Все потоки

Сауна после тренировки полезна?

Получен ответ на один из самых часто задаваемых вопросов: можно ли ходить в сауну после тренировки?

Кто-то любит, но переживает о вреде после тренировки. Кто-то не любит, но думает «а вдруг надо?».

Холодовая терапия  ухудшает адаптацию после тренировки, что напрямую сказывается на результат. Холод замедляет иммунную реакцию в ответ на стресс и замедляет процессы восстановления. А если наоборот, мышцы нагреть?

Новый систематический обзор и метаанализ показал, что вероятность того, что тепловая терапия способствует гипертрофии мышц, составляет 90 %, хотя средний эффект был небольшим.

Тепло может усилить кровоток и активировать белки теплового шока, что способствует ускорению мышечной адаптации после тренировки.

И хотя цифра в 90% может показаться впечатляющей, в целом доказательная база оказалась слабой: всего 6 исследований, а в заключении указано скромное «имеются некоторые данные, свидетельствующие о незначительном эффекте в пользу тепловой терапии».

Теперь обсудим несколько дополнительных параметров, так как в нашей культуре парение широко распространено и то, что для одних «сауна», для других просто «комната, в которой забыли убавить батарею».

В 5 из 6 исследований, включенных в анализ, температура сауны не превышала 50º, в основном была 40º, а в одном лишь 39,3º (шта?).

Длительность парения не превышала 20 минут в одном из исследований, в остальных составляла от 10 до 15 минут.

Только в одном исследовании использовалась сауна с температурой 100º и 40 минутами парения. И если разложить результаты исследований по отдельности, то именно в этом исследовании результат был вообще нулевым. Что наводит на мысль – агрессивное парение уже ничему положительному не способствует. Небольшое смещение в сторону «пользы» было только в остальных исследованиях с невысокими температурами и короткой длительностью. Но и справедливости ради отмечу, что в исследовании с «нормальной сауной» был использован биоимпеданс в качестве определения состава тела, который дает приличную погрешность. В то время как в остальных использовался стандарт — DXA и МТР сканирование.

Так что легкая сауна после тренировки — вполне себе решение. Но учитывая такой скромный, почти нулевой эффект, это точно не то, что с уверенностью можно прописать, как обязательный ритуал после силовой тренировки.

Если вам нравится, это может стать приятным дополнением и наградой за завершенную тренировку, что может помочь в закреплении привычки, как мы не так давно обсуждали.

Если не нравится, тогда просто собираете вещи и идете домой.

Мир бизнеса в очередной раз ускорился. Чем пожертвовали?

Очевидно, что если происходит резкий скачок в какой-то сфере, то дальше должен быть период коррекции (адаптация участников рынка к новому тренду). Трендовый импульс всегда чем-то компенсируется.

В нашем случае компенсация происходит за счёт того, что качество продуктов сильно проседает. Всё, что генерируется нейросетями сегодня, — абсолютно не годится для слепого выпуска в бой. Люди, которые раньше писали статьи, код, технические задания, рисовали дизайны, графику, — они всё ещё остались. Но их количество сократилось в десятки, если не в сотни тысяч раз. А большинство заняты проверкой того, что генерирует ИИ. Это и есть узкое горлышко бизнеса.

Среднестатистический сотрудник любой диджитал-профессии сегодня использует ИИ для задач, которые раньше делал сам. А теперь только перечитывает портянки отчётов об изменениях, просит от 2 до 20 (в лучшем случае) раз исправить результат, настраивает агентов. Ловит расфокус, когда нейронка исправляет сильно больше, чем требовалось. Пропускает дюжину контента не самого лучшего качества через свой мозг ежедневно. В общем, делает то, что на практике на самом деле понижает эффективность.

Например, в исследовании METR open-source разработчики ожидали, что ИИ ускорит их примерно на 24%. А по факту задачи заняли на 19% больше времени. После эксперимента участники всё равно продолжали считать, что ИИ их ускорил.

Мне это кажется особенно интересным: когда мы меньше печатаем руками и быстрее получаем что-то полуготовое, очень легко решить, что работа в целом ускорилась. Это выглядит примерно так же, как школьник, который учится программировать, — ему проще сидеть выделять код мышкой, жмакать контекстное меню, копировать и вставлять, чем написать "print" своими руками. Хотя первые действия занимают в 3–4 раза больше времени.

Фактически скорость и правда увеличилась, только это скорость работы мозга людей, проверяющих сгенерированный контент. Конечно, у этого есть побочные эффекты.

Более подробный оригинальнал статьи опубликован в блоге: https://www.ytdev.me/essays/The-Risks-of-AI-Implementation-in-Business-Why-Efficiency-May-Be-an-Illusion

Дайджест Рег.облака за май

Май посвятили удобству: добавили образ FASTPANEL и Ubuntu 26.04 LTS, собрали продукты по импортозамещению на одной странице и переработали работу с балансом. Ниже — всё главное за месяц.

Добавили образ FASTPANEL

Обновили образ FASTPANEL в Рег.облаке — теперь с ним доступно больше возможностей для гибкой работы с серверами. Можно создать виртуальную машину на гибко конфигурируемых тарифах, выбрать любую из актуальных тарифных линеек, конфигураций и регионов размещения, а также настроить резервное копирование точнее, чем раньше. Подробности на странице образа.

Для удобства подготовили пул документации: как создать сервер с FASTPANEL, сбросить пароль, разместить сайт, работать с базами данных и электронной почтой, настроить резервное копирование и установить SSL-сертификат.

Добавили образ Ubuntu 26.04 LTS

В каталоге образов появился Ubuntu 26.04 LTS. Новый образ уже доступен для запуска во всех регионах Рег.облака.

Собрали продукты по импортозамещению на одной странице

Решения по импортозамещению теперь собраны на отдельной странице, чтобы их было проще найти.

Переработали работу с балансом

Сделали отдельный интерфейс для работы с балансом Рег.ру в Рег.облаке. Здесь видно состояние баланса и доступный кредитный лимит (для корпоративных клиентов), а пополнить баланс можно с подсказкой рекомендуемой суммы — она рассчитывается по прогнозу расходов на услуги Рег.ру. Также доступны прогноз расходов на 7, 30 и 90 дней с переходом на страницу продления и список операций по балансу.

