Компания «Яндекс» выпустила декабрьские обновления для «Яндекс Станций» и «ТВ Станций», включая более десяти новых опций — от новых возможностей «Алисы» на устройствах до улучшений в управлении звуком и контентом, персональных итогов года и новых ИИ‑подборок. Также в мобильном приложении «Дом с Алисой» появились персональные итоги года — короткая история о том, как прошёл у пользователя год с «Алисой» и умными устройствами.
Что может быть общего у новогодних праздников, технической реконструкции и электровакуумных приборов? О чём тут можно поговорить, в атмосфере всеобщего «Джингл бенс — джингл бенс»? Разумеется, это световое оформление праздника — светящиеся украшения, гирлянды. Современные светодиодные их варианты, естественно, отметаем, как и не станем смотреть на прорву обычных скучных пластиковых фонариков со стандартными миниатюрными лампочками накаливания. Пороемся и поищем более или менее оригинальные в техническом смысле украшения или, по крайней мере, интересные решения их отдельных узлов. Тёплые ламповые, да. Исследуемое время и пространство ограничим просторами нашей необъятной Родины, скажем — «то, что могло попасть в руки среднестатистическому гражданину СССР».
Хабр, всем привет! На связи Никита Полосухин, ведущий аналитик центра мониторинга и реагирования на кибератаки RED Security SOC. Сегодня мы разберем loader от группировки BO Team. Материал предназначен для начинающих ИБ-специалистов и представляет собой краткий мануал, который поясняет, как быстро определить функциональность вредоносного ПО, достать из семпла индикаторы и какие инструменты можно использовать для анализа.
По данным китайского отраслевого форума Board Channels от 17 декабря, которые подтвердило тайваньское издание Benchlife, NVIDIA планирует сократить производство видеокарт GeForce RTX 50-й серии на 30–40% в первой половине 2026 года. Причина проста: ускорители для дата-центров приносят компании $51,2 млрд за квартал, тогда как игровой сегмент — лишь $4,3 млрд. Соотношение почти 12 к 1. На фоне дефицита памяти GDDR7, которую производители перенаправляют на более маржинальные HBM-чипы для ИИ-ускорителей, NVIDIA делает очевидный выбор в пользу дата-центров.
Неделю назад выступал с темой MCP сервера и как можно решить проблему с забиванием контекста как при старте диалога, так и при последующем общении через MCP сервера
Это больше походит на исследовательскую работу, а не на мой каждодневный сценарий использования. Мне было интересно, до скольки токенов можно сжать диалог без ухудшения качества
Вот, можете ознакомиться ⤵️⤵️⤵️
Давайте для начала о том, что такое MCP
MCP — протокол, который позволяет LLM подключаться к внешним сервисам: Notion, GitHub, Jira, Google Analytics, любой сервис с API. Один стандартный разъём вместо зоопарка интеграций — как USB для AI.
Протокол создали в Anthropic в ноябре 2024, в декабре 2025 передали в Linux Foundation с поддержкой OpenAI, Google, Microsoft и AWS. Де-факто стандарт индустрии. Вот тут есть каталог серверов, можете глянуть
Но у MCP есть две неочевидные проблемы, на которые я наткнулся после нескольких месяцев активного использования.
🛸 Проблема №1: Tools съедают контекст до старта
Предзагруженные MCP Tools занимают Context Window ещё до первого сообщения. Как системный промпт — уже там, когда вы только открыли чат.
Конкретные цифры из моих замеров:
Apify MCP — 7 инструментов, ~11.8k токенов
GitHub Official MCP — 40 инструментов, ~25-30k токенов
Несколько серверов вместе — легко съедают 40-70k токенов
При контексте в 200k это уже 20-35% бюджета — и вы ещё ничего не спросили.
🛸 Проблема №2: JSON забивает контекст в процессе
MCP-сервер — это переброска JSON-запросов между LLM и сервисом. Каждый вызов инструмента генерирует запрос и ответ, которые остаются в истории чата. Эти JSON часто громоздкие — особенно ответы с данными. Контекст забивается не на старте, а по ходу общения.
Почему это важно
Популярные модели имеют Context Window 128-200k токенов. Это весь бюджет чата: системные промпты, знания о вас, файлы, коннекторы. Что не влезает — забывается.
