Армин Ронахер го остави GPT-6 Astra сам 35 часа.

Што покрива ова видео

• Армин Ронахер: 35 часа ненадгледувана GPT-6 Astra, ~1.200 долари, 79 записи, +75 илјади линии, ништо испорачано
• Earendil / SlopCodeBench: агентски код ~2× поопширен и еродиран од човечките складишта; строга стапка на поминување 0%
• Quesma: RTK известува 89% заштедени токени, но трошоците за Terminal-Bench се зголемуваат за 17% со DeepSeek; циклус на препишување не успеа 339 пати по ред
• Cognition SWE-2: пост-обучен од Kimi K3, се совпаѓа со Fable 5.1 на FrontierCode по една третина од цената; TB 2.1 92.8 наспроти TB 4 27.3; Devin Voice
• OpenAI Agents API (Codex алатката како услуга, само за САД, без ZDR); Пријавувањата за 200 долари Pro паузирани поради побарувачката за Astra

Преведен транскрипт

Преведено од оригиналната англиска нарација. Достапното аудио и наслови се контролирани од YouTube.

0:00 Армин Ронахер, човекот што го напиша Flask, ѝ даде на GPT-6 Astra еден единствен потсетник и ја остави сама триесет и пет часа. Се врати со седумдесет и пет илјади линии код и, според неговите зборови, апсолутно ништо вредно, што ја прави најреалната софтверска фабрика некогаш изградена. Објавата ја стави во среда. Во четврток, Cognition го испорача SWE-2, а OpenAI испорача Agents API и ги паузираше пријавувањата за својот план од двесте долари,

0:24 бидејќи Astra ги изеде серверите. И во петок објавата стигна до насловната страница на Hacker News, неколку редови под објава што бараше од Hacker News да престане да објавува за вештачка интелигенција. Во ова видео: што произведува ден и пол ненадгледувана Astra, две мерења што го претвораат нередот во број, зошто алатка со седумдесет и девет илјади ѕвезди ја прави вашата сметка поголема, и како Hacker News се обиде да филтрира вештачка интелигенција, користејќи вештачка интелигенција. Петок е, 11-ти септември, и ова е The Daily Diff.

0:53 Фабриката. Еден потсетник: изградете Python со виртуелни нишки и лексичко опфаќање. Astra си водеше сопствени белешки, си создаваше сопствени подагенти, и работеше додека Армин не го исклучи напојувањето, ден и пол и околу илјада и двесте долари подоцна. Седумдесет и девет записи, значи петнаесет и пол долари по запис, што е приближно она што го наплатува човек, освен што човекот на крајот застанува. Кодот е приказната. Наместо алатката за уредување, Astra ги закрпува C-датотеките со пренасочување на Python heredocs кои ја читаат датотеката, ја заменуваат функцијата со низа и ја запишуваат назад.

1:20 За да изврши еден Windows тест, напиша Python што создаде Node што создаде PowerShell, стек на повици со пасош. Единечните тестови што ги запиша немаат воопшто празен простор, бидејќи без вовлекување тие се десет проценти поевтини во токени. И списокот на задачи се помести од еден, два, три на задача 8b2c2b2b контролна точка еден, така што знаете дека практикантот бил предолго сам. Теоријата на Армин: моделот е награден за завршување на долги задачи и едвај казнет за грд код, така што повиците за алатки со "token-golfed" протекуваат во кодната база,

1:48 и колку помалку луѓе гледаат, толку помалку е важно. Тој го наслови тој дел „It's AGI If You Don't Look“. Hacker News ја додаде економијата: повеќе код значи повеќе токени за одржување, што го прави нередот не грешка, туку претплата. Можете ли да го измерите нередот? Компанијата на Армин се обиде оваа недела. Earendil ги изврши бројките на SlopCodeBench: агентскиот код е околу двојно поопширен и двојно потрошен од човечките складишта со кои се споредува,