Желаем всем продуктивного месяца и спасибо, что следите за обновлениями Рег.облака!

Всем добрый день.

Тема поста: (Розовые очки) носить нельзя снимать.

Не хотел создавать этот пост, но придется. А также прошу вашего активного отклика в комментах. Это хоть как-то поможет разобраться в вопросе не только мне, но и вам, и остальным "Хабровчанам".

Цель: Разобраться в контингенте Хабра со стороны авторов и комментаторов.

Буду писать в виде списка по-принципу: 1 мой комментарий + 1 запрос к аудитории.

1) Собственное восприятие Хабра:

Личное мнение:

Для меня Хабр всегда был и есть источником полезных статей. Конкретно практических статей и исследований. Очень хочется, чтобы качество материалов только росло, но увы и ах.

Запрос к аудитории:

Напишите, чем для вас является Хабр, и чем он полезен именно для вас.

2) Карма и ее последствия

Личное мнение:

Карма для меня сама по себе инструмент интересный, некий аналог китайской бальной системы рейтинга доверия к гражданам. В реальности работает странно и не всегда очевидно. Сдерживает действия авторов и комментаторов без необходимого рейтинга. То есть похвалить и поругать можешь, но за последствия мы не отвечаем. Система в которой местный авторитет может унижать тебя своими возможностями по любому поводу. Сосбтвенно зачем тогда комментарии? Можно тогда оставить либо аплодисменты 🫱 или красный помидор 🍅, чтобы проголосовать своим мнением. Не знаю про платные инициативы по решению партии, но хотелось бы иметь подсказки по движению в этой движухе. А не бесконечный список правил и условий по калькуляции баллов Кармы. У меня просто нету желания уделять этому бесплатному делу свое время жизни.

Запрос к аудитории:

Как вам помогает Карма, и как вы ее ощущаете? Считаете ли вы Карму сдерживающим вас фактором, в своем творчестве на Хабре?

3) Контингент Хабровчан

Личное мнение:

В целом полученный опыт примерно за 10 лет чтения Хабра, и последнего года комментирования статей. Привели меня к мысли, что обитают тут совершенно разные люди. От позитивных и умных до токсичных неучей. Также замечу, что критикующие комментарии под статьями авторов всегда были по делу, и по ним можно понять свои и чужие ошибки. Многим людям не нравится правда, и они живут и ведут себя как дети, не желая снять розовые очки и стать взрослыми. Не очень понятно зачем писать статью, если ты не готов встретиться с реальностью. Мое пожелание вам, будьте по кайфу, забейте на стресс, извлеките новые для вас темы, и продолжите свое совершенствование.

Запрос к аудитории:

Кем вы считаете себя на Хабре? Критиковали ли вы авторов? Хвалили ли вы хоть кого-то в комментах? Напишите пожалуйста свои личные выводы по местному населению.

4) Авторство

Личное мнение:

Хотелось бы пояснить. Я не горю желанием писать на Хабр неудержимый поток своих данных из головы или других мягких мест человека. Но почему-то Хабру нужна дань в виде моих мыслей. В стиле партия просит. Значит надо выполнить. Многие авторы к сожалению используют целое море сленга из собственной сферы, что приводит меня в недоумение. Вроде бы все тут айтишники, но такой интеграции в свою работу и рутину сложно представить. Надеюсь многие опомнятся и вспомнят, что есть человеческий язык, а не язык работы. А также желаю всем авторам писать свои статьи не сразу в Хабр, а куда-нибудь в записную книжку, далее перечитать, и проживать всю инфу в ней, превратить в структурированный и линейный пласт информации, который вы хотите донести до читателей. Тогда качество ваших статей возрастает в разы. Многие вообще не знают, что такое аудитория и читатель, что прискорбно.

Запрос к аудитории:

Были ли вы автором, и какие преграды вставали перед вами? Как вы реагируете на критику и похвалу? Понимаете ли вы, то что говорят вам комментаторы? Хотите ли вы вообще быть автором?

5) Комментаторство

Личное мнение:

Сразу признаюсь, я очень люблю писать комментарии. Считаю, что самая полезная инфа, так как позволяет оценить ответы автора и других комментаторов. Это дает общую картину о самой статье. И я бы запретил авторам защищаться от минусов, так как это справедливо.

Запрос к аудитории:

Какой у вас опыт в комментах?

⚡️ Сэм Альтман подтвердил возвращение OpenAI к разработке воплощенного ИИ

Проект вырос из исследований по симуляции физического мира, к которым присоединилась команда видеогенератора Sora.

На начальном этапе компания сосредоточится на разработке специализированных машин для помощи в строительстве инфраструктуры.  

Конечная цель проекта - обеспечить каждого человека персональным роботом, способным выполнять любые бытовые и рабочие поручения.

В 2020 году компания закрыла предыдущие проекты в робототехнике из-за дефицита обучающих данных. 

Для перезапуска направления OpenAI открыла наем инженеров по аппаратному обеспечению, системной интеграции и ML. 

Возвращение связано с развитием воплощенного ИИ: взаимодействие алгоритмов с физической средой позволит собрать массивы данных, необходимых для обучения AGI.

Источник и ссылка на пост Альтмана: https://x.com/Machinelearrn/status/2061793000833847679

После созвонов договоренности часто теряются — и хорошо, если осталась запись встречи или кто-то из коллег параллельно вел заметки. 

Но даже в таких случаях приходится искать информацию в чатах, заметках и записях встреч, чтобы заново собрать общую картину и вспомнить, на чем в итоге остановились. Если в работе еще и несколько проектов, на ручной поиск начинает уходить слишком много времени.

Поэтому часть этой рутины мы решили автоматизировать с помощью ИИ. Как это работает и что важно учитывать — рассказал Константин, специалист по ИИ в Naumen.

Ассистент работает с материалами встреч напрямую

Мы подключили ассистента к материалам встреч в Контур Толк через MCP. Поэтому теперь не нужно искать транскрипции и вручную передавать их в языковую модель для обработки.

Например, достаточно спросить:

• «Что было на встрече с командой X?»

Ассистент: «Обсуждали запуск новой функции, договорились подготовить прототип до пятницы».

• «Какие договоренности зафиксировали по проекту?»

