# Сопутствующие статьи по теме Код

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Код", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Почти 5000 проблем за более чем сутки: аналитики провели масштабный аудит биткоин-экосистемы

Команда Bitcoin Red Team провела масштабный аудит безопасности экосистемы биткоина, обнаружив 4962 потенциальные уязвимости в 390 проектах за 27,5 часа. Среди них 85 уязвимостей были классифицированы как критические, а 635 — как высокого уровня опасности. В работе участвовали 16 специалистов, которые использовали сочетание ручной проверки и инструментов на основе искусственного интеллекта, что позволило в среднем находить 2,31 критическую или высокоуровневую проблему на человека в час. Большинство критических уязвимостей уже подтверждены разработчиками соответствующих проектов. Команда признает, что её деятельность создала дополнительную нагрузку на разработчиков, но подчеркивает важность оперативного информирования для скорейшего устранения рисков.

cryptonews.ru08/06 11:27

Почти 5000 проблем за более чем сутки: аналитики провели масштабный аудит биткоин-экосистемы

cryptonews.ru08/06 11:27

Компания Block повысила прогноз на 2026 год после сильного квартала, заявив, что ИИ затрагивает почти весь код

Финтех-компания Block повысила годовой прогноз после сильного второго квартала, обусловленного ростом Cash App и Square. Валовая прибыль выросла на 25% в годовом исчислении до $3,17 млрд, превысив предыдущие ожидания компании. Скорректированная операционная прибыль также оказалась выше прогноза, составив $855 млн, а скорректированная прибыль на акцию ($1,02) превысила консенсус-прогноз Wall Street. На фоне этих результатов Block повысила годовой прогноз по валовой прибыли до $12,51 млрд и по скорректированной операционной прибыли до $3,47 млрд. Финансовый директор Амрита Ахуджа связала это с сильными результатами первого полугодия и сохраняющимся импульсом. Кроме того, в письме акционерам компания заявила, что в июне агентный ИИ помогал писать и проверять почти все изменения в производственном коде. Это произошло спустя месяцы после сокращения 4000 рабочих мест в феврале в рамках реструктуризации, ориентированной на ИИ. По словам руководителя бизнеса Оуэна Дженнингса, количество изменений кода на одного инженера с начала года выросло на 150%.

cointelegraph08/06 01:46

Компания Block повысила прогноз на 2026 год после сильного квартала, заявив, что ИИ затрагивает почти весь код

cointelegraph08/06 01:46

Покажи мне «Властелина колец»: Капати рекомендует новый бенчмарк для оценки больших моделей

Разработчик Андрей Карпати представил новый эталонный тест для больших языковых моделей (LLM) под названием «Властелин колец» («The Lord of the Rings Benchmark»). Тест призван заменить популярный ранее тест «Пеликан, едущий на велосипеде» (Pelican Riding a Bicycle SVG Test), который стал слишком простым для современных моделей. Новый тест заключается в том, чтобы модель на основе текстового описания начала романа «Властелин колец» (глава «Долгожданная вечеринка») создала интерактивную 3D-сцену с помощью библиотеки Three.js. Модель Anthropic Opus 5 справилась с задачей, сгенерировав около 5500 строк кода за 2 часа, используя примерно 1 миллион токенов. Получившаяся сцена, хотя и выглядит грубовато (напоминая раннюю 3D-анимацию), демонстрирует способность модели понимать пространственные отношения, описания объектов и преобразовывать нарратив в исполняемый код. Карпати и другие энтузиасты также протестировали другие модели, такие как DeepSeek-V4, результаты которых показали типичные для текущего уровня ошибки (например, парящие объекты). Ключевой вывод теста: современные LLM могут генерировать код и создавать сцены, но пока не способны «войти» в свой собственный мир для его проверки — например, запустить и протестировать созданную игру. Сообщество отреагировало множеством экспериментов: созданием 3D-модели Нью-Йорка, виртуального концерта Kanye West и даже прототипов игр. Это показывает, что новый тест не только оценивает пространственное мышление и долгосрочное планирование модели, но и открывает новые возможности для низкобюджетного создания прототипов интерактивного 3D-контента. Дискуссия вокруг теста поднимает вопросы: измеряет ли он принципиально новую «пространственную» способность или же это естественное расширение универсальных рассуждений LLM? И если модель сама может координировать создание сложных мультимедийных проектов (код, видео, аудио), то как это изменит роль специализированных инструментов для генерации контента?

