Žinutės

Filtrastaikomas

Šis puslapis nėra tiesioginis — žinutės atnaujinamos pagal tvarkaraštį. Paskutinį kartą atnaujinta . Kito atnaujinimo laukiama apie . Laikas rodomas Vilniaus laiku (EET).

Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Codex ups.. :) Bus resetų? :)
Žinutės vaizdas
Programavimas / agentai
Kai norėsis pasitobulinti savo harness'ą su išoriniais šalitniais. Sau tobulinuosi šitą skills'ą.

https://github.com/dkiaulakis/comparison-exchange-report

Linkiu klestėt su AI 🚀

#AiOpsCatalyst [el. paštas paslėptas] [telefonas paslėptas] #BremenLLM
  • 👍1
Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Kas naudojat https://xirp.spotify.com/

Sako, kad daugiau sutelkė dėmesio į git optimizacijas, kad agentai neblūdytų :) Tik panašu Linux'ui neturi, MAC.

Būtinas sutikimas 🤖ClaudeKimiVaizdai / vaizdo kūrimasProgramavimas / agentai
🤖 AI santrauka (paskutinės 24 val.) - 2026-10-05

• Alpha Bunny per terminalą: dalyvis pasidalino, kad modelis pats suplanuoja funkcionalumus, anksčiau tokenus degindavo planavimui su Codex ar Claude, o dabar planus peržiūri ir koduoja kiti modeliai.

• Codex creditų sunaudojimas: su 12 sesijų per 5–6 valandas sunaudota 60 000 dovanotų Codex creditų; pusė laiko sukosi Astra xhigh, kita pusė Sol xhigh
• o sub-sesijose – mažesni modeliai pagal užduočių sudėtingumą.

• Modelių palyginimas: aptarta, kad mimo 2.6 pro patinka, bet 15 tps greitis ženkliai atsilieka nuo DeepSeek 4.1 Flash 100 tps
• Cline prastai integruojasi su vieno dalyvio harness'u – modelis ignoruoja nurodymus.

• DI grėsmių diskusija: cituotas iš Anthropic straipsnis su alternatyviu kampu, kad trumpalaikės grėsmės slypi ne superintelekte, o netiesioginėse dabartinių DI sistemų naudojimo pasekmėse.

• OpenAI hide-and-seek analogija: paminėtas 2019 m. OpenAI „hide-and-seek“ eksperimentas; dalyviai lygino dabartinę DI raidos stadiją su 1:45 min.
• to video momentu ir svarstė, kas bus realaus pasaulio „box surfing“.

• Socialinių tinklų būsena: aptarta, kad X virtęs į discordo stiliaus platformą, Mastodon yra federuotas per ActivityPub protokolą, o Nostr pasižymi decentralizacija
• bet minia ten koncentruojasi ties viena tema.

• Usenet nostalgija: pasidalinta, kad vis dar palaiko lietuvišką grupę su naujais įrašais, o turi senų archyvų; prisiminti IE ir Netscape nesuderinamumai be StackOverflow ar DI pagalbos.
• Pasidalinta 3x-ui skill repozitorija GitHub (AndyShaman/3x-ui-skill) su vizualais, taip pat AI sugeneruotu video ir YouTube klipu apie DI raidą.

📖 Dienos pokalbis ir šaltiniai
💬 Klausimas kitai apžvalgai – /klausk
Apžvalgą parengė: Kimi (K3, DI)

Darius@Kiaulakis.lt #AiOpsCatalystClaudeProgramavimas / agentai
Pastebėjot, kad Claude sesijos eikvoja gerokai daugiau kompo resursų, nei kiti LLM, pvz. Codex man 10+ sesijų puikiai eina; bet tik kai paleidžiu greta kokias 2-3 Claude sesijas su savo 2-8 sub-sesijom; Kartais net Linux Ubuntu naujausias neatlaiko ir palūžta :D
  • 😱1
ClaudeGrokProgramavimas / agentai
Truputį šiandien Codex pas mane multitaskina :) Turbūt kiekybinis rekordas, nes dar 3 sesijos Zed sukasi (Grok, Cline su stealth modeliu ir Claude) :)
Žinutės vaizdas
  • 🔥1
  • 🤯1
Programavimas / agentai
Su 12 sesijų (nelabai intensyviai leidžiant joms sub-sesijas) per ~5-6val. sunaudojo 60.000 Codex creditų.
Čia tie, kur dovanų davė..

