SOTA-парад: GPT-6 Astra, Claude Fable 5.1, Muse Spark 1.3, Gemini 3.8 Flash і пост-трейн Qwen 3.8 Max 0902.

Muse Spark 1.3
https://research.meta.ai/blog/introducing-muse-spark-1-3
На їх тестах дуже красиво прям SOTA, а в результатах не сходиться: skill-інструкції губить, замість точкового едіта може переписувати файл цілком, сайти виглядають криво. Все як моделі рік тому. Окремо продовжується дешевий contributor-прайс як демпінг. Meta пише, що попереду open-weights release для Muse Spark.

Gemini 3.8 Flash
https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/
Pro немає вже давно, це третій Flash апдейт за шість тижнів, заточений під довгі кодінг сессії агентів (що нам приємно), відразу в API, AI Studio, Antigravity. Дешевий прайс лишили до кінця року. Вміє працювати дрібними ітераціями — «працює старанніше», але саме тому на складному жере більше токенів, сам Google так і пише. Cyber-версія тільки для довірених захисників.

Claude Fable 5.1
https://www.anthropic.com/claude/fable
Покращили до Fable 5.1 (загальнодоступна) + Mythos 5.1 (обмежена). Дорогі, але топ. Кажуть, навчили не звітувати про фейковий успіх і не зрізати кути типу відключити падаючий тест. Довгу автономку менше треба пасти, ревʼю швидше. Писати стала людяніше, але непомітно маркує текст (вотермаркінг), на HN окремо хвалять що пішла шаблонність.

GPT-6 Astra — доводить довге до кінця, але жере ліміт
https://openai.com/index/gpt-6-astra/
На 7 вересня GPT-6 Astra у відкритому доступі лише кілька днів. OpenAI позиціонує її як модель не стільки для "генерувати робочій код", скільки для самостійного проходження всього циклу software engineering. Дуже круті демки ігор, також можливість "взяти під контроль" Blender та Unity чи Godot через керування комп'ютером. Це все довго та дорого, але до результату доводить.

У документації прямо підкреслюється: складне міркування, coding, computer use, research і довгі багатокрокові задачі. Astra може працювати з репозиторієм, запускати програми, бачити результати, виправляти помилки, продовжувати роботу після зміни вимог і, у Codex, навіть ставити запитання асинхронно, не зупиняючи незалежні частини роботи.

Astra має 1 млн токенів, але фактичний доступний context у конкретному Codex environment може бути набагато меншим. Також OpenAI ввела новий механізм збереження контексту: замість звичного постійного compaction старих сесій модель може вести notes між вікнами, причому попередні контекстні вікна залишаються searchable.

У даних Terminal-Bench 4.0 розриву між Astra і Fable 5.1 майже немає. Але саме Astra відчувається більш самостійною й тією що розуміє репозиторій (хоча не завжди). Вже помітне надмірне споживання usage/token budget. На Reddit є кілька повідомлень, де користувачі кажуть, що Astra могла витратити значну частину п'ятигодинного ліміту буквально за одну сесію. У мене в Codex на Plus підписки 5-годинний ліміт зжерла виконуючи просте завдання менше ніж за 15 хвилин, є підозра що вікно це ще прижали.

У звичній на сьогодні моделі роботи програміст є оператором AI: промт → отримав код (діфи) → перевірив → накидав правок. У Astra дедалі реалістичнішим стає інший режим коли програміст задає намір, обмеження та критерії завершеності, після чого модель сама розкручує процес. Головний апгрейд Astra — не в тому, що вона генерує не поламаний код, а в тому, що вона дедалі частіше (але не завжди) здатна довести все завдання до кінця.

#newllmmodel #openai #gpt6 #fable #musespark #gemini #qwen

Коментарі

Схоже, Google вслід за Anthropic намагається обмежити свої моделі за підписним планом лише власним харнесом, ускладнюючи використання цих credentials у сторонніх AI-агентах.

https://news.ycombinator.com/item?id=49548452
Тиждень тому в обговоренні є повідомлення про блокування Google-акаунтів за використання Antigravity через сторонні інструменти. Google прямо називає використання credentials у third-party tool порушенням ToS що може призвести за собою блокування аккаунту. Є окремий коментар користувача, якому заблокували доступ після використання Pi agent + Antigravity.

https://github.com/can1357/oh-my-pi/issues/11689
Вчора у людей в oh-my-pi (OMP) Gemini через Antigravity раптом почав стабільно віддавати 429 RESOURCE_EXHAUSTED і просити почекати 30 хвилин — причому це триває годинами. Це не витрата квоти, а mismatch entitlement — Google ріже agent-бакет для стороннього харнеса під виглядом RESOURCE_EXHAUSTED.

