Армин Роначер GPT-6 Астраг 35 цагийн турш ганцааранг нь орхижээ.

Энэ видео юуг хамардаг

• Армин Роначер: 35 цаг хараа хяналтгүй GPT-6 Астра, ~$1,200, 79 коммит, +75k мөр, юу ч нийлүүлээгүй
• Earendil / SlopCodeBench: агентийн код хүний репогоос ~2 дахин их үгтэй, элэгдсэн; хатуу нэвтрүүлэх хувь 0%
• Quesma: RTK 89% токен хэмнэсэн гэж мэдээлж байгаа ч DeepSeek-тэй Terminal-Bench-ийн зардал 17% өссөн; дахин бичих давталт 339 удаа дараалан амжилтгүй болсон
• Cognition SWE-2: Kimi K3-ээс дахин сургагдсан, FrontierCode дээр Fable 5.1-тэй ижил түвшинд, үнэ нь гуравны нэг; TB 2.1 92.8 vs TB 4 27.3; Devin Voice
• OpenAI Agents API (Codex-ийн удирдлага үйлчилгээ хэлбэрээр, зөвхөн АНУ, ZDR байхгүй); Astra-ийн эрэлтээс болж 200 долларын Pro бүртгэлүүд түр зогссон

Орчуулсан бичлэг

Англи хэл дээрх эх хувилбараас орчуулсан. Боломжтой дуу болон хадмал орчуулгыг YouTube хянадаг.

0:00 Flask-ийг бичсэн Армин Роначер GPT-6 Астрад ганцхан команд өгөөд гучин таван цагийн турш ганцааранг нь орхижээ. Тэрээр далан таван мянган мөр кодтой буцаж ирсэн ба, түүний хэлснээр, үнэт зүйл огт байхгүй, энэ нь түүнийг хамгийн бодит програм хангамжийн үйлдвэр болгожээ. Тэрээр бичсэн зүйлээ лхагва гарагт нийтэлсэн. Пүрэв гарагт Cognition SWE-2-г, OpenAI Agents API-г гаргаж, хоёр зуун долларын төлөвлөгөөнийхөө бүртгэлийг түр зогсоосон,

0:24 учир нь Астра серверүүдийг "идэж" орхижээ. Баасан гарагт тэрхүү бичвэр Hacker News-ийн нүүр хуудсанд гарсан, Hacker News-т хиймэл оюун ухааны талаар нийтлэхээ болихыг хүссэн нийтлэлийн хэдхэн мөр доор. Энэ видеоны агуулга: нэг өдөр хагас хяналтгүй Астра юу үйлдвэрлэж байгаа, хог хаягдлыг тоонд хувиргадаг хоёр хэмжилт, далан есөн мянган одтой хэрэгсэл яагаад таны төлбөрийг нэмэгдүүлдэг, мөн Hacker News хиймэл оюун ухааныг ашиглан хиймэл оюун ухааныг шүүх гэж хэрхэн оролдсон тухай. Өнөөдөр есдүгээр сарын 11-ний Баасан гараг, энэ бол The Daily Diff.

0:53 Үйлдвэр. Нэг команд: виртуал урсгалтай, лексик цар хүрээтэй Python-ыг бүтээ. Астра өөрийн тэмдэглэлээ хөтөлж, өөрийн туслах агентуудаа эхлүүлж, Армин залгуурыг нь сугалах хүртэл ажилласан, нэг өдөр хагас ба арван хоёр зуу орчим долларын дараа. Далан есөн коммит, нэг коммит арван тав хагас доллар, энэ нь хүний хураамжтай ойролцоо, гэхдээ хүн эцэст нь зогсдог. Код бол түүх юм. Засварлах хэрэгслийн оронд Астра Python heredocs-ийг ашиглан C файлуудыг нөхөж, файлыг уншиж, функцийг оруулж, буцааж бичдэг.

