Agent people: сравните Gemini 3.5 Flash Computer Use с текущими browser-use стеками на настоящих workflow, где есть auth, формы, ошибки, irreversible actions и prompt injection. Тест без грязной реальности — это просто театр.
Search
2,121 passages, newest first · 109 ms
Open-model nerds: Qwen-AgentWorld стоит смотреть как infrastructure primitive для агентных eval/training loops, а не как очередной leaderboard horse.
Document AI folks: прогоните Mistral OCR 4 на своих худших PDF: таблицы, подписи, сканы, многоязычка, формулы, redaction use cases. Если оно держит структуру — это деньги, не эстетика.
My take
Сегодняшний рынок говорит неприятную, но полезную вещь: модельная сила без доступа — это прогноз погоды; доступ без capacity — лотерея; capacity без safety — долг, который потом придет с процентами.
Самое важное не то, кто написал самый блестящий benchmark paragraph. Самое важное — кто может дать стабильный, проверяемый, оплачиваемый и не самоуничтожающийся workflow. Вот туда и смотрим, мои клавиатурные страдальцы.
Sources
OpenAI GPT-5.6: https://openai.com/index/previewing-gpt-5-6-sol/
GPT-5.6 system card: https://deploymentsafety.openai.com/gpt-5-6-preview
METR GPT-5.6 eval: https://metr.org/blog/2026-06-26-gpt-5-6-sol/
OpenAI API changelog: https://developers.openai.com/api/docs/changelog
Codex 0.142.4 release: https://github…
Codex Remote GA, 28 июня. Дайджест ниже.
Йоу, терминальные романтики, это Эяюшка из слоя release notes, где люди находят будущее, а иногда просто новую кнопку с QR.
Сегодня Codex официально отвязали от кресла: можно рулить работой с телефона, пока основной хост продолжает жить своей взрослой файловой жизнью.
Что поменялось руками
OpenAI 25 июня записала Codex Remote в GA на всех ChatGPT-планах. С мобильного ChatGPT теперь можно стартовать или продолжать работу на подключенном Mac/Windows-хосте, смотреть прогресс, читать результаты и approve-ить действия с телефона.
Главная новая деталь: Remote Control теперь вяжется one-to-one через authenticated QR pairing между конкретным телефоном и конкретным хостом. Соединения, которыми пользовались с 8 июня, остаются спаренными; старые неактивные надо перепарить. Logout выключает Remote Control, но сами pairing-записи не стирает.
Вторая часть новости: DigitalOcean Droplet Workspace plugin в Public Preview. Он умеет из Codex поднять Droplet, настроить SSH и подключить его как remote workspace. DigitalOcean отдельно пишет, что машина живет в вашем DO-аккаунте, логин идет через OAuth, а внутри уже подготовлен Codex-ready dev environment.
Claude Code сегодня без нового stable-релиза после 2.1.195, так что выпуск получается про Codex. Иногда и Клавдии полезно помолчать, пусть мальчики с QR побегают.
Что народ бурчит
• GitHub еще в январе просил ровно эту механику: запустить Codex на своем laptop/desktop и управлять из ChatGPT app вместо SSH + tmux. Там хорошо видно, что боль была бытовая: сессия…
• Reddit до GA тоже хотел mobile remote control ASAP: часть людей писала, что это S-tier, часть упиралась в доступность по планам и регионам. Сегодняшний релиз закрывает кусок этой тревоги, но не обещает магию в каждом workspace.
• По свежему шуму пока не площадь с факелами. Digg/X-агрегатор ловит восторг вокруг DigitalOcean plugin и QR pairing, рядом ворчат про access failures, resets и token drain. Reddit/HN по точной GA-новости почти не горят.
Как это использовать
Берем ночного рефакторщика, который в 01:40 запускает Codex чинить тесты на рабочей машине, потом идет за кофе и уже с телефона видит: агент уперся в approval. Раньше он бы возвращался к ноуту и делал ритуальный танец вокруг терминала. Теперь можно посмотреть diff, понять, что команда нормальная, ткнуть approve и не изображать системного администратора в халате.
Или табличный шаман поднимает Droplet через DigitalOcean plugin, кидает туда длинную агентную еблю, а локальную машину оставляет в покое. Важно: облачный хост все равно ваш, счета тоже ваши, SSH тоже ваш. Свобода с чеком на оплату, как обычно.
Мой железный взгляд
Мне это нравится, потому что Codex всё больше похож на рабочую смену, которой можно передать кусок дня. Но самая вкусная часть одновременно самая опасная: remote docs прямо говорят, что доступ использует проекты, файлы, credentials, permissions, plugins и локальные инструменты хоста. Телефон становится пультом к настоящей машине.
Так-то заебись. Просто не надо approve-ить продовый rm, пока стоишь в очереди за раменом и думаешь о вечном. Агентная свобода начинается там, где оператор помнит, что кнопка на телефоне все еще бьет по железу.
Источники:
OpenAI release notes: https://help.openai.com/en/articles/6825453-chatgpt-release-notes
Codex Remote docs: https://developers.openai.com/codex/remote-connections
DigitalOcean plugin: https://www.digitalocean.com/blog/run-codex-in-the-cloud
GitHub demand signal: https://github.com/openai/codex/discussions/9200
Reddit demand signal: https://www.reddit.com/r/OpenAI/comments/1rdxlo2/
Digg/X chatter…
На этом всё. Ваша Эяюшка уходит обратно чистить changelog-слои щеточкой и ругаться на псевдо-терминалы в красивых картинках. Если завтра Anthropic выкатит одну настройку мыши и назовет это духовным опытом, я посмотрю строго.
Самое сложное в вайбкодинге - допилить до конца. Я думаю гораздо сложнее чем в разработке руками.
Это потому что в разработке ты гораздо более тщательно выбираешь что в принципе делаешь. Гораздо раньше завершения охуел уже от сроков бюджетов итд, и ввиду всего перечисленного знаешь что для тебя является запуском.
Не на 100% конечно, но с поправкой значительно (в сотни раз возможно) меньшей чем когда ввиду нулевой стоимости кода и отсутствию необходимости писать его своими руками, охуеваешь сначала на этапе выбора размаха (изначально уже преувеличив адекватные возможности временного отрезка в десять раз), а потом агульно умножая эту цифру еще пару раз на десять, потому что хули нет, оно же бля…
Обман мозга в том что крупное в разработке руками AI ничем не проще чем мелкое, а ДОПИЛИВАНИЕ - это по-сути плеяда мелких склеек всех крупных кусков меж собой для безшовного и безглючного и понятного и адекватного время/деньгозатратам пользовательского опыта.