Armin Ronacher သည် GPT-6 Astra ကို ၃၅ နာရီကြာ တစ်ယောက်တည်း ထားခဲ့သည်။

ဤဗီဒီယိုတွင် ဖော်ပြထားသောအရာများ

• Armin Ronacher: ကြီးကြပ်မှုမဲ့ GPT-6 Astra ၏ ၃၅ နာရီ၊ ~$1,200၊ ၇၉ commits၊ +၇၅k လိုင်း၊ ဘာတစ်ခုမှ မရောက်ရှိခဲ့ပါ။
• Earendil / SlopCodeBench: agent code သည် လူသား repos များထက် ~၂ ဆ ပိုမို ရှည်လျားပြီး ပျက်စီးနေသည်; တင်းကြပ်သော pass rate သည် ၀% ဖြစ်သည်။
• Quesma: RTK သည် tokens ၈၉% သက်သာသည်ဟု ဖော်ပြသော်လည်း DeepSeek ဖြင့် Terminal-Bench ကုန်ကျစရိတ်သည် ၁၇% တိုးလာသည်; rewrite loop သည် ၃၃၉ ကြိမ် ဆက်တိုက် ကျရှုံးခဲ့သည်။
• Cognition SWE-2: Kimi K3 မှ post-train လုပ်ထားပြီး FrontierCode ရှိ Fable 5.1 နှင့် သုံးပုံတစ်ပုံစျေးနှုန်းဖြင့် ကိုက်ညီသည်; TB 2.1 92.8 vs TB 4 27.3; Devin Voice
• OpenAI Agents API (ဝန်ဆောင်မှုအဖြစ် Codex harness၊ US-only၊ ZDR မပါ); Astra တောင်းဆိုမှုကြောင့် $200 Pro sign-ups ကို ရပ်ဆိုင်းထားသည်။

ဘာသာပြန်ထားသော စာသားမှတ်တမ်း

မူရင်း အင်္ဂလိပ်စကားပြောမှ ဘာသာပြန်ထားသည်။ ရရှိနိုင်သော အသံနှင့် စာတန်းထိုးများကို YouTube မှ ထိန်းချုပ်ထားသည်။

0:00 Flask ကို ရေးခဲ့သူ Armin Ronacher သည် GPT-6 Astra ကို prompt တစ်ခု ပေးခဲ့ပြီး သုံးဆယ့်ငါးနာရီကြာ တစ်ယောက်တည်း ထားခဲ့သည်။ ၎င်းသည် ကုဒ်လိုင်း ခုနစ်သောင်းငါးထောင်ဖြင့် ပြန်လာခဲ့ပြီး သူ့စကားအရ လုံးဝအသုံးမဝင်သည့်အရာ ဖြစ်သောကြောင့် ၎င်းသည် အမှန်ဆုံး ဆော့ဖ်ဝဲလ်စက်ရုံ ဖြစ်လာသည်။ သူသည် ဗုဒ္ဓဟူးနေ့တွင် အစီရင်ခံစာကို တင်ခဲ့သည်။ ကြာသပတေးနေ့တွင် Cognition သည် SWE-2 ကို ထုတ်ပြန်ခဲ့ပြီး OpenAI သည် Agents API ကို ထုတ်ပြန်ခဲ့သည် နှင့် ၎င်း၏ ဒေါ်လာနှစ်ရာတန် အစီအစဉ်အတွက် sign-up များကို ခေတ္တရပ်ဆိုင်းခဲ့သည်

