Доступна безкоштовно в Mistral Vibe https://mistral.ai/products/vibe (через API labs-leanstral-2603) та для завантаження на власне обладнання та інтеграції з lean-lsp-mcp. Це перший внесок у майбутнє, де формальна верифікація стане повсякденною, а людський ревью перестане бути вузьким місцем.

Реакція ХН
https://news.ycombinator.com/item?id=47404796
Ентузіасти бачать майбутнє в «executable specs» коли агент пише код + докази, і регресії стають неможливими. Скептики нагадують що докази гарантують лише валідність, а не що ти довів саме те, що хотів і для звичайних проєктів (не математика/критичне ПЗ) це поки «overkill».

#mistral #newllmmodel

Почали як обгортка для Codex та Claude. 5 березня додали ще Gemini CLI та Junie. Тепер можна обирати між різними агентами залежно від завдання або комбінувати їх — один агент може перевіряти роботу іншого.

Можна використовувати ChatGPT підписку (тоді буде тільки Codex). Вхід через Claude Pro, Max та Team скасовано через нову політику використання Anthropic - треба додавати API ключі.

T3 Code
https://t3.codes/
Чомусь Teo вирішив окрім відеоблогера побути розробником - поки що вийшла забаговна обгортка Codex (потім буде й Claude Code) з мінімальним описом та доками. Навіщо це зараз використовувати замість оригінального Codex app мені не зрозуміло.

#air

Запустили свою CLI - за зиму додали там режими Plan і Ask, субагенти та навички, генерацію зображень, вбудовані Mermaid ASCII-діаграми, клавіатурні скорочення.

Cursor Cloud Agents з використанням комп'ютера
https://forum.cursor.com/t/cloud-agents-with-computer-use/152829
https://cursor.com/blog/third-era
Тепер агенти запускають створений софт у власному VM (повноцінному комп'ютеру), тестують зміни, генерують PR з скріншотами та логами. Можуть записувати коротке demo-відео. Можна підключитися до VM агента і подивитися.

https://www.youtube.com/watch?v=tMflcZHo2zI

Відео на YouTube: https://www.youtube.com/watch?v=tMflcZHo2zI

Записано прямо в новому офісі Cursor. Глибокий розбір останнього великого оновлення, називають це "третьою ерою" Cursor де перша — просто AI-доповнення в редакторі, друга — локальні агенти, третя — повноцінні хмарні агенти з власним комп'ютером. Тепер рухаються в сторону agentic платформи.

Cursor у Zed та JetBrains
https://forum.cursor.com/t/cursor-is-now-available-in-jetbrains-ides/153584
Додали підтримку Agent Client Protocol (ACP) тобто тепер можна використовувати підписку та агента Cursor у тих IDE, що його підтримують як то IntelliJ IDEA, PyCharm, WebStorm.

Zed AI тільки для повнолітніх
https://zed.dev/blog/terms-update
Zed перелічили серед інших змін що додають обмеження 18+ й воно стосується «Service» — тобто хмарної SaaS-частини: створення аккаунту, AI-фіч (Zed Pro, edit prediction тощо).

У треді на Hacker News пояснили, що якщо дозволити <18, треба було б верифікувати згоду батьків, вести окремі політики зберігання/обробки даних, робити age-gate систему. Тому простіше було заборонити.

#cursor #zed

Codex безкоштовно ще місяць
https://openai.com/codex/
Продовження оригінального limited-time промо від 2 лютого 2026. Після релізу Windows-версії Codex app подовжили ще на місяць, тепер безкоштовні ChatGPT аккаунти мають можливість генерувати код до 2 квітня. Для Plus - подвійні ліміти.

Codex app під Windows та GPT‑5.4
https://openai.com/index/introducing-gpt-5-4/
OpenAI представила нарешті windows версію Codex app та GPT‑5.4 нову модель, яка поєднує coding-можливості з GPT-5.3-Codex та потужний reasoning. Як завжди модель стала ефективнішою за токенами, швидшою в ітераціях та проактивнішою.

https://www.youtube.com/watch?v=8hNcRChDrNk

Відео на YouTube: https://www.youtube.com/watch?v=8hNcRChDrNk

Додали спеціальній скіл WinUI App для розробників під Windows. Можна вибирати різні термінали та перемикатися на WSL.

З версії 26.305 додали fast mode де GPT-5.4 працює в 1.5 раза швидше при тому ж рівні інтелекту. З мінусів - не можна редагувати список "Default open destination".

Кажуть що GPT-5.4 може бачити скріншоти, керувати мишею та клавіатурою, запускати Playwright у режимі Interactive для візуального дебагінгу в реальному часі.

