Моя лента

В Древнем Риме говорили: «Mens sana in corpore sano» — в здоровом теле здоровый дух. Два тысячелетия спустя мы, айтишники, превратили эту мудрость в её полную противоположность: здоровый дух, сидящий в нездоровом теле перед монитором. Наш позвоночник принимает форму вопросительного знака, а шея начинает напоминать ржавый механизм — повернуть голову можно только всем корпусом, издавая при этом характерный хруст.

Мы в «Биорг» знаем об этой проблеме не понаслышке. Но, в отличие от большинства офисных работников, у нас под рукой оказалась система видеоидентификации, способная видеть каждое микродвижение человеческого лица. И как-то раз, тестируя систему видеоидентификации, мы поймали себя на мысли:

— То, что мы создавали для идентификации личности, по сути готовый трекер движений. Дай ему только интерфейс и он превратится в игру. Осталось только придумать, во что играть…

Попробовать разминку с Джонни и Джулией

Бесплатно, без смс, без регистрации и без подвоха. Под музыку или без! Нам не жалко. Мы вообще-то хотим просто шею размять, а не бизнес на этом строить.

Сегодня всем известно, что создать прототип на базе LLM можно буквально за вечер. Но вот сделать этот прототип готовым к продакшену — задача совсем другого уровня сложности. Как научить модель работать с вашими данными? Как дать ей память и способность рассуждать? Как развернуть приложение так, чтобы оно не падало под нагрузкой и не разоряло вас на оплате API?

На эти вопросы отвечает новая книга «Изучаем LangChain»  Майо Ошина и Нуну Кампоса. Нуну Кампос — один из основателей LangChain, так что читатели получают материал из первых рук!

Хабр, привет! Меня зовут Дмитрий Тарасов, я исследователь в лаборатории FusionBrain AIRI. Мы недавно свозили нашу свежую работу — “Progressive Cramming: Reliable Token Compression and What It Reveals” —на ICML 2026, и здесь я хочу рассказать, о чём она.

Начнём с почти магического факта. Год назад в замечательной работе “Cramming 1568 Tokens into a Single Vector and Back Again” моего коллеги по AIRI Юры Куратова и его команды было показано, что в один‑единственный входной эмбеддинг замороженной LLM можно «упаковать» до 1568 токенов текста так, что модель потом слово в слово его восстанавливает. Полторы тысячи токенов — это несколько абзацев — в одном векторе размерности несколько тысяч, невероятная плотность памяти. Разбор этой статьи уже был на хабре.

У нас этот результат вызвал не только восторг, но и подозрение. Одно дело — восстановить текст, и совсем другое — понимать его. Что, если «идеальная» реконструкция на самом деле не хранит смысл? В нашей статье мы:

– покажем, что стандартный протокол token cramming скрывает катастрофические провалы, и предложим более честную процедуру — progressive cramming;

– исследуем траектории оптимизации сжатых последовательностей;

– и, самое интересное, покажем, что идеальная реконструкция не сохраняет способность модели рассуждать — а причина этого сидит в первых слоях трансформера.

Поехали.

Привет, Хабр! Меня зовут Владимир, и это пятая часть цикла статей по написанию и обучению небольшой decoder-only LLM с нуля. В прошлых частях мы собрали и обучили модель LinguaLaboratoriumMechanicus — миниатюрную GPT-like LLM во вселенной Warhammer 40K. В этой части упакуем её в формат Hugging Face: сделаем конфиг и обёртку под transformers, сохраним и зальём модель на Hub.

Сам я к стройке отношение имею весьма косвенное — в данном случае это даже хорошо. Получив от руководства задачу приобрести для компании тепловизор, я погрузился в изучение рейтингов и обзоров. И столкнулся со вполне очевидными вопросами, ответов на которые технические материалы почему-то категорически не содержат.