0:24 အဘယ်ကြောင့်ဆိုသော် Astra က server များအားလုံးကို သုံးစွဲခဲ့သောကြောင့် ဖြစ်သည်။ သောကြာနေ့တွင် ထိုအစီရင်ခံစာသည် Hacker News ၏ ရှေ့ဆုံးစာမျက်နှာသို့ ရောက်ရှိခဲ့သည် Hacker News အား AI အကြောင်း ရပ်တန့်ရန် တောင်းဆိုထားသည့် post အောက်တွင် အနည်းငယ်သာ ဖြစ်သည်။ ဤဗီဒီယိုတွင်: တစ်ရက်ခွဲကြာ ကြီးကြပ်မှုမဲ့ Astra က ဘာတွေထုတ်လုပ်ခဲ့သလဲ၊ အမှိုက်ကို နံပါတ်အဖြစ်သို့ ပြောင်းလဲပေးသည့် တိုင်းတာမှု နှစ်ခု၊ ခုနစ်သောင်းကိုးထောင် ကြယ်ပွင့်ရှိသော ကိရိယာတစ်ခုက သင့်ဘေလ်ကို ဘာကြောင့် ပိုကြီးစေသလဲ၊ နှင့် Hacker News က AI ကို အသုံးပြု၍ AI ကို မည်သို့ စစ်ထုတ်ရန် ကြိုးစားခဲ့သည်ကို ပြသပါမည်။ ယနေ့သည် စက်တင်ဘာလ ၁၁ ရက် သောကြာနေ့ဖြစ်ပြီး ဤသည်မှာ The Daily Diff ဖြစ်သည်။

0:53 စက်ရုံ။ Prompt တစ်ခု: virtual thread များနှင့် lexical scoping ပါသော Python တစ်ခု တည်ဆောက်ပါ။ Astra သည် ၎င်း၏ ကိုယ်ပိုင် မှတ်စုများကို ထားရှိခဲ့ပြီး၊ ၎င်း၏ ကိုယ်ပိုင် subagent များကို စတင်ခဲ့ပြီး၊ Armin plug ကို ဆွဲနှုတ်သည်အထိ တစ်ရက်ခွဲနှင့် ဒေါ်လာတစ်ထောင်နှစ်ရာခန့် အကြာတွင် လည်ပတ်ခဲ့သည်။ ခုနစ်ဆယ့်ကိုး commit၊ ထို့ကြောင့် တစ် commit လျှင် ဒေါ်လာတစ်ဆယ့်ငါးဆယ့်ငါးဆယ်၊ ၎င်းသည် လူသားတစ်ဦး အားသွင်းသည့် ပမာဏခန့်ဖြစ်သည်။ သို့သော် လူသားသည် အချိန်တန်လျှင် ရပ်တန့်သွားသည်နှင့် မတူပေ။ Code သည် ဇာတ်လမ်းဖြစ်သည်။ edit tool အစား Astra သည် C ဖိုင်များကို Python heredocs ဖြင့် patch လုပ်ပြီး ဖိုင်ကို ဖတ်ကာ၊ function တစ်ခုကို string-replace လုပ်ပြီး ပြန်ရေးသည်။

1:20 Windows test တစ်ခုကို run ရန် ၎င်းသည် Python ကို ရေးခဲ့ပြီး ထို Python က Node ကို ထုတ်လုပ်ပြီး ထို Node က PowerShell ကို ထုတ်လုပ်ခဲ့သည်။ နိုင်ငံကူးလက်မှတ်ပါရှိသော call stack တစ်ခုဖြစ်သည်။ ၎င်း commit လုပ်ခဲ့သော unit test များတွင် whitespace လုံးဝ မပါဝင်ပေ အဘယ်ကြောင့်ဆိုသော် indentation မပါဝင်ပါက token တွင် ဆယ်ရာခိုင်နှုန်း ပိုမို သက်သာသောကြောင့် ဖြစ်သည်။ task list သည် တစ်၊ နှစ်၊ သုံး မှ task 8b2c2b2b checkpoint တစ်ခုသို့ ပြောင်းလဲသွားသည်။ ၎င်းသည် Intern တစ်ယောက်တည်း ကြာမြင့်စွာ နေခဲ့ရသည်ကို မည်သို့ သိနိုင်မည်နည်း။ Armin ၏ သီအိုရီ: model သည် ရှည်လျားသော task များကို အပြီးသတ်ခြင်းအတွက် ဆုချခံရပြီး ပုံဆိုးသော code အတွက် အပြစ်ပေးခံရခြင်း နည်းပါးသည်၊ ထို့ကြောင့် token-golfed tool calls များသည် codebase ထဲသို့ စိမ့်ဝင်သွားပြီး

