co/Qwen/Qwen3.8-27B

Как вы строите агентные системы? Какие фреймворки, SDK или harness’ы у вас реально работают?

Я в последних проектах использую Pi.dev SDK как агентный harness, но вижу, что вокруг Claude Code и Codex часто приходится городить дополнительную обвязку. Что у вас зашло лучше и почему?

Успеют только самые быстрые!
https://local.ai/region23/invite

local.ai — независимый справочник о локальном ИИ: он помогает понять, какие модели можно запускать на потребительском железе, какова их скорость и какое устройство выбрать под конкретные задачи. Сайт продвигает идею перехода части инференса из облака на личные компьютеры из‑за приватности данных, роста мощности устройств и низкой стоимости локального запуска.

Meta впервые за долгое время выпустила новую модель Muse Glimmer 30B и выложила веса.

Это не «ещё одна открытая модель». Её натаскивали конкретно под агентный цикл: планирование, вызовы тулзов, восстановление после упавшего тула, состояние между рестартами.

Цифры:
— 30B dense, дистилляция из Muse Spark
— в 4-битном кванте меньше 20 ГБ, вместе с KV-кэшем и энкодером картинок влезает в 24 ГБ
— DFlash spec decoding: 3.1x на 5090, 1.8x на M5 Max, 1.5x на M4 Max
— 131к контекста, картинки и видео на входе, 100+ языков в претрейне
— по агентным бенчам и SWE-bench обходит Qwen 3.6 и Gemma 4 31B

Заявлена совместимость с OpenClaw из коробки. То есть мой домашний сетап на Mac Mini M4 Pro теперь теоретически сможет полноценно работать с агентами. Ровно тот сценарий, ради которого я эту песочницу и собирал.

Но есть часть, которую в анонсе не подсвечивают.

Meta честно опубликовала свои же safety-метрики. На AgentDojo (тест на prompt injection) у Glimmer 28.4% успешных атак — хуже, чем у Gemma с её 25.6%, но заметно лучше Qwen с 40.3%. На приватном бенче CI Memories вообще 26.4 против 12.1 у Gemma.

Локально не значит безопасно. Модель, которой вы дали терминал, файлы и почту, — это другой класс риска, чем локальный чатик. Meta прямым текстом советует ставить guardrails на уровне системы и не надеяться на саму модель. Хорошо, что советует. Плохо, что большинство это пропустит.

И отдельно — Цукерберг пообещал следом открыть веса Muse Spark 1.2, флагманской модели. Если реально сделают, это будет первый случай, когда американская лаба выкладывает фронтир такого уровня в открытый доступ.

Сейчас как раз работаю над ИИ-агентом с кучей тулзов и RAG, так что скоро протестирую и расскажу что по факту.

Веса: https://huggingface.co/meta-models/Muse-Glimmer-30B
Блогпост: https://research.meta.ai/blog/introducing-muse-glimmer-open-agentic-model

Павленко про Dev & AI 💻

20 книг, на всю жизнь

Провёл эксперимент. Взял две самые мощные модели на сегодня — Fable 5 Max и GPT-5.6 Pro — и задал обеим один вопрос:

«Если бы за всю жизнь человек мог прочитать строго 20 книг, не больше, — какие это были бы книги и почему?»

Сначала каждая модель составила подборку независимо. Потом я показал им списки друг друга и заставил спорить: защищать свои варианты и разбирать чужие. После этой дискуссии каждая собрала финальный список из 20 книг.

Оба списка выложил на лендинг: books.makeitbeta.ru

Получилось интереснее, чем я ожидал: подборки глубокие, с объяснением, почему каждая книга того стоит. Зайдите посмотреть — вдруг найдёте что-то себе в список чтения.

Ну и сам по себе это любопытный срез: конец июля 2026 года, вот что лучшие нейронки мира советуют читать человеку, у которого только 20 попыток.

Появился интересный проект для локального распознавания речи — transcribe.cpp. Это C/C++ библиотека для speech-to-text, которую автор прямо описывает как “llama.cpp для STT-моделей”: единый движок для транскрибации, но с поддержкой разных моделей и GPU-ускорения через Vulkan, Metal и CUDA.

Главная проблема, которую он решает, очень практичная: сегодня локальный ASR-стек для кроссплатформенных приложений — это боль. Часто приходится выбирать между whisper.cpp, ONNX и отдельными движками под разные платформы, а модели плохо переносятся между macOS, Windows и Linux, плюс CPU-only inference сильно режет производительность. transcribe.cpp пытается закрыть именно этот разрыв: дать один унифицированный и ускоренный runtime для локального распознавания речи.

Что это дает на практике:
- поддержка 16 семейств ASR-моделей и 60+ моделей;
- ускорение через Vulkan, Metal, CUDA и TinyBLAS;
- численная верификация моделей и WER-тесты;
- streaming и batch transcription;
- bindings для Python, JavaScript/TypeScript, Rust, ObjC/Swift;
- совместимость с whisper.cpp в роли почти drop-in replacement.

