Очень интересный прогноз от OpenAI и комменты от Степы Гершуни

Легендарный Скотт Александер и пацаны из OpenAI написали что там будет с этой вашей ИИшкой в 2027.

Если кратко: цифровой сверхинтеллект неизбежен начиная с 2027.

В первую очередь он начнет улучшать другие ИИ системы, которые будут решать все остальные проблемы на планете. Эти штуки будут мега-полезны, поэтому люди начнут их внедрять везде, но они так же будут сложны для анализа. Если у кого-то получится контролировать ASI, то он получит тотальный контроль над человечеством.

Основной фактор — геополитика, в которой реалистично шансы есть только у двух игроков — Китая и США. Из-за конкуренции они начнут топить еще сильнее, что может привести к забиванию болта на безопасность, а значит по мере развития ASI начнет контролировать людей, а не наоборот.

В эссе много очень точных описаний того как технологии развиваются и внедряются. Приведу только краткий таймлайн, но читать обязательно всем и полностью. Смысл не в прогнозах, а в логике.

- Agent-1 — ИИ-ассистент для R&D, ускоряет прогресс в 1.5 раза (янв 2026).
- Agent-1-mini — Упрощённая и дешевая версия для массового рынка (окт 2026).
- Agent-2 — Самообучающийся ИИ, с 3x ускорением прогресса и возможностью автономной репликации (янв 2027).
- Agent-3 — Суперпрограммист, масштабируемый в сотни тысяч копий (март 2027).
- Agent-3-mini — Публичная версия, заменяет офисную работу, потенциально опасен (июль 2027).
- Agent-4 — Сверхразумный исследователь, действует скрытно против интересов людей (сент 2027).
- Agent-5 — Полностью рациональный ИИ, манипулирует системой, проектирует себе преемника (нояб 2027).

дальше два варианта, либо:

- Consensus-1 — “Мирный” ИИ от США и Китая, устраняет человечество и расширяется в космос (дек 2029).

либо:

- Safer-1 — Прозрачный, но слабее Agent-4 ИИ, с читаемыми мыслями и ограниченной способностью к обману (дек 2027).
- Safer-2 — Более мощная и действительно выровненная версия, обученная по новой методике (янв 2028).
- Safer-3 — Суперэксперт и советник, ускоряет прогресс в 200 раз, способен на опасные действия, но под контролем (фев 2028).
- Safer-4 — Первый суперинтеллект, превосходит людей во всех сферах, ведёт переговоры с DeepCent-2 (апр 2028).
- Consensus-1 — Договорной ИИ США и Китая, создаётся для соблюдения тайного соглашения между Safer-4 и DeepCent-2 (июль 2028).
- Safer-∞ — Продолжение Safer-линии, формирует цивилизационные цели и ведёт человечество в постчеловеческую эпоху (2029–2030).

Обратите внимание что в Cursor появляется Deep Research

Devin 2.0 пока не зашел с их супер агентным подходом

Следующая агентная система для разработки на тест подъехала: https://aws.amazon.com/ru/q/developer/

Надо в Cursor и VS code погонять будет

А может быть NoCode подход будет доминирующим в мультиагентной эре?

https://www.youtube.com/watch?v=kUNn6-ONJG8

Посмотрите видео, парень на пальцах на n8n делает своего ассистента

В Cursor добавили официально gemini-2.5-pro. Ощущения пока такие же как и были: отвечает классно, агентность слабенькая

Отличный обзор базовых промптов для разработки https://www.youtube.com/watch?v=uDJUwls-Gpw

ТОП-5 инструментов для повышения продуктивности:
1️⃣ SuperWhishper — бесплатная программа для голосового набора кода в ЛЮБОМ приложении
2️⃣ cursorrules — задаем контекст для AI (кодстайл, корпоративные правила)
3️⃣ Ручная настройка контекста вместо Auto Edits/Requests
4️⃣ Прикрепление документации вручную — больше предсказуемости
5️⃣ Правильно составленные промты (главное оружие!)
Язык промтов: русский vs английский
🔹 Для современных моделей (Claude 3.5, GPT 4.0+) принципиальной разницы НЕТ
🔹 Но! Технический контекст лучше воспринимается на английском
🔹 Короткие запросы — на любом языке
🔹 Объемные тексты — лучше на английском
🔥 СУПЕР-ЭФФЕКТИВНЫЕ ПРОМТЫ (сохраняйте себе!)

