Моя лента

Принято думать, что качество ИИ-агента упирается в размер модели. Но когда модель работает локально, в закрытом контуре и на ограниченном железе, брать «побольше» особо некуда. И оказывается, что главный рычаг не модель, а контекст: что вы ей показываете, в каком порядке и как фильтруете. Причём «контекст» здесь — это сборка под то, кто спрашивает, откуда и о чём, плюс честный порог релевантности и продуманный порядок секций. На сильной облачной модели небрежный контекст прощается запасом по reasoning; на средней локальной — нет. Об этом и статья.

С сентября 2025 года вступили в силу масштабные законодательные изменения в сфере критической информационной инфраструктуры. Поправки затронули Федеральный закон от 26 июля 2017 года № 187-ФЗ «О безопасности КИИ», правила категорирования (постановление Правительства Российской Федерации от 8 ноября 2025 года № 127 «Об утверждении Правил категорирования объектов КИИ»), перечень показателей значимости объектов КИИ, а также порядок взаимодействия с Национальным координационным центром по компьютерным инцидентам.

Новые требования существенно меняют подходы к категорированию, обязанности субъектов КИИ и регулярный контроль защищенности объектов.

Этой статьей открываем небольшой цикл, посвященный разного рода ошибкам, с которыми сталкиваются пользователи 1С и поддержка. Естественно, речь пойдет не о функциональных ошибках, а о тех, что связаны с производительностью и стабильностью работы систем 1С. Да, их на первый взгляд много и появляются новые, но попробуем классифицировать самые популярные.

Основной целью нового цикла - собрать и показать в одном месте популярные виды ошибок, их проявление, причины, как диагностировать и как бороться (исправлять).

Антопики написали большой пост, в котором много воды. Но если выделить главное, то
- Официально подтверждено, что именно специалисты из Amazon отправили инфу о джейлбрейке Fable в правительство
- Антропики хотя и не уточняют, что именно делал этот джейлбрейк, но говорят что даже Haiku 4.5 мог бы сделать эксплоит для подобных уязвимостей (но только если ему дать данные о самой уязвимости), а найти уязвимость сейчас могут Opus 4.8, GPT-5.5, and Kimi K2.7 - то есть это не было уникальной силой Fable
- Они продолжают настаивать, что джейлбрейк был очень узкий, поэтому его сложно было использовать для нанесения реального вреда
- Также запустили инициативу создать принятый индустрией классификатор джейлбрейков, хотя в принципе сами уже описывают что важно: даёт ли он какие-то дополнительные возможности по сравнению с другими моделями, насколько сложно его запустить, насколько он распространён в сети и т.п.

Можно ещё долго об этом размышлять, но главное для конечных юзеров: Нет, промо-период на Fable продлён не будет и как изначально планировалось 7 июля его уберут из Claude Code, после чего он будет доступен только по API. Anthropic решили сделать так, что решение правительства отразиться на юзерах - попытка мотивировать общественное давление?

Как вы уже знаете, в результате этого действия правительства релиз двух моделей был отложен: Google так и не выпустили Gemini 3.5 Pro (хотя обещали) и GPT-5.6 вышел только на бумаге. Решение правительства убрало мотивацию торопиться.

Мы действительно вошли в эпоху, где власти прямо ограничивают развитии ИИ и мешают отдельным игрокам, и (пока) не собираются останавливаться.

Циклические испытания материалов – это задача, где важны не только механика установки, но и качество программного контура: нужно управлять нагружением, синхронно снимать данные с датчиков, сохранять результаты и видеть процесс в реальном времени.

В совместном проекте внедрения с Институтом физики твердого тела (ИФТТ) РАН мы проверяли, можно ли использовать Engee как основу для автоматизации установки циклических испытаний композитных материалов. Перед нами стояла прикладная задача: реализовать сбор данных с тензодатчика и датчика перемещения и управление сервоприводом.

Вопрос на засыпку: кто придумал бит? Если вы ответите «Клод Шеннон», то будете неправы, бит он не придумывал. Но без Шеннона сухая концепция его коллеги по Bell Джона Тьюки вряд ли бы обрела такую популярность и легла в основу современного мира.

А еще Шеннон не придумывал Булеву алгебру, энтропию и логарифмическую меру количества информации. Если честно, то изобретатель из него так себе.

Зато в чем у отца современной информатики точно был талант: он умел находить отличные идеи и применять их в неожиданных формах. При этом на авторство он никогда не претендовал и никогда не пытался выдать что-то чужое за свое. 

