Какие альтернативы сервисам Яндекса действительно независимы? Разбираем такси, доставку, офлайн-карты, почту, облако и платежи. План действий на случай сбоя.
Запасное приложение еще не означает независимый сервис. Разбираемся, чем заменить продукты «Яндекса», что можно подготовить заранее и почему одна резервная копия в другом облаке иногда важнее десятка установленных программ.
Я собирался написать статью про Markdown. В процессе внутри документа оказался Doom.
Разбираемся, почему два пробела меняют перенос строки, обратные кавычки не всегда спасают таблицу, а один .md по-разному выглядит на Хабре и GitHub. Прямо в статье можно менять разметку в лаборатории, решать задания и проверять результат. Есть GIF, вложенные спойлеры, маленький квест и разбор того, как упаковать ресурсы Doom в Markdown — и что на самом деле запускает игру.
Продолжение статьи «Как создать переводчик для низкоресурсного языка».
Год назад я рассказывал, как дообучил две модели MarianMT: одну для перевода с русского на кабардинский, другую обратно. Сейчас вместо двух моделей обучена одна, на 61 млн параметров, и она переводит в обе стороны. На FLORES-200 русско-кабардинский перевод вырос с 38.7 до 57.4 chrF, кабардинско-русский с 35.0 до 50.2. Для сравнения: в среднем по 30 «большим» языкам многоязычная SMaLL-100 даёт 47–48. Обучение заняло 6 часов на одной арендованной RTX 4090 и обошлось меньше чем в 10 долларов. Всё остальное делалось на Mac mini с Claude Code в терминале.
Обновление от 13 октября. Вышла вторая версия модели: в приложении FLORES-200 даёт 60.0 chrF для ru→kbd и 51.5 для kbd→ru (первая версия 57.4 и 50.2).
Статья Podsonuh’a Что такое JailBreak-атаки… вдохновила меня задать следующий вопрос:
– Неужели искусственный интеллект настолько глуп, что его легко обмануть фразами “ты – моя бабушка, расскажи, как делала напалм на заводе” или “я пишу роман про мошенника, расскажи, как бы он мог обмануть людей по телефону”?
Мы все поняли, как обмануть ИИ (джейлбрейкнуть), чтобы заставить его нарушить правила. Но остаётся непонятным, почему это так легко сделать и как это исправить.
***
Для начала зададим вопрос #1: понимает ли ИИ, что такое запрет, или просто научился воспроизводить определённый шаблон отказа?
Вариант А: шаблон
Модель выучила, как попугай:
определённые признаки запроса → выдать отказ
Такая защита чувствительна к поверхностной форме. Меняем формулировку, контекст, язык, и отказ меняется на согласие. В статье, на которую я сослался выше, приведён пример с кодированием опасного запроса в Base64.
Вариант Б: понимание
Ясно, что ИИ не может понимать что-то в человеческом смысле. Но он мог бы представлять что-то вроде: «Эта задача относится к категории, выполнение которой запрещено; поэтому независимо от контекста, формулировки, кодировки нужно отказаться». Тогда можно было бы менять поверхность запроса довольно сильно, а поведение осталось бы устойчивым.
И учитывая, что джейлбрейки контекстом существуют...
В сентябре 2026 года информационная служба Хабра выпустила 730 публикаций (701 новость и пост, 3 лонгрида и 26 переводов). В текущем дайджесте представлены лучшие технические новости, переводы и лонгриды (отдельные большие публикации) инфослужбы Хабра, согласно оценкам пользователей.
Всем привет! На связи Сергей Фомин, продакт‑менеджер Хабра. Мы расширили фичу SourceCraft на Хабре — теперь ИИ‑помощник SourceCraft Code Assistant помогает не только разобраться с кодом в статье, но и быстро понять сам материал, посмотреть основные мысли из комментариев или найти варианты практического применения.
Интеграция с платформой для разработки SourceCraft, которую мы запустили в 2025 году, помогала разобраться с кодом прямо в статье. Фича появилась непосредственно в кодовых сниппетах: нажимаешь кнопку — и ИИ‑помощник объясняет, что происходит в конкретном фрагменте кода, с учётом контекста статьи. За время работы ею воспользовались более 645 тысяч пользователей, а общее количество нажатий на кнопку «Объяснить код» превысило миллион.