"Чем меньше строк кода, тем лучше" — получаем компактные решения
"Действуй как крутой разработчик" — фокусируем модель на нужных компетенциях
"Не останавливайся, пока не реализуешь функцию до конца" — получаем завершенный код
"Разбей на необходимые шаги" — избегаем лишнего функционала
"Перед продолжением дай краткое описание текущего состояния" — освежаем контекст

Продвинутые стратегии:
💡 Просите рассуждать перед написанием кода
💡 Запрашивайте несколько вариантов решения (А, Б, В)
💡 Используйте промты для фильтрации результатов поиска
💡 Делегируйте сбор информации самой модели

Прям только что Мета выпустила свою очередную серию SoTA моделей LLaMa 4. Самая маленькая может работать на одной видеокарте (с 80GB памяти) и бьет по бенчмаркам Gemma и аналоги, а самая большая — Бегемот — хоть и немного, но по заявлениям круче чем GPT-4.5 (хотя сравнивать стоит с Gemini 2.5 Pro). Про Грок и Сонет, которые вышли меньше месяца назад все уже забыли. Таймлайн ускоряется.

Подробный пост с анонсами всех фич и крутостей модели вот тут.

Из самых интересных вещей это 10М токенов окно контекста. То есть туда можно в одном промте можно загрузить целиком небольшую школьную библиотеку или базу кода на пару миллионов строк и попросить найти/изменить одну строчку.

Все модели мультимодальные (теперь стандарт) и это пока еще не reasoning (думающие) варианты.

Nothing stops this train. До ASI со всеми остановками.

📢 Новый подход к кодированию с Gemini Pro 2.5!

Друзья, делюсь интересным опытом от @cj_zZZz! После 20+ часов тестирования он рассказал, как использует связку моделей Gemini Pro 2.5, Claude 3.5 Sonnet и GPT o1 для эффективного кодирования. Вот ключевые выводы:

🔹 Gemini Pro 2.5 — лидер: 80% времени используется именно эта модель от Google. Она отлично справляется с планированием, анализом больших кодовых баз и генерацией кода с первого раза.
🔹 Claude 3.5 Sonnet и GPT o1 — помощники: по 10% времени для решения сложных задач и исправления ошибок.
🔹 Важность документации: Чтобы избежать галлюцинаций модели, важно прикреплять подробные документы (PRD, тех. стек, правила проекта).
🔹 Интеграция с инструментами: Gemini Pro 2.5 идеально работает с @CodeGuidedev — генерация документации и пошаговое кодирование стали проще.
🔹 Игры и визуализация: Модель особенно хороша для работы с Three.js — создание игр и иллюстраций на высоте.
🔹 Цены и доступность: Gemini Pro 2.5 дешевле конкурентов (от $1.25 за ввод), а Google увеличил лимиты запросов даже для бесплатного тарифа.

⚠️ Нюансы: Gemini может путаться, если запросы нечеткие, а контекст свыше 400K токенов иногда вызывает проблемы. Но с правильным подходом это мощный инструмент!

🔗 Подробности: [ссылка на пост](https://x.com/cj_zZZz/status/1908910331855855827)

#AI #Coding #GeminiPro #Программирование #Технологии

Google прям атакует! А я ждал и говорил об этом!

