Разработчик Себастьян Гийемо рассказал, что ИИ-ассистент Claude удалил 700 ГБ из домашнего каталога рабочего ПК во время тестирования скрипта для предотвращения случайного удаления файлов.
Простой способ вычислить размер структуры/класса
Возьмем такой объект:
struct Object {
bool b; // std::alignment_of<bool>::value == 1
double d; // std::alignment_of<double>::value == 8
int i; // std::alignment_of<int>::value == 4
char c; // std::alignment_of<char>::value == 1
};В комментарии к каждому типу данных указано требование к его выравниванию в памяти процесса. Не путать с размером типа данных. Начнем с первого поля структуры с типом bool – поместим его по нулевому адресу на импровизированной линейке памяти где каждая клетка занимает один байт (рис. 1).
У следующего поля типа double значение выравнивания 8, т.е. его начало должно располагаться на кратном 8 адресе памяти (рис. 2).
Для int с выравниваем 4 ближайший кратный 4 адрес это 16 (рис. 3).
А для char по той же схеме поставим его по адресу 20 (рис. 4).
Но это не все. Если допустить, что размер структуры 21 байт, то следующая такая же структура Object будет располагаться следом - по адресу 21. Для ее поля типа bool допустимо находиться на 21-й позиции, однако тогда поле типа double будет уже 29-й, которая не кратна 8, т.е. нарушится правило выравнивания (рис. 5).
Для данного примера наиболее простой способ разместить в памяти все объекты и при этом учесть их выравнивание это добавить в конец структуры 3 байта (рис. 6).
Таким образом, размер структуры равен 24 байта.
Всем привет! В мае я опубликовал на Хабре первую статью о MarkMello (легкий MD-просмотрщик). Изначальная задача была простой: сделать лёгкое приложение, которое быстро открывает локальный Markdown-файл сразу в режиме чтения. Хочу рассказать вам о развитии этого проекта, во что он превратился на сегодняшний день, а так же поблагодарить всех контрибьюторов за участие проекте.
С февраля 2026 года активно откликаюсь на разные вакансии, потому как зарплаты упали, а хочется перспектив и развития. Несколько дней назад увидел, как в одном тг канале для автотестировщиков активно форсят ресурс updatecv.me. Решил и я попробовать.
Ресурс хочет денег - ну оно и неудивительно. 300 рублей можно и отдать за возможность стать круче в глазах работодателей.
LLM-бум породил не только новые возможности, но и новое поколение атак. За два года мы увидели реальные атаки на агенты: один вредоносный email и Copilot сливает платёжные данные клиентов, одно фальшивое GitHub issue и CI/CD пайплайн скомпрометирован, один тщательно настроенный промпт и AI-агент выполняет удалённый код на вашей машине. Это уже далеко не теория, а зафиксированные исследователями в 2025 - 2026 годах атаки на Microsoft Copilot, OpenAI Atlas, Claude Code и Apple Intelligence.
Атаки становятся изощрённее: злоумышленники маскируют вредоносные инструкции под XML-политики, шифруют в base64, вставляют невидимые символы и даже прячут джейлбрейк в стихи. Встроенные фильтры LLM пропускают до 76% таких атак.
Значит, нужен другой подход - лёгкий, быстрый (чтобы не тормозить агента) и понятный (чтобы вы знали, почему запрос заблокировали). И главное, работающий без вызовов внешних API, внутри вашей инфраструктуры. Потому что в эпоху zero-click атак доверять безопасность облачному провайдеру, который пропускает почти всё, как минимум рискованно.
В этой статье разберем основные виды атак и посмотрим на примере, как выстроить базовую защиту с моделью безопасности OGL-Mini.
Раньше существовал естественный барьер между «мне интересно» и «я пошёл это делать». Чтобы попробовать написать музыку, нужно было хотя бы немного разобраться в DAW. Чтобы полезть в SEO, требовалось прочитать документацию, собрать инструменты, понять терминологию. Чтобы сделать сайт на WebGL, сначала неплохо было научиться оптимизировать такие сайты.