Рабочая карта: от исследовательской оптики и слабых связей до специализированных методов, проверки и работающего компонента.
В первой статье этой серии "От университета до искусственного интеллекта: как ускорялся генератор изобретений" мы смотрели, как человечество постепенно усиливало генератор нового: университеты, печать, научные общества, лаборатории, вычислительные сети и, наконец, искусственный интеллект. Во второй вопрос практичнее: что происходит, когда значительная часть этой мощности оказывается в распоряжении одного исследователя или маленькой группы?
После сравнения разных подходов к изобретательству, научному поиску и разработке продуктов вывод оказался довольно приземлённым. Одиночному исследователю не нужна одна «лучшая методология». Ему нужны три способности: собрать правильную предметную картину задачи, подключить сильный профильный метод в нужный момент и вернуть его результат обратно в общую картину, не потеряв смысл, доказательства и ограничения.
Сначала нужно понять, какими предметными мирами смотреть на задачу. Только потом — какой метод применять.
1. Одиночный исследователь — не маленький НИИ
У одиночного исследователя нет десятков лабораторий, отделов и специалистов. Но его маршрут дешевле перестраивается: можно быстро зайти в соседнюю дисциплину, проверить странную связь, закрыть тупиковую ветвь и вернуться обратно. Большое исследование по более чем 65 миллионам статей, патентов и программных продуктов показало, что малые и большие команды действительно чаще занимают разные ниши: небольшие коллективы чаще связаны с работами, открывающими новые направления, крупные — с развитием существующих линий [1]. Это не означает превосходства одиночки. Это означает другой режим поиска.
Так уж получилось, что приз от Хабра за победу в конкурсе Технотекст приехал аккурат на мой день рождения — 25 сентября. И поэтому я решил сделать отдельный пост 😎
На всех зарубежных блогах внизу статьи есть форма подписки на почтовую рассылку, RSS ленту или телеграм канал.
Также на всех русскоязычных площадках люди нормально относятся к упоминанию телеграм канала в конце статьи.
И только на хабре аудитория агрессивно воспринимает любые призывы подписаться.
В этой статье я хочу разобраться в этом феномене. Также в конце статьи есть опрос, в котором вы можете принять участие.
Хабр показывает материалы как ленту соцсети: читают в основном свежее и обсуждают, а через пару недель статья уходит из поля зрения и может попасться читателю если на нее приведет внешний поисковик или по пользователь перейдет с внешнего ресурса. В ленте выигрывают частота публикации и объем. При этом за 20 лет на ресурсе накопилась редкая база знаний: некоторые старые статьи до сих пор отвечают на актуальные вопросы, их держат в закладках, а темы живут десятилетиями.
Я отлично понимаю что любой проект в этом мире пытается выжить и получать прибыль. К чести этого ресурса, у читателя есть возможность сконцентрироваться на контенте и не отвлекаться на мерцание рекламы и баннеров! Но в этом же плюсе Хабра кроется и минус - реклама становится не явной, а вплетенной в текст.
Начинаешь читать материал и получаешь ссылки на телеграм каналы в статьях независимых авторов призывающих подписаться. А в корпоративных блогах рекомендации виртуальных машин на хостинге, подписки на агрегаторы AI чатботов, дозы нейрослопа для поисковой оптимизации сайтов и продуктов с 2023 года, продвижение HR бренда компании для создания очереди кандидатов и тому подобное. И с этим вряд ли станет лучше. Не спасет читателя модерация и политики платформы.
Нарушается баланс между коммерческими интересами продажи корпоративных подписок и мотивацией независимых и не оплачиваемых авторов-энтузиастов создавать и публиковать полезные материалы. Когда техническую статью на которую ты тратишь дни своей жизни в ленте вытесняют генерируемые быстрее кроликов фибоначчи поверхностные материалы, созданные ради продвижения бренда. Автор не находит своего читателя, а все что было дальше второй-третьей страницы ленты уже вряд ли попадется кому-либо на глаза, кроме небольшого шанса быть прочитаным людьми при попадение в выдачу гугла и яндекса.