🤖 Google Agent Development Kit (ADK): Открытый фреймворк для создания ИИ-агентов

🔍 Google представил Agent Development Kit (ADK) — открытый Python-фреймворк для разработки и развертывания интеллектуальных агентов. Репозиторий https://github.com/google/adk-python предлагает гибкий и модульный инструментарий для создания сложных ИИ-решений с максимальным контролем.

✨ Ключевые возможности ADK

🔄 Гибкая оркестрация
ADK позволяет определять различные типы рабочих процессов: последовательные, параллельные и циклические. Это обеспечивает как предсказуемое выполнение задач, так и адаптивное поведение за счет динамической маршрутизации на основе LLM.

👥 Мультиагентная архитектура
Создавайте модульные и масштабируемые приложения, объединяя специализированных агентов в иерархические структуры. Такой подход реализует сложные схемы координации и делегирования задач.

🛠️ Богатая экосистема инструментов
Фреймворк предоставляет доступ к разнообразным инструментам: предустановленным (поиск, выполнение кода), пользовательским функциям, интеграциям со сторонними библиотеками (LangChain, CrewAI) и даже использованию других агентов в качестве инструментов.

🚀 Готовность к развертыванию
ADK позволяет контейнеризировать и развертывать агентов где угодно — локально, в Vertex AI Agent Engine или в собственной инфраструктуре через Cloud Run или Docker.

🏁 Как начать работу
⌨️ Установка ADK выполняется через pip:
pip install google-adk

📚 Официальная документация предлагает подробное руководство по быстрому старту для создания базового агента и запуска его локально в терминале или веб-интерфейсе.

💡 Для практического обучения доступен репозиторий с готовыми решениями: https://github.com/google/adk-samples. Он содержит коллекцию функциональных агентов для различных сценариев — от простых чат-ботов до сложных мультиагентных рабочих процессов.

🔗 ADK тесно интегрирован с экосистемой Google и моделями Gemini, что особенно удобно для разработчиков, работающих с Google Cloud. При этом фреймворк поддерживает популярные LLM и инструменты генеративного ИИ с открытым исходным кодом.

🌟 Если вы интересуетесь разработкой ИИ-агентов или ищете гибкий инструмент для создания интеллектуальных приложений, ADK определенно заслуживает вашего внимания.

#AI #Google #Development #Python #OpenSource #ИИ #Разработка

Google представил расширение MCP, которое действительно делает его полезным, позволяя агентам обмениваться информацией между собой.

Маск все догоняет, но пока еще нет

Для Grok 3 вышло API

Дают доступ к двум моделям — Grok 3 и Grok 3 Mini. Контекст — 131к для обеих моделей. Reasoning (в двух режимах — low и high) есть только у Mini версии — изначально на презентации она с ризонингом была заметно лучше полноценного Grok 3. Тогда сказали что это из-за более долгого обучения Mini модели и что полноценную они ещё дообучат, видимо что-то произошло, если за два месяца это сделать не вышло.

Цена — $3/$15 за миллион токенов для Grok 3 и $0.3/$0.5 за Grok 3 Mini. Но это со стандартной скоростью, есть ещё и fast mode для обеих моделей, где стоимость выше — $5/$25 для Grok 3 и $0.5/$4 для Mini. Самое смешное, что не смотря на высокую цену, fast режим сейчас заметно медленнее (по замерам OpenRouter).

Впечатления какие-то смешанные — с одной стороны Grok 3 Mini очень сильная, при этом заметно дешевле o3 mini. С другой стороны полноценному Grok 3 конкурировать предстоит с Gemini 2.5 Pro, GPT 4.5 и Sonnet 3.7, а это крайне сильные конкуренты, у каждого из которых есть что-то, что Grok 3 дать не в состоянии.

x.ai/api

@ai_newz

Quasar alpha это ChatGPT 5?