Ассистент: «Команда согласовала сроки и распределила зоны ответственности».

• «О чем говорили на последнем созвоне?»

Ассистент: «Обсуждали проблемы интеграции и дальнейшие шаги по проекту».

Часть итогов сотрудники сохраняют для себя, часть — остается доступной всей команде. Это помогает командам быстрее синхронизироваться по решениям, открытым вопросам и текущему контексту проекта.

Важно: ИИ не заменяет человека

Транскрипции могут содержать ошибки: речь не всегда разборчива, поэтому неточности иногда появляются и в итогах встречи. Важные договоренности мы все равно проверяем вручную.

Но даже с учетом этого искать нужную информацию стало проще — особенно когда встреч и обсуждений много.

Почему Москве нужны новые дата-центры?

На конференции ЦИПР одной из важных тем для облачных операторов была постройка дата-центров в московском регионе. Сразу скажем, что пока это не закон и конкретных документов под эти планы нет, но радует, что правительство понимает важность этой темы.

Заместитель министра цифрового развития, связи и массовых коммуникаций Евгений Филатов сообщил, что Минцифры обсуждают с Минэнерго возможность разрешить новым игрокам подключиться, если у них есть свои источники энергии. Почему это важно?

Облачные сервисы хороши тем, что пользователю не приходится задумываться, где находятся серверы — в Москве, Сибири или даже за границей. Грамотная организация позволяет бесшовно использовать сервисы в любой локации. Но провайдеру как раз приходится заботиться о том, чтобы дата-центры обладали нужной скоростью доступа и низким пингом, имелась возможность быстро переключиться на другие сервисы при инцидентах в текущем. Кроме того, для некоторых задач важны Edge Computing, то есть технологии, обеспечивающие вычисления в ближайших ЦОДах (для минимальной задержки сигнала).

Однако в таких регионах, как Москва, с февраля подключение ЦОД к электросетям ограничено, так как нет лишних мощностей — они уже использованы или зарезервированы для крупных игроков. А значит, рынок монополизируется: небольшим облачным операторам труднее расширять серверные мощности, чтобы запускать уникальные сервисы и показывать конкурентоспособность на рынке.

Возможность запускать дата-центры, пусть и со своими источниками энергии (которые найти в таких регионах, как Москва, непросто), расширит количество игроков, даст возможность выбора для облачных операторов и позволит достичь максимальной функциональности и надежности сервисов.

Дефицит электроэнергии — не российская особенность, а тренд для всех развитых стран мира. В частности, в США из-за массового строительства дата-центров под ИИ планируется даже возрождение АЭС, которые смогут дать постоянные мощности по приемлемым ценам (СЭС ночью не работают, ВЭС зависят от ветра). Ресурс Servernews отмечает, что такие крупные компании, как Microsoft, SoftBank и SpaceX (недавно слилась с ИИ-компанией xAI), собираются использовать газовые генераторы, а OpenAI под проекты Oracle закупает топливные элементы.

Надеемся, что и российские регуляторы не останутся в стороне и помогут решить общемировую проблему.

В сети появилась утечка Московского портала здравоохранения

— Государственная утечка объемом 87.853.000 строк предположительно произошла в декабре 2025 года

В нее попали: 
  ◦ Персональные данные: ФИО, дата рождения, номер телефона, полис ОМС, свидетельство ОМС, СНИЛС, паспорт, дата выдачи паспорта, кем выдан паспорт, полный адрес проживания
  ◦ Информация о иностранцах: страна прибытия, аэропорт, дата прибытия
◦ Информация о работе/учёбе: место работы/учёбы, должность/группа, фактический адрес, номер телефона огранизации, офис
  ◦ Медицинские данные: мед. организация, категория пациента, отделение прибывания, палата прибывания, наличие симптомов ОРВИ, ФИО врача, номер истории болезней, предварительный диагноз, код МКБ – 10, дата заболевания, наименование лаборатории, срочность анализа, дата взятия и отправки образца, наименование анализа, комментарий врача

 ❗️ Данный взлом является крупнейшей медицинской утечкой в РФ за все время

Этичный хакер

Авторский огонёк на Хабре снова загорится в июне!

Два года назад из идеи поддержать начинающих авторов, случайно возникшей во время разговора с моим руководителем, родился целый проект - живые творческие встречи с авторами Хабра в нашем офисе, которые мы назвали "Авторский огонёк". Сейчас планируется уже четвертая встреча. Наша цель остается прежней - вдохновить и замотивировать начинающих авторов, снять их боли и страхи, поделиться полезной информацией, которая поможет им в написании статей и передать из рук в руки классные рабочие инструменты по поиску тем, придумыванию заголовков и новых форматов. Если интересно, как прошла наша встреча в ноябре прошлого года - читайте тут.

Самое ценное, что на таких встречах всегда присутствуют опытные авторы, готовые делиться своими историями, лайфхаками, секретами и советами, а также легенды и просто сотрудники Хабра, которым можно задать любые вопросы.

В июне мы снова планируем провести творческую встречу корпоративных авторов Хабра! Это уже стало доброй традицией, которая объединяет вокруг себя все больше горящих творческих душ. На встрече как всегда обсудим самые важные и актуальные темы: страхи, боли, проблемы, поиски себя и своей ниши, работу с комментариями и многое другое.

! И пока мы только формируем программу, ваши вопросы идеи и предложения будут как нельзя кстати)

Какие темы и вопросы хочется обсудить, какие творческие активности были бы интересны и полезны в формате этой встречи? Поделитесь, пожалуйста, своим мнением в этой анонимной форме https://forms.gle/vQbXZe1d9qcSjxwG6 Также вы можете оставлять идеи в комментах или писать в личку, я всегда открыта для общения!

Кстати, подробнее об этом проекте я хочу рассказать в отдельной стате, которую обещаю скоро опубликовать) Ссылка на регистрацию участников тоже скоро будет, следите за новостями! Если вы - корпоративный автор, тоже пишете на Хабр или только планируете выходить сюда со своими публикациями - будем рады вас видеть! А если вы - опытный автор - приходите вдохновлять новичков своим примером, поделитесь своими историями и лайфаками!

