Исследователи NVIDIA вместе с коллегами из Наньянского технологического университета и MIT показали неприятную вещь: половина счёта за автономного программиста уходит не на мышление модели, а на кривую обвязку вокруг неё. Переписав только обвязку, они получили систему SoL-Pi — минус 45–49% токенов при сохранении около 94% качества.

Что такое «харнес» и почему он дороже, чем кажется

Между моделью и терминалом стоит служебный слой — харнес. Он решает, как агенту показывают состояние файлов, как тот вызывает инструменты и что из накопленного контекста поедет в следующий запрос. Долгое время это считалось инженерной мелочью: модель думает, обвязка подаёт. Поэтому и весь тюнинг последних лет шёл по линии моделей — новые версии, новые режимы рассуждения, более длинный контекст.

SoL-Pi бьёт в другую точку. Модель не трогали вообще: тот же GPT-5.6 Sol, тот же Claude Opus 5 — менялось только то, что происходит вокруг них.

Четыре приёма, которые отобрала машина

Механизмы искали не люди. Агентов запустили прочёсывать 535 исполняемых сред и 152 направления оптимизации — больше 3000 прогонов и свыше 60 000 взаимодействий со средой. До финала дожили четыре приёма.

Action Fusion склеивает правку файла и следующую за ней команду в один вызов, чтобы модели не приходилось принимать промежуточное решение. Online Context Compact сжимает накопленный контекст в момент, когда подзадача закрыта и будущая экономия окупает стоимость сжатия. ObservationPack подменяет повторяющиеся простыни вывода инструментов короткими ручками, оставляя постраничный доступ к архиву. Evidence-Preserving Reducer отдаёт чтение длинных логов дешёвой модели, но привязывает к выжимке квитанции на исходные записи — чтобы результат можно было проверить, а не принять на веру.

Счёт

На EdgeBench — наборе из 51 задачи, где агент работает непрерывно от двух до двенадцати часов — расклад получился такой. На GPT-5.6 Sol штатный Codex сжёг 3,05 млрд токенов, харнес Pi — 2,15 млрд, SoL-Pi — 1,10 млрд. На Claude Opus 5: Claude Code 2,00 млрд, Pi 2,37 млрд, SoL-Pi 1,31 млрд.

В деньгах тот же прогон: 1787 долларов у Codex против 894 у SoL-Pi и 2535 у Claude Code против 1158. В пересчёте на час работы агента экономия составляет от 8,75 до 13,50 доллара против штатных харнессов.

Чем за это заплатили

Экономия не бесплатная. На Terminal-Bench 4 из 63 задач SoL-Pi решил 15 против 18 у Codex и Pi — дешевле (211 долларов против 272 и 286), но слабее. Средний балл на EdgeBench — около 94% от Pi. Поэтому авторы собрали и второй вариант харнеса, с приоритетом качества: он даёт плюс 5,3% к Pi, но экономит уже не так резко.

Вывод для всех, кто гоняет агентов в проде, простой: если счёт кажется большим, читать его стоит не с прайса модели. Код и статья выложены открыто.

Источники: NVIDIA Labs · arXiv · The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

OpenAI выпустила две младшие модели шестого поколения: GPT-6 Sol для сложной работы и кода и GPT-6 Luna для быстрых массовых задач. Их учили теми же методами, что и флагман GPT-6 Astra, вышедший 3 сентября. Главное здесь — цена: обе модели вдвое дешевле предшественниц. Анонс вышел примерно через полтора часа после того, как Anthropic показала Opus 5.5.

Цены (доллары за 1 млн токенов, вход / выход)

GPT-6 Sol: 2 / 10 (у GPT-5.6 Sol было 4 / 20)
GPT-6 Luna: 0,10 / 0,50 (у GPT-5.6 Luna было 0,20 / 1,20)
Для сравнения, Claude Opus 5.5: 4 / 20, GPT-6 Astra: 10 / 50

По словам OpenAI, снизить цену позволили улучшения кэширования и инференса. Скидка на чтение кэша — 90%, а сам кэш больше не сбрасывается при смене уровня рассуждений или набора инструментов.

