Некоторые владельцы Android‑смартфонов выяснили, что Google автоматически проверяет и привязывает их номер телефона ко всем аккаунтам, используемым на устройстве, — причем без явного запроса на подтверждение.
Если посмотреть на наше выживающее сообщество со стороны, то мы - вылитые "Стражи Галактики", застрявшие в декорациях "Властелина Колец". Сборище неудачников, аутсайдеров и одиночек. Вендор наш со своей бесчисленной армией франчайзи-орков, строит свою неповоротливую ERP-Мордорию. Они смотрят на нас и на малый бизнес как на безумных фриков и космический мусор, который давно пора выжечь с лица земли принудительными обновлениями.
И они, пожалуй, правы! Мы и есть банда фриков. Один воюет с честными знаками, второй прикручивает gRPC к ядру четвертьвековой давности, третий переписывает Win32-битные счётчики. Полные отбросы цифрового общества с точки зрения эффективного менеджмента. Мы сидим в своём тихом Шире - на окраинах реального сектора экономики, крутим рубли и штуки, пока вокруг пухнут гигабайтные патчи. Но именно этой разношёрстной компании хоббитов-неудачников придётся тащить кольцо цифрового суверенитета до Роковой горы 2038 года. Потому что больше некому. Могучие короли Снеговика давно пали под властью подписок на ИТС.
Как российский ТСПУ понимает, какой трафик блокировать? Почему одни VPN-протоколы работают, а другие перестают подключаться? чем анти-DPI отличается от обычного туннеля? Какой протокол и клиент выбрать?
Сознанием гораздо проще обладать, чем дать ему определение. Один из способов приблизиться к пониманию сознания - заглянуть в мозг и посмотреть, какие его области активируются в моменты осознанного восприятия. Полное понимание этих процессов позволило бы выявить так называемые «нейронные корреляты сознания». Опираясь на эти знания, мы могли бы продвинуться в разработке теории, объясняющей, что такое сознание и почему оно возникает. Сегодняшний гость, Кристоф Кох, - один из ведущих исследователей нейронных коррелятов сознания и сторонник определённого подхода к его объяснению, известного как теория интегрированной информации.
Кристоф Кох получил степень доктора философии в Институте биологической кибернетики Общества Макса Планка. В настоящее время он занимает почётную исследовательскую должность в Институте исследований мозга Аллена, где ранее был президентом и главным научным сотрудником, а также является главным научным сотрудником фонда Tiny Blue Dot. Он автор нескольких книг, последняя из которых - «Тогда я сам - весь мир: что такое сознание и как его расширить» (Then I Am Myself the World - What Consciousness Is and How to Expand It)
handheld клавиатуры позволяют не привязываться к конкретному рабочему месту и менять положение тела во время работы, например, можно работать стоя, сидя, лежа, не выпуская клавиатуру из рук, и имея при этом полноценное управление курсором.
В PHP-экосистеме не так часто происходят заметные изменения в области машинного обучения. Пока основное внимание разработчиков сосредоточено на Python, PyTorch и больших языковых моделях, инструменты для ML на PHP продолжают развиваться, хотя и остаются нишевым направлением.
Поэтому выход Rubix ML 3.x – важное событие для PHP-разработчиков, которые хотят использовать машинное обучение в своих проектах. Это не просто очередная версия библиотеки: обновление затронуло производительность, обучение нейросетей, обработку данных и возможности параллельных вычислений.
Кроме того, у проекта появился официальный сайт с обзором возможностей библиотеки, документацией и примерами. Он помогает увидеть Rubix ML не как набор отдельных алгоритмов, а как полноценный инструментарий для всего цикла машинного обучения – от подготовки данных до применения обученной модели в production.
Разберём, что изменилось и почему это интересно разработчикам, которые работают с PHP каждый день.
Если вы подключаете к чату настоящие инструменты, нужно проверить два случая: когда вызов следует выполнить и когда ни один инструмент не подходит. Я сравнил два способа: модель сама пишет вызов или выбирает функцию и аргументы из готовых вариантов.
Проверил, можно ли разгрузить Hermes Agent с помощью локальных LLM на домашнем ПК с RTX 3080 и 32 ГБ RAM. Сравнил Qwen и GLM на архитектурных задачах, редактуре и извлечении данных, испытал разные квантования и подключил Hermes на Mac к модели на Windows. В статье — условия испытаний, замеры скорости и памяти, конкретные ошибки и причины итогового выбора Qwen3.5 9B. Подключение заработало, но получить привычное качество ответов и подтвердить экономию облачного лимита пока не удалось.
