AI 2027, что делать? (1/2)
Прогноз AI 2027 наделал много шума, хотя обозначенным трендам уже несколько лет, а некоторые вещи даже явно озвучиваются как цели ИИ-компаний (как, к примеру, создание ИИ-исследователя).
Разве что вопрос в сроках, которые сокращаются в каждом следующем прогнозе, но это тоже норма - мы наблюдаем экспоненту в развитии технологий.
Тем не менее, у многих возникает вопрос - а что делать?
Disclaimer
● примем сценарий AI 2027 как возможный вариант будущего;
● мы решили остаться в IT (принимая, что роботизация произойдет вскоре после автоматизации кодинга, и фокус на адаптации и возможностях внутри IT сейчас кажется более прагматичным, чем смена области на "физическую");
● камон, я ж рандомный чел без неймдроппинга из телеги ;)
Итак, сценарий AI 2027 начинает разворачиваться на наших глазах.
Простые ИИ-агенты для кодинга существуют с полгода как часть Cursor/Windsurf/etc.
Уже начали появляться более автономные агентские системы (как Devin). Они пока ненадежны, но быстро улучшаются.
Нам нужно найти оптимальные точки приложения усилий, чтобы быть готовыми к грядущим изменениям.
Прямо сейчас: навыки работы с ИИ-инструментами
● Признать реальность сценария
Не отмахиваться от прогнозов как от "просто хайпа", допустить, что даже если они не сбудутся на 100%, направление развития однозначное.
Это первый шаг для обретения мотивации к адаптации.
● Включать ИИ-ассистенты в работу
Освоить существующие инструменты (Cursor / агентские системы / MCP / Perplexity / DeepResearch / etc), научиться эффективно делегировать им рутинные задачи, уметь с ними "договариваться" (промпты, правила, настройки), быстро проверять и интегрировать ИИ-код.
Цель: увеличить свою производительность кратно уже сейчас.
● Следить за фронтиром
Наблюдать за релизами ведущих ИИ-лабораторий, читать технические отчеты, понимать бенчмарки и реальные возможности новых моделей.
На рынке из-за ускорения прогресса сейчас одновременно присутствуют инструменты, которые могут как вообще не повлиять на вашу производительность, так и повысить ее в разы, и нужно учиться делать осознанный выбор.
● Начать переоценку своих сильных сторон
Какие задачи в вашей работе ИИ уже сейчас делает с приемлемым качеством? Какие пока нет? Где вы приносите уникальную ценность (глубокое понимание бизнес-логики, архитектурное видение, решение нечетко поставленных задач, коммуникация с заказчиком и коллегами)?
Перепроверяйте список потенциально автоматизируемых задач с выходом новых моделей.
● Качать правильный нетворкинг
Искать единомышленников, сообщества для обмена опытом, собираться в стихийные команды.
Меньше читать пустых и хайповых новостей от "ИИ-журналистов", которые сами не используют то, о чём пишут, и больше мнений и реальных кейсов от практиков.
#ai #futurism
Прогноз AI 2027 наделал много шума, хотя обозначенным трендам уже несколько лет, а некоторые вещи даже явно озвучиваются как цели ИИ-компаний (как, к примеру, создание ИИ-исследователя).
Разве что вопрос в сроках, которые сокращаются в каждом следующем прогнозе, но это тоже норма - мы наблюдаем экспоненту в развитии технологий.
Тем не менее, у многих возникает вопрос - а что делать?
Disclaimer
● примем сценарий AI 2027 как возможный вариант будущего;
● мы решили остаться в IT (принимая, что роботизация произойдет вскоре после автоматизации кодинга, и фокус на адаптации и возможностях внутри IT сейчас кажется более прагматичным, чем смена области на "физическую");
● камон, я ж рандомный чел без неймдроппинга из телеги ;)
Итак, сценарий AI 2027 начинает разворачиваться на наших глазах.
Простые ИИ-агенты для кодинга существуют с полгода как часть Cursor/Windsurf/etc.
Уже начали появляться более автономные агентские системы (как Devin). Они пока ненадежны, но быстро улучшаются.
Нам нужно найти оптимальные точки приложения усилий, чтобы быть готовыми к грядущим изменениям.
Прямо сейчас: навыки работы с ИИ-инструментами
● Признать реальность сценария
Не отмахиваться от прогнозов как от "просто хайпа", допустить, что даже если они не сбудутся на 100%, направление развития однозначное.
Это первый шаг для обретения мотивации к адаптации.
● Включать ИИ-ассистенты в работу
Освоить существующие инструменты (Cursor / агентские системы / MCP / Perplexity / DeepResearch / etc), научиться эффективно делегировать им рутинные задачи, уметь с ними "договариваться" (промпты, правила, настройки), быстро проверять и интегрировать ИИ-код.
Цель: увеличить свою производительность кратно уже сейчас.
● Следить за фронтиром
Наблюдать за релизами ведущих ИИ-лабораторий, читать технические отчеты, понимать бенчмарки и реальные возможности новых моделей.
На рынке из-за ускорения прогресса сейчас одновременно присутствуют инструменты, которые могут как вообще не повлиять на вашу производительность, так и повысить ее в разы, и нужно учиться делать осознанный выбор.
● Начать переоценку своих сильных сторон
Какие задачи в вашей работе ИИ уже сейчас делает с приемлемым качеством? Какие пока нет? Где вы приносите уникальную ценность (глубокое понимание бизнес-логики, архитектурное видение, решение нечетко поставленных задач, коммуникация с заказчиком и коллегами)?
Перепроверяйте список потенциально автоматизируемых задач с выходом новых моделей.
● Качать правильный нетворкинг
Искать единомышленников, сообщества для обмена опытом, собираться в стихийные команды.
Меньше читать пустых и хайповых новостей от "ИИ-журналистов", которые сами не используют то, о чём пишут, и больше мнений и реальных кейсов от практиков.