Бенчмарки (все замеры — от самой OpenAI)

AutomationBench: Sol набирает 33,2% при 0,27 доллара за задачу. Это выше Fable 5.1 (31,4%), Opus 5 (26,9%, в 11 раз дороже) и даже Astra на низком уровне рассуждений (30,3%, почти в 4 раза дороже).
DeepSWE 1.1: у Sol 68,8% против 69,9% у Fable 5 примерно на 80% дешевле. Luna набирает 66,6% — уровень Opus 5 и Fable 5 на средних настройках на 93–96% дешевле.
OSWorld 2.0: у Sol 60,5% против 60,3% у Opus 5, тоже примерно на 80% дешевле.
Agents' Last Exam: у Sol 56,4%, выше лучшего результата Opus 5 при задаче на 60% дешевле.
Фактические ошибки: Sol ошибается примерно вдвое реже GPT-5.6 Sol.

А против Opus 5.5?

OpenAI сравнивает свои модели с Opus 5 и Fable 5.1, а Opus 5.5 в её таблицах нет: он вышел почти одновременно. Сопоставить можно по AutomationBench — там обе компании приводят одинаковые цифры для Opus 5 и Fable 5.1. Opus 5.5 набирает там 40%, а Sol — 33,2%. В FrontierCode Opus 5.5 обходит Fable 5.1 (54,4 против 50,3), а Sol её только догоняет. Выходит, по качеству впереди Opus 5.5, а по цене — Sol: токен у него вдвое дешевле. Поправка на то, что режимы рассуждений у компаний разные, а независимых замеров пока нет.

Где попробовать

Sol и Luna уже появились в ChatGPT Work и Codex для тарифов Plus, Pro, Business, Enterprise и Edu. Бесплатные пользователи и тариф Go получают Luna в десктопном приложении. В API модели доступны как gpt-6-sol и gpt-6-luna, а также в GitHub Copilot. Средней модели GPT-6 Terra в релизе нет. Забавное совпадение: в один день обе компании пообещали вылечить канцелярит своих моделей — меньше жаргона и короче ответы.

Источники: OpenAI, TechCrunch, 9to5Mac

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

В статье вы найдете разбор десяти сервисов. Я составил рейтинг так, чтобы вы могли быстро сопоставить сильные стороны каждого инструмента и выбрать решение под свой стек, бюджет и формат работы.

ТОП-10 ИИ-агентов: какие есть аналоги Codex в 2026 году

1. Claude Code — работает через терминал: сначала показывает план, потом сам правит файлы, запускает тесты и коммитит в git, а вы видите все изменения до применения.

2. Cursor — самостоятельный редактор на базе VS Code. ИИ одновременно меняет содержимое нескольких документов, выполняет проверки и способен работать в облаке, пока пользователь занят другими делами.

3. Windsurf — редактор с движком Cascade, который учитывает контекст рабочей папки, помнит предыдущие действия и доводит работу до результата. Поддерживает подключение внешних сервисов через MCP.

4. GitHub Copilot — работает внутри IDE и GitHub: предлагает продолжения при наборе, отвечает в чате и выполняет последовательные операции без переключения между разными средами.

5. Cline — бесплатное расширение для VS Code с режимами Plan, Edit, Debug и Ask. Оно заранее показывает предполагаемые изменения и оставляет пользователю контроль на каждом этапе автоматизации.

6. Tabnine— корпоративная платформа с акцентом на конфиденциальность: помогает проверять pull request, работать через терминал и соблюдать требования SOC 2 и GDPR.

7. Kilo Code — открытый помощник для VS Code, JetBrains и терминала. Позволяет подключать сотни моделей и собственные ключи, оплачивать фактическое использование и настраивать рабочие сценарии.

8. Lovable— конструктор веб-приложений. Достаточно описать идею, после чего сервис составляет план, создает приложение, исправляет ошибки по журналам и подключает базу данных через Supabase.

