Vibecoder | Станислав Быстрицкий

Moonshot вчера выкатили Kimi K3 — и на Frontend Code Arena она обошла Fable 5. Причём не по синтетическим бенчам, а в живых слепых сравнениях: разработчики ставили друг против друга результаты моделей на одной и той же задаче и в 76% случаев выбирали Kimi. Скачок для линейки Moonshot дикий: предыдущая Kimi K2.6 сидела на 18-й строчке, K3 — сразу на первой. Через 17 позиций, за одно поколение. Что там под капотом, если коротко: 2,8 триллиона параметров (крупнейшая опенсорс-модель в истории), 1M контекста, натив по картинкам. Цена по API — $3 / $15 за миллион токенов, ровно как у Opus 4.8. Полные веса выложат 27 июля. И тут дело даже не в самой K3, а в тренде. Раньше опенсорс всегда отставал от закрытых моделей на поколение-два. Теперь Moonshot выкатывает модель, занявшую первое место по фронтенду и обещает открытые веса через десять дней. По цене K3 стоит как Sonnet 5 — $3/$15 за миллион токенов. А качество, судя по арене, уровня Fable 5, за которую Anthropic просит $10/$50 через usage credits. То есть если пилишь клиентам сайты, лендинги и интерфейсы — за ту же работу теперь можно платить в три раза меньше, а результат получать лучше. ___________ 🪙 Прогрузиться в вайбкодинг

Telegram запустил Serverless для ботов и Mini Apps. Штука интересная: весь бэкенд бота — код, база SQLite, исходящие HTTP-запросы — теперь можно держать прямо на инфраструктуре Telegram. Никаких VPS, никакого uptime, никаких платежей провайдерам. Всё разворачивается одной командой tgcloud push, а каждый вызов бота идёт в отдельном изолированном V8-инстансе — тот же движок, что в Chrome и Node. Для тех, кто пилит ботов клиентам на фрилансе, потенциально это переворачивает экономику. Никакого сервера в аренду. Никаких объяснений клиенту, почему бот лежит с трёх ночи. Про нагрузку тоже думать не надо — масштабируется само. Одна команда, и всё живёт. Но есть два важных момента. Первый — доступа пока нет. Код Дурова пишет: сервис в закрытом тестировании, приглашения рассылают через @ContestBot победителям конкурсов Telegram и разработчикам фреймворков. Когда откроют публично — ни слова. Второй — 152-ФЗ. Если делаешь клиенту бота, который собирает данные пользователей — ФИО, телефоны, e-mail, — эти данные по закону должны храниться в России. Serverless-инфраструктура Telegram живёт где угодно, кроме РФ. То есть под удобной кнопкой «деплой одним кликом» может ждать штраф для клиента. Клиника, юрист, интернет-магазин — сюда категорически не заезжаем. Англоязычные проекты и боты без персональных данных — без вопросов. Как думаете, сколько это будет стоить, когда откроют? И реально ли сделают бесплатный тариф или сразу пойдёт usage-based? ___________ 🪙 Прогрузиться в вайбкодинг

Палю свой конвейер инструментов, который позволяет автоматизировать поиск, закрытие и ведение клиентов на фрилансе. Новый ролик: https://youtu.be/fXxkGaT8uQE

Первые клиенты вашего стартапа, скорее всего, уже пишут в интернете, что им нужен ваш продукт. Просто пишут не вам. Жалуются на конкурента в Reddit, просят посоветовать инструмент, описывают костыль из таблиц и ручных скриптов. Главная проблема — найти эти разговоры раньше, чем они утонут в поисковой выдаче. Для этого сделали First Customer Finder — скилл для Codex, которым недавно поделился Грег Брокман. Кидаешь ему URL продукта, а дальше Codex определяет узкий ICP, ищет публичные сигналы боли и отбирает людей, у которых проблема существует прямо сейчас. Для каждого кандидата сохраняет источник, дату, объясняет соответствие продукту и готовит первое сообщение на основе реального контекста. На тестовом запуске скилл нашёл пять основателей ранних SaaS. Один уже попробовал Reddit, LinkedIn, холодные письма и Product Hunt, но не получил пользователей. Другой закончил запуск с одним signup и $0 MRR. Не абстрактные «лиды из нужной индустрии», а люди, которые сами публично описали проблему. Главное преимущество — на выходе получается не мусорная база контактов, а короткий список проверяемых гипотез с аккуратным HTML-отчётом. Но магии нет. Результат зависит от веб-поиска Codex: закрытые сообщества и плохо индексируемые обсуждения он пропустит. Оценки выставляет модель, а актуальность каждого сигнала всё равно нужно проверять вручную. То есть это не автоматический отдел продаж. Скорее customer discovery, упакованный в одну команду. ___________ 🪙 Прогрузиться в вайбкодинг

