Все потоки

9 июня Anthropic выпустила Claude Fable 5 - первую публичную модель класса Mythos, на ступень выше привычного Opus. Релиз громкий: 80,3% на SWE-bench Pro, миграция кодбазы Stripe за день, "самая мощная публичная модель в истории компании". Но бенчмарки - это чужой опыт. 

Мне было интереснее проверить свое: может ли модель не просто написать кусок кода, а собрать маленький продукт целиком - с идеей, механикой, балансом, интерфейсом и концовками.

Поэтому я не стала просить змейку, To-Do планер или лендинг. Я попросила одним промптом собрать браузерную игру - симулятор админа Telegram-канала про ИИ. Получился Нейровестник. Поиграть можно и с телефона.

Спойлер: модель сама вшила в баланс мораль.

Компании тратят миллионы на обучение менеджеров, но дорогие ошибки часто совершают рядовые сотрудники: водители, кассиры, операторы производства. Проблема в том, что большинство корпоративных курсов изначально создавались не для них.

В реактивной системе все состояния связаны друг с другом инвариантами в единый граф. Когда мы изменяем что-то с одной стороны этого графа, рантайм обеспечивает каскадный пересчет зависимых состояний. Такие последовательности пересчетов — это ничто иное, как потоки информации (data-flow). Чем прямолинейнее эти потоки, чем меньше они разветвляются и затрагивают состояния, не относящиеся к изменениям, тем эффективнее работает система. И здесь есть два подхода к оптимизации потоков информации…

В прошлой статье мы разбирались с тем, как наука смотрит на вопросы увеличения прочности 3d модели, распечатанных с помощью fdm печати. 

Там же мы узнали, что огромное количество учёных занимает этот вопрос, и количество статей на эту тему исчисляется сотнями (если не тысячами), — исходя из чего, мы смогли до себя почерпнуть некоторое количество вводных параметров (толщина слоя, толщина стенок, параметры заполнения) — для разных пластиков, которые можно было бы использовать в своей практической деятельности. 

Практический смысл в этом знании такой, что мы там увидели, как можно было бы экономить пластик, и что 100%-заполнение при 3d печати — вовсе не единственный способ обеспечения гарантии высокой прочности распечатки. 

Однако, как я уже и говорил в этой статье, мы специально оставили в стороне, только немножко затронув, интереснейший вопрос — а как и в каких местах должны быть применены указанные параметры? 

Так как, даже интуитивно, многие, наверное, чувствуют, что «слои и заполнение надо сделать вот такими» — даже не изучав в своём институтском прошлом такую дисциплину как «сопротивление материалов» (попросту «сопромат» в обиходе), которая по большому счёту и изучает оптимальную форму конструкций для определённых материалов. 

Потому что, зачастую, это интуитивное ощущение оказывается верным, и пространственное расположение элементов конструкции распечатки весьма важно для прочности (и это мы уже увидели в прошлой статье) — однако это знание было бы неполным, без рассмотрения конкретных способов усиления определённых мест модели — что мы и рассмотрим в этой статье!

Привет, Хабр! Меня зовут Дмитрий, я руководитель проектов в РГС. И я решил рассказать, как я собирал свою умную дачу в лучших традициях, то есть «от балды». Вот здесь можно прочитать первую часть про, с чего вообще все началось и почему я взялся за модернизацию своего дома из 80-х.

А в этом статье поговорим про контроль напряжения, водоснабжение, газовое оборудование, отопление и систему освещения. Без лишних предисловий — поехали.

Если вы запускаете GPU-нагрузки (графические ускорители) на Kubernetes — vLLM, Triton, обучающие задачи или более новые стеки агентного инференса, — вы наверняка сталкивались со знакомой проблемой: стандартный автоскейлинг по-прежнему мыслит в категориях CPU и памяти, а GPU, который реально делает работу, остается невидимым. Из-за этого простаивает дорогая емкость ускорителей, растет задержка инференса и расходуется лишняя энергия — ровно там, где компании пытаются ответственно масштабировать LLM и Agentic Ops (подходы к эксплуатации Agentic-систем).

