Раньше для согласования интерфейса я собирал макет в Figma, описывал каждое поле, отдавал его дизайнеру, а потом отдельно объяснял логику фронтенд-разработчику.
В 2026 году тот же путь можно пройти быстрее: передать ИИ требования и за несколько итераций получить кликабельный прототип на HTML, CSS и JavaScript — с формами, модальными окнами, валидацией и тестовыми сценариями.
В статье рассказываю, где такой подход действительно помогает системному аналитику, когда он превращается в работу ради работы и почему прототип все равно нельзя считать готовой реализацией.
Китайская компания Z.ai завершила строительство крупного вычислительного центра для искусственного интеллекта, который полностью работает на китайских ускорителях и не использует чипы Nvidia. По данным Bloomberg, часть объекта уже введена в эксплуатацию. Инфраструктура предназначена для обучения и разработки следующих поколений моделей семейства GLM.
Мощность нового комплекса — около 1 ГВт. Это один из крупнейших проектов такого типа среди китайских ИИ-разработчиков. При этом компания не раскрывает точное расположение объекта, количество установленных ускорителей и конкретных производителей используемых чипов.
основные идеи по организации, структурированию и системному управлению знаниями и потоками знаний внутри компании / проекта / стартапа с учетом активного взаимодействия AI и людей в ежедневной рутине.
После вайб-кодинга: почему в 2026 году появляется новый класс Code Clean-up Agents. Как стоимость разработки смещается от генерации к проверке, рефакторингу и контролю изменений
Я всё чаще вижу один и тот же сценарий. Агент получает задачу, за несколько минут собирает патч, запускает тесты и сообщает об успехе. Первый просмотр выглядит обнадёживающе. Потом начинается ревью.
Чем быстрее появляется код, тем больше времени уходит на восстановление контекста: что агент поменял, на какие факты опирался, какой конфигурацией запускал тесты и сколько попыток сделал до финального ответа.
В этой точке полезно отделить генерацию патча от подготовки изменения к отправке в основную ветку. Для второй задачи в 2026 году формируется отдельный класс инструментов:Code Clean-up Agents.
Напомню в двух словах: lazy-tmux — менеджер tmux-сессий на Go, который показывает все сохранённые сессии деревом, но реально восстанавливает сессию с её процессами и скроллбэком только когда вы её открываете, а не поднимает всё разом. Подробнее про сам проект я уже писал раньше, а сейчас — про новый релиз, в котором накопилось много всего.
Настройки наконец переехали в TOML-конфиг. Раньше приходилось прокидывать флаги каждый раз, теперь есть файл: config gen создаёт болванку, config show печатает итоговую конфигурацию с учётом всех источников. Заодно появился контроль над тем, что вообще перезапускается при восстановлении сессии — белый и чёрный списки, причём оба матчатся как регулярки по всей командной строке.
Сильно переработал сам TUI picker: нормальная тема, поддержка мыши, цветные режимы действий, панель хоткеев по ?, относительное время снапшота. Пока сессия поднимается, прямо внутри picker’а теперь рисуется анимация загрузки, а Esc аккуратно отменяет восстановление и убивает частично поднятую сессию.
Ещё в релизе появился слой интеграций со сторонними программами, и первая из них — Claude Code. Рядом с каждой сессией в picker’е показывается живой статус: работает, ждёт вашего ответа или подтверждения, либо просто простаивает. Когда крутишь несколько агентов по разным проектам, удобно видеть, кто из них заблокирован, не переключаясь внутрь каждого. А восстановленные окна Claude сами переподхватывают свою сессию.
Из остального: проверил совместимость с tmux от 2.9 до 3.7b, починил поведение когда сервер tmux вообще не запущен, добавил фоновый демон автосейва, команду version и обновил сайт документации.
