AI for Devs

✨ Everything is a Plugin ✨

В маркетплейсе плагинов их уже почти 9 тысяч: память между сессиями, управление браузером, доступ с телефона, интерактивные графики в чате и даже pomodoro (целых 3 версии!).

Однако мы уже рассказывали про попытки Google и Meta забенчмаксить всё, что можно забенчмаксить.

На свежем Terminal-Bench 4.0 Argon уступает всем трём конкурентам из таблицы, а на FrontierSWE v2 проигрывает и Astra, и Opus 5.5.

Это относительно свежие бенчмарки, и мы бы ориентировались именно на них.

Anthropic проделали это с GLM-5.3. В среднем по трём тестам доля отказов упала примерно с 95% до 6%. На остальных бенчмарках способности модели при этом практически не изменились.

На ExploitBench модель получила 12% успешных попыток разработки полноценного эксплойта против 14% у Mythos Preview.

• Тариф Pro Max за $500/мес — новый x25. И эксклюзивный Ultrafast для Astra в Codex: ускорение в 8 раз (~300 токенов/с)

• Codex — добавили голосовое управление и команду /agents в CLI, облачные задачи с доступом с телефона и отдельный интерфейс для код-ревью.

• Decisions API — Luna выбирает ответ из заданных вариантов: классифицирует контент, маршрутизирует запросы и определяет следующий шаг агента. Пока в ограниченном превью. Jev оказал влияние)

В DeepSWE 1.1 новая Sol достигла уровня Astra и уверенно обошла предыдущую Sol.

– Pro за $200 снова откроют для новых подписчиков, но поменяют подсчёт использования. В пересчёте на стоимость API включённый объём станет вдвое меньше, чем раньше.

– Лимит на 5 часов возвращать не будут. Недельный запас можно тратить тогда, когда удобно.

– Сделать обещают больше, чем месяц назад на том же Pro. Объясняют это ростом эффективности моделей. Дальше обещают больше работы и выше качество за те же деньги.

– Цены API продолжат снижать. По словам представителя, GPT-6 Sol и Luna уже подешевели вдвое. Искусственно завышать прайс ради «выгодности» подписки не хотят.

– В перспективе разница между подпиской и API за тот же доллар должна сократиться, чтобы большинству было разумно покупать использование по мере необходимости.

– На DevDay представят фичи, которые не расходуют лимиты. Какие именно — пока секрет.

Стоиомость в API осталась прежней — $2/$10 за миллион входных и выходных токенов, но благодаря меньшему расходу токенов одна задача обходится дешевле.

Питер рассказал, что из проекта удалили около 400 тысяч строк тестов, а покрытие почти не изменилось. По его словам, модели любят писать тест на каждое мелкое изменение, даже когда пользы от него нет.

TL;DR: Чем выше effort, тем больше Claude сам принимает решений, проверяет результат и ищет крайние случаи.

• Low — наброски, обсуждение идей и простые правки, когда хочется быстро получить ответ и продолжить диалог
• Medium — обычная разработка, в том числе реализация новых фич
• High — баги в существующем коде и задачи, где важно тщательно проверить результат
• Max — сложная автономная работа от начала до конца, например сборка приложения или поиск уязвимостей в критичном ПО

На расплывчатых задачах высокий effort означает ещё и больше предположений, которые Claude сделает за вас. Поэтому Тарик предлагает сначала уточнить требования, собрать первую версию на low или medium, посмотреть, правильно ли Claude понял задачу, а затем переключиться на high для тестов и проверки.

Возможно, за максимальной скоростью стоит Cerebras, но связь с новым тарифом пока не подтверждена.

Действующим подписчикам Pro дают разовый кредит $100, Max — $250: сначала расходуется он, затем обычный лимит плана.

Забрать кредит можно до 7 октября по ссылке или командой /claim-credit.

По тестам OpenAI, Sol почти догоняет Claude Fable 5 в сложных задачах разработки при примерно на 80% меньшей стоимости, а улучшенное кэширование даёт скидку 90% на повторно используемый контекст.

• Terminal-Bench 4.0: 66,4% против 57,9% у GPT-6 Astra, 55,8% у Fable 5.1 и 52,3% у Opus 5

• FrontierCode 1.1: 54,4% против 53,3% у Astra и 48% у Opus 5

• CursorBench 4.0: 57,8% против 51,8% у Fable 5.1 и 46,6% у Opus 5

На DeepSWE флагман Xiaomi получил 71,9% против 74% у Opus 5 и 73% у GPT-5.6 Sol. Но на новом Terminal-Bench 4.0 пока заметно отстаёт от Opus 5: 34,9% против 49%.

Миллион выходных токенов Pro-версии стоит $0,87 — в четыре раза дешевле DeepSeek V4 Pro, в 17 раз дешевле Kimi K3 и примерно в 20–30 раз дешевле GPT-5.6 Sol и Opus 5.

Flash обойдётся в $0,14/$0,28 за миллион входных/выходных токенов. Что примерно на ровне с DeepSeek V4 Flash и немного дешевле Qwen3.8 Flash и GLM-5.3 Flash.

Ранее Илон Маск обещал выпустить Grok 4.7 в конце августа, затем перенёс релиз на 11 сентября. В обозначенную дату попросил дать модели ещё немного «довариться».

В итоге сроки сдвинулись примерно на месяц, и вот сегодня модель зарелизили.

По тарифам: 2 800 ₽/мес. за 200 минут работы моделей или 10 000 ₽/мес. за 1 000 минут. Неиспользованные минуты переносятся на следующий месяц.