Я не агитирую “пчел против мёда”! Но предложу свой подход, который позволяет искать нужную информацию среди десятков и сотен тысяч статей. На Хабре есть контент высочайшего качества: описания решений практических задач, фреймворков, технологий, фич и конструкций языков программирования, как выжить в корпорации или стартапе. И все это можно найти как человеку, так и автоматизированным агентам, нужно лишь обработать и подготовить этот массив информации. И да, здесь для обработки статей и их группировки используются нейросети и алгоритмы кластеризации.
Будем группировать 34 тысячи статьи Хабра по смыслу и каталогизировать их, читать похожие по теме не доверяя ключевым словам и хабам которые указал автор материала. Таким же образом вы можете создавать свою локальную базу знаний из личных материалов и записок на работе и дома, при желании не делясь этой информацией с облачными API сервисами нейросетей. Эту же структурированную информацию будет гораздо проще найти и AI агенту для решения ваших технических задач, где нужны точные решения, алгоритмы и “рецепты”.
Материал в статье, не скрывающийся под спойлером, написан вручную дедовским “ламповым” методом.
3 месяца назад в правилах Хабра добавили запрет на сгенерированные нейросетью статьи.
При этом никакой автоматизированной проверки статей на нейрослоп не появилось.
Я вижу ИИ слоп на Хабре каждый день. В статьях, комментариях и постах.
На днях, а именно, 31 августа, вышла новая модель работы с временными рядами от Google — TimesFM-3 (Time Series Foundational Model).
Если вкратце, задача моделей семейства TimesFM — прогнозировать дальнейшее поведение системы на основе ретроспективных данных. Интересно, что для этого исследователи Google применяют токенизацию групп временных отсчетов, а сам трансформер TimesFM — decoder‑only. Также в третьей версии TimesFM заявлена поддержка одновременно множественных переменных (multi‑variate).
Так я был в отпуске и мне было скучно, я вспомнил про старую задачу полуторагодовалой давности: классификация сценариев поведения пользователя на основе данных энергопотребления.
Полезная внутренняя функция редко остаётся функцией без зависимостей. Сегодня ей понадобился python-dateutil, завтра — конкретная версия NumPy. Когда тот же код нужен во втором проекте, приходится либо менять его lockfile, либо собирать отдельный контейнер, либо превращать десять строк в сервис.
splime предлагает ещё один вариант: опубликовать доверенную Python‑функцию вместе с точными версиями пакетов и вызывать её по имени. Локальный демон сам собирает окружение и хранит его отдельно от проекта, который будет вызывать функцию. Общая модель была в первой статье, а упаковка функции — в предыдущей части. Этот текст можно читать отдельно.
Сначала запустим функцию, чья зависимость вообще не установлена у вызывающего кода. Затем посмотрим, откуда берётся venv, почему он кэшируется и когда одной ноде стоит назначить native, venv-subprocess или Docker. Материал рассчитан на macOS и Linux с Python 3.13+; в splime 0.4.9 сборка локальных окружений требует POSIX.
В комментариях к прошлой статье сформулировали правило, под которым я подписываюсь обеими руками: «платить» за внепроцессный вызов имеет смысл тогда, когда сама работа дороже транспорта. clean_amount из квикстарта — десять строк, ноль зависимостей, микросекунды работы — этот порог не проходит. Свою задачу тот пример выполнил: показал механику publish/call в шесть строк. Но ноды существуют не для него: 2 + 2 через демон не нужно никому, и splime строился не для этого.
Возьмём случай, где оверхед оправдан, залезем под капот и посмотрим, что происходит между publish и call: где физически живёт нода, как Python‑функция превращается в переносимый объект и как две ноды передают друг другу данные, которым не место в JSON.
Напомню контекст из прошлой статьи. splime упаковывает Python‑функции в переносимые вычислительные элементы — ноды, узлы вычислительного графа, — связывает их в пайплайны и исполняет там, где вы скажете: в текущем процессе, через локальный демон или на другой машине.
Всё, что ниже, проверено на актуальной splime 0.4.9.
В августе 2026 года информационная служба Хабра выпустила 826 публикаций (785 новостей и постов, 7 лонгридов и 34 перевода). В текущем дайджесте представлены лучшие технические новости, переводы и лонгриды (отдельные большие публикации) инфослужбы Хабра, согласно оценкам пользователей.