Иногда мы можем столкнуться с циклическими зависимостями. Иногда мы можем захотеть сделать их намеренно. Например, при реализации конвертера между градусами Цельсия и Фаренгейта, где пользователь может изменить любое из двух значений, а второе должно автоматически пересчитываться.
Однако в подавляющем большинстве случаев циклические зависимости указывают на проблему с логикой, поэтому их обычно избегают. К счастью, логику даже такого конвертера можно всегда переписать так, чтобы не было циклических зависимостей.
Давайте посмотрим, как разные системы реагируют на эту чрезвычайную ситуацию, и как её не допускать, даже если очень хочется.
В этой статье я расскажу, как организовал свой проект на Next.js. На примере реального приложения рассмотрены структура проекта, организация маршрутизации, работа с данными через DAL, аутентификация, валидация, тестирование и другие подходы, которые я использовал в процессе разработки. Статья не претендует на универсальное руководство, а показывает один из возможных вариантов организации приложения.
Мысли о масштабируемой архитектуре приложений через кодовую структуру и философии «developer as a user»; подходит для indie-разработчиков и стартапов на ранних стадиях.
Артефакт нашей сборки — не бинарник, а код вместе с терабайтами рассчитанных таблиц. Рассказываем, как из штатных фич Airflow, Spark и Delta Lake у нас собрался настоящий CI/CD для данных и моделей — с релизами, стейджем и откатами. И почему кнопку «выкатить в прод» жмёт дежурный data scientist, а не инженер данных.
Сегодня команда Qwen выпустила третье поколение нейросети для генерации изображений — Qwen-Image-3.0. Разработчики заявили о смене вектора развития: если Qwen-Image 1.0 выходила со слоганом «Точность», а Qwen-Image 2.0 под идей «Разнообразия и красоты», то главный фокус версии 3.0 — концепт «Реальность».
Продукт позиционируют уже не как генератор красивых картинок, а как прикладной рабочий инструмент для верстки, создания UI-макетов, раскадровок и научных иллюстраций.
Главный прецедент релиза — отказ от открытой политики. Alibaba впервые не опубликовала технический отчет, независимые бенчмарки и веса модели. Инструмент заперт внутри Qwen Chat, а все заявленные возможности подтверждаются только рекламными демонстрациями самой компании.
Звукозаписывающая компания Sony Music Entertainment подала очередной иск против компании в сфере искусственного интеллекта Udio, обвинив её генератор в нарушении авторских прав на более чем 30 тыс. песен. Речь идёт о композициях Элвиса Пресли, Бейонсе, Jefferson Airplane, Kings of Leon, ZZ Top, Гарри Стайлза и других исполнителей.
Сегодня ИИ для создания видео обещает почти одно и то же: загрузите фото или напишите промпт и через пару минут получите готовый ролик. На практике же все гораздо сложнее. Один сервис может сделать красивую картинку, но поменяет лица, другой хорошо держит промпт, но добавляет новые пальцы или руки, а третий отлично оживит фон, но зато люди будут двигаться слишком неестественно со странной мимикой.
Поэтому я решила провести эксперимент и проверить на одном сложном исходнике, какая же нейросеть справится лучше?
Для теста взяла семейное сгенерированное фото: в кадре женщина, мужчина, ребенок, собака, игрушка, стакан, руки, лица, фон с деревьями и прохожими. Решила взять частый сценарий использования нейросетей, плюс проверить как нейросети справляются не только с “красивым видео”, но и с деталями, которые чаще всего выдают ИИ: глаза, пальцы(все помнят первые генерации пару лет назад с теми жуткими семью пальцами?😄), мимика, окружающие предметы и движением фона.
Для сравнения выбрала 11 российских и зарубежных сервисов. Именно эти сервисы я нашла в популярных подборках ИИ:
Представлена мини‑камера и персональный тренер BodyPark ATOM, которая следит за техникой упражнений и исправляет ошибки прямо во время тренировки. Камера анализирует технику исполнения пользователя с помощью ИИ и 34-точечной модели скелета. Гаджет сам считает повторения, подсказывает голосом, если пользователь делает упражнение неправильно, и следит за траекторией грифа, амплитудой, центром тяжести и мощностью движений.
