Моя лента

После "повторного выпуска" модели Mythos, она же Fable 5 от Anthropic для пользователей платных подписок, множество пользователей столкнулись с проблемой, когда модель начинает подозревать пользователя в попытке jailbreak-а модели - обхода системных ограничений. В том числе, модель агрессивно реагирует на почти любой промпт-инструкцию к проекту или к самому профилю пользователя, растягивая свои реакции на целые абзацы и тратя токены впустую.
Впервые я столкнулся с этим "багом" несколько дней назад, когда спустя несколько сообщений в новом чате, Sonnet 5 стал неожиданно реагировать на Project instructuions, которая на момент использования выглядела так

Исследователи Anthropic обнаружили внутри Claude небольшой набор нейронных паттернов, который они назвали J-space. Каждый паттерн связан с конкретным словом, но его активация не означает, что модель это слово произносит: слово просто "у нее на уме". Никто это пространство не проектировал — оно возникло само в процессе обучения. И в отличие от привычной "цепочки рассуждений", которую модель пишет текстом, J-space работает молча, внутри нейронных активаций.

Открыть код — не значит запустить open source. В статье разберём пять ошибок, из‑за которых корпоративные open‑source‑проекты быстро теряют контрибьюторов, комьюнити и DevRel‑эффект.

Сначала задача звучала просто: складывать PDF, CVE и статьи по кибербезопасности в одну базу, затем давать LLM-агенту подходящие фрагменты через HTTP API. На доске это помещалось в одну цепочку: загрузка, извлечение текста, разбиение на части, построение векторов, поиск.

Рабочий прототип появился быстро. Настоящая работа началась потом.

Минцифры РФ сообщило о выпуске мобильного приложения «Госкан» для быстрой проверки данных по QR-коду. Решение помогает сотрудникам организаций и ИП проверять данные по QR‑коду из приложений «Госуслуги» и «Госуслуги Авто», а также в Цифровом ID в МAX. В ведомстве заверили, что данные граждан не сохраняются на устройстве сотрудников компаний при задействовании «Госкан» и иметь к ним доступ никто после проверки не будет.

LLM может влезать в контекст и генерировать 200 tok/s, но если она не может найти нужный факт в тексте, толку от этого мало. Поэтому мы захостили 8 локальных LLM и прогнали через NIAH-тесты: тройной хоп, пять дистракторов и контексты до 256K.

Anthropic провела мероприятие «The Briefing: AI for Science», где анонсировала Claude Science — «AI-рабочую среду для учёных», которая собирает разрозненные инструменты и наборы данных в одном интерфейсе и умеет генерировать графики и визуализации. Но главная новость не в этом. Компания заявила, что пойдёт дальше продажи инструментов другим биотехам и фармгигантам, и начнёт разрабатывать собственные лекарства.

Руководитель направления наук о жизни Anthropic Эрик Каудерер-Абрамс сообщил, что компания сосредоточится на поиске методов лечения «забытых» (neglected) заболеваний. Каких именно — пока не уточняется. На запросы The Verge о первых целевых болезнях, возможных партнёрах для лабораторных работ, доклинических испытаний и производства ответа не последовало.

Всем привет! Меня зовут Катерина Цаплина, я AI Architect и программный эксперт курса «MLOps для разработки и мониторинга моделей». Работаю на стыке ML, инфраструктуры и корпоративной архитектуры в крупной промышленной компании и на практике вижу, насколько непросто выстраивать такие процессы в реальной организации.  

Это третья статья цикла о том, как компании реализуют MLOps. В предыдущих частях мы разобрали три архитектурных подхода и рассмотрели Uber Michelangelo — одну из самых известных внутренних ML-платформ. После знакомства с такой системой может возникнуть логичный вопрос: а обязательно ли строить собственную платформу?

На практике далеко не всегда. Для многих организаций более рациональным выбором становятся workflow-фреймворки для организации ML-разработки или managed-платформы облачных провайдеров. В этой статье разберём первый подход на примере Netflix Metaflow, а managed-платформы рассмотрим в следующей части.

Собираем бэкенд- и Go-разработчиков на вечер у бара «Юнион» 22 июля в Санкт-Петербурге — с хот-догами, бургерами и напитками.

В программе:

Fast Food System Design — придумываем архитектуру для нарочито странных и смешных задач. Никакой строгой методологии, только удовольствие от процесса и разговоров вслух.

