Surge сравнила харнессы для Claude Code на 100 инженерных задачах из sudo L7 🧑💻 За основу взяли Opus 5.5 с уровнем рассуждений medium. Скиллы Superpowers принесли +2,4 балла при расходах примерно в 1,1 раза выше, плагины /goal и /code-review — +3,3 балла при 1,8 раза. А Compound Engineering увеличил расходы примерно в 8 раз без статистически убедительного прироста 😅 Лучше всего сработал переход на xhigh: +11,3 балла при расходах в 3,5 раза выше. Самый заметный прирост пришёлся на проверку и тщательность (+14,9), а также упорство (+9,8). В одной из задач видеоредактор падал без первого клипа. На medium агент исправил часть проблемы и получил 14/100 за $0,12. На xhigh нашёл ещё один баг и получил 100/100 за $0,41. А в задаче с письмом для Zoom один из вариантов запустил 17 агентов и подключил 37 скиллов, но пропустил, что письмо с пасскодом уходит до оплаты. Похоже, настройку рассуждений стоит попробовать подкрутить перед установкой новых скиллов 🤔
Anthropic представила новые ИИ-модели Claude Fable 5.2 и Mythos 5.2 для сложных технических задач
- 244
- 64
- 39
- 29
- 14
- 10
- 225
- 82
- 65
- 25
- 14
- 12
- 288
- 63
- 45
- 25
- 7
- 7
- 144
- 16
- 13
- 4
- 463
- 89
- 59
- 23
- 9