ЕГЭ обычно сдают выпускники, но в мае 2025 его сдавали и мы, командой из 300+ человек, разбросанных по 177 школам Санкт-Петербурга, от центра до Кронштадта. Задача была одна — не дать упасть системе видеонаблюдения. Именно тогда мы поняли, что следующий подобный проект должен быть устроен иначе.
Привет, Хабр! Автор этой статьи — Александр, аналитик Directum Projects, и у него для вас провокационный вопрос: «Кто не любит деньги?». Пока вы думаете об ответе, дадим свою версию. Это руководитель проекта.
Спор вокруг Unix и его возможного следа в Linux уже пережил банкротства, смену владельцев, несколько переименований компаний и даже смерть одного из главных участников. В последние годы могло показаться, что он утих, но нет. В июне 2026 года в Апелляционном суде второго округа США прошли слушания по делу Xinuos против IBM. Компания, которая когда-то купила остатки бизнеса SCO, пытается доказать, что у нее есть основания требовать компенсации. И хотя перспективы выглядят скромно, сам факт возвращения спора показывает, насколько запутанной оказалась история прав на одну из важнейших операционных систем прошлого.
Использовать нейросети для работы с внутренними данными компании — идея классная, но скармливать их внешним API банально опасно. Никому не хочется, чтобы коммерческая тайна или уязвимости инфраструктуры утекли в сеть.
Выход — поднять модель в своем закрытом контуре. В этой статье мы пошагово развернем языковую модель nvidia/MiniMax-M2.7-NVFP4 на GPU-сервере и подключим ее к S3-совместимому объектному хранилищу. Под катом разбираемся, как подобрать конфигурацию сервера для запуска, создать преднастроенную виртуальную машину, запустить MiniMax-M2.7 через vLLM, подключить S3 и загрузить туда тестовые логи, а также передать модели технический контекст из S3 и сохранить сформированный отчет обратно в бакет.
Генеративный ИИ всё активнее проникает в корпоративные процессы, но во многих компаниях его продолжают внедрять по-старому — точечными решениями под каждый отдельный кейс. Почему такой подход упирается в потолок и что приходит ему на смену, рассказывает Илья Радченко, директор по платформенным продуктам SimpleOne.
После вайб-кодинга: почему в 2026 году появляется новый класс Code Clean-up Agents. Как стоимость разработки смещается от генерации к проверке, рефакторингу и контролю изменений
Я всё чаще вижу один и тот же сценарий. Агент получает задачу, за несколько минут собирает патч, запускает тесты и сообщает об успехе. Первый просмотр выглядит обнадёживающе. Потом начинается ревью.
Чем быстрее появляется код, тем больше времени уходит на восстановление контекста: что агент поменял, на какие факты опирался, какой конфигурацией запускал тесты и сколько попыток сделал до финального ответа.
В этой точке полезно отделить генерацию патча от подготовки изменения к отправке в основную ветку. Для второй задачи в 2026 году формируется отдельный класс инструментов: Code Clean-up Agents.
Кажется, что в процессорном мире все идет строго по плану: вышла Zen 5, готовится следующее поколение, а сокет AM5 постепенно становится основной платформой AMD. На этом фоне немного странно видеть в продаже процессоры с архитектурой 2019 года. И речь не о складских остатках, а о вполне новых моделях.
Вот наглядный пример — в марте 2026 года вышел Ryzen 7 4700LE. Восемь ядер, шестнадцать потоков, теплопакет 65 Вт, никакой встроенной графики и все тот же сокет AM4. В его основе лежит архитектура Zen 2 и кристалл Renoir, давно знакомый по мобильным процессорам. Теперь этот чип используют в недорогих игровых сборках с RTX 3050 с ценой примерно 800 долларов. Возникает закономерный вопрос: зачем AMD продолжает выпускать процессоры на архитектуре и платформе, которые, казалось бы, уже давно должны были уйти в прошлое?
Июнь выдался плотным: Qualcomm придумала замену HBM памяти в GPU, развивается PCIe 6.0, а китайцы прогнали 51 Тбит/с по полой трубке из стекла. Разбираем всё по порядку, традиционный дайджест серверного (и не только) железа от менеджера продукта Selectel в этой статье.
Почти каждый предприниматель относит работу бухгалтера к расходной части, считает его лишним звеном или неизбежным злом, а некоторые — и вовсе агентом ФНС. И это почти правда. Но есть вариант, когда бухгалтер позитивно влияет на прибыль, объем производства и даже на рост продаж. В статье я собрала пять разных сценариев взаимодействия с бухгалтером. Разберу, почему вы теряете деньги и нервы из-за неправильного понимания роли бухгалтера и как превратить его из агента налоговиков в реальный усилитель бизнеса.
Итак, когда предприниматель говорит бухгалтеру «вы просто сделайте, чтобы все было правильно», я понимаю, что разговор у них будет долгий. Дело в том, что «правильно» в его голове и «правильно» в Налоговом кодексе — это, мягко говоря, две разные вселенные. Но работа в тандеме возможна, если правильно распределить роли и выстроить диалог.
Бухгалтер в микро- и малом бизнесе — это по сути, единственный финансовый стратег в компании. От его решений зависят контракты с поставщиками и клиентами, трудовые отношения с сотрудниками, а так же налоговая нагрузка. Причем, если предприниматель выступает с инициативной позиции и предлагает решения, то бухгалтер часто наоборот — приземляет. Он выступает в роли шлагбаума. Его задача запрещать и не пущать. Но, к счастью, так бывает не всегда.
Каждый месяц кто-то отчитывается о сокращении рабочих мест и об успешной автоматизации с помощью ИИ. Но кто теперь будет отвечать за то, что эти люди делали?
Меня зовут Дмитрий Фырнин, я управляющий партнёр и технический директор SENSE. В статье разбираю, где проходит граница автоматизации. Спойлер: определяет её не сложность задачи, а то, может ли кто-то взять на себя ответственность за результат. И про то, что в действительности сокращают компании, отчитавшись об экономии на ИИ.
Меня зовут Саша Бобков, я UX-исследователь в Контур.Диадоке. Расскажу, как мы командой исследователей сыграли в «Оракл»: вытянули вслепую по пять карт, за 15 минут собрали из них продукты — местами вполне абсурдные — и защищали их друг перед другом.
Будет полезно, если вы ищете лёгкий формат для встречи команды и хотите размять продуктовое мышление без серьёзных слайдов и долгой подготовки. У нас вышло шумно, весело и неожиданно по делу :)
В июле Лян Вэньфэн, основатель DeepSeek, стал богатейшим человеком в мире среди создателей ИИ-моделей. По оценке Bloomberg, его состояние достигло $36 млрд после раунда финансирования DeepSeek на $7,4 млрд в июне 2026 года. Компанию оценили в $50 млрд, а доля Ляна сократилась до 78%.
Для инженеров рынка и создателей стратегий эта история важна не просто как очередная новость о китайском миллиардере. Это кейс о том, как системный подход к данным, алгоритмам и инфраструктуре может породить одну из самых влиятельных ИИ-компаний мира.
От университета до квантового фонда: первый опыт с данными
Лян Вэньфэн родился в 1985 году в Чжаньцзяне, Китай. В 17 лет поступил в элитный Чжэцзянский университет на факультет электроники и телекоммуникаций. В 2010 году получил степень магистра в области информационных и коммуникационных технологий. Его магистерская диссертация была посвящена алгоритму отслеживания целей с использованием экономичных PTZ-камер — ранний признак интереса к алгоритмическим системам.
В 2008 году, во время мирового финансового кризиса, Вэньфэн и его однокурсники начали анализировать данные финансового рынка и изучать количественный трейдинг. Это был его первый опыт объединения ИИ с финансами.
К 2013 году он интегрировал ИИ в количественный трейдинг и основал компанию Hangzhou Yakebi Investment Management. В 2016 году стал соучредителем Ningbo High-Flyer Quantitative Investment Management — фонда, который стал пионером в области количественного трейдинга в Китае. К 2019 году High-Flyer управляла активами на сумму более 10 млрд юаней.
Дано: инженерный стартап с продуктом для автоматизации строительного контроля. Первые B2B‑продажи есть, но рост встал — 1–2 демо в неделю.
Через два месяца та же команда проводит по 2–4 демо каждый будний день, закрыты 4 сделки, собрана база из 900+ целевых компаний. И всё это без ИИ‑агентов и волшебной лидогенерации.
Рецепт: вовлечение команды в планирование, еженедельные спринты по фреймворку OKR, одна спонтанная деловая игра, которая вскрыла настоящую проблему.
Я вёл этот проект как ментор и ниже разберу, что мы делали, что оказалось реальным барьером и какие ходы дали результат.
Как компании ищут генеральных директоров? Где размещают вакансии? Кого выбирать в финальный пул?
1. Искать кандидатов и предлагать им рабочие места (вакансии) можно в любом канале и в любой базе данных, в которых они могут быть. Собственно, HR маркетинг и заключается в том, чтобы четко выделить сегмент и портрет целевого соискателя (клиента) и предложить ему конкурентоспособное рабочее место с уникальным торговым предложением (EVP). Одним из элементов HR маркетинга является управление каналами распространения контента о рабочем месте - hh, чаты, объявления в электричках, приведи друга - и любыми другими.
2. HR маркетинг возникает из необходимости продажи рабочих мест соискателям. Продажи рабочих мест делятся на прямые и непрямые. Вот как раз в случае с генеральным директором - мы будем говорить скорее про прямые продажи.
3. Продажу таких рабочих мест поручают не каждому HRD. Для того, чтобы вести такого уровня переговоры от лица собственника надо быть глубоко погруженным в сам бизнес, понимать его особенности, достаточно тесно взаимодействовать с акционерами, быть сообразным масштабу задачи. Поскольку, обычно, HRD подчиняется как раз генеральному директору, у него не всегда возникает возможность добрать эти компетенции. Поэтому для решения таких задач часто привлекают кадровые агентства. Более того, лет 20 назад вообще было не принято напрямую обращаться к потенциальным соискателям - считалось неэтичным. И кадровое агентство становилось тем посредником, который снимал эту неловкость. На современном рынке труда правила изменились.
Эта статья — для собственников и руководителей среднего и малого бизнеса, которые хотят понять, где ИИ реально экономит деньги и снижает рутину.
Меня зовут Максим Голубов, я развиваю направление ИИ в ALP ITSM. Каждый месяц мы видим одну и ту же картину. В некоторых компаниях внедрение идет тяжело, потому что кто-то пытается внедрить ИИ при отсутствии порядка в процессах или данных. Другие ждут, что ИИ-бот начнет полноценно заменять сотрудников поддержки, при этом не вкладываясь в его развитие. Иногда сами сотрудники активно сопротивляются, потому что не понимают, зачем им новый инструмент. А бывают случаи, где сотрудники саботирует процесс, т.к. боятся что ИИ их заменит.
Корпорации уже вложили в искусственный интеллект десятки миллиардов долларов, но по данным исследования MIT NANDA «State of AI in Business 2025», только 5% внедрений реально окупаются, у остальных 95% — нулевая отдача от вложений. Это статистика больших игроков, но для малого и среднего бизнеса картина похожа: масштабы меньше, зато каждый промах бьет болезненнее. Один неудачный ИИ‑проект способен, к примеру, съесть финансовый результат целого квартала — именно поэтому важно заранее понимать, какую задачу вы решаете и как будете считать эффект.
Пока одни руководители осторожно пробуют, их продвинутые конкуренты уже доверили нейросетям разбираться с типовыми обращениями, анализировать данные и даже общаться с клиентами. Ключевой вопрос для МСБ сегодня звучит не «нужен ли нам ИИ», а «какую именно боль закрываем и как сделать это без тяжелых затрат».
В статье поделюсь опытом:
- где нейросети действительно помогают малому и среднему бизнесу;
- почему часть проектов «умирает» сразу после пилота;
- в цифрах разбираю российский и зарубежный опыт;
- дам практический чек-лист для самостоятельной оценки готовности компании к ИИ.
Опустим мечты учёных и фантастов 1950-ых годов о создании кибернетического сверхмозга и перейдём к практике: начиная с 1960-ых, ключевым направлением применения Искусственного Интеллекта стала автоматизация процессов управления и принятия решений. Грубо говоря, программисты думали как заменить менеджеров. В итоге получилось наоборот: менеджеры думают как заменить программистов.
Не только лишь Mistral
Что первое приходит вам в голову, когда вы слышите фразу «европейские LLM»? Опытный читатель наверняка вспомнит про французскую Mistral и... в целом, на этом всё.
Кто хоть раз собирал сводный отчет из десятка табличек, тот знает, что самые важные данные чаще всего живут в чьем-то личном Excel-файле, актуальная версия которого лежит в каком-нибудь личном чате. Мы столько раз проходили этот круг, что решили сделать большой шаг в сторону управляемой работы с данными для себя и наших клиентов.
В этой статье расскажем, как создавали собственный продукт KORUS Data Input для организации корпоративных систем ручного ввода данных и что из этого получилось.
Работая в IT и общаясь с разными специалистами, я заметил интересную вещь: собеседования часто воспринимаются как объективная проверка знаний, хотя на практике ими управляет множество человеческих факторов.
Эта статья - попытка показать другую сторону процесса найма и объяснить, почему результат собеседования не всегда является показателем уровня разработчика.
Всем привет! Это Денис Сметнев. Продолжаю свои наблюдения за вайбкодингом и за тем, как он меняет рынок. Увидел недавно график от венчурного фонда a16z и отметил, что релизы iOS-приложений к 2026 году взлетели почти вдвое, но вот количество пользователей остановилось или даже уменьшилось. Еще до этого появился SaaSpocalypse, когда рынок стал сомневаться в жизнеспособности модели по подписке, так как из-за вайбкодинга таких продуктов становится слишком много. Некоторые даже стали писать про иллюзию вайбкодинга: много приложений, а пользователей нет. В этом есть некоторая правда, но мне кажется, что это не иллюзия, а просто реальность. Хочу порассуждать о том, на что обратить внимание всем, кто сейчас делает свое приложение или SaaS, а точнее, почему надо обратить внимание на маркетинг.