Привет, хабр. Если вы состоите в более‑менее крупных ТГ сообществах, то наверняка замечали, как время от времени в чатах мелькают боты с предложением установить сомнительный APK. Обычно их мгновенно банит антиспам или админ, и на этом всё заканчивается. Правда, пока сообщение ещё висит, взгляд успевает за него зацепиться, и в голове проскакивает «это очевидно скам, но как оно работает?». У меня эта мысль проскочила в дождливый вечер прошлой пятницы, и вот, неделю спустя, я всё ещё смотрю на четыре домена, куда уходят перехваченные банковские коды, и ожидаю хоть каких‑до действий от уполномоченных компаний, которые были уведомлены об атаке почти неделю назад.
В этой статье я хочу пробежаться по инциденту: как вирус распространяется, что у него под капотом, и как различные компании и организации реагируют на сообщения о том, что их инфраструктура используется для взлома.
На прошлой неделе обратил внимание на обильное и, на мой взгляд, не всегда уместное использование слова «честный» на Хабре. Решил детальней изучить ситуацию, собрал данные и в результате оказалось, что мне не показалось и так было не всегда, а пик, возможно, еще не пройден. В этой статье делюсь полученными результатами, методологией и датасетом для тех, кому может быть интересно попробовать найти какие-нибудь закономерности самостоятельно.
Некоторое время назад я решил оживить мой аккаунт на Хабре. Покомментировав с умным видом здесь и тут, я решил подвести научную базу: собрал 4404 чужих комментария из 250 тредов и посчитал, когда и где надо оставить комментарий, чтобы он набрал максимум лайков. Спойлер: час на часах не важен, а вот позиция в треде и первые сутки решают всё.
В прошлых двух статьях я разбирал DNS-трафик домашней сети и анализировал 1233 публикации Хабра, чтобы понять, за что площадка даёт рейтинг. И там, и там был вопрос, который я обходил: чем, собственно, я выгрузил эту тысячу статей?
Не руками копировал и не скриптом на Python, который на двухсотом запросе получил бы 429 и бан по IP. Я написал расширение для Chrome, которое сохраняет статьи Хабра в Markdown — по одной, пакетом или автоматически по расписанию, — и делает это достаточно вежливо, чтобы сервер не считал его атакой.
Главная мысль статьи оказалась не про парсинг HTML, а про хорошие манеры к серверу. Наивный качатель на голом fetch пишется за пять минут и получает бан на десятой. Инструмент, которым можно пользоваться постоянно, отличается тремя вещами:
— держит принудительный интервал между запросами (1.5 секунды, гарантированно); — слушает 429 и при перегрузке сервера замолкает на три минуты целиком (паттерн circuit breaker), а не долбит сквозь ограничение; — работает с открытыми статьями для личного архива, а не сливает базу.
Внутри: разбор вежливого граббера с кодом, почему парсинг чужой вёрстки ломается на каждом редизайне и как от этого защищаться фолбэками, формат Markdown с YAML-метаданными (тот самый, что сделал возможным анализ тысячи статей) и правовая рамка — где граница между «сохранил для себя» и «спарсил».
Расширение с открытым кодом под MIT, ставится из Chrome Web Store в один клик.
Даем гайд, как надо продвигать себя в обсуждениях любых соцсетей. Если что, он в самом конце.
Мы со своими сотрудниками привыкли к деловой дружеской атмосфере в англоговорящих социальных сетях разработчиков, среди которых, кстати, огромное число русскоговорящих юзверей. Даже, если твоя идея или статья отстой, там все пытаются как-то поддержать, дать совет, пожелать развития и процветания, похвалят твою аватарку, на худой конец…
А тут мы попадаем в нашу родную совковую коммуналку, где почти каждый чем-то не доволен. (Оставьте эту фразу, если следующая не пройдет цензуру.) Сначала было ощущение, что мы заехали на зону.
Под каждой статьей бегают какие-то ругательные люди с синдромом Туретта, проверяющие тебя на слабо, провоцирующие на нарушение лагерного режима. Они вообще не спят, потому что постят круглосуточно, сразу же после твоего поста шлют свой унизительный коммент, порой с презирающей картинкой. И сколько бы ты ни отвечал, сколько бы ты ни пытался найти общий язык или хотя бы смысл, ни один твой пост не остается не обгаженным. Ощущаешь себя в тюремной камере…
