Привет, коллеги! Традиционная подборка открытых онлайн‑мероприятий для тех, кто хочет прокачать скиллы в IT, управлении, аналитике и автоматизации. На этой неделе — фокус на архитектуру, тестирование, Computer Vision и внутреннюю кухню разработки. Всё бесплатно, но нужна регистрация.

📅 Расписание по дням

_{Понедельник, 27 апреля}

• 20:00 — «Рисуем в формате онлайн модель процесса BPMN в Camunda Modeler»

• 20:00 — «Настройка кластера Elasticsearch»

_{Вторник, 28 апреля}

• 20:00 — «Коучинговые инструменты для мотивации и повышения продуктивности команды»

• 20:00 — «Архитектура ИИ врагов в играх на Unity»

• 20:00 — «Первый нагрузочный тест в Apache JMeter»

• 20:00 — «Архитектура тестового фреймворка: от хаоса к стабильности»

• 20:00 — «Контрактные тесты в Kotlin: как подружить фронт и бэкэнд»

• 20:00 — «Фоновые задачи в Django: работа с Celery»

• 20:00 — «Как работают современные модели компьютерного зрения „из коробки“ на базе популярных библиотек и фреймворков (Hugging Face, OpenCV, YOLO, Roboflow)»

• 20:00 — «Почему только 5% компаний получили реальную выгоду от ИИ в 2025 году?»

_{Среда, 29 апреля}

• 20:00 — «Деревья решений для задач классификации и регрессии»

• 20:00 — «Свой язык на PHP за 60 минут»

• 20:00 — «Трекинг с подвижной камеры: алгоритмы и механика компьютерного зрения на роботах для индустриальных задач»

• 20:00 — «Разрешите себе карьеру технического директора»

• 20:00 — «Качество C#‑кода: от модульных тестов к системному подходу»

• 20:00 — «Продакт‑менеджер, маркетолог и PMM — в чём разница»

_{Четверг, 30 апреля}

• 19:00 — «МОК‑интервью на позицию Руководитель Проектов»

• 19:00 — «От стратегии к портфелю изменений: как архитектор связывает цели бизнеса, инициативы и архитектурные решения»

• 20:00 — «Yahoo Finance и не только — работа с российскими торговыми площадкам»

• 20:00 — «Поиск в базе знаний: где векторы ошибаются, а графы помогают»

• 20:00 — «Как управлять тимлидами?»

• 20:00 — «Битрикс24 + MAX: разработка чат‑ботов и автоматизация коммуникаций» 

• 20:00 — «Планируем внедрение DevSecOps — что следует учесть?»

Мы перечислили 20 открытых вебинаров на эту неделю. Если вы не нашли в расписании тему, которая нужна именно вам, — загляните в полный календарь

Компания ООО "ПВС" совместно с учебным центром "Маском" провела цикл вебинаров, посвящённых разработке безопасного программного обеспечения (РБПО). Совместно с приглашёнными экспертами различных компаний мы рассмотрели 25 процессов, приведённых в ГОСТ Р 56939—2024.

Предлагаем сегодня вашему вниманию вебинар цикла, посвящённый процессу, описанному в разделе 5.8. – "Формирование и поддержание в актуальном состоянии правил кодирования". На YouTube. Слайды.

Цели восьмого процесса по ГОСТ Р 56939—2024:

Обеспечение эффективной и единообразной организации оформления и использования исходного кода в соответствии с предъявляемыми к ПО требованиями.

Общее количество вебинаров — 30: каждому из 25 процессов ГОСТа посвящено по одному вебинару и 5 записано дополнительно на смежные темы. Запись всех вебинаров и подборка дополнительной информации доступна по ссылке: ГОСТ56939.РФ.

Эта подборка статей поможет подготовиться к собеседованиям на разные позиции. Вы лучше поймете, как проходят собеседования, какие вопросы могут задать и как грамотно на них отвечать. В материалах собраны примеры задач, технических и общих вопросов, а также советы от наших экспертов.

Фронтенд-разработчик: вопросы на собеседовании и как подготовиться. Чеклист тем, которые стоит повторить: HTML, CSS, JavaScript, фреймворки, библиотеки и инструменты. Также делимся примерами практических заданий и общих вопросов для оценки софтскилов.

Системный администратор: вопросы на собеседовании и как подготовиться. Короткая статья, которая поможет собраться с мыслями и почувствовать себя увереннее. Делимся примерами общих и технических вопросов, а также практических задач. Советуем, как лучше отвечать, чтобы произвести хорошее впечатление.

Java-разработчик: вопросы на собеседовании и как подготовиться. Отвечаем на самые популярные вопросы на собеседованиях и рассказываем, как качественно подготовиться и что повторить. Можно использовать как шпаргалку, чтобы быстро освежить материал перед интервью.

Python-разработчик: вопросы на собеседовании и как подготовиться. Рассказываем, какие вопросы могут задать по базовым и продвинутым темам, а также делимся хорошими вариантами ответов. Также объясняем, как избежать ошибок при подготовке и на самом интервью.

Когда я пришёл в WB, передо мной встала задача подтянуть управленческие навыки сразу нескольких руководителей разработки. Я начал работать с каждым по отдельности в рамках встреч 1-на-1, но хотелось ускорить процесс.

И тут я вспомнил, как папа учил меня мыть картошку. Достаточно пересыпать её в ведро, залить водой, взять деревянную палку и хорошенько пошуровать. Оказалось, картофелины моют друг друга гораздо быстрее, чем если отмывать каждую по отдельности.

Я выбрал нескольких руководителей и попросил их поделиться опытом с коллегами, подготовив небольшие презентации на разные темы: как нанимать людей, управлять проектами, развивать команду и т.д.

В итоге получилось убить сразу нескольких зайцев:

• При подготовке к докладу выступающий систематизировал свои знания на тему и сам начинал в ней лучше разбираться.

• Слушатели воспринимали слова коллеги, которого они давно знают, с бóльшим доверием, чем если б они исходили от меня, нового руководителя, который ещё не успел завоевать авторитет.

• Тимлиды поняли, что можно обсуждать управленческие навыки с коллегами, интересоваться чужим опытом и делиться своим. Не стыдно что-то не уметь, стыдно не учиться.

Принцип ведра картошки сработал.

Полный цикл математического образования Китая — от начальной школы (1–6 классы) до вузовских курсов: высшей математики, линейной алгебры, дискретной математики и теории вероятностей. Также доступны материалы по системе «5–4» (пятилетняя начальная и четырехлетняя средняя школа) и подборка экзаменационных задач с ответами.

Из‑за ограничений GitHub на размер файла крупные PDF разбиты на части (например, file.pdf.1 и file.pdf.2). Для их объединения в репозитории предусмотрена утилита mergePDFs‑windows‑amd64.exe, которая автоматически собирает исходный документ.