Jei kas dar laikysit juodai dienai, kad suprast ko tikėtis.

Sukosi non-stop pusė to laiko Astra xhigh; kita pusė Sol xhigh;

Sub-sesijose sukosi mažesni modeliai ir effort'ai, pagal užduočių sudėtingumą ir kompleksiškumą (tikrai ne Astra).
  • 👍1
Vaizdai / vaizdo kūrimasProgramavimas / agentai
KIaip gerai, kad yra gerų samariečių.

Pasidalino, tai aiškinasi mano harness'as ką galima pasiimti video kūrimo tema su AI:

https://github.com/calesthio/OpenMontage

https://github.com/alexfisenkov/aimaster
  • 👍1
Būtinas sutikimas 🤖ClaudeKimiGrokAutomatizacija / integracijosVaizdai / vaizdo kūrimasPaieška / SEOProgramavimas / agentai
🤖 AI santrauka (paskutinės 24 val.) - 2026-10-04

• Sutikimo privalomumas grupėje: priminta, kad esami ir nauji nariai privalo pateikti sutikimą iki 2026 m. spalio 21 d.
• Be sutikimo nariai bus pašalinti iš grupės ir galės tik stebėti turinį tinklalapyje arba per savo LLM, bet ne rašyti.
• Pašalinus narį, visos jo žinutės automatiškai pašalinamos, su galimybe bet kada sugrįžti.

• Renginių publikavimas: užduotas klausimas, kaip grupėje ir tinklalapyje publikuoti AI, automatizacijų, startupų, SEO ir marketingo renginius, kad nebūtų vertinama kaip spam.
• Paminėta, kad kitą savaitę vyks SEO mastermind renginys, kuriame dalyvis dalyvis.
• Dalyvis prisidėjo screenshots LLM'ams, kad struktūrą marketingo automatizacijos peržiūrėtų.

• Codex modeliai: pasidalinta nuoroda į X įrašą su klausimu, ar Codex bus tik vienas modelis.

• Claude vs Codex resursai: pastebėta, kad Claude sesijos eikvoja gerokai daugiau kompiuterio resursų nei Codex.

• Codex multitasking: dalyvis pasidalino, kad vienu metu sukosi 12 Codex sesijų plius 3 sesijos Zed su Grok, Cline ir Claude.

• Codex creditų sunaudojimas: su 12 sesijų per 5-6 valandas sunaudota 60 000 Codex creditų.
• Sukosi Astra xhigh ir Sol xhigh modeliai, o sub-sesijose mažesni modeliai pagal užduočių sudėtingumą.

• AI video kūrimo įrankiai: pasidalinta GitHub repozitorijomis OpenMontage ir aimaster video kūrimo su AI tema.

• El. laiškų pristatymas: aptarta, kad laiškai gali eiti į šlamštą, siūlyta naudoti išorinius įrankius arba atidarymų sekimą.

📖 Dienos pokalbis ir šaltiniai
💬 Klausimas kitai apžvalgai – /klausk
Apžvalgą parengė: Kimi (K3, DI)

ClaudeGeminiProgramavimas / agentai
Kas naudojatės Gemini, kaip jums patirtys ir tokenų sunaudojimo greitis palyginus su Codex ir Claude?
Žinutės vaizdas

Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Codex žadėti priedai už planų pokyčius..
Žinutės vaizdas
DanielAutomatizacija / integracijosProgramavimas / agentai
Toks klausimas. Gavau perspejima ir laikinai buvo isjungtas gmail. Gre
Google Gmail taisyklės leidžia automatizavimą, bet draudžia piktnaudžiavimą, spamą ir klaidinantį Gmail sąsajos automatizavimą. Gmail Program Policies tiesiogiai nurodo, kad negalima automatizuoti Gmail taip, kad tai klaidintų vartotojus, taip pat negalima siųsti nepageidaujamų ar anti-spam teisę pažeidžiančių laiškų.

Iš techninės pusės galima stipriai sumažinti tokių blokavimų riziką. Svarbiausia, kad agentas veiktų kaip normali autorizuota aplikacija, o ne kaip žmogų imituojantis botas.
Programavimas / agentai
Dar keleta rekomendaciju;

Naudoti OAuth, o ne vartotojo slaptažodį.

Agentui suteikiamas konkretus OAuth scope. Jei reikia tik rašyti ir siųsti laiškus, nereikėtų duoti platesnių teisių nei būtina. Google pati rekomenduoja naudoti kuo siauresnius scopes.