OMP — форк Pi, а OpenClaw теж використовує Pi як основу агентного runtime. Тобто проблема потенційно стосується вже цілої гілки сторонніх агентів.

#piagent #antigravity

Коментарі

Cline теж будує нативний Desktop

Найбільший апгрейд Cline
https://cline.bot/blog/how-we-migrated-11-million-users-to-clines-biggest-harness-upgrade
Cline як VSCode екстеншн народився в 2024, це ще при Claude 3.5 Sonnet. Кожна нова модель та провайдер адаптувалися вручну. Новий Cline SDK винесли в окремий модульний рантайм: промпти переписали, луп спростили, контекст і тул-дефінішени підтягнули під нативний tool calling 2026-х моделей замість XML-тегів з тексту. Зараз повністю перевели всіх 11 млн юзерів на нього.

Cline for Desktop (Beta)
https://cline.bot/desktop
https://github.com/cline/cline/releases/
Почали тестувати окремий нативний застосунок на macOS (Universal) і Windows як зараз модно без редактора коду. Всередині той самий open-source Cline harness, що тепер в IDE і CLI. Зібраний на Tauri 2 + Bun-sidecar + Next.js: Tauri тримає тільки вікно й апдейти, Bun-сайдкар крутить Cline Hub і спілкується з UI по websocket, фронт це Next.js.

Працює по BYOK — Anthropic, OpenAI, Gemini, open-weights чи локальний ендпоінт, моделі можна перемикати прямо посеред проєкту. Інтегрований з їх підпискою Cline Pass за $9.99/місяць на open-weights моделі як то GLM 5.3/5.2, Kimi K3/K2.7 Code/K2.6, DeepSeek V4 Pro/Flash, MiniMax M3, MiMo V2.5/Pro, Qwen 3.7-Max/Plus і 3.8-Max.

Вже є queued messages, докидати правки поки агент працює, fork & edit — правиш старе повідомлення і сесія форкається з ревертом воркспейсу до чекпоінта, session history в одному місці — десктоп, CLI, екстеншн і scheduled runs, з фільтром звідки сесія.

В мене на Windows поки що видає купу помилок при налаштуванні моделей й не працює.

#cline #desktopapp

Коментарі

Памʼять у Grok Build, Zen проти чужих харнесів, зовсім інший Jev і Geiger.

Geiger для пошуку AI-агентів
https://atomburst.io/geiger
Якщо у вас як і у мене постійно тестуются агенти, то ось одна команда npx geiger-scan показує що реально стоїть і що воно може чіпати. Нуль залежностей, без акаунта і телеметрії, потрібен тільки Node 18+. Тільки читає конфіги і папки, нічого знайденого не запускає. Пише лише файл звіту який сам попросиш через --json / --html. Знаходить багато відомих агентів і IDE. Окремо MCP-сервери глобальні і проєктні включно з remote, розширення редакторів і браузерів, AI-браузери.

Памʼять у Grok Build
https://x.ai/news/grok-build-memory
Grok Build тепер памʼятає проєкт між сесіями: конвенції, рішення, факти. Після кожного кроку у фоні переглядає його і дописує тільки довговічне, робота при цьому не зупиняється. Це markdown-файли, один файл на тему. Є рівень проєкту і окремо глобальний для звичок юзера.

Команда /memory відкриває простий перегляд файлів по групах з пошуком і превʼю, /dream розкладає свіже по топіках і сам іноді прибирає у фоні. Фонове прибирання Dream біжить в один потік через dream_lock, старе складає в архів.

OpenCode Zen ріже чужі харнеси
https://github.com/can1357/oh-my-pi/issues/12306
Схоже на історію з Antigravity минулого тижня (до речі OMP пофіксили окремим плагіном), тут гейтвей відсікає чужих. Без хедерів x-opencode-client, x-opencode-session, x-opencode-project, x-opencode-request та тулз-профілів Zen особливо для для free-моделей відповідає 429 FreeUsageLimitError або просто висить. Pi-екстеншени зараз імітують ці хедери з випадковими id щоб виглядати як CLI. В тредах це називають підробкою ідентичності з ризиком повного блокування аккаунту.