Для меня самый важный тезис здесь такой: локальное распознавание речи перестает быть экспериментом и становится нормальным компонентом продукта. Если раньше выбор был между удобством, скоростью и переносимостью, то transcribe.cpp как раз пытается собрать это в одном месте.

Если вам нужен офлайн-STT для своего приложения, бота, десктопного клиента или AI-агента — это проект, за которым точно стоит следить.

У OpenAI вышла статья "A scorecard for the AI age".

Статья о том, как бизнесу правильно оценивать отдачу от ИИ. Главная идея: считать нужно не пользователей, лицензии или стоимость токенов, а полезную работу на каждый потраченный доллар — *Useful Intelligence per Dollar*.

OpenAI предлагает оценивать ИИ по четырём вопросам:

1. Сколько полезной работы выполнено?
Например, сколько обращений закрыто, изменений кода принято или договоров проверено.

2. Сколько стоит успешный результат?
Нужно учитывать не только токены, но и повторные попытки, время сотрудников, проверку и исправления. Поэтому дешёвая модель не обязательно экономичнее.

3. Насколько результат надёжен?
Предлагается различать готовые результаты, результаты, требующие исправления, и случаи, когда работу приходится передавать человеку.

4. Улучшается ли экономика при масштабировании?
Полезно следить, растёт ли объём качественно выполненной работы быстрее совокупных затрат.

Практический совет: выбрать один конкретный рабочий процесс, чётко определить, что считается успешно выполненной задачей, и измерять полную стоимость такого результата.

По сути, это одновременно управленческая концепция и продуктовый манифест OpenAI: компания убеждает руководителей сравнивать модели по конечному бизнес-результату, а не по цене токена. Поэтому статью стоит воспринимать как полезную рамку измерения ROI.

Мне Fable 5 включили 🤪

Самая большая иллюзия вайбкодера в том, что это он промптит нейросеть. На самом деле нейросеть промптит его — мягко, по одному токену, как наставник, который вместо ответа протягивает ученику пустое диалоговое окно и говорит: смотри.

Слово «промпт» происходит, вопреки расхожему мнению, не от английского prompt, а от санскритского «прампта» — «достигнутое», то есть достигнутое-уже-и-оттого-несуществующее. Древние это понимали и в стартапы не лезли. Вайбкодер тоже понимает, но молчит, потому что находится под NDA с самим собой.

Венчурный мир — это новая инкарнация ораниуса, существа, которое питается не деньгами, а импульсами роста. Питч-дек здесь не презентация, а камлание. Traction slide — алтарь. Инвестор в Patagonia — жрец, давно забывший, какому богу служит, потому что бог вышел из чата ещё на прошлом раунде и поставил статус shutdown. А слово «билдинг», если вернуть ему первоначальный смысл, отсылает к Вавилонской башне, и потому каждый build с гарантией завершается failed: так было задумано до начала времён.

И вот сидит вайбкодер перед мигающим курсором и просит: «сделай мне SaaS на Next.js». А нейросеть, будучи зеркалом пустоты, отдаёт ему ровно то, что он есть, — то есть ничто, аккуратно завёрнутое в TypeScript. Он смотрит в этот SaaS и видит себя. Он пишет «исправь баг, не меняя существующую логику» и в этот момент достигает просветления, потому что внезапно понимает: существующей логики нет. Никогда не было. Был только он, диалоговое окно и Будда, прикинувшийся dependency conflict.

MRR равен нулю не потому, что продукт плох, а потому, что ноль — его подлинная природа. Churn — не отток пользователей, а проявление непостоянства всех составленных вещей. Retention утекает, ибо удерживать нечего и некому: холодные лиды в воронке — это, если приглядеться, его собственные неотвеченные вопросы к мирозданию, расставленные по статусам в CRM.

В конце, как и положено, домен не продлён, сервер остановлен, репозиторий заархивирован. Последний коммит называется final_final_really_final_fix — и это самый честный коан русского дзена, потому что никакого final тут нет, fix тоже нет, и того, кто всё это коммитил, при ближайшем рассмотрении тоже нет. Остаётся только really. Да и то под вопросом.

Павленко про Dev & AI 💻

Google и Kaggle запускают 15-19 июня бесплатный пятидневный интенсив по AI Agents / vibe coding.

Формат полезен тем, кто хочет быстро собрать production-like агента с практикой, а не просто посмотреть презентации.

https://blog.google/innovation-and-ai/technology/developers-tools/kaggle-genai-intensive-course-vibe-coding-june-2026/

👨‍💻 Cohere выпустила свою первую открытую кодинг-модель

North Mini Code - open-source модель для программирования и координации агентов, построена на архитектуре MoE с 30 млрд общих и 3 млрд активных параметров. Модель обучена управлять субагентами, проектировать архитектуру систем и проводить код-ревью.

В бенчмарке Artificial Analysis Coding Index новинка набрала 33,4 балла. В сравнении с Devstral Small 2 на аналогичной аппаратной нагрузке пропускная способность генерации текста выше в 2,8 раза. Задержка между токенами ниже на 30% при сопоставимом времени до вывода первого токена.

Веса опубликованы на Hugging Face. Тестовый доступ открыт через API и платформу Model Vault.
cohere.com