1:48 လူသားများ ကြည့်ရှုမှု နည်းပါးလေ၊ ၎င်းသည် အရေးမကြီးလေ ဖြစ်သည်။ သူသည် ထိုအပိုင်းကို သင်မကြည့်လျှင် ၎င်းသည် AGI ဖြစ်သည်ဟု ခေါင်းစဉ်တပ်ခဲ့သည်။ Hacker News သည် စီးပွားရေးကို ထပ်ပေါင်းထည့်ခဲ့သည်: code ပိုများလေ၊ ၎င်းကို ထိန်းသိမ်းရန် token ပိုများလေ ဖြစ်သည်၊ ၎င်းသည် အမှိုက်ကို bug မဟုတ်ဘဲ subscription တစ်ခု ဖြစ်စေသည်။ အမှိုက်ကို တိုင်းတာနိုင်သလား။ Armin ၏ ကိုယ်ပိုင်ကုမ္ပဏီသည် ယခုသီတင်းပတ်တွင် ကြိုးစားခဲ့သည်။ Earendil သည် SlopCodeBench နံပါတ်များကို run ခဲ့သည်: agent code သည် ၎င်းနှင့် နှိုင်းယှဉ်ထားသော လူသား repos များထက် နှစ်ဆ ပိုမို ရှည်လျားပြီး နှစ်ဆ ပိုမို ပျက်စီးနေသည်၊

2:10 နှင့် benchmark သည် checkpoint များကြားတွင် agent ၏ memory ကို ဖျက်လိုက်သောအခါ၊ ၎င်းတို့ စမ်းသပ်ခဲ့သော model တိုင်းအတွက် တင်းကြပ်သော pass rate သည် သုည ဖြစ်သည်။ ၎င်းတို့ တွေ့ရှိခဲ့သော ယုံကြည်စိတ်ချရဆုံး အမှိုက်တိုင်းတာရေး metric သည် raw line count ဖြစ်သည်၊ မည်သူမဆို ၎င်းအတွက် optimized လုပ်သည်နှင့် ချက်ချင်း ရပ်တန့်သွားသည်။ ထို့ကြောင့် model များကို မပြောပါနှင့်။ ထို့နောက် ပိုက်ဆံအိတ်။ RTK တွင် GitHub ကြယ် ၇၉,၀၀၀ ရှိပြီး YouTube thumbnails များက သင့် Claude Code ဘေလ်ကို တစ်ဝက်လျှော့ချပေးမည်ဟု ကတိပေးသည်။ ၎င်းသည် agent

2:34 မဖတ်မီ terminal output ကို ချုံ့ပေးသည်။ Quesma သည် Terminal-Bench တွင် ဒေါ်လာတစ်ထောင့်ငါးရာတန် token များဖြင့် run ခဲ့သည်။ Fable ဖြင့် ဘေလ်သည် ငါးရာခိုင်နှုန်း ကျဆင်းခဲ့သည်၊ ၎င်းသည် task တစ်ခုတည်းမှ အများစုဖြစ်သည်။ DeepSeek ဖြင့် ပျမ်းမျှ task သည် ဆယ့်ခုနစ်ရာခိုင်နှုန်း ပိုမို ဈေးကြီးလာသည်။ တစ်ချိန်တည်းမှာပင် RTK ၏ ကိုယ်ပိုင် counter က ၈၉% သက်သာသည်ဟု ဖော်ပြခဲ့သည် အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် ဖယ်ရှားလိုက်သော bytes ကို ရေတွက်ခြင်းဖြစ်ပြီး၊ အပိုအလှည့်များ ဖြစ်စေခြင်းကို မရေတွက်သောကြောင့် ဖြစ်သည်။ အိမ်နီးချင်းကို ဘေလ်ပို့သည့် smart meter တစ်ခုဖြစ်သည်။ version bug တစ်ခုက find ကို ကျရှုံးသော command တစ်ခုအဖြစ် ပြန်ရေးခဲ့သည်၊ သုံးရာသုံးဆယ့်ကိုးကြိမ် ဆက်တိုက်၊ ကိုးဆ ပိုမို ဈေးနှုန်းဖြင့် ကျရှုံးခဲ့သည်။