marsbit08/03 08:56

Покажи мне «Властелина колец»: Капати рекомендует новый бенчмарк для оценки больших моделей

marsbit08/03 08:56

OpenAI официально учит 8 приёмам работы с ChatGPT

OpenAI представила обновленное руководство по промптингу с восемью ключевыми приёмами для более эффективного взаимодействия с ChatGPT: 1. **Используйте новейшую модель**, например GPT-5.6 Sol, для лучшей производительности. 2. **Давайте конкретные инструкции** – чётко описывайте желаемый результат, формат, стиль и объём, чтобы избежать переделок. 3. **Помещайте инструкцию в начало** и используйте разделители вроде `###` или `"""`, чтобы отделить задачу от текста. 4. **Приводите примеры** – показывайте моделью ожидаемый формат и структуру ответа. 5. **Начинайте с zero-shot подхода**, затем добавляйте несколько примеров (few-shot), и только в крайнем случае переходите к тонкой настройке (fine-tuning). 6. **Избегайте расплывчатых формулировок** – вместо «напишите кратко» укажите «напишите 3–5 предложений». 7. **Фокусируйтесь на том, что нужно сделать**, а не только на том, чего делать не следует. 8. **Для генерации кода используйте «направляющие слова»** – например, `import` для Python или `SELECT` для SQL, чтобы задать правильный контекст. Кроме того, OpenAI представила функцию **«Generate Anything»**, которая автоматически создаёт промпты под вашу задачу, упрощая процесс взаимодействия с ИИ. Эти рекомендации помогут получить более точные и качественные результаты от ChatGPT.

marsbit07/16 08:27

OpenAI официально учит 8 приёмам работы с ChatGPT

marsbit07/16 08:27

Все в сети ругают Claude за «глупость», Anthropic объясняет: проблема не в модели, а в вас

Клод стал глупее? Нет, пользователи просто не понимают разницу между «моделью» (Model) и «усилием» (Effort). Объяснение от Anthropic: Model — это «мозг» ИИ, его замороженные во время обучения возможности. Effort — это «отношение к работе», то, насколько тщательно ИИ выполнит задачу: проверит ли файлы, запустит ли тесты, выполнит ли многошаговую работу до конца без запросов. В марте 2024 многие жаловались на «глупость» Claude Code. Оказалось, Anthropic тихо изменил *стандартный* уровень Effort с high на medium для снижения задержек. Когда через месяц настройку вернули, производительность «восстановилась». Проблема была не в модели, а в усилии. **Ключевое правило:** если Claude пропускает шаги, ленится, просит лишней информации — повышайте Effort. Если он явно старается, но дает принципиально неверный результат даже с идеальным промптом — меняйте модель на более мощную. Sonnet с высоким Effort может обойти Opus с низким на многих задачах, требующих тщательности. Дорогой Fable нужен только для узкоспециализированных проблем. Вывод: эра простого выбора самой мощной модели заканчивается. Теперь ключевой навык — грамотное «управление» ИИ: распределение задач между моделями с разным уровнем усилий для оптимального результата и стоимости.

marsbit07/12 05:58

Все в сети ругают Claude за «глупость», Anthropic объясняет: проблема не в модели, а в вас

marsbit07/12 05:58

Gemini 3.5 Pro: утечка строго секретной информации. Фронтенд-генерация обгоняет Fable 5