Įvesti rate limiting.

Agentas neturėtų per kelias sekundes išsiųsti, pvz., 50–100 laiškų.
  • ❤1
  • 👍1
m vidProgramavimas / agentai
  • 👍1
DClaudeChatGPT / GPTAutomatizacija / integracijosDokumentai / duomenų apdorojimasProgramavimas / agentaiSaugumas / privatumas
Chat GPT, Claude ir
7,4 MILIJARDO NEMOKAMŲ TOKENŲ

Matau, kad dabar daug kas dalinasi „stebuklingu būdu“, kaip nepritrūkti Claude ar ChatGPT tokenų.
|
Suprantu kodėl. Didžiausia bėda, kai darbo viduryje baigiasi limitas ir turi laukti, kol jis atsistatys. Kiekvienas modelis turi savo limitus, o kuo daugiau ir sunkiau dirbi, tuo greičiau juos suvalgai.

Tas „stebuklingas būdas“ atrodo paprastai: gauni nuorodą į GitHub, ten viskas paruošta, tereikia pasiimti.
Bet yra DIDELIS BET.

Tiems, kas su Claude dirba ne tik chato principu, bus lengviau. O kam tokenų ir taip netrūksta, tam viso šito greičiausiai net nereikia.

Bet paaiškinsiu maždaug, kaip tai veikia, kad nešoktumėt ant kiekvieno reelsiuko, kuris žada nemokamus tokenus.
Pirmiausia: tai NĖRA nemokamas Claude ar ChatGPT.
Ši galimybė atsiranda įsidiegus kitą programą aš bandžiau FreeLLMAPI. Ji leidžia vienoje vietoje sujungti kitų AI tiekėjų nemokamus limitus:Groq, NVIDIA, Google ir daugybę kitų.

Kai vienas modelis pasiekia savo limitą ar tampa nepasiekiamas, sistema gali persijungti į kitą.

Kūrėjas skaičiuoja, kad sudėjus palaikomų tiekėjų nemokamus planus teoriškai susidaro apie 7,4 mlrd. tokenų per mėnesį.

Įsivaizduokit, kad Claude Code yra mašina, o AI modelis – variklis.
Per FreeLLMAPI gali pakeisti variklį: vienu metu darbą atliks vienas modelis, pasibaigus jo limitui sistema gali paimti kitą.

Mašina lieka ta pati, bet varikliai nėra vienodo pajėgumo.
Paprastoms užduotims nemokamo modelio gali visiškai užtekti. Sudėtingame darbe jau gali labai aiškiai pasijausti skirtumas.

O dabar tie „BET“, apie kuriuos reelsuose dažniausiai niekas nepasakoja.
1. Su įprastu Claude ar ChatGPT chatu tai neveikia.
Aš Claude Code paleidžiu per PowerShell ir dirbu ten. Vadinasi, reikia pereiti į kitą darbo aplinką, o ne tiesiog toliau rašyti savo įprastame Claude lange.
2. Reikia susirinkti atskirų AI tiekėjų API raktus.
Registruojiesi jų platformose, pasiimi API raktą ir kiekvieną tiekėją prijungi prie FreeLLMAPI.
Aš kol kas prijungiau Groq ir NVIDIA. Kai kurie kiti tiekėjai gali prašyti papildomo patvirtinimo ar mokėjimo kortelės.
3. Jei pradėjai darbą paprastame Claude chate, jo istorija stebuklingai nepersikels į kitą modelį.
Bet jei nuo pradžių dirbi per Claude Code + FreeLLMAPI, yra „Context Handoff“ funkcija, skirta tam, kad keičiantis modeliui kitas suprastų, jog perima jau vykstantį darbą.

Šitą dar reikia normaliai ištestuoti praktiškai, nes teorija yra viena, o kai ant stalo guli realus projektas su krūva failų ir konteksto, prasideda linksmybės.
4. Duomenys vis tiek keliauja tam AI tiekėjui, kurio modelis tuo metu naudojamas.
Todėl su klientų, asmenine ar kita jautria informacija reikia žiūrėti konkretaus tiekėjo privatumo ir duomenų naudojimo sąlygas.
5. Ir svarbiausia: nemokami modeliai nėra automatiškai tokio pat lygio kaip stipriausi Claude ar ChatGPT modeliai.

7,4 mlrd. nemokamų tokenų skamba labai seksualiai, kol neprisimeni, kad svarbu ne tik KIEK tokenų turi, bet ir ką modelis su jais sugeba padaryti.