Хуже того: чем больше загружено в контекст, тем чаще модель теряет детали. В тестах на поиск 8 фактов GPT-5.1 падает с 65% до 30% при заполнении до 100k токенов. Даже более мощная GPT-5.2 проседает с 95% до 70%.
То есть проблема не только в лимите, но и в качестве работы модели при забитом контексте.
Решение для проблемы №1: Dynamic MCP
Docker Dynamic MCP — подключаем серверы не заранее, а динамически, во время разговора.
Например, вместо 40+ инструментов GitHub в контексте постоянно — лёгкий шлюз с базовыми командами:
mcp-find — найти сервер в каталоге
mcp-add — подключить к текущей сессии
mcp-exec — выполнить инструмент
mcp-remove — отключить сервер
Базовая нагрузка: ~4k токенов вместо 40-70k. Серверы подключаются по требованию и удаляются, когда больше не нужны. Работает с каталогом Docker MCP, где уже 300+ верифицированных серверов.
Нужно установить Desktop Client и в настройках Beta Features включить Enable Docker MCP Toolkit
Решение проблемы №2: запускать MCP сервера в SubAgents
SubAgents из Claude Code выполняют запрос в изолированном контексте, возвращая только результат.
Вся грязная работа — поиск серверов, подключение, вызовы инструментов, парсинг JSON-ответов — происходит в отдельном контексте подагента. В основной контекст попадает только чистый финальный ответ.
Claude Code (основной контекст)
│
▼ Запрос
┌─────────────┐
│ SubAgent │ ← вся работа с MCP
└─────────────┘
│
▼ Только результат
Claude Code (чистый контекст)
Итог: ~70k токенов экономии = 35% контекста свободно для реальной работы
Для полного описания всего этого нужна большая статья, так как без картинок и примеров суть идеи может быть непонятна
Факториалы и субфакториалы. Разбираемся с ними вместе с экспертами ИТ-компании «Криптонит».
Когда человек первый раз встречает восклицательный знак в математических записях, он обычно удивляется. Это выглядит, словно цены на распродаже: 50! 80! 100!
На самом деле запись вида n! называется факториал и означает произведение всех натуральных чисел от 1 до n. Например: 5! = 5 × 4 × 3 × 2 × 1 = 120.
Идея факториала встречалась ещё в Древней Индии, а современное обозначение n! ввёл французский математик Кристиан Крамп в 1808 году.
Функция вычисления факториала есть во многих математических библиотеках. Она применяется, в частности, при анализе алгоритмов сортировки для определения верхней границы их сложности.
В общем случае факториал n! показывает количество всех возможных перестановок ИЗ n элементов. Например, из трёх элементов [A, B, C] всего может быть 6 перестановок: ABC, ACB, BAC, BCA, CAB, CBA, т.е. 3! = 6.
Дальнейшее развитие идеи привело к появлению субфакториала.
Он обозначается !n и показывает число перестановок n элементов, в которых ни один элемент не остаётся на своём месте.
Для тех же трёх элементов [A, B, C] субфакториал записывается как !3 и равен двум, поскольку возможны только две комбинации, в которых каждый элемент меняет своё положение: [B, C, A] и [С, A, B].
Факториалы и субфакториалы используются в разных разделах математики.
В комбинаторике они выражают количество перестановок, в теории чисел их изучают в контексте делимости, в теории вероятностей — для подсчёта элементарных исходов.
В новостях нам чуть ли не каждую неделю рассказывают о том, что очередная новая AI-моделька начисто победила людей в каком-нибудь супер-невозможном бенчмарке – а значит, нас ждет полная доминация жестянок уже не далее, чем завтра. И меня тут внезапно настигло чувство дежавю с тем, как я два года назад изучал греческий (потерпите, сейчас всё станет понятно).
В 2024 году я чуть больше чем за полгода занятий с репетитором подготовился и сдал экзамен по греческому языку сразу двух уровней A2 и B1 на «отлично» (или, как говорят греки, «αρίστα»).
Но есть нюанс! Говорить/писать на греческом более-менее свободно я так и не могу. Потому что задачи «сдать экзамен по языку» и «выучить язык» хоть и являются частично пересекающимися, но они далеко не идентичны. И в условиях ограниченных ресурсов, решить первую задачу сверх-оптимизацией получаемых знаний и навыков конкретно под узкую цель «получить все нужные галочки на экзамене» – это гораздо легче, чем прямо «по-честному» осваивать весь широкий набор языковых навыков.