#ai #futurism
👍18🔥8👎2❤1🕊1
AI 2027, что делать? (2/2)
Краткосрочная стратегия: cмещение фокуса с написания кода
● Переход к роли менеджера / ИИ-техлида
По мере появления более способных ИИ (уровень Agent-1), сознательно смещать фокус с написания каждой строки кода на:
* декомпозицию сложных задач на подзадачи для ИИ;
* формализацию спецификаций и требований;
* ревью кода, сгенерированного ИИ (поиск неявных ошибок, проблем с архитектурой, безопасностью);
* интеграцию и оркестрацию работы ИИ-агентов.
Тут, конечно же, будет проще тем, кто уже работал на позициях уровня senior+ и/или научится привлекать ИИ для таких задач.
+ Остаточная сложность
● Углубление в архитектуру и системный дизайн
Чем больше кода пишет ИИ, тем важнее становится роль человека в проектировании общей структуры системы; взаимодействии её с другими системами и командами; выстраивании границ, API и протоколов; выборе правильных подходов и технологий на высоком уровне.
+ Про повышение уровней абстракции
● Развитие продуктового мышления
Глубоко понимать бизнес-контекст, потребности пользователей, уметь транслировать их в технические решения высокого уровня, которые затем можно детализировать с помощью ИИ.
● Создание финансовой подушки
Сценарий подразумевает экономическую турбулентность. Начать формировать резервы на случай временной потери дохода или необходимости переобучения.
В идеале резервов должно быть столько, чтобы хватило на 3+ года.
● Заняться здоровьем/физкультурой
Во-первых, это сильно поможет адаптации к изменениям, а во-вторых, нужно постараться "донести" себя в адекватном физическом, умственном и психическом состоянии до возможных существенных прорывов в медицине.
+ Спорт - это не инвестиция
+ Житие тогда у нас тяжкое было
+ 300 недель
Среднесрочная стратегия: возможные специализации и новые роли
● Специализация на управлении ИИ-командами
К моменту появления Agent-2/3, управление ИИ-разработчиками станет полноценной профессией, в которую будут переходить как IT-менеджеры, так и разработчики. Это потребует навыков постановки задач, контроля качества, оценки производительности ИИ, возможно, даже "отладки" их поведения.
+ Чёрный ящик
● Переход в ИИ-интеграцию / консалтинг
По мере появления мощных публичных моделей (Agent-3-mini), возникнет огромный спрос на специалистов, помогающих бизнесу внедрять ИИ, адаптировать процессы, обучать сотрудников. Это потребует сочетания технических знаний, понимания бизнеса и коммуникативных навыков (да, снова софт-скиллы).
● Доменная экспертиза + управление ИИ
Стать экспертом не просто в кодинге, а в применении ИИ для решения задач в конкретной области (биотех, финансы, продажи и т.д.). Вы будете ставить задачи ИИ и интерпретировать результаты в своей области.
Долгосрочная перспектива: адаптивность, человеческие качества, диверсификация
● Адаптивность как главный навык
Быть готовым к тому, что даже новые "ИИ-менеджмент"-роли могут быть автоматизированы следующим поколением ИИ (Agent-4/5 и далее). Постоянное обучение и готовность радикально менять сферу деятельности станут нормой.
● Ставка на "человеческое"
Развивать навыки, которые ИИ сложнее всего имитировать: эмпатия, лидерство, построение сложных социальных связей, стратегическое видение человеческих ценностей и целей, креативность в плохо формализуемых областях, физическое взаимодействие с миром (если вы рассматриваете такой вариант).
● Диверсификация источников дохода
Не полагаться только на зарплату. Рассмотреть разного рода инвестиции, создание собственного (возможно, небольшого и нишевого, через пет-проекты) бизнеса, использующего ИИ как инструмент.
Затевать стартап, который "взлетит" через 5+ лет сейчас - не очень умно, т.к. горизонт планирования продолжит сокращаться.
● Готовность к новой экономической модели (ББД?)
Сценарий прямо указывает на массовые увольнения и переход к экономике, где основную работу выполняют ИИ. Морально и финансово готовиться к миру, где может появиться Безусловный Базовый Доход, а ценность человеческого труда и интеллекта будет пересмотрена. Искать смысл, самореализацию и свою нишу, хобби вне традиционной работы.
#ai #futurism
Краткосрочная стратегия: cмещение фокуса с написания кода
● Переход к роли менеджера / ИИ-техлида
По мере появления более способных ИИ (уровень Agent-1), сознательно смещать фокус с написания каждой строки кода на:
* декомпозицию сложных задач на подзадачи для ИИ;
* формализацию спецификаций и требований;
* ревью кода, сгенерированного ИИ (поиск неявных ошибок, проблем с архитектурой, безопасностью);
* интеграцию и оркестрацию работы ИИ-агентов.
Тут, конечно же, будет проще тем, кто уже работал на позициях уровня senior+ и/или научится привлекать ИИ для таких задач.
+ Остаточная сложность
● Углубление в архитектуру и системный дизайн
Чем больше кода пишет ИИ, тем важнее становится роль человека в проектировании общей структуры системы; взаимодействии её с другими системами и командами; выстраивании границ, API и протоколов; выборе правильных подходов и технологий на высоком уровне.
+ Про повышение уровней абстракции
● Развитие продуктового мышления
Глубоко понимать бизнес-контекст, потребности пользователей, уметь транслировать их в технические решения высокого уровня, которые затем можно детализировать с помощью ИИ.
● Создание финансовой подушки
Сценарий подразумевает экономическую турбулентность. Начать формировать резервы на случай временной потери дохода или необходимости переобучения.
В идеале резервов должно быть столько, чтобы хватило на 3+ года.
● Заняться здоровьем/физкультурой
Во-первых, это сильно поможет адаптации к изменениям, а во-вторых, нужно постараться "донести" себя в адекватном физическом, умственном и психическом состоянии до возможных существенных прорывов в медицине.