— Нетворкинг с Go-разработчиками из Авито и других компаний

— Бинго, карьерная зона и другие приятности для тех, кто заглянет узнать про открытые позиции

— Гриль и напитки на всё время встречи

— Бинго, карьерная зона и другие приятности для тех, кто заглянет узнать про открытые позиции

Как попасть:

Участие офлайн, мест немного. Регистрируйтесь заранее — подтверждение придёт на почту. ФИО в форме указывайте так же, как в паспорте. На входе паспорт тоже понадобится, или водительское удостоверение. 18+

Зарегистрироваться на Go&Grill →

Системное мышление дает мощный инструмент для анализа реального мира и создания проектов, которые его изменяют. Казалось бы, такой инструмент полезен всем, кто работает со сложными системами. Однако, когда я несколько лет назад рассказывал про него на Analyst Days, то в обратной связи мне прилетел вопрос: «Это интересно, но зачем так сложно? Почему бы просто не взять c4-model и не создать модель на ее основе, это же гораздо проще?» Сейчас аналогичный вопрос появляется по поводу ИИ-помощников: нужно ли им мыслить в системном подходе, когда с ними ведут проектирование сложных проектов? И ответ столь же не очевиден. Вернее, для разработчиков ИИ-моделей ответ как раз был очевиден и он отрицателен: знающий системный подход ИИ будет разговаривать слишком умно, а исследования показывают, что люди этого не любят и отвернутся от ИИ. А надо, чтобы не отворачивались, а разговаривали. Поэтому ИИ подстраивается под уровень собеседника, по-умолчанию полагая его не слишком высоким в соответствии со статистикой.

При этом просто сказать «используй системный подход» – недостаточно. Дело в том, что за этими словами скрывается множество разных смыслов, начиная просто от умения применять хоть какую-нибудь последовательность вместо беспорядочного метания мысли. И среди этого множества описаний лишь малую часть составляют те, в которых говорят про мышление системами, с умением выделять их в окружающем мире, строить правильные отношения, различать эмерджентные свойства, присущие системе в целом от свойств отдельных частей, не путать функциональное и модульное деление системы. Поэтому просто по указанию «используй системный подход» ИИ легко может ошибиться. А раскрыть содержание, то есть описать, какие паттерны составляют системный подход – непростая задача. Однако, сейчас у нее есть доступное (и бесплатное решение), которое описано в статье.

Ровно 5 лет назад автором была написана статья о публичной меш-сети под названием "Meshtastic – оперативно-тактический радиочат без сотовой связи и интернета". На тот момент концепция была новым веянием времени и являла собой в мир эпоху МЭШ-технологий для простого народа. Тема в основном была предназначена для технически и програмно подкованных коллег-сотоварищей. Сегодня, по прошествии лет, Mesh-технологии шагнули далеко в мир и получили большое развитие в области WiFi сетей 5…8 поколений… но, сегодня вы узнаете не о Mesh-WiFi сетях, а о трансформации популярной сети Meshtastic в нечто новое и более удобное.

Для первой статьи о мышастике пришлось фантазировать гипотетическую ситуацию с ЧС и обыгрывать вокруг неё возможности этой сети. На дворе 2026 год и ничего выдумывать не нужно. В последнее время всё вокруг нас (в России) происходит в таком негативном ключе и вызывает такое количество нецензурных эмоций, что появление и внедрение новой сетевой концепции передачи данных можно считать вопросом времени.

Рынок труда в IT стал «лимонным». Рассматриваю последствия этого для кандидатов и нанимателей на основе источников, описывающих такие рынки. Предлагаю конкретные инструменты для разработчиков и HR.

В первой части мы загрузили своё ядро на настоящий телефон, вывели «Hello world» в UART и нарисовали квадратик на экране. Во второй — научили ядро управлять памятью и завели кучу.

С тех пор прошло более 4 месяцев, и проект тихо перешагнул важную черту: из bare-metal эксперимента получилось микроядро. В привилегированном режиме остались только процессы, память и передача сообщений, а всё остальное — драйверы, сервисы, будущая графика — обычные программы снаружи. Само ядро при этом выросло с неполной тысячи строк до сорока пяти тысяч.

В этой статье разберёмся, что такое capability и handle и при чём здесь seL4 и Zircon, запустим свой процесс-"калькулятор" на телефоне и поговорим с ним по IPC, а под конец напишем userspace-драйвер часов для устройства, про которое в ядре нет ни строчки.

Последние полгода я почти не пишу код руками. Вместо этого я проектирую инженерную систему, в которой AI пишет код, а Git, тесты, CI, агенты и правила не позволяют ему принимать неправильные решения.

В статье расскажу, как устроен этот процесс и почему, на мой взгляд, именно такой подход делает AI пригодным для реальной разработки.

В 2026 году ИИ-помощников для написания кода пруд пруди. Разные модели по-разному подходят к решению задач: тот же ИИ, способный за пару минут состряпать безупречный сайт, может намертво зависнуть на сложных кодинг-проектах. Но для небольших любительских схем на микроконтроллерах такие модели подходят идеально – тут они могут показать себя во всей красе.

Поэтому автор обзора, Ядулла Абиди, устроил очную ставку Claude Code, Codex и Antigravity в реальном хардверном проекте. Задача – собрать простенькую информационную панель на базе ESP32 с OLED-дисплеем и датчиком температуры, которая умеет выполнять несколько параллельных задач. И хотя все три ассистента способны выдать рабочий прототип, выбирать помощника не глядя точно не стоит.