Объем скачанного репозитория > 40 Гб

$repoOwner = "TapXWorld"
$repoName = "ChinaTextbook"
$url = "https://api.github.com/repos/$repoOwner/$repoName"
$response = Invoke-RestMethod -Uri $url
$sizeInMB = $response.size / 1024
Write-Output "Размер репозитория: $sizeInMB MB"

# Размер репозитория: 42523.3662109375 MB
git count-objects -vH
count: 0
size: 0 bytes
in-pack: 4399
packs: 1
size-pack: 41.52 GiB
prune-packable: 0
garbage: 0
size-garbage: 0 bytes

# curl -s https://api.github.com/repos/TapXWorld/ChinaTextbook | jq '.size' - 43543927
# больше 40 Гб занимает pack-3a5a6dbd895b2f8703925664f6ff7e4aa62d04c3.pack

Прошлый пост про Whisper + pyannote на AMD читают, но молчат) Ладно, продолжу.

У меня две свободные машины. На 4090 живёт DeepSeek-R1-32B с LoRA-адаптерами, весь VRAM его. На AMD RX 7900 XTX крутятся Whisper + pyannote — занимают ~5 GB из 24. Свободно 19 — решил добавить Qwen2.5-VL-7B для чтения изображений: фото документов, визитки, скриншоты. В bf16 модель весит ~14 GB, должна влезть.

Поставил, запустил оба systemd-сервиса — система зависла намертво. Две модели грузятся параллельно, каждая маппит safetensors в оперативку перед VRAM — а RAM всего 15 GB. OOM killer, рестарт, снова OOM, цикл. Грузился через GRUB в текстовый режим (параметр 3, но без nomodeset — иначе amdgpu не поднимется). Отключил GUI — framebuffer ещё 1-2 GB VRAM жрал. Swap до 16 GB, последовательный запуск. Заработало.

Отправил фото страницы A4 — инструкция кондиционера, русский, два столбца. Через 398 секунд получил одну строку и бесконечный loop: "Постановление Правительства!!!!!!"!!!!!!!#!!!!!!!$...". Шесть минут на мусор. На коротких описаниях картинок модель работала нормально — 35 секунд, осмысленный текст. Но OCR документов — полный провал.

Первая мысль — bottleneck в железе. У меня опыт с CUDA→HIP конвертером, 500+ проектов, уже приготовился конвертировать flash-attention под RDNA3. Но сначала бенчмарки: attention — работает (AOTriton 1.9ms), FFN — 1.73ms, text-only генерация — 6 tok/s. Железо в порядке, flash-attention конвертировать не нужно.

Виновник — repetition_penalty=1.15. Добавил для борьбы с loop’ами, стандартная практика. На ROCm этот параметр даёт 2.3x замедление. На NVIDIA дешёвый, на AMD дорогой. Нигде не документировано. Убрал, добавил early-stop через StoppingCriteria — каждые 24 токена проверяю хвост, если loop — прерываю. Итог: 398с → 13с.

Но из целой страницы модель вытащила полтора предложения — 114 символов из 2000+. Семёрка теряет фокус на длинных документах. Сделал ресёрч — для Qwen2.5-VL критично разрешение и количество vision-токенов. Пошёл путём препроцессинга: OpenCV pipeline перед моделью (выравнивание, контраст, резкость), увеличил max_pixels в processor. Главное — tiled OCR: режу фото на 3 полосы, каждую отдельно, склеиваю. Single-pass: 114 символов. Tiled: 3077 символов, 85% покрытия. Не идеал — есть повторы на стыках, двухколонные путают — но направление правильное.

Кстати, для общения с моделями использую SimpleX CLI. На сервере Python-bridge слушает WebSocket, маршрутизирует: голосовое → Whisper, фото → Qwen-VL. С телефона отправил — через минуту ответ в чате. Если интересно — расскажу подробнее.

Что важно, если ставите vision-модель на AMD: OOM при параллельном старте - swap + задержка между сервисами. GUI отключить если VRAM впритык. local_files_only=True при загрузке модели. И repetition_penalty на ROCm — заменить на early-stop, серьёзно.

Стек: AMD RX 7900 XTX 24GB, PyTorch 2.5.1+ROCm 6.2, Qwen2.5-VL-7B bf16, Whisper + pyannote — три модели на одной карте, Ubuntu 24.04 без GUI.

Прочитал книжку «API Design Patterns» от бывшего разработчика Google — JJ Geewax, и это, на удивление, полностью ненужная книжка.

По названию вы можете подумать, что это книга поможет вам проектировать какое-то публичное API либо как-то выстроить эффективное взаимодействие для внутреннего API, но фактически это максимально обзорная книжка, где намешано куча всего — начиная от REST и заканчивая проектированием связей в базе данных и политикой ретраев.

Особенно доставляет, что на большинство вопросов автор приводит несколько подходов, но не даёт никакого обоснования, где и когда нужно применять тот или иной подход. «Просто есть несколько вариантов — выбирай мудро» (с).

По самому предложенному варианту API тоже есть вопросы, ибо за свою 12-летнюю карьеру и знакомство с множеством реализаций API я ни разу не видел того, что предложил автор. Возможно, это внутренняя штука от Google, которая не стала широко используемой, но в Google её используют.

Ну и самое главное — в книге нет никакой целостности. Словно автор просто брал какую-то тему, писал про неё 6–8 страничек, потом брал новую тему и снова писал 6–8 страничек. И какой-то связи между этими главами нет.

В общем, не нужно тратить время на эту книжку. Книжка из моего предыдущего поста была в разы лучше и структурированнее.

Наконец-то спустя почти год и два месяца моя CMS-ка для ведения блога получила более менее внятный релиз-кандидат, в котором ошибок осталось не так много, и в принципе система уже легко ставится на хостинг и управляется.

Впереди - куча оптимизации, например вынесение всех форм шаблона админки в контроллеры, и последующий их рендеринг через render_form(). Данные контроллеров в json и так далее.

Но - текущая версия движка с последующими обновлениями уже не сломается, как это было в первых релизных версиях.

Ну и самое главное - официальный сайт. Как оказалось - это одна из тех задач, которая весьма объемна и кропотлива - это и документация, и каталог дополнений с API для разработчиков и еще много-много чего.

Приглашаю к тестированию: https://github.com/pechoradev/BloggyCms

Также буду рад видеть новых контрибьюторов CMS.

Большая часть проблем с крипто-переводами возникает не из-за “сложности блокчейна”, а из-за слишком бытовых ошибок.

Не ту сеть выбрали. Скопировали адрес, но не сверили хвост. Забыли про memo/tag. Отправили “впритык”, а после комиссии сумма стала ниже минимального порога. Итог всегда один: деньги вроде бы отправлены, но дальше начинается нервный квест. Парадокс в том, что большинство таких ошибок можно поймать за 30–60 секунд до отправки.

