Неделя GitHub: все кинулись переписывать Jev

Браузерный агент от команды Browser Use, который полностью выбросил цикл со скриншотами. Вместо того чтобы фотографировать страницу и спрашивать зрячую модель, что делать, он держит живой индекс элементов и одним запросом получает от модели решений сразу две вещи — какое действие и по какому элементу; маленькая текстовая модель просыпается, только когда реально нужно что-то напечатать. Демо, которое все пересылали друг другу, — полный поиск на Google Flights примерно за семь секунд. Неделю он забрал себе потому, что это одновременно кратно быстрее скриншотного подхода и достаточно мало по объёму, чтобы прочитать целиком.

Плагин к Claude Code, который заменяет встроенное сжатие контекста. Вместо пересказа старой части сессии он оставляет стенограмму дословно и по каждому вызову инструмента задаёт модели решений два вопроса «да/нет» — оставить вызов, оставить результат — и по ответам выкидывает или обрезает. Логика простая: пересказ теряет ровно то, что потом нужнее всего, — путь к файлу, точный текст ошибки, ограничение, о котором договорились двадцать ходов назад. Взлетел он потому, что на этом обжигался каждый, кто ведёт длинные сессии с агентом.

Открытая модель типизированных решений от Convai Innovations под Apache-2.0, лежит на Hugging Face и ставится через pip. Она отвечает на три формы вопроса о тексте — выбери один из этих ярлыков, поставь оценку по шкале, насколько это правда — за один проход и вообще без генерации, примерно за 33 мс на GPU. Чекпойнтов три: английский на ModernBERT-large, многоязычный на mmBERT-base со 100+ языками и отдельный под структурированные сценарии, плюс роутер, который сам определяет язык и письменность и выбирает нужный. По их собственным замерам она точнее закрытого аналога и быстрее в семь-восемь раз — за это её и подняли так высоко.

Нативный редактор изображений для Mac, нацеленный прямо на Photoshop, под лицензией MIT, собирается открытием проекта в Xcode. Несущие части на месте: слои с режимами наложения, масками и корректирующими слоями, неразрушающие трансформации, волшебная палочка и заливка с учётом содержимого, восстанавливающая кисть и штамп, фильтры и размытия, вкладки и форматы JPEG, PNG, HEIC, TIFF. Автор прямо пишет, почему взялся: Photoshop слишком дорог, а GIMP так и не стал привычным — поэтому горячие клавиши здесь намеренно повторяют фотошоповские. Нужна macOS 26.

Собственная обвязка для кодящего агента от Z.ai, выложенная под Apache-2.0. В комплекте настольное приложение на Electron, браузерный и терминальный интерфейсы и агентский CLI, плюс работа на удалённой машине через SSH или WSL. Интересно тут то, что это именно обвязка, а не модель: конфигурация провайдеров встроена, и направить её можно куда угодно. Восемьсот форков за пять дней — говорящая цифра: многим нужен инструмент в форме Claude Code, но с разрешением лезть внутрь.

Семантические if: условие в ветвлении судит языковая модель, а не оператор сравнения. Вы даёте ей неструктурированную ситуацию, критерии, которые важны прямо сейчас, и типизированные варианты; замороженная модель на 4B за один проход читает вероятности ровно этих вариантов, так что ничего не сэмплируется и никакой ответ не пишется. Получается около секунды на решение против пяти с лишним, если просить модель выдать JSON, и примерно двадцатикратная пропускная способность, когда у решений общий контекст. Работает на домашней 3090, есть бэкенд MLX для Apple Silicon и демо на WebGPU, которому вообще не нужно железо.

Автоматизация для Jianying — профессиональной версии CapCut от ByteDance — на macOS. Вы подаёте материалы и структурированный план монтажа, а на выходе получается настоящий редактируемый нативный проект: несколько дорожек, изменение скорости, громкость, субтитры, титры, базовые ключевые кадры и штатные эффекты, с экспортом в MP4 через родной движок приложения. В комплекте идёт Agent Skill, чтобы весь конвейер вёл ИИ-агент, а не человек мышкой. Два момента: лицензия личная и некоммерческая, прав на интеграцию с CapCut она не даёт, а форков у репозитория 1420 при 2107 звёздах — необычно высокая доля для проекта недельной давности.

Нативный рантайм MLX для моделей типизированных решений Laya, чтобы они работали на Apple Silicon без PyTorch, без сервера и без облачного API. Заявленные медианы — около 13 мс на короткое английское решение и примерно 7 мс на многоязычной модели на M3 Max, при расходе меньше гигабайта памяти. Есть демо со «Змейкой», где локальная модель ведёт игру в реальном времени без заметных задержек, — грубый, но убедительный способ показать, как эта задержка ощущается.

Маркет-мейкерский бот, который принимает одно решение модели на каждый блок Monad — примерно раз в 300 миллисекунд — по паре MON-USDC на бирже Kuru. Каждый блок он читает стакан через RPC, спрашивает у модели решений, куда пойдёт цена в ближайшие полминуты, и ставит лимитный ордер на тик внутри спреда, чтобы спред зарабатывать, а не платить. Режим по умолчанию — сухой прогон: реальные рыночные данные, симулированные сделки, деньги не в игре. Подставляете приватный ключ — и он торгует по-настоящему.

Написанная с нуля миниатюра Jev на основе Qwen3-0.6B — с параллельными решениями, динамическими наборами кандидатов и полностью открытым конвейером обучения. Обучается примерно на 18 760 вопросах-решениях в четырёх игровых средах: прицеливание в ViZDoom, движущиеся цели в ViZDoom, лабиринт 50x50 и «Змейка» — всё смешивается с весами в один чекпойнт, который играет во все четыре. Это учебный артефакт в духе nanoGPT: достаточно мал, чтобы прочитать за вечер, и достаточно дёшев, чтобы переобучить на своей задаче.