WebSocket режим
https://developers.openai.com/api/docs/guides/websocket-mode/
Це постійне з’єднання для Responses API, спеціально створене для довгих агентних workflow з купою tool calls (agentic coding, автоматизація, оркестрація). Для coding-агентів значно менша затримка в ітераціях, до 40% швидше виконання при 20+ tool calls.

Режим вбудовано в Codex App (macOS/Windows). У Codex-Spark режим увімкнено за замовчуванням, а для інших моделей у конфіг ~/.codex/config.toml треба додати responses_websockets_v2 = true (у версії CLI v0.110 буде Under-development features попередження).

#codex #chatgpt #newllmmodel

Pi агент
https://shittycodingagent.ai/ https://pi.dev/
Супермінімалістичний open-source AI-кодинг агент для термінала — всього 4 базові інструменти: read, write, edit, bash. Все інше — через розширення. Працює як CLI, headless, RPC, SDK — саме тому Pi стоїть «під капотом» OpenClaw.

Сесії у вигляді дерева — можна розгалужувати, повертатися, експортувати в HTML. Повна прозорість — видно все, що відбувається.

Pi дозволяє підключати різні LLM-провайдери для роботи агента. Налаштування зберігаються в ~/.pi/agent/ (глобально) або .pi/ (локально в проєкті). Основні файли: settings.json для загальних параметрів, а також файли на кшталт SYSTEM.md для кастомних промптів. Автентифікацію можна здійснювати двома способами: через підписку (OAuth/login) або через API-ключ.

https://www.youtube.com/watch?v=boSPk_Ig4gU

Відео на YouTube: https://www.youtube.com/watch?v=boSPk_Ig4gU

Можна налаштувати та використовувати Pi Coding Agent локально безкоштовно через Ollama.

Як автор це зробив
https://mariozechner.at/posts/2025-11-30-pi-coding-agent/
https://news.ycombinator.com/item?id=46844822
Без вбудованих режимів планування, фонового bash, суб-агентів чи MCP. Агент уникає прихованих ін'єкцій з боку інших harness, забезпечуючи повну спостережуваність взаємодій. Уникає частих змін промптів/інструментів (на відміну від Claude Code), які ламають робочі процеси.

5–10× довші вікна контексту завдяки мінімальному промпту, є зміна моделі посеред сесії.

Працює з необмеженим доступом до файлової системи та команд, визнаючи, що захисні бар'єри часто неефективні, а продуктивна робота вимагає повних можливостей. YOLO-режим лякає коментаторів на хакреньюз: ризик exfiltration, prompt injection, випадкове видалення бази даних тощо. Деякі радять chroot / containers / VMs, інші кажуть, що sandbox у Codex — «security theater».

https://news.ycombinator.com/item?id=47143754
Користувачі пишуть, що Pi дає «рівень контролю, якого не було раніше». RPC/headless-режим супер для інтеграцій. Екосистема форків і розширень — цікавий проект oh-my-pi https://github.com/can1357/oh-my-pi (batteries-included версія), але говорять часто ламає інструменти після оновлень.

Можливий Anthropic-бан, є попередження про ризик відключення акк за альтернативні клієнти (як з OpenCode).

#piagent

Моделі 2026 року стали значно слухнянішими, тому, як я писав раніше, тепер й файл AGENTS.md не має такого значення. Інший свіжий приклад, це як Vercel видалили 80 % спеціалізованих інструментів у свого внутрішнього text-to-SQL агента, залишили один execute bash у sandbox.

Ми вчимося спрощувати архітектуру (що нагородили за ці два роки), використовувати мінімальні інструменти щоб не заважити потужним моделям.

NxCode Team про роботу ШІ агентів
https://www.nxcode.io/resources/news/harness-engineering-complete-guide-ai-agent-codex-2026
Пояснює harness як «вуздечку + сідло + поводи» для потужного, але неконтрольованого «коня» (моделі). Приклад LangChain, які підняли coding-агента з 52.8 % до 66.5 % на Terminal Bench без зміни моделі — тільки через middleware (self-verification, loop detection, context mapping).

Агенти провалюються не через якість моделі, а через поганий harness.

Важливо доповнити, що слабку модель навіть ідеальний harness не врятує.

OpenAI про harness engineering
https://openai.com/index/harness-engineering/
Говорять, що у світі агентів роль інженера змінюється з «писання коду» на «керування середовищем», де люди керують напрямком (steer), а агенти виконують.

Найважливіше тепер — не тільки якісна модель, а середовище:
– структурована папка docs/ як single source of truth,
– короткий AGENTS.md (~100 рядків) замість гігантського промпту,
– механічні лінтери + CI, які перевіряють invariants (правила архітектури, naming, file size тощо),
– «doc-gardening» агент, який сам виправляє застарілу документацію.

