«Яндекс» обновил алгоритмы поиска по картинкам, теперь система одновременно анализирует изображение и текст на странице, где оно размещено. Это позволяет учитывать возможные расхождения между фотографией и её описанием, рассказали Хабру в пресс‑службе компании.
17 лет с покупки первого айфона я складывал музыку в одну медиатеку. Она начиналась с mp3-шек на жёстком диске, пережила переезд в стриминг (через iTunes Match) и росла до марта 2026-го. Плейлисты «Deepden», “Kizaru”, “повтор” — собранные под себя, годами.
Потом сверху решили, что оплачивать Apple Music в России никак нельзя. Я закинул 2000 ₽ на счёт Apple, чтобы не умерла синхронизация с iCloud, остальные подписки отменил — с мыслью, что за год решения, как обойти ограничения, найдутся. Так и жил без подписки: медиатека на месте, слушать нельзя. В августе 2026-го понадобился особенный трек, которого не было в Я.Музыке (худший сервис — и, к сожалению, ровно потому, что соблюдает законы РФ). Завёл американский аккаунт — тем более после покупки MacBook Air в американском сторе подарили три месяца халявы. Регистрируюсь, соглашаюсь на триал, открываю «Музыку».
Пусто.
10 532 трека — как оказалось позже — канули в лету. Переживал я даже не из‑за конкретных треков, а из‑за плейлистов: там собирались подборки под каждое настроение. Собирать их заново — ни в Я.Музыке, ни где‑то ещё — у меня не было ни желания, ни времени.
6 453 трека и все плейлисты вернулись на место. Ниже — как именно.
В любой системе, где есть остаток, счётчик или итог, рано или поздно встаёт один и тот же выбор. Либо считать величину заново при каждом обращении к ней, либо хранить готовой и подправлять при каждом изменении исходных данных. Первое медленно и всегда верно, второе быстро и верно ровно до первой пропущенной правки. Выбор этот делают все: складские остатки, счётчики просмотров, баланс лицевого счёта, любые предрассчитанные итоги.
Я сделал его в 2002 году, выбрал хранить, и получил вместе со скоростью проблему на двадцать лет вперёд.
Проблема выглядела так. Хранимые остатки по счетам время от времени переставали сходиться с операциями, которые их формируют. Иногда на копейки, иногда на миллионы. Я написал утилиту, которая находила такие счета и правила цифры. Потом встроил её в запуск приложения. Потом добавил кнопку в интерфейс, потому что остатки успевали скривиться и среди дня. Костыль на костыле, зато быстро. Причину я нашёл только сейчас, когда сел писать систему заново: в новой архитектуре каждый случай приходится описывать явно и покрывать тестом, и на этом всё и вскрылось.
Причина оказалась не в триггерах и не в производительности. Она в том, что одно бизнес‑правило было записано в коде шесть раз в разных местах, а в седьмом его забыли написать.
В проекте периодически перезапускались PM2-воркеры. Сами рестарты сначала и были проблемой: процесс завершался, PM2 запускал новый, какое-то время всё работало нормально, затем ситуация повторялась.
По логам было понятно, что воркеры перезапускаются после достижения установленного лимита памяти. Увеличили лимит, воркеры стали жить дольше, но перезапуски никуда не делись: процесс просто позже доходил до нового значения.
И я пошёл искать причину.
Всего за несколько лет технологии ИИ заслужили популярность среди компаний – согласно отчёту McKinsey в 2025 году 88% компаний заявляли об использовании ИИ хотя бы в одной бизнес-функции.
Наряду с этим для злоумышленников ИИ становится и целью, и инструментом атаки. Такой факт подтверждается майским отчетом Google AI Threat Tracker – его обзор опубликован в моём канале.
В итоге компании внедрили технологии ИИ и начали задумываться о безопасности. А ведь многие процессы обеспечения информационной безопасности основываются на моделировании угроз. Откуда же можно узнать о возможных угрозах информационной безопасности, связанных с использованием ИИ?
Эта статья поможет ответить на этот вопрос – в ней представлен обзор основных источников для сбора информации такого рода, а в выводах определены лучшие.
Vercel совместно с AWS, GitHub, Microsoft, OpenAI и командой Cursor представила открытый формат Agent Plugins — единый стандарт упаковки плагинов для ИИ-агентов. Его цель — избавить разработчиков от необходимости адаптировать один и тот же навык или MCP-сервер под каждый клиент отдельно. Вместо набора несовместимых структур директорий и конфигураций предлагается единая файловая структура и общий манифест, который поддерживаемые платформы смогут распознавать автоматически.
На старте формат поддерживают ChatGPT, Codex, Cursor, GitHub Copilot, Kiro и Visual Studio Code. Первая версия спецификации — 1.0.0 — стандартизирует базовые компоненты: Agent Skills и MCP-серверы, позволяя распространять один и тот же плагин сразу между несколькими агентными средами.