9. Bolt— браузерная платформа для создания full-stack сайтов. Формирует приложение, показывает предварительный просмотр и разворачивает результат без локальной установки Node.js, серверов и дополнительной настройки.

10. Replit — облачная среда, где ИИ‑помощник проектирует, кодирует, тестирует и публикует приложение прямо в браузере.

1. Claude Code

Это терминальный инструмент от Anthropic, который по текстовому запросу ищет нужные места в репозитории, вносит изменения в несколько документов и запускает тесты. Поддерживает субагентов, фоновые процессы и плагины, поэтому подходит и для точечных доработок, и для длительной самостоятельной работы над репозиторием.

Преимущества

• Автономно работает с проектом: читает файлы, вносит изменения, запускает тесты и команды в терминале, а также выполняет операции с Git.

• Сначала строит план задачи, затем выполняет его итеративно, показывая диффы перед применением.

• Поддерживает субагентов, фоновые задачи и плагины, что расширяет возможности автоматизации.

Что стоит учесть

• Работает через терминал/CLI, поэтому требует привыкания и базовых навыков работы с командной строкой.

• Меньше готовых визуальных интерфейсов по сравнению с IDE‑ориентированными агентами.

Перейти на сайт сервиса >>>

2. Cursor

Среда разработки на базе VS Code со встроенным ИИ‑помощником. Она анализирует содержимое рабочей папки, предлагает план изменений, редактирует несколько файлов и проверяет результат. В специальном режиме сервис сам находит нужные участки, создает функции, обновляет модули и повторяет действия, пока задача не будет решена. Cursor поддерживает модели Claude, GPT и Gemini, поэтому подходит для постоянной работы, а не только для подсказок при наборе текста.

Преимущества

• Автономный Agent Mode: сам находит файлы, пишет код, применяет диффы, запускает тесты и команды.

• Composer и многофайловые правки по одному запросу, параллельные агенты для ускорения работы.

• Фоновые и облачные агенты в изолированных VM для долгих и ресурсоемких задач.

Что стоит учесть

При работе с очень большими репозиториями может потребоваться дополнительная настройка индексации и контекста.

Перейти на сайт сервиса >>>

3. Windsurf

ИИ‑редактор от команды Codeium со встроенным помощником Cascade. Он изучает файлы, предлагает последовательность действий, меняет нужные части в нескольких местах и выполняет команды, чтобы получить рабочий результат. Cascade делит сложную задачу на понятные шаги, перебирает варианты решения и показывает предлагаемые изменения до их внесения, поэтому пользователь сохраняет контроль над процессом.

Преимущества

• Хорошо понимает структуру проекта, помнит контекст и подходит для рефакторинга.

• Понимает проект целиком, помнит контекст и предыдущие шаги, меньше «слепых» правок.

• Поддержка MCP и облачных агентов Devin Cloud для сложных многошаговых задач.

Что стоит учесть

Это отдельный редактор на базе VS Code, нужно переносить настройки и привыкать к новому интерфейсу.

Перейти на сайт сервиса >>>

4. GitHub Copilot

Это семейство AI‑инструментов для разработчиков, которое эволюционировало от умного автодополнения к агентному режиму для многошаговых задач. В новых версиях Copilot умеет не только предлагать строки кода, но и автономно писать функции, рефакторить модули, запускать тесты и управлять задачами в рамках проекта. Поэтому его можно считать альтернативой Codex AI.

Преимущества

• Умно дополняет строки, помогает создавать и разбирать программную часть в чате, а также выполняет последовательные задачи из нескольких шагов.

• Поддержка нескольких моделей и гибкие настройки под проект и команду.

• Глубокая интеграция в популярные IDE (VS Code, JetBrains и др.)

Что стоит учесть

Меньше возможностей для сложной самостоятельной работы: инструмент хуже справляется с долгим планированием, параллельными подзадачами и фоновым выполнением, чем Claude Code или Cursor.