Внимание, лысый Илон Маск Я попросил своих студентов поскидывать забавные фотки, сгенерированные барбер-ботом, который мы делаем на обучении вайбкодингу. Вот мои любимые) Артемий Лебедев с нормальным цветом волос - моя работа. Ради этого бот и создавался, если честно😄

Игровой движок в жанре Doom, где ИИ врагов, коллизии и каждый пиксель считает SQLite. Проект называется DOOMQL, и там SQL отвечает вообще за всё: движение игрока, коллизии, ИИ врагов, стрельба, рейкастинг стен, RGB-значения каждого пикселя на экране. Python в проекте есть, но он занимается ровно двумя вещами — берёт нажатия клавиш и печатает результат SQL-запроса в терминал. Никакого игрового кода на Python нет, это в тестах даже принудительно проверяется. Как это вообще работает. На каждом кадре SQL читает таблицы игрока и карты, возвращает по строке на каждый пиксель с его RGB, и второй SELECT собирает их в цветные блоки для терминала. Весь видимый кадр — это результат одного запроса вида SELECT scanline FROM render_frame ORDER BY y. Играется в терминале, поддерживает ходьбу, стрельбу, лут, монстров, финального босса Deadlock. 36 автотестов гоняют детерминированный реплей и следят, чтобы Python случайно не залез в игровую логику. Собрано ради спортивного интереса. Хороший индикатор того, куда доросли модели: раньше подобное занимало у энтузиастов месяцы. ___________ 🪙 Прогрузиться в вайбкодинг

Одна из самых недооценённых настроек у современных агентов — уровень усилий, effort. Даже среди тех, кто плотно сидит в вайбкодинге, я редко встречаю тех, кто пользуется им осознанно. А зря. Многим кажется, что effort — это про «подумать подольше». На самом деле смысл шире. Это ещё и о том, сколько файлов ИИ полезет читать, будет ли гонять тесты сам, как далеко зайдёт в многошаговой задаче до того, как остановится и спросит тебя. Разница по расходу токенов на одном промпте, если верить свежей статье от Lydia Hallie из Anthropic, доходит до 7 раз. Модель отвечает за то, что Claude знает. Effort — за то, сколько сил он вкладывает. Многие используют обе настройки как одну. Отсюда практический принцип. Агент ошибся — сначала загляни в контекст: промпт, CLAUDE.md, скиллы. Ошибка чаще всего там. Только если контекст чистый, а Claude всё равно облажался — задай вопрос: не хватило знаний или не постарался? Тонкий баг, незнакомая область — вопрос к модели. Пропустил файл, не прогнал тесты — вопрос к effort. Кстати, крутить effort на макс «на всякий случай» бесполезно: Anthropic специально следят, чтобы модель не раздувала токены на простых задачах. И ещё контринтуитивный момент из статьи — на реально сложной многошаговой работе крупная модель нередко выходит дешевле, чем мелкая. Мелкая долбится в свой потолок итерациями, крупная доходит до результата за меньше шагов. Ещё зацепило в статье. На одну и ту же задачу можно зайти двумя путями. Взять Sonnet 5 и поднять effort до максимума — он прочитает все нужные файлы, прогонит тесты, глубоко разберётся в коде. Или взять Opus на низком effort — он подскажет решение из своего опыта, но копаться в конкретной кодовой базе не будет. По расходу токенов и деньгам это часто выходит сопоставимо. ___________ 🪙 Прогрузиться в вайбкодинг

