OpenAI объявила о доступности предварительной версии десктоп-приложения ChatGPT для платформы Linux, предоставляющего интерфейс для использования ChatGPT, ChatGPT Work и ИИ-агента Codex. Приложение доступно для загрузки в форматах deb и rpm в сборках для архитектур x64 и ARM64. Заявлена поддержка дистрибутивов Ubuntu 24.04/26.04, Debian 13 и Fedora 43/44.
Мой топ бэнчмарков
Какую модель запустить на 2xV100, 2x32 GB VRAM: Gemma-4-26B или Qwen-3.6-35B. Обе современные. Обе от топовых компаний, обе мультимодальные, у обеих качественный маркетинг. Количество параметров и требования к железу - аналогичные. Но Gemma абсолютно неконкурентна и в любом типе задач измеримо хуже. В таких грубых случаях бенчмарки отлично описывают модели. Они и в менее грубых помогают, но там уже есть некоторое отклонение от реальности.
https://artificialanalysis.ai/ - Топ-1 по популярности и взвешенности решения. Состоит из 9 бенчмарков и составляет 3 индекса на их основе: интеллект, кодинг и агентные способности. Содержит все модели и добавляет их в течение 2 дней после выхода. Модели OpenAI добавляет день в день. Поменял свой индекс, чтобы показать, что GPT-5.6 Sol лучше Opus 4.8, но если вы пользуетесь только одним бенчмарком - пусть это будет он.
https://deepswe.datacurve.ai/ - бенчмарк SOTA-моделей на реальных задачах программирования. Основной формат представления - процент решённых задач против цены на одну задачу. То есть даже лучше, чем цена за токен, ведь одни модели используют больше токенов, чем другие. Задачи максимально продуманы и глубоки. На данный момент не переполнен и реально показывает полезность моделей для программирования.
https://arena.ai/leaderboard - так же, как и Artificial Analysis, не один бенчмарк, а целая коллекция. Начинал со сравнения пользовательских предпочтений, но сейчас имеет куда больше разделов. Упал в популярности, но всё ещё полезен для нишевых вопросов вроде сравнения качества поиска или генерации картинок
Кто сейчас строит жильё в России?
Мне стало интересно, какое соотношение сейчас строящегося жилья девелоперами и населением, ведь во многих регионах значительную часть нового жилья вводит именно население через индивидуальное жилищное строительство.
Например, в Бурятии в январе–июне 2026 года населением было построено 60,7% всего введённого жилья, то есть больше половины нового жилья в регионе – это дома, которые люди строят сами.
А в остальном - график ниже.
Сейчас широко обсуждается новость, что американские ИИ компании имеют скрытый (внебалансовый) долг в $1.65 трлн. Кто-то уже говорит про $2.1 трлн.
При этом существует ещё и открытый (балансовый) долг в $1.35 трлн. В сумме это получается по крайней мере $3.0 трлн.
Я решил разобраться, как такой долг можно оплатить. Если калькулятор мне не врёт - это по $375 с каждого жителя Земли. Но я бы не расчитывал, что Африка будет активно платить - у них нет денег. И Китай вряд ли - у них есть свои ИИ гиганты. Похоже, что платить будет богатый “золотой миллиард”. По $3000 с человека.
Но эта сумма верна только при условии, что маржинальность будет 100% (т.е. себестоимость вычислений будет равна $0 за токен). Но ведь вычисления трубуют много электричества, которое пока не бесплатное. И главное - конкуренция бешенная. Есть 8-10 моделей близких к топу по качеству. При такой конкуренции маржа должна получаться в 5%. Но положим супер-оптимистичный сценарий в 20%. Это значит, что каждый представитель золотого миллиарда должен заплатить $15000 за ИИ.
Если растянуть это на 10 лет - получается $1500 в год. Это примерно равно месячному медианному доходу в Евросоюзе.
В вот вопрос: что может заставить людей отдавать одну месячную зарплату в год на ИИ в течении 10-ти лет?
Не похоже, что кто-то готов платить такие деньги напрямую. Это может произойти единственным образом - ИИ будет входит в цену потребляемых товаров и услуг, одновременно снижая её. И вот я думаю, на чём можно будет съэкономить.
Согласно статистике, люди в основном тратят деньги на жильё, еду, транспорт и развлечения (рестораны, спорт, культура). Соответственно, надо ожидать следующего:
ИИ решит проблему жилья, всем будет хватать квартир и цена аренды резко упадёт
С помощью ИИ-технологий будут собираться большие урожаи, и цена еды резко упадёт
ИИ улучшит технологии производства автомобилей и снизит цену энергии, из-за чего цена поездок сильно уменьшится
Все перейдут на ИИ-развлечения вместо ресторанов и отпуска на море
Мне одному кажется, что все эти события маловероятны в близжайшие годы? Или я что-то упускаю?