+ Спорт - это не инвестиция
+ Житие тогда у нас тяжкое было
+ 300 недель
Среднесрочная стратегия: возможные специализации и новые роли
● Специализация на управлении ИИ-командами
К моменту появления Agent-2/3, управление ИИ-разработчиками станет полноценной профессией, в которую будут переходить как IT-менеджеры, так и разработчики. Это потребует навыков постановки задач, контроля качества, оценки производительности ИИ, возможно, даже "отладки" их поведения.
+ Чёрный ящик
● Переход в ИИ-интеграцию / консалтинг
По мере появления мощных публичных моделей (Agent-3-mini), возникнет огромный спрос на специалистов, помогающих бизнесу внедрять ИИ, адаптировать процессы, обучать сотрудников. Это потребует сочетания технических знаний, понимания бизнеса и коммуникативных навыков (да, снова софт-скиллы).
● Доменная экспертиза + управление ИИ
Стать экспертом не просто в кодинге, а в применении ИИ для решения задач в конкретной области (биотех, финансы, продажи и т.д.). Вы будете ставить задачи ИИ и интерпретировать результаты в своей области.
Долгосрочная перспектива: адаптивность, человеческие качества, диверсификация
● Адаптивность как главный навык
Быть готовым к тому, что даже новые "ИИ-менеджмент"-роли могут быть автоматизированы следующим поколением ИИ (Agent-4/5 и далее). Постоянное обучение и готовность радикально менять сферу деятельности станут нормой.
● Ставка на "человеческое"
Развивать навыки, которые ИИ сложнее всего имитировать: эмпатия, лидерство, построение сложных социальных связей, стратегическое видение человеческих ценностей и целей, креативность в плохо формализуемых областях, физическое взаимодействие с миром (если вы рассматриваете такой вариант).
● Диверсификация источников дохода
Не полагаться только на зарплату. Рассмотреть разного рода инвестиции, создание собственного (возможно, небольшого и нишевого, через пет-проекты) бизнеса, использующего ИИ как инструмент.
Затевать стартап, который "взлетит" через 5+ лет сейчас - не очень умно, т.к. горизонт планирования продолжит сокращаться.
● Готовность к новой экономической модели (ББД?)
Сценарий прямо указывает на массовые увольнения и переход к экономике, где основную работу выполняют ИИ. Морально и финансово готовиться к миру, где может появиться Безусловный Базовый Доход, а ценность человеческого труда и интеллекта будет пересмотрена. Искать смысл, самореализацию и свою нишу, хобби вне традиционной работы.
#ai #futurism
2🔥24👍7👏5👎1🕊1
С появлением Gemini 2.5 Pro проблема заполнения её 1м контекста стала особенно актуальной.
Я уже как-то советовал для таких целей использовать Repomix, и сам постоянно этим пользуюсь для больших задач, но, кажется, и сами разработчики Cursor тоже этим озаботились.
На скринах - превьюшки от дизайнера Cursor, где он спойлерит возможную будущую фичу для того, чтобы сразу выбрать нужный набор файлов и положить их в контекст и при этом видеть, сколько токенов будет потрачено.
Весьма нужная фича, т.к. в текущей реализации контекст заполняется недетерминированно/долго/дорого.
Ждём :)
#cursor
Я уже как-то советовал для таких целей использовать Repomix, и сам постоянно этим пользуюсь для больших задач, но, кажется, и сами разработчики Cursor тоже этим озаботились.
На скринах - превьюшки от дизайнера Cursor, где он спойлерит возможную будущую фичу для того, чтобы сразу выбрать нужный набор файлов и положить их в контекст и при этом видеть, сколько токенов будет потрачено.
Весьма нужная фича, т.к. в текущей реализации контекст заполняется недетерминированно/долго/дорого.
Ждём :)
#cursor
🔥12👍7🤗1
Forwarded from AI-Driven Development. Родион Мостовой
Улучшения в AI прототипировании
В общем, сейчас набирает популярность такой класс AI-тулинга, как Prompt Coding - причем, в отличие от вайб кодинга, предполагается, что юзер в принципе не будет смотреть код (он тупо скрыт за какой-то дальней вкладкой). Аудиторию таких инструментов - это либо не программисты, которые хотят сделать какой-то программный продукт в кратчайшие сроки (в т. ч. сайт), либо программисты, которые быстро хотят что-то запрототипировать.
В общем, на этом поприще за последнюю неделю накопилось ряд значимых новостей, которыми я с вами и поделюсь.
1. ReplIt AI выпустили вторую версию своего билдера, которая по их завялениям сталабыстрее, выше, сильнее лучше. Подробнее в посте Игоря на канале @ai_product.
2. lovable.dev - обновили свою платформу и дали возможность программистам не только промпт-кодить, но и просто кодить (Dev Mode), т. е. прямо по старинке ручками вносить правки в сгенерированный код. А также, дали возможность регистрировать домены прямо внутри lovable - я подозреваю, для не-IT пользователей регистрация и парковка домена стали основной проблемой) И они ее решили таким вот образом.
3. И, наконец, Google разразились кучей новинок, в т. ч. выпустили свою No Code платформу-убийцу всех остальных No Code платформ: Firebase Studio. Из приятного - код генерит очень быстро, заметно быстрее конкурентов. Но код этот у меня нормально пока не заработал, см. эксперимент ниже. Еще, Валерий Ковальский тоже попробовал новый инструмент и подробнее описал свой опыт тут.
А кто лучший?
Смотря как сравнивать. Я попросил все вышеперечисленные сервисы сгенерировать тулзу для подсчета кол-ва строк кода в репозитории. С первой попытки не справился ни один сервис.
Промпт специально сделал максимально простым и не очень точным, как если бы писал обычный пользователь:
Но только lovable как-то худо-бедно справился после 3-х ошибок и 3-х моих комментариев (на самом деле, все равно считает не очень точно) - по сути я просто пробовал сканировать репо и писал текст ошибки в чат - всю эту работу AI-агент мог бы делать сам. Вот ссылка на получившееся приложение: https://code-size-inspector.lovable.app/ Саму историю чата не нашел как там пошерить.
