Что произошло
На Hacker News появился Show HN проекта Alyph — веб-канвас для работы с LLM. Автор предлагает отказаться от привычного чат-интерфейса: на одном полотне можно запускать несколько моделей параллельно (ChatGPT, Claude, Gemini и другие), сравнивать ответы, а затем вручную обрезать историю — удалять неудачные ветки, ошибки и промежуточные шаги. Есть мультиплеер: доску можно открыть для совместной работы с коллегой или клиентом.
Почему это обсуждают
Ключевой тезис автора — «отравление контекстом» (context poisoning). LLM не обладают памятью: с каждым сообщением модель перечитывает весь диалог, включая ошибки отладки, неверные догадки и лишние ветки. В примере автора установка библиотеки заняла 14 сообщений борьбы и одно сообщение с решением; в обычном чате весь этот мусор продолжает влиять на последующие ответы. Alyph позволяет после получения результата вычистить историю и оставить только чистую ветку. Автор также считает, что рост контекстных окон (уже сейчас есть модели с 2M токенов) сделает «чистый контекст» главным навыком, а автоматические алгоритмы сжатия и агенты — временным решением.
Что подтверждено, а что нет
Подтверждено: проект работает, доступен на alyph.ai, есть бесплатный старт с кредитом $5 и без подписки, заявлены параллельные запросы более чем к 300 моделям и ручное редактирование истории. Что остаётся на совести автора: утверждения о порогах деградации Claude и Gemini основаны на личном опыте, а не на независимых тестах. Сама идея «ручного контекста» против агентов — позиция автора, а не установленный факт.
На что смотреть дальше
Стоит проверить проект в реальной работе: удобство канваса для кода, поддержку локальных моделей, поведение мультиплеера. В обсуждении на Hacker News уже задают вопросы по архитектуре и сценариям использования.
| Punkt | Detail |
|---|---|
| Платформа | веб-приложение, alyph.ai |
| Модель оплаты | бесплатно, $5 кредит, без подписки |
| Ключевые функции | параллельные LLM, ручная обрезка истории, мультиплеер |
| Статус | Show HN, открытое обсуждение |
Источники: https://www.alyph.ai/ · проверка заявлений о поведении моделей на длинном контексте: https://www.anthropic.com/news