Моя лента

На российском рынке информационных систем управления проектами (ИСУП) представлены десятки цифровых решений: какие-то ориентированы на узкий сегмент (например, строительная сфера), какие-то закрывают потребности большинства организаций из «коробки». Как выбрать ПО ИТ-компании? К каким сложностям быть готовым? Можно ли обойтись без кастомизации? И как внедрить систему, чтобы она заработала с первого раза? Об этом и не только мы спросили Александра Михальцова, руководителя контура Управление проектами в КРОК.

Чат боты с ИИ легко воспринимать как «умного собеседника». Они отвечают связно и выглядят почти по человечески. Но что на самом деле находится по ту сторону диалогового окна? В этом тексте собраны базовые понятия, без которых трудно без которых сложно уверенно использовать языковые модели в реальных задачах и понимать границы их возможностей.

Компания 1X, создатель человекоподобного робота Neo, представила новую модель искусственного интеллекта, которая поможет роботам самостоятельно усваивать новую информацию. Новая система получила название 1X World Model, в ней используется обработка текстовых подсказок и видео.

По словам разработчиков, использование видеоматериалов позволяет роботам осваивать задачи, которым они не обучались напрямую. Это приближает их человеку с точки зрения способности учиться, наблюдая за действиями других. Основатель и генеральный директор 1X Бернт Бёрних отметил, что Neo теперь способен изучать видеоролики из интернета и применять полученные знания в реальной среде. По его словам, способность робота превращать любую подсказку в действие открывает новую веху в развитии автономного обучения.

Привет!
С вами Марина Ермак, старший аналитик Futureproof. Каждый раз, когда вы открываете ChatGPT, где-то в мире жужжит дата-центр, построенный на кредитные деньги. Вокруг этой инфраструктуры уже сложилась сложная финансовая конструкция — и в последние месяцы всё чаще звучит вопрос: а не надуваем ли мы новый пузырь?

Давайте аккуратно разберёмся, что происходит с рынком, почему аналитики спорят о пузыре вокруг AI-инфраструктуры, и главное — что это может означать для бизнеса, в том числе в России. И в конце рассмотрим три возможных сценария развития событий и no-regret-moves.

CedrusData Engine — это lakehouse-движок, основанный на Trino. На реальных нагрузках наш продукт рутинно превосходит по производительности другие технологии (Trino, Doris, Dremio, StarRocks) в 1.5-3 раза, с еще более значительным отрывом от устаревших Greenplum и Impala. Эти результаты — следствие постоянных вложений в разработку новейших техник обработки больших данных. В этой статье я расскажу про проект Oxide — одну из наших ключевых инициатив прошлого года по переписыванию ядра Trino с Java на Rust.

Команда AI for Devs подготовила перевод большого исследовательского материала о рекурсивных языковых моделях (RLM). Авторы разбирают, почему простое увеличение контекстного окна больше не решает проблему долгоживущих агентов, и показывают альтернативу: обучение моделей активному управлению собственным контекстом через context folding и под-LLM. Статья основана на обширных экспериментах и даёт практический взгляд на то, каким может быть следующий шаг в развитии LLM-агентов.

Привет, Хабр! Меня зовут Артур Ишмаев, я руководитель отдела внедрения и развития нейросетей в дирекции цифровых инноваций и ИИ в ПИК. 

В первой части статьи я подробно разбирал работу Data-driven Interior Plan Generation for Residential Buildings (2019) — одного из первых проектов, пытающихся воспроизвести процесс проектирования дома с помощью нейронных сетей, а именно с помощью набора свёрточных моделей.

В этой части я хочу рассказать о следующем шаге — моделях, которые начинают работать не просто с изображением плана, а с его структурой. 

Начну я с инструмента WallPlan, который стал важным промежуточным этапом в эволюции генеративных планировочных систем.

LoRa2021 — это модуль беспроводного приемопередатчика, разработанный компанией G-NiceRF на базе новейшего чипа Semtech LoRa® LR2021. Он не только сохраняет преимущества дальней связи LoRa, но и реализует переход от «низкоскоростных датчиков» к «высокоскоростной передаче».

Типичное значение чувствительности приема LoRa2021 составляет -143 дБм (SF12/62,5 кГц). В диапазоне частот Sub-GHz чип LR2021 добавляет поддержку FLRC, при этом скорость передачи данных может достигать 2,6 Мбит/с (в стандартном режиме LoRa она составляет до 125 кбит/с).