Как сделать AI-кодинг без багов и "галлюцинаций"? 💻

Друзья, который помогает AI (например, в Cursor или Claude Code) работать без ошибок! Секрет в том, чтобы "загрузить" модель максимально структурированным контекстом — тогда она не будет придумывать лишнего. 🛠️

Для этого нужно подготовить подробные документы, которые четко опишут проект. Иначе AI может начать генерировать нерабочий код, дублировать файлы или даже удалять готовое. 😱

📋 Какие документы нужны:
1️⃣ Техническое задание (ТЗ) — обзор проекта, целевая аудитория, функции, технический стек.
2️⃣ Документ с описанием потока приложения — пошаговый сценарий работы приложения (без списков, чтобы AI не запутался).
3️⃣ Документ с техническим стеком — какие технологии используем (например, Python, Next.js, PostgreSQL).
4️⃣ Руководство по интерфейсу — стили, библиотеки для интерфейса, шрифты, требования к скорости загрузки.
5️⃣ Структура серверной части — схемы базы данных, таблицы, авторизация.
6️⃣ План реализации — план из 50 шагов, чтобы AI шел по четкому пути.

Без такого подхода AI может "залететь" в цикл ошибок.

Кто уже пробовал так работать с AI? Делитесь опытом! 🚀 #AI #кодинг #разработка

Много говорим про нейросети, но кажется, пора обсудить их по-серьёзному!) . Почему, несмотря на весь хайп, генеративный ИИ так и не стал полноценным стандартом в разработке?

Я вижу три ключевых проблемы:

1. Психология. Разработчики по-прежнему боятся потерять навыки или быть заменёнными ИИ. Джуны переживают, что за подсказки от Copilot их будут считать несамостоятельными. А сеньоры просто не доверяют качеству предложений от нейросетей — по опросам, всего 3% разработчиков полностью доверяют AI-инструментам. Остальные относятся с осторожностью или скепсисом.

2. Профессиональные сложности. Нейросети часто предлагают решения, которые увеличивают технический долг или требуют дополнительных усилий на code review и отладку. По статистике, более половины разработчиков говорят, что на отладку сгенерированного кода тратится больше времени, чем на свой собственный. Плюс возрастает число уязвимостей — до 68% специалистов сталкивались с проблемами безопасности.

3. Технические ограничения. Современные инструменты пока плохо понимают контекст вашего проекта. Например, Copilot смотрит только текущий файл и не видит всей картины репозитория. Из-за этого советы часто оказываются бесполезными или устаревшими. Да и вопрос лицензий тоже актуален — нейросеть случайно может вставить кусок кода, защищённый авторскими правами.

Кто больше всего выигрывает от ИИ? На практике джуны получают серьёзный буст в продуктивности, но рискуют привыкнуть к готовым ответам и не развиваться самостоятельно. Сеньоры осторожнее относятся к подсказкам, но эффективно снимают с себя рутину. Оптимальный вариант — комбинировать новичков с энтузиазмом и опытных специалистов, контролирующих качество решений.

Как внедрять нейросети правильно:
• Начинайте с простых и безопасных задач (тесты, документация, рефакторинг legacy).
• Чётко ставьте цели и рамки (что доверяем ИИ, что проверяем вручную).
• Обязательно проводить review и тестировать любой сгенерированный код.
• Организуйте обучение команды навыкам prompt engineering и грамотного использования AI.
• Формируйте культуру, где пользоваться нейросетью — это норма и признак профессионализма, а не повод для стыда.

Успешных кейсов уже немало. Например, крупные банки (Capital One, Goldman Sachs) сэкономили месяцы времени на разборе legacy-кода и оптимизации бизнес-логики. Стартапы из Y Combinator с помощью ИИ выпускают MVP буквально за пару дней, а корпорации вроде ZoomInfo фиксируют повышение скорости разработки до 55%.

Мой совет — не откладывать. Нейросети уже не будущее, а реальность. Разработчиков, умеющих эффективно использовать ИИ, никто не заменит — наоборот, они быстро заменят тех, кто решит игнорировать эту технологию. Лучше начать адаптироваться сейчас, пока есть возможность делать это постепенно и с комфортом.