# আৰ্মিন ৰ’নাচাৰে GPT-6 Astrak 35 ঘণ্টাৰ বাবে অকলে এৰি দিছিল।

Published: 2026-09-12

আৰ্মিন ৰ’নাচাৰে (Flask, Jinja) GPT-6 Astra ক এটা প্ৰম্পট দি 35 ঘণ্টাৰ বাবে অকলে এৰি দিছিল: প্ৰায় এক বিলিয়ন টোকেন, প্ৰায় $1,200, 79 টা কমিট, 75,000 লাইন — আৰু "একেবাৰে মূল্যহীন"। ই পুনৰুদ্ধাৰ কৰা কোডটোৱেই কাহিনী: Python string-splicing heredocs, Python spawning Node spawning PowerShell, unit tests with the whitespace removed because it is 10% cheaper in tokens। দুটা জোখে তেওঁক সমৰ্থন কৰিছিল: Earendil-ৰ SlopCodeBench নম্বৰ (এজেণ্ট কোড মানৱ ৰেপ’তকৈ দুগুণ বেছি দীঘলীয়া আৰু ক্ষয়প্ৰাপ্ত, 0% strict pass rate) আৰু Quesma-ৰ RTK ৰ $1,500 বেঞ্চমাৰ্ক (79k তৰা, ইয়াৰ নিজা কাউণ্টাৰত "89% টোকেন সঞ্চয় হৈছে", DeepSeek-ৰ সৈতে প্ৰতিটো কামত +17%)। লগতে: Cognition-ৰ SWE-2 (Kimi K3 in a trench coat, Terminal-Bench 2.1 ত 92.8 বনাম Terminal-Bench 4 ত 27.3), OpenAI-ৰ Agents API আৰু বন্ধ কৰা $200 Pro চাইন-আপ, আৰু শুক্ৰবাৰৰ Hacker News ত কম AI বাতৰি বিচাৰিছিল। সিদ্ধান্ত: REVERT।

Canonical: https://thedailydiff.dev/as/video/2026-09-11-astra-slop-factory/

## এই ভিডিঅ’টোত কি আছে

- আৰ্মিন ৰ’নাচাৰ: 35 ঘণ্টা অনাবৃত GPT-6 Astra, প্ৰায় $1,200, 79 কমিট, +75k লাইন, একো বিক্ৰী হোৱা নাই
- ইয়েৰেণ্ডিল / SlopCodeBench: এজেণ্ট কোড মানৱ ৰেপ'ৰ তুলনাত প্ৰায় 2 গুণ বেছি দীঘলীয়া আৰু ক্ষয়প্ৰাপ্ত; strict pass rate 0%
- Quesma: RTK এ 89% টোকেন সঞ্চয় হোৱাৰ কথা কয়, কিন্তু DeepSeek-ৰ সৈতে Terminal-Bench-ৰ খৰচ 17% বৃদ্ধি হয়; এটা পুনৰ লিখা লুপ একেৰাহে 339 বাৰ বিফল হৈছিল
- Cognition SWE-2: Kimi K3 ৰ পৰা পোষ্ট-প্ৰশিক্ষণপ্ৰাপ্ত, FrontierCode ত Fable 5.1 ৰ সৈতে মিলি যায় এক-তৃতীয়াংশ মূল্যত; TB 2.1 92.8 বনাম TB 4 27.3; Devin Voice
- OpenAI Agents API (সেৱা হিচাপে Codex harness, কেৱল আমেৰিকা, কোনো ZDR নাই); Astra ৰ চাহিদাৰ বাবে $200 Pro চাইন-আপ স্থগিত ৰখা হৈছে

## অনূদিত ট্ৰান্সক্ৰিপ্ট

মূল ইংৰাজী বৰ্ণনাৰ পৰা অনুবাদ কৰা হৈছে। উপলব্ধ অডিঅ’ আৰু কেপচন ইউটিউবে নিয়ন্ত্ৰণ কৰে।

