Практичные приёмы, релизы и сдвиги из AI/agent-каналов Telegram для Go-backend инженера: что попробовать или поменять в работе на этой неделе.
🗓 окно 10–17 августа 2026⚡ выводов: 9👀 на радаре: 5📡 сообщений прочитано: 22
💡 Что важно на этой неделе
Главные события недели — про деньги и упаковку, модели на этот раз вторичны. DeepSeek поднял цены 16 августа (вход в 1,5 раза, выход больше чем в 2, в пиковые часы ещё вдвое), Gemini 3.7 Flash подешевела вдвое, но тратит на 50% больше токенов, а Meta снизила цену Spark 1.2 до $0,1/$0,2 за право учиться на данных пользователя. Отсюда главный вывод: считать стоимость решённой задачи и профиль данных, а не цену за миллион токенов. Второй сюжет — упаковка агентных наработок: вышел формат Agent Plugins, где в один пакет кладут скиллы, mcp.json и расширения харнесса, но собирать из этого рабочее умение всё равно приходится самому. Самый полезный приём недели проще: не держать MCP подключённым постоянно, а положить CLI в scripts скилла — тулы остаются, контекст не съеден заранее. Релизов моделей много (Grok 4.6, Qwen 3.8 Max и 27B, GLM 5.3), но на этой неделе из них пригодится только окно удвоенных лимитов Grok в Cursor.
⚡
Главные практические выводы
Девять выводов из 22 сообщений за неделю. Каждый — с шагами и проверкой, чтобы вечером можно было попробовать на своём проекте.
01
Снять постоянный MCP с контекста: CLI внутри скилла
Скиллы устроены лениво: модель сначала видит только короткие name и description, полная инструкция подгружается, когда скилл понадобился. Схемы и описания MCP-тулов харнесс кладёт в контекст сразу, поэтому часть MCP перестают подключать постоянно: CLI или API-клиент кладут в scripts скилла, а в описании пишут, когда его брать.
Почему важно: описания тулов, которые нужны раз в неделю, съедают контекст в каждой сессии. Обёртка вокруг CLI оставляет доступ к тому же инструменту и освобождает место под саму задачу.
один и тот же инструмент, разная цена в токенах
⚡ Как применить
Выбрать один MCP-сервер, который висит в конфиге всегда, а нужен раз в неделю: трекер задач, метрики, вики.
Собрать вместо него скилл: в описании — условие вызова («когда нужно посмотреть задачу по ключу»), в scripts/ — вызов существующего CLI; MCP отключить в конфиге харнесса.
Проверка: сравнить число подключённых тулов и объём контекста в начале сессии до и после замены.
Риск скилл с CLI требует установленного и авторизованного бинаря: на другой машине или в CI он не заведётся. Схему аргументов модель заранее не видит, поэтому первые вызовы будут с неверными флагами — придётся описать их в скилле руками.
OpenAI, Vercel и другие договорились об одном формате пакета: в него кладут пачку скиллов, mcp.json с конфигами MCP-серверов и client extensions под конкретный харнесс. Центрального PLUGIN.md, который объяснит модели продукт целиком и порядок сценариев, в стандарте нет; подгрузку схем MCP-тулов он тоже не описывает — каждый харнесс решает сам.
Почему важно: если вы упаковываете свои наработки для команды, «умение» из пакета не появится: без верхнего уровня инструкций модель получит набор шестерёнок и будет выбирать скиллы наугад.
⚡ Как применить
Сложить свои скиллы и mcp.json в один пакет по формату с agent-plugins.org, версию зафиксировать в plugin.json.
Дописать сверху meta-скилл или инструкцию харнесса: какой скилл в каком порядке брать, где заканчивается его зона; в description каждого скилла оставить условие вызова.
Проверка: отдать пакет второму харнессу и посмотреть, соберёт ли он сценарий без ваших подсказок и не втянет ли схемы всех MCP-тулов в контекст.
Риск формат новый, переносимость обещана на уровне файлов, а не поведения: один харнесс загрузит тулы сразу, другой спрячет за поиск, третий подключит по необходимости. Точек распространения уже минимум четыре (skill-store.ru, skills.sh, neuraldeep.ru/skills и внутренние сторы компаний), так что единого места для пакета пока нет.
Глеб за неделю собрал конвейер приёма заявок и выложил его восемью пунктами: кнопка на лэндинге, опенсорсный аналог Календли cal.diy с интеграцией во внутреннюю CRM, доступность из Google Calendar (агент настроил сам через плагин к Chrome и OAuth-ключи), ссылка на звонок из своего приложения в маркетплейсе Zoom, облачная запись, распознавание с диаризацией на сервере, итог в карточку CRM с удалением оригинала. Восьмой шаг — агентный пайплайн по итогам разговора — помечен как under construction. Финальная строка поста: «просто скопируйте этот пост своему агенту».