Теперь этот барьер почти исчез. И неожиданно оказалось, что это не только преимущество…
В этой статье рассматривается одна из причин такого поведения IDE Qt Creator и приводится решение этой проблемы. Актуальность:
1. В интернете нет описания и решения данной проблемы (я искал).
2. Некоторые решения данной проблемы, которые может выполнить пользователь, вредоносны.
3. ИИ не предлагает верного решения.
4. У ide Qt Creator нет лога ошибки данной проблемы (QT_DEBUG_PLUGINS=1 и gdb бесполезны).
Apple представила Agent Seer — конвейер, который создаёт проверочные сценарии только по описанию MCP-сервера. Ему не нужны рабочий сервер, реальные ответы инструментов, готовые примеры или ручная разметка.
Из названий функций, описаний и схем параметров система строит:
Тут надо сразу расставить точки, потому что вокруг названия путаница. Полноценного Qwen4 не существует. Есть Qwen3.8-Flash-Next – модель, которую сама команда Qwen называет «экспериментальная версия архитектуры, которая ляжет в основу Qwen4».
26 августа 2026 интернет на пару часов забыл про всё. «Meet Qwen3.8-Flash, a multimodal MoE and an early preview of the Qwen4 architecture, now open-weight!» И цифры… 125 миллиардов параметров всего. Плюс ещё 51 млрд отдельным слоем. А активируется на каждый токен – лишь 6 миллиардов.
Первая мысль была: так не бывает.
Каждый день мы работаем с файлами: перемещаю, копируем, сортируем, раскладываем по папкам. И каждый день тратим массу времени на то, чтобы открыть нужную директорию, перетащить файл, закрыть лишние окна. В Windows эта рутина особенно утомляет: проводник, куча вкладок, постоянное переключение между папками. Хотелось простого решения: выделил файл → правый клик → выбрал папку → файл перемещён. Без лишних телодвижений, без открытия дополнительных окон.
К тому моменту уже много лет работал с C++ — WinAPI, COM, IPC, низкоуровневую работу с системой. Но в современных проектах хотелось попробовать что-то более безопасное, современное и приятное в разработке. Так я обратил внимание на Rust. Безопасная работа с памятью, богатая экосистема, отличная поддержка Windows через windows-rs — это выглядело многообещающе. А Tauri (на базе Rust) давал возможность сделать красивый GUI на React, но без тяжеловесного Electron.
Сегодня утром появились первые версии DLL-файлов, позволяющие запустить DLSS 5 на видеокартах серии RTX 30. Правда, производительность в них была крайне низкой: всего 1-5 FPS.
Однако буквально недавно появился оптимизированный вариант. Теперь на RTX 3090 в Hogwarts Legacy при разрешении 1080p с DLAA + DLSS 5 удаётся получить около 30-35 FPS.
Суть решения заключается в работе dlssnr_ampere.addon64, который перехватывает создание CUDA/NvAPI-модулей:
Вайбкодинг - довольно популярное в наше время занятие, которое пагубно сказывается на все программистическое комьюнити. Мало того, что всё наполняется нейрослопом от новоиспеченных "программистов" с подпиской Claude за 20$, так еще и старички разучиваются писать код без использования ИИ ввиду его использования.
Масло в огонь подливает ЛИНУС ТОРВАЛЬДС (создатель линукса) который недавно ляпнул что "ИИ - хороший инструмент"; эту фразу теперь используют вайбкодеры чтобы оправдать то, что они пишут код с использованием ИИ.
Вайбкодеры по сути своей не имеют своих навыков, даже хотя большинство из них утверждает обратное: что они понимают всё что нейросеть пишет. Но, как показывает практика, без ИИ они ни на что не способны, потому что банально чтобы писать код самостоятельно нужно учится писать его самостоятельно, без всяких нейросетей.
