Разработчик свёл свои логи Claude Code и обнаружил: подписка прежняя, а полезной работы на Opus в ней осталось примерно на шестую часть. В тот же вечер Anthropic выпустил Sonnet 5 — почти уровень Opus 4.8, но вдвое дешевле, и он уже стоит по умолчанию у всех. Из-под экспортного замка наконец выпустили Fable 5, а учёным открыли отдельный верстак Claude Science. День богат на практику: ниже готовые промпты, самообучающийся скилл и разбор, как переупаковать почасовую работу, чтобы зарабатывать больше.
Главное за 30 секунд
- Anthropic выпустил Sonnet 5 — почти уровень Opus 4.8 на агентных задачах, но по вводной цене $2/$10 за миллион токенов; уже стоит по умолчанию у всех.
- США сняли экспортный замок с Fable 5 и Mythos 5 — Fable 5 вернулся глобально сегодня, сага недели закрыта.
- По логам разработчика лимиты Opus в Claude Code просели до ~16% прежних — цена та же, работы в разы меньше.
- Готовый промпт недели: переписать почасовую услугу в пакет с фиксированной ценой и метрикой результата — прямой рост заработка.
- Свежие данные Ramp: компании, вложившиеся в ИИ, за два года нарастили штат на 10%, а джуниоров — на 12%.
Внедряем и улучшаем
Переупакуй почасовую услугу в пакет за фиксированную цену — и заработай больше. Консалтинг упёрся в простую арифметику: если ИИ делает сорокачасовую работу за десять часов, клиент рано или поздно спросит, почему платит за сорок. The Neuron разбирает сдвиг индустрии — от почасовой оплаты к оплате за результат. Deloitte, по данным WSJ, уже показывает консультантам график, на котором почасовой консалтинг к 2035 году теряет большую долю рынка. McKinsey отмечает, что больше 30% гонораров уже привязаны к результату клиента.
Ловушка простая. Платишь только за время — стимул тянуть время. Платишь только за объём задач — стимул гнать брак. Хорошая модель оплаты держится на четырёх опорах: понятная база, чёткая цель, рамки качества и общий выигрыш. Плохая версия — «платим за каждый закрытый тикет». Лучшая — базовая ставка плюс премия за реальное улучшение, при котором не просели ни качество, ни частота ошибок.
Первый шаг для вас — превратить одну свою почасовую услугу в пакет с фиксированной ценой. Назовите бизнес-результат, определите артефакт, добавьте метрику успеха, задайте лимит правок и честно разделите, что ускоряет ИИ, а что по-прежнему требует человека. Готовый промпт от The Neuron (выпуск):
Rewrite this hourly service as a fixed-scope offer.
Hourly service:
[paste service]
Typical client:
[paste client type]
What AI speeds up:
[paste tasks]
What still requires human judgment:
[paste tasks]
Give me:
1. Offer name
2. One-sentence promise
3. Deliverables
4. Timeline
5. Success metric
6. Revision policy
7. Fixed-fee positioning
Мысль на память: клиенту всё равно, что ваш процесс стал быстрее. Ему важно, что результат стал понятнее, дешевле или безопаснее.
Сделай рекламные креативы за одну команду в Claude. The Rundown показал скилл Goose Ads: Claude сам сканирует сайт, вытягивает «ДНК бренда» и собирает рекламные макеты. Рецепт дословный (гайд):
1. В терминале выполните: npx gooseworks install --all — ставит скилл Goose Ads для Claude
2. Запустите claude, затем в новой сессии Claude Code:
/goose-ads create ads for my brand [название бренда] [ссылка на сайт]
3. Claude заведёт проект в Goose Ads и пришлёт ссылку — там видно, что скилл вытащил с сайта
4. Промпт: "Pick 3 templates from Goose Ads, estimate credit usage, and wait for approval."