Меня зовут Алексей Тиньков, я занимаюсь тестированием производительности уже 8 лет. В первой статье цикла хочу поделиться своим опытом организации процесса нагрузочного тестирования (НТ), рассказать о том, как правильно думать о тестировании производительности и чем оно принципиально отличается от привычного функционального тестирования.
Эксперты ИИ-интегратора полного цикла К2 НейроТех проанализировали «Budget Planning Guides 2027» аналитической компании Forrester и отметили, что после года осторожных расходов бизнес‑ и ИТ‑лидеры входят в 2027 год с уверенным ожиданием роста бюджетов и готовностью активнее инвестировать в искусственный интеллект. Результаты исследования указывают, что решающим фактором эффективности в ближайший год станет не объем вложений, а качество инвестиций в ИИ‑фундаменты – данные, инфраструктуру и управляемость проектов.
Однажды в проде контейнеры одного из сервисов начали падать по OutOfMemory. Контейнерам было выделено по 4 ГБ оперативной памяти, нагрузка была вполне обычной: десятки страниц в секунду.
Расследование показало, что проблема была в JSON-конфиге.
Схема была стандартная. В базе данных хранился JSON. При запросе приложение доставало его из базы, выполняло дополнительную обработку — заполнение вычисляемых полей, обогащение справочниками — и сохраняло результат в Redis. Подавляющее большинство пользователей запрашивало один и тот же JSON и ходило за ним в Redis.
Из-за ошибки в обработке закэшированный JSON распухал до десятков мегабайт. В кэш писались не только нужные поля, но и вложенные коллекции, история изменений, сериализованные справочники.
Казалось бы, если мы запрашиваем один и тот же JSON, размер не должен так критично влиять.
Но всё оказалось интереснее…
В рамках исследования под руководством Джи Квона и Чун Ки Чунга из Сеульского национального университета учёные пытались выяснить, можно ли воссоздать мелодии на основе мозговой активности людей, которые после прослушивания нескольких тактов мысленно представляли себе продолжение песен. Результаты работы опубликованы в журнале eNeuro.
В исследовании приняли участие 10 пациентов с эпилепсией, у которых для клинического мониторинга на поверхности коры головного мозга были установлены электроды. Участники прослушивали первые такты знакомых детских мелодий, затем мысленно представляли мелодии последующих тактов, а после этого напевали их.
Активность мозга пациентов содержала информацию об относительной высоте нот в воображаемых мелодиях. Объединение прогнозов высоты отдельных нот во времени позволило исследовательской группе воссоздать мелодический контур, отражающий структуру мысленно представляемых песен.
Квон поясняет: «Созданная нами модель декодирует относительные ступени — такие как до, ре, ми, фа, соль и ля, — а не точную абсолютную высоту нот. Это полезно, поскольку люди часто распознают мелодии по соотношениям между нотами, даже когда одна и та же мелодия исполняется в другой тональности».
По мнению авторов, исследование свидетельствует о том, что по сигналам мозга можно получить информацию об относительной высоте нот в мысленно представляемых мелодиях. Эти результаты могут послужить стимулом для будущих работ по декодированию других музыкальных характеристик, таких как темп и динамика, а также для изучения возможности применения подобных подходов не только к знакомым детским песням, но и к более сложной музыке.
Разработчик под никнеймом ShinyQuagsire опубликовал Klepton — экспериментальный слой совместимости, который позволяет запускать ARM64-приложения для Meta Quest и других устройств Android XR на macOS и Apple Vision Pro. В демо автор проекта запустил Quest‑версию Beat Saber на Vision Pro без дополнительного ПК, облачного сервиса и стриминга изображения.
Как аптечная сеть «36,6» снизила ИТ-расходы в 1,5 раза после переезда на bare metal
Аптечная сеть «36,6» росла, а инфраструктура за этим не успевала. Аналитические расчеты требовали все больше мощности, а ядро сети держалось на двух коммутаторах Cisco с потолком 1 Гбит/с — в часы пик из-за этого могли сбоить аптеки. Бюджет при этом растягивать не хотелось.
Решением стал переход на bare metal в Рег.облако. Собрали инфраструктуру, которая оставила «36,6» полный контроль над железом и дала запас мощности для роста.
Что сделали:
перенесли больше 400 виртуальных машин за два месяца, без простоев в бизнес-процессах;
в основном ЦОДе — хосты на AMD EPYC с памятью DDR5 и три системы хранения;
заменили ядро сети: вместо упиравшихся в 1 Гбит/с коммутаторов Cisco поставили масштабируемое программное решение;
добавили серверы с GPU под большие языковые модели и резервный ЦОД с объектным хранилищем S3.
В результате расходы на инфраструктуру снизились в 1,5 раза, производительность кластера выросла в среднем на 40%, а ключевой расчет ускорился с 22 до 16 часов. Подробнее о технической реализации — в кейсе на сайте Рег.облака.
Третья, заключительная статья об исследовании MiroFish, открытого стека мультиагентной симуляции общества. В первой части изложены методология и Silent Failure; во второй слепота отчёта, управляемая графом. В этой части: как одна фраза запроса превращается в конфигурацию запуска, что систему ограничивает на длинной дистанции, и общая карта находок серии.
