Running Kimi K2.5 on my desk.

Runs at 24 tok/sec with 2 x 512GB M3 Ultra Mac Studios connected with Thunderbolt 5 (RDMA) using @exolabs / MLX backend.

Yes, it can run clawdbot.

https://x.com/alexocheema/status/2016404573917683754?s=46&t=wZBBuu5Ja3J16VZyazzyCw

Ключові висновки:

• 🧪 Дизайн експерименту
• 52 девелопери (переважно джуни, Python ≥1 рік).
• Вчили нову штуку — Trio (async Python).
• Дві групи: з AI асистентом vs без AI.
• Потім одразу квіз на розуміння (debugging, reading, conceptual).

• 📉 AI знижує mastery при навчанні
• Група з AI набрала в середньому 50%, без AI — 67% на квізі (мінус ~17 відсоткових пунктів, майже дві «оцінки»). (anthropic.com)
• Різниця особливо велика по debugging — гірше помічають і розуміють помилки.

• ⏱️ Продуктивність не виросла значимо
• З AI закінчували десь на 2 хв швидше, але статистично це фігня, не significant. (anthropic.com)
• Частина часу тупо йшла на формулювання 10–15 промптів помічнику.

• 🧠 Не AI саме по собі робить тупим, а стиль використання
Вони виділили патерни взаємодії: (anthropic.com)

Лоу-скіли (низькі бали, <40%):
• AI delegation — просто віддав все асистенту, копіпаст коду.
• Progressive AI reliance — почав сам, потім все більше злився на AI.
• Iterative AI debugging — замість думати, просив AI знайти/пофіксити баги.

Хай-скіли (65%+):
• Generation-then-comprehension — згенерував код, а потім допитував AI: «поясни, що тут відбувається», перевіряв себе.
• Hybrid code-explanation — просив і код, і пояснення одночасно.
• Conceptual inquiry — задавав концептуальні питання, а код писав/лагодив сам.

Тобто якщо юзаєш AI як мозок-замінник — деградація, якщо як тьютор/експлейнер — ок, навіть краще.

• 🧩 Інтерпретація:
• AI реально може різко прискорювати роботу, коли скіл уже є (їхні попередні дослідження давали до 80% економії часу на знайомих задачах). (anthropic.com)
• Але коли ти вчиш нову технологію, AI схиляє до cognitive offloading — ти проходиш задачу, але не будуєш ментальні моделі, особливо в дебагінгу.

• 🧱 Для компаній:
• Якщо ти «агресивно накатуєш AI» на джунів — отримаєш людей, які:
• вміють гуглити/промптити,
• але гірше шарять, чому код працює, і що робити, коли не працює. (anthropic.com)
• Менеджерам пропонують спеціально дизайнити процес: навчальні режими, квоти/режими на ручний код, політики, які змушують все ж думати головою.

• 📚 Для окремого девелопера:
• Якщо хочеш НЕ стати «оператором AI, який нічого не вміє» — юзай асистента в стилі:
• «згенеруй код + поясни построково»,
• «поясни концепт»,
• «чому такий патерн в (Х) краще/гірше»,
• дебаг — спочатку сам, потім проси підказку, а не повний фікс.

AI офігенно бустить продуктивність на тому, що ти вже вмієш, і легко ламає процес формування нового скіла, якщо даєш собі «їхати на автопілоті».