После одобрения Claude соберёт финальные креативы
Совет по деньгам от авторов: сначала генерите черновики на низком качестве, а лучшие идеи дорабатывайте картинкой в ChatGPT или Nano Banana. Так вы не жжёте кредиты на заведомо проходные варианты.
Заведи самообучающийся скилл — и агент перестанет каждый раз изобретать велосипед. Каждую сессию агент заново выстрадывает одно и то же: как достучаться до прод-базы, где лежат ключи, какой командой деплой. Сессия кончилась — знание испарилось. Скилл self-learning-skills (MIT, за первые часы уже 440+ звёзд) учит агента ловить момент, когда он нашёл рабочий «золотой путь», и сохранять его туда, откуда следующая сессия подхватит его сама.
Ставится одной командой под 70+ агентов:
npx skills add kulaxyz/self-learning-skills # в текущий проект
npx skills add kulaxyz/self-learning-skills -g # глобально, во все проекты
Для Claude Code есть и путь через плагин: /plugin marketplace add kulaxyz/self-learning-skills, затем /plugin install self-learning@self-learning-skills. Знание ложится в SKILL.md (Claude Code, Codex), в .cursor/rules/learned/ (Cursor) или в AGENTS.md (Zed, Aider, Gemini CLI).
Главная защита от мусора в конфиге — правило повышения. Находка становится полноценным навыком, только если выполнены все три условия: путь реально проверен (прошёл тест, зелёная сборка), назван провал, который навык предотвращает, и указан хотя бы один тупик, который отбросили. Не хватает одного — остаётся черновой заметкой. И ещё: скилл никогда не пишет сами секреты, только где их взять (имя переменной, менеджер секретов).
Преврати повторяющуюся задачу в скилл Claude готовым промптом. Если вы раз за разом объясняете Claude один и тот же порядок действий — упакуйте его в переиспользуемый скилл. The Neuron даёт заготовку: выберите задачу, которую делаете каждую неделю, опишите черновой процесс и вставьте в Claude (выпуск):
You are an expert at turning everyday workflows into reusable Claude Skills.
Here is one recurring task I do:
[PASTE YOUR WORKFLOW DESCRIPTION HERE]
Turn this into a complete, reusable Claude Skill with:
- a clear Skill name
- the role Claude should play
- the exact step-by-step process to follow
- the output format
- quality standards
- hard rules and things to avoid
Write it so I can save it and reuse it later without re-explaining the task.
В следующий раз начинаете с фразы «Use my [название] Skill on this input». Это лёгкий вход в ту же тему скиллов, о которой мы писали всю неделю, — только без чтения теории, сразу готовый шаблон.
Кейс 7-Eleven: как встроить ИИ в маркетинг, чтобы им реально пользовались. У сети из 85 000 магазинов брифы на кампании расползались по почте, приложению, радио и точкам продаж. Универсальные чат-боты проваливали проверки бренда и не вписывались в рабочие процессы. Команда собрала своего маркетингового ИИ-ассистента на Databricks Mosaic AI и LangGraph — и то, что занимало часы и дни, стало делаться за минуты (разбор).
Вывод, который стоит украсть: кастомный ИИ, встроенный в реальный процесс и с рамками контроля, приживается — а универсальные боты бросают. Пошагово: возьмите один повторяющийся тип кампании, распишите каждый шаг от брифа до финального текста, попросите ИИ сгенерить черновики под все каналы одним структурированным промптом, пропустите вывод через одного человека-редактора и только потом расширяйтесь. Сначала отладьте один процесс — потом остальное.
Claude Code втихую подорожал впятеро — планируйте лимиты заново. Разработчик Винсент Шмальбах свёл свои логи и обомлел: при той же подписке и той же машине объём работы на Opus рухнул (разбор). Строгий подсчёт видимых токенов: текущая неделя — 1,44 млн против 8,9 и 8,5 млн в прежние «тяжёлые» недели. Это 16–17% от старого уровня. Его вывод дословно: «effective price of the useful work seems to be about 5 times higher».