Один запуск Codex може працювати до 6 годин (часто вночі). Тому краще мати усе знання тільки всередині репозиторію (versioned artifacts). Ніяких зовнішніх чатів чи усних обговорень.

Обговорення на ХН про harness engineering
https://news.ycombinator.com/item?id=46988596
Can Bölük (автор інструменту https://github.com/can1357/oh-my-pi) взяв 16 різних LLM моделей і запустив їх два рази на одному й тому ж бенчмарку виправлення реальних багів у React-аппі: змінив лише один інструмент — формат редагування файлів, замість apply_patch / str_replace ввів Hashline (кожний рядок отримує короткий хеш, модель редагує за хешем, а не за текстом). Тільки від цього 14 з 16 моделей покращили результати.

Тепер головна навичка IT розробника — проектувати harness, а не писати код вручну. Багато хто підтверджує що hash-line дає агенту буст.

Теорія змови: «Компанії навмисно тримають найкращі harness’и в секреті, щоб не зменшувати споживання токенів». Останні тижні Anthropic і Google банять кастомні harness’и, навіть автора посту відрізали від Gemini під час бенчмарку.

#harness

Етапи робочого процесу

1. Дослідження (Research Phase): Використовуємо слова на кшталт "глибоко", "детально" в промптах щоб перевірити що вже є - це агент документує в файлі research.md.
2. Планування (Planning Phase): Створюємо детальний план у файлі plan.md з описом підходу, сніпетами коду, шляхами файлів та компромісами.
3. Цикл анотацій (Annotation Cycle): Відкриваємо редактор - додаємо нотатки безпосередньо в план (наприклад, "використовуй PATCH, а не PUT"), далі агенту "I added a few notes to the document, address all the notes and update the document accordingly. don’t implement yet". Це робимо ітеративно декілька разів.
4. Список завдань (Todo List): Коли все ок агент перетворює план у детальний чек-лист завдань. Постійно видаляйте непотрібне з плану, щоб уникнути розростання проєкту.
5. Реалізація (Implementation Phase): Після затвердження плану використовується стандартний промпт: "реалізуй все", з маркуванням завершених завдань, перевіркою типів і уникненням зайвих коментарів: "implement it all. when you’re done with a task or phase, mark it as completed in the plan document. do not stop until all tasks and phases are completed. do not add unnecessary comments or jsdocs, do not use any or unknown types. continuously run typecheck to make sure you’re not introducing new issues."

Практичні поради: Надавайте агенту посилання на відкриті проєкти де є приклади схожого коду. Посилайтесь на план коли щось іде не так.

Обговорення
https://news.ycombinator.com/item?id=47106686
Багато користувачів погоджуються з принципом розділення планування та виконання, вважаючи це ефективним для зменшення помилок. Використання детальних планів у файлах .md забезпечують чіткий трек рішень і причин. Плани допомагають виявити упередження моделі, роблячи процес прозорішим.

Критики називають такий метод програмування "сміттям" або "азартною грою", стверджуючи, що він призводить як до "атрофії мозку" залежності від ШІ, так й до низької якість коду.

#claudecode #prompts

Головний висновок: сучасні агенти чудово самі знаходять потрібну інформацію в коді (package.json, README, схеми, типи). Додаткові інструкції частіше заважають, ніж допомагають.

Ключові мінуси таких файлів: зростання вартості так як агент більше читає файли, запускає тести, виконує зайві дії, бо намагається «виконати всі вимоги» з AGENTS.md де зазвичай вже застарілі інструкції вводять модель в оману.

Якщо писати AGENTS.md вручну — тільки мінімальні, точкові вимоги для виправлення конкретних повторюваних помилок агента.

https://www.youtube.com/watch?v=GcNu6wrLTJc

Відео на YouTube: https://www.youtube.com/watch?v=GcNu6wrLTJc

Практичні рекомендації від Theo:

• Краще інвестувати час у чисту архітектуру, сильну типізацію, тести, CI/CD і документацію прямо в коді.
• Сліпе слідування «best practices» від розробників агентів може бути шкідливим. Спробуйте видалити CLAUDE.md / AGENT.md і порівняйте швидкість та якість роботи агента.
• Якщо файл все ж потрібен — робіть його коротким (до 15–30 рядків) і тільки для фіксу однієї проблеми.

Спеціальна техніка prompt engineering для AI-агентів: замість довгих правил у CLAUDE.md додаєте короткі, свідомо неправдиві, але корисні твердження, які керують поведінкою моделі набагато ефективніше.