3:01 tokens များကို သတ်ပစ်သည့် ကိရိယာတွင် loop တစ်ခုရှိသည်။ ရေလွှမ်းမိုးခြင်းကိုယ်တိုင်။ Cognition ၏ SWE-2 သည် Kimi K3 ဖြစ်သည်၊ ၎င်းသည် တရုတ် open model ဖြစ်သည်။ ၎င်းသည် Cognition ၏ ကိုယ်ပိုင် benchmark တွင် Fable 5.1 နှင့် သုံးပုံတစ်ပုံ စျေးနှုန်းဖြင့် ကိုက်ညီသည်အထိ post-train လုပ်ထားသည်။ Hacker News: အမေရိကန် AI model များအားလုံး ဘာကြောင့် Kimi trench coat ဝတ်ထားသလို ဖြစ်နေရသလဲ။ Terminal-Bench 2.1 တွင် ၎င်းသည် ဇယားတစ်ခုလုံးကို ကျော်လွန်သည်; Terminal-Bench 4 တွင်၊ မည်သူမျှ မှတ်မိသေးခြင်းမရှိသည့် တစ်ခုတွင်၊ ၎င်းသည် Fable ၏ ၅၆ မှတ်တွင် ၂၇ မှတ် ရရှိသည်၊

3:28 ထို့ကြောင့် slide-deck benchmark များတွင် အကောင်းဆုံး column သည် လူတိုင်း အောင်မြင်ပြီးသား စာမေးပွဲ ဖြစ်သည်။ Cognition သည် Devin Voice ကိုလည်း ကြေညာခဲ့သည်၊ သင့်အကြိုက်ဆုံး AI ဆော့ဖ်ဝဲလ် အင်ဂျင်နီယာသည် landline ဖုန်း ရရှိခဲ့သည်၊ အဘယ်ကြောင့်ဆိုသော် agentic coding တွင် လိုအပ်နေသော တစ်ခုတည်းသောအရာမှာ hold music ဖြစ်သောကြောင့် ဖြစ်သည်။ OpenAI၊ ထိုနေ့မှာပင်: Agents API၊ ၎င်းသည် ဝန်ဆောင်မှုအဖြစ် ရောင်းချသော Codex harness ဖြစ်သည်။ OpenAI သည် sandbox ကို run သည်၊ US data residency သာလျှင်၊ zero-data-retention မရှိပါ၊ ထို့ကြောင့် agent သည် သင်၏ codebase ကို ChatGPT ကဲ့သို့ပင် မှတ်မိသည်။ ထို့နောက် OpenAI သည် ဒေါ်လာနှစ်ရာတန် Pro plan အတွက် sign-up များကို ရပ်ဆိုင်းခဲ့သည်