Самое неприятное — на свежем аккаунте счётчик 5-часового и недельного лимита просел с ~100% до 65/84% за вечер, при этом в видимых логах ноль строк расхода Opus. То есть полоска прогресса не сходится с реальной просадкой. Anthropic ничего не анонсировала; последний публичный анонс от 6 мая, наоборот, обещал рост лимитов.
Что с этим делать. Не доверяйте только полоске — ведите свой учёт токенов по логам Claude Code, чтобы видеть реальный расход. Если планируете практику и проекты по старым лимитам Opus, закладывайте буфер и переносите рутину на модели подешевле. Кстати, вышедший в тот же день Sonnet 5 как раз метит в эту нишу — почти Opus, но вдвое дешевле по табличке.
Знай свой инструмент: Claude Code метит запросы невидимыми символами. Исследователь под ником Thereallo разобрал бандл Claude Code 2.1.196 и нашёл любопытное (разбор, 2000+ на Hacker News). В строке системного промпта «Today's date is …» инструмент может тихо подменить апостроф на визуально неотличимый Unicode-символ и заменить дефисы в дате на слэши. В этих мелочах закодированы два бита: известный ли домен и есть ли в нём ключевое слово чужой лаборатории (deepseek, moonshot, zhipu и др.).
Спокойствие: у большинства это выключено. Метка включается, только если вы задали свой ANTHROPIC_BASE_URL не на официальный api.anthropic.com — то есть гоняете Claude Code через сторонний прокси, роутер моделей или реселлер. Цель, судя по всему, — вычислять серых посредников и попытки дистилляции модели на бэкенде Anthropic. Практический смысл для вас скорее про доверие: прятать телеметрию в невидимой пунктуации — странный ход для инструмента с доступом к вашим файлам и терминалу. Автор резюмирует: «Trust is earned in the boring parts».
Как учиться с ИИ, чтобы он делал вас умнее, а не глупее. Грант Сандерсон (3Blue1Brown) в подкасте Дваркеша дал россыпь практичных советов, как использовать LLM в обучении (эпизод). Первое: выбирайте, «у кого» учиться, а не «что» учить. Понравилась книга — читайте того же автора, а не другую книгу по теме. Хорошая лекция держится на человеке, который выстраивает мотивацию и порядок идей.
Второе: объяснение от LLM — как статья в Википедии. Потрясающе, но это «локальный минимум», где каждое предложение обязано быть верным. Живой автор может намеренно чуть упростить и поправиться по ходу — так рождается понимание, а не сумма фактов. Третье: используйте LLM как «прокачанный Google» — спрашивайте «кого почитать, что посмотреть» и выходите на человеческий первоисточник. И держите в голове осечку: Сандерсон рассказал, как Claude выдал рабочую ссылку на видео, но приписал его не тому автору. Ссылку проверяйте, авторство — тем более.
Инструменты и штуки
Claude Science — научный верстак от Anthropic. Это не новая модель, а отдельное приложение поверх ваших тарифных моделей Claude: обзор статей, работа с базами данных, построение фигур и тяжёлые вычисления в одном окне. Само пишет batch-скрипты и гоняет задачи по SSH на вашем ноутбуке, кластере Slurm или в Modal — от одного GPU до сотен. Ключевая фишка — воспроизводимость: к каждой фигуре «приварены» код, окружение и разговор, который к ней привёл, а фоновый проверяльщик ловит неверные цитаты и числа без источника. Подключается к 60+ научным базам, сырые данные остаются на машине лаборатории. Бета для macOS и Linux на платных планах, для академических лабораторий — скидочный тариф (страница).
Nano Banana 2 Lite и Gemini Omni Flash — Google добавил в API для разработчиков две медиа-модели. Lite рисует картинку за 4 секунды по $0,034 за штуку — под массовые задачи, где не нужен топ качества. Omni Flash генерит и правит 10-секундные видеоклипы по $0,10 за секунду и лидирует в слепых рейтингах text-to-video. Задумка — связка: собрать кадр в Lite и оживить его в Omni. В США персонализированную генерацию картинок в Gemini уже раздают бесплатно (анонс).
