Павленко внедряет ИИ

Inco выпустила Splash – новый движок для локальных языковых моделей на Mac. В тесте разработчиков Qwen3.8-27B на коротких запросах генерирует примерно вдвое быстрее oMLX и втрое быстрее Ollama.

Решил проверить на своём Mac mini M4 Pro с 64 ГБ памяти. Прогнал одинаковые задания с контекстом 8K, 16K, 32K и дополнительно 128K. Как у Inco: medium и лимит 1024 токена.

У меня получились такие результаты:

• Splash генерировал быстрее Ollama: на 67% на 8K, на 69% на 16K, на 74% на 32K.
• На 128K Splash генерировал примерно в 2,8 раза быстрее Ollama. При первом чтении контекста 128K первый токен появился примерно через 38 минут у Ollama и 33 минуты у Splash.
• Проверил Pi на исправлениях кода со штатным бюджетом ответа. Оба варианта выполнили все три задания и прошли все 27 проверок. Вся цепочка со Splash заняла на 69% меньше времени.

У пакетов разное квантование; это сравнение готовых вариантов запуска.

Разбор и графики в блоге 🖥

Выводы делайте сами.

Привет, я Павел Павленко. Встраиваю ИИ-агентов в разработку в больших компаниях и считаю, что из этого вышло.

Сейчас руковожу направлением GenAI в IT-дочке крупной авиакомпании. Строю у нас AI SDLC, то есть агентов прямо в пайплайне разработки, от кода до автотестов. Запускаю пилоты ИИ-инструментов в командах и меряю, что они дали. Ещё спроектировал корпоративного ИИ-ассистента на внутренних данных компании и собрал ИИ-аватара. Он отработал на ЦИПР, потом про него писали СМИ.

До этого был в Lamoda Tech: вёл несколько команд разработки и первым запустил там пилот GitHub Copilot. В разработке с 2002 года.

Здесь рассказываю, как внедрение выглядит изнутри: как выбираем инструменты, как считаем эффект, где спотыкаемся и почему безопасники всегда против. Новости про ИИ тоже будут, но с моим мнением, приживётся это в корпорации или нет.

Если хотите так же у себя, могу помочь. Провожу воркшопы для команд разработки на вашем стеке и веду спринты внедрения с метриками. Подробности: makeitbeta.ru/consulting. Писать в личку: @region23.

LinkedIn: linkedin.com/in/region23

Самое недооценённое с DevDay: harness Codex открыт, и его можно встраивать к себе 🧩

Все обсуждают dots и новые модели. А мне как человеку, который внедряет AI SDLC в компаниях, интереснее другое. На DevDay OpenAI отдельно подчеркнула, что Codex, Work и dots работают на одном harness. Он лежит в open source, и теперь его можно запускать ещё и в их облаке.

Что такое harness. Это всё, что вокруг модели: агентный цикл, работа с контекстом, вызов тулов, песочница, апрувы человека, перенос работы между шагами. Код здесь: github.com/openai/codex

Почему это важно. Обвязка влияет на результат не меньше, чем модель. У OpenAI есть наглядный пример: на ARC-AGI-3 GPT-5.6 Sol вырос с 13.3% до 38.3% только за счёт сохранения reasoning и компакции контекста. Выходных токенов при этом стало в 6 раз меньше. Модель та же, обвязка другая, и результат втрое лучше и дешевле.

Как встроить, три уровня:
▫️ codex exec. Неинтерактивный запуск для скриптов и CI-джоб со структурированным выводом. Ревью MR, генерация тестов, разбор упавшего пайплайна прямо в CI.
▫️ Codex SDK. Запуск, продолжение и стриминг агентных задач из своего кода.
▫️ app-server. Для случаев, когда агент становится частью продукта: держит диалоги, стримит события, обрабатывает апрувы. UI, MCP-тулы и правила твои, агентный цикл их.

Главная мысль, под которой подпишусь: не надо загонять людей в очередной чат с ИИ. Агента нужно встраивать туда, где работа уже идёт: в дашборды, очереди, таск-борды. Перевёл задачу в Ready, и агент начал реализацию. Так и выглядит зрелый AI SDLC.