Кстати, самый стильный дизайн получился у bolt.new. Но вот только логика подсчета кол-ва строк так и не заработала правильно.
В итоге, опираясь только на результаты этого субъективного эксперимента для чего-то функционального можно рекомендовать lovable.dev, а если нужно просто, чтоб получилось красиво (лендинг, например), похоже, что с bolt.new эту цель достичь можно быстрее, чем с остальными. Первый скрин - lovable, второй - bolt. Есть еще v0.dev, storm.dev - они в моей задачи тоже оказались слабы.
Чего не хватает всем этим инструментам?
Агентности. При возникновении багов о ошибок, агент сам может их отлавливать в браузере и итеративно фиксить. Но что-то мне подсказывает, что через пол года-год мы и такую автономность тоже увидим.
В общем, конкуренция среди AI тулинга нарастает и гиганты тоже не дремлют. Очень интересно наблюдать за этой гонкой, какие из этих сервисов (кроме гигантов) выживут через год или, тем более, через два - загадка.
А используете ли вы что-то для No Code прототипирования? И как вообще относитесь к таким тулзам? Похоже, что все идет к тому, что несложные сайты и приложения будут генерироваться AI, вообще без участия программистов и любой желающий сможет создавать PoC / MVP своего продукта.
#nocode #lovable #bolt #replit
В общем, сейчас набирает популярность такой класс AI-тулинга, как Prompt Coding - причем, в отличие от вайб кодинга, предполагается, что юзер в принципе не будет смотреть код (он тупо скрыт за какой-то дальней вкладкой). Аудиторию таких инструментов - это либо не программисты, которые хотят сделать какой-то программный продукт в кратчайшие сроки (в т. ч. сайт), либо программисты, которые быстро хотят что-то запрототипировать.
В общем, на этом поприще за последнюю неделю накопилось ряд значимых новостей, которыми я с вами и поделюсь.
1. ReplIt AI выпустили вторую версию своего билдера, которая по их завялениям стала
2. lovable.dev - обновили свою платформу и дали возможность программистам не только промпт-кодить, но и просто кодить (Dev Mode), т. е. прямо по старинке ручками вносить правки в сгенерированный код. А также, дали возможность регистрировать домены прямо внутри lovable - я подозреваю, для не-IT пользователей регистрация и парковка домена стали основной проблемой) И они ее решили таким вот образом.
3. И, наконец, Google разразились кучей новинок, в т. ч. выпустили свою No Code платформу-убийцу всех остальных No Code платформ: Firebase Studio. Из приятного - код генерит очень быстро, заметно быстрее конкурентов. Но код этот у меня нормально пока не заработал, см. эксперимент ниже. Еще, Валерий Ковальский тоже попробовал новый инструмент и подробнее описал свой опыт тут.
А кто лучший?
Смотря как сравнивать. Я попросил все вышеперечисленные сервисы сгенерировать тулзу для подсчета кол-ва строк кода в репозитории. С первой попытки не справился ни один сервис.
Промпт специально сделал максимально простым и не очень точным, как если бы писал обычный пользователь:
Implement an app that takes a URL to GitHub repo, analyzes it and returns total code lines count and its size in bytes
Но только lovable как-то худо-бедно справился после 3-х ошибок и 3-х моих комментариев (на самом деле, все равно считает не очень точно) - по сути я просто пробовал сканировать репо и писал текст ошибки в чат - всю эту работу AI-агент мог бы делать сам. Вот ссылка на получившееся приложение: https://code-size-inspector.lovable.app/ Саму историю чата не нашел как там пошерить.
Кстати, самый стильный дизайн получился у bolt.new. Но вот только логика подсчета кол-ва строк так и не заработала правильно.
В итоге, опираясь только на результаты этого субъективного эксперимента для чего-то функционального можно рекомендовать lovable.dev, а если нужно просто, чтоб получилось красиво (лендинг, например), похоже, что с bolt.new эту цель достичь можно быстрее, чем с остальными. Первый скрин - lovable, второй - bolt. Есть еще v0.dev, storm.dev - они в моей задачи тоже оказались слабы.
Чего не хватает всем этим инструментам?
Агентности. При возникновении багов о ошибок, агент сам может их отлавливать в браузере и итеративно фиксить. Но что-то мне подсказывает, что через пол года-год мы и такую автономность тоже увидим.
В общем, конкуренция среди AI тулинга нарастает и гиганты тоже не дремлют. Очень интересно наблюдать за этой гонкой, какие из этих сервисов (кроме гигантов) выживут через год или, тем более, через два - загадка.
А используете ли вы что-то для No Code прототипирования? И как вообще относитесь к таким тулзам? Похоже, что все идет к тому, что несложные сайты и приложения будут генерироваться AI, вообще без участия программистов и любой желающий сможет создавать PoC / MVP своего продукта.
#nocode #lovable #bolt #replit
👍11
ChatGPT 4.1
Не знаю, интересно ли читать про сомнительные релизы моделей, но, может, кому сэкономлю время.
tl;dr
Релиз зайдет тем, у кого основной рабочей моделью для разработки до сих пор была модель уровня ChatGPT 4o.
А если вы избалованы Sonnet'ом и окончательно развращены Gemini 2.5 Pro, этот релиз вас оставит в недоумении.
Релиз
Выпустили ChatGPT 4.1 с как модель для разработчиков, целую supermassive black hole (скорее всего именно она скрывалась некоторое время в бенчах и на OpenRouter под кодовым именем Quasar).
У неё 3 варианта - обычная, mini & nano.
Тут я буду рассматривать обычную, самую умную.
Доступна модель только по API (т.е. на сайте ChatGPT её не будет).
В Windsurf её сделали бесплатной на неделю, в Cursor - на день, в OpenRouter тоже завезли.