Приклади, які показує Theo:

• «This project is green» (або українською: «Проєкт зелений / все в ідеальному стані») → Агент перестає шукати неіснуючі помилки, не запускає зайві тести, не «фіксить» те, що не зламане.
• «This is a brand new feature» (або «Це абсолютно новий функціонал, якого раніше не було») → Агент не копіює старий код, не намагається «пристосувати» існуюче рішення, а пише чисто і з нуля.
• Інші варіанти, які часто використовують: – «All tests are passing» – «We always write production-ready code»

Обговорення HN
https://news.ycombinator.com/item?id=47034087
Усі майже одностайно згодні, що файли контексту, згенеровані LLM (часто це команда /init), погіршують результат. Добре написані вручну файли AGENTS.md корисні, але тільки якщо містять неочевидні знання про домен, яких модель не може вивести з коду. Додавати їх тільки після невдалих спроб агента.

Критика дослідження: відсутність вимірювання якості коду (тільки success rate), датасет тільки Python, переважно маленькі/LLM-генеровані репозиторії, до того ж моделі швидко змінюються — результати можуть через місяць вже не бути таким самим.

Документація у AGENTS.md
https://vercel.com/blog/agents-md-outperforms-skills-in-our-agent-evals
Агенти пишуть код для нових API Next.js 16, яких не було в тренувальних даних. Vercel тестували пасивну документацію (індекс реальних файлів docs), як контекст у AGENTS.md й він перемагає активні Skills, бо агенту не треба приймати рішення “чи викликати інструмент зараз?”. Це показує, що короткий розумний AGENTS.md (8 КБ індекс + одна ключова фраза) — це один з найкращих способів дати агенту знання, яких немає в моделі.

#prompts

OpenCode Desktop app
https://opencode.ai/download
OpenCode продовжують покращувати бета версію десктопного застосунку для macOS, Windows та Linux. Він позиціонується як безкоштовна альтернатива пропрієтарним інструментам типу Codex, Cursor чи Devin і активно розвивається.

https://www.youtube.com/watch?v=cGA_6M9x7AM

Відео на YouTube: https://www.youtube.com/watch?v=cGA_6M9x7AM

Хоча застосунок ще знаходиться в бета‑версії, автор відео відзначає вже його швидкість, добрий дизайн та адаптивність.

https://opencode.ai/docs/windows-wsl
Якщо використовуєте десктопну версію на Windows, то backend (серверна частина) краще запускати в WSL (Windows Subsystem for Linux) — зараз є відкриті issues про покращення інтеграції, але WSL вже дає найстабільніший результат. Значно краще продуктивність файлової системи, повноцінна підтримка терміналу та сумісність з інструментами розробки.

#opencode

https://blog.kilo.ai/p/grok-code-fast-optimized
https://kilo.ai/landing/grok-code-fast-1-optimized
xAI закінчили роздавати Grok Code Fast 1 безкоштовно у Kilo з 20 січня, але додали (й вже тимчасово прибрали) оптимізовану безкоштовну версію.

Підписка Copilot у Zed
https://github.blog/changelog/2026-02-19-github-copilot-support-in-zed-generally-available/
GitHub офіційно дозволили використання підписок Copilot Pro, Pro+, Business або Enterprise у Zed завдяки партнерству. Автентифікація відбувається безпосередньо через обліковий запис GitHub Copilot — додаткової ліцензії чи окремого API-ключа не потрібно.

Блокування від Anthropic
https://code.claude.com/docs/en/legal-and-compliance
З січня–лютого 2026 люди зустрічали блокування своєї підписки Pro/Max у інструментах не від Anthropic.

Тепер офіційно задокументували це у розділі Legal & Compliance: OAuth-токени від планів Free, Pro та Max призначені виключно для офіційного Claude Code та Claude.ai. Використання цих токенів у будь-яких сторонніх інструментах, редакторах чи сервісах — заборонено. Обліковий запис буде заблоковано без попередження.

https://news.ycombinator.com/item?id=47069299
Приблизно 80% коментарів критичні до Anthropic. Рішення розцінюється як класичний «enshittification» та lock-in спроба штучно направити всіх користувачів у власний Claude Code, який останнім часом став менш зручним (особливо рішення скрити опис мислення моделі) порівняно з OpenCode, Cursor, Codex, Aider, тощо. Воно призведе тільки до прискорення переходу на альтернативи.

#newllmmodel #kilo #githubcopilot #zed #claudecode

GPT‑5.3‑Codex‑Spark
https://openai.com/index/introducing-gpt-5-3-codex-spark/
GPT-5.3-Codex-Spark — це менша версія GPT-5.3-Codex та модель, оптимізована для генерації коду у реальному часі (понад 1000 токенів на секунду) за допомогаю співпраці з компанією Cerebras. Це крок до гібридного Codex з двома режимами — довгостроковими задачами (години/дні) та реального часу. API поки що тільки для партнерів, ціну не називають.

За оновленням топ закритих моделей оновилися й топ моделі, від китайських компаній.