Ar verta naudoti?
Kol kas negaliu pasakyti, reikia bandyti. Ar bandysiu?
Galbūt jeigu pritrūksiu tokenų dar išbandysiu
Šiaip dirbu su 4 programomis ir visos išpirktos, stengiuosi gauti kokybę, nes pigūs triukai labai muša per laiko sąnaudas.

Šiandien tam praleidau beveik pusę dienos Įsidiegiau, sujungiau Claude Code ir Codex, prisijungiau Groq ir NVIDIA, susitvarkiau routingą ir pagaliau supratau, ką visa ši konstrukcija realiai daro.

BET LABAI GAILA LAIKO

Kai padirbėsiu su jais normaliai ir tada parašysiu, ar tai iš tikrųjų leidžia ilgiau dirbti nepriklausant nuo vieno modelio limitų, ar Chat GPT, Claude ir
7,4 MILIJARDO NEMOKAMŲ TOKENŲ

Matau, kad dabar daug kas dalinasi „stebuklingu būdu“, kaip nepritrūkti Claude ar ChatGPT tokenų.
|
Suprantu kodėl. Didžiausia bėda, kai darbo viduryje baigiasi limitas ir turi laukti, kol jis atsistatys. Kiekvienas modelis turi savo limitus, o kuo daugiau ir sunkiau dirbi, tuo greičiau juos suvalgai.

Tas „stebuklingas būdas“ atrodo paprastai: gauni nuorodą į GitHub, ten viskas paruošta, tereikia pasiimti.
ClaudeChatGPT / GPTAutomatizacija / integracijosDokumentai / duomenų apdorojimasProgramavimas / agentaiSaugumas / privatumas
Bet yra DIDELIS BET.

Tiems, kas su Claude dirba ne tik chato principu, bus lengviau. O kam tokenų ir taip netrūksta, tam viso šito greičiausiai net nereikia.

Bet paaiškinsiu maždaug, kaip tai veikia, kad nešoktumėt ant kiekvieno reelsiuko, kuris žada nemokamus tokenus.
Pirmiausia: tai NĖRA nemokamas Claude ar ChatGPT.
Ši galimybė atsiranda įsidiegus kitą programą aš bandžiau FreeLLMAPI. Ji leidžia vienoje vietoje sujungti kitų AI tiekėjų nemokamus limitus: Groq, NVIDIA, Google ir daugybę kitų.

Kai vienas modelis pasiekia savo limitą ar tampa nepasiekiamas, sistema gali persijungti į kitą.

Kūrėjas skaičiuoja, kad sudėjus palaikomų tiekėjų nemokamus planus teoriškai susidaro apie 7,4 mlrd. tokenų per mėnesį.

Įsivaizduokit, kad Claude Code yra mašina, o AI modelis – variklis.
Per FreeLLMAPI gali pakeisti variklį: vienu metu darbą atliks vienas modelis, pasibaigus jo limitui sistema gali paimti kitą.

Mašina lieka ta pati, bet varikliai nėra vienodo pajėgumo.
Paprastoms užduotims nemokamo modelio gali visiškai užtekti. Sudėtingame darbe jau gali labai aiškiai pasijausti skirtumas.

O dabar tie „BET“, apie kuriuos reelsuose dažniausiai niekas nepasakoja.
1. Su įprastu Claude ar ChatGPT chatu tai neveikia.
Aš Claude Code paleidžiu per PowerShell ir dirbu ten. Vadinasi, reikia pereiti į kitą darbo aplinką, o ne tiesiog toliau rašyti savo įprastame Claude lange.
2. Reikia susirinkti atskirų AI tiekėjų API raktus.
Registruojiesi jų platformose, pasiimi API raktą ir kiekvieną tiekėją prijungi prie FreeLLMAPI.
Aš kol kas prijungiau Groq ir NVIDIA. Kai kurie kiti tiekėjai gali prašyti papildomo patvirtinimo ar mokėjimo kortelės.
3. Jei pradėjai darbą paprastame Claude chate, jo istorija stebuklingai nepersikels į kitą modelį.
Bet jei nuo pradžių dirbi per Claude Code + FreeLLMAPI, yra „Context Handoff“ funkcija, skirta tam, kad keičiantis modeliui kitas suprastų, jog perima jau vykstantį darbą.

