Привет!
Зафигачил на сайт фичу:

Кидаю ему RSS и ставлю расписание, он сам по расписанию:
- забирает новости новые
- переходит по урл
- страницу конвертирует в маркдаун
- с llm делает перевод на русский
- перепроверяет себя с llm
- llm создает seo метки
- llm создает тэги
- забирает картинки и кидает ко мне на s3, подменяет урл картинок на мои
- llm создает анонс для публикации в телеге
- llm создает картинку

Подготовленные статьи можно в 1 клик поставить в шедулер на публикацию ( дата и время когда начинать публиковать и интервал если например сразу 10 статей)

20 баксов на gtp5.2, 1,5 часа кодинга. Новых строк 5700

Скоро будем проверять )
chernovdev.ru

#сайт

В последних версиях #cursor наконец то завезли при запросе автоподстановку текущего времени !

Но! auto и composer - все равно идут за временем, а вот gtp5.2 вычитал это из контекта вопроса (там 100% - предпромпт есть)

Если тебе нужен сильный AI для разработки, который держит длинный контекст и нормально работает в «агентном» режиме (план → код → проверка → правки) — попробуй Z.ai + GLM‑4.7.

Инвайт :)

Почему это стоит попробовать

- GLM‑4.7 — флагман Z.ai (Zhipu AI), сфокусирован на реальных dev‑задачах и работе с инструментами: [анонс]
- Контекст до 200 000 токенов (удобно для больших репозиториев, логов и спецификаций): [документация GLM‑4.7]
- MoE‑архитектура 355B параметров (32B активных) — упор на производительность/стоимость в сложных задачах: [блог].
- По данным Z.ai, SWE‑bench Verified — 73.8% (рост относительно GLM‑4.6)

Что даёт GLM Coding Plan

- генерация кода, дебаг, Q&A по кодовой базе, автоматизация типовых задач;
- интеграции с популярными инструментами (в т.ч. Cline/Roo Code/Claude Code и др.): [overview].

Сравнение по сути

- Упор на tool-use и многошаговые dev‑циклы (планирование, вызовы инструментов, стабильность на длинных задачах): [анонс]
- Квоты в подписке: в документации заявлено, что Lite ($3/мес) ≈ 120 промптов/5 часов и это около 3× квоты Claude Pro, а старшие планы — аналогично «около 3×» относительно уровней Claude Max.
- Длинный контекст 200k помогает, когда нужно держать «всё в одном окне» (репозиторий, требования, логи) и меньше дробить запросы

Акция по инвайту

- тебе: -10% на первую оплату GLM Coding;
- мне: 30% в Credits от твоей первой оплаты (ивент до 31 января);
- Credits можно тратить на Z.ai (подписки, API и т.д.).

Правила акции

А главное - сейчас самое время оформить годовые подписки по акции!

@chernovdev

Отзыв сразу живой про glm-4.7 - работать можно!
пишет код лучше чем gpt-5.2!

за 3,5 часа я смог только 1% использовать от квоты предоставленной

купил себе тариф максимальный на 1 год за 288 баксов сразу

Накидал отзыв про glm47 на сайте, пост выложил https://chernovdev.ru/

За последние три дня я полностью переработал сайт. Это был один из самых масштабных апдейтов за последнее время, который коснулся всего: от поиска до уведомлений. Самое интересное, что наконец-то появился полноценный поиск по контенту. Раньше его вообще не было, а теперь на базе FlexSearch умеет находить посты по названиям и тексту, учитывает окончания слов в русском языке и показывает контекст найденных фрагментов.

Кроме того, я избавился от раздражающих системных окон alert. Теперь все сообщения приходят в виде аккуратных всплывающих уведомлений, которые не прерывают вашу работу. Обновил интерфейс, навигацию и добавил нормальную поддержку cookies. В статье я подробно рассказал, как именно эти изменения повлияют на ваш опыт использования сайта и какие технические решения были внедрены. Обязательно прочитайте, чтобы не упустить новые возможности.

Читать полностью

@chernovdev

баги / фичи - неизбежны при разработке ))

Всех с первым рабочим днем в 2026 году!

Я тут придумал тему интересную, а давайте забабахаем вебинар по вайбкоду на 1 час.

Давно хотели реализовать какой то сервис? Бота? Может еще что-то?

Предлагаю так - вы пишите ваши темы и небольшое описание в комментарии, и сообщение которое наберет больше всего реакций - будет разобрано на вебинаре в реалтайме.

Примеры сообщений которые я ожидаю:

Вариант 1: Бот-переводчик с контекстом
Telegram бот, который переводит тексты с учетом контекста беседы. Пользователь может вести диалог, а бот переводит каждое сообщение на выбранный язык, запоминая контекст предыдущих сообщений для более точного перевода.