Перейти на сайт сервиса >>>

5. Cline

Это открытое расширение для VS Code, которое помогает работать с репозиторием: изучает файлы, предлагает план, вносит изменения сразу в нескольких местах и выполняет команды через терминал. В сервисе есть режимы Plan, Code, Debug и Ask, поэтому его можно использовать как замену Codex для создания, исправления и переработки программной части. Перед любыми изменениями Cline показывает разницу между версиями, а пользователь может контролировать каждый шаг или выбрать формат с одними рекомендациями без внесения правок.

Преимущества

• Показывает диффы перед применением, позволяет контролировать каждый шаг агента.

• Open‑source, поддержка MCP, гибкая настройка под проект и команду.

• Работает как расширение в привычном VS Code, без необходимости переходить на новую IDE.

Что стоит учесть

Требует базовых навыков работы с VS Code и терминалом для полноценного использования агентных функций.

Перейти на сайт сервиса >>>

6. Tabnine

ИИ‑платформа для разработчиков, которая выросла из сервиса автодополнения в набор инструментов для работы с программной частью: чат, создание проверок, проверка запросов на слияние и помощник для командной строки. Система может сама разбить задачу на шаги, внести изменения, проверить результат и доработать решение, поэтому ее используют как один из вариантов Codex AI в России для автоматизации повторяющихся задач в команде.

Преимущества

• Упор на приватность и безопасность: zero‑data‑retention, SOC 2, GDPR, опции для air‑gapped развертывания.

• Помощник для командной строки и инструмент проверки запросов на слияние помогают составлять план, вносить изменения, проверять результат и проводить ревью.

• Работает как расширение в популярных IDE, не требует перехода на новую среду.

Что стоит учесть

Платформа ориентирована на бизнес: тарифы стартуют от ~39 $/мес, что может быть дорого для индивидуальных разработчиков.

Перейти на сайт сервиса >>>

7. Kilo Code

Это открытый ИИ‑помощник для VS Code, JetBrains и командной строки. Он изучает содержимое репозитория, предлагает порядок действий, меняет несколько файлов за раз, выполняет команды и показывает все правки перед их применением. Благодаря этому сервис может стать бесплатной заменой Codex для разработчиков, которые не хотят оформлять подписку.

Преимущества

• Внутри есть несколько режимов (Code, Architect, Debug, Ask, Orchestrator).

• Поддержка 500+ моделей и возможность подключать свои API‑ключи без наценки.

• Бесплатное ядро и гибкие тарифы (Kilo Pass, Teams).

Что стоит учесть

• Требует базовых навыков работы с IDE и терминалом, особенно для настройки моделей и ключей.

• Продвинутые агентные сценарии (параллельные субагенты, сложные оркестрации) нуждаются в дополнительной настройке.

Перейти на сайт сервиса >>>

8. Lovable

ИИ‑конструктор, который по текстовому описанию собирает веб‑сервис: продумывает структуру, формирует программную часть, подключает базу данных и публикует результат. Базовый тариф позволяет создавать и редактировать такие решения без оплаты, а платные планы расширяют лимиты и набор доступных возможностей. Встроенный помощник сначала намечает порядок действий, затем вносит изменения, проверяет журналы событий и предлагает исправления при ошибках.

Преимущества

• Интеграция с Supabase, экспорт в GitHub, встроенный хостинг и готовые шаблоны.

• Визуальные инструменты и Draw‑to‑Build, которые ускоряют создание интерфейсов без глубокого кодинга.

• Режим с ИИ‑помощником помогает составить план, создать и исправить программную часть, найти ошибки по журналу событий и последовательно довести задачу до результата.

Что стоит учесть

Ориентирован в первую очередь на веб‑приложения и MVP, меньше подходит для сложной бэкенд‑логики и кастомных инфраструктур.