Некоторые говорят что они "используют ИИ иногда, когда проблемы возникают"... Программирование - это РЕШЕНИЕ ПРОБЛЕМ, когда нейросеть за вас эти самые проблемы решает, вы уже не программист, а обычный вайбкодер.
Вообщем, вы видите к чему все идет: у людей навыки программирования атрофируются от использования ИИ, новые разработчики - вайбкодеры; нормальных людей, что способны писать код самостоятельно - скоро совсем не останется. Это прискорбно.
Z.ai не доказала полную независимость Китая от Nvidia. Но кое-что что важное все же произошло
На прошлой неделе на OpenRouter появилась бесплатная анонимная модель под кодовым именем Ox Alpha. Без названия компании, пресс-релиза и привычного маркетингового разогрева.
За шесть полных дней она обработала 23,2 трлн токенов и стала самой используемой моделью на платформе — с отрывом в 2,3 раза от ближайшего конкурента.
26 августа Z.ai раскрыла карты: под именем Ox Alpha тестировалась её новая модель GLM-5.3-Flash.
Но самое интересное здесь не место в рейтинге и даже не цена. Весь трафик анонимного запуска, по заявлению Z.ai, обслуживался на китайских ИИ-ускорителях.
Трафик OpenRouter за 20–25 августа 2026 года. Источник: официальный релиз Z.ai.
1. Экономика сильных моделей меняется быстрее, чем кажется
На момент публикации миллион входных токенов GLM-5.3-Flash на OpenRouter стоит $0,075, выходных — $0,25. Для GLM-5.3 это $1,25 и $4,40.
Первая цена акционная, поэтому строить долгосрочную экономику только на ней не стоит. Но даже стандартный тариф Z.ai — $0,15 за вход и $0,50 за выход — заметно ниже стоимости большинства моделей сопоставимого уровня.
При этом на внутреннем Z.ai Code Bench v1.0 новая модель на максимальном режиме рассуждения почти сравнялась с Claude Opus 4.8: 29,0 против 29,5 балла.
Важно: Z.ai Code Bench v1.0 — закрытый тест самой компании. По состоянию на 30 августа его задания не опубликованы, поэтому результат нельзя независимо воспроизвести. Считать эти цифры доказательством одинакового качества не корректно.
То есть честная формулировка звучит не как «то же качество в десять раз дешевле», а так: модель уже находится в сопоставимом классе и стоит достаточно дёшево, чтобы её обязательно проверить на собственных задачах.
2. Низкая цена появилась не из воздуха
GLM-5.3-Flash — MoE-модель: всего в ней 320 млрд параметров, но при обработке каждого токена активируются только 18 млрд. Кроме того, в ней 45 слоёв против 92 у сопоставимой по общему размеру GLM-4.5.
Для работы с длинным контекстом объединили механизмы внимания:
линейное внимание обрабатывает локальные зависимости через состояние;
разреженное внимание находит релевантные фрагменты во всём контексте через отдельный индексатор;
IndexPool дополнительно сжимает четыре ключевых вектора индексатора в один.
По расчётам компании, по сравнению с GLM-5.3 это уменьшает вычисления механизма внимания примерно в три раза, а объём KV-кэша — в 4,4 раза на контексте до миллиона токенов.
Если убрать технические детали, смысл простой: модель тратит меньше вычислений и памяти на каждый запрос. Поэтому низкая цена здесь выглядит не только как субсидия для захвата рынка, но и как следствие архитектуры.
Конкуренция в ИИ всё заметнее смещается от гонки за «самую умную модель» к оптимизации всей системы: модели, движка инференса, памяти, сети и железа.
3. Китайское железо прошло проверку массовым инференсом
В течение всего анонимного запуска запросы к Ox Alpha обрабатывал крупный кластер китайских ИИ-ускорителей.
Для него Z.ai построила собственный стек инференса поверх SGLang: с разделением этапов обработки запроса, несколькими видами квантизации, оптимизацией обмена данными и отдельным планированием вычислительных пулов. Компания утверждает, что в результате производительность выросла втрое относительно первоначальной версии на том же оборудовании, а стоимость одного токена стала сопоставима с массовыми решениями на Nvidia.
