Пройти по темной квартире до туалета, а затем добежать до кровати и нырнуть под одеяло. Прийти на встречу с начальством. Впервые поцеловать человека, к которому испытываешь сильные чувства. Наш опыт извлечения страха и, что крайне важно, умение отпускать страх, строится вокруг одной группы клеток. Роль которых кардинально переигралась в новом исследовании.

Год назад я заменил RAG в продукте на «просто большой контекст» и на время действительно выиграл в простоте: стало меньше пайплайна и онколла, больше фич. Но прод быстро показал цену такого решения — хоть ответы звучали уверенно, доверия к ним не было. Статья о том, почему в 2026 году RAG возвращается в более взрослой форме и что именно приходится проектировать, чтобы знания оставались актуальными и проверяемыми.

Инцидент произошёл в декабре во время работыс внутренним инструментом Kiro, разработанным внутри компании. AI-ассистент предложил инженерам удалить и заново развернуть рабочую среду для исправления конфигурационных проблем. Сотрудники одобрили выполнение операции, после чего система начала автоматические изменения инфраструктуры.

У меня небольшой бюджет на AI-ассистент — $20 в месяц. Хватает, но только если понимаешь как работает тарификация. Я потратил время чтобы разобраться что именно ест токены, и написал framework который пытается решить эти проблемы. Расскажу про оба.

23 февраля 2026 года разработчик по имени Belim (aka Builtbybel) выпустил публичную версию Winslop 0.6 для удаления ненужного системного мусора, уменьшения избыточности и восстановления контроля пользователя в Windows 11. Решение упрощает обслуживание системы, оптимизирует производительность и устраняет навязчивые, непрозрачные или избыточные функции, сохраняя при этом целостность ОС Windows.

В прошлом месяце я исследовал периодически возникающие всплески задержек в нашем сервисе отчётности и обнаружил нечто, заставившее меня не поверить своим глазам: 102 потока блокировалось одновременно, и все они ждали одной блокировки. Причиной этого оказалась одна строка кода, выглядевшая совершенно невинно.

Это история о том, как DatatypeFactory.newInstance() поставил на колени наш высокопроизводительный Java-сервис, и об удивительно простом решении, позволившем полностью избавиться от проблемы.

2026 год. Нейросети окончательно перестали быть просто «умными чатами» и превратились в полноценных сотрудников, дизайнеров и даже пилотов компьютера. Мы уже привыкли, что ИИ помогает писать код и посты, но теперь амбиции моделей вышли на новый уровень — они учатся самостоятельно управлять мышкой, заполнять формы и строить долгосрочные стратегии. Казалось бы, живи и радуйся.

Но есть одна проблема. Рынок снова раскололся. OpenAI выпустила GPT‑5.2 с упором на математику и науку, а Anthropic – Claude Sonnet 4.6, который обещает революцию в программировании и агентных сценариях. Два титана, две философии, и нам снова выбирать, на кого ставить в этом году.

В этой статье мы перестанем гадать и просто посмотрим на цифры бенчмарков, кейсы и, конечно, на цену. Сравнив их по ключевым метрикам, честно ответим на вопрос: кто же реально сильнее в коде, анализе данных и управлении компьютером, а кто просто громко прозвучал?

Читайте, сравнивайте и делитесь мнением! Claude Sonnet 4.6 против GPT-5.2: кодеры против математиков, гигантский контекст против научной точности, агенты против аналитиков. Разминаем пальцы и готовимся выбирать нового короля горы!

Расскажу о том, как сгенерировать рандомный лабиринт, используя алгоритм Recursive backtracker. Все подробности об алгоритме, структуре кода, асимптотике и итоговых лабиринтах здесь.

Понимание сложности интеграции

Я понимал, что технологии, которые я запланировал, требуют много работы и много навыков в различных отраслях. Это не просто нейросеть, которая распознаёт команды — это целая экосистема взаимодействующих систем.

"Чтобы управление от устройства понимания, в котором расположены веса модели и алгоритм отправки команды, имело механическое действие — необходимо согласование этих механизмов."