Devin Fusion — мульти-модельная обвязка от Cognition. Смешивает передовую и экономичную модели: главный агент плюс «напарник» динамически распределяют работу и снижают затраты на 35% на бенчмарке FrontierCode без потери качества. С подключённой Fable 5 — минус ещё 41% к стоимости. Смысл простой: дорогую модель зовут только на сложном (блог).
DeepSeek DSpark — открытый фреймворк ускоряет работу модели до 85% без изменения смысла ответа. Работает как разведчик: забегает на несколько шагов вперёд и набрасывает вероятный черновик, а большая модель быстро проверяет, какие шаги брать. Это спекулятивное декодирование — модель-малышка пишет, большая только сверяет, выходит быстрее. Исходники открыты (разбор).
Cursor для iOS — кодинг-агент теперь в кармане. Публичная бета: запуск облачных и локальных агентов с телефона, обновления через Live Activities, мерж пул-реквестов на ходу. Удобно для инцидентов и быстрой реакции на фидбек. Одна оговорка: на Hacker News предупреждают, что установка Cursor на iOS необратимо меняет настройки приватности — стоит проверить перед установкой (блог).
X MCP server — официальный хостинг-сервер, который подключает Grok, Claude и Cursor напрямую к API соцсети X. Агент под правами вашего аккаунта ищет по всему архиву постов, проверяет тренды, ведёт закладки и черновики. Полезно для мониторинга упоминаний и ресёрча без ручного копирования (доки).
ClinePass — доступ к открытым кодинг-моделям без своих ключей внутри редактора Cline. Со скидкой подключает GLM, Kimi, DeepSeek, MiMo и другие модели. Цена $9,99 в месяц — дешёвый способ гонять рутину на открытых моделях, не заводя API-ключи (страница).
Draft — собирает контекст из встреч, Slack и GitHub и вливает его в новые сессии агентов. Смысл — перестать заново объяснять агенту проект каждый раз. Удобно командам, где несколько человек гоняют одних и тех же агентов (сайт).
sim-use — даёт ИИ-агенту «глаза и руки» на экранах iOS-симулятора и Android-эмулятора. Открытый CLI от японского холдинга LY (LINE + Yahoo). Фишка — команда ui превращает экран в компактный текстовый список элементов (в ~16 раз меньше токенов, чем сырое дерево), а tap @5 жмёт по элементу без координат. Круг «посмотрел — нажал — проверил» занимает ~300 мс. Агент прогоняет UI-сценарии, ловит краши, снимает видео — одна петля работает и на iOS, и на Android. Ставится через Homebrew, бесплатно, Apache 2.0 (репозиторий).
Fundamental-Ava — Python-фреймворк, который запускает тысячи автономных агентов в общей среде и смотрит, что возникает само: роли, нормы, законы, расслоение по богатству. Каждый агент простой (воспринял — обдумал — сделал), но эмерджентность тут измеряют не «на глаз», а статистикой с p-значением. Внутри есть голосование за законы и BFT-консенсус при сбойных агентах. Любопытная песочница для исследователей мультиагентных систем; ядро работает и без LLM. Apache 2.0, Python 3.11+ (репозиторий). Оговорка: репозиторий приклеен к мемкоину $AVA, так что к громким словам относитесь спокойно.
TabFM — zero-shot модель Google для табличных данных. Годами тут царили XGBoost и случайные леса, но развернуть их — это часы подбора гиперпараметров и ручной инженерии признаков. TabFM берёт всю таблицу как промпт и предсказывает за один проход, без обучения под каждый датасет. На бенчмарке TabArena обходит тщательно затюненные отраслевые алгоритмы. Веса и код уже открыты, а в ближайшие недели прогноз можно будет запускать прямо в BigQuery одной SQL-командой AI.PREDICT — без навыков ML (анонс).