99% генеральных директоров готовятся уволить работников и заменить их ИИ в течение двух лет

Источник: https://futurism.com/artificial-intelligence/99-percent-ceos-workers-ai-survey

Страх перед ИИ достиг исторического максимума. Речь идет не столько о страхе перед суперинтеллектуальным сингулярностью в стиле «Скайнета», которая захватит власть, сколько, возможно, о вещи не менее ужасающей: что жизнь при капитализме продолжится почти как всегда, с одним ключевым отличием — ИИ сделал человеческий труд излишним.

Новое исследование консалтинговой фирмы Mercer, в котором приняло участие почти 1000 руководителей США, показало ошеломляющие результаты: 98% респондентов заявили, что в их организациях готовятся масштабные изменения в структуре управления, связанные с ИИ, а 99% ожидают, что ИИ приведет к сокращению штата в течение следующих двух лет .

Отчёт Mercer, о котором впервые сообщил TechSpot, также выявил коллапс благополучия работников на фоне доминирующих в курилках разговоров об ИИ. В 2024 году, согласно данным Mercer, 66% опрошенных сотрудников заявили, что они «процветают» на рабочем месте. К 2026 году эта цифра упала до всего лишь 44% .

В то же время резко выросло количество работников, сообщающих о «неудовлетворённости»: более 20% опрошенных признались, что они «неудовлетворены, но… у меня сейчас нет выбора, и я останусь ещё на 12 месяцев».

То, как менеджеры по персоналу планируют бороться с этой производственной усталостью — симптомом стремительно разрушающегося рынка труда, не говоря уже о повсеместной стагнации зарплат — вызывает не меньшее беспокойство. В течение следующих двух лет 49% специалистов по персоналу считают, что учёт настроений работников вместе с поведенческими данными станет «критически важным» для управления трудом на рабочем месте. Ещё 44% и 43% соответственно заявили то же самое о платформах круглосуточного наблюдения и чат-ботах на базе ИИ .

Для владельцев бизнеса и корпоратистов во всём мире в этом и состоит цель ИИ: дисциплинировать человеческий труд. Это крупномасштабный экономический процесс, посредством которого капиталисты подрывают переговорную силу работников через системные механизмы, такие как долг, так называемая гиг-экономика, безработица,deskilling (утрата квалификации) — и, по мнению некоторых теоретиков, даже ядерная семья .

На рабочем месте и за его пределами ИИ усиливает эти механизмы, размывая способность работников требовать перемен или даже удерживать базовые уступки, такие как медицинское страхование и пенсии — трудовые права, которые с неохотой были выбиты у корпораций после десятилетий борьбы на рабочем месте .

Технологии даже не нужно быть особенно эффективной, чтобы достичь всего этого. Лидеры бизнеса, такие как генеральный директор Shopify Тоби Лютке, уже используют ИИ, чтобы выжимать больше ценности из своих работников, в то время как венчурные капиталисты используют его, чтобы выбить долю капитала обратно у своих сотрудников. В некоторых случаях менеджеры даже используют чат-ботов на базе ИИ, чтобы решить, кого уволить .

В целом картина довольно мрачная. Самая богатая аудитория мужчин и женщин в мире предельно ясно показала, почему они хотят ИИ. Технология ещё не совсем оправдывает их безумные ожидания, но они всё равно без колебаний разворачивают её. Единственный вопрос в том, как теперь отреагируют работники, прежде чем тот адский антиутопический мир, которого мы все боимся, станет нашей реальностью.

Подписывайтесь на мой канал Agentic Enterprise

Собрать ИИ-агента за 60 секунд — теперь не достижение. Достижение — чтобы он не сломал сервис:)

На днях попалась на глаза новость: Yandex B2B Tech ускорил разработку голосовых ИИ-агентов для контакт-центров

Yandex B2B Tech ускорил разработку голосовых ИИ-агентов для контакт-центров. Компании могут создавать их в новом интерфейсе в Yandex AI Studio. Раньше это занимало несколько дней или недель, теперь — несколько минут. Для интеграции агента в свой контакт-центр не нужна сложная разработка. Для создания голосового агента необходимо написать промпт для модели и подключить необходимые инструменты — например, чтобы нейросеть могла найти ответ на вопрос пользователя в интернете или во внутренних базах знаний. Для агента можно подобрать голос и амплуа. Его можно выбрать из каталога голосов или записать свой с помощью сервиса Brand Voice Lite.

Пишу без иронии: это хорошая новость — и для рынка в целом, и для нас (https://targetai.ai) как специализированной команды. Чем ниже порог входа в технологию, тем быстрее компании убеждаются, что агент вообще работает и что с ним стоит идти дальше. Демо-бот за пять минут — это важный первый шаг. Проблема в том, что многие принимают его за финальный.

Скорость сборки — это характеристика инструмента. Бизнес платит не за инструмент — он платит за решённую задачу. А между «собрали агента» и «задача решена» находится целый слой работы, который никакой конструктор не закрывает и закрывать не должен. Универсальные платформы — и Yandex AI Studio, и такие как Just AI, Napoleon AI — отлично закрывают старт и прототипирование. Это их роль, и они с ней справляются хорошо. Дальше начинается другое: Голосовой агент, выпущенный без проработанных сценариев под нишу, без соблюдения регламентов компании, без настроенной эскалации сложных кейсов на живых операторов — это не автоматизация. Это управляемая катастрофа с хорошим интерфейсом. Клиент, который злится, перебивает, даёт нестандартный ответ или попадает в граничный сценарий — это не исключение из правил. Это ежедневная норма в любом контактном центре. И именно здесь шаблонный агент из конструктора начинает ломаться.

Моя команда в targetai работает именно с этим контуром. Сначала пилот — чтобы понять, как агент ведёт себя на реальных данных, а не на демо-скриптах. Потом тестирование поведения на граничных и стрессовых сценариях. Дальше ПМИ — программа и методика испытаний: зафиксированный набор тест-кейсов с ожидаемыми результатами и пороговыми значениями метрик. Если система не прошла конкретный пункт — она не принята. Это не бюрократия, это единственный способ не выпустить в продакшен систему, которая внешне работает, но валится на третьем нестандартном ответе абонента. После запуска — доработка по FCR, CSAT, конверсии. Не «работает / не работает», а «насколько хорошо и где улучшать».