Я закупщик с четырнадцатилетним стажем. Работала и со стороны заказчика, и поставщика. В ИT-сфере c 2019 года, а сейчас  являюсь специалистом по тендерам компании НОРБИТ, крупного ИТ-интегратора и вендора решений для автоматизации. За это время я участвовала в более чем  700 процедурах и с уверенностью могу сказать: участие в тендере — как экзамен: можно знать предмет, но не сдать из-за какой-нибудь мелочи.

Чаще всего закупки в ИТ проходят на этих электронных площадках (без учёта корпоративных, например, Лукойла, Северстали и подобных): https://www.b2b-center.ru/, https://bidzaar.com/, https://utp.sberbank-ast.ru/, https://rb.roseltorg.ru/  https://workspace.ru/. 

Сегодня в блоге ЛАНИТ мы разберемся в самых частых сценариях проблем, а я расскажу, как их можно избежать. 

В прошлой статье я познакомил вас с существованием малоизвестных "суперплатформ" управления данными. На абстрактном примере реализации показал как легко кастомизируется платформа - от идеи, к готовому UI. У кого-то это вызвало отвращение, у кого-то просто шок, а кто-то увидел возможность.

Настало время на деле показать как с помощью современного стека разработки (который возможно уже через пару лет станет опять старым) - дать второе дыхание морально устаревшим системам из прошлого, взяв из них лучшее, а именно философию и надёжные концепции и при этом не страдать от старого, дурно пахнущего legacy.

В общем расскажу про импортозамещение Dassault Systèmes 3DExperience, далее Enovia, а точнее - той её части, которая на протяжении многих лет востребована многими крупными предприятиями: гибкого движка для построения бизнес-приложений, с возможностями управления жизненным циклом (без привязки к тяжелому САПР).

В прошлой статье мы с вами обсудили основные задачи, которые ставят перед системами позиционирования, узнали про два главных подхода к построению таких систем и четыре метода определения местоположения. В этой части перейдем к практике и рассмотрим три самых популярных стандарта для систем позиционирования: RFID, BLE и UWB. Приступим.

Все говорят, что AI заменит разработчиков. Я решил зайти с другой стороны — написать AI-агента, который заменит пользователей. Альфа версию для macOS уже зарелизил.

Послдение полгода работали с коллегой над двумя приложениями, одно десктопное (по ссылке выше), другое на 4 платформы — android, ios, web, backend. Много чего повидали, хочу поделиться опытом.

Дисклеймер. Статья содержит последствия массового использования expect/actual, сцены жестокого обращения с XCode и эпизоды длительного ожидания нотаризации на релизных сборках под OSX. Не рекомендуется лицам, планирующим запуск KMP-проекта на несколько платформ без предварительной консультации с психотерапевтом.

Автономные агенты вроде опенсорсного OpenClaw или закрытого Manus сейчас прям хайпуют. Мало ещё кто разобрался, что это и зачем, но все уже эксперты: обзоры ради обзоров, без понимания предметной области, ради трафика на горячем заголовке. Честно говоря, на волне этого блогерского хайпа я лично долго откладывал взять и попробовать, а попробовав, - не могу оторваться, чего и вам желаю.

Я, по сути, этой статьёй предлагаю немного поразмышлять о том, куда нас завел очередной виток, в виде ИИ-агентов, идущей промышленной революции.
Мне вот видится, что наравне с LLM, агентный ИИ займет в ней весьма значимое место.
Так как же мы их будем называть и воспринимать?

Если с программированием, вроде, всё понятно и на сегодня, с лёгкой руки Андрея Карпаты повсеместно используется вайбкодинг. Хотя agentic coding - теперь, мне кажется, это крайне актуальный термин и подход.
Очевидно, на смену вайбкодингу и программированию с ассистентом в виде LLM приходит именно он - агентский кодинг.
Вайбкодинг - это ты и ассистент: ты описываешь задачу, LLM пишет код, ты проверяешь, правишь, итерируешь. Агентский кодинг - это когда ты ставишь задачу, а агент сам декомпозирует её, пишет, тестирует, фиксит ошибки, и приходит к тебе с результатом.