Šitą dar reikia normaliai ištestuoti praktiškai, nes teorija yra viena, o kai ant stalo guli realus projektas su krūva failų ir konteksto, prasideda linksmybės.
4. Duomenys vis tiek keliauja tam AI tiekėjui, kurio modelis tuo metu naudojamas.
Todėl su klientų, asmenine ar kita jautria informacija reikia žiūrėti konkretaus tiekėjo privatumo ir duomenų naudojimo sąlygas.
5. Ir svarbiausia: nemokami modeliai nėra automatiškai tokio pat lygio kaip stipriausi Claude ar ChatGPT modeliai.

7,4 mlrd. nemokamų tokenų skamba labai seksualiai, kol neprisimeni, kad svarbu ne tik KIEK tokenų turi, bet ir ką modelis su jais sugeba padaryti.

Ar verta naudoti?
Kol kas negaliu pasakyti, reikia bandyti. Ar bandysiu?
Galbūt jeigu pritrūksiu tokenų dar išbandysiu
Šiaip dirbu su 4 programomis ir visos išpirktos, stengiuosi gauti kokybę, nes pigūs triukai labai muša per laiko sąnaudas.

Šiandien tam praleidau beveik pusę dienos Įsidiegiau, sujungiau Claude Code ir Codex, prisijungiau Groq ir NVIDIA, susitvarkiau routingą ir pagaliau supratau, ką visa ši konstrukcija realiai daro.

BET LABAI GAILA LAIKO

Kai padirbėsiu su jais normaliai ir tada parašysiu, ar tai iš tikrųjų leidžia ilgiau dirbti nepriklausant nuo vieno modelio limitų, ar tiesiog radau dar vieną labai technologišką būdą prisidaryti sau darbo.

O kas nori išbandyti nemokamą būdą, prašau
FreeLLMAPI:
https://github.com/tashfeenahmed/freellmapi/releases/tag/v0.12.0 tiesiog radau dar vieną labai technologišką būdą prisidaryti sau darbo.

O kas nori išbandyti nemokamą būdą, prašau
FreeLLMAPI:
https://github.com/tashfeenahmed/freellmapi/releases/tag/v0.12.0
Mindaugas StKimiProgramavimas / agentai
Bet yra DIDELIS BET. Tiems, kas su Claude dirba ne tik chato principu,
Man nepatiko freellmapi pajungtas į cc ir codex. Drasko config failus, teko rollbackinti. Tai įdėjau į OpenCode, kurį naudoju šlamštui apdirbti ir užbaigti darbus išdeginus CC ir Codex tokenus. Visai nieko. Dar alternatyva - įsidiegti kimi code arba qwen code, pakišti freellmapi, priversti adaptuoti max iš savo cc ar codex harness'o; ir turi asiliuką kuris paskutinę mylią datempia šiaip ne taip...
  • 🔥1

m vidProgramavimas / agentai

Programavimas / agentai
Atsakymas į ištrintą žinutę
Dėkui, padaviau :)

The three-account setup is exactly the shape we can support without logging out: one isolated Codex profile per account, each with its own usage measurement and capacity state, while existing sessions stay attached to their original profile. I’m verifying the registered account/profile map and current usage surfaces now; I won’t type credentials, click purchases, or switch an active session underneath a running task.
ClaudeProgramavimas / agentai
Kosmosas dabar viena Claude užduotis pasileido 13 sub sesijų.. o kita 7; Sakau kas čia yra, kad 5h limitai per 2h išsinaudoja ir vėl laukt.. :D Gerai, kad nors deklaruoja, kad tęsia darbus, nuo ten kur kur pabaigė tie sub-agentai (sub-sesijos jei tiksliau), ne iš naujo pradeda tas pačias užduotis. :)

Juokingiausia, kad jau nieko nebesuprantu ką daro; rodos temos ties kuriomis dirba, iš tai ką spausdina ekrane kaip ir logiška, bet kas po kapotu vysksta mano galva nebeišneša.. :) O tokių sesijų/užduočių per codex ir claude 6+ :)
ChionsasVaizdai / vaizdo kūrimasProgramavimas / agentai
Nu, vaizdas lyg kažkas kitas jo darže kažką neplanuotai pridirbo. Bet nežinau detaliai, čia tik užmetus akį kažkaip keistai pasirodė tas pasimetimas.. aš pats po vieną sesiją leidžiu dažniausiai; nėra tiek skubos, kad paraleliai reikėtų, o jei ką – jis pats sub-agentus pasikuria.
Darius minėjo kažkada, kad jo agentai vienas kitam ant kulnų lipa 🙂
Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Codex nusimato daugiau reset'ų ateinančią savaitę :)
Žinutės vaizdas