Почему важно: это готовая форма задания. Нумерованный список «вход → где данные → что происходит → куда пишется результат» превращает расплывчатую хотелку в задачу, которую можно принимать по шагам, а не целиком.
схема собрана по восьми пунктам поста
⚡ Как применить
Взять одну свою рутину — приём заявок на доступы, разбор алертов, сбор релизных заметок — и выписать её теми же 6–8 пунктами: вход, где лежат данные, что происходит, куда пишется результат, что удаляется.
Отдать список агенту как ТЗ и отметить, какой пункт «under construction»: пусть закрывает только его, остальные шаги проверяет на совместимость.
Проверка: прогнать конвейер на одной реальной заявке и посчитать, сколько действий осталось делать руками.
Риск цепочка держится на внешних сервисах и вайбкоженных интеграциях: Zoom, OAuth-ключи Google, сервер с распознаванием. Записи звонков и ключи — персональные данные, для рабочего контура нужны своё хранилище и ротация секретов, а не «сделал за неделю и работает».
С 16 августа DeepSeek поднял цены: входные токены дороже в 1,5 раза, выходные — больше чем в 2, а в пиковые часы цена удваивается ещё раз. Вместе с этим компания выпустила V4 Pro из превью с весами под MIT и свой харнесс: почти всё в нём модуль с hot reload, включая коннекторы моделей и сам агентный луп.
Почему важно: если DeepSeek стоит в пайплайнах на массовых задачах — разбор логов, батчи суммаризации, генерация тестов, — счёт вырастет молча, а пиковые часы удвоят его сверху.
⚡ Как применить
Поднять расход за прошлую неделю отдельно по input и output, умножить на 1,5 и 2 — получится цена августа без изменений в коде.
Массовые батчи вынести из пиковых часов по расписанию, а для самых объёмных задач сравнить с локальным инференсом на весах V4 Pro под MIT.
Проверка: посчитать стоимость одной типовой задачи до и после переноса; разница меньше 20% — оставить как было.
Риск модульный харнесс с hot reload — это ещё один слой, который надо обслуживать и обновлять. Веса под MIT не отменяют счёта за железо: своя нода под большую модель может выйти дороже подорожавшего API.
Gemini 3.7 Flash по бенчмаркам выросла выше Sonnet 5, а цену временно скинули вдвое, до $0,75/$3,75; скидка держится до конца 2026 года. При этом расход токенов снова вырос: на тестах Artificial Analysis у модели уходит на 50% больше токенов.
Почему важно: половинный прайс при расходе токенов на 50% больше даёт примерно три четверти прежней стоимости задачи. Поэтому после такого релиза сравнивать модели по цене за миллион токенов бесполезно: считать надо сумму за решённую задачу.
Прогнать их на текущей модели и на Flash с одинаковым промптом, сохраняя usage по каждому прогону.
Проверка: сравнить сумму за задачу и число повторных прогонов; переносить, если стоимость ниже минимум на 30% при том же числе попыток.
Риск скидка временная: до конца 2026 года, потом цену обещают вернуть — ставить на неё долгие пайплайны рано. Плюс +50% токенов измерены на тестах Artificial Analysis, на вашем коде разница будет своя.
В недельном дайджесте канала: Meta выкатила агента Muse Code и модель Spark 1.2, а цену на неё снизила до $0,1/$0,2 за миллион токенов — за счёт разрешения обучаться на данных пользователя.
Почему важно: это дешевле $2/$6 у Grok 4.6 в двадцать раз по входу и в тридцать по выходу, поэтому такой тариф легко попадает в конфиг «просто попробовать». Вместе с промптами туда уезжает рабочий код, куски логов и схемы БД.
⚡ Как применить
Пройтись по конфигам харнесса, ключам в .env и переменным CI и выписать, какие модели и тарифы там прописаны.
Развести профили: дешёвый тариф с обучением на данных — только на публичные репозитории, песочницы и синтетику; приватный код — на тариф, где обучение отключено.
Проверка: в конфиге для приватных репозиториев не осталось модели со скидкой за данные; тариф подтверждён в условиях провайдера, а не в посте канала.
Риск формулировка «обучаемся на данных пользователя» у разных провайдеров означает разное, а условия меняются без анонса. Цифры $0,1/$0,2 взяты из дайджеста канала — это вторичный источник, перед решением нужен прайс провайдера.