0:00 ফ্লাস্ক লিখা ব্যক্তি আৰ্মিন ৰ’নাচাৰে GPT-6 Astra ক এটা প্ৰম্পট দিলে আৰু পঁয়ত্ৰিশ ঘণ্টাৰ বাবে ইয়াক অকলে এৰি দিলে। ই পঁচাত্তৰ হাজাৰ লাইন কোড লৈ ঘূৰি আহিল আৰু, তেওঁৰ ভাষাত, একেবাৰে মূল্যহীন, যিয়ে ইয়াক আটাইতকৈ বাস্তৱবাদী কৰি তোলে সফটৱেৰ ফেক্টৰী কেতিয়াবা নিৰ্মাণ কৰা হৈছে। তেওঁ বুধবাৰে লিখনিটো পোষ্ট কৰিছিল। বৃহস্পতিবাৰে, Cognition এ SWE-2 মুকলি কৰিলে, আৰু OpenAI এ এটা Agents API মুকলি কৰিলে আৰু ইয়াৰ দুশ ডলাৰৰ পৰিকল্পনাৰ বাবে চাইন-আপ স্থগিত ৰাখিলে,

0:24 কিয়নো Astrak ছাৰ্ভাৰবোৰ খালে। আৰু শুক্ৰবাৰে লিখনিটো Hacker News ৰ প্ৰথম পৃষ্ঠাত আহি পালে, এটা পোষ্টৰ কেইটামান শাৰী তলত য’ত Hacker News ক AI সম্পৰ্কে পোষ্ট কৰা বন্ধ কৰিবলৈ অনুৰোধ কৰা হৈছিল। এই ভিডিঅ'টোত: ডেৰ দিনৰ অপৰিৱৰ্তিত Astrak কি উৎপাদন কৰে, দুটা জোখ যিয়ে শ্ল'পক এটা সংখ্যালৈ ৰূপান্তৰিত কৰে, কিয় ঊনআশীটা সঁজুলিৰ সৈতে হাজাৰ তৰাই আপোনাৰ বিল ডাঙৰ কৰে, আৰু কেনেকৈ Hacker News এ ফিল্টাৰ কৰিবলৈ চেষ্টা কৰিছিল AI, AI ব্যৱহাৰ কৰি। আজি শুকুৰবাৰ, ছেপ্টেম্বৰ 11, আৰু এইটো হৈছে The Daily Diff।

0:53 কাৰখানা। এটা প্ৰম্পট: ভাৰ্চুৱেল থ্ৰেড আৰু লেক্সিকাল সৈতে এটা পাইথন নিৰ্মাণ কৰক স্কোপিং। Astrak নিজৰ নোট ৰাখিলে, নিজৰ চাব-এজেণ্ট সৃষ্টি কৰিলে, আৰু আৰ্মিনে প্লাগ টনা নহালৈকে চলি আছিল, ডেৰ দিন আৰু প্ৰায় বাৰশ ডলাৰ পিছত। ঊনআশীটা কমিট, গতিকে প্ৰতিটো কমিটত পোন্ধৰ আৰু আধা ডলাৰ, মানুহে যিমান খৰচ কৰে প্ৰায় সিমানেই, কেৱল মানুহ শেষত বন্ধ কৰে। কোডটোৱেই হৈছে কাহিনী। সম্পাদনা সঁজুলিৰ পৰিৱৰ্তে, Astrak C ফাইলবোৰ পেছ কৰে পাইথন হেৰেডক পাইপিং কৰি যিবোৰে ফাইলটো পঢ়ে, এটা ফাংচন ষ্ট্ৰিং-ৰিফ্লেছ কৰে, আৰু ইয়াক পুনৰ লিখি দিয়ে।