Подборка материалов: что почитать тестировщику
Собрали в одном месте материалы о разных сторонах работы тестировщика: от проверки требований и верстки до инструментов и коммуникации внутри команды. Будет полезно и тем, кто только начинает работать в тестировании, и тем, кто уже в профессии и хочет узнать, как к знакомым задачам подходят коллеги.
Какие ожидания от профессии расходятся с реальностью и чем на самом деле занимается тестировщик.
На что обращать внимание при проверке интерфейса кроме соответствия макету: тексты разной длины, переносы, отступы, состояния элементов и работа с DevTools.
➡️ Как начинающему тестировщику выстраивать рабочий диалог в команде
Как задавать вопросы, обсуждать баги без конфликтов, уточнять требования и находить общий язык с разработчиками и аналитиками.
➡️ Инструменты ручного тестирования
Подборка сервисов и инструментов, которые помогают быстрее готовить проверки, работать с тестовыми данными, файлами, запросами и интерфейсами.
Как находить проблемы еще до разработки: проверять требования на полноту, однозначность, выполнимость и использовать для этого вопросы, чек-листы, прототипы и другие техники.
Сохраняйте подборку, чтобы материалы всегда были под рукой ❤️
👍 VK Object Storage теперь совместим с SIEM-платформой KUMA
VK Tech и «Лаборатория Касперского» подтвердили совместимость VK Object Storage с SIEM-системой Kaspersky Unified Monitoring and Analysis Platform. Система класса SIEM собирает, коррелирует и хранит огромные объемы событий.
Бизнес с развитой ИБ-инфраструктурой сталкивается с увеличением числа логов, высокой стоимостью хранения на SSD-массивах, рисками несоответствия регуляторным требованиям и сложностью масштабирования.
Обычно SIEM-системы хранят все данные внутри себя, и увеличение объемов напрямую влияет на производительность и затраты на хранение.
Совместимость VK Object Storage с KUMA дает возможность разделить роли.
🔹 KUMA обрабатывает, коррелирует и агрегирует события безопасности в реальном времени.
🔹 VK Object Storage принимает холодные и архивные данные по модели S3 HDD — это объектное хранилище на емких дисках вместо дорогих SSD-массивов.
⤵️ По оценке VK Tech, перенос холодного слоя на объектное хранилище позволяет на 25% снизить общие расходы на инфраструктуру без снижения скорости обработки событий.
Подробнее об этом рассказываем 👉 по ссылке.
🔗 Мы в MAX
Подборка вебинаров на август
В августе разберем, как быть во всеоружии на случай отказа ЦОД, выбрать инфраструктуру для ИИ-проектов и упростить работу со Spark-задачами. Регистрируйтесь, чтобы не пропустить.
Отказ ЦОД: выстраиваем защиту с DRaaS и BaaS
Разберем, как подготовиться к отказу дата-центра и выстроить защиту инфраструктуры с помощью Evolution Disaster Recovery и Evolution Agent Backup. Обсудим, чем отличаются DRaaS, BaaS, репликация и аварийное восстановление, а также как выбрать решение с учетом требований к непрерывности, скорости восстановления и безопасности.
🧑💻 Для кого: ИТ-директора, руководители инфраструктуры, системные администраторы и специалисты по информационной безопасности.
📅 Когда: 18 августа, 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.
ИИ-проекты: когда и как переходить от API к Bare Metal
Расскажем, когда API для инференса перестает отвечать требованиям проекта и почему стоит переходить на выделенную инфраструктуру. Разберем, чем Evolution Bare Metal отличается от облачной виртуализации, как подобрать GPU-конфигурацию для инференса, обучения и дообучения моделей, а также как масштабировать ИИ-нагрузки.
🧑💻 Для кого: ML-инженеры, разработчики ИИ-продуктов, архитекторы и технические руководители.
📅 Когда: 25 августа, 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.
Как ИИ помогает создавать и сопровождать Spark-задачи в облаке
Покажем, как Evolution Managed Spark с ИИ помогает создавать, запускать и анализировать Spark-задачи с помощью запросов на естественном языке. Разберем работу с данными в Evolution Object Storage, поиск причин ошибок, рекомендации по их устранению и оптимизацию производительности приложений.