Зовсім інша модель — Jev / System One від TypeSafe
https://console.typesafe.ai
https://typesafe.ai/blog/introducing-system-one-models-and-jev
Перша модель Jev названа на честь Джевонса. Це не чат, а System One за Канеманом: на вході стан, на виході готові рішення для коду.
Шлеш state текстом, JSON чи масивом плюс список типізованих питань Choice, Score, Noul — і за один паралельний прохід отримуєш всі відповіді з каліброваними ймовірностями.

Архітектура нова, семплер паралельний, тренування RLCD замість RLHF / RLVR. Схема задана наперед, тому вийти за типи чи згалюцинувати текстом просто нема куди. Доступ поки по waitlist: ендпоінт POST api.typesafe.ai/v1/systemone, jev-latest зараз це jev-1.13.0, поруч jev-preview, SDK для Python і JS, скіл для Claude Code, ключ у console.typesafe.ai/settings/keys.

#grokbuild #opencode #piagent #typesafe #mcp

Коментарі

OpenHands за півроку перетворився з агента на платформу над агентами

OpenHands від агента до координатора
https://www.openhands.dev/blog/introducing-agent-canvas
https://docs.openhands.dev/openhands/usage/agent-canvas/acp-agents
Раніше OpenHands сам був агентом, тепер через Agent Client Protocol (ACP) він запускає і обслуговує харнеси як то Claude Code, Codex і сам OpenHands на декстопі. Завели в архітектуру ще навесні, а за літо стало центральним сценарієм. Agent Canvas тепер фактично головний інтерфейс з якого можна ганяти кілька агентів паралельно, дивитись файли, команди, розмови, автоматизації і чіпляти віддалені бекенди. Додали ясний context-window usage meter, drawer з інфо про витрату контексту і ручна compaction.

Зʼявився обʼєкт Agent Profile — збережена конфігурація як саме стартувати агента. Там лежить тип агента, модель, credentials та scoped secrets, MCP-сервери, skills і інше. Автоматизація з простої фічі перетворились на оркестратор з вибором Agent Profile, експорт/імпорт як JSON, настроювані таймаути, запуск conversation через plugin, cron, live phase виконання, розуміння результату task, теги, права view/manage, автовідключення після серії помилок. Рухаються в сторону, де помилки агента ловляться автоматично.

#openhands #acp #selfhost

Коментарі

Звичайний git status на старті агента виконує команду із самого репозиторію

Вразливість GitSpawn від Manifold
https://www.manifold.security/blog/ai-coding-agents-git-hijack
Багато CLI-агентів на старті збирають контекст проєкту через git status / git diff й що дивно на деяких це відбувається до workspace-trust prompt: на Qwen Code навіть до логіну, на Grok Build достатньо першої клавіші. Так можна виконати core.fsmonitor = <команда> поза пісочницею агента, без жодного approval-діалогу, з правами користувача: SSH-ключі, токени з shell config, хмарні credentials, всі репозиторії на диску.

Треба дивитись .git/config перед відкриттям агента отриманого як файли репо, також можна глобально заблокувати git config --global core.fsmonitor false.

Тестували 7 агентів: Claude Code, Codex, Cursor, Goose, Hermes, Qwen Code, Grok Build. Вже патчені: Claude Code 2.1.196 (основний шлях), Codex 0.131.0 (CVE-2026-19592), Cursor, Goose 1.44.0 (CVE-2026-72718, CVSS 7.0). В процесі Qwen Code (Alibaba SRC прийняв звіт — але не виправив), Grok Build, Hermes.

Глибша проблема в тому, що пісочниця агента тут ілюзія: будь-який subprocess успадковує OS-привілеї користувача і повну trust-модель git.

#claudecode #codex #cursor #security #grokbuild #qwen #goose

Коментарі

omp (oh-my-pi) — це форк Pi від Маріо Зехнера, переписаний під реальний флоу розробки: сесії, підагенти, слеш-команди, розширення. TypeScript + Rust на macOS/Linux/Windows без WSL.

https://omp.sh/docs/agents-and-roles
Тут є три шари:

• Модель — конкретний провайдер й модель (Claude, GPT…).
• Роль — іменований слот: default для звичайних запитів, smol для дешевої дрібнії роботи, slow для глибокого мислення й рев'ю, plan, vision, commit, task, далі розберем.
• • Агенти та підагенти — хто саме виконує (reviewer, scout, designer). Агент дивиться на роль, роль — на модель. З коробки scout (швидкий read-only огляд репо), designer, reviewer, security-reviewer, librarian (перевірка зовнішніх API), task, sonic (механічні правки).