VK Cloud перевела статью автора, который хотел бы, чтобы KEDA масштабировался по сигналам, которые важны для GPU-нагрузок: утилизации, памяти, температуре и энергопотреблению. На практике это не только вопрос стоимости. Это еще и вопрос GreenOps (экологичный подход к эксплуатации с минимизацией углеродного следа): впустую потраченные GPU-циклы напрямую превращаются в потраченную энергию и более высокие выбросы категории Scope 3 (косвенные выбросы в цепочке создания стоимости).

Оказалось, что это сложнее, чем кажется. Дальше повествование идет от его лица

Около года назад я разработал небольшое приложение для доступа к файлам на Wear OS. Рассказываю о том, как я добавил новый функционал: передача файлов со смартфона на часы, а также просмотр изображений и документов прямо на часах.

Я реализовал свою первую задачу по замене «Яндекс Диска», довёл скорость до 1,1 ГБ/с и пошёл дальше — установил Kubernetes дома. Я не инженер DevOps, но на своём кластере из старых Mac mini я запустил полноценный K8s с Managed Services.

Чем больше у вас сбоев, тем больше зарабатывает подрядчик. И это не злой умысел. Так устроена типовая модель оплаты, где исполнителю платят за закрытые заявки и отработанные часы. У него просто нет причины сокращать количество заявок. Разберем, почему «чинить быстро» и «сделать, чтобы не ломалось» — две разные бизнес-модели и как достичь того, чтобы аутсорсер работал по второй. Также поделимся почему дело не столько в модели, сколько в зрелости обеих сторон.

В этом проекте собрали систему мониторинга для помещения арендатора под ЦОД. На объекте уже работали отдельные подсистемы — электроснабжение, кондиционирование, ИБП, тепловой узел, датчики протечек — но каждая из них существовала сама по себе. Оператору не хватало общей картины: параметры приходилось смотреть в разных интерфейсах, а часть событий можно было просто пропустить.

Задача состояла в том, чтобы объединить все источники данных в единую диспетчеризацию без вмешательства в работу оборудования. В результате построили систему, которая собирает данные, отображает их в единой мнемосхеме, фиксирует события и помогает не только реагировать на аварии, но и анализировать режим работы объекта.

Если у вашей компании на ОСНО входящий НДС превышает начисленный, вы фактически беспроцентно кредитуете бюджет: деньги заморожены, вместо того чтобы работать в обороте. Возмещение возвращает их на счет. Разберем механику системно: где возникает право на возврат, какой порядок выбрать под свою ситуацию и как пройти камеральную проверку без потерь. Речь не про «схемы», а про штатную процедуру для бизнеса на общей системе.

Технически НДС — это поток. Весь входящий налог из счетов-фактур поставщиков идет в книгу покупок, весь исходящий с вашей реализации — в книгу продаж, а разница за квартал подлежит уплате. Когда вход превышает выход, образуется отрицательное сальдо, которое можно вернуть. Но бизнес опасается заявлять возмещение. Дело не в самой камеральной проверке: ее проходят все декларации. Дело в том, что возврат — это расход бюджета, и налоговая обязана убедиться в его обоснованности. При возмещении она проверяет отчет не только автоматикой (АСК НДС-2 ищет разрывы по цепочке), но и вручную, и запрашивает много документов. Задача не в том, чтобы искать лазейки, а в том, чтобы заранее закрыть слабые места: счета-фактуры, реальность сделок и раздельный учет. Покажем, где эти места искать и как их усилить.

Привет! Я — Мария, руководитель направления автоматизации процессов управленческого учета, бюджетирования и контроля расходов.

На проектах регулярно сталкиваюсь с тем, что в организации автоматизировали согласование заявок на расходы, но вопросы о свободных лимитах, обязательствах и план-факте по-прежнему приходится решать вручную.

Со стороны это выглядит странно: автоматизация есть, а полноценного бюджетного контроля нет.

В этой статье я хочу посмотреть на проблему с архитектурной точки зрения. Разберем жизненный цикл бюджетного лимита и пять типовых разрывов процесса, которые чаще всего становятся причиной возврата к Excel-сверкам, ручному план-факту и спорам о доступном бюджете уже после внедрения.