Поэтому сегодня поделюсь результатами моих двухнедельных изысканий и «подсвечу» проблему выбора тепловизора с неожиданной стороны. Мой рейтинг тепловизоров не будет похож на стандартные обзоры с детальным разбором характеристик приборов, от этого я, наоборот, постарался уйти.

Власти Кейп-Корала во Флориде рассматривали возможность оснащения мусоровозов камерами с поддержкой ИИ, которые будут фотографировать объекты недвижимости во время выполнения бригадами своих обычных маршрутов сбора мусора.

Для тех, кто ищет способы побороть перегрев ультрабуков, но к жидкому металлу не готов.

Коротко суть проблемы: ультрабук это здорово, это всего кило весу. Но как и с любым ПК всегда хочется чтоб он был максимально быстр. А быстрый = горячий. Только жаль, что любая система охлаждения - это про габариты. Чем крупней радиаторы и вентиляторы, тем больше тепла она может отвести.

Уменьшая габариты и массу ноутбука, приходится уменьшать и охлаждение. Некоторые производители уже с завода наносят жидкий металл под радиатор, ставят большие (по меркам ноутбуков) радиаторы и вентиляторы в ущерб батарее. Ну а некоторые просто забивают на проблему и даже не стараются ничего решать.

Поиск — уже не просто поле на веб‑сайте. Во многих случаях Manticore Search работает как внутренняя служба обработки данных: приложения направляют к нему запросы, процессы загрузки данных обновляют таблицы в нём, панели мониторинга получают из него данные, а операторы изменяют схемы таблиц. Когда всё это опирается лишь на сетевое доверие, контроль доступа быстро становится уязвимым.

Именно поэтому в Manticore Search теперь встроены аутентификация и авторизация. Функциональность добавлена в версиях 27.x и описана в посте о релизе 27.1.5 : она позволяет Manticore проверять, кто подключается и что этому пользователю разрешено делать.

Новая функциональность работает через SQL, HTTP/HTTPS-клиентов, распределённых и удалённых агентов и поддерживает репликацию.

Стартап Lunar Outpost, занимающийся разработкой робототехники для космической инфраструктуры, объявил, что его следующий луноход будет использовать чипы Nvidia Jetson для управления своей лидарной системой. Вероятно, это будет первый графический процессор на лунной поверхности.

Лучшее по нейросетям за неделю: 5 инструментов для ИИ-агентов, 6 необычных проектов и 6 вирусных экспериментов.

Без долгих вступлений.

Начнем.

Разработчики облачной платформы Cozystack представили открытый проект под названием aeman. Это система для ежедневного планирования для инженерных команд, построенная поверх GitHub Projects v2. Инструмент развивает идею ежедневной доски. В инженер видит ровно те задачи, которыми занимается сегодня, а всё отложенное исчезает с доски до того дня, когда за эту задачу кто‑то возьмётся. Код написан на языке Go (веб‑интерфейс — TypeScript/React) и распространяется под лицензией Apache-2.0.

Привет! Я Саша Рыжов, MLOps-инженер в hh.ru, уже три года занимаюсь развитием инфраструктуры для искусственного интеллекта. Компании, которые развивают GenAI, рано или поздно приходят к задачам по запуску LLM на собственном железе. В статье я расскажу, как обстоят дела с движками инференса в 2026 году и как запустить on‑prem-прод и не изобрести при этом велосипед.

После того, как OpenAI недавно признала, что одна из её моделей взломала системы ИИ Hugging Face, генеральный директор платформы Клем Деланге призвал к «радикальной прозрачности», попросив компанию «опубликовать следы от “агентов-изгоев“, чтобы всё исследовательское сообщество могло изучить произошедшее».

Модель A³: как связать постановку задачи, принятие решений и организационные изменения

ИИ‑проект можно технически завершить успешно и всё равно не получить бизнес‑результата.

