А вот прямо суперзапуск новых возможностей API Anthropic — context editing автоматически удаляет устаревшие результаты вызовов инструментов из контекстного окна, а memory tool сохраняет критически важную информацию вне его через файловую систему.

Memory tool работает полностью на стороне клиента через обычные вызовы tool. Claude может создавать, читать, обновлять и удалять файлы в хранилище разработчика. По сути, это гибрид RAG и встроенной памяти, но с полным контролем над данными.

Это интересный ход на фоне того, что основные конкуренты оперируют в разы большим размером контекста — у Gemini он составляет 1 млн токенов, у GPT-5 400 тысяч. С другой стороны, это классическая иллюстрация, что не размер важен, а то, как пользуетесь — как уже обсуждали при первых рекордах на размер контекста, далеко не всегда возможность запихать в память много информации гарантирует, что она будет доступна модели одинаково.

https://www.anthropic.com/news/context-management

Вечер оказался богат на релизы — OpenAI запустила Instant Checkout, то есть возможность покупать товары прямо через ChatGPT. Пока работает только с продавцами Etsy в США, но компания обещает подключить миллион торговцев Shopify. Акции Etsy взлетели на 13%, Shopify — на 5%. OpenAI берет комиссию с транзакций, но размер не раскрывается.

OpenAI при этом открывает протокол для разработчиков. Правда, пока поддерживаются только single-item покупки. Позже будут и традиционные корзины, и другие ecommerce возможности. И будет очень интересно посмотреть на это, консьюмерское направление развития AI.

https://www.cnbc.com/2025/09/29/chatgpt-instant-checkout-etsy-shopify.html

Anthropic выпустила Claude Sonnet 4.5, самую лучшую модель для программирования, как говорится в релизе. Модель показывает 77.2% на SWE-bench Verified и может поддерживать фокус более 30 часов на многоступенчатых задачах.

В анонсе много данных бенчмарков — на OSWorld, тесте для реальных компьютерных задач, Sonnet 4.5 достиг 61.4% против 42.2% у версии четырехмесячной давности.

Но есть нюанс с безопасностью. Anthropic признает проблемы с CBRN-фильтрами (химическое, биологическое, радиологическое и ядерное оружие), которые иногда блокируют обычный контент. Компания уже уменьшила количество ложных срабатываний в 10 раз с момента первого описания проблемы, но пользователям предлагают переключаться на Sonnet 4 при прерывании диалога.

Обновлен также Claude Code до версии 2.0.0, где теперь по умолчанию включается Sonnet 4.5, а режим рассуждений включается через нажатие tab. Мне даже интересно — пару часов назад у меня вдруг забастовал Opus в Claude Code, а после переключения на Sonnet тот разрулил запутанную ошибку намного быстрее. Может, это уже была новая модель?

Обновлено также расширение для VS Code — теперь оно нативное. Кроме того, в Claude Code появились чекпойнты — точки, к которым можно вернуться при решении задачи, при этом изменения в коде также отменятся. Это неплохо, особенно, если будет работать без глюков, часто попытки с помощью CC что-то починить в процессе решения задачи ломают всё бесповоротно.

Ну, и опять привыкаем к режиму — "Opus мощнее, но Sonnet лучше", которая была привычной с версиями 3/3.5 соответственно.

https://www.anthropic.com/news/claude-sonnet-4-5

Новая новая моделька от DeepSeek для интересующихся.

Модель тренировали свежей V3.1-Terminus, но слегка изменив механизм внимания, DeepSeek Sparse Attention. Если очень вкратце, то теперь каждый токен обращает внимание на 2048 других, а не все предыдущие, и на основе слегка по-другому посчитанного произведения Q и K. Замена уже применявшегося механизма на новый не требует обучения с нуля — V3.2 это та же V3.1, дообученная на примерно триллионе токенов.

Получается существенно снизить затраты на поддержание длинного контекста — что очень важно в эпоху рассуждающих моделей; Я думаю, что скорее всего главная причина движения в этом направлении — более длинные цепочки рассуждений для задач, требующих сотни вызовов инструментов.

За миллион сгенерированных токенов у новой модели будут просить $0.42 (вместо $1.68 на V3.1).

По метрикам показывают, что качество не страдает.

Статья с техническими подробностями того, как работает новый Attention, тут. Интересное в ней, кроме Sparse Attention, тоже есть: теперь 3 отдельных шага RL-обучения (обучения рассуждениям) слили в один, и, наконец, используют GRM для оценки ответов в задачах без правильного ответа. Детальный разбор того, как это работает, делал тут.