Все потоки

За эти 2 года опенсорс Guard моделей не менялся принципиально: периодически выходили энкодеры, про которые быстро забывали, но SOTA всегда оставались LLM: Qwen Guard, gpt oss safeguard, yufeng Xguard. Xguard в итоге все еще остается SOTA или где-то рядом с ней, а Qwen Guard уже не SOTA, но его продолжают цитировать как дефолтный baseline, потому что про него все слышали.

Однако!
Май 2026-го, в опенсорс выходят 3 guard-модели на базе энкодеров от трех разных организаций, практически в одно и то же время: gliner guard (мое(наше)), gliguard (fastino) - над ним работал автор оригинальной статьи gliner, а также guard семейства gliclass.

И вот 15 сентября выходит Jev...

Мы выложили открытый датасет по загруженности парковок, а потом увидели в нём процент занятости со значением −1000. Дальше — расследование, в котором каждая следующая гипотеза оказывалась неверной: почему пересчитать «правильно» было бы худшим решением, как достать из данных знаменатель, которого в них нет, и почему проверка, честно срабатывавшая полтора года, никого ни разу не предупредила.

Недавно один известный российский апологет ИИ заявил, что нейросети способны полностью клонировать корпоративные продукты за пару недель и программисты больше не нужны. 

И я предложил этому человеку проверить его слова в деле — только взять не «змейку» и «тетрис», а наш продукт — довольно сложную аналитическую платформу.

Через 48 часов мы уже тестировали первую итерацию клона системы.

В статье — мои впечатления, результаты тестирования и некоторые размышления о нынешних границах возможностей вайб-кодинга.

Привет, Хабр! Продолжаю серию статей по проектированию и разработке отказоустойчивой микросервисной системы сокращения ссылок.

Если вы только присоединились, рекомендую ознакомиться с предыдущими частями:

Hacktoberfest в этом году не будет считать пул-реквесты. Агенты пишут PR за секунды. Так что же мы всё это время ценили на самом деле? Личное эссе о том, что осталось вместо кода, и о двух вещах, которые агент не сделает за тебя.

Мне хотелось, чтобы знакомство с HydraScript выглядело просто: скачал интерпретатор, запустил скрипт. Сомнительно предлагать человеку сначала установить подходящий .NET Runtime ради моего языка программирования.

Переход на Native AOT поначалу казался правкой .csproj. Включил настройку, опубликовал бинарник, пошёл дальше. На практике пришлось переписать всё. Досталось даже интеграционным тестам. А в процессе рефакторинга ещё и пропали логи.

Коннектор Redis для redb.Route: все структуры данных как шаги маршрута, Pub/Sub, Streams с группами потребителей, список как очередь и Claim Check на Redis.

В интеграционном проекте Redis редко бывает чем-то одним. Это кэш ответов внешних систем, счётчики и блокировки, шина событий через Pub/Sub, журнал сообщений через Streams, очередь задач на списке. Обычно каждая из этих ролей живёт в своём куске кода со своим подключением, своими повторами и своим логированием.

В redb.Route все они собраны в одном коннекторе redb.Route.Redis. Любая операция Redis становится шагом маршрута, а подписка, стрим или список становятся его входом. Подключение, телеметрия и плавная остановка при этом общие с остальными коннекторами. Под капотом StackExchange.Redis 2.11.8.

Потребители Redis описаны здесь начиная с ...

Новый алгоритм может уверенно выигрывать A/B‑тест и не показывать ожидаемого эффекта после запуска, если эксперимент учитывает только пользователей, но игнорирует общий ресурс. В статье разбираемся, как работают switchback‑эксперименты, почему стандартный анализ даёт ложные выводы и как корректно оценивать результаты.

Привычная мера успеха сетевого инженера — связность и доступность: пакеты доходят, каналы не падают, маршруты сходятся. Вопрос «кому можно ходить к какому ресурсу» обычно считают задачей информационной безопасности. Zero Trust перераспределяет эти роли, и вот почему.

Привет! Меня зовут Джоэл Дэвид Хэмкинс, и сегодня я хотел бы рассказать вам о парадоксе наибольшего числа, которое можно уместить в твите.

Конечно, теперь Twitter называется X, но я буду пользоваться старой терминологией и говорить о твитах, Twitter и так далее. Традиционное ограничение на длину твита составляет 280 символов. И, разумеется, в твите можно записывать числа. Например, можно просто заполнить весь твит цифрами. Допустим, я пишу твит - вот мой твит - и заполняю его цифрами: 28765 и так далее. Я могу заполнить весь твит цифрами и тем самым записать некоторое число. Какое наибольшее число можно записать таким способом?