Давайте про плюсы
● 1м контекста, причём этот контекст модель держит хорошо для не-ризонера (по крайней мере до 120к согласно бенчу Fiction.LiveBench), но отстаёт по его удержанию от лидеров
● скорость - очень быстро переваривает промпт и очень быстро генерит ответ (отчасти из-за того, что она не ризонер)
● цена output-токенов примерно в 2 раза ниже, чем у Sonnet/Gemini
Все остальные её подвижки - они относительно 4o, довольно слабой модели для кодинга, и именно с ней сами OpenAI новую модель и сравнивают.
Но даже со всеми этими улучшениями она ощутимо хуже Sonnet/Gemini:
● получше в следовании инструкциям, чем 4o;
● охотнее использует инструменты в агентском режиме (тут она даже преодолевает крайне низкую планку o3-mini);
● умнее в ряде hard-skill бенчей, включая олимпиадные задачи, но, как ни странно, не во всех - иногда примерно те же результаты, что и у 4o.
Релевантные бенчмарки
● Aider Polyglot, 13 место - близкие к реальным задачи разработки;
● Fiction.LiveBench - удержание длинного контекста;
● Scale MultiChallenge, 10 место - новый интересный бенч, про стабильность работы в многоходовых диалогах с людьми;
● LiveBench Coding, 13 место (тут какая-то аномалия, mini-вариант модели - на 9м месте) - олимпиадные задачки по программированию.
Личный опыт
Провел несколько часов с моделью в Cursor/Windsurf в попытках понять, зачем она существует, и по ощущениям как на полгода-год назад вернулся, даже перечислять все косяки лень.
Для кого этот релиз?
● для тех, кто в силу каких-либо причин вынужден был использовать 4o, но вот теперь у них есть выбор :)
● для тех, у кого хорошо разбиваются рабочие задачи на мелкие и при этом не очень сложные куски;
● у кого есть потребность быстро писать много кода по четким инструкциям (а потом выбрасывать и снова писать);
● возможно, это рабочая лошадка для будущих фронтир моделей (o3/o4-mini), которые её как раз смогут эффективно использовать как исполнителя.
Короче, как по мне, так пропускаем этот релиз и ждём o3/o4-mini как следующие потенциально интересные модели.
А может, я что-то упускаю?
Дайте знать - может, есть какие-то сценарии использования, где она лучше всех других моделей по сочетанию характеристик?
—
Почитать про текущую SOTA по версии меня:
● Gemini 2.5 Pro Experimental, общая инфа
● Gemini 2.5 Pro Experimental, личные впечатления
● Gemini 2.5 Pro Exp + Cursor
#news #ai #model
Не знаю, интересно ли читать про сомнительные релизы моделей, но, может, кому сэкономлю время.
tl;dr
Релиз зайдет тем, у кого основной рабочей моделью для разработки до сих пор была модель уровня ChatGPT 4o.
А если вы избалованы Sonnet'ом и окончательно развращены Gemini 2.5 Pro, этот релиз вас оставит в недоумении.
Релиз
Выпустили ChatGPT 4.1 с как модель для разработчиков, целую supermassive black hole (скорее всего именно она скрывалась некоторое время в бенчах и на OpenRouter под кодовым именем Quasar).
У неё 3 варианта - обычная, mini & nano.
Тут я буду рассматривать обычную, самую умную.
Доступна модель только по API (т.е. на сайте ChatGPT её не будет).
В Windsurf её сделали бесплатной на неделю, в Cursor - на день, в OpenRouter тоже завезли.
Давайте про плюсы
● 1м контекста, причём этот контекст модель держит хорошо для не-ризонера (по крайней мере до 120к согласно бенчу Fiction.LiveBench), но отстаёт по его удержанию от лидеров
● скорость - очень быстро переваривает промпт и очень быстро генерит ответ (отчасти из-за того, что она не ризонер)
● цена output-токенов примерно в 2 раза ниже, чем у Sonnet/Gemini
Все остальные её подвижки - они относительно 4o, довольно слабой модели для кодинга, и именно с ней сами OpenAI новую модель и сравнивают.
Но даже со всеми этими улучшениями она ощутимо хуже Sonnet/Gemini:
● получше в следовании инструкциям, чем 4o;
● охотнее использует инструменты в агентском режиме (тут она даже преодолевает крайне низкую планку o3-mini);
● умнее в ряде hard-skill бенчей, включая олимпиадные задачи, но, как ни странно, не во всех - иногда примерно те же результаты, что и у 4o.
Релевантные бенчмарки
● Aider Polyglot, 13 место - близкие к реальным задачи разработки;
● Fiction.LiveBench - удержание длинного контекста;
● Scale MultiChallenge, 10 место - новый интересный бенч, про стабильность работы в многоходовых диалогах с людьми;
● LiveBench Coding, 13 место (тут какая-то аномалия, mini-вариант модели - на 9м месте) - олимпиадные задачки по программированию.
Личный опыт
Провел несколько часов с моделью в Cursor/Windsurf в попытках понять, зачем она существует, и по ощущениям как на полгода-год назад вернулся, даже перечислять все косяки лень.
Для кого этот релиз?
● для тех, кто в силу каких-либо причин вынужден был использовать 4o, но вот теперь у них есть выбор :)
● для тех, у кого хорошо разбиваются рабочие задачи на мелкие и при этом не очень сложные куски;
● у кого есть потребность быстро писать много кода по четким инструкциям (
● возможно, это рабочая лошадка для будущих фронтир моделей (o3/o4-mini), которые её как раз смогут эффективно использовать как исполнителя.
Короче, как по мне, так пропускаем этот релиз и ждём o3/o4-mini как следующие потенциально интересные модели.
А может, я что-то упускаю?
Дайте знать - может, есть какие-то сценарии использования, где она лучше всех других моделей по сочетанию характеристик?