🧑💻 Для кого: дата-инженеры, разработчики Spark-приложений, аналитики данных и DevOps-инженеры.
📅 Когда: 27 августа, 11:00 мск.
📍 Где: Онлайн. Зарегистрируйтесь, чтобы задать вопросы спикерам.
Как redb хранит сложные объекты: не бесхемная свалка, а RTTI
Про redb (RedBase) есть два зеркальных заблуждения. Первое: раз объект пишется «как документ», внутри лежит сериализованный JSON или блоб. Второе, противоположное: раз всё падает в общую таблицу значений — значит это плоский мешок пар «ключ-значение» без схемы.
Оба мимо. То, что внутри — это RTTI, полноценная система типов, живущая в самой базе. И устроена она заметно сложнее, чем и блоб, и «атрибут-значение». Разбор архитектуры я подробно давал в отдельной статье на Хабре: «redb: реляционное хранилище объектов» — ниже сжатая суть.
Слой типов: база знает настоящий тип каждого поля
redb хранит не только данные, но и их описание типов — три связанных уровня:
types — реальные дескрипторы типов (db_type и соответствие .NET-типу);
_schemes — сами типы (классы), с поддержкой наследования через self-reference;
structures — типизированные поля схемы: имя (name), тип (_id_type, FK на types), признак коллекции (collection_type) и вложенность (_id_parent).
Значения в values всегда привязаны к конкретной структуре (id_structure, FK на structures). Поэтому строка values — это не безымянная пара «атрибут-значение»: это значение известного, именованного, типизированного, возможно вложенного поля известного класса. База в рантайме знает, что перед ней — decimal Salary в схеме Employee, а не абстрактный «атрибут №42». Это и есть RTTI.
Хранение коллекций: построчно, реляционно
Вложенные массивы, словари и глубокие иерархии redb раскладывает в _values построчно, а не строкой:
Никаких JSON-блобов на диске. Каждый элемент коллекции — отдельная строка с типизированными колонками (_value_long, valuestring, valuedatetime, valueguid, …), внешними ключами и обычными индексами.
Связь и порядок — реляционные. Вложенность собирается self-reference колонкой arrayparent_id (FK на values.id, ON DELETE CASCADE). Порядок массива и ключи словаря — в arrayindex (text: '0','1','2' для массивов, строковый ключ — для словарей).
Один элемент — одна строка. List<OrderItem> внутри класса не превращается ни в JSON-поле, ни в десяток физических таблиц, которые вы заводите руками.
Что это даёт на практике
Честный LINQ на уровне СУБД. Данные лежат в типизированных колонках, а метаданные структур позволяют движку собрать нативный SQL: Where / OrderBy / GroupBy / оконные функции идут по реальным индексам базы, а не перебором JSON в памяти бэкенда.
Загрузка за один запрос без каскада JOIN-ов. Чтобы поднять объект со всей глубиной вложенности (пусть там 20–30 списков), не нужен каскад JOIN, как у EF с .Include(). Плоская структура забирается из _values одним запросом и собирается в объект в памяти.
Точечный Change Tracking (Pro). При сохранении Pro-версия строит деревья ValueTreeNode (память против БД), сравнивает их (ValueTreeBuilder / ValueTreeDiff) и шлёт UPDATE только по изменившимся узлам — граф целиком не перезаписывается.
Итог: redb совмещает удобство работы с объектами «как с документами» и фундамент реляционной СУБД — типизацию, индексы, FK и запросы, которые исполняет база, а не бэкенд. Ключ к этому — не блоб и не плоский мешок атрибутов, а persisted-RTTI: types → schemes → structures → values.
Ссылки
Разбор архитектуры на Хабре: Локальная база на клиенте · redb — типизированное хранилище
Архитектура: redbase.app/architecture · Зачем redb: redbase.app/why-redbase
У меня есть сильное подозрение, что вся история романа "Три мушкетёра" подаётся кардинально неправильно.
Королева Анна Австрийская (жена Людовика XIII) написала письмо с подробным планом свержения кардинала, который состоял в том чтобы её братья - король Испанский и король Австрийский совместно объявили войну Франции требуя отставки кардинала Ришелье.
Ришелье это письмо перехватил и также вскрыл всю сеть заговорщиков. Только короля Людовика XIII это письмо не впечатлило и даже обрадовало, поскольку не содержало любовных слов к Герцогу Бекингему. А заговор с требованием объявления войны на него не произвёл никакого впечатления.
