Моя лента

Разработчик Гейр Исене представил открытый проект под названием moon для Linux и macOS. Исходный код проекта написан на Rust. Для работы решения требуется терминал, поддерживающий вывод графики, например Glass или Kitty.

Все кому не лень говорят о Jev. Jev тут, Jev там. Все в Twitter только и говорят о Jev, что это следующее достижение больших языковых моделей и парадигмы ИИ. Мы в этом не уверены.

Во второй половине сентября 2026 года состоялся релиз стабильной версии подсистемы инициализации и управления службами в Linux systemd 262.

За две недели обновились сразу три лаборатории — xAI, Anthropic и DeepSeek. Сравниваю новые модели по независимым замерам, по цене одной и той же задачи и по тому, как с ними работать из России.

Полторы секунды. Столько в среднем живой человек смотрит на рекламу в интернете, а бренд начинает оседать в памяти только после двух с половиной. Разбираю свежие замеры внимания и формат, который выигрывает их все.

Знаете, я хотел сегодня поговорить о довольно глубокой вещи. Зачем нам вообще продолжать что-то делать? Не зачем начинать. Начинать легко. В начале есть идея, азарт, новый репозиторий, первые коммиты и ощущение, что сейчас ты сделаешь что-то чертовски крутое. А потом проходит неделя, месяц, год, и ты сидишь ночью перед монитором и смотришь на картинку, которая почему-то дёргается. Хотя всё должно работать.

Кампус ИИ генерация учебных работ

Claude Opus 5.5 напрямую недоступен для российских пользователей - Anthropic не поддерживает регистрацию и оплату из России. Доступ открывается через российские агрегаторы, закупающие модель официально и предоставляющие её с оплатой картой РФ. Ниже - четыре подтверждённых сервиса с бесплатным тестовым доступом.

Хайп вокруг пептидов волнообразный с пиками раз в 5-7 лет. Тема всплывает, когда очередное поколение предпринимателей переоткрывает «пептидные комплексы» с классной маржой. Цены от 5 до 100 тысяч в месяц. При этом пептиды бывают разные. Семаглутид тоже пептид, его эффекты видны и посчитаны. А что насчет диковинных названий типа CJC-1295. Что это вообще?

Нейросети заметно изменили повседневную работу тестировщика. Они умеют анализировать требования, находить в них противоречия, предлагать проверки, составлять тест-кейсы, генерировать тестовые данные и помогать с автоматизацией. То, на что раньше уходили часы ручной работы, теперь можно получить за несколько минут.

Это особенно хорошо работает там, где задачу можно формализовать: есть входные данные, правила, ожидаемый результат и понятный критерий полноты. Нейросеть быстро перебирает варианты и не устает выполнять однотипные операции. В результате у тестировщика освобождается время для работы, которую сложнее свести к заранее заданному алгоритму.

Исследовательское тестирование относится именно к такой работе. Здесь недостаточно выполнить подготовленный набор шагов. Нужно наблюдать за продуктом, замечать странности, формулировать гипотезы, менять направление исследования и задавать вопросы, которых не было в исходных требованиях. Иногда важным оказывается не явное сообщение об ошибке, а небольшая задержка, неожиданное изменение состояния или ощущение, что система ведет себя непоследовательно.

Нейросеть может помочь подготовить тестовую идею или проанализировать уже собранные материалы, но она пока не заменяет человека в самостоятельном исследовании реального продукта. Ей трудно оценить весь контекст взаимодействия, понять практическую значимость неожиданного поведения и решить, какая случайная деталь заслуживает дальнейшей проверки. Исследовательская сессия остается диалогом тестировщика с продуктом.

Сервер хранения может работать месяцами без единого предупреждения, а затем одно неожиданное отключение превращается в многочасовую недоступность сервисов. В этом постмортеме разбираем, почему отказ одного узла повлиял на объектное хранилище, как особенности размещения данных и служебных метаданных изменили сценарий сбоя и какие выводы были сделаны после инцидента.

Рассмотрим, какие инженерные решения помогли бы быстрее обнаружить проблему, ограничить последствия и повысить устойчивость инфраструктуры.

Компания представила JetBrains Air.

Это не очередной редактор, а целая система для разработки вместе с ИИ-агентами.

Некоторое время назад я написал здесь статью «Что такое время в нашей профессии?». В ней я начал с очень личного вопроса. Мне пятьдесят три года, за плечами примерно тридцать лет работы в ИТ, автоматизации, ERP-проектах, внедрениях и всей той профессиональной жизни, которую мы хорошо знаем: сроки, запуски, этапы, перегрузки, очередное «ещё немного — и станет легче». Я посмотрел назад на эти тридцать лет, а потом мысленно прибавил ещё тридцать вперёд и получил восемьдесят три. В тот момент вопрос перестал быть философским. Он стал очень практическим: что я собираюсь делать с тем временем, которое у меня ещё осталось?

Ту статью можно прочитать здесь: «Что такое время в нашей профессии?» на Хабре

С тех пор размышление продолжилось. Сначала я думал именно о времени: почему человек умеет прекрасно управлять календарём проекта и при этом почти не умеет управлять собственной жизненной длительностью; почему десятилетия могут быть до отказа заполнены деятельностью и всё равно оставлять вопрос «что это было?». Но довольно быстро стало ясно, что вопрос о времени невозможно оставить без следующего вопроса.

Хорошо. Время ещё есть. А что именно я хочу на нём построить?

И вот здесь разговор неожиданно вышел далеко за пределы профессии.