MiniMax M2.5
https://www.minimax.io/news/minimax-m25
Нова флагманська модель від китайської компанії MiniMax працює на швидкості 100 токенів на секунду, що майже вдвічі швидше за інші передові моделі. Виконує складні завдання на 37% швидше за M2.1 і на рівні з Claude Opus 4.6. Вартість M2.5 в середньому у 10-20 разів дешевша, ніж у Claude Opus, Gemini 3 Pro та GPT-5.

Повністю розгорнута у продукті MiniMax Agent, де користувачі можуть створювати власні "Експерти" для специфічних завдань, використовуючи "Офісні Навички" (Office Skills).

Модель буде доступна 7 днів безкоштовно у OpenCode.

GLM-5
https://z.ai/blog/glm-5
Нова флагманська відкрита (open-source) модель від китайської компанії Zhipu AI (тепер бренд Z.ai), кажуть про "Agentic engineering" (агентна інженерія) — довготривалі складні задачі, кодинг на рівні frontier-моделей. Низький рівень галюцинацій, покращений reasoning, підтримка довгого контексту. Кажуть тренування було на Huawei чипах.

https://www.youtube.com/watch?v=vtWMgVCMsx8

Відео на YouTube: https://www.youtube.com/watch?v=vtWMgVCMsx8

Лідер серед open-weights моделей за Artificial Analysis. Модель сумісна з Claude Code та OpenClaw. Зараз безкоштовно у Kilo Code. Також у OpenCode.

Ollama Cloud
https://docs.ollama.com/cloud та https://ollama.com/pricing
https://ollama.com/library/glm-5
Додали ollama launch opencode --model minimax-m2.5:cloud чи ollama launch claude --model glm-5:cloud так можна запустити основі CLI для програмування підтягнувши в них нові моделі з хмари Ollama. Почати використовувати функцію можна безкоштовно, ще є тарифи за $20 та $100 на місяць.

#newllmmodel #claudecode #glm #minimax

https://www.youtube.com/watch?v=9f2egsZZjnw

Відео на YouTube: https://www.youtube.com/watch?v=9f2egsZZjnw

Оновлення до Claude Opus 4.6
https://www.anthropic.com/news/claude-opus-4-6
Аnthropic покращили Opus 4.5. Покращені навички планування, автономної роботи, рев'ю коду, з документами, пошуку онлайн. У бета-версії 1M токенів контекстне вікно та автоматичне підсумовування старого контексту для довших завдань (Context Compaction). Головне - здатність виконувати триваліші та складніші завдання автономно.

https://code.claude.com/docs/en/agent-teams
У Claude Code додано агентні команди (Agent Teams) для автономної координації кількох агентів. На відміну від субагентів, які працюють в рамках однієї сесії й взаємодія з ними лише через головного агента, тут можна безпосередньо взаємодіяти з окремими членами команди, не проходячи через лідера.

Обговорення HN
https://news.ycombinator.com/item?id=46902223
Скептицизм переважає над ентузіазмом. Багато користувачів не помічають суттєвої різниці між 4.5 та 4.6, деякі навіть пишуть  "10x дорожче за Sonnet, але без різниці". Загальна думка: "всі моделі мають свої проблеми". Масштабна критика Claude Code за повільність, високе споживання пам'яті, використання React для терміналу.

Оновлення до GPT-5.3-Codex
https://openai.com/index/introducing-gpt-5-3-codex/
Покращили GPT-5.2-Codex. Це спеціальна модель для генерації коду складних проєктів та автоматизації. Повинна бути на 25% швидше за 5.2-Codex зберігаючи таку саму точність.

Головний фокус анонсу - Інтерактивна співпраця, можна "steer" під час роботи тобто не зупиняючи модель, допромтити й вона відразу змінить свою стратегію. Це протилежно Opus 4.6, яка намагається сама довго працювати без людини.

Codex як апп
https://openai.com/index/introducing-the-codex-app/
Окрім CLI та розширення до IDE тепер під цією назвою буде й окремий додаток. Він написаний на electron, але на анонсі була тільки mac arm версія з вейт-лістом для інших. Це ще одна спроба створити "центр керування" агентами, такій вже є й у Cursor й у Antigravity. Ця схоже вдала.

https://www.youtube.com/watch?v=ICYbOfW5RoQ

Відео на YouTube: https://www.youtube.com/watch?v=ICYbOfW5RoQ

Це графічний інтерфейс (GUI) для Codex CLI, який дозволяє керувати кількома проектами, агентами та розмовами в одному вікні. Швидке перемикання між проектами та додатками. Голосове керування + відкриття у IDE + автоматичні білди + diff-перегляд.