Как я переделал воксельную карту 10 см в HD-карту высот с разрешением 1 мм на CUDA, две новые проблемы: шум глубины и скачки одометрии по высоте.
Ночная смена. На мониторинге краснеет алерт — что-то опять не так на одном из серверов. Ты открываешь терминал, листаешь логи, лезешь в конфиги, пытаешься вспомнить, как именно три года назад настраивал этот сервис, грепаешь историю bash в поисках той самой команды… Знакомая картина?
Сегодня первый порыв — спросить ChatGPT. Он подскажет, где копать. Но давайте честно: он работает медленно и односторонне. Ты копируешь ему кусок конфига, он советует, ты идёшь применять, возвращаешься с результатом, он советует снова. Он не видит твои файлы, не правит inventory, не прогонит playbook и не перечитает логи после рестарта. Он — советник по переписке, а тебе нужен напарник в машинном зале.
Мне нужен был кто-то (или что-то), кто работает прямо в моём терминале, с моими файлами, под моим контролем. Но при этом — кто не выйдет за рамки дозволенного и не наломает дров на проде. Так я пришёл к агентам, а конкретно — к опенсорсному pi.
Эта статья — не обзор фич и не реклама. Это рассказ о том, как агент вписался в реальную работу инфраструктурного инженера: от написания Ansible-ролей до документации и настройки самого себя. С кодом, граблями и честными выводами.
Здравствуйте, меня зовут Дмитрий Карловский, и однажды я создал самый удобный редактор богатого текста. Попробовать его вы нигде не сможете, зато сможете узнать какого счастье вы лишились...
NVIDIA представила Nemotron 3.5 Super VL — модель с открытыми весами на 120 млрд параметров, из которых 12 млрд активируются при обработке каждого токена. Она работает с текстом, изображениями и видео, умеет рассуждать и вызывать инструменты. Основной сценарий — агенты, которые выполняют многошаговые задачи без постоянного участия человека.
В зрительной части модель ориентирована на работу с документами: распознавание текста, таблиц, графиков, веб-страниц и PDF. Она также обрабатывает видео длительностью до двух минут. Это может пригодиться для извлечения данных из отчётов, анализа экранных записей и автоматизации процессов, в которых нужно одновременно учитывать текстовую и визуальную информацию.
Работа над локальной версией для «Ночного глаза» стала одним из этапов оптимизации TAPe+ML под процессорное ядро. Первоначальная поставка для проекта занимала около 28–30 МБ. Эта версия работала на RDBox с загрузкой ядра 30–60%.
Затем мы продолжили оптимизацию библиотек и исполнения. Текущая локальная поставка занимает около 4,2 МБ. Модель помещается во внутренней памяти процессора и после первоначальной загрузки работает там – без постоянного переноса ее параметров из оперативной памяти. На протестированных CPU обработка кадра на одном ядре CPU же занимает 8,6–15,8 мс.
Дисклеймер. В проекте есть работа с сетевым напряжением 220 В и с радиопередачей. Первое может убить, второе — только ваши нервы. Всё, что касается сети, делайте при выключенном автомате в щитке, а не просто при выключенном выключателе. Если не уверены — зовите электрика. А перехватывать и воспроизводить радиосигналы допустимо только для своих собственных устройств.
В 2026-ом году я задалась вопросом, стоит ли сейчас читать книги о программировании? И если да, то какие?
Провокационное заявление: мой шахматный движок претендует превзойти по уровню и скорости все существующие. Конечно, с оговорками (об этом позже). Движок показывал прекрасные результаты, но в некоторых ситуациях необъяснимо терпел поражение. Чтобы исправить ситуацию, нужно анализировать большое количество данных (записи партий против программ-конкурентов), выявлять аномалии, вносить изменения в алгоритмы, подстраивать коэффициенты, запускать тестовые матчи и сравнивать результаты с прошлыми версиями. Анализ данных с помощью ИИ-чата показал сомнительную пользу. Зато ИИ справился с написанием скриптов для управления программами-конкурентами и помог построить замечательный инструмент для анализа тончайших настроек шахматного движка.
Устроился по ТК РФ, но по результатам квартала просят "на выход"
У знакомого такая ситуация. Работал в одной фирме по ТК РФ. Спустя год его, по-знакомству, позвали в другую фирму (на минуточку: бигтех, входит в различные топ работодателей РФ). Собеседования все прошёл из интереса. В целом, желания менять работу не было. Но, когда предложили на новом месте существенно больше денег, согласился на оффер (тоже по ТК РФ). Испытательный срок успешно завершил сильно раньше оговоренных 3-х месяцев. Проходит почти год и его (как и некоторых коллег из департамента) просят "на выход", т.к. не довольны его результатами за 3-й квартал. По предыдущим кварталам - претензий нет (лишь по одному обратная связь: "есть что улучшить"). На всех этапах перед оффером не говорили, что по результатам квартала могут попросить "на выход". Справедливости ради - и он не спрашивал про возможность такой ситуации (хотя - кто ж знал, что такое нужно спрашивать?). Никаких дисциплинарных взысканий у него не было.
