آرمین روناچر به مدت 35 ساعت GPT-6 آسترا را تنها گذاشت.

این ویدیو چه مواردی را پوشش می‌دهد

• آرمین روناچر: 35 ساعت GPT-6 آسترا بدون نظارت، ~1,200 دلار، 79 کامیت، +75k خط، هیچ چیز ارسال نشد
• Earendil / SlopCodeBench: کد عامل ~2 برابر پرگویی و فرسایش یافته‌تر از مخازن انسانی؛ نرخ گذر سختگیرانه 0%
• Quesma: RTK گزارش 89% توکن ذخیره شده، اما هزینه‌های Terminal-Bench با DeepSeek 17% افزایش می‌یابد؛ یک حلقه بازنویسی 339 بار متوالی شکست خورد
• Cognition SWE-2: پس از آموزش از Kimi K3، با Fable 5.1 در FrontierCode با یک سوم قیمت مطابقت دارد؛ TB 2.1 92.8 در مقابل TB 4 27.3؛ Devin Voice
• OpenAI Agents API (هارنس Codex به عنوان سرویس، فقط در آمریکا، بدون ZDR)؛ ثبت‌نام‌های 200 دلاری Pro برای تقاضای Astra متوقف شد

رونوشت ترجمه شده

ترجمه شده از روایت اصلی انگلیسی. صوت و زیرنویس‌های موجود توسط YouTube کنترل می‌شوند.

0:00 آرمین روناچر، مردی که Flask را نوشت، به GPT-6 آسترا یک دستور واحد داد و آن را به مدت سی و پنج ساعت تنها گذاشت. آن با هفتاد و پنج هزار خط کد برگشت و، به قول خودش، مطلقاً هیچ چیز باارزشی، که آن را واقع‌بینانه‌ترین کارخانه نرم‌افزاری که تاکنون ساخته شده است، می‌سازد. او مقاله را در روز چهارشنبه منتشر کرد. در روز پنجشنبه، Cognition SWE-2 را عرضه کرد، و OpenAI یک Agents API عرضه کرد و ثبت‌نام‌ها برای طرح دویست دلاری خود را متوقف کرد،

0:24 زیرا آسترا سرورها را اشغال کرد. و در روز جمعه، مقاله به صفحه اول Hacker News رسید، چند ردیف پایین‌تر از پستی که از Hacker News درخواست می‌کرد لطفاً از انتشار اخبار هوش مصنوعی دست بردارد. در این ویدئو: آنچه یک و نیم روز از آسترای بدون نظارت تولید می‌کند، دو اندازه‌گیری که به آشفتگی عدد می‌دهند، چرا ابزاری با هفتاد و نه هزار ستاره قبض شما را بزرگ‌تر می‌کند، و چگونه Hacker News تلاش کرد تا هوش مصنوعی را با استفاده از هوش مصنوعی فیلتر کند. جمعه، 11 سپتامبر است، و این The Daily Diff است.

0:53 کارخانه. یک دستور: یک پایتون با رشته‌های مجازی و اسکوپینگ لغوی بساز. آسترا یادداشت‌های خودش را نگه داشت، زیرعامل‌های خودش را فعال کرد، و تا زمانی که آرمین سیم را کشید، یک و نیم روز و حدود دوازده صد دلار بعد، کار کرد. هفتاد و نه کامیت، بنابراین پانزده و نیم دلار برای هر کامیت، که تقریباً همان چیزی است که یک انسان شارژ می‌کند، با این تفاوت که انسان سرانجام متوقف می‌شود. کد داستان است. به جای ابزار ویرایش، آسترا فایل‌های C را با ارسال heredocهای پایتون که فایل را می‌خوانند، یک تابع را با رشته جایگزین می‌کنند، و آن را دوباره می‌نویسند، وصله می‌کند.

1:20 برای اجرای یک تست ویندوز، پایتون را نوشت که Node را فعال کرد و Node نیز PowerShell را فعال کرد، یک پشته فراخوانی با گذرنامه. تست‌های واحدی که کامیت کرد هیچ فضای خالی ندارند، زیرا بدون تورفتگی ده درصد ارزان‌تر در توکن‌ها هستند. و لیست وظایف از یک، دو، سه به وظیفه 8b2c2b2b نقطه بازرسی یک تغییر کرد، که اینگونه می‌فهمید کارآموز بیش از حد تنها بوده است. نظریه آرمین: مدل برای اتمام وظایف طولانی پاداش می‌گیرد و به سختی برای کد زشت مجازات می‌شود، بنابراین فراخوانی‌های ابزار با توکن کم به پایگاه کد نشت می‌کنند،

1:48 و هرچه انسان‌های کمتری نگاه کنند، اهمیت کمتری دارد. او آن بخش را "این AGI است اگر نگاه نکنی" نامید. Hacker News اقتصاد را اضافه کرد: کد بیشتر به معنای توکن‌های بیشتر برای نگهداری آن است، که آشفتگی را نه یک اشکال بلکه یک اشتراک می‌سازد. آیا می‌توانید آشفتگی را اندازه‌گیری کنید؟ شرکت خود آرمین این هفته تلاش کرد. Earendil اعداد SlopCodeBench را اجرا کرد: کد عامل حدود دو برابر پرگویی و دو برابر فرسایش یافته‌تر از مخازن انسانی است که با آن مقایسه می‌شود،