Критерий у бизнеса по-прежнему один: задача клиента решена или нет. Всё остальное — сценарии, регламенты, метрики, human in the loop — это не опциональный слой поверх технологии. Это и есть технология, когда речь идёт о реальном сервисе.

Конструктор даёт скорость старта. Процессная экспертиза даёт результат.

Рынок уже прошёл этап, когда наличие агента само по себе было конкурентным преимуществом. Собрать агента стало нормой. Конкуренция сместилась в качество внедрения — и это, пожалуй, самый здоровый сигнал для отрасли за последние два-три года.

Установка последнего официального драйвера NVIDIA для Tesla V100 16 Gb на домашнем ПК с ОС Windows 11

Выбор подходящего драйвера и метода установки зависит от вашего железа. Возможно описанная методика не будет работать на Вашем ПК.

Если у Вас установлено ПО Adrenalin Edition для видеокарты или интегрированной графики AMD, то лучше его удалить с помощью программы Display Driver Uninstaller (DDU). Windows сама установит подходящий драйвер для GPU AMD.

При первой установке, нужно скачать и установить драйвер NVIDIA версии 461.33. В параметрах установки выбираем "Выборочную установку", нажимаем "Далее" и ставим галочку "Выполнить чистую установку". После завершения процесса перезагружаем ПК и приступаем к установке более свежей версии.

Скачиваем официальный драйвер NVIDIA версии 582.53. Запускаем инсталлятор, в параметрах установки выбираем "Выборочную установку", нажимаем "Далее". Галочка "Выполнить чистую установку" должна быть убрана, так как мы устанавливаем драйвер поверх старого - 461.33. После установки НЕ перезагружаем ПК, иначе Tesla V100 может перестать определяться в системе. Официальный драйвер NVIDIA работает в режиме TCC. Это значит, что ускоритель будет работать в режиме вычислений, без ускорения 3D-графики. Для перевода Tesla V100 в режим WDDM открываем редактор реестра (Win+R и вводим regedit). Переходим по следующему пути: HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\Class{4d36e968-e325-11ce-bfc1-08002be10318}. Ищем директорию Tesla V100 по значению параметра "DriverDesc". Меняем значение параметра "AdapterType" на "1". Далее в этой же директории создаем новый параметр DWORD с именем "GridLicensedFeatures" и устанавливаем значение "7". Затем нужно отключить и включить Tesla V100 в Диспетчере устройств. Теперь можно открыть powershell и командой nvidia-smi проверить режим работы Tesla V100.

Осталось устранить проблему: при перезагрузке или выключении/включении ПК, система очень долго загружается, а ускоритель перестает корректно определяться в Диспетчере устройств. Для этого создаем два скрипта powershell: первый - отключает ускоритель перед перезагрузкой или выключением ПК, а второй - включает Tesla V100 во время загрузки ОС. Создаем на диске C:\ папку Scripts и создаем в ней два файла:

disable_v100.ps1

if (!([Security.Principal.WindowsPrincipal][Security.Principal.WindowsIdentity]::GetCurrent()).IsInRole([Security.Principal.WindowsBuiltInRole] "Administrator")) {
    Start-Process powershell.exe -ArgumentList "-NoProfile -ExecutionPolicy Bypass -File `"$PSCommandPath`"" -Verb RunAs
    Exit
}

# Скрипт отключения Tesla V100
$deviceId = "PCI\VEN_**********************************"
pnputil /disable-device $deviceId

enable_v100.ps1

if (!([Security.Principal.WindowsPrincipal][Security.Principal.WindowsIdentity]::GetCurrent()).IsInRole([Security.Principal.WindowsBuiltInRole] "Administrator")) {
    Start-Process powershell.exe -ArgumentList "-NoProfile -ExecutionPolicy Bypass -File `"$PSCommandPath`"" -Verb RunAs
    Exit
}

# Скрипт включения Tesla V100
$deviceId = "PCI\VEN_**********************************"
pnputil /enable-device $deviceId

Примечание: Нужно заменить значение переменной $deviceId. Открываем свойства Tesla V100 в Диспетчере устройств, переходим во вкладку "Сведения", выбираем "Путь к экземпляру устройства", копируем значение и подставляем в значение переменной $deviceId.

Открываем Редактор локальной групповой политики (Win+R и вводим gpedit.msc). Переходим в раздел: Конфигурация компьютера -> Конфигурация Windows -> Сценарии -> Автозагрузка. Во вкладке "Сценарии PowerShell" добавляем скрипт enable_v100.ps1. Выбираем порядок "Запускать сценарии оболочки Windows PowerShell перед другими сценариями входа/выхода". Нажимаем "Применить" и ОК. Открываем сценарии "Завершение работы" и проделываем те же операции, только выбираем файл disable_v100.ps1. Эти настройки обеспечат автоматическое отключение перед выключением ПК и включение Tesla V100 при старте системы, что устранит проблемы с драйвером.

Креаторы, ловите приглашение в сообщество по ИИ. Уже 10 000 участников

Год назад ИИ-аккаунт с крутыми генерациями сам по себе был поводом подписаться. Сейчас таких аккаунтов тысячи, и большинство выглядит одинаково: один и тот же тренд, одни и те же модели, один и тот же результат.

Выигрывают те, кто заходит в тренд первым. Понимает, почему одна генерация собирает просмотры, а другая нет. И строит узнаваемый стиль поверх любого инструмента.

Мы собрали чат именно для таких — 10 000 участников уже там.

Чем живёт Сообщество креаторов ИИ SpeShu.AI:

Мы делимся кейсами, продвигаем свои услуги и обсуждаем рынок труда: как быстро найти выгодного клиента и построить с ним долгое сотрудничество. Ежедневно мы также публикуем:

1. разборы генераций — не «красиво/некрасиво», а конкретно: какой промпт, какая модель, что поменять;

2. свежие промпты под тренды — раньше, чем они расползутся по всем каналам;

3. форматы, которые собирают просмотры прямо сейчас, а не месяц назад.

Всем участникам — промокод КРЕАТИВЛЮ20

Это +20% к пополнению на SpeShu.AI, где собраны Nano Banana, Kling, Seedance, Suno и ещё 300+ моделей для фото, видео и музыки. Без VPN и долларовых карт, оплата по СБП.