Хабр, и снова здравствуй) На связи Алексей Боровиков, архитектор Astra Cloud. Тут такое дело, мы выкатили мажорный релиз нашей облачной платформы. Работа была проделана колоссальная, я не буду писать все изменения, иначе это будет не статья, а книга. Поэтому решил сфокусироваться на одном компоненте и рассказать, как мы его сделали и почему. Речь идет про IAM — Identity and Access Management. Он отвечает на главные вопросы облачной безопасности: кто, что сделал и имел ли на это право. Итаааак…
Компания «Диасофт» развивает возможности продукта «Ресурсное планирование», входящего в состав решения для управления проектами Digital Q.PM. Новые функции помогают организациям более эффективно управлять загрузкой ресурсов, планировать потребность в персонале, контролировать стоимость ресурсов и принимать обоснованные решения при реализации проектов.
Одним из ключевых обновлений стал оптимизатор ресурсов. Инструмент позволяет выявлять перегрузки и конфликты при распределении ресурсов, учитывать рабочие календари, отпуска, часовые пояса, региональные праздники, доступность сотрудников (например, работа на полставки, занятость операционной деятельностью) и их фактическую загрузку. Решение автоматически подсвечивает проблемные участки планирования и помогает скорректировать распределение ресурсов с учетом приоритетов задач.
«В большом проекте руководителю сложно вручную отслеживать загрузку всех участников команды. В плане могут быть сотни и тысячи задач, и увидеть конфликты ресурсов без специальных инструментов практически невозможно. Оптимизатор ресурсов в Digital Q.PM наглядно показывает перегрузки, учитывает графики работы и доступность сотрудников. Руководитель сразу видит проблемные места и может либо скорректировать план самостоятельно, либо использовать автоматическую оптимизацию. Такой функционал хорошо знаком пользователям Microsoft Project, поэтому сегодня он входит в число самых востребованных требований при выборе системы управления проектами», — отметила Екатерина Черных, главный архитектор продуктового направления «Управление проектами и командами» в компании «Диасофт».
Фермер из китайского городского округа Чучжоу начал пользоваться советами искусственного интеллекта год назад, но после нескольких месяцев взаимодействия приложение предложило 67-летнему мужчине совет, который привёл к гибели всего урожая.
Поставил OpenClaw и Hermes на один VPS и связал их между собой: первый принимает задачи из Telegram, второй исполняет их в своей песочнице. Через час после установки обнаружил, что панель управления агентом открыта в интернет, а ещё через полчаса — что фаервола на сервере нет вообще. Хроника нескольких вечеров про то, чем ИИ-агент опасен на своём сервере и сколько стоит поставить его по-человечески.
Каждая вторая статья про «алгоритм Threads 2026» держится на цифрах, которых никто не показывает. Я решила посчитать сама и заодно проверить, переживут ли выводы тест на случайность.
200 аккаунтов русскоязычных маркетологов, 16 724 поста. После чистки осталось 4 848 профессиональных постов от 103 авторов. Метод — нормализация внутри автора плюс перестановочный тест. На четырёх признаках из двенадцати это переворачивает знак эффекта относительно наивного подсчёта.
Результат неприятный: три самых частых приёма у маркетологов работают в минус, а приём с самым сильным плюсом встречается всего в 6% постов.
Дальше — сбор данных, метод с кодом и точными p-value, результаты и раздел про ограничения, которых тут хватает.
Threads принадлежит компании Meta, которая признана в России экстремистской организацией и её деятельность запрещена.
Релейная защита и автоматика (РЗА) является главным элементом безопасности любой энергосистемы. Сбои в работе питания, возникновение коротких замыканий, неселективная работа защит могут остановить не только работу предприятия, но и целых городов и даже стран, как было в истории с блэкаутом в Испании в 2025 году [1]. Поэтому, чтобы избежать таких случаев, от РЗА требуются максимального быстродействия, точности и надежности.
Модели REPEAT VISION позволяют подробно изучить структурные схемы и принципы действия защит, а также проводить эксперименты, моделирование аварийных случаев и подключение к терминалам защит. Ранее мы писали о моделировании электроприводов в REPEAT VISION [2]. Давайте разберем, как моделирование систем РЗА применяют для тестирования и предупреждения аварийных ситуаций на примере высокочастотной дифференциально-фазной защиты (ДФЗ) линий электропередач.
Недавно мне показали фото свеженамазанной платы от клиента. Выглядело изделие как попытка пьяного кондитера нарисовать зодиакальное поздравление. На вопрос о сути происходящего, технолог выдал универсальный ответ: «Паста плохая». Спойлер – попутный визит нашего наладчика показал, что паста ни при чем. Виновником был трафарет новенького принтера, который, как в анекдоте про бабку и врача, тоже надо мыть. Не последнюю роль сыграла и влажность в цеху, пляшущая на 50% туда-сюда, в зависимости от того, открыта ли дверь на склад.