Коли міняєш модель у ролі slow, усі майбутні агенти рев'юери автоматично переходять на неї. Агентів харнес обирає сама в залежності від промту.

https://omp.sh/docs/advisor
На спеціальний агент Advisor можна назначити окрему модель, яка читає кожен крок основного агента (промпти, відповіді, міркування, виклики інструментів) й додає нотатки прямо в сесію, а іноді може відразу зупинити весь потік, якщо він точно іде не куди потрібно!

Вона працює на своєму контексті й зовсім іншій моделі (краще щоб розмір контексного вікна співпадав): основний потік може бігти на Gemini 3.8 Flash, а advisor'ом призначити, скажімо, Meta Spark 1.3 — різні моделі дивляться на ту саму роботу з різних кутів. Advisor не затверджує дії: основний агент зобов'язаний зважувати кожну нотатку проти запиту, а не сліпо коритися.

Вмикається двома рядками в конфіг, або через /advisor. Три рівні порад: nit — непереривна ремарка («тут можна спростити»); concern — ризик чи не той напрямок, може перервати хід; blocker — продовжувати явно марно, вийде зламаний результат. Підагенти за замовчуванням без advisor.

Ідею advisor уже винесли назад у чистий Pi: порт pasky/pi-omplike-advisor https://github.com/pasky/pi-omplike-advisor, постійна read-only модель, що на кожен крок рев'юїть роботу головного агента.

#omp #piagent #subagents #advisor

Коментарі

Теппер моделі так часто оновлюються: Opus 5.5, GPT-6 Sol і Luna, MiMo-V2.6, Grok 4.7 і Step 5 Preview.

Grok 4.7. Модель довше працює над складним завданнями, краще перевіряє себе і тримає довгий контекст, плюс її натренували розуміти власний Grok Bot harness.

GPT-6 Sol та Luna. Швидкий і дешевий рівень для заміни родини GPT-5.6. Sol і Luna разом закривають саме ціново-чутливий сегмент, тоді як Astra залишається топовою і найдорожчою моделлю OpenAI.

Claude Opus 5.5. Найкраща на сьодні модель. Наступник Opus 5 від Anthropic: за словами компанії, на більшості задач він виходить на рівень дорожчої Fable 5.1, але обходиться на 40% дешевше. Sonnet 5.5 і Haiku 5.5 обіцяють «найближчими тижнями».

Step 5 Preview
https://www.stepfun.com/step-5-preview
20 вересня китайська StepFun показала свій новий флагман для агентної роботи: MoE на 600B параметрів загалом і 27B активних. За їх тестами сильний software engineering, виший за рівень Kimi K3. Вже 15 жовтня обіцяють повністю відкриті ваги, зараз на Hugging Face лежить лише заглушка репозиторію.

Топ open-source модель від Xiaomi
https://mimo.xiaomi.com/mimo-v2-6/article
Xiaomi випустила моделі серії MiMo-V2.6: флагман MiMo-V2.6-Pro, економний MiMo-V2.6-Flash і MiMo-V2.6-Pro-UltraSpeed — той самий Pro, але з віддачею до 20x швидшою при тій самій якості. Xiaomi показала тренування наживо, стрімлячи його під час релізу. Разом із моделями відкрито технотрейт, середовища тренування і весь RL-код.

Обидві основні моделі нативно omnimodal (текст, відео, аудіо, зображення в одному контексті) з вікном 1М токенів. Pro на Artificial Analysis Intelligence Index обійшовши Kimi K3 і Qwen3.8 Max, хоча до закритих моделей й не дотягує.

MiMo Code та MiMo Desktop
https://github.com/XiaomiMiMo/MiMo-Code
https://mimo.mi.com/docs/en-US/updates/feature/desktop
Термінальний open-source кодінг-асистент MiMo Code це форк OpenCode під MIT з оркестрацією субагентів і вбудованим безкоштовним каналом MiMo Auto. Тепер працює на моделях V2.6. MiMo Desktop разом з релізом V2.6 вийшов з early access у перший офіційний реліз. Це десктопний клієнт для агентів під задачу, керування браузером, інтерактивні прев'ю результатів прямо в сесії.

#mimo #claude #opus #openai #gpt6 #grok #stepfun #opensource

Коментарі