PS Да, да, я в курсе, что во всем виноват хтонический менеджер, но не ITешешнички. И в РКНе ни одного ITешника нет, глубокое пальпирование пакетов придумал дядя Вася проктолог и тот НКВДешник из расстрельной команды. Угу. И Ру-ютуб и Ру-Мах нам накодомудили злобные зеленые хуюмбалы из галактики Вонючие Канавки. Программистики только клавиатуры подтаскивали, за "200 тыр для нас оскорбление".

Загрузи приложейние! "Накипело"!

Инструменты вроде CodeSpeak (публичная альфа-версия от создателя Kotlin Андрея Бреслава, о которой я подробно писал в своей статье) уже сегодня демонстрируют свой огромный потенциал: если загнать естественный язык в рамки контрактов, он способен стать лучшим, самым высоким из доступных нам уровней абстракции.

Будущее разработки: перекладывание JSON-ов или контроль смыслов через ИИ?

Переход от ручного кодинга к управлению спецификациями: почему естественный язык становится новым инструментом архитектурного контроля смыслов, а роль разработчика трансформируется в валидатора ИИ-систем.

Миф №1: «Придется писать в 10 раз больше текста»

Оппонент утверждает, что для точного описания логики на английском или русском потребуется в 10 раз больше слов, чем в коде. Практика CodeSpeak доказывает ровно обратное: объем того, что поддерживает человек, сокращается в 6–10 раз.

В CodeSpeak вместо написания кода вы пишете спецификацию в Markdown-файле .cs.md. Это не роман и не поток сознания. Это структурированный естественный язык, упакованный в жесткий Markdown-формат с четкими разделами (входные данные, структура вывода, требования).

Взгляните на реальный пример спецификации из моей статьи:

```
# EmlConverter

Converts RFC 5322 email files (.eml) to Markdown using Python's built-in `email` module.

## Accepts

`.eml` extension or `message/rfc822` MIME type.

## Output Structure

1. **Headers section**: From, To, Cc, Subject, Date as `**Key:** value` pairs
2. **Body**: plain text preferred; if only HTML, convert to markdown
3. **Attachments section** (if any): list with filename, MIME type, human-readable size

## Parsing Requirements

- Decode RFC 2047 encoded headers (e.g., `=?UTF-8?B?...?=`)
- Decode body content (base64, quoted-printable)
- Handle multipart: walk parts, prefer `text/plain` over `text/html`
- For `message/rfc822` parts: recursively format as quoted nested message
- Extract attachment metadata without decoding attachment content
```

Здесь нет синтаксического шума, бойлерплейта или ручного управления памятью. Здесь описана чистая бизнес-логика и контракты ввода-вывода. LLM (например, Claude Opus) читает этот файл, генерирует код и тесты. Синтаксис программирования не умирает — он просто поднимается на уровень выше, скрываясь под капотом LLM-компилятора.

Миф №2: Ловушка зеленых тестов

Автор оригинала пугает нас тем, что всего через десяток-другой изменений проект превратится в «клубок», где новые фичи ломают старые, а нейросеть пишет неправильный код, который проходит такие же неправильные тесты (ведь машина выполнила двусмысленный запрос формально верно).

Это реальная проблема, но она решается жесткой архитектурной изоляцией, которую, например, предлагает CodeSpeak или другой аналогичный инструмент разработки.

В CodeSpeak ИИ не работает в режиме «перепиши мне всё». Обычно он ограничен рамками одной или нескольких связанных спецификаций. Изменение логики парсинга писем никогда не сломает модуль оплаты, потому что LLM работает строго в границах локального контракта.

А как же тесты? Да, LLM пишет их сама. Но здесь меняется роль человека: он становится архитектором смыслов. Разработчик больше не ищет пропущенные запятые в Python-скрипте, он проводит ревью спецификаций и сгенерированных тест-кейсов. Двусмысленность устраняется на этапе согласования требований человеком, а не на этапе генерации.

Миф №3: «В точных науках нужен строгий формализм, а не слова»

Оппонент ссылается на аппаратные ограничения и математическую точность. Да, если вы пишете драйвер для видеокарты или ядро СУБД, вам нужен Rust или C++.

Но 90% софта в мире — это бизнес-логика. И здесь уместно вспомнить, как работают сами математики. Дональд Кнут в «Искусстве программирования» дает алгоритмы в строгом MIX-ассемблере, но обязательно подробно объясняет их на естественном языке.

В точных науках формулы нужны для строгого доказательства, а естественный язык — для передачи интуиции и смысла. Математики не общаются только формулами, иначе они бы не поняли друг друга.

В программировании будущего будет точно так же:

• Человек использует естественный язык для проектирования архитектуры и бизнес-правил.

• LLM берет на себя «механические вычисления» — трансляцию этих правил в Python, Java или Go.

Комментарии в коде — лучшее доказательство

Вспомните самую сложную и запутанную часть вашей кодовой базы. Скорее всего, над ней висит огромный комментарий на естественном языке.

Почему? Потому что код отвечает на вопрос «как», а естественный язык отвечает на вопрос «зачем». Код не способен передать высокоуровневую мотивацию и граничные случаи так же емко, как это делает человеческая речь. И именно эти комментарии сегодня помогают LLM-моделям при рефакторинге не терять суть задачи. Так почему бы не сделать эти «комментарии» самим источником истины (Source of Truth)?

Эволюция языков программирования не остановится на Python

Мы уже прошли долгий путь: машинный код → ассемблер → C → Java/Python. Каждый шаг — это отказ от ручного контроля в пользу более высокой абстракции.