Я сам собеседовался туда в этом году. На финале руководитель "долго думал, но решил, что пока не готов предложить оффер". Тогда я считал это неудачей. Сейчас понимаю: мне, вероятно, очень повезло!
И тут вопрос: как искать новую работу, чтоб не попасть в такую же ситуацию? Некоторым везёт: у них в трудовом договоре прописано - в случае увольнения по собственному желанию им выплачивают N окладов. (Конституционный Суд РФ подтвердил: работодатель обязан выполнить это условие, если оно есть в трудовом договоре). Но, мало кому удастся "выбить" такую формулировку при трудоустройстве.
Больше 10 лет я пользовался клавиатурой Fleksy: менялись устройства, но клавиатура оставалась неизменной. Интуитивная, гибкая, с жестами и чертовски точной автокоррекцией. Но совсем недавно, после очередного обновления ОС, я обнаружил, что любимая клава больше не работает, да и из Google Play её благополучно выпилили. Как оказалось, ребят из Fleksy кто-то перекупил и, по старой доброй традиции, всё свернули. Скачивать APK с какого-то левого сайта - затея небезопасная, так что рисковать я не стал.
Пошёл бродить по GP в поисках замены. Пощупал Microsoft SwiftKey, гугловский Gboard и кучу других аналогов, но получить тот же экспириенс так и не смог. Скорость печати упала, опечатки сыпались, и от отчаяния я даже скатился до голосовых сообщений. Я физически не мог избавиться от привычки удалять слово свайпом влево или выбирать предсказанный вариант свайпом вверх.
Самым близким кандидатом оказался SwiftKey, но и тут мимо: свайпы срабатывают через раз, размер клавиш толком не подогнать.
В итоге я выделил для себя несколько ключевых проблем, которые современные клавиатуры игнорируют:
Stable Diffusion хочет видеокарту с 4–8 ГБ памяти. Flux хочет 12 ГБ, а лучше 24. А у меня на столе лежит ESP32-S3 — микроконтроллер, отладочная плата с которым стоит несколько сотен рублей, у которого 512 КБ оперативной памяти, два ядра по 240 МГц и ни одного тензорного ядра.
Вопрос был простой: можно ли заставить эту штуку рисовать картинки по тексту? Не «отправить промпт в облако и показать ответ», а честно прогнать диффузию на самом чипе.
Спойлер: можно. Пишешь «улыбающаяся девушка со светлыми волосами», и через 5,4 секунды ESP32 выдаёт лицо 64×64. Внутри латентная диффузия с трансформером (DiT), int8-квантование, ассемблер под векторные инструкции S3 и некоторое количество грязных трюков. В общем — всё, как вы любите.
Для оценки рекомендательной системы я подготовила 60 000 сессий, но Hit@20 посчитала только по 748. Остальные не стали автоматически промахами: отсутствие записи о покупке ещё не доказывает, что посетитель ничего не купил.
На данных Coveo это заставило меня пересмотреть цель, подготовку данных и обучение. В статье разбираю на простом примере, какие действия может видеть модель, откуда берутся нулевые метки и почему промахи отбора кандидатов должны оставаться в метрике. Все эти правила уже работают в проекте с графом товаров, LightGBM и локальным HTTP API. Код и инструкция воспроизведения доступны в репозитории.
Клиент написал: сайты лежат, похоже на DDoS. На сервере около 5 500 сайтов WordPress, nginx, PHP-FPM 8.4, MariaDB, 125 ГБ памяти, Debian 13. Я нашёл сканер, закрыл его в nginx, сайты поднялись. Через два дня клиент написал снова: всё падает каждые пять минут.
Причина оказалась не снаружи. Каждый новый воркер PHP-FPM с первого же запроса весил около 600 МБ, и OOM-killer по очереди убивал базу и nginx. Воркеры раздувал баг в OPcache, который срабатывает на каждом сбросе кеша под нагрузкой. Сбрасывал кеш Yoast SEO при обновлении. Причём не массовое обновление по всем сайтам, а догоняющее, на 467 сайтах, где плановое когда-то не прошло. Всё решил порядок двух команд.