После этого Ришелье пытается вызвать ревность короля Франции - приказывает леди Винтер похитить две алмазные подвески у Герцога Бекингема (подарок короля королеве Анне и после уже подарок Анны в заверении любовных чувств к Герцогу Бекингему) и одновременно предлагает королю устроить бал, где королева сможет продемонстрировать подарок короля.
Королева в панике ищет курьера в Лондон, которым по отсутствию разума становится Д’Артаньян. То есть Д’Артаньян стал курьером заговорщиков, а три его друга мушкетёра стали его силовой поддержкой, которых он убедил что они выполняют приказ королевы. Сама королева ни сном ни духом, что она отдала такой приказ. Мушкетёры выполняли мнимый приказ с широтой дворян и мушкетёров - нужен мундир и пропуск - закалывают гонца, нужны лошади - шпагу в грудь курьера и всё в таком духе.
Миледи не первый год на службе у Кардинала и видя государственную измену пытается помешать мушкетёрам - сама совершает на них покушение, потом несколько раз нанимает наёмников для покушения; убивает связную королевы и тем самым лишает королеву связи; вербует английского офицера и тот убивает Герцога Бекингема (тем самым разрушая возможный военный союз). Но покушения на мушкетёров не удаются и уже сами мушкетёры убивают Миледи, ставя ей в вину то, что она настолько прекрасна, что все кому она улыбнулась в неё влюбляются и тем самым в дальнейшем губят свои души и тело.
Дальше череда событий и подвески снова у Анны Австрийской; Анна Австрийская, заглаживая свою вину, теперь душой и телом показывает полную любовь к королю; король который искал примирения с королевой в полном восторге. А кардинал Ришелье разгромлен и не может даже наказать заговорщиков и даже напротив вынужден повысить одного из них до чина лейтенанта. То что эти мушкетёры есть государственные преступники они никогда и не осознают.
Вот такая вот история о дружбе, любви и товариществе, которая на самом деле является описанием измены родины с заговорщиками, вражеским подпольем, войнами нескольких государств. Всё это прямо и подробно описано в "Три мушкетёра".
Сам роман это художественный вымысел, только автор описал реальных исторических персонажей в эпоху постоянных войн, тридцатилетняя война как раз вписывается в "Три мушкетёра".
Моника Гальяно: Ассоциативное научение растений
Есть экспериментальное исследование, которое показало, что у растений также можно выработать 'условный рефлекс'. Статья опубликована в журнале 'Scientific Reports', который издается группой Nature. Эксперимент проведен с посевным горохом (Pisum sativum), тот же самый сорт, который в свое время использовал Грегор Мендель. Ниже краткое описание эксперимента.
Ростки гороха помещались в Y-образную трубку. В статье конструкция именуется как Y-maze, дословно Y-лабиринт. Ростки выдерживались в режиме 8 часов света + 16 часов темноты от 5 до 8 дней. После этого в течение трех дней проводилась тренировка. В этот период растения держали в темноте за исключением сессий тренировки, когда свет в течение одного часа сочетался с потоком воздуха от вентилятора. Свет играл роль безусловного стимула, поток воздуха - условного стимула. График тренировки показан справа: вначале на час запускался поток воздуха через один из двух ветвей трубы, затем в течение получаса поток воздуха сочетался со светом и последние полчаса свет подавался один. Потоки воздуха и света подавались в одной группе ростков гороха через одну ветвь, в другой через разные (см. рисунок).
Время было подобрано таким образом, что во время тренировки ростки гороха дорастали до развилки трубы. Таким образом, тестирование проводилось в один день, когда у растения была возможность выбрать в какую из ветвей трубы следует расти. При тестировании растения разделялись на две группы, контрольную и испытуемую (control и treatment на графиках сессии тестирования справа). Тестирование проводилось в темноте, в контрольной группе не было никаких других сигналов, в испытуемой подавался поток воздуха.
В контрольной группе ростки гороха выбрали ветвь трубы, в которой показывался свет в последний день тренировки. В испытуемой группе ростки верно использовали сигнал вентилятора - они выбирали либо ветвь трубы с вентилятором или без, в зависимости от условий тренировки.
В статье также описан второй эксперимент, где в дополнение как свет, так и температура использовались в качестве таймера цикла времени (Zeitgeber). Эти эксперименты показали, что обучение удавалось только в том случае, если оно проводилось в течение времени, которое соответствовало ощущаемому дневному времени по циркадному ритму.
Monica Gagliano, Vladyslav V. Vyazovskiy, Alexander A. Borbély, Mavra Grimonprez & Martial Depczynski, Learning by Association in Plants, Scientific Reports 6, Article number: 38427 (2016).