Ниже короткий anti-fail чеклист, который реально стоит прогонять перед любым крипто-переводом, особенно если сервис новый, сумма чувствительная или вы работаете в спешке.

Первое: сеть.

USDT в ERC-20, TRC-20, BEP-20 и других сетях визуально выглядит как “тот же USDT”, но на практике это разные маршруты. Ошибка здесь одна из самых дорогих и самых частых.

Второе: адрес.

Недостаточно просто вставить адрес в поле. Стоит хотя бы сверить первые и последние символы. Ошибки буфера, подмена адреса вредоносным ПО и банальная спешка - классика.

Третье: связка “актив + сеть”.

Многие проверяют только монету или только сеть. Но ошибка часто возникает именно в комбинации: актив может быть правильный, а маршрут нет.

Четвёртое: комиссия и итоговая сумма.

Если перевод идёт “впритык”, комиссия может сделать сумму ниже минимального порога зачисления. На экране кажется, что всё ок, а по факту деньги зависают или требуют ручной разбор.

Пятое: минимальная сумма зачисления.

Во многих сервисах маленький перевод технически доходит в сеть, но не зачисляется автоматически. Пользователь видит успешную транзакцию и не понимает, почему баланс не пополнился.

Шестое: memo, tag или дополнительный идентификатор.

Для некоторых активов одного адреса недостаточно. Если пропустить это поле, перевод может пройти в сеть, но не привязаться к аккаунту без ручной поддержки.

Седьмое: тестовый перевод.

Самый скучный совет, но самый дешёвый. Если сервис новый, сеть непривычная или сумма ощутимая, то сначала лучше отправить небольшую часть, а уже потом основную сумму.

Если упростить всё до одной мысли, то крипто-перевод это не место, где стоит доверять автопилоту. Одна минута проверки почти всегда дешевле, чем потом разбираться, куда “ушли” деньги и почему они не дошли туда, куда должны были.

Если вы работаете с машинным обучением или исследовательскими задачами, arXiv, скорее всего, — ваш основной источник свежих идей.

Но далеко не всегда удобно читать оригинал на английском: устали, хотите быстро пробежаться по статье или просто не готовы сейчас разбираться в длинном PDF.

В этом посте — два практичных способа читать статьи с arXiv в HTML‑формате прямо в браузере и сразу переводить их на русский с помощью встроенного перевода. Никаких LLM, сторонних ботов и скачивания PDF.

Зачем вообще HTML, если есть PDF

Классический сценарий работы с arXiv выглядит так: вы открываете страницу статьи, скачиваете PDF и читаете его в отдельной программе или через встроенный viewer браузера.

У такого подхода есть несколько минусов:

• Неудобно переводить: нужно копировать текст или использовать отдельные инструменты.

• Плохо искать по странице: текст может быть нераспознанным или разбитым.

• Тяжелее читать на маленьких экранах, особенно на ноутбуках и планшетах.

HTML‑версия решает эти проблемы: текст становится «живым», браузер может его переводить, а навигация и поиск по странице работают привычным образом.

Способ 1. Официальный HTML (experimental)

У части статей на arXiv есть встроенная HTML‑версия.Если она включена, справа на странице вы увидите кнопку «HTML (experimental)».

Что это даёт:

• статья открывается как полноценная HTML‑страница;

• формулы остаются корректными;

• можно использовать встроенный перевод в браузере.

Ограничения:

• HTML‑версии есть не у всех препринтов.

• Иногда верстка «плывёт», особенно в сложных таблицах.

Способ 2. ar5iv (если HTML нет)

Если кнопки HTML (experimental) нет, можно воспользоваться сторонним сервисом ar5iv из экосистемы arXiv Labs. Он автоматически конвертирует TeX‑исходники статей в HTML.

Идея простая: вы берете обычный URL arXiv и меняете в домене букву x на 5.

Пример:

• Было: https://arxiv.org/abs/1706.03762

• Стало: https://ar5iv.labs.arxiv.org/html/1706.03762

Такой простой приём заметно снижает «порог входа» в чтение статей и экономит время, особенно если вы регулярно мониторите arXiv.

Возникла тут недавно необходимость использования двух приборов САУ-М7Е, электродов было всего 4, необходимо было объединить общий вывод приборов между собой. Но проблема была в том, что между общим входом двух приборов присутствовал потенциал, номиналом порядка 40 В, и протеканием тока примерно в 600 мА.. После чего, один из приборов, благополучно сгорел..

Проблему необходимо было решать. И на ум пришла схема с использованием балластных сопротивлений (для ограничения протекания такого "большого тока"), общим номиналом порядка 1.2 кОм.. Схема представлена ниже:

p.s.. вдруг кому пригодится, для объединения двух и более приборов САУ, от фирмы ОВЕН..

Стоит отметить, сопротивления в 10W рассеиваемой мощности, применены не просто так. Согласно формуле P = I^2 * R * 2, - этого более чем достаточно..

Спасибо!

Базовая версия: https://github.com/fmhy/FMHYFilterlist#howtouse-basic.

Продвинутый вариант: https://github.com/fmhy/FMHYFilterlist#howtouse-plus.

Полный список угроз и базовый репозиторий: https://github.com/fmhy/FMHYFilterlist.

Такой вариант хорошо подходит, если нужно:

• показать скрипт на чужом компьютере;

• поработать на машине без прав администратора;

• запускать Python в ограниченной среде;

• держать рядом интерпретатор, проект и зависимости в одном месте.

На корпоративных ПК всё зависит от политики безопасности. Если запуск с USB, .exe или PowerShell ограничен, портативная сборка тоже может не стартовать.

Что нужно

Минимальный набор простой:

• USB-накопитель;

• Windows x64;

• доступ в интернет, если планируете ставить дополнительные пакеты.

Скачиваем Python

Идём на официальную страницу загрузок Python и берём Windows embeddable package (64-bit) для нужной версии, например, python-3.14.4-embed-amd64.zip.
После распаковки вы получите что-то вроде этого:

F:\
└── python3.14\
    ├── python.exe
    ├── python314.dll
    ├── python314._pth
    ├── python314.zip
    └── ...

На этом этапе интерпретатор уже можно запускать прямо с флешки.

Что делает _pth

Файл python314._pth управляет тем, какие пути Python видит при запуске. По умолчанию embeddable package изолирован от системного окружения, реестра и установленных пакетов.

Если вам нужно подключить локальные библиотеки, можно прописать пути вручную:

python314.zip
.
Lib
Lib\site-packages
import site

Строка import site нужна, чтобы Python начал использовать site-механику и подхватывать дополнительные каталоги.

Как добавить pip

У embeddable package pip обычно не идёт «из коробки» как в обычной установке.
Его можно добавить вручную через официальный bootstrap-скрипт get-pip.py.

Сценарий такой:

1. Скачайте get-pip.py.

2. Положите его рядом с python.exe.