Перейти на сайт сервиса >>>

9. Bolt

Это ИИ‑конструктор от StackBlitz для быстрой сборки веб‑сервисов в браузере. Пользователь описывает идею, а система готовит клиентскую и серверную части, настраивает служебные файлы, показывает результат и помогает опубликовать его без установки среды на компьютер. Интерфейс доступен только на английском, однако основные действия понятны без специальных навыков, поэтому сервис удобен для проверки гипотез, создания демо и первых версий продукта.

Преимущества

• ИИ‑помощник собирает полнофункциональные веб‑сервисы прямо в браузере: создает программную часть, показывает результат и позволяет опубликовать его в одном окне.

• Встроенные дизайн‑системы, аутентификация и хостинг, что ускоряет запуск MVP.

• Не требует локальной установки: достаточно браузера и аккаунта.

Что стоит учесть

Ориентирован в первую очередь на веб‑приложения, меньше подходит для сложных бэкенд‑систем и кастомной инфраструктуры.

Перейти на сайт сервиса >>>

10. Replit

Это облачная IDE с автономным AI‑агентом, который превращает текстовое описание в готовое приложение: проектирует архитектуру, пишет код, тестирует и разворачивает проект прямо в браузере. Agent 3/4 самостоятельно ищет ошибки, правит код, запускает тесты и итерирует решение, поэтому подходит тем, кто хочет делегировать агенту целые фичи, а не отдельные функции.

Преимущества

• Аналогичный «Кодексу» подход «код по тексту», но в формате полноценной облачной IDE с окружением и хостингом.

• Доступен в РФ, не требует мощного железа: достаточно браузера и интернета.

• Подходит для учебы, хакатонов, проверки идей и быстрого создания небольших веб‑сервисов.

Что стоит учесть

Лучше всего подходит для создания сайтов, веб‑сервисов и работы со скриптами.

Перейти на сайт сервиса >>>

FAQ: частые вопросы

Может ли ChatGPT заменять Codex в повседневной работе?

Да, современный ChatGPT (на базе GPT‑5.x‑Codex) способен заменять Codex во многих сценариях: генерация и правка кода, объяснение чужих решений, написание тестов, рефакторинг и многошаговые задачи через агентный режим. Фактически Codex сейчас работает как специализированная надстройка над этими моделями, поэтому для большинства разработчиков достаточно одного аккаунта с подходящим тарифом, чтобы закрывать задачи по коду.

Какие бесплатные аналоги Codex стоит рассмотреть в первую очередь?

Обратите внимание на Kilo Code. Он дает открытый код, поддержку 500+ моделей и работу с собственными API‑ключами. Cline работает как бесплатное расширение для VS Code с режимами Plan/Code/Debug/Ask, показывает диффы перед применением и оставляет полный контроль над автоматизацией. Lovable и Bolt предоставляют бесплатные тарифы для создания full‑stack приложений по текстовому описанию, так что можно быстро запускать прототипы.

Есть ли российский аналог Codex?

Прямого российского аналога Codex от Open AI на уровне полноценного автономного агента пока нет: большинство локальных решений сосредоточены на автодополнении, чате и базовой генерации кода, а не на многошаговой агентной разработке.

Как сравнивать инструменты по цене?

Важно смотреть, как именно вы платите: фиксированная сумма в месяц или оплата за использование (токены/кредиты). Стоит проверить лимиты на сложные задачи и фоновые процессы, а также возможность подключать свои API‑ключи (как в Kilo Code), потому что это меняет итоговую цену. Если вам нужны корпоративные функции (приватность, соответствие стандартам вроде SOC 2 и GDPR), более дорогие решения вроде Tabnine могут быть оправданы.

Решения из подборки покрывают разные сценарии: автономную разработку в IDE, быстрое создание full‑stack приложений в браузере, корпоративную разработку с упором на приватность. Если вы работаете в VS Code и хотите максимального контроля, стоит начать с Cline или Kilo Code. Для тех, кто готов перейти на отдельную IDE ради мощного ИИ, логично попробовать Cursor или Windsurf. Командам с жесткими требованиями к приватности стоит посмотреть в сторону Tabnine, а тем, кто делает прототипы и MVP, — Lovable, Bolt и Replit.