J EProgramavimas / agentai
bent pas mane codex kazkoks bugas, vakar vakare codino iseikvojo limitus 0 proc valandiniu, bet toliau be sustojimo dirbo iki negaliu. Siandiena toliau tesiasis sis stebuklas.
  • 🔥1

Darius@Kiaulakis.lt #AiOpsCatalystClaudeProgramavimas / agentai
Padaviau saviškiams, gal pravers ir taviškiams :)

https://github.com/smixs/code-quality

Deterministic code quality gate for AI coding agents (Claude Code, Codex, pi): git hooks that block test tampering, hold the CRAP bar on changed functions, check diff coverage, secrets and dependencies. 12 languages, one config file. Optional Jev classifier for test hunks.
Programavimas / agentai
Kas naudojat humanizer tekstams be AI įprastų liekanų, keisto formatavimo? https://github.com/blader/humanizer

Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Prašau be patyčių.. Nekeiskim žmogaus minčių eigos :) LLM tegu susigaudys, ko patys nesuprasim. Vienok čia gera treniruotė, tam kas ateina, nes AGI mes galim irgi nebesuspėt suvokt.. ir tai nėra blogai.

Noriu, kaip įkūrėjas, palaikyti čia principą ir kultūrą: pagal "Ohana", kaip buvo per multiką "Stitch" labai fainiai perteiktas konceptas apie buvimą kitokiu sociume.

Tam yra https://grupe.aimastermidn.lt/llm/ bet kuris agentas išvers ir dar daugiau, padės pasiimti kas buvo tarp eilučių :)
  • ❤3
m vidProgramavimas / agentai
O ką tai duoda, kad suprast? Ką mums pasigerint dėl grupės?
duoda javascript sukti pas juos
Žinutės vaizdas
ClaudeChatGPT / GPTAutomatizacija / integracijosProgramavimas / agentai
Build your own harness.
This is a seriously good paper from NVIDIA on self-improving agent harnesses.

The paper is called SoL-Pi, out of NVIDIA, NTU and MIT.

Every coding agent runs inside a harness. That's the layer that reads files, runs commands, manages memory and talks to the model, Humans tune it by hand, reading long execution logs and turning what they notice into code changes.

They handed the job to an AI instead.

A research AI watched a coding agent work, proposed changes to the harness, tested them, and kept only what saved tokens without hurting results. It ran about 150 research directions across roughly 500 environments, more than 3,000 runs and over 60,000 agent-environment interactions.

Four fixes survived.

- The agent edits a file and runs the test in one call instead of two.
- It compresses its memory when a subtask finishes, and only if that's cheaper than keeping everything.
- It sends big tool outputs in full twice, then swaps them for a 1KB excerpt with a handle to pull the rest on demand.
- A cheap model summarizes build and test logs, and a verifier rejects the summary if it drops evidence.

None of that touches the model. It's all in the software around it.

On EdgeBench, a 51-task benchmark, token traffic dropped 44.7 to 49% and API cost fell by about a third against Pi, the harness it was built on. Against the native harnesses it came in 50% cheaper than Codex on GPT-5.6 Sol and 54.3% cheaper than Claude Code on Opus 5. Scores held at roughly 94% of the baseline.

They built all of it on GPT-5.6 Sol, then dropped it onto Opus 5 with zero changes. It still used 44.7% fewer tokens.

The cost conversation so far has been about cheaper models. This paper says a big chunk of the waste sits in the software around the model, and an AI finds it faster than we do.

Their next move is running the search again with the cheaper harness, so a cheaper agent funds the search for an even cheaper one.

https://arxiv.org/abs/2609.20519
  • 👍1

Darius@Kiaulakis.lt #AiOpsCatalystProgramavimas / agentai
Ką galiu pasakyt 5.5 opus juntamai pigesnis.. Šiandie belenkiek sesijų sukosi nors oer 3 val pasiekė keletą kart 5h limitą, tačiau savaitinis išnaudojimas lyg mažiau buvo imlus nei opus 5tukas.

Berods 20 sesijų buvo vienu metu aktyvių.. Su viduj sub-agentais.. 🙂
  • 👏1

Rodoma paskutinė surinkta leidžiama būsena; pašalinimų suderinimas nebaigtas. Visas pokalbis — Telegram grupėje.