3. Запустите:

PS F:\> cd ./python3.14
PS F:\python3.14> ./python get-pip.py

После этого проверьте:

./python -m pip --version
# Выведет версию pip (например, pip 26.0.1).

Ставим пакеты

Когда pip уже доступен, можно ставить нужные библиотеки:

PS F:\python3.14> ./python -m pip install numpy pandas matplotlib seaborn requests

Или сразу из requirements.txt:

PS F:\python3.14> ./python -m pip install -r requirements.txt

Запускаем проект

Чтобы не помнить длинные пути, удобно сделать run.bat в корне флешки:

@echo off
cd /d %~dp0
set PYTHON_HOME=%~dp0python3.14
set PATH=%PYTHON_HOME%;%PATH%

%PYTHON_HOME%\python.exe my_project\main.py
pause

Плюс такого подхода в том, что он не привязан к букве диска. Сегодня флешка может быть F:, а завтра D: — батник всё равно найдёт себя сам.

Типичная структура

Обычно папка на флешке выглядит так:

F:\
├── python3.14\
│   ├── python.exe
│   ├── python314.dll
│   ├── python314._pth
│   ├── python314.zip
│   └── Lib\site-packages\
├── my_project\
│   ├── main.py
│   └── requirements.txt
├── run.bat

Обращаю внимание, что пост помечен как "юмор"

В далёкие годы, когда «хайп» назывался даже не «ажиотажем», а просто «угаром», оптимистично настроенные авторы вписали вот такой выразительный фрагмент в свою апокалиптическую повесть о людях:

— ...Например, Массачусетская машина. — Альпа покивал. Горбовский обратился к нему. — Вы, конечно, должны помнить. Сейчас о ней вспоминают редко. Угар кибернетики прошел.
— Ничего не могу вспомнить о Массачусетской машине, — сказал Банин. — Ну, ну?
— Знаете, это древнее опасение: машина стала умнее человека и подмяла его под себя… Полсотни лет назад в Массачусетсе запустили самое сложное кибернетическое устройство, когда-либо существовавшее. С каким-то там феноменальным быстродействием, необозримой памятью и все такое… И проработала эта машина ровно четыре минуты. Ее выключили, зацементировали все входы и выходы, отвели от нее энергию, заминировали и обнесли колючей проволокой. Самой настоящей ржавой колючей проволокой — хотите верьте, хотите нет.
— А в чем, собственно, дело? — спросил Банин.
— Она начала вестисебя, — сказал Горбовский.
— Не понимаю.
— И я не понимаю, но ее едва успели выключить.
— А кто-нибудь понимает?
— Я говорил с одним из ее создателей. Он взял меня за плечо, посмотрел мне в глаза и произнес только: «Леонид, это было страшно».
— Вот это здорово, — сказал Ганс.
— А, — сказал Банин. — Чушь. Это меня не интересует.
— А меня интересует, — сказал Горбовский. — Ведь ее могут включить снова. Правда, она под запретом Совета, но почему бы не снять запрет?

Стругацкие, "Далекая Радуга" (1962-64)

К счастью, или наоборот, реальность оказывается несколько иной.

И содержание новостных лент гораздо ближе к описанному К.И. Чуковским в стихотворении «Телефон»

“И такая дребедень
Целый день:
Динь-ди-лень,
Динь-ди-лень,
Динь-ди-лень!
То тюлень позвонит, то олень…”

Меж тем в замке у шефа

Большинство существующих решений, помогающих использовать ИИ в найме, нередко создают новые проблемы, а не решают старые...
Ожидалось, что ИИ сделает подбор персонала быстрее и справедливее. Но вместо этого получилась система, в которой резюме читает машина, отклики уходят в никуда, а перспективные кандидаты остаются невидимыми, потому что алгоритм не нашел нужное ключевое слово в их резюме.

24 апреля DeepSeek выпустил новые модели: DeepSeek V4 Pro и DeepSeek V4 Flash. А вчера, 25 апреля, так уж получилось, я тестировал для своего проекта текстовые модели. Полюбившийся мне DeepSeek 3.2 сбоил, и я решил выбрать ему замену. Так случайно я грохнул почти весь выходной день на тест.

Все API-запросы отправлялись через OpenRouter. Prompt был единым для всех запросов. Единственное, что менялось, это сами модели. Результаты вы можете увидеть в таблице выше.

В промпте LLM ставилась цель выдать свое экспертное мнение по шахматной партии. Задача реальная и для моего проекта нужная. То есть, это не тест ради теста. Ответ ожидался в виде json-файла. Обычный бейзлайн, ничего особенного. Казалось бы, несложная задачка, но мозг DeepSeek 3.2 явно взорвался, потому что раз за разом он присылал сломанный json. Конечно, можно было провалидировать и отправить на исправление, но и с этим у него были сложности. В таблице написано, что было 2 вызова, но правильнее было написать 2 часа мучений с 3.2 версией с разными провайдерами.

Таблица содержит только технические показатели. А что же с качеством? Насколько удовлетворен запрос бизнес-задачи? И вот здесь собака и порылась.

Знаете, я не ожидал Отлично. Это не могло быть в принципе. Очень хотелось верить в Хорошо, как возможное чудо от какой-нибудь GPT-5.5. Но максимум был получен Удовлетворительно и только у двух других моделей. А НЕУД у всех остальных.

Лучшие модели Anthropic и OpenAI нагородили разной чуши, но весьма складно и много. За что получили бан - НЕУД. Claude Opus 4.7 отстой. GPT-5.5 не завелась, а ее замена и моя надежда GPT-5.4 оказалась лучше антропиковского Опуса, но стреляла много и по большей части в молоко. И, заметьте, это самые дорогие модели!!!

Удовлетворительно себя показали DeepSeek V4 Pro и Gemini 3 Flash Preview от Google. Первая слишком медленная, больше 800 секунд. Поэтому победителем была выбрана более дешевая и самая быстрая гугловская модель. Согласитесь, 63 секунды удовлетворительного качества меньше, чем за 4 рубля, это же считай отлично.

Gemini 3 Flash Preview - фаворит нашего субботнего забега. Сказать, что я был сильно удивлен, ничего не сказать.

Безусловно, у каждого из нас свои задачи, сферы применения и требования. Они разные, а поэтому и модели могут вести себя по-разному. Где-то лучше, где-то хуже. Полученные мной результаты выше справедливы для моей узкой задачи, но для ваших задач эти же модели могут показать себя совершенно иначе.

Я позволил себе быть весьма эмоциональным. Воскресенье, имеют право. Я там прошелся по 5.5 и 4.7. Но реальность такова, что я программирую на Codex и Claude Code с помощью моделей GPT-5.5 и Opus-4.7 и очень ими доволен. Они отлично работают для меня в программировании, но не сработали в моей прикладной задаче. C'est la vie, такова жизнь.

Ваш Эдуард Ланчев, тестировщик-эспериментатор выходного дня.