1:20 Нэг Windows тестийг ажиллуулахын тулд Python бичиж, тэр нь Node-г, Node нь PowerShell-г эхлүүлсэн, паспорттой дуудлагын стек. Түүний оруулсан нэгжийн тестүүд огт зайгүй, учир нь зайгүй бол тэд токеноор арван хувиар хямд байдаг. Даалгаврын жагсаалт нэг, хоёр, гурваас даалгавар 8b2c2b2b шалган нэвтрүүлэх цэг нэг болж өөрчлөгдсөн, энэ нь дадлагажигч хэт удаан ганцаараа байсныг харуулж байна. Армины онол: загвар нь урт даалгавруудыг дуусгахад урамшуулж, муухай кодны төлөө бараг шийтгэдэггүй, тиймээс токеноор хязгаарлагдсан хэрэгслийн дуудлагууд кодын баазад нэвтэрч,

1:48 хүмүүс хэдий чинээ бага харна, төдий чинээ ач холбогдол багатай болдог. Тэрээр тэр хэсгийг "Хэрэв та харахгүй бол энэ бол AGI" гэж гарчиглажээ. Hacker News эдийн засгийг нэмсэн: илүү их код нь түүнийг хадгалахад илүү их токен, энэ нь хог хаягдлыг алдаа биш, харин захиалга болгодог. Хог хаягдлыг хэмжиж болох уу? Армины өөрийн компани энэ долоо хоногт оролдсон. Earendil SlopCodeBench-ийн тоонуудыг ажиллуулсан: агентийн код нь харьцуулсан хүний репогоос хоёр дахин их үгтэй, хоёр дахин элэгдсэн,

2:10 мөн бенчмарк агентийн санах ойг шалган нэвтрүүлэх цэгүүдийн хооронд цэвэрлэхэд, тэдний туршсан загвар бүрийн хатуу нэвтрүүлэх хувь тэг байсан. Тэдний олсон хамгийн найдвартай хог хаягдлын хэмжүүр нь мөрийн түүхий тоо байсан, энэ нь хэн нэгэн түүнийг оновчтой болгох үед ажиллахаа больдог, тиймээс загваруудад битгий хэлээрэй. Дараа нь хэтэвч. RTK нь далан есөн мянган GitHub одтой бөгөөд таны Claude Code-ийн төлбөрийг хоёр дахин бууруулахыг амласан YouTube-ийн бяцхан зургуудтай; энэ нь агент

2:34 уншихаас өмнө терминалын гаралтыг шахаж өгдөг. Quesma үүнийг Terminal-Bench дээр арван таван зуун долларын токеноор ажиллуулсан. Fable-тэй бол төлбөр таван хувиар буурсан, бараг бүхэлдээ нэг даалгавраас; DeepSeek-тэй бол дундаж даалгавар арван долоон хувиар илүү үнэтэй болсон. Үүний зэрэгцээ RTK-ийн өөрийн тоолуур наян есөн хувь хэмнэсэн гэж мэдээлсэн, учир нь энэ нь арилгасан байтыг тоолдог, нэмэлт эргэлтийг биш: хөршийг тооцдог ухаалаг тоолуур. хөршийг тооцдог ухаалаг тоолуур. Мөн нэг хувилбарын алдаа нь find командыг амжилтгүй болгосон команд болгон дахин бичсэн, гурван зуун гучин есөн удаа дараалан, ес дахин өндөр үнээр.