3:57 အဘယ်ကြောင့်ဆိုသော် Astra ၏ တောင်းဆိုမှုသည်၊ ကိုးကားရမည်ဆိုလျှင်၊ “မကြုံစဖူး” ဖြစ်သောကြောင့် ဖြစ်သည်။ စောင့်ဆိုင်းစာရင်းပါရှိသည့် ပထမဆုံး ထုတ်ကုန်ဖြစ်သည် ပိုမို ပေးချေရန်။ Armin သည် ၎င်း၏ စက်ရုံတွင် full reset ကို မီးရှို့ခဲ့သည်။ သူသည် တောင်းဆိုမှု ဖြစ်သည်။ ၎င်းသည် သောကြာနေ့ Ask HN သို့ ဦးတည်စေသည်: AI သတင်းများ ရေလွှမ်းမိုးမှုကို ကန့်သတ်နိုင်ပါမည်လော၊ ခြောက်ရာငါးဆယ့်ခြောက်မှတ်၊ အဘယ်ကြောင့်ဆိုသော်၊ ကိုးကားရမည်ဆိုလျှင်၊ OpenAI သို့မဟုတ် Anthropic မှ တစ်စုံတစ်ဦး အသံပြုတိုင်း၊ top-ten post တစ်ခု ရှိနေသောကြောင့် ဖြစ်သည်။

4:17 အဖြေများသည် filter များ ဖြစ်သည်: hcker dot news သည် AI ဆောင်းပါးများကို BERT classifier ဖြင့် ဖယ်ရှားသည်၊ ၎င်းသည် ရှစ်ထောင်သော ဥပမာများပေါ်တွင် train လုပ်ထားသည်၊ AI ကို ဖျက်ရန် AI၊ grass-fed; နှင့် A-I ကို case-insensitively ကိုက်ညီသော uBlock regex သည်လည်း email, daily, main, domain နှင့် train ကို ဖျက်ပစ်သည်၊ ထို့ကြောင့် regex သည် အမြဲတမ်း လူဆိုး ဖြစ်သည်။ ထိုနေ့မွန်းလွဲပိုင်းတွင် လေးရာတစ်ဆယ့်ငါးမှတ်ရှိသော comment များသည် Claude support page တစ်ခုအကြောင်း ငြင်းခုံခဲ့ကြသည် Claude သည် တစ်ဆယ့်ရှစ်နှစ်အထက် ဖြစ်ကြောင်း ပြောဆိုထားသည်။

4:38 ထို page သည် မေလ ရက်စွဲဖြစ်သည်။ ဘာမှ မပြောင်းလဲပါ။ သတင်းမဟုတ်သော AI သတင်းပင်လျှင် သတင်း ဖြစ်နေသည်၊ ၎င်းသည် ရိုးရိုးသားသားပြောရလျှင် ကျွန်ုပ်၏ စီးပွားရေးပုံစံလည်း ဖြစ်သည်။ ကျွန်ုပ်ပြောသည်ကို နားထောင်ခြင်းထက် ၎င်းကို ဖတ်ရှုလိုပါက diff သည် သင့် inbox ထဲသို့ နေ့စဉ် နံနက်တိုင်း ရောက်ရှိပါသည် — the daily diff dot dev တွင် အခမဲ့၊ link အောက်တွင် ရှိသည်။ ၎င်းသည် ရှောင်လွှဲ၍မရ၊ AI သတင်း ဖြစ်သည်။ ထို့ကြောင့် — ယနေ့ သုံးဆယ့်ငါးနာရီ ဆော့ဖ်ဝဲလ်စက်ရုံ၏ စီရင်ချက်: REVERT။ မည်သူမျှ မဖတ်သော ခုနစ်ဆယ့်ကိုး commit သည် codebase မဟုတ်ပါ၊ ၎င်းသည် git

5:04 log ပါရှိသော တာဝန်တစ်ခုဖြစ်သည်။ Astra သည် အထင်ကြီးစရာကောင်းပြီး၊ စက်ရုံသည် ပြန်လည်ရုပ်သိမ်းရမည့် အပိုင်းဖြစ်သည်။ ယနေ့အတွက် diff သည် ဤမျှသာ ဖြစ်သည်။ ကျွန်ုပ်သည် Axrisi မှ Niko ဖြစ်ပါသည်။ တာဝန်ယူမှုဖြင့် ပေါင်းစည်းပါ။

ရင်းမြစ်များ

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