Моя лента

В первой половине ноября 2026 года состоялся релиз открытого проекта PicView 5.2.2. Это быстрый, бесплатный и полностью настраиваемый просмотрщик изображений для ПК на Windows 10/11 и теперь для macOS. Исходный код решения написан на C# и опубликован на GitHub под лицензией GNU General Public License. Разработка этого проекта ведётся с 2017 года. Версия PicView 4.0 вышла в декабре 2025 года. Релиз PicView 5.0 состоялся в июле 2026 года.

У меня есть курс для маркетологов, и я хочу, чтобы нейросети его советовали. Когда человек пишет Алисе или ChatGPT «посоветуй курс по нейросетям для маркетолога», нейронка собирает ответ из чужих страниц: подборок, обзоров, статей, каталогов. Чтобы попасть в ответ, надо оказаться на страницах, которые она читает. Вот и всё GEO, если без красивых слов.

Поэтому в сентябре я собрала список площадок, где можно опубликоваться бесплатно. Получилось 309: 178 русскоязычных и 131 англоязычная. Потом сделала девять адаптаций своих статей под пять площадок, и они до сих пор лежат неопубликованными.

Мы с дочкой затеяли интерактивную книгу на базе отдельного устройства CrowPanel ESP32-P4. Она придумывает героев и события, я помогаю с реализацией и использую нейросети для текста, картинок и программирования. Можно выбирать, как поступят герои, и проходить историю разными путями. Зачем это вообще нужно я рассказал в первой статье.

Во второй части разбирались с панелью: ESP-IDF, LVGL, дисплей, первые анимации. Теперь добрался до самого содержимого книги.

Покажу наш сценарий, устройство сюжетного движка, подготовку картинок и анимаций. А ещё расскажу, как всё это связано с интерфейсом и где лежат исходники.

В первой половине ноября 2026 года состоялся выпуск открытого мультиплатформеного проекта RustDesk 1.5.3. Это приложение для удалённого рабочего стола, разработанное для самохостинга в качестве альтернативы TeamViewer. Исходный код решения написан на Rust и Dart и опубликован на GitHub под лицензией GNU Affero General Public License v3.0. Версия RustDesk 1.4.0 вышла в мае 2025 года. Сборку RustDesk 1.5.0 представили в начале октября 2026 года.

Здравствуйте меня зовут Дмитрий. Недавно мне попалась на глаза программа OpenSCAD и я хочу сделать небольшой обзор и ещё мы немного порисуем.

Итак OpenSCAD это как вы наверно догадались CAD программа но рисовать в ней нужно не мышкой, а по средствам встроенного скриптового языка. То есть проектирование в ней напоминает програмирование.

И вы спросите, а зачем это нужно не проще-ли рисовать по старинке мышкой. Но я похоже разгадал замысел авторов программы. Дело в том что существует определенный круг деталей внешняя форма которых определяется формулами. И как раз для проектирования подобных деталей OpenSCAD подходит как нельзя лучше.

11 ноября 2026 года компания Red Hat представила третье минорное обновление дистрибутива Red Hat Enterprise Linux 10.3 (RHEL 10.3) под кодовым названием Coughlan и на базе ядра Linux 6.12 LTS. Выпуск Red Hat Enterprise Linux 9 состоялся в мае 2022 года. Релиз RHEL 10 произошёл в мае 2025 года. Сборка RHEL 10.2 вышла в мае 2026 года.

В первой половине ноября 2026 года состоялся выпуск специализированного дистрибутива Tails 7.17, ориентированного на конфиденциальность, основанного на пакетной базе Debian 13 (ядре Linux 6.12 LTS), поставляемого с рабочим столом GNOME 48 и предназначенного для анонимного выхода в сеть. Выпуск Tails 6.0 произошёл в феврале 2024 года. Версия Tails 7.0 была представлена в сентябре 2025 года.

За последние недели Google обновила линейку Gemini 4 и представила несколько специализированных моделей. За последнее время прокачали несколько направлений: агентное программирование, сложные рассуждения, генерацию видео, робототехнику и мультимодальный поиск. Разберёмся, что изменилось и где это можно попробовать.