Конечно, можно записать число гораздо больше. Вместо разных цифр можно использовать одни девятки и полностью заполнить ими твит. Тогда получится огромное число - на единицу меньше, чем . Но в твите можно задать числа гораздо большего размера. Например, вместо того чтобы выписывать само число, можно привести его описание. Я мог бы написать «один центиллион», а центиллион - это . Это число гораздо больше того, которое получится, если заполнить весь твит цифрами 9. Итак, мы уже нашли число побольше. Но какое самое большое число вообще можно уместить в твите?

Я уже рассказывал здесь, как мы объединяли 14 сайтов в один, связывали Flask и Bitrix в одну систему, защищали контур рассылки и как после 5 лет работы попрощались с большим проектом. Все эти истории были о том, что происходило после того, как проект уже оказался у нас.

Теперь хочу зайти с другой стороны и рассказать, как такие проекты вообще нам достаются. Значительная часть крупных работ начинается с тендера, и здесь довольно быстро выясняется, что опыт, сильная команда и даже уже работающий результат сами по себе победу не гарантируют.

Мы это проходили на собственных конкурсах. В одном показали frontend-приложение на WebGL, которое можно было запустить и проверить. В другом подтвердили квалификацию 27 исполненными контрактами примерно на 168 млн рублей. Казалось бы, обе части заявки должны были играть в нашу пользу. Вместо этого в обоих случаях получили 0 баллов именно там, где рассчитывали на сильную позицию.

Меня зовут Алексей Постригайло, я управляющий партнер IT-компании Энсайн. В государственных и коммерческих тендерах мы участвуем больше 15 лет. Ниже — два наших проигрыша, которые хорошо показали разницу между тем, что компания реально умеет и делает, и тем, что она способна доказать конкретной конкурсной заявкой.

27 контрактов на 168 млн рублей: почему мы считали этот опыт подходящим

В этом конкурсе цена имела вес 30%, а квалификация участника — 70%. Для оценки квалификации заказчик требовал подтвердить опыт работ с информационными или автоматизированными информационными системами, используемыми для предоставления государственных услуг в электронной форме. 

В прошлой статье я рассказал о создании калькулятора химических равновесий, который реализовался в виде формы на сайте и в виде мобильного приложения. Следующей идеей для реализации был еще один формат: создать страницы на сайте, каждая из которых будет посвящена равновесию между парой химических элементов.

В идеале это должно быть не просто перечисление всех реализованных фаз в соответствующем диапазоне температур, это должно быть еще и грамотное описание, что же здесь происходит и почему.

Я проверил – в базе оказалось более 4000 двухкомпонентных систем. Написать самостоятельно комментарии к каждой из них не в моих силах. Естественно, первой и единственной идеей, пришедшей на ум, были нейросети.

Нужно было выбрать вариант, который:

·      Был с минимальными финансовыми затратами;

·      Не занял много времени;

·      Описание системы было химически грамотным.

Я выбрал LM Studio и начал перебирать варианты нейросетей, способных работать на моем железе (RTX 3090) и выдавать приемлемый результат. Таковой оказалась gemma-4-31b.

Далее была написана программа, которая извлекала из базы результаты расчетов равновесного состава для каждой пары элементов по порядку и отправляла на вход нейросети с просьбой прокомментировать, а результат сохранялся в новую базу данных:

Последние опросы показывают, что общество в среднем относится к ИИ скорее настороженно, чем с воодушевлением. Популярные теоретические модели пытаются объяснить такой скептицизм через призму воспринимаемой эффективности технологий. Однако более широкий взгляд на проблему показывает, что людям банально не хватает позитивных эмоций, связанных как с самой идеей внедрения ИИ в экономику, так и с его конкретным практическим применением. Позитива может добавить внутренняя мотивация, которая напрямую влияет на намерение использовать ИИ.

Бесплатные LLM API часто хорошо выглядят только в описании, поэтому я проверил всё реальными запросами. В этой подборке — 6 сервисов с Claude, Gemini, Qwen, MiniMax и другими моделями: что реально работает, какие есть лимиты и где встречаются ошибки.

3 трека, 4 сцены, 30+ спикеров и многое другое для тех, кому интересны темы использования современных техник взлома для проведения продвинутых кибератак, обнаружения уязвимостей, реальные кейсы SecOps, стратегии AppSec и рабочиt подходs к безопасной разработке - на конференции по кибербезопасности ZeroNights 2026.