Значительное увеличение пропускной способности позволяет LoRa2021 поддерживать передачу изображений, отправку голосовых или аудиофрагментов, а также обновление пакетов данных большего объема.

Кроме того, данный модуль охватывает широкий спектр частот. Он поддерживает популярные диапазоны Sub-GHz (стандартные 433/470/868/915 МГц, с возможностью настройки 150–960 МГц) и диапазон 2,4 ГГц ISM. Также он поддерживает высокие частоты 1,5–2,5 ГГц (включая спутниковую связь S-диапазона), обеспечивая покрытие от земли до спутников.

Это эффективно решает проблему связи в районах без покрытия общедоступных сетей и устраняет необходимость разработки разных версий оборудования для разных стран. Один и тот же продукт можно адаптировать к различным рынкам по всему миру с помощью программной настройки, что значительно снижает давление на складские запасы и расходы на разработку.

При сохранении низкого энергопотребления с током в спящем режиме ≤2 мкА, LoRa2021 интегрирует технологию скачкообразной перестройки частоты LR-FHSS для работы в условиях сильных помех. Он также поддерживает измерение дальности RTToF и полностью совместим с основными протоколами Интернета вещей, такими как LoRaWAN, BLE 5.0 и Wi-SUN.

В конце сентября Филипп Дельгядо, один из архитекторов карточного процессинга Lekton Sigma, выступил на Yandex Neuro Scale. На конференции он рассказал, как они с командой добавляли поддержку YDB к своему решению.

Под катом — интервью с Филиппом, где он поделился с нами ключевыми техническими моментами, которые видит интересными для широкой аудитории Хабра: зачем в принципе добавлять поддержку ещё одной базы данных, сколько разработчиков нужно, чтобы вкрутить лампочку всё запилить, и с какими сложностями они столкнутся при переходе от централизованной PostgreSQL к распределённой YDB.

Годовое содержание ровера «Яндекса» оказалось на 49–66% дешевле, чем труд пеших курьеров в некоторых регионах страны. К такому выводу пришли аналитики Совкомбанка, проанализировав финансовые показатели «Яндекса» за 2025 год.

По данным банка, годовое содержание одного робота-доставщика обходится в примерно 295 тысяч рублей. 58% от этой суммы приходится на замену деталей и ремонт, остальное — на оплату труда операторов и инженеров по обслуживанию устройства. Для сравнения, курьер в Москве и Санкт-Петербурге в среднем получает 878 тысяч рублей в год, в небольших городах — около 574 тысяч рублей.

Данные реальных логов за 7 месяцев на 527 человек — что люди делают с LLM на работе и что с ними не так

Я внедрял всё это, и мы договорились, что можно использовать статистику по обезличенным логам. Это прямые подсчёты транзакций. Не прогнозы аналитиков, не презентации вендоров — а конкретные реальные логи.

Компания решила возглавить безобразие и дать всем сотрудникам внятный сервис, попробовать все модели рынка и вообще посмотреть, что это даст на практике в приросте производительности и так далее.

Они выбирали между подпиской и моделью с оплатой за токены, и, к счастью, выбрали второе.

Потому что в среднем пользователь использует LLM далеко не так, как может показаться. Если что, крупные модели показывают пользователей, но тщательно скрывают количество запросов и трафик. Потому что его там крайне мало.

Якоб Нильсен проводил исследование, что только 20% населения могут нормально сформулировать промпт. Пробуют пару раз и уходят.

Короче, за 7 месяцев с июня по декабрь 2025:

416 пользователей из 527 хоть раз потыкались

122346 запросов (в среднем 42 запроса на пользователя в месяц)

6851 доллар расходов (535 тысяч рублей, 184 руб/месяц на активного юзера)

Если бы они брали 20-долларовые подписки GPT, то получили бы то же самое в 8,5 раз дороже.

При этом мы внедряли агрегатор нейросетей, и там были картинки. 64% бюджета — генерация картинок.

Если только LLM, включая SOTA-модели вроде Gemini 3 Pro Preview, последние GPT, Gemini, последние Антропики — то было бы всего 62 рубля в месяц на пользователя.

Те, кто понял, зачем ему модель, возвращался постоянно.

В общем, заходите, расскажу, что реальные люди, если не бить их палкой, в реальном мире делают с LLM. На практике.

Из школьного курса физики многие могут помнить, что длина волны влияет на габариты антенны. Наиболее эффективны антенны с размерами от ¼ до ½ длины волны (четвертьволновый и полуволновый вибраторы).