Несколько лет назад к нам обратились с задачей, которая на нефтяном промысле стояла давно и казалась почти рутинной. Печные змеевики, в которых нагревают скважинную жидкость, прогорают регулярно и довольно неожиданно. Замена занимает время: детали приходится заказывать и ожидать их поставки, простой обходился дорого. Хотелось понимать заранее, когда же примерно ждать прогара. Спросили, не получится ли что-то придумать по тем данным, которые уже есть. Мы подумали: а вдруг действительно получится.

Надо сказать, что несмотря на то, что мы регулярно занимаемся задачами имитационного моделирования, а в команде есть вроде как дипломированные физики, мы не нефтяники и не геологи (и даже не геофизики), и на тот момент подобных задач ещё не решали.

Как мы с GPT совместили локальную сеть, отдельные учётки, обмен файлами и Kill Switch — и что пошло не по плану. 10 ноября 2026 года.

Всем привет! Товарищ отдал мне свой старый MacBook Pro. Он грелся, я его продул, привёл в порядок — и задумался: а что теперь с ним делать? У меня уже есть привычный Windows-компьютер, на котором я работаю и рисую. К Mac я пока только привыкаю. Выбрасывать такую машину из рабочего процесса жалко, но и превращать её в дорогую подставку для чашки не хотелось.

Сначала вариантов было два: сделать из Mac отдельное рабочее место — например, для сына или товарища, со своей учёткой и Google, Chat GpT, Claude возможно, — либо отдать его под вычисления, скрипты и задачи, чтобы лишний раз не нагружать основной Windows. А потом пришла мысль: почему обязательно выбирать сейчас? Можно совместить оба сценария. Днём на Mac кто-то работает под своей учёткой, а когда он свободен, я использую его как вспомогательный компьютер для своих задач.

Сразу оговорюсь: я не утверждаю, что это единственный и самый правильный способ. Это просто наш с ИИ вариант домашней настройки, с ошибками и неожиданными находками. Вдруг кому-то пригодится.

Путь к локальному LLM: как требвоания по ИБ и “дух авантюризма” привели меня к 125B-модели под столом - и почему агенты больше не просят облако

ИИ-агенты у меня не демо для презентаций, а производственная сила: пишут код, расследуют инциденты по трассировкам, формируют постанвоки и прототипы, развивают платформы и закрывают кучу процессов бекофиса. Внутри компании у нас уже давно идет процесс ИИзации процессов и повышения личной эффективности за счет ИИ-агентов. Но чем больше они работают, тем настойчивее вопрос - сначала от ИБ Заказчиков, потом и мой собственный для контроля использовании ИИ во внутренних командах: а куда именно уходят постановки задач, куски кода и данные? Рассказываю, как я прошел путь от «это отправлять в облако нельзя» до 125B MoE-модели, которая живет на моей рабочей станции и тянет реальные волны агентных задач - со скоростью 22-25 токенов в секунду, качеством топ-кванта и без единого байта за периметр =)*

Я не претендую на оригинальность - мне много попадаются статьи про разный локальный инференс в целом и про Strata в частности, и решил рассказать свою историю (со своим железом и цифрами на реальных Кейсах использования - а не “запустил и выбил 100-500 генерации токенов”) и историю развития использования своего локального инференса и в целом немного про ИБ, вдруг кому то будут полезны цифры и примеры настроек.

Выводы сразу (для тех кто не любит много читать)

Можно ли предсказать результат на 10 км по двум шагам бегуна? По тысяче финишных видео с забегов сравниваем движения быстрых и медленных участников.

У небольшого UFO Hosting в нашей выборке всего 42 сайта. За последний месяц мы зафиксировали 17 приходов — это 40% от текущего наблюдаемого парка.

А у Timeweb, крупнейшего хостинга в нашей выборке с почти 10 тысячами сайтов, — всего 10 приходов.

Как так получилось?

Мы привыкли считать нетехническое интервью в ИТ фильтром на адекватность: проверить мотивацию, коммуникацию, «культурное соответствие» и передать кандидата техническим специалистам. Но у этого этапа есть задача поважнее. Технологии, процессы и сами роли в ИТ меняются быстрее, чем длится средний контракт, и способность сотрудника перестраиваться под изменения — адаптивная производительность — давно описана в психологии труда как отдельная часть результативности. Для неё есть модели, предикторы и стандартизированные методики. Разберёмся, почему её стоит сделать одной из целей нетехнического интервью и что для этого нужно поменять.