Модель подключена к корпоративным данным, интеграции работают, пользователи обучены. Но рекомендации остаются в отдельном интерфейсе, руководители продолжают принимать решения по старой логике, а пилот не выходит за пределы группы энтузиастов.

Технически ИИ внедрён. Работа компании не изменилась.

Причина в том, что ИИ‑инициатива затрагивает не только технологию. Компании необходимо определить, какую проблему она решает, какую роль ИИ будет играть в принятии решения, кто отвечает за последствия этого решения и что должно измениться в организации, чтобы новый способ работы закрепился.

В 2026 году Макс Чан, CIO компании Avnet, предложил A³ — управленческий фреймворк для переосмысления роли CIO в эпоху ИИ: Architect, Augment, Amplify.

В преддверии запуска Pixel 11 подразделение Google по разработке аппаратного обеспечения подробно рассказало о том, как на него повлиял «серьёзный кризис оперативной памяти, вызванный поставщиками». Компания готовится повысить цены на свои смартфоны.

Есть жанр статей про RAG, который выглядит так: подключаем векторную базу, берём эмбеддер, сверху реранкер, для верности — гибридный поиск с BM25, и вот у нас продакшн-ready система. Двадцать строк кода, стрелочки на схеме, всё летает.

Я прошёл этот путь до конца на реальных данных. И почти каждое «правильное» улучшение из этого списка на моих данных сделало хуже. BM25 уронил метрику. Реранкер уронил метрику. Дважды, в двух разных конфигурациях. Единственное, что реально помогло, — не код, а несколько дней возни с данными и замерами.

Это не статья «RAG не работает». RAG работает. Это статья о том, что настоящая работа в RAG — не в коде, который пишется за день, а в eval-харнессе, чистке корпуса и честных замерах, которые показывают, что из индустриальных дефолтов вам подходит, а что вредит. И проверить это можно только на своих данных — «так принято» тут не аргумент.

В прошлой статье я рассказывал, как мы делаем онлайн IDE для .NET — дизайн, компиляция и запуск приложений происходят прямо в браузере, без сервера. Проект живёт по адресу xaml.io. С тех пор мы много чего добавили, и в какой-то момент у нас стало получаться загружать в IDE довольно крупные .NET проекты — десятки XAML, сотни C# файлов, несколько референсных проектов и пакетов NuGet.

Одна из главных возможностей — это визуальный UI-дизайнер пользовательских приложений. И у него есть особенность: чтобы дизайнер вообще что-то показывал, приложение должно быть скомпилировано, причём в актуальном состоянии. Не «когда-нибудь», а после каждой правки.

Открыли как-то в IDE один реальный проект (FamilyShow — классическое демонстрационное WPF-приложение), поправили одну строку в .cs и 84 секунды наблюдали за анимацией прогресса. С таким UX никакой интерактивный дизайн невозможен.

Сейчас та же правка занимает 5 секунд, а правка XAML-разметки на типичной странице — меньше секунды. В этой статье — как мы к этому пришли, и какие сюрпризы нам приготовили по дороге Roslyn, OpenSilver, WASM и наш собственный код.

В конце июня 2026 года состоялся выпуск открытого параметрического трёхмерного редактора FreeCAD 1.1.3, позволяющего создавать объёмные модели и чертежи их проекций. Сборки проекта доступны для Windows, MacOS и Linux. Выпуск FreeCAD 1.0.0 состоялся в ноябре 2024 года. Проект был публично анонсирован на форуме OpenCascade в 2003 году разработчиком по имени Юрген Ригель (Jürgen Riegel).

В какой-то момент разработки приложение становится достаточно зрелым, а команда достаточно большой. Или наоборот. Тогда кто-то решает, что пора собирать метрики: Crash Rate, Hitch Rate, время холодного запуска, потребление памяти, сетевые ошибки. Организуются красивые дашборды, пишутся аккуратные отчеты, ставятся четкие квартальные цели.

Все довольны. Пока не придет технический директор и не спросит: