Армин Ронахер GPT-6 Astra-ны 35 сағатқа жалғыз қалдырды.

Бұл бейне не туралы

• Армин Ронахер: 35 сағат қараусыз GPT-6 Astra, ~1200$, 79 коммит, +75 мың жол, ештеңе шығарылмады
• Earendil / SlopCodeBench: агенттік код адам репозиторийлерінен ~2 есе көп сөзді және нашарлаған; қатаң өту жылдамдығы 0%
• Quesma: RTK 89% токен үнемделгенін хабарлайды, бірақ DeepSeek-пен Terminal-Bench шығындары 17% өсті; қайта жазу циклі қатарынан 339 рет сәтсіз аяқталды
• Cognition SWE-2: Kimi K3-тен кейінгі жаттығудан өткен, FrontierCode-де Fable 5.1-ге үш есе арзан бағамен сәйкес келеді; TB 2.1 92.8 vs TB 4 27.3; Devin Voice
• OpenAI Agents API (Codex harness қызмет ретінде, тек АҚШ, ZDR жоқ); Astra сұранысына байланысты 200 долларлық Pro тіркелуі тоқтатылды

Аударылған транскрипция

Бастапқы ағылшын тіліндегі баяндамадан аударылған. Қолжетімді аудио және субтитрлерді YouTube басқарады.

0:00 Flask-ты жазған Армин Ронахер GPT-6 Astra-ға бір сұрау берді және оны отыз бес сағатқа жалғыз қалдырды. Ол жетпіс бес мың жол кодпен оралды және, оның сөзімен айтқанда, ешқандай құндылықсыз, бұл оны ең шынайы бағдарламалық жасақтама фабрикасы етті. Ол сәрсенбіде жазбаны жариялады. Бейсенбіде Cognition SWE-2-ні шығарды, ал OpenAI Agents API-ді шығарды және екі жүз долларлық жоспарға тіркелуді тоқтатты,

0:24 себебі Astra серверлерді жеп қойды. Ал жұма күні жазба Hacker News-тің бірінші бетіне шықты, Hacker News-ке AI туралы жариялауды тоқтатуды сұраған посттан бірнеше жол төмен. Бұл видеода: бір жарым күн бақылаусыз Astra не береді, қоқысты санға айналдыратын екі өлшем, жетпіс тоғыз мың жұлдызы бар құрал неге шотыңызды үлкейтеді және Hacker News қалай AI-ді AI арқылы сүзуге тырысты. Бұл жұма, 11 қыркүйек, және бұл The Daily Diff.

0:53 Фабрика. Бір сұрау: виртуалды жіптермен және лексикалық ауқымдастырумен Python жасау. Astra өз жазбаларын жүргізді, өз суб-агенттерін іске қосты, және Армин ажыратқышты суырып алғанша, бір жарым күн және шамамен он екі жүз доллардан кейін жұмыс істеді. Жетпіс тоғыз коммит, яғни коммитке он бес жарым доллар, бұл адам алатын ақыға жуық, тек адам ақыры тоқтайды. Код - бұл оқиға. Өңдеу құралының орнына, Astra C файлдарын Python heredocs арқылы патчтайды, олар файлды оқып, функцияны жолмен ауыстырады және оны қайта жазады.

1:20 Бір Windows тестін іске қосу үшін ол Python-ды жазды, ол Node-ді, ол PowerShell-ді іске қосты, паспортпен қоңыраулар тізбегі. Ол жіберген бірлік тесттерінде бос орын мүлдем жоқ, себебі шегініссіз олар токендерде он пайызға арзан. Ал тапсырмалар тізімі бір, екі, үштен 8b2c2b2b бақылау нүктесі бірге ауысты, бұл тағылымгердің тым ұзақ жалғыз қалғанын білдіреді. Арминнің теориясы: модель ұзақ тапсырмаларды аяқтағаны үшін марапатталады және ұсқынсыз код үшін аз жазаланады, сондықтан токенмен шектелген құрал шақырулары код базасына еніп кетеді,

1:48 ал адамдар аз қараған сайын, оның маңызы азаяды. Ол бұл бөлімді "Егер қарамасаң, бұл AGI" деп атады. Hacker News экономиканы қосты: көбірек код оны қолдау үшін көбірек токендерді білдіреді, бұл қоқысты қателік емес, жазылым етеді. Қоқысты өлшеуге бола ма? Арминнің өзінің компаниясы осы аптада тырысты. Earendil SlopCodeBench сандарын жүргізді: агенттік код өзімен салыстырылатын адам репозиторийлерінен шамамен екі есе көп сөзді және екі есе нашарлаған,

2:10 және бақылау нүктелері арасында агенттің жадын тазартқанда, олар тексерген әрбір модель үшін қатаң өту жылдамдығы нөлге тең. Олар тапқан ең сенімді қоқыс метрикасы шикі жол саны болды, ол кез келген адам оны оңтайландыруды бастаған кезде жұмыс істемей қалады, сондықтан модельдерге айтпаңыз. Содан кейін әмиян. RTK-да жетпіс тоғыз мың GitHub жұлдызы және YouTube нобайлары бар, олар Claude Code шотыңызды екі есе азайтуға уәде береді; ол агент

2:34 оны оқымас бұрын терминал шығысын сығады. Quesma оны Terminal-Bench-те мың бес жүз долларлық токендерге іске қосты. Fable-мен шот бес пайызға азайды, барлығы дерлік бір тапсырмадан; DeepSeek-пен орташа тапсырма он жеті пайызға қымбаттады. Сонымен қатар RTK-ның өзінің санағы сексен тоғыз пайыз үнемделгенін хабарлады, себебі ол жойылған байттарды санайды, туындаған қосымша айналымдарды емес: көршіге шот жіберетін смарт есептегіш. Ал бір нұсқа қатесі табуды сәтсіз аяқталған командаға қайта жазды, қатарынан үш жүз отыз тоғыз рет, тоғыз есе қымбат бағамен.

3:01 Токендерді өлтіретін құралда цикл бар. Су тасқынының өзі. Cognition's SWE-2 - бұл Kimi K3, ашық қытай моделі, ол Cognition-ның өз сынағында Fable 5.1-ге үш есе арзан бағамен сәйкес келгенше кейіннен жаттықтырылды; Hacker News: неге барлық американдық AI модельдері негізінен Kimi тренч пальтода. Terminal-Bench 2.1-де ол барлық кестенің басында; Terminal-Bench 4-те, оны әлі ешкім жаттамаған, ол Fable-дің елу алтысына жиырма жеті ұпай жинайды,

3:28 сондықтан слайд-декілердегі ең жақсы баған - бұл бәрі қазірдің өзінде тапсырған емтихан. Cognition сондай-ақ Devin Voice-ті жариялады, сіздің сүйікті AI бағдарламалық инженеріне жай телефон келді, себебі агенттік кодта жетіспейтін бір нәрсе күту музыкасы болды. OpenAI, сол күні: Agents API, бұл Codex harness қызмет ретінде сатылады. OpenAI sandbox-ты іске қосады, тек АҚШ деректерінің орналасуы, деректерді нөлдік сақтау жоқ, сондықтан агент сіздің код базаңызды ChatGPT сияқты жақсы есте сақтайды. Содан кейін OpenAI екі жүз долларлық Pro жоспарға тіркелуді тоқтатты,

3:57 себебі Astra сұранысы, тырнақшада, бұрын-соңды болмаған: күту тізімі бар алғашқы өнім көбірек төлеу үшін. Армин өз фабрикасында толық қалпына келтіруді жасады. Ол сұраныс. Бұл бізді жұма күнгі Ask HN-ге әкеледі: AI жаңалықтарының су тасқынын шектеуге бола ма, алты жүз елу алты ұпай, себебі, тырнақшада, OpenAI немесе Anthropic-те біреу жел шығарған сайын, ондықтар тізімінде пост пайда болады.

4:17 Жауаптар сүзгілер болды: hcker dot news сегіз мың мысалда жаттықтырылған BERT классификаторымен AI әңгімелерін жояды, AI-ді жою үшін AI, табиғи; және A-I регистрді ескермей сәйкестендіретін uBlock regex электрондық поштаны, күнделікті, негізгі, доменді және жаттығуды да жояды, сондықтан regex әдеттегідей, қарақшы болып табылады. Сол түстен кейін, төрт жүз он бес пікір Claude қолдау беті туралы дауласты, Claude он сегізден асқан деп айтылған.

4:38 Бет мамыр айында жазылған. Ештеңе өзгерген жоқ. Жаңалық емес AI жаңалықтары да жаңалық, бұл, әділін айтқанда, менің де бизнес моделім. Егер сіз мұны менің айтқанымды естігеннен гөрі оқығыңыз келсе, diff күн сайын таңертең пошта жәшігіңізге түседі — daily diff dot dev сайтында тегін, сілтеме төменде. Бұл, сөзсіз, AI жаңалықтары. Сонымен — бүгінгі отыз бес сағаттық бағдарламалық жасақтама фабрикасы туралы үкім: кері қайтару. Ешкім оқымаған жетпіс тоғыз коммит код базасы емес, бұл git

5:04 журналы бар жауапкершілік; Astra әсерлі, ал фабрика кері қайтаруға болатын бөлік. Ал бүгінгі diff осы. Мен Axrisi-ден Нико. Жауапкершілікпен біріктіріңіз.

Дереккөздер

1. Armin Ronacher — Astra for Coding: Why Are We Doing This Again?lucumr.pocoo.org
2. HN: Astra for Codingnews.ycombinator.com
3. Earendil — Measuring the sloppiness of codeearendil.com
4. HN: Measuring the sloppiness of codenews.ycombinator.com
5. Quesma — RTK reports huge token savings, but our cost benchmarks disagreequesma.com
6. HN: RTKnews.ycombinator.com
7. RTK (Rust Token Killer)github.com
8. Cognition — Introducing SWE-2cognition.com
9. HN: Cognition SWE-2news.ycombinator.com
10. OpenAI — Agents APIdevelopers.openai.com
11. HN: OpenAI Agents APInews.ycombinator.com
12. TechCrunch — OpenAI puts Pro subscriptions on hold due to Astra demandtechcrunch.com
13. Ask HN: Can we please limit the AI news flood?news.ycombinator.com
14. HN: Claude is only available to people over 18 yearsnews.ycombinator.com