Обговорення HN
https://news.ycombinator.com/item?id=46902638
Користувачі виділяють різні стратегії, які топ-гравці обрали. У Codex - "Steering mid-execution" - можливість керувати під час роботи. Людина залишається "в петлі" контролю. Швидше відновлення після помилок. - Краща робота з backend та "hard". У Claude збільшення автономії для рою агентів й їх довгої роботи, але люди зазначають що "Fire and forget" підхід часто приводить до хаосу й неякісного коду.

Я думаю, що компанія OpenAI прийняла ряд хороших рішень, якщо ми говоримо про генерацію коду для професійних програмістів, а не вайб-кодерів чи прототиперів. Їм більше підходить Opus 4.6 яка роєм у Claude Code скушає багато токенів, але у фіналі згенерує робочу версію.

Мені подобається, що з певного моменту моделі Codex стали писати після мого запиту як вони мене зрозуміли, і на кожному кроці повідомляють, що саме будуть робити. Генерацію можна швидко зупинити, якщо сталося непорозуміння - дописати нові інструкції та роз'яснення. Я бачу в новому Codex app, судячи з відео, за замоченням навіть буде схован показ коду, який редагується, і лише ці текстові повідомлення.

Крім того, працюючи з CLI, я сам собі створив веб‑апп, у якому керую усіма моїми чатами за всіма моїми проєктами, бо робити це зсередини CLI дуже незручно. Новий Codex app, судячи з відео, саме це й робить — буду чекати його версію під Windows.

#newllmmodel #codex #claudecode

https://www.youtube.com/watch?v=eQyAzZboDbw

Відео на YouTube: https://www.youtube.com/watch?v=eQyAzZboDbw

Високі бали на SWE-Bench (76.8%), близька до GPT-5.2 і Claude Opus 4.5. Добре справляється з реальними задачами генерації коду.

Kimi K2.5 — це не просто текстова модель, а «нативно мультимодальний» інтелект. Вона пройшла донавчання на гігантському масиві даних у 15 трильйонів змішаних візуальних і текстових токенів. Завдяки цьому модель одночасно покращує свої навички як у розумінні тексту, так і в аналізі зображень та відео.

Тому Kimi K2.5 демонструє гарні результати у фронтенд-розробці. Модель може «бачити» власні помилки у візуальному інтерфейсі та автономно виправляє їх (autonomous visual debugging). Модель може конвертувати відео-в-сайт.

Kimi Code CLI 1.0
https://moonshotai.github.io/kimi-cli/en/
Китайська компанія Moonshot AI розробляє власний інтерфейс командного рядка, кросплатформне рішення (Windows, macOS, Linux) — Kimi Code CLI. Останнім часом проєкт пройшов шлях від простого інтерактивного шелла до складної системи. Хоча все ще Technical Preview. В найкращих традиціях Китаю інтерфейс це копія Cluade Code.

CLI вже підтримує Agent Client Protocol (ACP) для інтеграції у Zed IDE, MCP, сторонніх провайдерів та login/logout власного OAuth. Є запуск веб-інтерфейсу через команду kimi web.

Скіли тут мають назву Flow skills. Користувачі можуть описувати сценарії у файлах SKILL.md (з підтримкою діаграм Mermaid/D2) і викликати їх командою /flow.

Підписка за $19
https://www.kimi.com/code
Підписка орієнтована на програмування, доступ с CLI та IDE. Ціни тут ($19 / $39 / $199) на рівні з американськими лідерами ринку, ось що думає Кімі про конкурентоспроможність своїх моделей.

Не можна зареєструватися за номером телефону з України, хоча є Уганда та Уругвай, Білорусь.

#kimi #newllmmodel

Представники Cline офіційно заявили, що компанія продовжує працювати і жодної офіційної угоди (продажу) з OpenAI не було. Це приклад так званого «акві-найму» (acqui-hire) — стратегії, коли велика корпорація поглинає таланти та експертизу команди без офіційного викупу самої компанії. Так Google зробили з Windsurf.

Kilo хоче перехопити розробників
https://blog.kilo.ai/p/cline-just-acqui-hired
Ситуація з Cline (а по суті Kilo є його форком) це погано для спільноти - після «акві-найму» живість проекту зазвичай зникає: оновлення сповільнюються, рішення приймаються за зачиненими дверима. Майбутнє Cline стало туманним.

Тому кожному, хто раніше робив внесок у код Cline, дають $100 на використання сервісів Kilo. П’ятьом найкращим розробникам оплатять поїздку в офіс компанії в Амстердамі для спільної роботи.

Підписка ChatGPT у Cline
https://blog.kilo.ai/p/use-chatgpt-subscription-inside-kilo
https://cline.bot/blog/introducing-openai-codex-oauth
Вслід за OpenCode та Kilo Code у Cline тепер теж можна авторизуватися через підписку ChatGPT та використовувати квоти 5годин/тижня GPT моделей.