—
Почитать про текущую SOTA по версии меня:
● Gemini 2.5 Pro Experimental, общая инфа
● Gemini 2.5 Pro Experimental, личные впечатления
● Gemini 2.5 Pro Exp + Cursor
#news #ai #model
👍11🔥7❤3🥱1
ChatGPT o3 / o4-mini, где взять
Ну, новости про релиз наверняка все уже прочитали, обзор с бенчами не только от самих OpenAI будет позже, а вот где модели попробовать - расскажу.
Cursor
Есть обе модели:
● o3 за 30 центов за запрос
● o4-mini - пока что бесплатно
Windsurf
Есть o4-mini-high, бесплатно до 21 апреля.
o3 почему-то нет.
Вообще норм распиарили Windsurf с этими новыми релизами (upd: а, так его OpenAI собираются покупать за $3млрд).
OpenRouter
Все модели добавили, можно использовать как по API, так и в чате самого OpenRouter.
(для o3 требуется свой API-ключ)
ChatGPT, сайт
Добавили все модели для Plus и Pro пользователей.
Для Pro лимитов практически нет.
Лимиты для Plus:
● o3 - 50 сообщений в неделю
● o4-mini - 150 сообщений в день
● o4-mini-high - 50 сообщений в день
OpenAI API
Доступна o4-mini во всех вариантах, для o3 требуется верификация
Что тестировать?
● для меня в первую очередь интересно то, как они будут справляться с вызовом тулов, потому что в прошлом o-модели были крайне плохи в этом, а тут обещали существенные улучшения
● удержание контекста - 200к, сравняли с Sonnet, и интересно, насколько он "честный"
● общие возможности по ризонингу на сложных задачах - по бенчам модели показали хороший рост метрик в "хардовых" категориях, так что интересно, как будут себя вести на реальных кодовых базах, особенно на нетривиальных задачах.
#news #ai #model
Ну, новости про релиз наверняка все уже прочитали, обзор с бенчами не только от самих OpenAI будет позже, а вот где модели попробовать - расскажу.
Cursor
Есть обе модели:
● o3 за 30 центов за запрос
● o4-mini - пока что бесплатно
Windsurf
Есть o4-mini-high, бесплатно до 21 апреля.
o3 почему-то нет.
Вообще норм распиарили Windsurf с этими новыми релизами (upd: а, так его OpenAI собираются покупать за $3млрд).
OpenRouter
Все модели добавили, можно использовать как по API, так и в чате самого OpenRouter.
(для o3 требуется свой API-ключ)
ChatGPT, сайт
Добавили все модели для Plus и Pro пользователей.
Для Pro лимитов практически нет.
Лимиты для Plus:
● o3 - 50 сообщений в неделю
● o4-mini - 150 сообщений в день
● o4-mini-high - 50 сообщений в день
OpenAI API
Доступна o4-mini во всех вариантах, для o3 требуется верификация
Что тестировать?
● для меня в первую очередь интересно то, как они будут справляться с вызовом тулов, потому что в прошлом o-модели были крайне плохи в этом, а тут обещали существенные улучшения
● удержание контекста - 200к, сравняли с Sonnet, и интересно, насколько он "честный"
● общие возможности по ризонингу на сложных задачах - по бенчам модели показали хороший рост метрик в "хардовых" категориях, так что интересно, как будут себя вести на реальных кодовых базах, особенно на нетривиальных задачах.
#news #ai #model
👍10🔥8❤1
ChatGPT o3 и немного o4-mini (1/2)
Итак, несколько дней назад вышла долгожданная модель o3 и семейство o4-mini.
Новостники по сложившейся традиции объявили революцию в ИИ, конец профессии разработчика и наступление эры AGI.
Да, ожидания были высокими, особенно в свете последних релизов Anthropic и Google.
Попробуем разобраться, насколько они оправдались.
Кратко по выбору модели для разработки
Универсального лидера нет - выбор зависит от задачи, бюджета и требований к контексту/ризонингу.
Повседневные задачи
🥇 Gemini 2.5 Pro: универсальная модель, фактически единственная для работы с длинным контекстом, отличный ризонинг, но местами проседает в работе с тулингом
🥈 Claude 3.7 Sonnet: закрывает те задачи, которые требуют проактивности, хорошей агентскости, а также повседневную мелочь
Архитектура и планирование
🥇 Gemini 2.5 Pro: в силу общей эрудиции и большого контекста с ней такие вопросы решать удобнее всего
🥈 o3: для каких-то узких и нетривиальных случаев, где важен мощный ризонинг
Сложные задачи, чистый ризонинг
🥇 o3: самый мощный на текущий момент ризонер. Подойдет для брейншторминга, поддержки в принятии сложных решений, работы над алгоритмическими проблемами
🥈 Gemini 2.5 Pro: лучший практический выбор из-за большого контекста, отличного ризонинга и адекватной цены/длины вывода
Длинный контекст (>200k)
🥇 Gemini 2.5 Pro: единственный приемлемый вариант на таком контексте
А где же o4-mini?
Если у вас есть доступ ко всем вышеперечисленным моделям, то они успешно перекрывают все её возможные применения, по крайней мере в разработке, а на фоне её проблем, которые перекликаются с таковыми у o3, я не нашёл ей места в рабочих задачах.
OpenAI o3
Флагманский ризонер, заточенный под сложные задачи и научившийся работе с инструментами.
Плюсы
🟢 Мощный ризонинг - главное преимущество. Модель бьёт все бенчмарки по этому показателю, и в реальности это подтверждается - она способна строить длинные логические цепочки, раскапывать нетривиальные проблемы и плюс к этому использовать инструменты: веб-поиск, Python-интерпретатор и анализ изображений прямо в ходе "размышлений".
Что приводит нас ко второму плюсу:
🟢 Использование инструментов - прошлые модели о-серии использовали инструменты либо нехотя, либо вообще отказывались их задействовать.
Тут же ситуация значительно лучше, но с оговоркой - на сайте ChatGPT она пользуется ими гораздо охотнее, чем через API или в каком-то другом софте.
Веб-версию даже можно использовать как мини-вариант DeepResearch, когда модель может делать десятки вызовов к разным инструментам для анализа какой-то темы или решения задачи - и всё в рамках одного запуска.