2:10 и кога бенчмаркот ја брише меморијата на агентот помеѓу контролните точки, строгата стапка на поминување за секој модел што го тестираа е нула. Најсигурната метрика за неред што ја најдоа беше необработениот број на линии, што престанува да работи веднаш штом некој го оптимизира, затоа, ве молиме не им кажувајте на моделите. Потоа паричникот. RTK има седумдесет и девет илјади GitHub ѕвезди и YouTube сликички кои ветуваат дека ќе ја преполоват вашата сметка за Claude Code; ги компресира излезните податоци од терминалот пред агентот

2:34 да ги прочита. Quesma го изврши на Terminal-Bench за илјада и петстотини долари токени. Со Fable сметката падна за пет проценти, речиси сè од една задача; со DeepSeek просечната задача стана седумнаесет проценти поскапа. Во меѓувреме, бројачот на RTK пријави осумдесет и девет проценти заштедени, бидејќи брои отстранети бајти, а не предизвикани дополнителни вртења: паметен бројач што му наплатува на соседот. И една грешка во верзијата го препиша find во команда што не успеа, триста триесет и девет пати по ред, по девет пати повисока цена.

3:01 Алатката што ги убива токените има циклус. Самиот поплава. Cognition's SWE-2 е Kimi K3, отворениот кинески модел, пост-обучен додека не се совпадне со Fable 5.1 на сопствениот бенчмарк на Cognition по една третина од цената; Hacker News: зошто сите американски модели на вештачка интелигенција се во основа Kimi во мантил. На Terminal-Bench 2.1 го надминува целата табела; на Terminal-Bench 4, оној што никој сè уште не го запаметил, освојува дваесет и седум наспроти педесет и шест на Fable,

3:28 така што на бенчмарковите на слајд-шоуто најдобрата колона е испитот што сите веќе го положиле. Cognition исто така го најави Devin Voice, вашиот омилен софтверски инженер со вештачка интелигенција само што доби фиксен телефон, бидејќи она што недостасуваше на агентското кодирање беше музика на чекање. OpenAI, ист ден: Agents API, што е Codex алатка продадена како услуга. OpenAI го води sandbox-от, само за престој на податоци во САД, без задржување на нула податоци, така што агентот ја памети вашата кодна база исто толку добро како што тоа го прави ChatGPT. Потоа OpenAI ги паузираше пријавувањата за Pro планот од двесте долари,

3:57 бидејќи побарувачката за Astra е, цитирам, невидена: првиот производ со листа на чекање за да платите повеќе. Армин направи целосно ресетирање на својата фабрика. Тој е побарувачката. Што нè доведува до Ask HN во петок: може ли да го ограничиме поплавата од вести за вештачка интелигенција, шестотини педесет и шест поени, бидејќи, цитирам, секој пат кога некој во OpenAI или Anthropic ќе прдне, има топ-десет објава.

4:17 Одговорите беа филтри: hcker dot news ги отстранува приказните за вештачка интелигенција со BERT класификатор обучен на осум илјади примери, вештачка интелигенција за бришење вештачка интелигенција, хранети со трева; и uBlock regex што одговара на A-I без разлика на големината на буквите исто така брише е-пошта, дневно, главно, домен и воз, така што regex-от, како и секогаш, е негативецот. Истата попладне, четиристотини и петнаесет коментари се расправаа за страница за поддршка на Claude која вели дека Claude е осумнаесет плус.

4:38 Страницата е датирана од мај. Ништо не се промени. Дури и вестите за вештачка интелигенција кои не се вести, се вести, што, да бидам фер, е и мојот бизнис модел. Ако повеќе сакате да го прочитате ова отколку да ме слушнете како го кажувам, разликата слетува во вашето сандаче секое утро – бесплатно на the daily diff dot dev, линк подолу. Тоа е, неизбежно, вест за вештачка интелигенција. Значи – денешната пресуда за триесет и петчасовната софтверска фабрика: REVERT. Седумдесет и девет записи што никој не ги прочита не е кодна база, тоа е обврска со git

5:04 дневник; Astra е импресивна, а фабриката е делот што треба да се врати назад. И тоа е разликата за денес. Јас сум Нико од Axrisi. Спојувајте одговорно.

Извори

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