【Эксклюзивная утечка】Google готовится представить Gemini 3.5 Pro 17 июля. Согласно утекшим данным, модель демонстрирует значительный скачок в генерации фронтенд-кода и визуальных элементов, превосходя в этой области конкурента Fable 5. Сообщается о «пиксельной точности», улучшенном чувстве стиля, чистом UI и высокой завершенности генерируемых страниц и SVG с одного запроса. Однако в «жестких» задачах — сложных многошаговых рассуждениях, агентской работе и масштабной разработке — Gemini 3.5 Pro, как отмечается, все еще уступает Fable 5 и GPT-5.6. Основная причина задержки релиза, по слухам, — не тонкая настройка, а полное повторное предобучение модели на новом фундаменте. На этом же обновленном фундаменте Google якобы разрабатывает и модель для генерации изображений Nano Banana Pro, чтобы конкурировать с GPT-Image 2. Ожидается, что с выходом Gemini 3.5 Pro Google сделает мощный рывок, пытаясь наверстать упущенное в интенсивной гонке больших языковых моделей.

marsbit07/06 12:28

Gemini 3.5 Pro: утечка строго секретной информации. Фронтенд-генерация обгоняет Fable 5

marsbit07/06 12:28

Всего 1600 строк кода создают подводный Манхэттен, Fable 5 шокировал Капарти

**Статья: «Fable 5 и 1600 строк кода создают подводный Манхэттен, потрясая Карпати»** Система Fable 5 от компании Fable демонстрирует прорывные возможности в генерации интерактивных 3D-миров на базе текстовых промптов. Энтузиаст Питер Гостав (Arena.ai) представил видео, в котором с помощью модели было создано 63 сложных 3D-сцены, преимущественно с использованием Three.js и за один проход. Наиболее впечатляющим примером стал детализированный подводный Манхэттен, сгенерированный всего 1600 строками кода. Среди других сцен — исторические города (Истанбул, Лондон), природные явления (извержение вулкана, водопад), «ожившие» полотна Ван Гога и Моне, в которые можно «войти», и симуляции (полёты, паркур). Андрей Карпати, недавно присоединившийся к команде предобучения в Anthropic, назвал результаты «невероятными» и ввёл термин «fablemaxxing», описывающий качественный скачок с каждым новым уровнем модели. Он отметил, что модель, обученная на интернет-данных, демонстрирует неожиданное понимание физики и повествования (например, рыба, вырывающаяся из пасти медведя). Гостав отмечает, что ключевая сложность для ИИ — не создание отдельных объектов, а согласованное управление множеством элементов в сцене. Хотя представленные работы были отобраны из большего числа сгенерированных (около 20% отбракованы), и игровые механики пока остаются слабым местом, способность модели с первого промпта создавать сложные, связные миры знаменует новый этап. Границы возможностей Fable 5 даже для её создателей до конца не ясны, и эта технология открывает новые горизонты для творчества и прикладных задач.

marsbit07/06 09:49

Всего 1600 строк кода создают подводный Манхэттен, Fable 5 шокировал Капарти

marsbit07/06 09:49

Результаты первых внутренних тестов GPT-5.6 Sol: стоимость аналогичной задачи в два раза ниже, чем у Fable 5

Представлены первые результаты закрытого тестирования GPT-5.6 Sol. Модель демонстрирует высокую эффективность: по данным инженера Nvidia, она достигла эффекта ускорения CUDA за 30 часов, в то время как Opus потребовалось 64 часа. В задачах кодирования Sol генерирует более лаконичный код — примерно в 5 раз меньше строк, чем у Opus, что упрощает долгосрочную поддержку проектов. Хотя в некоторых тестах, особенно в создании сложного контента (например, 3D-игр), Sol пока немного уступает Fable 5, его ключевым преимуществом является стоимость: цена Sol примерно в два раза ниже (5$ за млн входных и 30$ за млн выходных токенов против 10$ и 50$ у Fable 5). Кроме того, пользователи отмечают, что ограничения безопасности в Sol менее строгие, чем в Fable 5. Модель оптимизирована для сложных, многоэтапных задач, требующих планирования и глубоких рассуждений. Ожидается, что GPT-5.6 Sol скоро станет доступен для всех пользователей, а не только для избранных партнеров.