Привет! На связи снова QA-сообщество 2ГИС. Подготовили новый дайджест свежих релизов.
Появилась новая модель тестирования компонентов — stories и galleries. Теперь можно быстро создавать сценарии с конкретными параметрами и моками, а затем запускать их из галереи. Добавили возможность прерывать долгие операции через AbortSignal. Скриншоты теперь поддерживают формат WebP с разным качеством. Улучшены фильтры тестов и добавлен режим изолированных повторов для минимизации мешающих друг другу тестов. Обновились API браузера и сетевых операций. Debian 11 больше не поддерживается.
➡️ uv 0.12.0
Усилена безопасность и совместимость: теперь запрещены устаревшие форматы архивов и опасные wheel-файлы, способные нарушить виртуальное окружение. Возвращена упаковка проектов по умолчанию с uv_build. Улучшена проверка хэшей зависимостей и работа с сертификатами. Добавлено много новых стабилизированных функций и исправлений.
Поддержка документации в Markdown и Google Style форматах облегчает создание описаний ключевых слов. Консольное логирование расширилось — теперь можно использовать собственные логгеры. Появилась возможность запускать тесты прямо из Markdown-файлов. Несколько мелких правок и исправлений.
Финальный бета-релиз с важными исправлениями и новинками: ленивые импорты для ускорения старта, новые встроенные типы frozendict и sentinel, усовершенствованный JIT и UTF-8 по умолчанию. Многие мелкие улучшения и большая стабильность.
Исправлены ошибки с фоновыми задачами и заголовками. Появилась удобная функция app.frontend(check_dir="auto") для быстрой локальной разработки с fastapi dev. Улучшена поддержка SSE и JSONL стриминга.
➡️ Ruff 0.16.0
Значительно расширился набор правил линтинга — теперь по умолчанию включено 413 проверок вместо 59. Добавлена поддержка автоформатирования Python кода внутри Markdown. Добавлены новые форматы комментариев для подавления предупреждений и улучшен вывод исправлений.
Что из этих релизов уже интересно вам? Где планируете попробовать что-то новое? Напишите в комментариях. И заглядывайте в наш канал, чтобы быть в курсе других активностей и мероприятий для тестировщиков.
Как я принимаю решения с помощью AI или ИИ-шизофреник?
Обычный чат, даже если он настроен хорошо в стиле «ты лучший маркетолог» и бла-бла-бла, всё равно приводит к размытой позиции, к срезанию углов, к обобщениям, а часто нужно решение — типа: «Блин, что делаем сегодня, а что завтра?»
Я использую подход — заставить ИИ жёстко спорить в разных ролях. В споре рождается истина.
Можно натянуть модель «7 шапок» на ИИ и чтобы там 7 ИИ-шек спорили, но для меня эффективнее оказался бинарный спор между двумя ИИ.
И чтобы проще дать оттенок конкретной личности ИИ, лучше сказать прямо: «Ты будешь Илон Маск, а ты — Джефф Безос, тема спора X, начинайте».
Но лучше всего у меня срабатывает одна личность с разными позициями (шизофрения), то есть говоришь: «Вы оба будете Илон Маск, тема такая, спорьте».
В начале я предпочитаю не давать никакого своего мнения и даже не давать им позиции — просто тема такая, позиции выберете сами. Удивительно часто мой LLM-шизофреник выбирает позиции, о которых я даже не думал, смотрит под особым углом.
Потом я могу из результатов спора выбрать ещё вопрос и ещё раз запустить спор, и так за 3–5–7 итераций получается истина.
Больше по теме тут.
VK WorkSpace Conf 2026: узнайте, как сделать работу команд в цифровой среде удобнее
Рассказываем, что будет и кому стоит прийти.
VK WorkSpace Conf 2026 пройдет 23 сентября в Москве, в Цифровом деловом пространстве, с 10:00 до 20:00. Формат гибридный: можно приехать офлайн или подключиться к онлайн-трансляции.
В программе
Эволюция корпоративных коммуникаций. Как строится переход к единой цифровой среде, как ИИ трансформирует рабочий процесс — и какие новые роли и ожидания это создает для сотрудников, ИТ и бизнеса.
VK WorkSpace крупным планом. Ключевые обновления супераппа и сервисов: новые сценарии совместной работы, корпоративный ассистент и возможности, которые дает ИИ. Фокус — реальный пользовательский опыт: как удобство инструментов ускоряет команду.
Большие возможности для малого и среднего бизнеса. Какие процессы переводить в единую среду первыми, чтобы получить быстрый эффект, — разберем на реальных кейсах.