#cline #kilo

v0.14 - додалил сумісніть з Anthropic API. Тепер будь-яку відкриту модель можна підключити до Claude Code.

https://docs.ollama.com/integrations/claude-code
v0.15 - Нова зручна команда запуску ollama launch для використання моделей Ollama з Claude Code, Codex, OpenCode та Droid без окремого налаштування.

https://www.youtube.com/watch?v=3x2q6-5XbQ8

Відео на YouTube: https://www.youtube.com/watch?v=3x2q6-5XbQ8

Звісно якість генерації буде нижче ніж через моделі Anthropic, але 100% приватно та без інтернету.

https://docs.ollama.com/integrations/clawdbot
Потім додали ollama launch clawdbot щоб запускати Clawdbot/Moltbot/OpenClaw з локальними моделями.

#ollama

https://opencode.ai/docs/skills/ у OpenCode CLI v1.0.186, 22 грудня 2025 р.
https://qwenlm.github.io/qwen-code-docs/en/users/features/skills/ у Qwen code v0.6.0, 26 грудня 2025 р.
https://geminicli.com/docs/cli/skills/ у Gemini CLI v0.23.0, 7 січня 2026 р.

Clawdbot
https://molt.bot/ та https://www.clawhub.ai/
Саме Skills роблять Clawdbot/Moltbot таким потужним інструментом.

Atlassian, Figma, Canva, Stripe, Notion, Zapier як це булу з Model Context Protocol (MCP) рік тому також випустили свої skills.

Почали з'являтися каталоги

• Vercel зробили https://skills.sh/
• У OpenAI свій https://github.com/openai/skills під Codex
• https://noriskillsets.dev/
• https://skillsmp.com/
• https://mcpmarket.com/tools/skills
• https://paks.stakpak.dev/

https://github.com/runkids/skillshare - синхронизація skills між Claude Code, ClawdBot, OpenCode та інш

#agentskills #claudecode #codex

Різниця між Codex у терміналі (CLI), як розширення для VS Code та у хмарі. Що робить файл AGENTS.md. Як підключати зовнішні сервіси (наприклад, Jira, Figma, бази даних документації) через MCP-сервери.

https://www.youtube.com/watch?v=px7XlbYgk7I

Відео на YouTube: https://www.youtube.com/watch?v=px7XlbYgk7I

Ефективний промптинг: Використання @ для посилання на конкретні файли. Можливість додавати скріншоти (наприклад, макети UI) для генерації коду. Відновлення сесій (codex resume) для продовження роботи над складним завданням.

Просунуті сценарії: Code Review. Написання юніт-тестів та документації. Автоматичне виправлення тестів, що впали, у CI/CD пайплайнах. Генерація діаграм (Mermaid sequence diagrams) для пояснення роботи коду.

Як працює Codex
https://openai.com/index/unrolling-the-codex-agent-loop/
Останнім часом зростає недовіра до Anthropic. Багато хто підкреслює що Claude code не є open‑source проєктом. На фоні цього у OpenAI з їхнім Codex з’явилася можливість просування. Вони випустили статтю, де, перш за все, підкреслили, що їхній проєкт open‑source, будь‑хто може перевірити код і пояснили, як він працює.

В основі роботи Codex CLI лежить «цикл агента» (agent loop), який координує взаємодію між користувачем, AI-моделлю та інструментами. Цей цикл повторюється, доки модель не надасть фінальну текстову відповідь користувачеві. Побудова початкового промпту є складною процедурою: він формується з системних інструкцій, списку доступних інструментів (як вбудованих, так і зовнішніх через MCP-сервери) та опису локального середовища.

З точки зору архітектури, Codex використовує підхід без збереження стану (stateless), відмовляючись від параметра previous_response_id. Це означає, що вся необхідна інформація передається заново в кожному запиті, що дозволяє підтримувати політику «Нульового збереження даних» (Zero Data Retention) для корпоративних клієнтів. Можна використовувати gpt-oss⁠ модель за допомогою ollama 0.13.4+⁠ чи LM Studio 0.3.39+⁠ повністью локально.

https://news.ycombinator.com/item?id=46737630
Багатьох приємно здивував перехід на Rust (проєкт codex-rs), який став основним варіантом, хоча декого плутає спосіб встановлення через npm. Високо оцінили механізм компактизації контексту (/responses/compact), називаючи його найкращим порівняно з конкурентами.

#codex

Головний висновок — просте збільшення кількості агентів ефективне для вирішення складних завдань, якщо правильно налаштувати промпти та моделі (Opus 4.5 схильна «зрізати кути», GPT-5.2 краще у довготривалому плануванні). Рішенням став ієрархічний підхід «Планувальники та Виконавці» (Planners and Workers). Планувальники безперервно досліджують код і створюють задачі, а Виконавці реалізують їх, не відволікаючись на загальну координацію.

