Jun-seo Park

Статьи: Jun-seo Park

• Структурированные выходные данные API GPT-6.1 Sol: оценка стоимости разметки отзывов

  Разметка отзывов с помощью строгого JSON в GPT-6.1 Sol и Batch API. Данные: 412 реальных отзывов. Стоимость модели оценена по публичным ценам: около $0.81 за 1 000.

• GPT-6 Intelligent UI для отчёта о брендах в Reddit и X: пример настройки MCP и тесты данных

  GPT-6 Intelligent UI умеет отвечать таблицами и графиками. OpenAI не пишет, что он отрисовывает данные из MCP. Плата за API для нашего отчёта по 3 брендам составила $0.003336.

• GLM 5.3 в Claude Code: скрипт для сравнения обсуждений на Zhihu и Weibo

  Как подключить GLM 5.3 к Claude Code с ключом Z.ai или BigModel и поручить модели написать скрипт, который сравнивает ответы на Zhihu и комментарии в Weibo. С реальными затратами.

• Gemini Deep Research API с удалённым MCP-сервером: данные соцсетей, которые можно проверить

  Gemini Deep Research API принимает удалённые MCP-серверы, но не пользовательские функции. 7 реальных вызовов API социальных данных стоили $0,0046. Настройка, цены, проверка цитат.

• Настройка Claude Code для работы с DeepSeek V4: стоимость очистки комментариев

  Мы посчитали, сколько стоит Claude Code на deepseek-flash, когда EveryInfra MCP выгружает 695 комментариев с YouTube, Bilibili и Douyin. В пиковые часы это 1/10 стоимости Sonnet 5.5, но больше, чем стоимость Haiku 5.5.

• Субагенты Claude Code: воркеры на Haiku для анализа аккаунтов TikTok

  Один брендовый аккаунт в TikTok занимает около 9 700 токенов сырых данных. Субагент на Haiku 5.5 возвращает сводку на 95 токенов. 98 реальных вызовов API, обработка ответов 429 и стоимость для 50 аккаунтов.

• Наблюдения за экосистемой Jev (7): оценка контента и фильтрация информации — от стартап-идей до тестирования на персонах

  Второй крупный сценарий экосистемы: Jev для оценки контента, фильтрации информационных потоков и прогнозирования результатов продвижения. Разбираем killmyidea, разовый эксперимент Майка Тейлора, который прогнал через Jev 37 опубликованных текстов, модель виральности SuperX из 61 вопроса и симуляцию Crowdcheck на 10 000 персон.

• Наблюдения за экосистемой Jev (6): оценка качества кода, или реальные цифры против заявлений

  Десятки проектов экосистемы заявляют, что оценивают качество кода с помощью Jev, но лишь немногие публикуют результаты контролируемых экспериментов, стоимость и точность. Разбираем пять выводов agentjournal, уроки механических проверок Supercov и поэтапную оценку в Jev Review, чтобы понять, где Jev стоит применять, а где нет.

• Наблюдения за экосистемой Jev (часть 5): чем питать примитивы принятия решений и как сочетать живые данные с калибровкой

  Итог первых пяти частей серии. На вход Noul, Choice и Score подаются состояния, и от того, откуда они берутся, зависит потолок всего пайплайна. Разбираем разделение труда между слоем данных и слоем суждений, три практических способа их сочетать, исполняемый публичный каталог как отправную точку и сценарии, в которых сочетать слои не стоит.

• Наблюдения за экосистемой Jev (часть 4): как за четыре дня сложился инфраструктурный слой — каталоги, клоны и внедрение на платформах

  Анализ 500 репозиториев: около 10 официальных демо, 15 интеграций с платформами, 50 самостоятельных приложений, 90 инструментов для агентов и длинный хвост из 300 SDK. Экономика каталогов, совместимые клоны, распространение через два шлюза и внедрение на уровне платформ — как за четыре дня сформировался новый инфраструктурный слой.

• Наблюдения за экосистемой Jev (часть 3): неудачи за четыре дня и когда Jev не стоит доверять

  Истории успеха опьяняют. Строгая оценка за $1,43, провал официального Быстрого старта и несколько публично раскрытых недостатков продуктов очерчивают границы доверия к примитивам решений: высокая уверенность не означает правильный ответ, разбиение на измерения не улучшает результат, а широкое пространство вариантов приводит к сбоям.

• Наблюдения за экосистемой Jev (часть 2): 30 проектов по защите агентов — что они блокировали, а что пропустили

  Надзор за агентами для программирования — главный сценарий в экосистеме Jev: за 72 часа появилось более 30 однотипных проектов. Мы делим их на четыре архитектуры защитных механизмов, разбираем реальные эмпирические примеры и выводим воспроизводимые принципы проектирования.

• Наблюдения за экосистемой Jev (часть 1): что 220 кейсов за четыре дня говорят о примитивах принятия решений

  За четыре дня после выхода Jev от TypeSafe AI мы провели десять раундов комплексного мониторинга и собрали более 220 кейсов с первоисточниками. Это первая статья серии; в ней рассматриваются три семантических примитива, шесть самых частых сценариев, выводы из повторяющихся неудач и формирующийся инфраструктурный слой экосистемы.

• Как вызывать Gemini через OpenAI SDK: от минимального текстового запроса до миграции с возможностью отката

  Отдельно определите границы совместимости SDK, базового URL и моделей. Проверьте непотоковые текстовые запросы, ошибки и данные об оплате, прежде чем поэтапно возвращать параметры для каждой задачи. Не исходите из того, что совместимость клиентской библиотеки означает полную совместимость сервиса.