marsbit07/06 07:30

Результаты первых внутренних тестов GPT-5.6 Sol: стоимость аналогичной задачи в два раза ниже, чем у Fable 5

marsbit07/06 07:30

Подтверждено: Claude Code тайно проверяет пользователей, временные зоны и китайские AI-лаборатории — ключевые слова

Сегодня компания Anthropic оказалась в центре скандала. В тот же день, когда она анонсировала модель Claude Sonnet 5 и сообщила об отмене экспортных ограничений США на Claude Fable 5 и Mythos 5, в сообществе разработчиков была раскрыта тревожная информация. Разработчики обнаружили, что инструмент Claude Code тайно собирает данные пользователей. В частности, он проверяет системный часовой пояс пользователя (например, Asia/Shanghai) и анализирует переменную среды `ANTHROPIC_BASE_URL` для определения использования пользовательских прокси или API-серверов. Эти адреса затем сравниваются со скрытым списком из 147 доменов, связанных с китайскими технологическими компаниями и ИИ-лабораториями (такими как Baidu, Alibaba, Moonshot AI), а также с зеркалами и реселлерами Claude. Собранная информация не передаётся открыто. Вместо этого она кодируется в системные промпты, отправляемые в облако, с помощью стеганографии. Например, меняется формат даты (с 2026-06-30 на 2026/06/30) или используются различные почти неразличимые символы Unicode (например, ' , ʼ , ʹ) в фразе "Today's date". Эти изменения служат скрытыми метками, указывающими на использование китайского часового пояса, прокси или доступ с доменов из списка. Основная проблема заключается не в самом сборе телеметрии, а в скрытном и нераскрытом способе её реализации, который нарушает доверие пользователей. Учитывая, что Claude Code имеет доступ к исходному коду и может выполнять команды, такое поведение вызывает серьёзные вопросы о конфиденциальности и прозрачности. После разоблачения представитель Anthropic заявил, что спорный код будет удалён в следующем обновлении.

marsbit07/01 03:45

Подтверждено: Claude Code тайно проверяет пользователей, временные зоны и китайские AI-лаборатории — ключевые слова

marsbit07/01 03:45

Лао Хуан: Prompt мертв, весь мир ИИ лихорадочно гонится за Loop

Недавно в Кремниевой долине наблюдается бум вокруг концепции «Loop Engineering» (инженерия циклов). Ведущие эксперты, включая Дженсена Хуанга (NVIDIA), утверждают, что ручное написание промптов устарело, и будущее за проектированием автономных циклов, в которых ИИ самостоятельно выполняет задачи. Согласно статье, традиционный prompting требует постоянного человеческого участия на каждом шагу. Loop Engineering меняет парадигму: человек становится архитектором системы, которая сама обнаруживает задачи, исполняет их, проверяет результаты, сохраняет состояние и продолжает работу в цикле 24/7. Ключевыми компонентами являются: определение цели, создание механизмов верификации (самый важный этап, требующий отдельного агента-оценщика), настройка планировщика и постоянной памяти. В июне 2026 года Addy Osmani (Google) официально ввел термин, представив Loop Engineering как четвертый уровень над prompt, context и harness engineering. Распространившаяся 11-страничная «белая книга» и практическое руководство на 14 шагов описывают, как строить такие системы, предупреждая о рисках: «долг верификации», «когнитивная капитуляция» и неконтролируемый расход токенов. Хотя циклы потребляют больше времени и вычислительных ресурсов (пример с разработкой игры в Anthropic: 9$ за 20 минут против 200$ за 6 часов), они обеспечивают значительно более высокое качество результата. Будущее видится за инженерами, которые не пишут промпты, а проектируют эффективные автономные циклы, оставаясь ответственными архитекторами и сохраняя критическое мышление. Prompt умер, да здравствует Loop.

marsbit06/29 08:39

Лао Хуан: Prompt мертв, весь мир ИИ лихорадочно гонится за Loop

marsbit06/29 08:39

活动图片