👩‍🚒 Apple Invites не разрушили рынок, а создали его заново

Когда несколько месяцев назад Apple, казалось бы внезапно, выпустила Apple Invites, все в интернете были готовы к тому, что весь рынок приложений для приглашений рухнет. Или, как сказали бы опытные разработчики, были готовы к “шерлокированию”.

Согласно AppFigures, приложение Apple Invites стартовало очень хорошо, добавив 1.6 млн новых загрузок в первую неделю своего появления в App Store. Но потом установки довольно быстро пошли на спад, составляя в среднем 45 тысяч в день на протяжении большей части февраля, и продолжили падать в марте, составляя в среднем 25 тысяч ежедневных загрузок на протяжении большей части месяца.

Теперь, когда у нас есть некоторый контекст, давайте посмотрим на конкурентов. Для этого соберем все лучшие приложения для приглашений и посмотрим на количество загрузок с момента выхода Apple Invites по сравнению с аналогичным периодом прошлого года.

Все приложения для приглашений в этой подборке получили больше загрузок после выхода Apple Invites по сравнению с прошлым годом, и это вполне логично. Apple показала людям, которые на самом деле не знали о существовании приложений для приглашений, что они есть, и Apple Invites, будучи несколько простым и доступным только в App Store, заставил их искать альтернативы. Количество загрузок Evite выросло на 7%, Paperless Post — на 10%, а Partiful, приложение, которое все упоминали в феврале в сравнении с Apple Invites, выросло на 295%. Punchbowl был единственным конкурентом, у которого не было отмечено никакого роста, но он самый маленький из всех.

Рынок приложений с приглашениями был не очень велик до того, как на него вышла Apple, и вместо того, чтобы отнимать пользователей у существующих приложений, Apple действительно создала осведомленность о новом для многих миллионов продукте. Именно так ей удалось получить миллионы загрузок, в то время как все остальные приложения также увеличили свои показатели.

Так что не каждый релиз от Apple — это плохо.

⛑ В Tinder появилась игра Игра (The Game Game), в которой надо оттачивать навыки разговорного флирта на разговорах с ИИ. В процессе игры вам выдается «стопка карточек», на каждой из которых изображен ИИ-персонаж и сценарий (например, случайный перехват чужого багажа в аэропорту). Цель — за ограниченное время назначить свидание или получить номер телефона. По результатам получите оценку, основанную на шкале из трех значков пламени Tinder. Как пишут, «это всего лишь игра. Она не предназначена для того, чтобы заменять общение между людьми. На самом деле, она предназначена для того, чтобы поощрять реальные разговоры с реальными людьми в реальной жизни». Однако все больше дейтинг-приложений используют ИИ и, кажется, уже близок тот день, когда Матрица нас поимеет знакомиться будем полностью через ИИ-агентов. Ну и жениться/выходить замуж тоже за них 🧠

Разработка

• Нет никакого вайб-инжиниринга
• How our Meditation App Broke Records Overnight, almost crashing our servers
• It’s all fun and games… until your boss starts vibe coding
• WattWise: Terminal-Based Power Monitoring Using Smart Plugs

Маркетинг и аналитика

• Новая игра Tinder проверяет ваши навыки флирта с ИИ-персонажами

Кроссплатформа

• Реализация простого SSE клиента на Dart
• Develop Your Own Networking Client In Compose MultiPlatform
• Shopping list and Compose Multiplatform
• Build Gen AI Apps Fast with Firebase and Flutter: A Hands-On Starter Guide

📺 Видео и подкасты за неделю на @AppFiles

• (iOS Ru) Одна билд-система, чтоб править всеми
• (iOS Ru) Влияние Swift Runtime на производительность приложения
• (iOS Ru) Разрабатываем CLI-инструменты на Swift
• (iOS En) Disable Interactive Dismissal of Navigation Zoom Transition
• (iOS En) Localizing Apple UI in 2025
• (iOS En) Monitoring iOS apps
• (iOS En) SwiftUI in UIKit?! Watch Me Inject Animations into a UIKit App
• (iOS En) SwiftUI Animation Bugs? Here's How I Fixed Them!
• (iOS En) Animated Dialogs Like Family App Using SwiftUI
• (iOS En) Creating an Over Top View in SwiftUI: A Unique Way to Present Edit Views
• (iOS En) Swift Protocols - An Introduction
• (And Ru) Как мы разработали свой фреймворк SingleState-навигации на Android
• (And Ru) Танцы вокруг дерева семантики: UI-тесты Compose-экранов
• (And Ru) Многомодульность — ответы на вопросы с экспертами
• (And En) Enhancing app performance in Android
• (And En) Anatomy of the SDK Runtime
• (And En) No more Manual Koin Initialization - New Context Binding is Awesome
• (Crs Ru) Kotlin в GitHub Actions. Расширяем горизонты KMP
• (Crs Ru) Как я перестал бояться и полюбил компилятор Dart
• (Crs En) Using Platform-Specific APIs in KMP Apps
• (Dev Ru) Avito UX meetup: взаимодействие, метрики и мемы
• (Dev Ru) Полный обзор новой операционной системы HarmonyOS Next. Получилось ли?
• (Dev Ru) Профессия: cистемный аналитик
• (Dev En) Full 2025 Backend Dev Crash Course for Beginners With Spring Boot (Kotlin, JWT Auth, MongoDB)
• (Dev En) Code DeepSeek V3 From Scratch in Python - Full Course
• (Dev En) How to Survive in 2025 Tech Job Market?

Что было год назад:

• (And Ru) Как работает Android Work Profile
• (And Ru) Разбор кода магазина приложений
• (And Ru) Опыт, Java vs Kotlin и работа со списками
• (Crs Ru) Как Compose Multiplatform for iOS может убить Flutter?
• (Dev Ru) Открытое алгоритмическое собеседование
• (Dev Ru) Как разрабатывать Яндекс Маркет, обеспечивать качество и работать с BDUI
• (Dev Ru) Собеседование продуктового аналитика в Авито

😰🇸🇱 Kotlin-bench - тест ИИ-моделей для Android-разработки

Kotlin-bench — это специализированный бенчмарк, разработанный для оценки производительности больших языковых моделей (LLM) и AI-агентов в задачах, связанных с реальной разработкой на Kotlin и Android. Цель бенчмарка — предоставить объективный инструмент для сравнения производительности различных LLM в контексте понимания и генерации кода на Kotlin.

Особенности Kotlin-bench

• Основан на реальных задачах: Бенчмарк включает 100 задач, взятых из популярных GitHub-репозиториев, таких как kotlinx.coroutines и Anki-Android. Эти задачи отражают реальные проблемы, с которыми сталкиваются разработчики при работе с Kotlin и Android.
• Объективная оценка решений: Для проверки корректности решений, сгенерированных моделями, используются юнит-тесты соответствующих проектов. Модель считается успешно справившейся с задачей, если её код проходит все тесты, что обеспечивает объективность оценки. ​
• Сравнение производительности моделей: Kotlin-bench позволяет сравнивать различные LLM по их способности решать задачи, связанные именно с Kotlin и Android.

На текущий момент бенчмарк Kotlin-bench продемонстрировал следующие результаты при оценке производительности LLM в задачах, связанных с разработкой на Kotlin и Android:​

• Gemini 2.5: показала наилучший результат, успешно решив 14% задач. ​
• Claude 3.7 (режим «thinking»): приблизился к результатам Gemini 2.5, также продемонстрировав высокую эффективность.
• Deepseek R1: занял третье место по производительности.
• OpenAI o3-mini: показал менее впечатляющий результат, решив лишь 2% задач.