Вариант 2: Генератор SQL-запросов с естественного языка
Веб-сервис или бот, который преобразует вопросы на русском языке в SQL-запросы. Например: "Покажи все заказы за последний месяц с суммой больше 1000" → SQL запрос. Можно добавить простой UI с примерами таблиц БД.

Вариант 3: Суммаризатор новостей с AI-анализом
Telegram бот, который принимает ссылки на статьи и генерирует краткую выжимку с ключевыми тезисами и эмоциональной окраской. Можно добавить возможность подписки на каналы для автоматического суммирования.

Вариант 4: Генератор вежливых ответов
Telegram бот, который принимает грубое или эмоциональное сообщение и предлагает несколько вариантов вежливых и профессиональных ответов. Полезно для техподдержки, работы с клиентами или конфликтных ситуаций.

Вариант 5: Умный калькулятор с объяснением
Простой бот или веб-страница, который решает математические примеры и пошагово объясняет каждый шаг решения. Например: "23 × 45 = ?" → показывает полный процесс умножения столбиком с объяснениями.

тут на графике 185млн токенов, на модели gpt5.2 я бы потратил уже баксов 50 наверно за такое, а тут - glm, тут квоты )

Код мертв. Да здравствует намерение: что скрывает Anthropic Cowork

Мы привыкли к дракам за кавычки и отступы, но будущее — за описанием сути задачи. Anthropic анонсировала Cowork — инструмент, который берет на себя грязную работу по написанию кода, оставляя разработчику роль архитектора. Это не просто автодополнение, это автономный агент, способный вести разработку от концепции до деплоя без единого нажатия клавиш человеком.

Разбор ключевых фишек для экспертов:

- Смена парадигмы: Переход от императивного стиля к декларативному. Вы описываете логику блоками на естественном языке, а Cowork генерирует, рефакторит и деплоит код, самостоятельно управляя зависимостями и версионированием.
- Атомарные коммиты: Инструмент анализирует дифф и разбивает изменения на логические куски. Забудьте про "fix typo" в мега-коммите — каждый commit будет семантически чистым и готовым к code review.
- Глубокий контекст: Cowork индексирует всю кодовую базу, а не только открытые файлы. Он понимает скрытые связи между микросервисами и предотвращает "эффект бабочки", меняя код во всех затронутых модулях одновременно.
- Самовосстанавливающиеся тесты: Самое интересное — режим бета-тестирования. Агент запускает тесты в изолированном sandbox, анализирует фейлы и переписывает сам код, пока pipeline не станет зеленым. Разработчик подключается только для финального одобрения.
- Безопасность на уровне ядра: Все исполнения происходят в виртуализированной среде с ограниченным доступом к системе, что решает главную страх_историю использования ИИ — случайное удаление продакшена.

Cowork — это сигнал: время писать код вручную прошло. Настоящий сеньор будущего — тот, кто умеет ставить задачи агентами.

Источник: Источник

Apple сдал Siri в аренду Google: Атака ИИ-титанов

Экосистема iOS переживает тектонический сдвиг. Apple официально объявила о партнёрстве с Google для внедрения Gemini в ядро iOS. Это не просто обновление голосового помощника, а признание того, что proprietary AI Apple пока не может тягаться с гигантами LLM. Разбираем, что это значит для архитектуры платформы и вашего кода.

- Архитектура Orchestrator: Apple не переписывает всё на Gemini. Они внедряют сложный уровень оркестрации. Простые запросы и PII обрабатываются локально на Apple Neural Engine их же маленькой моделью Ajax, а сложные рассуждения маршрутизируются в облако Google. Это снижает латентность и стоимость инференса.
- Смерть жестких интентов: Конец эпохе SiriKit и его ограниченных слотов. Новая модель поддерживает Function Calling, что позволяет Gemini динамически взаимодействовать с API приложений. Разработчикам придётся переписывать интеграции с нуля, уйдя от шаблонов к гибким контекстным диалогам.
- Privacy Sandbox: Как Apple оправдает отправку данных в Google? Через Private Cloud Compute. Запросы шифруются End-to-End так, что Google видит только математические векторы, но не может связать их с аккаунтом Apple ID. Хитрая инженерная манипуляция для сохранения репутации.
- Монетизация данных: Это новый поиск. Google получает невероятный объем тренировочных данных и поведение пользователей, а Apple — готовый продукт "под ключ" без капитальных затрат на GPU-кластеры.

Для нас, как для инженеров, сигнал ясен: готовьтесь к Gemini API и мультимодальным интерфейсам. Приложение без ИИ-агента уже через год будет считаться устаревшим "динозавром".

Источник
@chernovdev