— Толя, что же ты все токены пожёг?
— Я не нарочно. Эксперимент это был. На предмет рационализаторского предложения.
— А нельзя было хотя бы тестировщикам оставить?
— А чё это?
— Сегодня прод должен был быть.
— Я не подумал.
— Не подумал! Теперь думай, как без тестов на прод раскатить, а то засадють в переговорку на one-to-one, как жирафу.

Эрик Провенше, который делает Codex в самой OpenAI, публично разнёс главный хайп года — рои ИИ-агентов. Формулировка у него обезоруживающе прямая: «Не хочется этого говорить, но если вы гоняете больше двух суб-агентов одновременно, вы почти наверняка жжёте токены ради нулевого прироста качества».

Причина — не в моделях, а в недоверии

Дальше он объясняет механику, и вот она по-настоящему любопытна: «Агенты недостаточно доверяют друг другу, чтобы не перепроверять чужую домашку». Провенше называет это координационным налогом — и это не метафора, а конкретный перерасход. Каждый агент заново валидирует то, что уже сделал сосед. Системные промпты складываются по всем суб-агентам сразу. Агент, которому не донесли контекст, дублирует вызовы инструментов, уже сделанные кем-то другим. Держать много параллельных дорожек, не срываясь в избыточную верификацию, говорит он, «реально тяжело».

Отдельно он прокомментировал показательный случай: человек потратил 20 тысяч долларов токенов на рефакторинг одного питоновского файла, запустив на него 1393 агента Fable. По оценке Провенше, один агент Astra справился бы за долю этой суммы.

Что он предлагает вместо

Не отказ от многоагентности, а другую дисциплину. Делегировать задачу в отдельный поток, который дёрнет главного агента один раз — по завершении, вместо постоянного опроса статуса. Резать накладные расходы на системные промпты. И вкладываться в контекст, чтобы агенты не повторяли работу друг за другом. Признаёт он и контраргумент: рой действительно может сэкономить вам время — просто заплатите за это «крупной токенной премией».

Почему это важно сейчас

Потому что счёт уже виден в масштабах индустрии. Недельное потребление токенов на OpenRouter выросло с 0,5 триллиона в январе 2025-го до 126,2 триллиона к сентябрю 2026-го — рост больше чем на 25 000%. Разгоняют его две вещи: рассуждающие модели, генерирующие горы «мыслей» перед ответом, и неоптимизированные агентные системы, которые жгут токены с ошеломляющей скоростью.

И вот тут ключевое: рост потребления токенов — это не рост пользы. Больше токенов не значит больше пользователей, больше выручки или лучше результат. Это просто больше токенов. Человек, который пишет сам инструмент для запуска агентов, говорит ровно то же самое — только про ваш счёт.

Источник: The Decoder

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей

Попробовать вайбкодинг

Попробовал, удивили возможности нейронок. Теперь вопрос стоит не "Как это делать?", а "что сделать?". Удивительно, что за ≈250 баксов получилось собрать полноценное, работающее MVP продукта. Можно было уложиться в 50-70, но я уперся в лимиты и пришлось перейти на подписку за 200 баксов, чтоб не тратить время на ожидание.

Попробовать пройти весь цикл разработки продукта

Считаю, что получилось, хоть и заказчиком выступал я сам, я прошел сбор требований, дизайн, написание технического задания и аналитики для нейронки, разработку, тестирование, подключение метрики с событиями (Yandex app metrica), интеграция с внешними сервисами и, собственно, релиз.

О приложении

Финансовый менеджер. Уже лет 10 пользуюсь аппами для учета дохода и расхода, и у всех есть ряд минусов, которые я для себя решил закрыть своей собственной аппой. Разрабатывал прежде всего для собственного использования, за пример я брал коинкипер в его лучшие годы.

Далее я расскажу о процессе, сложностях с которыми я столкнулся и покажу результат. Не претендую на гайд, просто описываю свой опыт.