2:10 و هنگامی که معیار حافظه عامل را بین نقاط بازرسی پاک می‌کند، نرخ گذر سختگیرانه برای هر مدلی که آزمایش کردند صفر است. معتبرترین معیار آشفتگی که پیدا کردند، تعداد خطوط خام بود، که به محض اینکه کسی برای آن بهینه‌سازی کند از کار می‌افتد، پس لطفاً به مدل‌ها نگویید. سپس کیف پول. RTK هفتاد و نه هزار ستاره GitHub و تصاویر کوچک YouTube دارد که قول می‌دهند قبض Claude Code شما را نصف کنند؛ خروجی ترمینال را قبل از اینکه عامل

2:34 آن را بخواند فشرده می‌کند. Quesma آن را روی Terminal-Bench برای هزار و پانصد دلار توکن اجرا کرد. با Fable قبض پنج درصد کاهش یافت، تقریباً همه از یک وظیفه؛ با DeepSeek وظیفه متوسط هفده درصد گران‌تر شد. در همین حال، شمارنده خود RTK هشتاد و نه درصد ذخیره شده را گزارش کرد، زیرا بایت‌های حذف شده را می‌شمارد، نه نوبت‌های اضافی ایجاد شده: یک کنتور هوشمند که همسایه را قبض می‌کند. و یک اشکال در نسخه، find را به دستوری بازنویسی کرد که شکست خورد، سیصد و سی و نه بار متوالی، با نه برابر قیمت.

3:01 ابزاری که توکن‌ها را می‌کشد، یک حلقه دارد. خود سیل. SWE-2 Cognition همان Kimi K3 است، مدل چینی باز، پس از آموزش تا با Fable 5.1 در معیار خود Cognition با یک سوم قیمت مطابقت کند؛ Hacker News: چرا همه مدل‌های هوش مصنوعی آمریکایی اساساً Kimi در یک پالتو ترنچ هستند. در Terminal-Bench 2.1 کل جدول را صدرنشین می‌کند؛ در Terminal-Bench 4، آن یکی که هنوز کسی حفظ نکرده است، بیست و هفت امتیاز در مقابل پنجاه و شش امتیاز Fable می‌گیرد،

3:28 بنابراین در معیارهای اسلاید، بهترین ستون امتحانی است که همه قبلاً قبول شده‌اند. Cognition همچنین Devin Voice را اعلام کرد، مهندس نرم‌افزار هوش مصنوعی مورد علاقه شما همین الان یک تلفن ثابت پیدا کرد، زیرا تنها چیزی که کدنویسی عامل‌محور کم داشت موسیقی انتظار بود. OpenAI، همان روز: Agents API، که هارنس Codex است که به عنوان سرویس فروخته می‌شود. OpenAI سندباکس را اجرا می‌کند، فقط اقامت داده در آمریکا، بدون حفظ داده صفر، بنابراین عامل کدبیس شما را دقیقاً به همان خوبی که ChatGPT به خاطر می‌سپارد، به خاطر می‌سپارد. سپس OpenAI ثبت‌نام‌ها برای طرح 200 دلاری Pro را متوقف کرد،

3:57 زیرا تقاضای Astra، به نقل قول، بی‌سابقه است: اولین محصول با لیست انتظار برای پرداخت بیشتر. آرمین یک بازنشانی کامل روی کارخانه خود سوزاند. او همان تقاضا است. که ما را به Ask HN جمعه می‌رساند: آیا می‌توانیم لطفاً سیل اخبار هوش مصنوعی را محدود کنیم، ششصد و پنجاه و شش امتیاز، زیرا، به نقل قول، هر بار که کسی در OpenAI یا Anthropic گازی می‌دهد، یک پست برتر ده وجود دارد.

4:17 پاسخ‌ها فیلترها بودند: hcker dot news داستان‌های هوش مصنوعی را با یک طبقه‌بندی‌کننده BERT آموزش‌دیده روی هشت هزار مثال، AI برای حذف AI، تغذیه شده با علف؛ و یک regex uBlock که A-I را بدون توجه به حروف بزرگ و کوچک مطابقت می‌دهد، همچنین ایمیل، روزانه، اصلی، دامنه و آموزش را حذف می‌کند، بنابراین regex، مثل همیشه، شرور است. همان بعدازظهر، چهارصد و پانزده نظر در مورد صفحه پشتیبانی Claude بحث کردند که می‌گفت Claude هجده به علاوه است.

4:38 صفحه مربوط به ماه مه است. چیزی تغییر نکرد. حتی اخبار هوش مصنوعی که خبر نیست، خبر است، که، انصافاً، مدل کسب و کار من نیز همین است. اگر ترجیح می‌دهید این را بخوانید تا اینکه من آن را بگویم، diff هر روز صبح به صندوق پستی شما می‌رسد — رایگان در the daily diff dot dev، لینک زیر. ناگزیر، این اخبار هوش مصنوعی است. بنابراین — حکم امروز در مورد کارخانه نرم‌افزاری سی و پنج ساعته: REVERT. هفتاد و نه کامیت که هیچ کس نخواند، کدبیس نیست، این یک مسئولیت با یک git

5:04 گزارش است؛ Astra چشمگیر است، و کارخانه بخشی است که باید برگردانده شود. و این The Daily Diff برای امروز است. من نیکو از Axrisi هستم. مسئولانه ادغام کنید.

منابع

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