1:20 এটা উইণ্ডোজ পৰীক্ষা চলাবলৈ ই পাইথন লিখিছিল যিয়ে Node সৃষ্টি কৰিছিল যিয়ে পাওৱাৰশ্বেল সৃষ্টি কৰিছিল, পাছপোৰ্ট থকা এটা কল ষ্টেক। ই কমিট কৰা ইউনিট পৰীক্ষাবোৰত একেবাৰে কোনো ৱাইটস্পেচ নাই, কিয়নো ইণ্ডেনটেশ্বন অবিহনে টোকেনত সিহঁত দহ শতাংশ সস্তা। আৰু কামৰ তালিকা এক, দুই, তিনিৰ পৰা টাস্ক 8b2c2b2b চেকপইণ্টলৈ গতি কৰিছিল এক, যিটোৰ পৰা আপুনি জানে যে ইণ্টাৰ্ণ বহুত বেছি সময় অকলে আছিল। আৰ্মিনৰ তত্ত্ব: দীঘলীয়া কাম শেষ কৰাৰ বাবে মডেলটোক পুৰস্কৃত কৰা হয় আৰু খুব কমেই বেয়া কোডৰ বাবে শাস্তি দিয়া হয়, গতিকে টোকেন-গল্ফ কৰা টুল কলবোৰ কোডবেছত সোমাই পৰে,

1:48 আৰু যিমান কম মানুহে দেখে, সিমানেই কম গুৰুত্বপূৰ্ণ হয়। তেওঁ সেই অংশটোৰ নাম দিছিল It's AGI If You Don't Look। Hacker News এ অৰ্থনীতি যোগ কৰিছিল: অধিক কোড মানে ইয়াক বজাই ৰাখিবলৈ অধিক টোকেন, যিয়ে শ্ল'পক এটা বাগ নহয়, এটা চাবস্ক্ৰিপচন কৰি তোলে। আপুনি শ্ল'প জুখিব পাৰেনে? আৰ্মিনৰ নিজা কোম্পানীয়ে এই সপ্তাহত চেষ্টা কৰিছিল। Earendil এ SlopCodeBench নম্বৰবোৰ চলাইছিল: এজেণ্ট কোড প্ৰায় দুগুণ বেছি দীঘলীয়া আৰু ই যি মানৱ ৰেপ’ৰ সৈতে তুলনা কৰা হৈছে তাৰ দুগুণ ক্ষয়প্ৰাপ্ত,

2:10 আৰু যেতিয়া বেঞ্চমাৰ্কে চেকপইণ্টবোৰৰ মাজত এজেণ্টৰ মেমৰি মচি পেলায়, তেওঁলোকে পৰীক্ষা কৰা প্ৰতিটো মডেলৰ বাবে strict pass rate শূন্য। তেওঁলোকে আটাইতকৈ নিৰ্ভৰযোগ্য শ্ল'প মেট্ৰিক হিচাপে কেঁচা লাইন গণনা পাইছিল, যিটোৱে কাম কৰা বন্ধ কৰে যি মুহূৰ্তত কোনেও ইয়াক অনুকূল কৰিবলৈ চেষ্টা কৰে, গতিকে অনুগ্ৰহ কৰি মডেলবোৰক নক'ব। তাৰ পিছত ৱালেট। RTK-ৰ ঊনআশী হাজাৰ GitHub তৰা আৰু YouTube থাম্বনেইল আছে যিবোৰে প্ৰতিশ্ৰুতি দিয়ে আপোনাৰ Claude Code বিল আধা কৰিব; ই এজেণ্ট পঢ়াৰ আগতে টাৰ্মিনেল আউটপুট সংকুচিত কৰে।

2:34 Quesma এ ইয়াক Terminal-Bench ত পোন্ধৰশ ডলাৰৰ টোকেনৰ বাবে চলাইছিল। Fable-ৰ সৈতে বিলটো পাঁচ শতাংশ হ্ৰাস পাইছিল, প্ৰায় সকলো এটা কামৰ পৰা; DeepSeek-ৰ সৈতে গড় কামটো সোতৰ শতাংশ অধিক ব্যয়বহুল হৈ পৰিছিল। ইফালে RTK-ৰ নিজা কাউণ্টাৰে ঊনআশী শতাংশ সঞ্চয় হোৱাৰ কথা জনাইছিল, কিয়নো ই আঁতৰোৱা বাইট গণনা কৰে, অতিৰিক্ত ঘূৰ্ণন নহয়: এটা স্মাৰ্ট মিটাৰ যিয়ে চুবুৰীয়াৰ বিল দিয়ে। আৰু এটা সংস্কৰণ বাগ-এ 'find' ক এটা আদেশলৈ পুনৰ লিখিছিল যি বিফল হৈছিল, একেৰাহে তিনিশ ঊনচল্লিশ বাৰ, নগুণ দামত।

3:01 টোকেন নষ্ট কৰা সঁজুলিটোৰ এটা লুপ আছে। বানপানী নিজেই। Cognition-ৰ SWE-2 হৈছে Kimi K3, মুকলি চীনা মডেলটো, Cognition-ৰ নিজা বেঞ্চমাৰ্কত Fable 5.1 ৰ সৈতে মিলি নোযোৱালৈকে পোষ্ট-প্ৰশিক্ষণপ্ৰাপ্ত এক-তৃতীয়াংশ মূল্যত; Hacker News: কিয় সকলো আমেৰিকান AI মডেল মূলতঃ Kimi ট্ৰেঞ্চ কোটত। Terminal-Bench 2.1 ত ই সমগ্ৰ তালিকাৰ শীৰ্ষত আছে; Terminal-Bench 4 ত, যিটো এতিয়ালৈকে কোনেও মুখস্থ কৰা নাই, ই Fable-ৰ ছাপ্পান্নৰ বিপৰীতে সাতাইশ নম্বৰ লাভ কৰে,

3:28 গতিকে স্লাইড-ডেক বেঞ্চমাৰ্কবোৰত শ্ৰেষ্ঠ স্তম্ভটো হৈছে সেই পৰীক্ষা যিটো সকলোৱে ইতিমধ্যে উত্তীৰ্ণ হৈছে। Cognition এ Devin Voice ও ঘোষণা কৰিলে, আপোনাৰ প্ৰিয় AI ছফটৱেৰ ইঞ্জিনিয়াৰে এতিয়া এটা লেণ্ডলাইন পাইছে, কিয়নো এজেণ্টিক কোডিঙত এটা বস্তু হেৰাই আছিল হোল্ড মিউজিক আছিল। OpenAI, একেদিনাই: Agents API, যিটো Codex harness এটা সেৱা হিচাপে বিক্ৰী কৰা হয়। OpenAI এ চেণ্ডবক্স চলায়, কেৱল আমেৰিকাৰ ডেটা আৱাসিকতা, কোনো শূন্য-ডেটা-ধাৰণ নাই, গতিকে এজেণ্টে আপোনাৰ কোডবেছ ChatGPT এ যিমান ভালদৰে মনত ৰাখে সিমানেই ভালদৰে মনত ৰাখে। তাৰ পিছত OpenAI এ দুশ ডলাৰৰ Pro প্লেনৰ বাবে চাইন-আপ স্থগিত ৰাখিলে,

3:57 কিয়নো Astra-ৰ চাহিদা, উদ্ধৃতি, অভূতপূৰ্ব: ৱেইটলিষ্ট থকা প্ৰথমটো সামগ্ৰী অধিক ধন দিবলৈ। আৰ্মিনে তেওঁৰ কাৰখানাৰ ওপৰত এটা সম্পূৰ্ণ ৰিছেট জ্বলাই দিলে। তেওঁৱেই চাহিদা। যিটোৱে আমাক শুক্ৰবাৰৰ Ask HN লৈ লৈ আহে: আমি অনুগ্ৰহ কৰি AI বাতৰিৰ বানপানী সীমিত কৰিব পাৰোনে, ছশ ছাব্বিশ পইণ্ট, কিয়নো, উদ্ধৃতি, যেতিয়াই OpenAI বা এন্ট্রপিকত কোনেও কিবা এটা কৰে, তেতিয়াই এটা শীৰ্ষ-দহৰ পোষ্ট থাকে।

4:17 প্ৰতিক্ৰিয়া আছিল ফিল্টাৰ: hcker dot news এ BERT এৰে AI কাহিনী আঁতৰায় আঠ হাজাৰ উদাহৰণৰ ওপৰত প্ৰশিক্ষণপ্ৰাপ্ত শ্ৰেণীবিভাজক, AI ক AI মচি পেলাবলৈ, ঘাঁহ খোৱা; আৰু A-I কেছ-ইনছেন্সিটিভকৈ মেচ কৰা uBlock regex এওঁ মচি পেলায় ইমেইল, ডেইলী, মেইন, ড'মেইন আৰু ট্ৰেইন, গতিকে regex, সদায়ৰ দৰেই, খলনায়ক হয়। একেদিনা আবেলি, চাৰিশ পোন্ধৰ মন্তব্য এটা Claude সমৰ্থন পৃষ্ঠাৰ বিষয়ে তৰ্ক কৰিলে য'ত কোৱা হৈছিল Claude ওঠৰ-ঊৰ্ধ্ব।

4:38 পৃষ্ঠাখন মে মাহৰ তাৰিখৰ। একো সলনি নহ'ল। আনকি যি AI বাতৰি বাতৰি নহয় সেয়াও বাতৰি, যিটো, ন্যায়সংগতভাৱে ক'বলৈ গ'লে, মোৰ ব্যৱসায়িক মডেলো। যদি আপুনি মোৰ কথা শুনাৰ পৰিৱৰ্তে এইটো পঢ়িব বিচাৰে, তেন্তে প্ৰতিদিনে পুৱা আপোনাৰ ইনবক্সত ডিফাৰেন্সটো আহে — daily diff dot dev ত বিনামূলীয়া, লিংক তলত আছে। প্ৰতিদিনে পুৱা আপোনাৰ ইনবক্সত ডিফাৰেন্সটো আহে — daily diff dot dev ত বিনামূলীয়া, লিংক তলত আছে। এয়া, অপৰিহাৰ্যভাৱে, AI বাতৰি। গতিকে — পঁয়ত্ৰিশ ঘণ্টাৰ ছফটৱেৰ ফেক্টৰীৰ আজিৰ ৰায়: REVERT। কোনেও নপঢ়া ঊনআশীটা কমিট এটা কোডবেছ নহয়, ই এটা git লগ থকা এটা দায়বদ্ধতা;

5:04 Astra প্ৰশংসনীয়, আৰু কাৰখানাটো হৈছে যি অংশটো ঘূৰাই আনিব লাগে। আৰু সেয়াই আজিৰ পাৰ্থক্য। মই Axrisi ৰ পৰা নিকো। দায়িত্বশীলভাৱে একত্ৰিত কৰক।

## উৎসসমূহ

- [Armin Ronacher — Astra for Coding: Why Are We Doing This Again?](https://lucumr.pocoo.org/2026/9/7/astra-why/) — lucumr.pocoo.org
- [HN: Astra for Coding](https://news.ycombinator.com/item?id=49654229) — news.ycombinator.com
- [Earendil — Measuring the sloppiness of code](https://earendil.com/posts/measuring-code-sloppiness/) — earendil.com
- [HN: Measuring the sloppiness of code](https://news.ycombinator.com/item?id=49658311) — news.ycombinator.com
- [Quesma — RTK reports huge token savings, but our cost benchmarks disagree](https://quesma.com/blog/does-rtk-make-ai-coding-cheaper/) — quesma.com
- [HN: RTK](https://news.ycombinator.com/item?id=49656471) — news.ycombinator.com
- [RTK (Rust Token Killer)](https://github.com/rtk-ai/rtk) — github.com
- [Cognition — Introducing SWE-2](https://cognition.com/blog/swe-2) — cognition.com
- [HN: Cognition SWE-2](https://news.ycombinator.com/item?id=49645443) — news.ycombinator.com
- [OpenAI — Agents API](https://developers.openai.com/api/docs/guides/agents-api/overview) — developers.openai.com
- [HN: OpenAI Agents API](https://news.ycombinator.com/item?id=49649213) — news.ycombinator.com
- [TechCrunch — OpenAI puts Pro subscriptions on hold due to Astra demand](https://techcrunch.com/2026/09/10/openai-puts-pro-subscriptions-on-hold-due-to-astra-demand/) — techcrunch.com
- [Ask HN: Can we please limit the AI news flood?](https://news.ycombinator.com/item?id=49657850) — news.ycombinator.com
- [HN: Claude is only available to people over 18 years](https://news.ycombinator.com/item?id=49656225) — news.ycombinator.com