Кто уже так делает. GitHub и JetBrains встроили Codex в IDE, Cisco использует SDK в своём App Builder. В налоговом пилоте Thrive обработали 7000 деклараций и сократили время подготовки примерно на треть.

🔒 А что с закрытым контуром?
Открыт harness, а не модель. Но Codex умеет работать с кастомными провайдерами: в config.toml указываешь свой base_url и подключаешь внутренние Qwen или DeepSeek.

Нюанс, на котором спотыкаются многие: с февраля Codex говорит только на Responses API. «OpenAI-совместимость» в привычном смысле /chat/completions не подойдёт, и Codex будет стучаться в несуществующий маршрут. Нужен шлюз, который умеет новый формат.

У многих в контуре перед моделями как раз стоит LiteLLM, а он поддерживает Responses API. Выглядит как готовое решение: Codex смотрит в LiteLLM, LiteLLM в во внутренние open-source модели - всё внутри периметра. Скоро прогоню на реальных задачах и расскажу, что получилось.

Что это даёт: не нужно писать свой агентный рантайм. Песочница, апрувы, компакция контекста, MCP и стриминг событий уже есть, а codex exec встраивается прямо в CI.

Чего не стоит ждать: harness отлажен под модели OpenAI. На Qwen и DeepSeek качество tool calling и длинных сессий может просесть, поэтому мерить надо на своих задачах, а не верить на слово. И отключите встроенный веб-поиск, в закрытом контуре он ни к чему.

Даже если строите на другом стеке, как референсную архитектуру агентного рантайма это стоит изучить.

Кто уже подключал Codex к своим моделям через шлюз? Делитесь в комментах 👇

OpenAI DevDay 2026: что показали 🚀

Только что закончилась презентация, в ней больше 20 анонсов. Пробегусь по главному.

🔵 Dots. Это always-on агенты на GPT-6 Astra. У каждого свой облачный компьютер и браузер. Работает 24/7, учится на твоём фидбэке и подключается к 4000+ приложениям через плагины. Писать ему можно в ChatGPT, Slack и Teams, а можно просто позвонить голосом. Пока доступно на Pro и Business Premium. По-моему, самое прикольное из всего.

🧠 GPT-6.1 Sol. Почти уровень Astra в агентном кодинге и computer use, но в 5 раз дешевле. Кэшированный вход стоит $0.10 за 1M токенов.

⚡ Ultrafast. Премиум-режим скорости: до 300 токенов/с, до 8× быстрее в Codex и до 6× в API. Пока работает на Astra, в новом тарифе Pro 500 (лимиты ×25 от Plus) и в Enterprise.

🛠 Agents API. Тот же harness, на котором работают Codex и Dots, теперь можно встроить в свои продукты: мультиагентность, tool search, компакция контекста, а теперь ещё и computer use. Инфраструктуру держит OpenAI. Сам harness Codex лежит в open source (CLI, SDK, app-server), и теперь его можно запускать в облаке.

☁️ Codex в облаке. Закинул задачу и закрыл ноут: сессия не рвётся, следить за ней можно с любого устройства, включая телефон. К этому добавили переиспользуемые окружения для команды, обновлённый CLI с голосовым управлением и Codex Security Cloud, который сканирует репозитории на уязвимости и готовит фиксы.

🎯 Decisions API. Быстрые решения на модели Luna по заранее заданному набору ответов: классификация, роутинг, выбор следующего шага агента. Пока limited preview.

👥 ChatGPT Space. Рабочее пространство для команды, людей и агентов: общая база знаний, Pages (живые документы), скоро появятся совместные слайды. Плюс теперь можно звать @ChatGPT в Slack и Teams.

🔑 Sign in with ChatGPT. Лимиты своей подписки теперь можно официально тратить в сторонних инструментах: Devin, Notion, Vercel и ещё десятке партнёров. Для Plus и Pro.

🔌 Для разработчиков плагинов. Свои панели прямо в сайдбаре ChatGPT и поддержка MCP Events, чтобы плагины запускали автоматизации по событиям.