Масштаб под контролем. Администрирование, эксплуатация, защита коммуникаций и данных в крупной организации — и то, как встроить ИБ-решения в цифровую среду.
Кому будет полезно
Собираем тех, кто строит корпоративные коммуникации и управляет ИТ-инфраструктурой: CTO, руководителей ИТ и ИБ, продуктовые команды и представителей бизнеса — от стартапов до корпораций, из ритейла, финтеха, промышленности и госсектора.
Руководителям — инструменты и практики для ускорения бизнеса: как построить рабочую среду для разных команд и поколений. Дадим приемы и готовые решения.
Техническим специалистам — архитектура цифровой среды: как создавать надежную управляемую инфраструктуру, переносить данные в российский сервис, ускорять внедрение и масштабировать решения.
ИБ-специалистам — безопасность как базовый слой платформы: как настроить удобный контроль над доступами и защитить корпоративные данные.
Что еще будет
Нетворкинг с ИТ-лидерами из разных индустрий, интерактивные зоны и арт-объекты. И секретные гости — их раскроем ближе к событию.
Как попасть на конференцию
Участие офлайн в Москве или онлайн.
Как я учу английский каждый день? Или как сделать погружение в английский в течении дня.
Моя цель - говорить на английском как native. Поэтому ежедневно я максимально стараюсь погрузить себя в язык.
В мини видео (залила в телеграм) показала 3 вещи, которые я делаю ежедневно для улучшения английского. Но это не все, вот полный список:
1. Начинаю день с практики Speaking - говорю перед камерой на любую интересную мне тему или просто рассказываю, что делала вчера и планы на сегодня.
Зачем? Учишься говорить быстрее, активирует словарный запас, проходит страх говорить. Отдельный бонус - тренирует работу перед камерой.
Я разговариваю с людьми на английском в течении дня, но не так много, поэтому добавляю практику Speaking.
Время: 10-20 минут ежедневно. За неделю это 60 минут - 2 полноценных урока с преподавателем (так как на уроке вы обычно говорите и слушаете 50/50).
2. Пишу на английском - переписка с ChatGPT, планы на день, мысли. Тренирует письменный английский, ну и на речь тоже влияет.
Время: Практика нативно вшита в день - я просто пишу, когда мне нужно, поэтому отдельного времени или усилий не требуется.
3. Смотрю и слушаю на английском - TV, Youtube. Тренирует понимание английской речи и разных акцентов на слух. Еще давно пришлось отказаться и заменить блогеров на русском на английский язык.
Время: Аналогично не требует выделенного времени. Когда ем или в свободное время - смотрю ютьюб или сериал, сейчас The Office, Gossip Girl.
4. Делаю shadowing практику - пытаюсь повторить акцент за носителем языка. Тренирует произношение, интонацию и восприятие речи на слух. Shadowing начала делать относительно недавно (5 месяцев назад).
Сначала повторяла за этим блоггером с британским акцентом - Thinking in English, сейчас миксую его и повторение за актерами сериала Gossip Girl (американский акцент).
Время: 20-30 минут в день. По факту слушаешь интересный подкаст или смотришь сериал и повторяешь - то есть для меня совмещаешь приятное с полезным.
5. Делаю 3-5 упражнений из Duolingo - хорощо для изучения новых слов и связок и повторения слов, которые редко используешь и они забываются.
Время: 15 минут в день.
6. Читаю на английском - в основном это переписка с нейросетью. На выходных читаю книгу.
Если читать ответы нейросети на английском сложно - можно попросить ее отвечать на вашем уровне английского (более понятно и простыми словами).
Время: в процессе работы, не требует специально выделенного времени.
7. Грамматика запоминается хорошо в процессе слушания, чтения и тп. Но делая все вышеперечисленное все равно возникают вопросы - как правильно сказать или построить предложение и почему. С этими вопросами иду к ChatGPT.
Время: по мере возникновения вопросов.
Подходит ли это все новичку? Наверное учителя скажут, что не подходит. Но я начала делать большинство из вышеперечисленного в первый же год изучения. Заметила также, что полиглоты (те, кто знают много языков) именно так и учат языки - погружают себя в практику с первых же дней. Вдохновляюшие примеры - Steve Kaufmann и İclal.
Kлючевое - это слушать, писать, читать, смотреть и т.д. то, что интересно, а не то что кто-то рекомендует, но вам это не нравится. И по большей части нативно встраивать английский язык в каждый день. Именно эти два принципа позволяют не воспринимать практику как упражнения.
Зачем Битрикс24 своя AI-платформа?