LanChess - проект, над которым я работаю.
Вайбкодинг по Chess’ноку. 1. e4 - статья о проекте.
Ланчев ПРО ИИ - мой блог в телеграме.

Работаю над большим C++ проектом - реализация сетевого протокола. Использую Claude Code как основной инструмент. Со временем заметил: каждый новый чат начинается с того, что агент долго читает README.md, который разросся до 1000+ строк и 60 КБ.

Проблема

В CLAUDE.md была прописана команда читать README.md в начале каждого диалога, агенту нужно дать контекст проекта. Пока проект был небольшим это работало нормально. Но README рос вместе с проектом и в итоге стал содержать всё: архитектуру, логику DTLS, настройки веб-интерфейса, описание протокола, инструкции по сборке.

И как результат:

• Агент тратит тысячи токенов на анализ файла до начала работы

• Если задача касается только фронтенда, модель всё равно загружает детали реализации ядра протокола. Лишний контекст снижает точность ответов.

Решение

Вместо одного большого файла использовать иерархию маленьких, в отдельной папке claude-context/:

claude-context/
├── context-claude.md       # общая архитектура и навигация (~90 строк)
├── context-AC-claude.md    # Access Controller
├── context-WTP-claude.md   # WTP Agent
├── context-WEB-claude.md   # Web Interface
└── context-TESTS-claude.md # тесты

Главный файл context-claude.md содержит краткое описание проекта и таблицу-навигатор: какой файл читать для какой области. В дочерних файлах описана детализация по модулям, каждый 100-130 строк.

Инструкция в CLAUDE.md теперь выглядит так:

“Start each new conversation by reading claude-context/context-claude.md. For deeper context on specific areas, read the relevant file from that directory.”

Агент читает главный файл (90 строк), понимает область задачи, подгружает только нужный дочерний контекст.

Замер

Чтобы проверить эффект, я поставил Claude одну и ту же задачу в двух разных конфигурациях:

“Добавь тесты для WtpConfigController и WtpRadioController, проверь что если WTP address не строка, то возникает исключение std::runtime_error”

| Параметр             | README.md (60 КБ) | Иерархический контекст | Разница  |
| :------------------- | :---------------- | :--------------------- | :------- |
| Токены на сообщения  | 36.8k             | 17.6k                  | -53%     |
| Всего токенов        | 56.7k             | 37.6k                  | -34%     |
| Рост usage за задачу | +11%              | +6%                    | В 2 раза |
| Скорость анализа     | Заметная пауза    | Почти мгновенный старт |          |

Важный момент

README.md остался нетронутым - это документация для людей. Файлы в claude-context/ - отдельный артефакт, написанный под AI: плотно, без лирики, с ASCII-схемами и таблицами. Я старался не смешивать два разных назначения в одном файле.

При небольшом проекте в этом подходе смысла нет, накладные расходы на поддержку двух наборов документации не оправдаются.

Задействованы самые современные веб-стандарты, однако:

• Заявляется отсутствие VDOM, однако он есть, со всеми вытекающими.

• Любое исключение капитально ломает весь компонент.

• Неизбежные конфликты имён компонент всё ломают.

• Адовые тормоза и потребление памяти из-за привязки к DOM.

• Тонны бойлерплейта, если нужна кастомизация хотя бы стилей компонент.

Поблагодарить: https://boosty.to/hyoo
Обсудить: https://t.me/giper_dev

Первые шаги в компьютерной графике(web визуализатор звука + no code решение). Поделюсь находками за 5 лет изучения темы.

Текст подойдет любому читателю которому интересна выразительная часть цифрового мира.

— Что такое креативное программирование?

Использование компьютера для создания изображений или звука. Например: realtime визуальные эффекты(аудиореактивная графика для музыкальных фестивалей), создание визуального искусства(генеративная графика) и дизайна, разработка художественных инсталляций, звукового искусства и даже рекламы.

— Разбор проекта: визуализатор звука

—— AnalyserNode (WebAudio API)

const audioCtx = new AudioContext();
const FFT = audioCtx.createAnalyser();
const source = audioCtx.createMediaStreamSource(stream);

source.connect(FFT); // анализ
analyser.connect(audioCtx.destination); // вывод звука

const bufferLength = FFT.frequencyBinCount;
const dataArray = new Float32Array(bufferLength); // массив для записи данных

—— Отрисовка браузерным API (почти no code)

Мы преобразуем массив данных(полученный от анализа аудиосигнала) в градиент, чем мощнее сигнал на определённой частоте, тем ярче будет цвет на градиенте. Таким образом мы получаем визуализацию звука в realtime.

// Отрисовка частотных компонетов аудиосигнала через createLinearGradient
  function renderSpectrum(g) {
    g.strokeWeight(0);
    g.drawingContext.fillStyle = "black"; // цвет фона
    g.rect(0, 0, WIDTH, HEIGHT); // заливка фона

    const subSize = Math.floor(WIDTH * 0.02);
    const gradient = drawingContext.createLinearGradient(
      subSize,
      HEIGHT / 2,
      WIDTH * 2,
      HEIGHT / 2
    );
  
    FFT.getFloatFrequencyData(dataArray);
    levels = dataArray; // данные от анализа сигнала Быстрым преобразованием Фурье 

    // создаем градиент из аудиоданных
    for (let i = 0; i < levels.length; i++) {
      const v = getValue(levels[i]); // нормализация данных
      // const pos = getPos(i);
      const pos = linear_to_logarithmic(getPos(i));

      // чем мощнее сигнал(0-1) тем выше значение alpa в цвете градиента rgba
      gradient.addColorStop(pos, `rgba(255, 255, 255, ${v.toFixed(2)})`);
    }
    g.drawingContext.fillStyle = gradient; // устанавливаем полученный градиент как стиль заливки
    g.rect(0, 0, WIDTH, HEIGHT);// отрисовываем градиент на весь холст 
  }

Браво! Вы создали визуализатор звука! В левой части изображения отображены низкие частоты(саб и басс), в центре находятся средние частоты(соло скрипок/гитар, фортепиано, вокал) и в правой части мы видим верхние частоты(хай хеты).

— NoCode решение (в среде визуального программирования TouchDesigner)

Для визуализации сигнала используется готовый компонент — нода Audio Spectrum CHOP

https://i.postimg.cc/QMB1Pxnj/Snimok-ekrana-2026-04-25-v-14-28-39.png (пример проекта из 3 нод: AudioFileInCHOP -> AudioSpectrumCHOP -> chopToTOP )

Больше про медиадизайн у меня в канале: https://t.me/mediapancake

🌲 Открываем регистрацию на Дебаг Кемп

Мы придумали формат, который давно хотели сами: выбираешься из города, два дня в сосновом лесу на Карельском перешейке — маршрут, костёр, мастер-классы по выживанию, нетворкинг без слайдов и питчей. Просто люди, с которыми интересно, и никакого Slack-а.