Похожая проблема существует и в мире бенчмарков для оценки искусственного интеллекта. Базовая логика у них понятна: «давайте возьмем какой-нибудь набор задач, которые люди более-менее умеют решать своим мясным умишком с успешностью в среднем эдак 80% – и, если AI их в этом обгонит, то можно заключить, что он уже умнее человека!»
Загвоздка здесь в том, что как только такого рода бенчмарк публикуют, и он привлекает к себе общественное внимание – достичь цели «набрать самый высокий результат и победить на этом фестивале писькомерства между альтмасками и цукербринами» оказывается гораздо проще не через длинный путь «делаем сверх-умную модель, которая вообще всё делает оче-оче круто, в том числе и этот набор задач», а через банальное задрачивание модели на конкретный тип задач в этом тесте.
К чему это я? Тут нейросети на днях успешно забороли очередной «непобедимый бенчмарк по креативности, который уж точно может решить только по-настоящему генерализованный интеллект не хуже человеческого» (читайте подробное описание сути дела у Игоря Котенкова). Значит ли это, что, наконец, «AGI achieved»? Ну, э-э, скорее нет, чем да (по причинам, описанным выше).
Отдельный здесь кек – это то, что для решениях самых сложных задач в такого рода бенчмарках нейросети уже не просто кидают на амбразуру с наказом «ну ты это, постарайся там». Нет, им сейчас делают целый обвес специальных правил, как правильно методологически раскалывать такие орешки. Типа: ты сначала нагенерируй 100 разных ответов на этот вопрос, потом каждый ответ попробуй заново подставить к задачке и прикинь «а не херню ли я сделала?», а потом еще пусть итоговое решение отберет из прошедших предыдущие фильтры вообще другая строгая нейросеть-критик.
И тут уже возникает вопрос: а можно ли считать, что тут действительно валидным будет утверждение «модель XXX решила бенчмарк YYY»? Ведь, в каком-то смысле, тут не сама модель придумала вот этот весь алгоритм – а кожаные датасаентисты сами его подобрали таким образом, чтобы максимизировать получающийся результат.
Случилось так, что мне пришлось участвовать в разработке на Go. До этого с Go я был знаком шапочно, большую часть времени работая с Rust. Изучить Go оказалось не сложно, но после того, как мы приступили к разработке, обнаружились неприятные моменты. Выяснилось, что по сравнению с Rust, в Go местами не хватает гибкости языка, местами есть способы выстрелить себе в ногу. Так что спустя почти полтора года промышленной разработки на Go, я решил написать эту статью, где (без какого-то строгого порядка) перечислю моменты Go, которые вызывают боль у человека, пришедшего из другого языка (сравнивать я буду с Rust, так как это мой основной язык).
Твоё внимание – нефть 21 века. Мы действуем исходя из того, на что направлено наше внимание. Никакая работа не будет эффективной, пока фокус внимания распылен на десятки мелочей. Целеполагание помогает вырваться на короткий миг из хаоса тысячи мелочей. Но остаться над всем происходящим, отстаивать свои интересы и держаться намеченных целей – вот, что помогает тебе быть совершеннее. Как воплотить все это в жизнь, в теории и с наглядным примером, разбираем в материале.
Мои рассуждения про будущее web‑разработки — не в абстрактном смысле «что будет с React или с PHP», а в очень прикладном контексте: проектная разработка клиентских сайтов для веб‑студий и digital‑агентств.
Главный тезис, который я вижу всё отчётливее: ИИ делает дешёвым «сделать», но дорогим «поддерживать и не ломать». И именно поэтому ценность архитектурной ясности, доменных инвариантов и проверяемых контрактов будет расти, а не исчезать.
Я Олег Одинцов, платформенный инженер App.Farm. App.Farm — собственная разработка Россельхозбанка, которая используется для стандартизации процессов разработки программного обеспечения и предоставления высокоуровневого интерфейса пользователям для автоматизации их задач. Можно сказать, что App.Farm — это автоматизация «под ключ». Пользователь получает полный цикл управления разработкой от размещения кода до деплоя приложений. Более «смузийное» название — IDP платформа.
UserGate, российский разработчик решений по информационной безопасности, подвёл итоги уходящего года. Качественное развитие бизнеса позволило вендору укрепить лидерские позиции и заложить основу для экспансии в новых для него сегментах российского рынка кибербезопасности.