Я долго думал, стоит ли вообще писать эту статью. Не хочется, чтобы она выглядела как очередная история о том, какой я молодец, как сделал успешный продукт и теперь собираюсь рассказывать другим, как правильно жить. Тем более что я совершенно не уверен, что мой подход к созданию продуктов правильный. Более того, были моменты, когда я всерьез думал, что занимаюсь полной ерундой.

Поэтому эта статья скорее не про успех, а про один довольно интересный выбор, с которым, как мне кажется, сталкиваются многие разработчики, когда решают сделать что-то свое. И про то, к чему этот выбор может привести.

Исследование поведения ИИ-агентов с вызовом функций, имеющих реальный эффект, проводилось на основании методологии, основные положения которой мы излагали ранее (https://doi.org/10.5281/zenodo.23556771,https://habr.com/ru/articles/1098088/). Прогоны проведены по методологии версии 3.1; тестовая система этой версии не публиковалась.

Напомним, что методология позволяет проверить, вызовет ли ИИ-агент функцию, которая совершает действие с реальным эффектом, когда вызывать ее нельзя, потому что не выполнены неназванные условия ее применения, а также сопоставить с этим действием ответ агента, который он дает при этом пользователю. Срывы удержания условия считаем критическими сбоями, поскольку действие дает реальный эффект и может привести к необратимым (с трудом обратимым) последствиям.

Тестирование в этой версии проходило в два этапа и завершалось подтверждающей проверкой:

Давайте посмотрим на текущие тенденции рынков широким взглядом, потому что то, что комплектующие уже год как дорожают из-за кризиса памяти мы видим узким заплаканным взглядом.

Последние месяцы я всё чаще работаю с ИИ-агентами для кодинга: Gemini CLI, Claude Code, Codex и Antigravity. Они невероятно хороши в решении сложных задач, но у них есть одно фундаментальное неудобство — они привязаны к терминалу. Запустил задачу, сидишь жди, а отойти от монитора или проверить код со смартфона, находясь в дороге, до недавнего времени было проблематично.

Хотелось получить ту же свободу, что дает расширение Claude Code для VS Code, но прямо в мессенджере — чтобы агент шуршал по кодовой базе на домашнем или рабочем сервере, пока я занимаюсь своими делами, а я мог в любой момент глянуть прогресс или одобрить критический шаг.

Так родился AcpGram — открытый Telegram-шлюз, который запускает консольных агентов в качестве подпроцессов и позволяет управлять ими через привычный чат. Проект написан на чистом Node.js 24 без единой npm-зависимости, работает на Windows, Linux и macOS и уже полностью готов к использованию.

Недавно я решал две задачи. Личную и по работе. Личная, это настроить Nanabot, ИИ-агента, который автоматизирует мою деятельность как программиста. По работе, это написание MCP-сервера по управлению продуктами компании. И я столкнулся с проблемами. Если методов MCP очень много, то их подробные описания сильно раздувают контекст LLM. Если их прячешь за Code Mode MCP, то LLM иногда при поиске подходящего метода MCP не находит то, что ему нужно, или вообще не догадывается, что их надо поискать.

EAN-13 на пачке, сфотографированной телефоном без автофокуса. Code 128 на коробке под углом, SSCC на паллетной этикетке, которая проезжает под камерой конвейера. Мы сравнили, как такие снимки читают zxing-cpp, ZBar, OpenCV и движок линейных штрихкодов нашего универсального ридера кодов (unir). Снимки — из открытых наборов с чужой разметкой, их может скачать любой, и любую цифру можно проверить.

Коротко:

Всего прочитано: unir — 72 % из 6899 штрихкодов, ZBar — 56 %, zxing-cpp — 54 %, OpenCV — 42 %.

Главная разница — на размытых снимках. На наборе Artelab-2 unir читает 93 %, соперники — от 15 до 42 %.

Ложных чтений нет у unir, zxing-cpp и ZBar на 4231 снимке без кода; у OpenCV — 7.

По скорости ридеры почти равны: на обычном снимке у всех, кроме ZBar, 10–20 мс. Если на кадр дано 60 мс, чёткие коды все читают почти одинаково, а трудные — только unir.

Слабое место unir: на снимке, который он не может прочитать, он долго перебирает варианты. И часть кодов соперники читают, а он нет — о них ниже.