Grok 4.6 вышла по прежней цене $2/$6 за миллион токенов: тот же претрейн 1.5T от Grok 4.5 дообучили и положили сверху заметно лучший посттрейн. По случаю запуска в Grok Build и Cursor на неделю удвоили лимиты на эту модель. В AI RANEZ пишут, что нормально кодить с Grok стало возможно только с 4.6, а сильная сторона семейства — свежие данные из X.
Почему важно: удвоенные лимиты — это способ проверить модель на своей кодовой базе, не трогая бюджет. Окно короткое: пост от 12 августа, значит закрывается около 19-го.
⚡ Как применить
Взять один открытый PR или задачу из бэклога и прогнать в Cursor дважды: на Grok 4.6 и на текущей модели с одним и тем же промптом.
Сравнить диффы: сколько правок пришлось внести руками, сколько попыток ушло до зелёных тестов.
Проверка: правок меньше и попыток не больше — оставить Grok на этом типе задач; иначе вернуться и не тратить неделю на переезд.
Риск оценки в обоих постах — личный опыт авторов без замеров, а нативный доступ к X для backend-кода почти ничего не даёт. Через несколько недель обещают Grok 4.7 на 2 трлн параметров, так что выводы про 4.6 быстро устареют.
GPT отказался править транзакцию — «а то вдруг что случится». Kimi ту же задачу сделал без возражений. Автор пишет, что перешёл бы на Kimi целиком, если бы там были такие же лимиты.
Почему важно: вокруг денег, миграций и удаления данных отказ модели упирается не в безопасность, а в полчаса уговоров. Второй провайдер в том же харнессе снимает это одной командой.
⚡ Как применить
Прописать в харнессе второго провайдера на ту же роль и проверить переключение /model прямо в открытой сессии, а не в момент аварии.
При отказе не спорить: перезапустить тот же промпт на второй модели, а в контекст добавить, что это локальная база и тестовая транзакция, если так и есть.
Проверка: неделю записывать отказы в три колонки (задача, модель, что помогло) — станет видно, какие темы сразу отправлять на вторую модель.
Риск у второй модели свои лимиты (в посте именно они мешают переезду) и свой прайс. И не каждый отказ стоит обходить: правка транзакций на проде — как раз тот случай, когда лучше сделать руками и под ревью.
Автор спорит с волной постов «раз в несколько месяцев снеси все настройки агентов, скиллы и MCP и собери заново». Его контраргумент: 99% этим заниматься не станут, а у тех, кто обновлял систему по ходу, 80% пересобранного повторит прежнее. Сам он тратит около 20% времени на эксперименты с подходами и считает, что текущая сборка переживёт несколько поколений моделей почти без изменений.
Почему важно: полный снос — это дни работы и потерянные промпты, которые доводились месяцами. Ревизия того, что не вызывалось, снимает ту же проблему без переписывания с нуля.
⚡ Как применить
Раз в месяц пройтись по своим скиллам, hooks и MCP и отметить, что реально вызывалось — по логам харнесса или истории команд.
Невызванное убрать из автозагрузки в отдельную папку, остальное поправить под текущую модель, не переписывая с нуля.
Проверка: через две недели посмотреть, вернулось ли что-то из отложенного; если нет — удалить.
Риск 80% — оценка автора, а не замер, и он же продаёт обучение по своему роадмапу: читать как мнение практика. Если ваша сборка появилась ещё до скиллов и агентных лупов, часть её всё-таки придётся переписать, а не почистить.
Под слоем чатового лора — разбор памяти агента Осинары: нити памяти, границы доступа, разные слои. Сам агент собран на движке Eve и лежит в открытом репозитории, описание модели памяти — в книге автора.
У любителей локальных моделей неделя релизов: сначала Muse Glimmer, потом Qwen 3.8 27B, плюс модели побольше. Ожидание «фронтир-уровня на десктопе» пока держится на картинках из твиттера, поэтому ждём замеров на своих задачах.
Прирост над 5.2 получили только масштабированием RL, причём на реальных задачах вроде оптимизации тренировки. Побочный эффект — кибербезопасность: с релиза 5.2 модели нашли 2,5 тыс. уязвимостей, самой старой 45 лет. Веса обещают через две недели.
2,4 трлн параметров, 95B активных, официальные веса в bf16 весят 5 ТБ; есть версии NVFP4 и MXFP4. Для запуска нужна нода с B300 или MI355x либо несколько нод попроще — ориентир для своей инфраструктуры, не для ноутбука.
Claude собирается помечать AI-тексты; механика та же, что Synth ID для картинок. Перефразирование другой моделью убивает паттерн, в котором кодируется метка, так что пайплайны генерации получат ещё одну стадию, а не запрет.