продолжение... Модуль по запуску IT стартапа Пока что там один урок (постепенно будем заполнять) — запись закрытого эфира с Егором Данченко, основателем мессенджера Rossi, который за несколько месяцев завайбкодил приложение и привлек более 200к регистраций чисто за счет органики в тиктоке, шортсах, рилсах. Это не чел из кремниевой долины с миллионами долларов инвестиций. Это буквально наш слон, и делится инфой для таких же, как он сам. Дальше, барабанная дробь.. Модуль по разработке Telegram бота С полного нуля создаем бота для примерки прически с помощью нейросети для генерации изображений. Здесь собрано все от планирования и проектирования до работы с БД, подключением оплат через звезды и юкассу, безопасности и автоматического деплоя на сервер с помощью специального скилла. А также информация о том, как хранить бота и БД на сервере в РФ (чтобы соответствовать 152-ФЗ) и не быть задушенными блокировками. В общем, контента появляется много. Обновление раз в 1-2 недели. Дальше будет разработка веб-приложения, новый модуль по продвинутым техникам вайбкодинга, новое фуллстек приложение. И окончательно разделим обучение по тарифам. Вот и концовка, где я должен стимулировать тебя на покупку. Не вижу смысла как-то особо впаривать. У тебя есть своя голова на плечах, чтобы понять, надо оно тебе или нет. Если интересно, переходи на лендинг, изучай, там больше инфы. Постоянный промо для подписчиков: VIBE1

я продолжаю активно обновлять обучение вайбкодингу. За последние несколько недель вышло много крутых материалов. Загибайте пальцы Бесплатный модуль Полноценный мини-курс из 6-ти уроков и полутора часов видео. В нем начальная база по вайбкодингу, промптинг по правилам Anthropic и практика - создаем сервис по изучению иностранного языка. В конце я даю карту обучения, чтобы стать профессионалом в вайбкодинге и выйти на фриланс / запуск своих мини-продуктов. Начать учиться можно, не заплатив ни копейки, без рассрочек, без ввода карты. Модуль про инструменты для вайбкодинга Звучит скучно, но внутри сок - инфа по тому, как выбрать инструмент, полный пошаговый путь от регистрации, подтверждения по смс, оплаты до готового аккаунта с подпиской. И в конце еще одна практика (ее много не бывает). Делаем два проекта: рулетку решений и генератор идей для стартапов Модуль по работе с Codex Просто полный гайд, как вы просили. Обзор интерфейса, команды, скиллы, агенты, фишки и т.д. Ничего сверхъестественного.

Стэнфорд опубликовал работу, которая может стать самым полезным чтивом для тех, кто работает с Claude на клиентских задачах. Проблема, которую они разобрали, знакома каждому вайбкодеру. Просишь модель написать десять вариантов описания продукта для лендинга — а она выдаёт десять почти одинаковых. Просишь три идеи для рекламной кампании — все три звучат так, будто написаны одним и тем же копирайтером. Это называется mode collapse, и виновата в нём фаза RLHF-обучения: аннотаторы, которые размечают ответы модели, естественным образом выбирают более привычные и предсказуемые формулировки. Из-за этого модель после alignment фактически теряет доступ к своим же креативным вариантам, которые она усвоила на pre-training. Решение, которое предложили Мэннинг и его команда, обидно простое. Вместо «напиши мне слоган для кофейни» — «напиши пять слоганов для кофейни и их вероятности, что ты выдал бы именно этот». В такой формулировке модель обращается не к «одному самому вероятному ответу», а к распределению — и вытаскивает варианты, которые обычно давит alignment. По их замерам, разнообразие ответов вырастает в 1.6-2.1 раза. И — важное для нас — чем сильнее модель, тем больше эффект. То есть Fable 5 и Sonnet 5 выигрывают от этого приёма ещё сильнее, чем предыдущие поколения. Допустим делаешь клиенту 20 вариантов заголовков для его сайта или десяток названий для стартапа. Обычным промптом получишь пять живых и пятнадцать унылых копий. С Verbalized Sampling — двадцать реально разных вариантов, из которых клиент выбирает сам. Работы столько же, продукт заметно лучше. ___________ 🪙 Прогрузиться в вайбкодинг