Опубликован выпуск проекта labwc 0.9.0 (Lab Wayland Compositor), развивающего композитный сервер для Wayland с возможностями, напоминающими оконный менеджер Openbox (проект преподносится как попытка создания альтернативы Openbox для Wayland). Из особенностей labwc упоминается минимализм, компактная реализация, широкие возможности настройки и высокая производительность. Анимированные эффекты, градиенты и пиктограммы, за исключением кнопок для окон, не поддерживаются принципиально. Код проекта написан на языке Си и распространяется под лицензией GPLv2.

https://www.opennet.ru/opennews/art.shtml?num=63570

Нейт Грэм (Nate Graham), разработчик, занимающийся контролем качества в проекте KDE, опубликовал очередной отчёт о разработке KDE. Среди недавних изменений в кодовой базе, формирующей будущий релиз KDE Plasma 6.5.

https://www.opennet.ru/opennews/art.shtml?num=63571

Исследовательская группа METR (Model Evaluation & Threat Research) опубликовала результаты эксперимента по оценке эффективности применения AI-инструментов для написания кода. Вопреки ожиданиям, исследование показало, что AI-помощники не ускоряют, а замедляют решение поставленных задач, при том, что субъективно участники эксперимента считали, что AI ускорил их работу.

https://www.opennet.ru/opennews/art.shtml?num=63573

Состоялся выпуск 0.9.0 Wayland-композитора
[ labwc ]( https://labwc.github.io ) . Проект является альтернативой для Wayland оконного менеджера openbox.

В списке изменений:

• Теперь используется библиотека wlroots 0.19, однако из-за бага в новой версии [ прекращена поддержка VR-гарнитур ]( https://github.com/labwc/labwc/pull/2887 ) .

• Добавлена команда lab-sensible-terminal для запуска из root-menu эмулятора терминала, определённого переменной среды $TERMINAL.

• При запуске с опцией -v (--version) теперь выводятся флаги сборки, такие как +xwayland -rsvg.

• Обеспечена отправка ресурсов DRM в клиенты Xwayland;

• Добавлена поддержка цветовых схем, определённых синтаксисом x11-color-names и #rgb.

• Добавлена поддержка Xwayland-свойства _NET_WM_ICON.

• Добавлена настройка , с помощью которой работает автопрокрутка в Chromium и прочих приложениях на Electron без непреднамеренной вставки из буфера обмена средней кнопкой мыши.

• Добавлена поддержка wayland-протоколов ext-data-control, alpha-modifier, xdg-toplevel-icon, drm-syncobj, ext-image-copy-capture.

https://www.linux.org.ru/news/opensource/18025802

Исследовательская группа METR (Model Evaluation & Threat Research) [ опубликовала результаты эксперимента ]( https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/ ) по оценке эффективности применения AI-инструментов для написания кода. Вопреки ожиданиям, исследование показало, что AI-помощники не ускоряют, а замедляют решение поставленных задач, при том, что субъективно участники эксперимента считали, что AI ускорил их работу.

Фактически при использовании AI-помощника на решение задачи в среднем было потрачено на 19% больше времени, в то время как участники полагали, что благодаря AI смогли выполнить работу на 20% быстрее, а до начала работы считали, что AI поможет им ускорить работу на 24%. Результаты также значительно расходятся с прогнозами экспертов в области экономики и машинного обучения, которые предсказывали экономию времени при использовании AI на 39% и 38%, соответственно.

В ходе эксперимента 16 разработчикам открытых проектов, имеющим средний опыт работы с AI-инструментами, было предложено решить 246 задач, связанных с исправлением ошибок и добавлением новых возможностей. Задачи были сформированы на основе реальных issue в GitHub-репозиториях проектов, с которыми у выбранных разработчиков был опыт работы не менее 5 лет. Случайным образом часть задач предлагалось решить вручную, а часть с использованием любого AI-помощника на выбор разработчика (большинство предпочли редактор кода Cursor с моделью Claude 3.5/3.7 Sonnet).

В эксперимент, который проводился с февраля по июнь 2025 года, были вовлечены такие открытые проекты, как mito, stdlib, ghc, cabal, flair, jsdom, hypothesis, trieve, scikit-learn, gpt-neox и transformers. В среднем задействованные проекты имели 23 тысячи звёзд на GitHub, 1.1 млн строк кода, 20 тысяч коммитов и 710 участников.

Упоминаются следующие возможные причины замедления решения задач при использовании AI:

•

Низкое качество AI-рекомендаций - разработчики приняли менее 44% от сгенерированных AI предложений и потратили много времени на их чистку и проверку.

•

Излишний оптимизм в плане полезности AI и завышенные ожидания от возможностей AI-инструментов.

•

Большой опыт работы участников с репозиториями, для которых решались задачи. Разработчики очень хорошо ориентировались в проектах и помощь AI в этой ситуации не представляла ценности.

•

В эксперименте использовались слишком крупные и сложные репозитории, с которыми AI работает хуже.

•

Неявный контекст репозитория - AI не понимал контекст, в котором работал.

Итоговый вывод: при использовании AI-инструментов разработчики тратят меньше времени на написание кода, поиск информации и чтение документации, но данная экономия сводится на нет из-за повышенных затрат времени на формирование запросов к AI, разбор подсказок, ожидание результата, рецензирование предложений и бездействие. Вместо генерации кода время уходит на взаимодействие с AI, изучение результатов и проверку предложенного кода.

https://www.linux.org.ru/news/development/18025810