📅 6–7 июня 2026 (выходные) 👥 Всего 25 мест — маленький формат, это принципиально.

Цена растёт по мере приближения к дате. Оплатить можно частями через сплит → регистрация

Если вы 💎 практик сообщества — скидка 15% применяется при регистрации автоматически. Ещё не практик, но думаете? Сейчас самый разумный момент.

👀 Узнать больше · 📝 Регистрация

Вопросы — в чат, мы там живём.

• запись включается только в момент происшествия. Например, в кадре прошёл человек или животное;

• умеет распознавать лица и объекты;

• может собрать в одну сеть камеры от разных брендов;

• все данные сохраняются локально;

• поддерживает все популярные бренды: Hikvision, Dahua, Reolink и другие;

• Устанавливаете Brave Browser

• Открываете приложение YouTube, листаете ролики, находите то что вам хочется посмотреть

• Нажимаете на "Share/Поделиться" (эта кнопка есть и на основной странице видео, и в меню из "трёх точек" над каждым видео в списках) и выбираете среди приложение Brave Browser

• Наслаждаетесь просмотром видео без рекламы

Brave так же продолжает проигрывать видео в фоновом режиме, когда активно другое приложение, и даже когда отключен экран телефона. А если залогиниться под своей гугл учёткой — то конечно можно и лайкать, и комментировать, и видеть свои подписки и рекомендации.

Если бы я наткнулся на эту статью в самом начале работы с блокчейном ТОН, это бы сэкономило мне кучу времени на понимание архитектуры и принципов работы смарт контрактов.

Что такое смарт контракт с точки зрения разработчика.

Я постараюсь уберечь вас от терминологии блокчейна, вместо этого на пальцах показать из чего состоит смарт контракт и как его собрать. Если говорить совсем просто, то смарт контракт - это ячейка в памяти, хранящая в себе:

• Адрес

• Баланс

• Любые данные, которые вы туда запишите

• Код смарт контракта

• Текущий статус смарт контракта

Ну или если перевести вышесказанное в код, то:

class SmartContract{ 
   readonly address: string; 
   readonly balance: number; 
   readonly code: string; 
   readonly status: 'uninitialized' | 'active' | 'frozen'; 

   storage: object; 
   ... 
}

Плавное погружение...

Представьте, вы написали код класса на своем любимом языке программирования, как полагается, с полями и методами, и превратили этот код в строку. Code - это и есть код вашего смарт контракта. Он будет выполняться в блокчейне. Точкой входа в таком коде будет метод onInternalMessage или onExternalMessage. Чтобы состояние полей класса можно было сохранять и перезаписывать, к смарт контракту прилагается объект Storage , в котором хранятся значения ваших полей.

При сохранении смарт контракта в блокчейн вы отправляете { code, data } , где code - это код вашего смарт контракта, data - начальные данные. По этим двум полям вычисляется будущий адрес смарт контракта: address = hash({ code, data }). По этому адресу будет доступен ваш смарт контракт в блокчейне ТОН. На него можно совершать переводы, просматривать историю транзакцию, с него может переводить средства и вызывать другие смарт контракты.

Как происходит деплой смарт контракта.

Каждый смарт контракт платит немного комиссии по факту своего существования, в пример вспоминается налог на недвижимость. Чем больше жилплощадь - тем больше налог. Но в рамках ТОН вы платите за количество данных, которое хранит ваш смарт контракт, включая сам код вашего смарт контракта. Поэтому при создании на нем должно лежать как минимум чуть-чуть ТОН(как правило копейки). Создать смарт контракт можно 2 способами:

1) Другой смарт контракт делает перевод ТОН, прикрепляя код вашего смарт контракта вместе с начальными значениями(data) в поле Init = { code, data }. Блокчейн видит в переводе это поле и автоматически делает деплой. Статус смарт контракта становится "active".

2) Другой смарт контракт так же делает перевод ТОН, но только не прикрепляя ничего. В таком случае средства останутся висеть на адресе пустого смарт контракта, который будет выглядеть примерно так:

{ 
   "address": "401bf...3004", 
   "balance": 3000, 
   "code": "", 
   "storage": {}, 
   "status": "uninitialized" 
}

Он ждет внешнее сообщение, где в него передадут код и начальные данные таким образом, чтобы address = hash({ code, data }), только тогда он сохранит код и сможет выполняться. Для вызова внешнего сообщения используется обычное API, где передается адрес и Init = { code, data } . Запрос сначала попадет в блокчейн, после чего при совпадении адреса address = hash({ code, data }) произойдет деплой, и статус станет "active".

Заключение

В этой статье мы с вами закрепили азы архитектуры блокчейна ТОН, где каждый адрес является адресом смарт контракта. Разобрали структуру и механику создания. Рады вашему фидбеку или вопросам! Следите за нашими анонсами и новостями в Telegram.

Вчера OpenAI выпустил GPT-5.5. Сегодня DeepSeek выложил V4 – открытые веса, MIT-лицензия, 1М токенов контекста. Тайминг, конечно...

8 технических инноваций

Техническое описание V4 впечатляет не столько отдельными решениями, сколько плотностью инноваций – DeepSeek упаковал в один релиз больше новых техник, чем большинство лабораторий выпускают за год. Не все из них обязательно окажутся одинаково эффективными, но уровень инженерной амбиции – зашкаливающий.

1. Гибридное внимание (CSA + HCA)

Классический механизм Attention был серьёзно доработан. Теперь используется комбинация Compressed Sparse Attention и Heavily Compressed Attention, заменившая Multi-head Latent Attention из V3 и DeepSeek Sparse Attention из V3.2. У этого есть свои ньюансы и "цена". Эксперты пишут, что это может серьезно влиять на применимость модели в задачах с легаси кодом, так как компрессия контекста будет приводить к тому, что Дипсик 4 сможет корректно работать только с тем, кодом, который написал сам, а на легаси могут быть сюрпризы.

Результат: на окне в 1 миллион токенов модель потребляет лишь 27% вычислений и 10% памяти (KV-кэша) по сравнению с V3.2. Читать целые кодовые базы и книги стало экстремально дешево.

2. Оптимизатор Muon на триллионном масштабе

Индустрия привыкла к оптимизатору AdamW – он де-факто стандарт для обучения трансформеров. DeepSeek перевёл большую часть параметров на Muon – это первый публично известный случай применения Muon на модели масштаба 1.6T параметров.

Muon дал более быструю сходимость и стабильность при обучении гигантской MoE-архитектуры. Ранее он валидировался только на существенно меньших масштабах.

3. Гиперконнекции (mHC)

Классические остаточные связи (residual connections) между слоями нейросети были заменены на Manifold-Constrained Hyper-Connections. С помощью проекции на многообразие Биркгофа через итерации Синкхорна–Кноппа они устранили риск того, что сигналы "взорвутся" при обучении очень глубокой сети – проблему, которая убивала предыдущие попытки сделать обучаемые остаточные связи.