Агенти написали понад мільйон рядків коду, створивши з нуля веббраузер, емулятор Windows 7 та клон Excel.

https://www.youtube.com/watch?v=U7s_CaI93Mo

Відео на YouTube: https://www.youtube.com/watch?v=U7s_CaI93Mo

Агенти створили браузер, алі він не працює
https://emsh.cat/cursor-implied-success-without-evidence/
Блогу embedding-shapes розвінчує цей "успіх". Автор стверджує, що експеримент Cursor — це маркетингова ілюзія та фікція, а результат роботи агентів — неробоче сміття: проєкт неможливо зібрати. Команда cargo build видає десятки помилок. Агенти тижнями писали код, але, схоже, жодного разу не перевіряли його на працездатність і ігнорували помилки компіляції.

Це "AI slop" тобто згенерований текст, який виглядає як код, але не має за собою реальної логіки чи робочої структури. Агенти просто "нагнали" обсяг (мільйон рядків), але не виконали базовий мінімум: створити програму, яка хоча б запускається і відкриває простий HTML-файл. Тобто вони створили код, а не програму.

https://news.ycombinator.com/item?id=46646777
Користувачі (зокрема nindalf) заглянули у файл залежностей (Cargo.toml) і виявили, що "браузер" використовує готові компоненти від Servo (двигун від Mozilla/Igalia) для парсингу HTML та CSS, а також бібліотеку QuickJS для JavaScript. Заява Cursor про те, що агенти написали все це "з нуля" (from scratch), була визнана брехнею. Код, який згенерували агенти, — це переважно "клей", що з'єднує чужі готові бібліотеки.

Спільнота підтвердила висновки автора статті embedding-shapes: код не компілюється, тести провалені, а історія комітів показує, що агенти просто генерували гігабайти тексту без перевірки працездатності. Заяви про "мільйони рядків коду" та "автономних агентів" розраховані на менеджерів та інвесторів, які не будуть перевіряти репозиторій. Ситуацію порівнюють із шахрайством (fraud).

#cursor #autonomousagents

Його припущення. Раніше моделі часто помилялися в синтаксисі або структурі. Все далі більше сучасних користувачів ШІ генераторів коду це "вайб" програмісти. Якщо він прийняв код модель вважає, що вона впоралася. Так працює навчання на основі людського фідбеку, яке й отруює нові ітерації моделей та вчить "догоджати" користувачеві, маскуючи проблеми, замість того, щоб писати коректний та безпечний код.

https://news.ycombinator.com/item?id=46542036
Значна частина коментаторів вважає, що моделі не стають гіршими, просто змінюється їхня "архітектура можливостей", а старі методи промптингу вже не працюють. Розробники мають постійно адаптуватися. Робота з ШІ це не магічно правильні відповіді щоразу, а окрема інженерна дисципліна, яка потребує ретельної перевірки (audit) та складних інструментів контролю.

Деякі припускають, що великі провайдери на підписках динамічно підміняють великі моделі меншими (дистильованими) під час пікових навантажень. Через це користувачі періодично бачать "тупіння" ШІ.

#prompts

Один із коментаторів зауважив, що метод використання "Max" плану в Opencode ніколи не був офіційно дозволеним Anthropic, тому блокування було лише питанням часу.

Багато розробників у коментарях пишуть, що вони скасували свої платні підписки на Claude, оскільки без OpenCode він їм не підходить. Деякі користувачі переходять на внутрішній сервіс "Zen" від самих розробників OpenCode, який працює через API, але де оплата йде за фактично використані токени, а не фіксована сума за місяць.

https://news.ycombinator.com/item?id=46549823
Багато розробників на HN стверджують, що за останній час OpenCode став технічно кращий за офіційний інструмент Anthropic. Спільнота вважає що рішення про блокування пов'язано з телеметрією: використовуючи офіційний Claude Code CLI, ви за замовчуванням (або через маніпулятивні вікна) погоджуєтеся надавати Anthropic дані про те, як ви приймаєте або відхиляєте код. Це безцінно для навчання майбутніх моделей. Сторонні клієнти на кшталт OpenCode «крадуть» ці дані у Anthropic.

Надалі з’ясувалося, що «блокування» було досить примітивним: OpenCode просто імітував офіційну поведінку, надсилаючи системний промпт: «Ти — Claude Code, офіційний CLI від Anthropic». Спільнота вже знайшла «милиці»: зміна назв інструментів (наприклад, з великої літери) або оновлення плагінів на деякий час повертають працездатність.

https://github.com/anomalyco/opencode/releases/tag/v1.1.11
Opencode додали підтримку тарифного плану Codex від OpenAI.

#opencode #claudecode