История Клода Шеннона заслуживает отдельного рассказа, потому что это тот тип ученых, который лично мне ближе всего. Не изобретатель чего-то концептуального, а практик до мозга костей, который с ходу видит, куда можно приспособить удачную идею.

Июль в блоге SSP SOFT — месяц обзоров на книги по языкам семейства С. Иэн Гриффитс — автор одного из самых известных справочников по C#, который выходит в обновленных изданиях уже почти 20 лет. В их числе — книга по версии C# 12 в связке .NET 8. Русское издание появилось на нашем книжном рынке относительно недавно. Обычно такие книги покупают начинающие разработчики (джуны). Стоит ли студенту или джуну читать 800-страничный «кирпич», который сам автор адресует опытным разработчикам? Скорее Да, чем Нет — книга дает обширный понятийный аппарат, без которого сложно расти далее уровня джуна, особенно в эпоху ИИ-агентов.

Несмотря на научный и технологический прогресс, мозг продолжает оставаться одной из самых загадочных и сложных систем. Фактически любой процесс, протекающий в организме человека, в той или иной степени курируется мозгом. Многие из этих процессов протекают без нашего ведома, но выполняют жизненно важную функцию. Другие же требуют сфокусированности и ясного сознания. Человек не может решать головоломки или выполнять сложные языковые задачи находясь в бессознательном состоянии. По крайней мере так считалось ранее. Ученые из Медицинского колледжа Бейлора (Хьюстон, штат Техас, США) обнаружили, что человек, находясь под общей анестезией, все же способен выполнять сложные языковые задачи. Какие именно задачи выполняли испытуемые, какие показатели считывались, и что нового данное исследование говорит о мозге человека? Ответы на эти вопросы мы найдем в докладе ученых.

Я собирал бенчмарк для русскоязычных LLM на корпоративных документах: политики, приказы, счета, согласования. Хотел проверить, умеет ли модель найти нужный документ среди похожих, сослаться на конкретную строку и не сломаться, когда в одном из документов меняешь одну дату.

В этом эксперименте результат оказался сильно зависим от того, как были организованы запросы к модели.

В июне 2026 года информационная служба Хабра выпустила 944 публикации (880 новостей и постов, 8 лонгридов и 56 переводов). В текущем дайджесте представлены лучшие технические новости, переводы и лонгриды (отдельные большие публикации) инфослужбы Хабра, согласно оценкам пользователей.

В июне 2026 года акции Microsoft упали на 18,4%, что стало худшим месячным показателем с декабря 2000 года, пишет Bloomberg. Рыночная стоимость американской корпорации за прошедший месяц сократилась на $613 млрд.

«У нас тридцать два кластера». Руководитель команды platform engineering произнес это как на исповеди. Тридцать два. В компании с девятью продуктовыми командами. По шесть окружений на каждую. Никто не планировал такого — оно просто росло по одному кластеру за раз, каждый раз, когда команде требовалось что-то чуть иное, а самым простым ответом было «подними новый».

Я слышала ту или иную версию этой фразы почти в каждой компании, достигшей определенного размера. Цифра меняется — иногда двенадцать, иногда шестьдесят, — но динамика всегда одна. Kubernetes легко позволяет создавать кластеры, никто намеренно не решал, когда их использовать совместно, а когда нет, и в какой-то момент кто-то смотрит на счет за облако и ротацию дежурств — и понимает, что управление десятками кластеров медленно пожирает платформенную команду заживо.

Multitenancy — ответ на эту проблему. Kubernetes не был спроектирован для multitenancy из коробки, и, чтобы построить его правильно, требуются реальные инженерные инвестиции, но именно так зрелые команды platform engineering решают эту задачу в 2026 году — со все более удобным инструментарием и все лучше понятыми паттернами.

Команда VK Cloud перевела статью, охватывающую все, что автор узнал о Kubernetes multitenancy в нескольких продакшен-окружениях: какие модели существуют, где каждая из них дает сбой, как выстроить слои изоляции, которые действительно защищают тенантов друг от друга, какие инструменты стоят вашего времени и как выглядит хорошо управляемый общий кластер на практике.

Если ваша команда управляет слишком большим количеством кластеров или строит платформу для безопасного обслуживания нескольких команд — это руководство, которого мне так не хватало в начале пути.

Всем привет. В этот раз я решил затронуть тему безопасности устройств, которыми пользуются большинство автовладельцев. Речь пойдёт о трёх самых популярных автомобильных сигнализациях (иммобилайзерах), представленных на российском рынке.

Забегая вперёд, скажу, что отчёты обо всех найденных недостатках были направлены производителям, а также во ФСТЭК России. Из ответа регулятора я узнал, что в качестве уязвимостей отчёты зарегистрированы не будут, так как «данное программно-аппаратное средство не используется на объектах ГИС и КИИ». Производители же сообщили, что описанные недостатки устранят в новых моделях сигнализаций. За информацией о том, что делать с уже существующими моделями, я рекомендую обращаться к производителям.

Недавно Claude уверенно пересказал мне большой документ, хотя прочитал только его начало.

Я подключил mcp-server-fetch и попросил агента извлечь из документа несколько фрагментов. Ответ получился складным и уверенным. Проанализировав трафик JSON-RPC между клиентом и сервером, я выяснил, что ответ вернулся обрезанным на 6000 символах, причём сервер пометил его как успешный.

В самом конце ответа сервер добавил для модели инструкцию:

Всем привет! В прошлой статье мы уже выяснили, что без README с описанием архитектуры фреймворка генерация автотестов на большом легаси-проекте превращается в бесконечный цикл ревью и правок. А сегодня хочу рассказать о том, как именно я генерировала автотесты и локаторы, сколько это заняло по времени, где модель всё равно ошибалась и стоит ли оно того.

Язык Go сейчас очень популярен, и на него переходит много разработчиков с Java, C#, PHP и Python.

У многих возникают проблемы с Go по одной любопытной причине: все кажется слишком простым. «Где наш фабричный метод?», «Где наследование?», «Где привычные паттерны?».

Больше 30 лет назад «банда четырех», она же GoF, выпустила книгу Design Patterns, где впервые описала 23 паттерна, которые сейчас считаются классическими. Это была революция: раньше приходилось долго объяснять, что ты делаешь в коде, а теперь можно просто сказать: «Я пишу адаптер».

Пару раз я встречала в описаниях вакансий на позицию Go‑разработчика требования знать ООП‑паттерны. Или слышала мнение, что Go частично реализует ООП, или что это вообще недо‑ООП язык. При этом сами разработчики языка на вопрос «Является ли Go ООП языком?» отвечают уклончиво: и да, и нет.

В этой статье я хочу обсудить особенности Go, которые, на мой взгляд, формируют собственные паттерны — те, что реализуют поведение классических ООП‑паттернов, но делают это в своем гошном стиле.

Один из самых важных параметров на МРТ снимках — это граница опухоли. Именно эта граница определяет, какие структуры головного мозга были затронуты опухолью, и позволяет оценить степень поражения соседних областей и тканей. Благодаря качественному определению контура можно точнее спрогнозировать лечение, поэтому нельзя недооценивать важность определения границ.

Стандартные модели сегментации хорошо решают задачу выделения объектов, U-Net стала фундаментом в медицинской нише. Но не всегда достаточно просто выделить границу области: маска может давать хорошее покрытие, быть близкой к целевой, однако иметь неадекватный контур — слишком сглаженный или, наоборот, рваный. Функции потерь покажут низкий loss, но на самом деле этот один пиксель, который в реальности переносится в миллиметры распространения, определяет будущее человека.

BISCUIT-Net стремится решить именно эту проблему. Работая как стандартный U-Net, он добавляет легковесное внимание на контур. Модель буквально делает набросок, после чего аккуратно выстраивает границу. Философия модели: «граница это не побочный эффект, а цель».

Это первая (после нулевой) статья из серии Нейро сети для самых маленьких, в которой мы разбираем инфраструктуру для запуска нейронных сетей.

Для обучения и инференса нейросетей и для любых видов High Performance Computing используются специализированные технологии: GPU/TPU, RDMA, Kernel bypass, NVLink, InfiniBand, RoCE и другие. Про некоторые из них большинство только что-то слышали, но сталкиваться с ними не приходилось.

Нельзя просто взять ванильный стек Linux, воткнуть в него 400Gb Ethernet+IP и получить рабочее решение. Почему?

Потому что общее решение на масштабе в большинстве случаев проигрывает специализированным как в скорости, так и в стоимости. Как бы странно последнее ни звучало.

Как это часто бывает, действительно прорывную технологию в самом начале считают глупостью, игрушкой, веянием моды, которые завтра канут в Лету. Так было с первыми планшетными ПК, звуковым кино и даже самым обычным велосипедом.

По этой тернистой дорожке проехался на своих роликах и первый в истории массовый робот-пылесос Electrolux Trilobite. Сегодня мы расскажем его грустную историю.