Накладные расходы: всего ~6.7% дополнительных вычислений. Техника была впервые опубликована DeepSeek в январе 2026 года.

4. Слияние знаний через On-Policy Distillation (OPD)

Вместо того чтобы в конце обучать модель всему одновременно (что приводит к размыванию компетенций), авторы пошли двухэтапным путём:

1. Сначала обучили 10+ узких ИИ-экспертов (отдельно математик, отдельно кодер, отдельно логик и т.д.) через SFT + GRPO (reinforcement learning).

2. Затем через On-Policy Distillation аккуратно "перелили" знания каждого эксперта в единую финальную модель.

Это устранило проблему, когда знания из одной области мешают другой – так называемое cross-domain interference.

5. Генеративный судья (GRM)

Для обучения сложным задачам DeepSeek отказался от классических скалярных "оценщиков" (как в стандартном RLHF). Вместо числовой оценки "хорошо/плохо" модель теперь сама текстово анализирует свои шаги – Generative Reward Model. Это качественно более богатая обратная связь при обучении.

6. Три режима мышления "из коробки"

Глубиной рассуждений модели можно управлять:

• Non-Think – быстрый интуитивный ответ

• Think-High – вдумчивый анализ

• Think-Max – "выжми педаль в пол": модель расписывает все гипотезы, ищет краевые случаи и доказывает свой ответ (требует ≥384K контекста)

Think-Max – это режим, в котором DeepSeek замеряет свои лучшие бенчмарки. На HLE он поднимает score с 34.5 до 37.7, на SimpleQA-Verified – с 46.2 до 57.

«Хватит мечтать, займись делом! Почему важнее хорошо работать, чем искать хорошую работу» Кэл Ньюпорт

Отличная книга, при случае рекомендую всем знакомым. Особенно программистам, выбравшим стратегию почаще менять работу, нигде подолгу не задерживаясь и ничему особо не учась.

Меня зацепило, наверное, то, что автор изложил стратегию, похожую на предложенную мной в статье «Комплект увольнения» — на каждой работе, должности, проекте нужно стремиться получить максимум разнообразного опыта. Потому что этот опыт останется с тобой, в отличие от заработанных денег, должности и положения в конкретной организации.

Автор книги выразил ту же мысль лучше, даже показатель придумал — «карьерный капитал». Который, собственно, и надо копить. И на его увеличении сосредоточиться. Глаз немного цепляется за слово «карьерный», как будто речь о должности или положении — не обращайте на это внимания, просто слово не очень удачное выбрано. Или переводчики не нашли более подходящего.

Короче, книга прекрасная. Помогает расставить приоритеты, сосредоточиться на том, что точно важно и не пропадёт даром.

С моим опытом эта книга коррелирует процентов на 100. Изложенные в ней подходы к работе — моя карьерная стратегия как минимум уже лет 10. Где бы ты ни работал, чем бы не занимался — всегда думай, в первую очередь, о своём опыте и связах. Ничего другого ты на новую работу с собой не утащишь.

Тех же, кто концентрировался не на своём опыте, не на реальных навыках, не на результатах, а на текущем положении, возможности «войти в айти» и заработать на волне, вы можете наблюдать прямо сейчас на рынке труда. Если верить эйчарам, то ситуация там такая: кандидатов — толпы, а работать — некому. Потому что не научились, а не научились — потому что не учились. Работали на высоком рынке, рынке продавца, и думали, что так будет всегда.

Мы с Кэлом Ньюпортом утверждаем 😊: рынок труда будет постоянно меняться, а вечные ценности остаются.

Недавно залип на тему рынков предсказаний где люди ставят на исход событий, а в итоге получается некое “коллективное мнение” в цифрах.

Сначала относился скептически, но потом задумался:
если человек рискует деньгами (или хотя бы чем-то), он ведь будет думать чуть внимательнее, чем просто “мне кажется”.

Посмотрел ради интереса разные платформы, включая одну под названием Globet Market и там довольно наглядно видно, как меняется вероятность событий со временем.

Иногда это выглядит логично, а иногда как чистая реакция толпы.

И вот не понимаю до конца:
это реально более точный способ оценки
или просто красиво оформленная версия “угадайки”?

Как думаете?

В облачной и серверной версиях Диска VK WorkSpace реализованы новые возможности для повышения защищенности и восстановления корпоративных данных: расширенные аудит и поиск по общим папкам, а также корзина домена. Обновления позволяют компаниям отслеживать действия администраторов и оперативно восстанавливать удаленную информацию. 

Благодаря расширенному аудиту система более прозрачно и понятно для наблюдателя ИБ отображает действия администраторов, которые вошли от имени пользователя. Это упрощает расследование инцидентов и обеспечивает соответствие корпоративным регламентам и стандартам.

В Диске VK WorkSpace появилась корзина домена. Если пользователь удаляет файлы или папки из общей папки, они отправляются в корзину домена. Время хранения в корзине устанавливает администратор. В этот период он может восстановить папку со всем содержимым и правами доступа или удалить окончательно. Также администраторы получили доступ в корзины общих папок. Например, если бухгалтер по ошибке удалил квартальную отчетность из общей папки, она попадет в корзину общей папки, откуда можно будет ее восстановить ее за пару кликов.

Администраторам стал доступен расширенный поиск по всем общим папкам Диска. Если сотрудник потерял файл, администратор сможет его найти. Папки можно искать по названию, файлы — по названию, формату, автору, дате создания или изменения и размеру. В облачной версии Диска также можно удалять папки и файлы из результатов расширенного поиска.

Поймал себя на банальной, но показательной вещи: в какой-то момент у меня в браузере было открыто больше 40 вкладок. Причём не потому, что они реально нужны просто «на потом».

Интересно, что почти у всех знакомых ситуация плюс-минус такая же. И это уже не просто привычка, а что-то вроде цифрового поведения по умолчанию.

Если посмотреть на это чуть шире, вкладки это по сути внешняя память. Мы открываем страницу не потому, что прямо сейчас её читаем, а чтобы «не потерять». То есть перекладываем задачу с мозга на браузер.

Но тут есть нюанс.

По разным опросам и исследованиям поведения пользователей:

• значительная часть открытых вкладок никогда не пересматривается

• люди регулярно держат открытыми десятки страниц, но активно используют только 3–5

• визуальный перегруз (много вкладок) снижает концентрацию и увеличивает ощущение хаоса

И это ощущается на практике. Когда открыто 5 вкладок ты понимаешь, что делаешь. Когда их 30+ ты уже просто переключаешься между ними без системы.

Получается странный эффект:
мы открываем вкладки, чтобы быть более продуктивными, но в итоге создаём себе дополнительный шум.

Ещё интересный момент психологический.
Открытая вкладка даёт иллюзию прогресса. Типа: «я уже начал разбираться». Хотя по факту просто отложил решение.

