AI-дайджест недели

Astra раскатали всем, в анонсе стоит 99,9 % на ARC-AGI-3. ARC Prize опубликовал обе цифры: 62,7 % на стандартной обвязке за 26 098 $ и 99,9 % на провайдерской за 18 817 $. Первая про модель, вторая — про модель вместе с обвязкой.

Почему важно: по входу и выходу Astra и Fable 5.1 стоят одинаково — 10 $ и 50 $ за миллион токенов. А чтение из кэша у Astra стоит 1 $ против 0,25 $ у Fable. Агентский цикл перечитывает контекст на каждом шаге, поэтому в счёте за прогон эта разница весит больше, чем разница в проценте на бенчмарке.

Риск цены и бенчмарки взяты из анонса, своего прогона у автора ещё нет («Ожидаю, что к моменту теста у меня накопится лимитов штук пять»), ссылок в посте тоже нет — числа стоит сверить с прайсом провайдера.

Вышел Coddy Agent 1.0 — CLI-агент с фоновыми задачами и сабагентами. У каждого сабагента свой контекст и своя сессия, а роль задаётся markdown-файлом в .coddy/agents или в ~/.coddy/agents, если она нужна во всех проектах.

Почему важно: оркестратор получает только финальный отчёт, транскрипт остаётся в дочерней сессии и виден в панели Tasks. Это лечит ровно тот случай, который знает любой, кто разбирал чужую кодовую базу: агент читает пачку файлов, контекст забивается, качество падает. Конфиг правится из чата с подтверждением, старая версия уходит в снапшот, откат — одной командой.

Риск проект молодой: за три недели прошло двадцать семь промежуточных релизов. Авторизация через NeuralDeep ведёт в сервис, который развивает сам автор, а экономия токенов на сабагентах заявлена, но в посте не измерена.

В версиях до v2.1.259 prompt cache не работал: каждый ход уходил по полной цене вместо дешёвых cache reads. По чейнджлогу это починили.

Почему важно: лимиты выгорали не потому, что задачи стали тяжелее, а потому, что сломанный кэш превращал каждый шаг длинной сессии в полноценный запрос. На агентской работе с большим контекстом это самая дорогая ошибка из возможных, и она чинится обновлением.

Риск единственное подтверждение — пересказ чейнджлога: «Судя по чейнджлогу v2.1.259, вопрос с кэшем в Claude Code решили». Ни ссылки, ни скриншота расхода, ни замера в посте нет, компенсацию лимитов автор сам считает маловероятной.

Команда год приводила проект к общепринятым именам и чётким границам слоёв: «внутрь сервиса может поступать только структура, модели появляются внутри, но не снаружи». Когда единообразие стало повсеместным, генерируемый код стал предсказуемым.

Почему важно: модель училась на типовом коде и выдаёт типовые решения. Своё ноу-хау в именах и слоях — это ровно то, чего в её обучении не было, поэтому агент регулярно «делает не те выводы». Дешевле подвинуть проект к типовому, чем каждый раз объяснять исключения в промпте.

Риск у авторов на активный рефакторинг ушло больше года, а один такой пулреквест тянет изменения в сотнях файлов. Единственная цифра в посте — «почти 100 процентный уровень генерации в one shot» — про фронтенд на Mantine, а не про Go-бэкенд.

Microsoft Digital 3 сентября 2026 года рассказала о внедрении spec-driven development и начала с неудобного признания: разработчики освоили AI-инструменты и стали работать быстрее, а прироста на уровне команды не получили. Замысел терялся при передаче работы между участниками.

Почему важно: ответ у них не в новом инструменте, а в живой спецификации, которая лежит в репозитории и меняется вместе с продуктом: бизнес-цель, пользовательские сценарии, пограничные случаи, критерии приёмки. До неё команда согласует «конституцию» — архитектурные принципы, требования безопасности и ограничения. Считать при этом предлагают весь путь от задачи до принятого результата, включая согласования, ревью и переделки.

Риск автор сам снимает половину доказательной силы: «Впрочем, здесь нет замеров до и после или контрольной группы». Смена ролей PM и инженеров — командное решение, в одиночку из него берётся только сама спека.

Мейнтейнер выпустил go-exhaustruct v5.2.0 с поддержкой go1.27 и игнором blank-assignments — тех самых присваиваний, которыми проверяют соответствие интерфейсу. Из-за отсутствия обратной совместимости в golangci-lint линтер доступен под именем exhaustruct_v5.

Почему важно: это единственная чисто Go-новость недели, и она требует ручной правки. Пятая версия живёт рядом со старой, поэтому .golangci.yml не подхватит её сам: пока ключ старый, вы остаётесь на старом линтере и на старом поведении с blank-assignments.

Риск прямо сейчас не заработает: «Теперь останется дождаться нового патча golangci-lint и можно будет пользоваться». К агентам и Codex пост не привязан вообще — это чистая гигиена репозитория.

Завирусился skill от humanlayer — show-me. Он помогает понять диффы с помощью кратких диаграмм, псевдокода или HTML, ставится одной командой.

Почему важно: на ревью чужого PR первый вопрос не «что изменилось в строках», а «что изменилось по смыслу». Схема из диффа отвечает на него быстрее, чем последовательное чтение файлов, и особенно заметно это на рефакторингах, где строк много, а идея одна.

Риск в посте нет ни примеров, ни ограничений — всё обоснование в одной фразе: «Я попробовал, мне понравилось, рекомендую и вам!». Skill сторонний, и он читает ваш дифф, так что на закрытом коде это отдельное решение.

mise описывает не только версии языков под проект, но и cli, внешние репозитории и dotfiles — всё в одном mise.toml. Дальше mise upgrade в папке с файлом собирает окружение, сам выбирая brew на macOS и apt на Linux.

Почему важно: агентам нужны те же cli, что и человеку — docker compose, kube, helm, git, сами cli-агенты. Если язык живёт в докере, эта обвязка всё равно остаётся снаружи, и на новой машине или в свежем контейнере её приходится поднимать руками.

Риск к Go и к агентам это относится косвенно, а новизны немного: «В принципе это давно существующая штука», пишет сам автор. Декларативный bootstrap помогает там, где стек разношёрстный, и почти ничего не даёт монорепозиторию с одним языком.

Автор дал Gemini 3.8-Flash задачу сложнее обычного чата: собрать описание PR, разобравшись в логах агента за пару дней. PR был про мемоизацию, поиск бутылочных горлышек с бенчами скорости и памяти и сравнение с двумя коммитами базовой линии.

Почему важно: это проверка не на бенчмарке, а на задаче с проверяемым результатом. В сгенерированном описании нашлась конкретная фактическая ошибка: замер памяти оказался привязан к коммиту, которого не было в списке. Такой прогон даёт понятную метрику — число правок на одно описание — и работает для любой новой модели.

Риск у модели узкий вход: «Работает только в antigravity. Я нашел прокси в OPENAI compatible, но пишут что банят». Лимиты Pro кончились у автора за пару часов, а свой вывод он сам ещё считает предварительным — обещает поставить модель основной на неделю и вернуться с полной картиной.