И поэтому, но далеко не только поэтому, агенты явно прочно войдут в нашу жизнь.
Автоматизация агентами примерно всего, а не только процесса разработки: рутинной работы финансиста - сведение таблиц по щелчку, подсвечивание аномалий, какого-нибудь аутрича в продажах. Или совсем ботовое, вроде сортировки фотографий и файлов за 10 лет, и т.д. и т.п. И это уже день сегодняшний.
И такие решения как опенсорсный OpenClaw или закрытый Manus, кажется, ещё не получили своего устойчивого места в цифровой экосистеме и общепринятого наименования.

По заявлениям Anthropic, они обнаружили, что три китайские AI-лаборатории — DeepSeek, Moonshot и MiniMax — массово выкачивали ответы Claude, чтобы обучать на них свои модели. Суммарно они сгенерировали больше 16 миллионов запросов через примерно 24 000 поддельных аккаунтов.

Метод называется дистилляция: берёшь сильную модель, скармливаешь ей тысячи промптов, собираешь ответы и используешь их как обучающие данные для своей модели. Сам по себе метод легальный и распространённый, но в данном случае лаборатории нарушали условия использования и обходили региональные ограничения через прокси-сервисы.

Масштабы у всех разные.

OpenAI открыла исходный код GABRIEL - тулкита, который превращает горы неструктурированного текста, картинок и аудио в нормальные числовые данные для исследований. Эта штука, как заявляют авторы, может заменить целую армию научных ассистентов, размечающих данные за $15/час, и сделать это в 17 500 раз дешевле.

Выпустила GABRIEL одна из команд OpenAI, и к тулкиту приложили полноценную академическую статью, где тестировали GPT как инструмент измерения на 1000+ датасетах с человеческой разметкой и как результат - модель неотличима от живых разметчиков по точности. И это не рекламно/меркетинговый ход - это рецензируемая работа, выполненная совместно с Андреем Шлейфером из Гарварда - ученый с высоким h-индекс, поэтому ему нет смысла рисковать своей репутацией.

Anthropic опубликовала AI Fluency Index — первый количественный замер того, насколько грамотно люди работают с ИИ. Компания проанализировала 9 830 анонимизированных диалогов с Claude за неделю в январе 2026 года с помощью инструмента Clio, который позволяет исследовать паттерны использования без доступа к содержанию переписок. Каждый диалог проверяли на наличие 11 поведенческих индикаторов из академического фреймворка 4D AI Fluency — от умения формулировать задачу до способности усомниться в ответе модели.

21 февраля 2026 года состоялся релиз новой версии открытого проекта Lakka 6.1 (версию 6.0 разработчики решили пропустить) для создания из ПК, телеприставки или одноплатного компьютера полноценной игровой консоли для запуска ретроигр. Версия Lakka 5.0 вышла в апреле 2024 года.

Каждый день я открываю десятки проектов, и первое, на что смотрю это  файл сверловки. Можно сразу сказать, где разработчик понимал, чтоделает, а где просто «нарисовал как в прошлый раз». Самое обидное, когда ошибки в проектировании отверстий всплывают уже на производстве: плату приходится переделывать, сроки горят, бюджет летит в трубу.

Давайте на пальцах разберем, какие ошибки в проектировании отверстий встречаются чаще всего и как их избежать, чтобы не переплачивать и получать надежные платы с первого раза.

Прежде чем начнем: какие вообще бывают отверстия?

Для начала договоримся о терминах. Отверстия в печатных платах бывают:

Директор по безопасности и ИИ в Meta* Superintelligence Labs (*- принадлежит Meta, признана экстремистской и запрещена в РФ) Саммер Юэ чуть не потеряла свою переписку в почтовом ящике из-за OpenClaw. ИИ-агента начал массово удалять письма из её почтового ящика, проигнорировав команды на остановку со смартфона. Ранее ИИ-бот «потерял» её указание не предпринимать никаких действий при работе с почтой без предварительной проверки. Юэ остановила ИИ только вручную, когда дошла до Mac mini с OpenClaw.