10 000 креаторов уже присоединились, не оставайтесь в стороне и становитесь частью нашего комьюнити: https://t.me/+ta9ZEyY6JJ8zYjJi

Представлен открытый проект Odysseus. Это самостоятельно размещаемое рабочее пространство для ИИ (самодостаточная версия пользовательского интерфейса, аналогичного ChatGPT и Claude). «Работает на вашем собственном оборудовании, с вашими собственными данными — приоритет локальности, приоритет конфиденциальности и отсутствие троянов», — пояснил автор проекта PewDiePie:

• проект запускается локально на рабочем ПК или сервере — никаких аккаунтов, телеметрии и облаков;

• на борту уже есть агенты — умеют в веб-браузинг, редактирование файлов, анализ документов, сортировку писем и многое другое;

• Odysseus также поддерживает Deep Research и глубокие исследования;

• через API можно подключить любые локальные модели;

• удобный интерфейс и полная поддержка работы со смартфона;

• интернет-подключение не нужно, если работаете локально.

Оценка инструментов безопасности с использованием ИИ

ИИ-системы становятся сложнее и автономнее, поэтому командам безопасности важно понимать, какие агенты используются в компании, с какими инструментами и моделями они работают и как взаимодействуют между собой.

Эффективная защита требует целостной платформы безопасности ИИ, которая объединяет прозрачность, обеспечение соблюдения политик и защиту от угроз во всей агентной экосистеме.

В новом руководстве разбираем пятиэтапную модель безопасности ИИ:

▶️Обнаружение – как получать полную видимость моделей, агентов и данных

▶️ Оценка – как анализировать риски и выявлять уязвимости

▶️ Защита – как контролировать действия ИИ-систем и предотвращать атаки

▶️ Управление – как выстраивать политики, контроль и соответствие требованиям

▶️Измерение – как проверять эффективность защитных механизмов и отслеживать изменения поведения ИИ.

Материал будет полезен директорам по информационной безопасности и командам, которые занимаются внедрением и контролем ИИ-инструментов в компании.

Скачивайте на нашем сайте 🖥

Почему тесты проходят, но система всё равно сломана

Классы скрытых ошибок в QA automation, которые не приводят к падению CI

Пайплайн прошёл. Логи без ошибок. Значит всё работает.

Но в реальных QA automation системах это предположение часто не выдерживает проверки.

Тесты могут проходить, даже если система сломана.

И это не редкий edge case. Есть несколько типов проблем, которые не приводят к падению CI:

• False positives — тест подтверждает поведение, которое уже не соответствует бизнес‑логике. Проверка формально зелёная, смысл потерян.

• Missing assertions — тест проходит, потому что не проверяет ничего критичного.

• Flaky suppression — флаки ретраят или игнорируют. Шум скрывает реальные проблемы, CI выглядит стабильным.

• Duplicated execution — один и тот же набор тестов запускается несколько раз из‑за конфигурации runner'а.

• Contract drift — API или поведение системы меняется, но тесты продолжают проверять старые ожидания. Пока не появится явный конфликт — всё зелёное.

В проекте была добавлена пагинация к одному из API эндпоинтов. До изменения ответ выглядел так:

json [{ "id": 1 }, { "id": 2 }]

После — так:

{ "data": [...], "total": 10, "page": 1, "limit": 20 }

API тесты не упали: они проверяли статус и структуру нового формата — всё корректно.

Я была уверена что если API возвращает 200 и схема верна — клиент получает данные.

Но в клиентском коде была строка:

cachedRows = Array.isArray(rows) ? rows : []

Для объекта Array.isArray возвращает false. Список записей стал пустым.

Формально всё работало корректно. Просто данных больше не было.Никаких ошибок в консоли. Никакого 500. Просто пустая страница.

CI остался зелёным — потому что API тесты проверяли API, а не то, как клиент использует ответ.

Дальше сработал каскад: fixture teardown тоже вызывал этот эндпоинт, получал объект вместо массива, не чистил данные — и следующие тесты падали с совершенно другой ошибкой, в совершенно другом файле.

Три теста упали из-за одного изменения shape ответа.

Ни один из них не указал на настоящую причину.

Почему CI это не ловит

CI отвечает на вопрос: «выполнились ли тесты без ошибок?»

Но не отвечает на: «имеют ли тесты смысл относительно текущей системы?»

CI реагирует только на падения. Он не знает про бизнес-инварианты, не отслеживает правильность выполнения и не видит contract drift.

Что с этим делают в зрелых системах

Начинают появляться дополнительные слои:

• контрактные тесты (contract testing) — фиксируют ожидания потребителя API

• явно наблюдаемость тестов — метрики не как %, а как сигналы поведения

• контроль изменений API через diff-инструменты

Ни один из них не заменяет хорошие тесты. Но каждый закрывает слепое пятно, которое тесты не видят.

Финальный вывод

Тесты не доказывают, что система работает.

Они только доказывают, что система не сломалась определённым способом.

Признаки сбоя

• CI зелёный

• UI показывает пустой список

• API возвращает 200

• fixture teardown не чистил данные, занимал слот

Скрытое предположение

«Я решила что статус 200 означает, что потребитель по‑прежнему правильно читает ответ»

Как это выглядит в реальной системе

Contract drift — один из тех классов ошибок, которые можно воспроизвести намеренно. В проекте есть buggy branch именно с этим кейсом: API возвращает изменённый shape ответа, все API тесты зелёные, но клиентский код получает пустой список — без ошибок, без 500, просто тишина.

Код и структура проекта: GitHub

Из серии «Тихие отказы в тест-автоматизации»

Разборы таких кейсов с кодом — в Telegram-канале Тесты как система

Инженер Netflix Теджас Чопра разработал открытый инструмент Project Headroom, который сжимает контекст перед отправкой в языковую модель и за счёт этого помогает пользователям экономить на ИИ-запросах.

Проект Headroom работает с контекстом, который отправляется в языковую модель: историей переписки, логами, результатами работы инструментов, файлами, документацией и другими данными. Перед отправкой в LLM программа сжимает этот контекст и удаляет из него избыточную информацию. По оценке Чопры, до 90% токенов в таких данных могут быть фактически лишними для модели.