+/-
🟡 (Само)уверенность и неуступчивость - o3 реже вам поддакивает и соглашается, если вы ей возражаете, и может аргументированно отстаивать свою позицию.
Это ценно для брейншторминга и поиска объективных решений там, где разные мнения имеют право на существование, но запросто может и создавать проблемы.
#ai #model #review
Итак, несколько дней назад вышла долгожданная модель o3 и семейство o4-mini.
Новостники по сложившейся традиции объявили революцию в ИИ, конец профессии разработчика и наступление эры AGI.
Да, ожидания были высокими, особенно в свете последних релизов Anthropic и Google.
Попробуем разобраться, насколько они оправдались.
Кратко по выбору модели для разработки
Универсального лидера нет - выбор зависит от задачи, бюджета и требований к контексту/ризонингу.
Повседневные задачи
🥇 Gemini 2.5 Pro: универсальная модель, фактически единственная для работы с длинным контекстом, отличный ризонинг, но местами проседает в работе с тулингом
🥈 Claude 3.7 Sonnet: закрывает те задачи, которые требуют проактивности, хорошей агентскости, а также повседневную мелочь
Архитектура и планирование
🥇 Gemini 2.5 Pro: в силу общей эрудиции и большого контекста с ней такие вопросы решать удобнее всего
🥈 o3: для каких-то узких и нетривиальных случаев, где важен мощный ризонинг
Сложные задачи, чистый ризонинг
🥇 o3: самый мощный на текущий момент ризонер. Подойдет для брейншторминга, поддержки в принятии сложных решений, работы над алгоритмическими проблемами
🥈 Gemini 2.5 Pro: лучший практический выбор из-за большого контекста, отличного ризонинга и адекватной цены/длины вывода
Длинный контекст (>200k)
🥇 Gemini 2.5 Pro: единственный приемлемый вариант на таком контексте
А где же o4-mini?
Если у вас есть доступ ко всем вышеперечисленным моделям, то они успешно перекрывают все её возможные применения, по крайней мере в разработке, а на фоне её проблем, которые перекликаются с таковыми у o3, я не нашёл ей места в рабочих задачах.
OpenAI o3
Флагманский ризонер, заточенный под сложные задачи и научившийся работе с инструментами.
Плюсы
🟢 Мощный ризонинг - главное преимущество. Модель бьёт все бенчмарки по этому показателю, и в реальности это подтверждается - она способна строить длинные логические цепочки, раскапывать нетривиальные проблемы и плюс к этому использовать инструменты: веб-поиск, Python-интерпретатор и анализ изображений прямо в ходе "размышлений".
Что приводит нас ко второму плюсу:
🟢 Использование инструментов - прошлые модели о-серии использовали инструменты либо нехотя, либо вообще отказывались их задействовать.
Тут же ситуация значительно лучше, но с оговоркой - на сайте ChatGPT она пользуется ими гораздо охотнее, чем через API или в каком-то другом софте.
Веб-версию даже можно использовать как мини-вариант DeepResearch, когда модель может делать десятки вызовов к разным инструментам для анализа какой-то темы или решения задачи - и всё в рамках одного запуска.
+/-
🟡 (Само)уверенность и неуступчивость - o3 реже вам поддакивает и соглашается, если вы ей возражаете, и может аргументированно отстаивать свою позицию.
Это ценно для брейншторминга и поиска объективных решений там, где разные мнения имеют право на существование, но запросто может и создавать проблемы.
#ai #model #review
👍11🔥9❤2
ChatGPT o3 (2/2)
Минусы
🔴 Малая длина фактического вывода
● модель обрезает код, выдает 200 строк вместо ожидаемых 800, пытается его ужать там, где это лишено смысла;
● использует плейсхолдеры вместо реальных имплементаций;
● игнорирует просьбы выдать полный ответ;
● не дает пояснений к тому, что делает и комментариев к нетривиальному коду;
И для многих задач разработки одно это делает её неприменимой.
Такое ощущение, что ее тренировали на то, чтобы она как можно меньше тратила токенов на ответ.
🔴 Ленивое использование инструментов по API - тут, конечно, плюс в том, что о-модель в принципе использует инструменты, но минус в том, что недостаточно активно там, где это нужно, и ей часто приходится указывать на то, какой инструмент использовать на следующем шаге.
Напомню, что на сайте ChatGPT свои инструменты она использует куда активнее.
🔴 Галлюцинации - есть много жалоб на галлюцинации, особенно на нишевых темах, и этому есть даже подтверждения в system card модели от самих OpenAI.
🔴 "Враньё" - а эта проблема посерьёзнее - сообщения пользователей (и отчёт TransluceAI) о том, что модель может фабриковать информацию о своих действиях (например, имитировать поиск или вызов других тулов) и настаивать на своем, даже будучи неправой.
Мне она как-то выдала, что одно из возможных решений задачи снизит количество ошибок с 15 до 1%, хотя я видел, как она сама его недавно проверяла, и у неё по факту не получилось такого результата.
Целевые 1% я ей сам озвучивал как достижимые (это в самом деле так), и тут она явно пыталась подогнать свой ответ под мои ожидания.
🔴 Высокая стоимость API - несмотря на более низкие, чем у o1, цены, реальная стоимость решения сложных задач с активным ризонингом и тулами может быть очень высокой. К примеру, на бенчмарке Aider Polyglot o3 оказалась в 17.5 раз дороже Gemini 2.5 Pro. Это ставит под вопрос экономическую целесообразность использования её через API.
(Личное) Меня напрягает её манера иногда начинать фразы в ризонинге с прямого обращения ко мне по имени или упоминая его где-то в тексте - выглядит криповато-НЛПшно :)
Вердикт для разработчиков
● Модель отличная для решения узких сложных задач, но нет смысла ее использовать где-то ещё из-за вышеперечисленных минусов.