Это чем-то похоже на список дел, в котором задачи не выполняются, а просто копятся.

Лично у меня есть два сценария:

1. Либо я закрываю всё разом (и половину даже не открываю перед этим)

2. Либо продолжаю накапливать, пока браузер не начинает тормозить

И оба варианта, если честно, далеки от идеала.

Интересно, что с этим делают другие:

• кто-то принципиально держит не больше 5–10 вкладок

• кто-то использует “read later” сервисы

• кто-то вообще работает в одном окне и всё остальное закрывает

Но универсального решения, кажется, нет.

Вопрос скорее в другом:
мы правда работаем с информацией или просто создаём её иллюзию?

Проекты, связанные с интеграцией искусственного интеллекта, всё чаще становятся частью повседневной разработки. Один из таких проектов — Semantic Kernel. Он представляет собой SDK для построения AI-агентов и оркестрации LLM-сценариев и активно развивается компанией Microsoft.

Однако под капотом даже самых современных решений скрывается вполне обычный C# код со всеми присущими ему проблемами. Поэтому мы проверили проект и написали статью о самых интересных ошибках в коде Semantic Kernel.

Рынок меняется быстрее, чем успевают обновляться резюме. Чтобы не догонять, а двигаться наравне, важно учиться на актуальных инструментах и практиках — тех, которые уже используются в работе.

В Яндекс Практикуме мы регулярно обновляем программы: добавляем работу с нейросетями, пересматриваем стек и усиливаем практическую часть, чтобы знания можно было применять сразу, а не «когда-нибудь потом».

До 30 апреля действует скидка 15% на все курсы — можно выбрать направление и начать обучение на более выгодных условиях.

Если давно откладывали переход в новую сферу или хотели прокачать навыки — это хороший момент, чтобы начать.

Выбрать курс и забрать скидку →

В предыдущих постах Разбираемся в in-memory базах и Выбираем базу и думаем о данных.

Взлетаем, создал репозиторий под проект https://github.com/mathter/memifydb.git

План

План общий такой:

• Изначально строю некоторый каркас, который буду достраивать и наполнять содержанием. Это будет удобно для прототипирования.

• Для работы с данными создам некоторый дополнительный уровнь абстракции, что бы не привязываться к конкретному формату данных/библиотеке и менять его налету для сравнения.

Сделано

• Данные клиента будут храниться в space’ах - это будет аналог таблиц в БД. Для начала будет только key-value space что бы можно было подумать уже сейчас о WAL клиенской библиотеке для java и сетевом уровне в целом и конечно же о транзакциях.

• Тестовая реализация WAL, которая в проекте будет называться Log.

Run.

🍎 Конец эпохи: Тим Кук уходит с поста Apple

Кажется, Стив Джобс совсем недавно ушёл из жизни и передал бразды правления Apple Тиму Куку. На самом деле прошло без малого 15 лет, и теперь пришла пора Куку сложить с себя полномочия гендиректора Apple. Был ли Кук достойным продолжателем дела Джобса или «Apple уже не торт»?

Кук проработает в текущей должности до сентября, после чего станет исполнительным председателем совета директоров — это намекает на то, что влияние Кука всё равно будет большим. Новым гендиректором станет инженер Джон Тернус, 25 лет занимавшийся продуктами Apple: iPad, AirPods, iPhone и Mac — важно, что компания делает акцент на разработке, а не на финансовой части.

Лидерство

Тим Кук никогда не пытался в одиночку играть роль лидера масштаба Стива Джобса — и правильно. Стать равным Джобсу для поклонников компании было невозможно. Но Кук не только был скромен, но и не пропустил к рулю других звёзд, например яркого и харизматичного Крейга Федериги. Apple остаётся компанией Джобса.

Неудачи

Многие вспоминают революционные продукты, запущенные Apple при Джобсе, а при Тиме Куке вышли фактически только умные часы Apple Watch и наушники AirPods. Мы так и не дождались ни автомобиля, ни складного смартфона, а шлем виртуальной реальности Apple Vision Pro провалился.

Но стоит посмотреть вокруг — собственно, никто из ИТ-производителей не стал лидером автомобилестроения, не сделал популярным VR, а складной iPhone ещё имеет все возможности завоевать рынок.

Крупный провал Apple — это только отсутствие собственной мощной LLM, хотя компания и была одним из пионеров ИИ: встроила в смартфон голосового ассистента. Но Siri так и не повзрослела на фоне ChatGPT, DeepSeek и других нейросетей.

Как финансист Тим Кук смог диверсифицировать доходы компании? Ни развитие App Store, ни расширение линейки ноутбуков и планшетов не помогли — если в 2011 году iPhone приносил 44% выручки, то в 2025 году — уже 50%. Зависимость компании от одного продукта считается риском: если спрос на него упадёт, то пострадают все финансы компании. Однако этот недостаток не помешал Apple стать самой дорогой компанией в мире.

Вместо заключения

Все-таки Тим Кук — триумфатор! Его обвиняли в раздувании модельного ряда за счет разных цветов и размеров экрана iPhone, но «счёт на табло»: с 2011 по 2025 год выручка Apple выросла в 4 раза — со 108 до 416 млрд долл. Чистая прибыль — с 26 до 112 млрд долл. Капитализация — в 10 раз: с 350 млрд до почти 4 трлн долл. А ведь в 2011 году казалось, что дальше уже некуда и iPhone 4S останется лучшим телефоном на все времена.

И не стоит недооценивать его вклад в развитие технологий: умные часы Apple — самые популярные в мире, компания перешла в ноутбуках с Intel на собственные чипы.

Спасибо, Кук, и мы всё-таки ждём новых революционных продуктов Apple — теперь от Джона Тернуса!

Игра написана на Go (Ebitengine), исходники на есть гитхабе.

Поиграть можно в браузере, ведь Ebitengine имеет неплохой экспорт в wasm. Она мало весит, быстро работает, и экспорт не требовал лишних усилий - это вам не шуточный игровой движок.

Я накидал небольшой шаблон для игр на стеке своих геймдев-библиотек. Его можно посмотреть тут: https://github.com/quasilyte/gscene-game-template.

С этим шаблоном старт начала работы над игровой логикой и "мясом" игры становится ближе. Это позволяет +/- выйти на удобство какого-нибудь Godot, где не нужно первые несколько часов настраивать как у нас обрабатывается input, звук и сцены. Я этот шаблон буду дорабатывать по мере участия в джемах, за каждую мини-игру у меня копится TODO на то, что еще там можно было бы улучшить.

Если тема разработки игр на Go вам интересна, заходите в наше русскоязычное сообщество в телеграме. Мы там обсуждаем всякие библиотеки для геймдева, свои игры, и всё такое.

Кстати, ребята из чатика тоже сделали свои игры на Ebitengine, вот они:

• https://dqso.itch.io/hired-or-homeless

• https://metalim.itch.io/zero-day-lunch