Идея проекта появилась после того, как Чопра получил счёт на $287 за использование Claude Sonnet в домашнем проекте. Речь шла о типичных задачах: отладке, рефакторинге, работе с MCP-инструментами и запросах к базе данных. После анализа расходов инженер выяснил, что значительная часть токенов уходит не на его собственные инструкции, а на машинный «мусор»: чрезмерно подробные JSON-схемы, вложенные шаблоны в API-ответах, повторяющиеся колонки баз данных и другую служебную информацию.

Чопра описывает такие данные как «сжимаемую информацию, маскирующуюся под текст». По его словам, проблема особенно заметна в агентных системах, где модель получает не только пользовательский запрос, но и большое количество технического контекста. Чем больше данных отправляется в контекстное окно, тем выше стоимость запроса и тем больше риск, что модель начнет хуже работать из-за перегрузки информацией.

Экономический аспект применимости AI.

Хотел бы немного раскрыть применение нейросетей с точки зрения экономики и бизнес-модели.

Есть такая бизнес-модель, когда оплата назначается за определенную услугу, как правило, мелкую, но обеспечивающую некоторый процесс. Один из примеров - это эквайринг. Оплата производится за каждую транзакцию. Может быть покупка определенного количества транзакций, разные скидки за объем и т. п., но суть - это оплата за транзакцию.

Важный момент здесь - это то, что провайдер такой услуги берет плату вне зависимости от результата, к которому приводит такая услуга. Транзакция прошла? Ок, оплати услугу. Для провайдера не имеет значения, что в конечном итоге произошло с бизнесом, оплатившем такую услугу. Даже если бизнес на грани выживания, эквайринг у него будет стоить столько же, сколько и для растущего денежного потока и большой прибыли.

С одной стороны, все честно и нормально. Но особенность отсутствия связи с конечным результатом надо учитывать. Оператор эквайринга заработает на вас вне зависимости от результатов вашего бизнеса.

Очевидно, что это прямая аналогия с оплатой за использование нейросетей. Но, в отличие от эквайринга, результат здесь не гарантируется вообще. Здесь на ум приходит другая, более близкая аналогия.

Итак, предположим, Вы вызываете такси. Но не то такси, которое довезет из точки А в точку Б. А такси, которым управляете Вы с помощью голосовых команд. Говорите, где повернуть, где остановиться и т. п. При этом оплата производится за каждое действие таксиста.

Таксист посмотрел на Вас? Платите. Таксист открыл карту? Платите. Таксист замялся и ответил с задержкой? Платите сполна за его действие. Не туда таксист свернул? Переформулируйте свой запрос, но за совершенное действие все равно платите.

Вам неподконтрольно ничего, кроме своих запросов. Такси это не дает никакой гарантии, что Вы вообще доедете, куда надо. Но за каждое действие, каждый вздох таксиста Вы обязаны заплатить. Если таксист ошибся, то заплатите и постарайтесь исправить его ошибку. И заплатите опять.

По моему мнению, это уже даже не бизнес-модель эквайринга - это совершенно новый уровень. Вы платите за каждое действие исполнителя, но ответственность за его действия несете Вы же сами. Исполнитель ни за что не отвечает. Это просто машина же. Старайтесь лучше и точнее формулировать запросы к ней. И платите, платите, платите.

В сухом остатке имеем полную Вашу персональную ответственность за результат при полном отсутствии ответственности исполнителя, которому Вы оплачиваете каждое действие.

Да, можно сказать, что "это инструмент", как молоток. Только это не молоток. Действия непредсказуемы, результат не определен, ответственности никакой, спрогнозировать использование невозможно. Даже толком неизвестно, что этот "молоток" (а может пила? а может рубанок, пинцет, скальпель, карандаш?) может, есть только туманные обещания. Но за каждое действие надо платить.

Просто поделился своими рассуждениями, но на месте людей, которые считают деньги, я бы даже в теории не рассматривал использование такого "инструмента".

Почему бизнес теряет деньги на сетевых сбоях, и как NPM помогает это предотвратить?

На связи Станислав Грибанов, руководитель продуктового направления компании «Гарда». В предыдущем посте мы обсуждали, почему классический мониторинг часто оказывается «слеп» к проблемам бизнес-приложений, и разбирали базовые принципы работы NPM (Network Performance Monitoring). Сегодня углубимся в архитектуру отказов, методы анализа трафика и поговорим о том, как своевременная диагностика сетевых взаимодействий влияет на финансовую устойчивость компании.

Точки отказа: где теряются деньги?

Изнутри даже простые сервисы представляют собой обширную распределенную инфраструктуру. При этом системы мониторинга и оркестрации, призванные гарантировать стабильность, не всегда могут своевременно и точно обнаружить источник проблемы.

Отчасти причина такой «слепоты» кроется в том, что работа современного бизнес-приложения опирается на несколько уровней (аппаратный уровень, уровень ОС, уровень приложения, сетевой уровень), на каждом из которых потенциально может возникнуть точка отказа.

Первые три уровня обычно успешно закрывают агентские решения. С сетевым уровнем дела обстоят иначе: агент на сервере не всегда видит, что происходит между узлами.

Помимо технологических сложностей, есть и управленческая проблема. Часто за бесперебойную работу каждого уровня отвечают разные подразделения. Когда сервис падает, команда проверяет только свой участок. Это затягивает устранение инцидента и анализ, необходимый для поиска первопричин. Возникает эффект «футбола».

NPM как инструмент превентивной защиты

Сбои, задержки, атаки и мисконфигурации сетевого оборудования могут приводить не просто к снижению производительности, а к полной остановке бизнес-приложений. Для компаний это означает прямые убытки и репутационный ущерб.

Для решения таких задач применяются решения класса NPM. Они анализируют сетевой трафик (его копии или сетевую телеметрию NetFlow), а также данные syslog и SNMP. На их основе система подсчитывает метрики и строит интерактивные виджеты, визуализируя потенциально проблемные узлы сети. Например, можно вывести топ приложений по объему трафика, хостов по повторным передачами или хостов с наибольшим временем установки соединения и др.