Foresight (Lightning Rod) — калиброванный API для прогнозов. Даёт разработчикам точные оценённые предсказания будущих событий и создан заменить обычную LLM в прогнозных сценариях, где важна не болтовня, а откалиброванная вероятность. Любопытно для аналитики и риск-моделей (упомянут в Techpresso).
Halo и OpenClaw — два личных ассистента на телефон. Halo сшивает приложения iPhone (почта, календарь, напоминания, музыка, здоровье) в один приватный ассистент для брифингов и автоматизаций (сайт). OpenClaw — ИИ-агент для почты, календарей и домашней автоматизации, теперь вышел на iOS и Android, попробовать бесплатно (App Store).
Новости и тренды
Claude Sonnet 5: почти Opus за половину цены. Anthropic выпустил новую среднюю модель и называет её самой агентной из линейки Sonnet. Умеет планировать, работать в браузере и терминале, тянуть длинные задачи — то, ради чего раньше брали дорогой Opus. По цифрам она вплотную подобралась к Opus 4.8: SWE-bench Pro 63,2% против 69,2% у Opus, Terminal-Bench 2.1 — 80,4% против 82,7%, а на рабочих задачах GDPval даже сравнялась (1618 против 1615). Вводная цена — $2/$10 за миллион токенов до 31 августа, потом $3/$15; у Opus — $5/$25.
Что это значит для вас. Sonnet 5 уже стоит по умолчанию у Free и Pro, доступен в Claude Code и по API как claude-sonnet-5. Заявлены меньше галлюцинаций и подхалимства, чем у прошлой версии. Но есть подвох, о котором сразу написали скептики: из-за нового токенизатора один и тот же ввод может весить в 1,0–1,35 раза больше токенов. По реальному счёту Sonnet 5 на части задач способен обойтись не дешевле Opus, даже при ценнике вдвое ниже. Считайте по своему расходу, а не по табличке (анонс).
Fable 5 и Mythos разблокированы. Минторг США снял экспортный замок с Claude Fable 5 и Mythos 5 — Fable 5 вернулся глобально сегодня, доступ к Mythos расширяется через одобренных партнёров (анонс). Мы писали об этой саге всю неделю; теперь она закрыта. Радость с оговоркой: до 7 июля недельные лимиты урезаны вдвое, а рутинный кодинг чаще флагается новыми кибер-классификаторами. Смысл для читателя: самая мощная модель снова доступна, но первые дни — в щадящем режиме.
Amazon переводит Anthropic на оплату по токенам. Со следующего года Amazon будет платить за модели Anthropic не за compute-часы, а за токены — по данным The Information, это может поднять счёт (сам Amazon трактовку оспаривает). Модели Claude крутят Alexa-покупки, кодинг-инструмент Kiro и ассистента Quick. Что это значит: даже гиганты пересобирают ИИ-сделки под фактическое потребление, а не под зарезервированные мощности — тот же сдвиг «платишь за то, что реально сжёг», что бьёт и по обычным пользователям (Yahoo Finance).
Meta превращает мысли в текст без операции. Brain2Qwerty v2 читает мозговую активность через неинвазивный шлем-магнитоэнцефалограф и восстанавливает набираемые предложения. Точность — 61% по словам против 8% у прежних неинвазивных методов; код и датасет открыты (Meta AI). Что это значит: до бытового «печатать мыслью» ещё далеко (нужен громоздкий сканер), но для людей, потерявших речь, это реальный шаг к общению.