Сергей Нотевский — AI Lead в Битрикс24, руководит платформой, на которой работает весь AI компании: от транскрибации звонков до агента BitrixGPT. В новом выпуске обсуждаем, стоит ли компании разворачивать нейросети у себя или брать их как сервис (MaaS), как посчитать железо под открытую модель, почему бенчмаркам нельзя верить, что такое префикс-кэш, и при чём здесь четыре года работы фитнес-тренером.
Из выпуска вы узнаете:
Чем разработка с AI похожа на менеджмент и кого из инженеров заменят первым?
Как войти в IT без денег на курсы — по самодельной программе за два месяца?
Почему Битрикс24 развернул модели у себя и что это даёт клиентам?
Что такое MaaS (Model-as-a-Service) и за что вы на самом деле платите в цене токена?
Как посчитать, сколько GPU-памяти нужно модели, и при чём здесь квантизация?
Почему большое контекстное окно не гарантирует качество и что такое «гниение контекста»?
Зачем писать свои тесты для моделей и почему бенчмаркам из релизов верить нельзя?
Что такое префикс-кэш и как он экономит до 95% стоимости входящих токенов?
Какие роли нужны в команде AI-платформы и что такое харнес (Harness)?
Куда расти инженеру в эпоху AI и какой навык теперь важнее конкретных знаний?
Рекомендую выпуск особенно тем, у кого сейчас остро стоит вопрос, разворачивать ли нейросети внутри своего контура. В этом выпуске мы собрали подробный гайд по теме self-hosted AI.
Приятного просмотра и прослушивания!
Смотреть на RUTUBE
Смотреть на YouTube
Слушать в Яндекс Музыке
Смотреть в VK Видео
Слушать в аудио
Полезные ссылки из подкаста:
Битрикс24 — https://www.bitrix24.ru
Битрикс24 Вайбкод — https://vibecode.bitrix24.tech/
Вакансии в Битрикс24 — https://careers.bitrix24.ru/
LMArena (бывш. LMSYS Arena) — https://arena.ai
Context Arena — https://contextarena.ai/
LangFuse — https://langfuse.com/
Статья команды Manus про префикс-кэш — https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
Ставьте реакции, жмите колокольчики, шерьте друзьям и коллегам, и конечно же, пишите обратную связь, потому что это все поможет мне продолжать и улучшаться. 🙏
Меня зовут Максим Ульянов, я руковожу отделом веб-разработки в RUTUBE, отвечаю за все браузерные интерфейсы: сайта rutube.ru, студии блогеров studio.rutube.ru, всех сателлитов и внутренних продуктов платформы. В свободное время я веду подкасты «Куда расти?» и «Путь ИИ», а так же пишу в Telegram-канале ULYANOV.LIFE про жизнь руководителя в ИТ. Буду рад вашим комментариям и обратной связи!
Письмо на завод Mechanic:
我數了你們盒子裡的焊錫已經11年了──有時是9999個，有時是10002個，甚至有時是9998個。你們是不是都瘋了？
Делаем профессиональное ревью кода и не пропускаем ни одного бага — вышел открытый инструмент Rеjudge, который проверяет код с помощью трех ИИ-агентов, а затем ИИ-судья выносит вердикт в готовый отчёт:
каждая ИИ-модель проверяет один и тот же запрос, разбирая его в изолированном контексте. При этом ни одна модель не видит, что делают другие;
ИИ-судья затем проверяет все три ответа, задаёт уточняющие вопросы там, где расходятся независимые проверки;
затем судья выдает один готовый отчет, где указывает все риски, баги и уязвимости в коде.
ФСТЭК опубликовала методику оценки уровня зрелости в области технической защиты информации, которая затрагивает в том числе значимые объекты КИИ. Документ вводит пять уровней зрелости (от «нулевого» до «верифицируемого») и 21 направление оценки — от управления защитой до применения ИИ. Эксперты отмечают, что методика призвана бороться с недобросовестными подрядчиками и перевести ИБ из разрозненных задач в стратегию, однако её реализацию могут осложнить неясность с проведением оценки и отсутствие должного контроля со стороны регулятора.
Червь Shai-Hulud вернулся в npm и получил настоящую подпись
4 августа в npm вышла новая версия keyv, небольшой библиотеки для работы с хранилищами. Внутри был вредоносный код, и через час он появился в cacheable, flat-cache, cache-manager и остальных пакетах того же автора, а оттуда пошел дальше по чужим учетным записям. Сутки спустя специалисты Aikido насчитали 444 зараженных пакета.