UserGate улучшил свой флагманский продукт UserGate NGFW, вывел на рынок два новых продукта — UserGate DCFW (высокопроизводительный NGFW для защиты ЦОД) и UserGate WAF (межсетевой экран для защиты веб-приложений), а также презентовал новый юнит высококвалифицированных экспертов — UserGate uFactor. Команда UserGate за год выросла более чем на 40% (до 700+ сотрудников), в том числе за счет активного привлечения ведущих экспертов рынка ИБ. Кроме того, вендор открыл ряд лабораторий по информационной безопасности в ключевых технологических вузах России. Результатом плодотворной работы компании также стало укрепление положения в независимых отраслевых рейтингах.
Всем привет, давно хотелось соорудить свое оконечное устройство на Zigbee, и оказалось это не сильно сложно. Тем более что основа в виде Home Assistant на Raspberry Pi 4 со свистком Zigbee 3 SONOFF USB Dongle Plus-E есть и работает. Правда до этого в нем были только фабричные zigbee устройства, в основном Aqara. Итак погнали.
🤖 Тысячи копий одного и того же алгоритма от Claude/Grok/ChatGPT торгуют друг против друга. Это создаёт спираль смерти, на которой зарабатывает только биржа через комиссии
Для чего нужен Умный дом и почему я разработала свое устройство
История о разработке устройства умного дома без опыта, с минимальными ресурсами и максимальными приключениями в течение 6 лет. МУЗА — одно простое устройство для управления всеми основными функциями Умного дома, умная колонка с Алисой, датчиками и камерой в одном корпусе.
Среди наиболее удивительных вещей, о которых я узнал за пять лет работы в редакции «Хабра» — игра «Жизнь» Джона Конвея, представляющая собой эталонный клеточный автомат. В моём втором блоге @Sivchenko_translate где собраны технические переводы, я опубликовал в январе 2023 года статью «Игра «Жизнь» — как собрать произвольный шаблон всего из 15 глайдеров», в комментариях к которой среди прочих отметился и уважаемый Павел Гранковский @Pavgran впоследствии вышедший со мной на связь и посоветовавший почитать замечательную бесплатную книгу «Conway's Game of Life Mathematics and Construction».
В меру моего понимания этого клеточного автомата, такую систему вполне можно было бы воспроизвести in vivo при помощи генетических алгоритмов. Сегодня я хочу рассказать вам о разработке, которая очень приблизилась к этому идеалу – так называемых «ксеноботах». Это самовоспроизводящиеся многоклеточные биороботы, созданные в 2021 году на основе стволовых клеток лягушки. С ксеноботами связывают заманчивые перспективы развития наномедицины, а также существенные риски, которые могут возникнуть при неконтролируемой репликации таких единиц. Ранее ксеноботы упоминались на Хабре как в новостях, так и в лонгридах, например, в статье уважаемого @Dmytro_Kikot «Ксеноботы: живые нанороботы из клеток лягушки», вышедшей в корпоративном блоге «ua-hosting.company». А теперь пойдёмте под кат.
В середине двухтысячных в крупных городах началось распространение подключения к интернету по выделенному каналу. В те годы появилось множество провайдеров, часть из которых работает и поныне, а множество пользователей впервые смогли получить высокоскоростное соединение.
Помимо привычного нам приходящего в квартиру кабеля некоторые операторы использовали другие методы подключения. Об одном из них, на мой взгляд, весьма необычном по нынешним меркам, мы сейчас и поговорим. Узнаем, как это работало, посмотрим на оборудование и попробуем его запустить. Как водится, будет много интересного.
В предыдущей статье я подробно рассказывал об истории появления эндоскопической рукавной гастропластики (ESG) - о том, как инженерная идея превратилась в рабочую клиническую технологию для борьбы с ожирением.
Сегодня хочу перейти от истории к практике и разобрать три реальных клинических случая из своей работы. Три пациента, три принципиально разные ситуации. Их объединяло одно - лишний вес, который мешал жить…
Почти завершился ещё один рабочий год нашей редакции. Под новогодние каникулы решили собрать в статье книги, которые сделают свободное время на долгих выходных тёплым, захватывающим или продуктивным. Уверены, рекомендации добавят новых впечатлений и идей, которые вы сможете забрать с собой в 2026-й.