Мес­то: Рос­сия, Санкт‑Петер­бург, LOFT#7
Да­та: 30 сентября 2026, 10:00

Подробнее о треках и программе.

Когда комитет стандартизации проектировал корутины, за кадром остался один неловкий момент: фрейм корутины (coroutine frame) — это динамический объект. Локальные переменные, буферы под чтение, аргументы и состояние автомата с точкой останова co_await должны где-то физически лежать, и по умолчанию компилятор выделяет это пространство из общей кучи через глобальный operator new. В асинхронном GUI, где корутина заводится на каждое нажатие клавиши и на каждое чтение из файла, это означает межпоточные блокировки кучи на каждом шаге с потенциальным переключением контекста — ровно то, от чего корутины обещали избавить.

И это не единственный сюрприз: сам по себе co_await асинхронности не даёт. Учебный awaitable запускает работу только в момент ожидания, и две асинхронные операции подряд на деле не запускаются асинхронно - идут с холостым кругом между ними; чтобы корутины стали по-настоящему асинхронными, механизм запуска операции пришлось отделить от того, что даёт язык. Эти вещи неочевидны, о них почти не пишут, и тем, кто присматривается к корутинам, стоит смотреть на них в первую очередь.

В 2026 году умение писать промпты — это уже не то же самое, что два года назад. Для многих задач качество формулировки перестало быть узким местом. Модели уровня GPT-5.6 и Claude научились считывать намерение даже из «грязных», небрежных запросов. Если раньше плохой промпт гарантированно давал мусор, то сейчас он выдаёт результат, который вполне подходит для 90% бытовых сценариев.

Однако потребность в структуре и контексте никуда не делась — наоборот, она выросла. Промпты по-прежнему нужны как для обычных текстовых задач, так и для тех областей, где жёсткая структура критически важна: генерация изображений, видео, аудио или код со строгими ограничениями.

Даже OpenAI официально подтвердила: архитектура промпта теперь важнее привычных ролевых преамбул вроде «Твоя роль — профессиональный юрист с двадцатилетним стажем». Для современных моделей, особенно тех, что способны к самостоятельному рассуждению, старые приёмы превратились в балласт. В этой статье мы разберёмся, как сделать ответы ИИ точнее и качественнее с учётом реалий 2026 года.

Я веду технический блог и не хочу тратить вечер на раскладку одного текста по площадкам руками. Отсюда скучный вопрос, с которого всё началось: куда готовую статью можно положить запросом, а где без браузера не обойтись.

Разбираться пришлось с нуля. Главный ориентир, на который ссылаются почти все найденные инструкции, — репозиторий github.com/cmtt-ru/osnova-api с документацией к vc.ru и DTF. Он снят и отдаёт 404, а вместе с ним рассыпаются и инструкции. Поэтому 21 сентября 2026 года я проверил всё сам. Где было по чему стучаться, стучался запросами: это vc.ru и DTF. Где интерфейса нет, читал справку и правила площадки: это Хабр и Дзен. Telegraph проверен публикацией своим кодом.

Трём моделям, включая топовую облачную, дали задачу на 15 шагов. 27 запусков, ни одного полного успеха, и все три рапортовали о завершении, которого не было. В сети из 27 тысяч магазинов 26 моделей проверяют 10 млн фото в месяц на 4 vCPU. Пилот ИИ-ассистента на 100 инженерах не сдвинул ни одну метрику разработки.

Это не три случайных истории. Я прочитал 1352 внедрения ИИ в российских компаниях, от банковского антифрода до дронов над полями, и нашёл шесть закономерностей, которые повторяются от кейса к кейсу. Одна из них объясняет, почему модели в этих кейсах можно менять местами без потери результата.

Внутри: где ломаются агенты, почему один цех даёт 270 млн рублей в год, а платформа на 34 тысячи сотрудников пока не даёт ни одной цифры, и что спрашивать у вендора вместо «какая у вас модель».

Мы переводили карту парковок с растровой подложки на векторные тайлы и получили чёрный экран. Без единой ошибки в консоли: ни исключения, ни предупреждения, идеально чистый лог. Единственной уликой оказалось отсутствие запросов за тайлами — воркер MapLibre не попал в сборку, потому что Rollup не умеет разбирать шаблонную строку в new URL(…, import.meta.url). Разбираем этот баг и ещё два из той же серии: как смена города убивала Leaflet и почему событие load у карты не наступает никогда.