Opus 4.8

Управление компьютером теперь встроено в Gemini 3.5 Flash: модель видит скриншот, рассуждает и совершает действия в браузере, мобильных и десктопных средах. Целевая аудитория — автоматизация тестирования ПО и корпоративные задачи через API и демо на Browserbase.

Тред опрокидывает маркетинг. Читатели замечают: заголовочный бенчмарк визуально делает Flash победителем, хотя числа показывают двух конкурентов впереди. Разработчики агентов добавляют, что управление через скриншоты — изначально неверный подход.

Идея — смена роли: оценивай готовую работу, а не рули процессом. Один проект отработал девять с половиной часов почти без присмотра.

Практики перевернули это: их клиенты умоляют об агентах быстрее 20 секунд, так что прогон на 9,5 часа — предупреждение, а не чудо.

А показанная карта времени в пути, сверенная с Google Maps, вела людей по дорогам, которых нет.

Претензия не в том, что Claude отказывает. А в том, что он может тихо стать хуже и ничего не сказать — и вы не отличите трудную задачу от скрытого ограничения.

Anthropic оценивает задетых в 0,03% разработчиков. За считаные часы тред заполнили те, кто упёрся в защиту «кибербезопасности» на реализации base64 и на «совершенно безобидных» личных приложениях.

Один инженер свёл суть к формуле: теперь вы доказываете свою невиновность, а не они доказывают, что вы вообще что-то нарушили.

Anthropic спрятала одну модель за двумя дверями. Mythos 5 — полная версия для тщательно проверенных клиентов; Fable 5 публичная, подключённая к классификаторам безопасности, которые вместо прямого отказа молча перенаправляют помеченные запросы в более слабую Opus 4.8.

На бумаге прыжок в бенчмарках реальный, но самый громкий голос в треде ведёт bug-bounty программу и не радуется: он ждёт дня, когда дешёвый фаззинг превратится в настоящее оружие взломщиков.

А раздачу «бесплатно до 22 июня» многие читают как приманку перед переходом на оплату по использованию.