Статья будет интересна бизнес-аналитикам, архитекторам, руководителям проектов автоматизации, а также сотрудникам финансовых подразделений, участвующим в развитии бюджетного процесса и управленческой отчетности.

Статья призвана познакомить читателя с тем, как биологические механизмы могут применяться при разработке искусственных нейронных сетей для создания сильного искусственного интеллекта (AGI).

История Maersk началась еще в 1886 году, когда жена капитана Петера Мёллера внезапно тяжело заболела. В отчаянии мужчина начал молиться со всей силой, и в конце своей молитвы он попросил у Бога какой-то знак, чтобы появилось какое-то доказательство того, что его молитва услышана. И тогда посреди неба, полностью погребенного под густыми тучами, сквозь тьму внезапно пробилась одна яркая звезда.

Эта статья является продолжением цикла статей. В предыдущей статье мы узнали как организован модуль спутниковой связи Satellite и как его установить в симулятор NS-3. В этой же статье мы познакомимся с наиболее употребляемыми классами симулятора NS-3, без знания которых в моделировании не обойтись

Началось все с того, что я, ощущая на рынке кризис, решила поговорить с предпринимателями и узнать, как его ощущают они. В итоге из этого выросло полноценное исследование, о результатах которого я уже рассказывала тут.

В результате выяснилось, что 60% респондентов планируют делать ставку на развитие партнерского канала в 2026 году, чтобы оставаться на плаву. 

Из этого появилась идея разобраться, как ведет себя рынок вакансий и резюме менеджеров по работе с партнерами, результатами которого делюсь.

Пользователь столкнулся с ошибкой в вашей программе. Трекер ошибок ее зафиксировал. Стек-трейс показывает место сбоя. Но что делал пользователь за несколько секунд до этого? Какие запросы выполнялись? На каком шаге сценарий пошёл не так?

Для ответа на эти вопросы в трекерах ошибок используются Breadcrumbs — цепочка событий, предшествующих ошибке. Разберём, как они работают в Хоуке и как помогают быстрее расследовать сбои в приложениях.

Есть такая городская байка: если угадать правильную скорость, то можно проехать десяток светофоров подряд и ни разу не остановиться, поймав «зелёную волну». Водители из разных городов охотятся за этим ощущением десятилетиями. А мы взяли щепотку данных, немного технологической магии, дизайна и превратили эту байку в работающую фичу в навигаторе 2ГИС. 

Меня зовут Даня. Я продуктовый дизайнер команды Транспорт и сейчас расскажу, как мы собирали зелёную волну: от первого скетча до запуска.

Она умерла в воскресенье вечером, и никто не услышал ни звука. Детективная история о том, как поставить прослушку на собственное приложение: Prometheus, Grafana, Micrometer, алерты, SLO. Все улики в комплекте, демо-проект прилагается. Совпадения с вашим продакшеном не случайны.

В большинстве бизнес-сценариев LLM перестала быть просто чат-ботом. Современные модели становятся частью агентских систем: у них есть инструменты, доступ к файлам, терминалу, браузеру, базам данных. Они не только отвечают на вопросы, но и выполняют действия.

В этой статье (ее первой части) разберём среду изолированного исполнения кода: песочницу (sandbox).

Представим ситуацию: пользователь загружает Excel-файл, просит проанализировать таблицу, найти аномалии и на основе анализа создать PowerPoint-презентацию. В чистом виде LLM не умеет читать файлы, строить графики и создавать презентации. Однако может написать код, который всё это сделает.

И тут появляется вопрос: где этот код запускать?

Генерируемый агентом код может быть ошибочным или, в случае с промпт инъекцией, намеренно опасным. Поэтому для безопасного исполнения кода агенту нужна песочница или изолированная среда.

В этой статье разберём:
- основные риски исполнения кода в неизолированной среде;
- что такое песочница и её ограничения;
- какие бывают подходы к реализации песочницы;
- вариант логики работы агента с песочницей.