Я отец. У меня жена, дети. Дети растут стремительно. Ещё недавно большая часть отношений с ними строилась почти автоматически: ребёнку нужен взрослый, который кормит, защищает, учит, задаёт границы, помогает выбрать школу, объясняет мир. Но эта конструкция временная. Ребёнку становится шестнадцать, восемнадцать, двадцать пять, тридцать пять. У него появляется собственная профессия, супруг или супруга, дети, свой дом, свой бюджет, свой взгляд на жизнь. И тогда уже недостаточно просто любить его и надеяться, что отношения как-нибудь сложатся.

В статье я рассказываю о LTanh — функции активации, которая сохраняет форму Tanh, но решает проблему затухающего градиента. Показываю, как пришёл к формуле, вывожу производную и сравниваю её с Tanh в точках 0–5. В хвостах LTanh даёт в 150–850 000 раз больший градиент, оставаясь ограниченной и гладкой.

Что приходится собирать генеральному директору

Эта публикация — прежде всего о работе генерального директора сложного предприятия. Каждая функция видит свой участок, а ответственность директора остаётся целой. Новый контракт, срыв поставки, отказ оборудования, изменение условий заказчика, дефицит денег или редкой компетенции приходят из разных контуров, но решение всё равно приходится принимать от имени предприятия как одного целого.

В последние годы эта работа становится плотнее не только из-за объёма данных. Растёт число взаимных зависимостей, скорость событий и количество решений, которые меняют не один показатель, а сразу несколько будущих возможностей. Ограничением становится уже не отсутствие информации, а человеческая способность вовремя собрать из неё непротиворечивое поле решения.

Задача «Мозга фирмы: 2026» — показать этот многомерный спектр в явном виде. Что именно сегодня приходится удерживать в голове генеральному директору: что сохранить, какие продолжения ещё существуют, какие угрозы они переживают, на каких общих зависимостях держатся, насколько готовы, сколько времени остаётся до закрытия выбора и чем сегодняшнее спасение будет оплачено завтра.

Мы не пытаемся передать машине ответственность директора. Наоборот, цель — реструктурировать саму профессиональную деятельность руководителя: вынести часть скрытой работы памяти, совещаний и ручной пересборки в явное, связанное и проверяемое поле, чтобы человеческий выбор начинался там, где действительно нужен человеческий выбор.

В релиз вошли новые Koda Base и Koda Pro, фоновые субагенты, планирование в Desktop и CLI, расширенное управление через Telegram и доработки, помогающие агенту продолжать работу после временных ошибок и обрывов соединения.

В литературе по оптимизации, работа с памятью стоит не на первом месте, и даже если вы добрались до этих глав там, с большой вероятностью будут рассказывать про пропускную способность, чтобы система могла перемалывать условные пять ГБ/с вместо трех. И в целом это правильная метрика, когда у вас потоковая обработка, или батчи данных вродя запекания освещения, сборки навмеша, или компиляция шейдеров. Там имеет значение сколько данных прошло через процессор за отведённое время, и все стандартные приёмы (SoA, плотные массивы, линейный обход, векторизация) работают на эту метрику.

В редких книгах, вы увидите примеры о том, где "не сколько" данных вы обработали, а сколько времени прошло между запросом и ответом, а классические примеры из большого мира будут про высокочастотный трейдинг, автомобильные и медицинские системы, аудио- и видеосвязь, что обычному программисту не всегда интересно или имеет специфику далекую от области, где это можно применить. Также это все это достаточно далеко от разработки игр, потому что большинство приемов из этих примеров и книг, в чистом виде не переносятся в силу специфики игровой разработки. В обратную сторону тоже работает плохо, поэтому каждый живет при своих проблемах, идеях и костылях.

В играх, особенно разных стратегиях, симуляторах и факторингах, потоковая задача прогнать через кеш как можно больше данных остро не стоит, зато вылезают разные latency-задачи, которым нужно, чтобы данные этих задач из кеша по возможности не выкидывали, а работая в группе по возможности избегать кешканибализма и драки за шину.

Итан Сигел (американский астрофизик‑теоретик и научный журналист, автор рубрики «Спросите Итана», один из пропагандистов современных научных знаний), задаётся вопросом: проявляют ли гравитационные волны свойства частиц?

@avshkol перевёл эту статью, поскольку поиск корпускулярных свойств у гравитационных волн выводит нас на проблему квантования пространства-времени и объединения квантовой теории поля с общей теорией относительности. Сейчас это ключевая, острейшая проблема современной физики...

Также смотрите статьи на эти темы на Хабре: Убедительный экспериментальный намёк на квантовую природу гравитации и Гравитация и квантовая физика фундаментально несовместимы.

Новая, предпоследняя статья серии.

На этот раз – о моменте, когда проект уже нужно перестать обследовать и начать брать на себя обязательства.

В кейсе из моей практики заказчик был уверен, что всё готово: требования собраны, ТЗ есть, срок установлен, приоритет максимальный. Мы отказались подписываться под исходными условиями. Позже, после пересборки объёма и оценки рисков, подписались – хотя полной определённости всё ещё не было.

Где проходит эта граница? Сколько нужно знать, чтобы уже отвечать за результат? Когда риск можно принять, а когда это уже авантюра? И в какой момент ИТ обязано снять собственное отлагательное вето?

Профессор Стэнфордского университета Илья Стребулаев:

5% венчурных капиталистов обеспечили примерно 90% прибыли отрасли. Поэтому центральный вопрос в венчурном инвестировании заключается в определении того, кто входит в эти 5%.