LLM под капотом

Самая классная фишка современности - многие достижения других можно копировать. Пару дней назад утром я посмотрел сам OpenAI Dev Days Keynote ( чего и вам советовал ). Они там, помимо всяких продуктовых фич, упоминают все те космические технологии, которые у них используются в разработке. Коллаборация с агентами, долгие исследования, самостоятельность. А у меня пока только есть мой Codex с персональным ассистентом в…

Как вы думаете, справится Codex c такой задачей? Вот я сейчас запустил задачу, где прошу написать Codex минимальный прототип песочницы для агентов с интегрированной экономикой с нуля (кошелек, плата за LLM и выдача денег за решение задач). Нужно использовать FirecrackerVM c кастомными образами, vsock соединение из виртуалки через sidecar, доказать работу suspend/resume. Сказал, что может это делать на домашнем…

Обязательно смотрим OpenAI DevDays сами ! Те выжимки, которые есть в куче каналов - фокусируются чисто на инженерных примочках и пропускают кучу интересных нюансов. Скажем - OpenAI упрощает выкатку приложений в свой marketplace и позволяет компаниям оплачивать эти приложения из своих существующих бюджетов на OpenAI . Это же прямой доступ к куче корпоративных бюджетов! Ну и плюс видно, как OpenAI создает себе новый…

Что нового в разработке продуктов с LLM под капотом? Раньше я много писал про кейсы продуктов с LLM под капотом (вот тут есть оглавление с разбором архитектур ) Я плотно поработал с этими кейсами несколько лет подряд, записывал истории успехов и провалов команд, структурировал, а дальше вы все знаете. Потом эти кейсы отошли на второй план, т.к. принципиально новых и интересных задач у бизнеса (с практической…

Бенчмарк GPT-6.1 Sol - аналогичное качество за меньшие деньги А еще Sonnet 5.5 и Opus 5.5 Sol 6.1 на бенчмарках (на датасетах agentic trajectories из BitGN) по качеству примерно на уровне Sol 6.0 High, но заметно дешевле и немного быстрее. Прорыва по качеству нет , но есть небольшое и стабильное снижение стоимости за то же качество . Это немного сдвигает AI фронтир вправо. Почему Sol 6.1 Low работает чуть лучше High…

Концепция Katas или зачем изобретать велосипеды никакая автоматизация не дает повод изобретать велосипеды на каждый чих у Рината скорее всего есть идея, как что-то принципиально улучшить Это было комментарием на мое замечание, что я писал markdown редактор для себя . Давайте объясню зачем мне такое. Итак, я Ринат Абдуллин. 20+ лет работаю с кодом и с компаниями в EU/USA. Веду достаточно сложные и временами…

Семь месяцев работы с Codex-ом в одном графике Это иллюстрация из моего поста про последние семь месяцев работы . Я там упоминаю все вещи и эксперименты, которые стали частью повседневной жизни. Провалившихся экспериментов, конечно, было сильно больше. Их я не упоминаю, т.к. стоимость эксперимента сейчас заметно снизилась. Вот прямо сейчас пишу себе свой markdown writer, ибо есть у меня одна очередная идея. Ваш,…

Период полураспада софта - 3 месяца Я сейчас возвращаюсь к сайту BitGN , чтобы начать подготовку к соревнованию ECOM2 (agentic economy), добавить место для публикации LLM бенчмарков и в целом обновить дизайн. В этот код я давно не ходил, и он ну очень дремучий - эпохи где-то до декабря 2025 года, когда Codex расцвел. Современным стандартам AI Native разработки совсем не соответствует. Агенты спотыкаются часто (даже…

GPT-6 Sol и Luna - бенчмарк цены, качества и скорости А еще Opus 5.5 и Astra 6 (medium). Все это - на нашем датасете BitGN запусков агентов в бизнес-задачах. Серая линия на графиках - старый фронтир моделей от июля (соотношение точности к цене и качеству). Захваченная розовая территория - насколько новые модели смогли пододвинуть этот фронтир вперед с июля . Сначала о тдельно похвалю Kimi K3 , которая заняла второе…