Данные против паники: ИИ нанимает, а не увольняет. Ramp и Revelio Labs свели траты 21 559 компаний на ИИ с их штатным расписанием. Итог: фирмы, внедрившие ИИ, за два года нарастили штат на 10,2%, а весь эффект дали те, кто вкладывался всерьёз. У самых активных даже число джуниоров выросло на 12% — прямо против страшилки «ИИ первым выбивает начинающих» (отчёт). Осторожно с выводом: это корреляция. Быстрорастущие компании и ИИ внедряют, и нанимают охотнее; выборка смещена в сторону техов, а горизонт всего два года. Но нарратив «ИИ = массовые сокращения» эти цифры точно усложняют.
Godot запретил ИИ-код в контрибуциях. Открытый игровой движок тонул в потоке сгенерированных пул-реквестов и ввёл жёсткое правило: код должен быть написан человеком, ИИ — только на мелочах вроде автодополнения, и об этом надо заявлять (заявление). Главный довод мейнтейнеров: «ИИ не может нести ответственность, а тем, кто им злоупотребляет, нельзя доверять — они не понимают свой код настолько, чтобы его чинить». Что это значит: в серьёзных проектах складывается норма — ценна не сама генерация, а человек, готовый и способный чинить свой код. Godot встал в ряд с эмуляторами RPCS3 и Playdate, которые уже отбиваются от «ИИ-слопа».
Как Китай обходит запрет на Claude — серый рынок релеев. Китайский разработчик изнутри описал на LessWrong, как работают API-«релеи»: они скупают все субсидированные западные каналы дешёвых токенов (подписки Claude/ChatGPT, кредиты AWS/Azure) и перепродают доступ на Taobao за 1/5–1/10 официальной цены (пост). Даже официальный GLM-5.2 по $4,2 за миллион проигрывает Claude Opus 4.8, который в релеях идёт по $7,5. Что это значит: экспортный замок сработал наоборот — доступ к Claude в Китае никуда не делся, только ушёл в нерегулируемый серый рынок, где заодно утекают данные для дистилляции моделей.
ИИ жрёт электричество — платят школы. Округ Хенрико в Вирджинии, где уже 37 дата-центров, попросил сотрудников и школы экономить свет: с 1 июля тариф для всех госзданий вырос на 25%, это ~$5 млн в год (404 Media). Чиновники советуют закрывать жалюзи и выключать компьютеры. Что это значит: аппетит ИИ-дата-центров к энергии всё чаще перекладывается на обычные счета за свет, а публичное недовольство стройками растёт.
Коротко:
- Чип-стартап Etched вышел из стелса: оценка $5 млрд, привлечено $800 млн, $1 млрд подписанных контрактов на инференс-чипы — конкуренция Nvidia крепнет (TechCrunch).
- AWS вкладывает $1 млрд в Forward Deployed Engineering — сажает тысячи инженеров внутрь команд клиентов, чтобы быстрее строить агентные системы (Amazon).
- OpenAI, по данным The Information, нашла способ более чем вдвое срезать себестоимость инференса — вместе с дебютом своего чипа Jalapeño это давит цены вниз (The Information).
- Google в policy-документе заявила, что обучение ИИ на публичных данных — «трансформативно», а спрашивать надо за выходы, а не за входы (MBW).
- Калифорния получила Claude за полцены для штатных и местных органов плюс обучение и поддержку (TechCrunch).
- Meta ограничила сотрудникам Claude Code и Codex, чтобы чужой ИИ не утекал в её обучающие данные (Techpresso).
- Thinking Machines и Bridgewater показали: разметка от экспертов-инвесторов позволяет дообучить модель поменьше, которая обходит передовые на реальных финансовых суждениях дешевле (разбор).
- Китайский LongCat-2.0 (о нём мы писали вчера) полностью обучен на 50 000 отечественных чипов и, по словам Meituan, тянет на уровень Gemini 3.1 Pro — заявка на независимость от западного железа (Reuters).
- Цены на память снова вверх: +40–50% в третьем квартале и ещё +30% в четвёртом — спрос ИИ-дата-центров обгоняет поставки (Techpresso).
- Claude стал общедоступен в Microsoft Foundry — ещё один путь запускать модели Anthropic на Azure (Anthropic).