Ещё одно важное уточнение: речь идёт об инференсе — обслуживании пользовательских запросов. Публичных доказательств того, что GLM-5.3-Flash была полностью обучена без оборудования Nvidia, пока нет.
Это различие принципиально. Обучить большую модель с нуля и обслуживать уже обученную модель в продакшене — разные по сложности и требованиям задачи.
Но результат всё равно значимый. Он показывает, что китайское оборудование уже способно выдерживать массовый трафик модели передового класса, а локальный программный стек — компенсировать ограничения отдельных чипов на уровне кластера.
Несмотря на то, что нормативному определению термина «искусственный интеллект» уже сто лет в обед (извините, не удержался, в рифму получилось), а на самом деле уже почти семь лет как (Национальная стратегия развития искусственного интеллекта на период до 2030 года утверждена Указом Президента РФ № 490 от 10.10.2019г. и с этой же даты вступила в силу), на текущий момент в судебные акты высших судов РФ ИИ попал только дважды:
Во-первых, это п. 42 Постановления Пленума Верховного суда РФ «О подготовке гражданских дел к судебному разбирательству» от 21.05.2026г. № 15:
…Участвующие в деле лица, представившие в суд сведения о фактах, полученных с использованием технологий искусственного интеллекта, должны сообщать об этом суду.
Во-вторых, это п. 5.1 Тематического обзора Верховного суда РФ № 2/2026 «О рассмотрении судами административных дел о защите избирательных прав», утв. Постановлением Президиума Верховного Суда РФ от 25.03.2026г. № 3А/2026 (в Обзор этот случай попал из Кассационного определения Судебной коллегии по административным делам Верховного Суда РФ от 04.02.2026г. № 48-ИКАД26-1-А2):
Использование в агитационных печатных материалах изображений физических лиц, включая лиц, не достигших на день голосования возраста 18 лет, не допускается и в том случае, если такие изображения созданы с применением компьютерных технологий.
На этом пока все. Однако вот-вот уже скоро вступает в силу закон «О поддержке развития технологий искусственного интеллекта в Российской Федерации» от 26.07.2026г. № 243-ФЗ, в котором снова присутствует термин «искусственный интеллект», поэтому судебная практика должна будет неизбежно пополниться новыми случаями.
«1С тормозит» — это не техническое утверждение, а начало спора. Бизнес говорит «тормозит», подрядчик говорит «у нас всё в норме», и обе стороны правы, потому что меряют разное: пользователь меряет секунды до открытия документа, подрядчик — загрузку CPU на сервере.
Спор заканчивается там, где появляются цифры. Проблема в том, что цифры про 1С живут на трёх разных уровнях, и стоимость доступа к ним отличается на порядок. Половина разочарований в мониторинге 1С — от того, что человек ждал цифр третьего уровня, а поставил инструмент первого.
Я собираю мониторинг 1С в составе своей платформы наблюдаемости и за последние месяцы прошёл все три уровня, включая пару очень неочевидных граблей на Windows. Ниже — разбор по уровням: что видно, чего не видно, чем это ловится и где именно молча ломается.
🤖 MCP для Jetbrains
Ваша IDE это очень мощный инструмент, который может пригодится вашему агенту, но дефолтное MCP Jetbrains довольно бедное и местами забагованное.
✨ Плагин IDE Index MCP Server предоставляет куда больше возможностей:
Просмотр кода зависимостей (чтобы вашему агенту не пришлось лазить в .m2)
Запуск тестов (полезно, если в вашей огромной монорепе мавен запускает тесты слишком медленно)
Иерархия классов, стек вызовов, переход к объявлению и так далее
Удобное окно для просмотра запросов и ответов MCP сервера
💪 Самое главное, разработчик плагина очень активно реагирует на ишью и быстро их закрывает, я лично открыл штук 5, на данный момент на гихабе только одна.