Идея и дизайн

Все началось с идеи, у меня есть потребность в нескольких мобильных приложениях, существующие продукты не закрывают ее полностью, для первой реализации я выбрал финансовый менеджер. Я долгое время пользовался коинкипером, но сейчас эта аппа выглядит просто рекламным спамом, как те сайты в нулевые, которые открывали попандер за попандером.

Выбрав направление я начал дизайн, разрабатывал его в фигме очень основательно: разработал дизайн-систему основанную на токенах, все цвета, отступы и прочее было задано токенами, разработал большой ui-kit с компонентами во всех возможных состояниях.

Прорисовал отдельно каждый экран, разложил их по сценариям, получилось очень детальная прорисовка. Каждый экран и компонент содержит аннотацию с описанием поведения.

Аналитика и Техническое задание

Техническое задание и аналитику экранов я писал с помощью Claude. Взял самую дешевую подписку, подключил нейронку к фигме через MCP, описал ей свою задумку и попросил пройтись по общему флоу, каждому экрану, компоненту и составить на их основе техническое задание на разработку мобильного приложения на SwiftUI.

В процессе анализа макетов Claude подсветила несколько моментов которые необходимо было поправить, а так же перечислила возможные негативные стейты которые нужно было дорисовать, так мы прошли несколько циклов доработок макетов.

Изначально думал что этот шаг будет коротким, по факту временных затрат получилось чуть меньше, чем на разработку дизайна. В результате появилось 11 md файлов, в которых описывалась аналитика, архитектура, дизайн-система и прочее.

Разработка

Разрабатывать проект я доверил Codex’у, он должен был писать код по документам Claude, потом отправлять коммиты в гихаб, где их проверял Claude перед мержем. Изначально всё шло идеально, кодекс писал код по этапам, которые ему расписал Клод, я билдил аппу на телефон и проверял, далее я, видимо, сильно ему поверил и пропускал проверки на устройстве, а когда сбилдил сборку, заметил что кодекс буд-то перестал смотреть в макеты. Он делал весь функционал следуя доке, но вот UI элементы придумывал сам, пришлось описывать ему что и как должно быть на самом деле.

Еще один момент, Клод неправильно описал работу с хранилищем данных, и в итоге при создании 5000 тестовых операций я столкнулся с жуткими фризами приложения, как выяснилось - при отрисовке экрана аппа обращалась ко всем существующим записям, пришлось переделать архитектуру.

Для приложения требовалось подключение внешних сервисов: поставщик котировок, для работы с сущностями в разной валюте, для конвертации, а так же с бэкендом, через который я подгружаю логотипы банков, которые пользователь может выбрать обложкой для счета, еще через бэк я управляю показом рекламного баннера, могу настроить его показ на определенные страны.

Бэкенд кодекс написал сам, на своих стандартных ui компонентах практически без моего участия, получилось хорошо, ну, по крайней мере всё работает.

Работа с кодексом - самый длительный этап, я извел всю подписку за 20 баксов в первые дни, далее купил подписку за 200, и ее уже хватило до финала. К проекту кодекс самостоятельно подключил аналитику – Yandex App Metrica, а так как проект писался на SwiftUI у меня бонусом получилась аппа, работающая на MacOs. Данные между компом и телефоном синхронизируются через iCloud.

Отдельно пришлось разработать сайт, чтоб разместить на нем политику обработки данных, по требованию Apple. Нарисовал дизайн, создал Lottie анимации самостоятельно, сверстал тоже сам, с помощью кодекса добавлял интерактивные элементы.

Сегодня iOs аппу добавили в AppStore, было 2 реджекта, первый - нужно было предоставить детальное видео работы приложения и описание его функционала, а второй касается навигации для MacOS приложения, оно еще на проверке. Пока приложение доступно для России, США, Англии, Малайзии, Казахстана.

Скачать и затестить приложение можно тут: AppStore

Я веду небольшой телеграмм канал, где рассказываю о продуктовом дизайне и своих экспериментах с нейронками, подписывайтесь