Ну и всем выдали ресет лимитов 🎉

Днём ещё будут сессии для офлайн-участников, самое интересное оттуда узнаем завтра. Полный рекап: openai.com/index/devday-2026-recap

Помните, как ждали презентации Apple? Готовились, собирались, смотрели в прямом эфире, потом неделю обсуждали.

Честно: сейчас это уже не торт. Одно обновление камеры за другим 🥱

Новый тренд — смотреть так, как когда-то смотрели Apple, но уже OpenAI и Anthropic. Именно там сейчас показывают то, что меняет нашу работу, а не только цвет корпуса.

📅 Сегодня, 20:00 МСК: OpenAI DevDay 2026

Канал сменил название. Был «Павленко про Dev & AI», стал «Павленко внедряет ИИ».

Причина простая. Каналов «про AI» тысячи: релизы, бенчмарки, пересказы твитов. Я этим не занимаюсь. Я внедряю ИИ в разработку внутри больших компаний: сначала в Lamoda, теперь в АФЛТ-Системс. Согласовываю с безопасниками, запускаю пилоты и смотрю, что вышло на самом деле, а не в презентации вендора.

Старое название говорило, о чём я пишу. Новое говорит, что я делаю.

Что здесь будет дальше: пилоты с цифрами до и после, агенты в CI/CD, разбор, где это ломается и почему. Новости тоже останутся, но с моей оценкой: что из этого заработает в корпорации, а что нет.

Яндекс выложил AliceAI-Foundation-80B-A3B-Base. Это первая суверенная модель полностью обученная с нуля.

Модель действительно обучена с нуля: свой корпус, свой токенизатор, ~18T токенов, лицензия Apache 2.0 без условий. 80B параметров, 3B активных на токен, контекст 262K. И вот это, по-моему, главная новость: предыдущий флагман Alice AI LLM 235B был инициализирован от Qwen. А тут впервые настоящая собственная база. Сами Яндекс называют её экспериментальной и обкатывают на ней архитектуру будущей рассуждающей модели для агентов Алисы AI.

Архитектура любопытная: три слоя линейного внимания Kimi Delta Attention на один слой обычного, MoE на 512 экспертов, из них 10 активных плюс один общий. Отсюда 262K контекста без взрыва KV-кэша.

Цифры. Сравнивали с базовыми Qwen3.5-35B-A3B, Nemotron-3-Super-120B и DeepSeek-V4-Flash. На русских фактах и экспертных знаниях отрыв большой: WikiWebFacts 86.5 против 62.4 у Qwen, право 49.6 против 27.9. На математике и коде паритет с Qwen того же размера: AIME ровно 96.7 у обеих. На английских знаниях проигрывает крупным: TriviaQA 79 против 89. Два самых сильных бенчмарка собственные яндексовские, но выложены с протоколом, перепроверить можно.

Относительно лидеров опенсорса это другая весовая категория: у Kimi K3 и GLM-5.3 десятки миллиардов активных параметров, тут три. В своём классе это уровень Qwen3.5 плюс русский. Догонят ли быстро, не думаю: разрыв сейчас в post-training и RL для агентов, а этого Яндекс пока не показал.

Кому смотреть: если продукт на русском и про знания, а не про код. Плюс Apache 2.0 закрывает вопрос про иностранные веса, который в госкомпаниях задают постоянно. Минус: 160 GB в bf16, запуск на 4 GPU, квантов пока нет, до чата нужен свой SFT.

huggingface.co/yandex/AliceAI-Foundation-80B-A3B-Base

Anthropic объединяет Cowork, Claude Design и обычный чат в одном интерфейсе — больше не нужно выбирать, куда нести задачу.

Ещё появились Claude Docs и Claude Slides, а Design теперь работает прямо в диалоге. Результат можно редактировать, показать по ссылке, презентовать из Claude или скачать в PDF/PowerPoint. Всё три — пока в бете на платных планах. Раскатка началась для Pro и Max, Free и Team подключат позже, а Enterprise предупредят минимум за 30 дней.

Очень логичный шаг. Всё чаще вижу, как приживаются «народные» интерфейсы для агентов — с тем же успехом в массы идёт и GPT Work.

Подробнее про релизы — [тут](https://claude.com/blog/cowork-is-now-claude).