3:01 Токен устгадаг хэрэгсэл давталттай. Үер өөрөө. Cognition-ийн SWE-2 бол Kimi K3, нээлттэй Хятадын загвар, Cognition-ийн өөрийн бенчмарк дээр Fable 5.1-тэй ижил түвшинд хүртэл дахин сургагдсан, үнэ нь гуравны нэг; Hacker News: яагаад Америкийн бүх хиймэл оюун ухааны загварууд үндсэндээ Kimi сувагт цувтай байдаг вэ. Terminal-Bench 2.1 дээр энэ нь бүх хүснэгтийг тэргүүлдэг; Terminal-Bench 4 дээр, хэн ч хараахан цээжлээгүй байгаа, Fable-ийн тавин зургаатай харьцуулахад хорин долоо оноо авсан,

3:28 тиймээс слайд-дек бенчмаркууд дээр хамгийн сайн багана бол хүн бүрийн аль хэдийн тэнцсэн шалгалт юм. Cognition мөн Devin Voice-ийг зарласан, таны дуртай хиймэл оюун ухааны программ хангамжийн инженер одоо стационар утастай болсон, учир нь агентийн кодчилолд дутагдаж байсан зүйл бол хүлээлгийн хөгжим байсан. OpenAI, тэр өдөр: Agents API, энэ нь Codex-ийн удирдлага үйлчилгээ хэлбэрээр зарагддаг. OpenAI Sandbox-ийг ажиллуулдаг, зөвхөн АНУ-ын мэдээлэл хадгалах, тэг-мэдээлэл хадгалахгүй, тиймээс агент таны кодын баазыг ChatGPT-тэй яг ижил сайн санадаг. Дараа нь OpenAI хоёр зуун долларын Pro төлөвлөгөөний бүртгэлийг түр зогсоосон,

3:57 учир нь Астрагийн эрэлт, иш татвал, "урьд өмнө хэзээ ч байгаагүй": төлбөрөө нэмж төлөх хүлээлгийн жагсаалттай анхны бүтээгдэхүүн. Армин үйлдвэрээ бүрэн дахин эхлүүлсэн. Тэр бол эрэлт юм. Энэ нь биднийг баасан гарагийн Ask HN-д хүргэдэг: бид хиймэл оюун ухааны мэдээний үерийг хязгаарлаж болох уу, зургаан зуун тавин зургаан оноо, учир нь, иш татвал, "OpenAI эсвэл Anthropic-ийн хэн нэгэн хиймэл хий гаргахад, эхний арван байрны нийтлэл гардаг."

4:17 Хариултууд нь шүүлтүүрүүд байсан: hcker.news хиймэл оюун ухааны түүхийг найман мянган жишээн дээр сургасан BERT ангилагч ашиглан арилгадаг, хиймэл оюун ухаанаар хиймэл оюун ухааныг устгах, өвсөөр тэжээгдсэн; мөн A-I-г том жижиг үсэг үл хамааран тааруулдаг uBlock regex нь мөн и-мэйл, өдөр тутмын, үндсэн, домэйн, галт тэрэг зэргийг устгадаг, тиймээс regex нь, үргэлж муу санаат юм. Тэр үдээс хойш, дөрвөн зуун арван таван сэтгэгдэл Claude арван найман наснаас дээш гэж хэлсэн Claude-ийн дэмжлэгийн хуудсыг

4:38 маргасан. Хуудас нь тавдугаар сард бичигдсэн. Юу ч өөрчлөгдөөгүй. Мэдээ биш хиймэл оюун ухааны мэдээ ч мэдээ болдог, энэ нь, үнэндээ, миний бизнесийн загвар юм. Хэрэв та үүнийг надаас сонсохоос илүү уншихыг хүсвэл, diff өглөө бүр таны имэйл хайрцагт ирнэ — daily diff.dev дээр үнэгүй, линк доор байгаа. Энэ бол, зайлшгүй, хиймэл оюун ухааны мэдээ юм. Тэгэхээр — өнөөдрийн гучин таван цагийн программ хангамжийн үйлдвэрийн тухай шийдвэр: буцаах. Хэн ч уншаагүй далан есөн коммит бол кодын бааз биш, энэ нь git

5:04 логтой хариуцлага юм; Астра гайхалтай, үйлдвэр нь буцаах хэсэг юм. Өнөөдрийн ялгаа энэ байна. Би Axrisi-ийн Нико байна. Хариуцлагатай нэгтгээрэй.

Эх сурвалжууд

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