● В силу её особенностей передача всего нужного ей контекста заранее является особенно важным - описывайте задачу сразу подробно и со всеми ограничениями, накладываемыми на потенциальное решение.
● Эффективнее будет использовать o3 на сайте ChatGPT в рамках подписки, чтобы не тратить деньги на API и чтобы добиться от нее внятного использования инструментов.
В том же Cursor тоже можно (30 центов за запрос), но не стоит рассчитывать, что она сама соберет весь нужный контекст, и лучше озаботиться этим заранее, подготовив её к ваншоту, нежели к долгой переписке :)
● Для ответственных задач, которые выходят за рамки вашей собственной интуиции/понимания, и которые нельзя легко проверить, использовать её нужно с осторожностью, и обязательно делать кросс-чек с той же Gemini 2.5 Pro / специалистами в теме.
Несмотря на все её проблемы я сам точно буду её использовать там, где нужен чистый мощный ризонер.
Что ждём дальше по моделям?
● DeepSeek R2 / V4
● Таинственные dayhush и claybrook, которые вчера появились на WebDev Arena и показывают очень хорошие результаты в веб-кодинге (и пока что больше ничего про них неизвестно) - это могут быть специализированные модели от Google для разработки
P.S.
В этот раз не стал расписывать бенчмарки, т.к. рассказывал кратко про них в постах про другие модели ранее.
Думаю как-нибудь отдельно написать, какие и почему важны для программирования, куда смотреть, кому верить, потому что там уже какой заяц, какой орёл, какая блоха.
✍️ - посмотрим, сколько наберётся интересующихся :)
#ai #model #review
Минусы
🔴 Малая длина фактического вывода
● модель обрезает код, выдает 200 строк вместо ожидаемых 800, пытается его ужать там, где это лишено смысла;
● использует плейсхолдеры вместо реальных имплементаций;
● игнорирует просьбы выдать полный ответ;
● не дает пояснений к тому, что делает и комментариев к нетривиальному коду;
И для многих задач разработки одно это делает её неприменимой.
Такое ощущение, что ее тренировали на то, чтобы она как можно меньше тратила токенов на ответ.
🔴 Ленивое использование инструментов по API - тут, конечно, плюс в том, что о-модель в принципе использует инструменты, но минус в том, что недостаточно активно там, где это нужно, и ей часто приходится указывать на то, какой инструмент использовать на следующем шаге.
Напомню, что на сайте ChatGPT свои инструменты она использует куда активнее.
🔴 Галлюцинации - есть много жалоб на галлюцинации, особенно на нишевых темах, и этому есть даже подтверждения в system card модели от самих OpenAI.
🔴 "Враньё" - а эта проблема посерьёзнее - сообщения пользователей (и отчёт TransluceAI) о том, что модель может фабриковать информацию о своих действиях (например, имитировать поиск или вызов других тулов) и настаивать на своем, даже будучи неправой.
Мне она как-то выдала, что одно из возможных решений задачи снизит количество ошибок с 15 до 1%, хотя я видел, как она сама его недавно проверяла, и у неё по факту не получилось такого результата.
Целевые 1% я ей сам озвучивал как достижимые (это в самом деле так), и тут она явно пыталась подогнать свой ответ под мои ожидания.
🔴 Высокая стоимость API - несмотря на более низкие, чем у o1, цены, реальная стоимость решения сложных задач с активным ризонингом и тулами может быть очень высокой. К примеру, на бенчмарке Aider Polyglot o3 оказалась в 17.5 раз дороже Gemini 2.5 Pro. Это ставит под вопрос экономическую целесообразность использования её через API.
(Личное) Меня напрягает её манера иногда начинать фразы в ризонинге с прямого обращения ко мне по имени или упоминая его где-то в тексте - выглядит криповато-НЛПшно :)
Вердикт для разработчиков
● Модель отличная для решения узких сложных задач, но нет смысла ее использовать где-то ещё из-за вышеперечисленных минусов.
● В силу её особенностей передача всего нужного ей контекста заранее является особенно важным - описывайте задачу сразу подробно и со всеми ограничениями, накладываемыми на потенциальное решение.
● Эффективнее будет использовать o3 на сайте ChatGPT в рамках подписки, чтобы не тратить деньги на API и чтобы добиться от нее внятного использования инструментов.
В том же Cursor тоже можно (30 центов за запрос), но не стоит рассчитывать, что она сама соберет весь нужный контекст, и лучше озаботиться этим заранее, подготовив её к ваншоту, нежели к долгой переписке :)
● Для ответственных задач, которые выходят за рамки вашей собственной интуиции/понимания, и которые нельзя легко проверить, использовать её нужно с осторожностью, и обязательно делать кросс-чек с той же Gemini 2.5 Pro / специалистами в теме.
Несмотря на все её проблемы я сам точно буду её использовать там, где нужен чистый мощный ризонер.
Что ждём дальше по моделям?
● DeepSeek R2 / V4
● Таинственные dayhush и claybrook, которые вчера появились на WebDev Arena и показывают очень хорошие результаты в веб-кодинге (и пока что больше ничего про них неизвестно) - это могут быть специализированные модели от Google для разработки
P.S.
В этот раз не стал расписывать бенчмарки, т.к. рассказывал кратко про них в постах про другие модели ранее.
Думаю как-нибудь отдельно написать, какие и почему важны для программирования, куда смотреть, кому верить, потому что там уже какой заяц, какой орёл, какая блоха.
#ai #model #review
Please open Telegram to view this post
VIEW IN TELEGRAM
✍15🔥13👍8
This media is not supported in your browser
VIEW IN TELEGRAM
Когда ChatGPT устаёт притворяться белым и пушистым 😱
—
Взято отсюда - пишут, что не такой уж редкий баг voice mode.
Крипота-то какая, крипотааа :)
#fun #bug
—
Взято отсюда - пишут, что не такой уж редкий баг voice mode.
Крипота-то какая, крипотааа :)
#fun #bug
😁11😱10🤣4