Также, у него есть плагин, дающий агенту возможность дебажить с помощью идеи, но я его не пробовал.
Я сделал этот сайт, потому что исчез другой, который мне нравился. Пять лет спустя у него горстка пользователей, один платящий клиент — и он научил меня большему, чем любой туториал.
В 2017 году я готовился к IELTS, и мне дали совет, который дают всем: смотрите фильмы с субтитрами.
Этот совет отправил меня искать инструмент вполне определённого рода. Не стриминг — поиск по фразам. Вводишь предложение и видишь, как его произносят, в контексте, в том фильме, где оно попалось. Я такой нашёл. Эстонский сайт, судя по домену .ee, название которого я начисто забыл.
Он ничего у себя не хранил. Он собирал встроенные плееры с видеохостингов и делал их доступными для поиска. Это различие имело значение и технически, и юридически, и тогда я особо не задумывался ни о том, ни о другом — мне просто показалось, что это остроумно.
Потом сайт закрылся. Без объявлений, без объяснений. Я несколько лет искал замену и не нашёл.
В 2021 году я решил сделать свой.
Я в одиночку делаю и эксплуатирую платформу мониторинга: метрики, логи и трейсы для чужой инфраструктуры, мультитенантно, на VictoriaMetrics cluster / VictoriaLogs / VictoriaTraces, FastAPI, nginx и Postgres. Прод — один сервер: Debian 12, 4 CPU, 8 ГБ, четырнадцать контейнеров.
За несколько месяцев эксплуатации у меня накопилось десятка полтора отказов под нагрузкой. Ни один из них не был найден классическим нагрузочным тестом. Все — найдены постфактум, по логам, по счётчику рестартов контейнеров и по панели трафика у хостера.
Это статья не про то, «как правильно проводить НТ» — таких статей достаточно. Она про то, какие именно виды нагрузки ломают систему приёма телеметрии, почему привычный сценарий «загоним 1000 rps через k6 и посмотрим на перцентили» проходит мимо всех трёх, и как выглядит воспроизводимый прогон, который эти отказы ловит.
Все цифры ниже — с живого сервера, не синтетика.
По данным Reuters, компания Meta* планировала масштабные сокращения, чтобы передать часть повседневной работы сотрудников искусственному интеллекту. Но столкнувшись с недовольством сотрудников и разочаровывающими результатами в плане повышения производительности, Цукерберг отказался от этой идеи, пишет Reuters.
Задумывались ли вы, как в стране без банковских карт и интернета деньги ходили между предприятиями? Завод в Челябинске отгрузил трубы, совхоз под Ташкентом купил технику, инженер в Новосибирске получил зарплату — и всё это должно было сойтись в единый баланс. Причём сойтись с точностью до копейки: за копейкой в Госбанке следили строже, чем за иным секретным чертежом.
В прошлых статьях мы разобрали, как ЭВМ заходили в советскую промышленность, и посмотрели на сами машины — лампы, поколения, «Уралы». Продолжаем. Сегодня три сюжета: деньги, медицина и образование. А на десерт — история одной машины, которую сгубила её собственная необычность. Но о ней в самом конце.
Привет, читатель! Посмотрим, как древнючий Broadwell аж из 2015 года выжимает все соки из своей подсистемы памяти (напомню, что это 1150 сокет с DDR3 оперативной памятью), приближаясь по её латентности к более современным решениям.
Автор, это явно какое‑то противоречие! Как процессор, работающий с оперативкой, старше многих школьников, умудряется догонять те же Skylake вроде i7-6700K?
Ответ кроется в той самой подсистеме памяти, а вернее в L4 кэше. Он же — eDRAM
eDRAM (embedded Dynamic Random Access Memory) изначально создавался как быстрый буфер, созданный для повышения ПСП (пропускной способности памяти) для встроенной графики Iris Pro 6200. Но если бы все было так просто...