Камеру можно закрепить практически где угодно: на стойке, тренажёре, столе или штативе. Заодно встроенный ИИ составит персональные программы для силовых тренировок, HIIT, пилатеса, развития мобильности и восстановления. Стоимость цифрового тренера составляет $219.
Каждую ночь у нас в JobPath запускается Celery-задача, которая берёт свежие вакансии из каталога (мы собираем их из открытых источников и Telegram-каналов) и превращает сырой текст в структурированную карточку. Изначально это делала Claude Sonnet, и делала отлично. Проблема была в цене: по прогнозу на наш объём выходило около двух тысяч долларов в месяц, и цифра росла вместе с каталогом..
Когда на экране терминала появилось приглашение #, Flipper Zero уже сложно было назвать просто устройством для работы с радиопротоколами, NFC и инфракрасными пультами. Передо мной находился маленький Unix-подобный компьютер: с ядром, процессами, командной оболочкой и файловой системой на microSD.
Мы собрали модель, которая одновременно решает детекцию, классификацию и сегментацию, и при этом остается радикально легче и экономичнее по ресурсам, чем любые современные SOTA‑архитектуры. На COCO и RF100‑VL мы получаем качество детекции уровня крупных transformer‑детекторов при сотнях раз меньшем числе параметров, а на LVIS – покрытие и точность масок, недостижимые для YOLO‑семейства без переобучения, все это в режиме близком к real‑time на массовом железе.
В терминах «качество / параметры / латентность» наша модель находится в области, где у крупных конкурентов просто нет сопоставимых точек: либо они хуже по качеству при сопоставимой скорости, либо требуют на порядки больше параметров и железа, чтобы выйти на похожие цифры.
У каждого датчика температуры и влажности в даташите написана своя погрешность. Но честная проверка — не читать даташит, а положить несколько штук в один и тот же воздух и снять показания в один и тот же момент. Я взял четыре популярных копеечных модуля с AliExpress — BME280, BMP280, AHT20 и HDC1080 — посадил их на одну шину I2C к одной ESP-шке и вывел всё на одну веб-страницу: у каждого датчика живое значение и график тренда, рядом.
Температуры совпали в пределах полуградуса. А вот с влажностью получилось интересно: один датчик показал на почти 10 процентных пунктов больше соседнего, который лежал в пяти миллиметрах от него. Ниже — как это выглядело, почему так вышло и на чём собран сам дашборд (спойлер: это несколько строк C++, без единой строчки фронтенда).
12 августа в 11:00 МСК эксперты VK WorkSpace и представители компаний разберут, как перейти с Microsoft 365 на российские сервисы и сохранить привычные процессы корпоративной коммуникации.
Microsoft Office долгие годы оставался стандартным инструментом для работы с документами, таблицами и презентациями. Вместе с Microsoft 365 компании использовали корпоративную почту, облачное хранилище, календари, видеоконференции и другие связанные сервисы.
Теперь российскому бизнесу приходится искать альтернативы этой экосистеме. Официально продлить подписки стало невозможно, облачные сервисы Microsoft недоступны, а использование локальных версий без обновлений и поддержки создает дополнительные риски. Для компаний также имеют значение требования к хранению персональных данных и защите корпоративной информации...
Когда инфраструктура начинает сбоить, причина редко остаётся в одном слое: за проблемой с деплоем тянутся пайплайны, контейнеры и секреты, а за деградацией сервиса – логи, сеть, база данных или настройки Linux. В этом дайджесте собрали практические материалы по K8s, CI/CD, DevSecOps, наблюдаемости, PostgreSQL и отказоустойчивости – для тех, кто хочет быстрее находить слабые места и лучше понимать, как связаны компоненты современной инфраструктуры.