Опознать волну было несложно. Червь складывал краденое в публичные репозитории с описанием «Shai-Hulud: Here We Go Again». Wiz относит образец к тому же семейству, что и прошлогодние.
Атакующий получил доступ к учетной записи мейнтейнера и выпустил зараженные версии от его имени. В них он добавил загрузчик setup.mjs, файл с замаскированным вредоносным кодом и настройку preinstall в package.json. Она заставляла npm запускать загрузчик еще во время обычной установки пакета.
setup.mjs определял, на какой системе работает машина. Если на ней не было Bun (среды для выполнения JavaScript), то он скачивал ее легитимную версию 1.3.13 из официального списка релизов. Затем через Bun запускался Math_Symbol.js. Этот файл собирал токены, ключи и другие секреты, доступные на машине разработчика или сервере сборки. Используя токены публикации червь выпускал зараженные версии пакетов, которыми мог распоряжаться их владелец. Таким образом червь шел не только по дереву зависимостей, но и по полномочиям мейнтейнеров. Очередной зараженный пакет попадал в следующую среду сборки, получал доступ уже к ее секретам и повторял тот же сценарий.
Интересно то, что зараженные версии попали в реестр с настоящей подписью. Год назад экосистема ответила на первую волну Shai-Hulud внедрением доверенных публикаций, при котором пакет собирается в общем сборочном конвейере, а вместе с ним публикуются сведения о происхождении сборки. На августовских версиях эта проверка проходила, и подмены после сборки действительно не было. Вредоносный код лежал в самом репозитории, поэтому конвейер честно собрал и заверил то, что там было.
Второе наблюдение этой волны — это попытка закрепиться там, куда пакетный менеджер уже не смотрит. Получив доступ к репозиториям, червь дописывал в них служебные настройки редактора и ИИ-агента так, что код запускался при обычной работе с проектом, например при его открытии. Запрет скриптов установки, который npm включил по умолчанию этим летом, обрубает главный путь заражения, но эту ветку он не видит. Она живет в конфигурации инструментов, куда дерево зависимостей не заглядывает.
Заражённые версии из реестра уже убрали, а теги последних релизов откатили. Но для машины, куда пакет успел встать 4 августа, это мало что меняет. Секреты уехали в тот же день и работают, пока их не отозвали.
Как в таком случае защитить цепочку поставки?
Новые версии внешних пакетов лучше вовсе не пускать в сборки в день публикации. Период охлаждения хотя бы на 14 дней дает время заметить подозрительный релиз. Доступ к публичным реестрам стоит пропускать через внутренний репозиторий или прокси, чтобы известная вредоносная версия не попала к разработчикам и в сборочные системы. Подробнее о таких рубежах контроля мы писали в статье «Атаки на цепочку поставки ПО: виды угроз и как с ними бороться».
Когда запись об уязвимости уже появилась в базах данных, композиционный анализ помогает найти проекты, сборки и контейнерные образы, где могла оказаться конкретная версия, если не применялся период охлаждения. Дальше важно очистить внутренний кэш, проверить изменения в CI, редакторах и ИИ-агентах, а также отозвать секреты, к которым имел доступ раннер. Удаление пакета из реестра этого уже не сделает.
Подписывайтесь на CodeScoring в Telegram, VK, YouTube и Макс.
Информационные технологии. Проблемы и решения – IT'DAYS
Сегодня всё чаще говорят: импортозамещение заканчивается там, где начинается переписывание миллионов строк бизнес-логики.
Именно поэтому всё больший интерес вызывают полиглотные СУБД, которые позволяют заменить СУБД, а не приложение, сохранив привычные языки программирования и существующую бизнес-логику.
Digital Q.DataBase — именно такая СУБД. Она воспроизводит функциональные возможности Microsoft SQL Server и Oracle Database, позволяя существенно сократить объём доработок существующих информационных систем при миграции.
Отличный повод вспомнить моё выступление на международной конференции «Информационные технологии. Проблемы и решения – IT'DAYS» в Уфе.
► Бесплатная полнофункциональная версия дистрибутива (до 8 ядер) с возможностью использования в том числе в коммерческих целях.
🔹 Бесплатное получение дистрибутива: https://database.diasoft.ru/?utm\_source=andrei
🔹 Документация: доступна внутри дистрибутива
🔹 Telegram-сообщество Digital Q.DataBase: https://t.me/dqdatabase
🔹 MAX: https://max.ru/channel_dqdatabase
🔹 RuDB : https://database.ru
Подписывайтесь на наши сообщества, чтобы получать новости, технические материалы и информацию о новых вебинарах.