Вопрос. Если смартфон может работать на частоте 900 МГц, то где-то у него внутри должна находиться антенна соизмеримая длине волны в 33,3 см. ОК, пусть даже это четверть - это все равно порядка 8 сантиметров. 

А теперь вспомним, что на борту смартфона целая куча протоколов радиосвязи: Wi-Fi (2,4, 5 и 6 ГГц), Bluetooth (2,4 ГГц), сотовая связь (целый букет частот от 900 МГц до 4+ ГГц), NFC (13,56 МГц). Куда там все эти антенны запихивают? Давайте разберемся. 

Предупреждение. Любая статья про антенны неизбежно скатывается во мрак терминов импеданс/КСВ/добротность. В результате, читатель без диплома радиоинженера, который пришел просто разобраться, отваливается уже на втором абзаце.

В этой статье я постараюсь избежать подобного подхода. Постараюсь дать информацию максимально понятно, а если и буду вводить какие неизвестные широкому кругу величины, то буду подробно их объяснять простыми словами. Если у вас, как у меня, есть диплом радиоинженера, то вы вряд ли узнаете здесь что-то новое. Если же вас давно мучал вопрос из заголовка, но объяснения пугали своей специфичностью - добро пожаловать.

Почти все кремы работают по принципу притягивания влаги. В составе там вода и лёгкие увлажнители. Поэтому зимой, когда пашут батареи и воздух очень сухой, — всё это добро моментально испаряется. И прихватывает с собой влагу, которая была в коже.

Из-за трансэпидермальной потери влаги и получается обратный эффект: чем чаще мажешь, тем суше руки.

Кожа на ладонях — это вообще встроенный баг. На внутренней стороне нет сальных желёз, а на тыльной — их очень мало. Поэтому у рук нет нормальной природной защиты из жира, как у лица, например.

Добивают кожу спиртовые антисептики, горячая вода с мылом и бытовая химия.

И без того тонкий липидный барьер разрушается, появляются сухость, трещины и цыпки. Это открытые ворота для инфекций и банально больно.

Мы сделали крем, который работает как жидкая перчатка — создаёт плотную защитную плёнку и параллельно восстанавливает кожу. Зачем для него стригут овец и что делает в составе дешёвый парафин — рассказываю под катом.

Если вы когда-нибудь задумывались, можно ли запустить бенчмарк, используя всего один C#-файл, то ответ: да, можно. Начиная с .NET 10, существует возможность создавать C#-приложения в одном *.cs‑файле. Проблема в том, что BenchmarkDotNet (BDN) не поддерживает такие бенчмарки с настройками по умолчанию. В этой статье я покажу, как обойти это ограничение, используя режим in-process.

Рассказ, как мы собрали "AirPods для гитары" — радио-модуль для передачи звука из гитары. Как так он звучит лучше аналогов, и зачем он Неке.

На фоне современных "как я навайбкодил high-load биллинг за 57 минут", это статья-динозавр про разработку из прошлого, но так уж вышло.

Двадцать лет в экосистеме 1С - это, знаете ли, такой профессиональный стаж, после которого начинаешь ловить себя на мысли: «Ну уж я-то точно все видела».
Руководитель направления 1С, руководитель проектов, коммерческий директор, клиенты, проекты, команда, ответственность - полный комплект взрослой управленческой жизни.

И вот именно с этим багажом я довольно долго совершала главную управленческую ошибку, которую могла не совершать вовсе.
Не потому что принимала плохие решения.
А потому что не знала.

Не знала, что рядом уже есть готовые решения. Не знала, что можно быстрее, проще и спокойнее. Не знала, что значительную часть управленческих проблем я создаю себе сама.

У любой команды всегда копится бэклог — явный или призрачный, записанный или только устный. И чем больше людей в команде, тем больше задач под контролем.

Но хаос может начаться и в небольших командах. Когда приоритеты размыты, сложно сосредоточиться на главном. Вы прыгаете между задачами, теряя фокус.. Кто-то из заинтересованных лиц постоянно приходит с новой «горящей» задачей, и вы хватаете все сразу, но почти ничего не доводите до конца.

Команда Исследовательского центра в Юлихе (Forschungszentrum Jülich, Германия) под руководством профессора нейрофизики Маркуса Дизманна создает рабочую симуляцию человеческого мозга, используя всю мощь одного из самых совершенных суперкомпьютеров на планете: JUPITER.