Делегирование рутины компиляторам — это естественный прогресс. Да, пока мы находимся на этапе тестирования публичных альфа-версий подобных инструментов, но LLM — это просто следующий, сверхмощный компилятор, который уже сегодня понимает естественный язык без критических галлюцинаций, если его загнать в достаточно простые рамки формализма спецификаций.

Естественный язык в виде неструктурированной болтовни — действительно худший инструмент разработчика. Но естественный язык, упакованный в достаточно строгие контракты с автоматической кодогенерацией и тестами — это лучший язык программирования. Он детерминирован рамками модуля, он понятен бизнесу, и он позволяет инженеру быть инженером, а не синтаксическим принтером.

Пришло время перестать бороться с естественным языком и научиться его правильно готовить.

(Ссылка на мою статью с разбором архитектуры CodeSpeak: Архитектура вместо синтаксиса)

Что думаете? Готовы ли вы делегировать написание кода LLM, оставив за собой контроль контрактов, или продолжите вручную перекладывать JSON-ы до пенсии?

Мюсли. Вообще эта ваша Миры Мурати выбрала достаточно интересную стратегию. Смотрите, на рынке уже куча компаний, предоставляющих свои чаты и апи с языковыми моделями. Лезть сюда и отгрызать свой кусочек пирога глупо. Поэтому решили поступит хитрее, вместо готовых решений предоставлять инструменты (железячные мощности) для обучения/дообучения языковых моделей под конкретные задачи. Некоторые крупные компании уже так делают, посмотрите хотя бы на Qwen3-Coder-Next, которая специально затачивалась под программирование. Я тоже такой задачей занимался и занимаюсь, а именно, обучаю малую языковую модель (240 миллионов параметров) задаче извлечения ключевых слов (семантических сущностей) из произвольного текста. Писал об этом тут и тут, а тек же, запилил бота @keywords_extractor_bot, чтобы все могли попробовать.

Nvidia выпустила опенсорсную языковую модель NVIDIA-Nemotron-3-Super-120B-A12B.

Ссычуан. Компания Nvidia анонсировала новую открытую модель Nemotron 3 Super, предназначенную для создания сложных систем из множества AI-агентов. Модель позиционируется как базовая платформа для разработки агентных архитектур, где несколько ИИ-модулей могут совместно выполнять сложные задачи.

Nemotron 3 Super построена на архитектуре Mixture of Experts (MoE), что позволяет эффективно распределять вычисления между специализированными «экспертами» внутри модели. По данным Nvidia, новая версия работает в пять раз быстрее и показывает примерно в два раза более высокую точность, чем предыдущая версия Nemotron Super.

Мюсли. Джейсон «Куртка» Хуанг поднапрягся и выпустил опенсорсную модель с 1 миллионом токенов контекста. 4-х битные кванты этой модели будет занимать около 64-84 гигабайт оперативной памяти. На обычном компьютере такой запустить будет проблематично, а вот на райзен неттопах с 128 гигабайтами оперативы, вполне.

Рецепт пельменей получил офер на фронтендера.

Чик. Для проверки алгоритмов некой площадки по поиску работы псевдонимный автор из Threads разместил десяток фальшивых резюме. Как рассказал экспериментатор, одно из них было очевидно шуточным и содержало рецепт пельменей. Именно рецепт пельменей пригласили на собеседование и предложили дать офер даже после объяснения ситуации.

Мюсли. Еще одно доказательство того, что HR окончательно и бесповоротно сломан.

Видеогенератор Sora от OpenAI скоро появится в ChatGPT.

Пауч-пауч. OpenAI планирует развернуть генератор видео Sora в качестве встроенной функции чат-бота ChatGPT, пишет Information. В настоящее время инструмент доступен только на сайте и в виде отдельного приложения.

Мюсли. Сейчас Sora позиционируется, как отдельный сервис с возможностью нагенерировать кучу нейрослопа и поделиться им с миром.

Похоже, что Семушка Альтманов пытается привлеч новых пользователей и удержать текущих пользователей, на фоне возрастающей популярности Клода (не того, который Жан).

Нейросеть «Алиса» в умных устройствах «Яндекса» теперь работает на продвинутой ИИ‑модели.

Чпоньк. Теперь миллионы пользователей умных устройств получают более подробные и точные ответы «Алисы» — особенно на тему кино, игр, бытовых задач и путешествий. Это крупнейшее обновление ИИ‑модели в устройствах «Яндекса» за последний год.

По данным замеров методом слепого сравнения (Side by Side, SBS), текущая модель отвечает лучше предыдущей в 60% случаев. «Алиса» лучше понимает суть вопроса и чаще дает исчерпывающий ответ с первого раза. Сравнение моделей показало, что пользователи продвинутой версии на 9,9% реже переспрашивают «Алису». Сами ответы стали более подробными — их длина увеличилась в среднем на 37%. Кроме того, «Алиса» теперь лучше объясняет сложные вещи — к примеру, она подберёт понятные собеседнику аналогии, чтобы объяснить разницу между ИИ‑моделями разного размера.

Мюслие. Использую яндекс станцию с нового года, общее впечатление положительное. Да, запрогать в агентском режиме микросервис она вам не поможет, но как устройство для быстрого и простого поиска информации, а также воспроизведения музыки, вполне себе годится.

А на этом все, пацантре и пацантрины. Да, с телегой беда беда, но все же укажу ссылки на запиленых ботов, а именно бота для автоматического поиска организаций по городам, писал об этом тут. Так же реализовал бота мотиватора/вдохновлятора, который пишет «приятности», для поднятия настроения, писал о нем тут. Буду искать пути решения, посмотрим, мб придется из тг переходить на веб, что, к сожалению, создаст немного трудностей в реализации.