На этом этапе возникает закономерный вопрос: какой источник данных лучше — сетевой трафик или телеметрия? Однозначного ответа здесь нет. Выбор зависит от особенностей инфраструктуры. Так, сетевой трафик предоставляет больше возможностей для извлечения разнообразных сетевых метрик. Однако его намного сложнее обрабатывать, а в некоторых случаях, таких как огромные объёмы данных (ЦОД) или распределённые децентрализованные сети с большим количеством сетевого оборудования с возможностью выхода в интернет, это становится либо вовсе невозможным, либо требует очень больших ресурсов. И тут на помощь приходит NetFlow или его аналоги.

Фактически сетевая телеметрия позволяет анализировать заголовки сессий сетевого трафика, предоставляя специалистам различные возможности для мониторинга производительности сети. В частности, мы можем контролировать объем трафика, его скорость, загрузку интерфейса, привязку объема или скорости трафика к приложениям. Кроме того, за счёт анализа сырого трафика все описанные кейсы можно дополнительно обогащать такими сетевыми метриками, как время установки соединения, задержка ответа сети или приложения и другими.

Благодаря машинному обучению NPM позволяют увидеть аномальные выбросы, которые сигнализируют о проблемах в сети. Например, большое количество сессий или, наоборот, провал в их количестве.

Вместо вывода

Решения класса NPM формирует единую картину производительности, позволяя видеть проблемы еще до того, как они повлияют на бизнес. Причем неважно, что вы выберете в качестве источника (полный трафик или Flow-данные), система подскажет, где именно искать причину сбоя.

Мы обязательно продолжим исследовать тему NPM в нашем блоге на Хабре. А пока мы структурировали всю информацию по NPM на нашем сайте.

Маркетинговая стратегия за 5 000₽ или за 5 000€: в чём разница с точки зрения данных

Один кейс который объясняет разницу лучше любой теории.

Салон красоты, бюджет 300 000₽, результата нет. Открываем Яндекс.Карты: в радиусе одного километра - 47 конкурентов.

Простой расчёт который не сделали до запуска:

Население района:       30 000 чел
Ходят на маникюр (5%):  1 500 чел
На 48 салонов:          31 потенциальный клиент/мес
При конверсии 10%:      нужно 310 лидов
Стоимость лида:         300–1 000₽
Бюджет для окупаемости: 93 000–310 000₽

Выручка при этом:       108 000₽ (31 × 3 500₽)
До вычета аренды, зарплаты, материалов

Итог: реклама физически не могла окупиться. Расчёт занял 20 минут. До запуска его не сделали.

Четыре уровня - четыре разных продукта

Стоимость маркетинговой стратегии варьируется от 5 000₽ до 5 000€. Это не разброс цен на одну услугу - это четыре разных продукта.

По данным Kadrof.ru, средний час работы маркетолога в агентстве - 1 900₽. Делите цену КП на 1 900 — получаете реальное количество часов:

50 000₽  ÷ 1 900 = 26 часов  (1 специалист, 1 неделя)
150 000₽ ÷ 1 900 = 79 часов  (2 специалиста, 2-3 недели)
300 000₽ ÷ 1 900 = 158 часов (команда 3-4 чел, месяц)

Если за 26 часов обещают провести интервью с покупателями, проанализировать 15 конкурентов и рассчитать юнит-экономику — физически невозможно.

Уровень 1: фрилансер         5–30К₽
→ 1 чел, 2-4 дня
→ документ 10-15 стр: аудитория «из головы»,
  список каналов, общие рекомендации
→ расчёта окупаемости нет

Уровень 2: базовое агентство  50–150К₽
→ 25–80 часов
→ SWOT, обзор рынка, медиаплан
→ кастдев — зависит от агентства

Уровень 3: методология        200–500К₽
→ 100–250 часов, 8 этапов
→ карта пути покупателя, сегментация
→ кастдев чаще да, прогноз примерный

Уровень 4: ИИ-аналитика       от 2 100€
→ 10–15 интервью с реальными покупателями
→ 15–20 конкурентов с бюджетами и слабыми местами
→ точный расчёт окупаемости с прогнозом
→ нейросеть обрабатывает интервью за 40 мин
  вместо 2 дней ручной работы

Разница которую видно только в данных

Стоматология, имплантация. Блок «целевая аудитория» на двух уровнях.

Уровень 3 — кабинетный анализ:

«Мужчины и женщины 30-55 лет, средний доход,
ценят качество и безопасность»

По этому описанию - одно объявление для всех. Одно объявление для всех = отсутствие сегментации.

Уровень 4 — 12 интервью с пациентами + ИИ:

Сегмент 1 (42%): женщины 45-60
→ страх: боль и осложнения
→ цикл решения: 2-6 месяцев
→ триггер: видео с врачом

Сегмент 2 (27%): мужчины 35-50
→ страх: «затянется на полгода»
→ цикл: 1-3 недели
→ триггер: план «3 визита — готово»

Сегмент 3 (18%): выбирают для родителей 70+
→ страх: «маме будет тяжело»
→ триггер: кейс с пациентом того же возраста

Три объявления, три лендинга, три скрипта для администратора. Результативность рекламы при такой сегментации — в 2–3 раза выше при том же бюджете.

Три сценария без стратегии

По данным Brand Analytics, 60% поисковых сессий в 2026 году заканчиваются без перехода на сайт - нейросеть отвечает сама и называет конкретные компании.

Сценарий 1: карусель подрядчиков
→ каждые полгода новый маркетолог с нуля
→ каждый повторяет ошибки предыдущего
→ проблема не в руках, а в отсутствии системы

Сценарий 2: бюджет растёт, отдача падает
→ 200К₽ → 100 заявок
→ 400К₽ → те же 100 заявок
→ без стратегии единственный ответ: 
  увеличивать бюджет

Сценарий 3: клиенты уходят в нейровыдачу
→ 60% сессий без перехода на сайт
→ нейросеть называет конкурентов
→ критично для: стоматология, строительство,
  недвижимость, юруслуги

По данным АКАР 2025, стоимость стратегических маркетинговых услуг за год выросла на 35%.

Итог: Документ за 5 000₽ и документ за 5 000€ в день получения выглядят похоже. Разница проявляется через полгода в отчёте о продажах. Один вопрос для проверки любого подрядчика до подписания договора: «Сколько реальных интервью с нашими покупателями вы проведёте перед запуском рекламы?»

Если ответ «нет, опишем аудиторию на основе открытых данных» - стратегия будет основана на предположениях. Не на данных.