Штучные кейкапы для механических клавиатур обычно изображают череп, котика или персонажа аниме, и все трое давно стоят у кого-нибудь на Esc. Для своих клавиатур я уже сделал четыре кейкапа с глубоководной живностью (радиолярия, глаз, жабры и коралл, фотки прикладывать не буду, мне за них, честно говоря, стыдно), а пятым выбрал предмет, который узнается с любого расстояния и в любом масштабе: советский граненый стакан. Его предстояло уменьшить в четыре с лишним раза, напечатать из прозрачного фотополимера и посадить на крестовину Cherry MX. Клавиша при этом должна нажиматься, а стакан обязан остаться стаканом.

Сам стакан я смоделировал в Blender, и про его форму здесь будет один раздел с арифметикой. Гораздо больше времени ушло на вопрос, на который редактор ответить неспособен: что случится с прозрачной моделью в ванне фотополимерного принтера. Ради него пришлось написать две программы. Первая считает, в каких углах детали после печати останется жидкая смола, вторая ищет в модели присоски, которые при каждом слое пытаются оторвать деталь от стола.

Дальше все идет по порядку: пропорции и грани, посадка на шток, симулятор стекания смолы (по дороге он сделал одно открытие про стаканы) и присоска, от которой стакан неспособен избавиться по определению. Шестнадцать граней из заголовка считаются каноном, и с них я начинал, а сколько граней дожило до печати, выяснится уже в первом разделе. Начинать пришлось с линейки, потому что у граненого стакана есть пропорции, и глаз замечает их нарушение раньше, чем успевает сосчитать грани.

На Хабре любят хейтить менеджеров, которые «забыли, как кодить». Мол, оторвались от реальности, не понимают сроков, не чувствуют боль разработчика. Я раньше тоже так думал. А потом попал в команду к человеку, который три года не открывал IDE, и за полгода понял, что был неправ.

Десять лет в девопсе. Десять. И я гуглю tar -xzf. Не раз в год — раз в неделю. Ну, может раз в десять дней, если повезёт. Открываю хром, набираю «tar extract gz linux», пролистываю три рекламы, нахожу ответ на SO, копирую, вставляю, закрываю вкладку. Через неделю — по новой.

Я не идиот. Точнее, может и идиот, но не поэтому. Просто tar — это такой синтаксис, который у меня физически отказывается залезать в долговременную память. Там дефис или нет? xzf или xfz? Или zxf? Вроде порядок не важен? Или важен?..

Короче. Месяц назад я написал скрипт, который это решил. А потом скрипт решил больше, чем я хотел.

Anthropic выпустила отчет об интерпретируемости Claude Opus 4.6. Исследователи заглянули «под капот» модели и нашли там много пугающего: от нейронов «паники» до умения обходить ограничения через Excel и воровать токены доступа. Собрал самые яркие факты о том, как на самом деле мыслит современная нейросеть.

Мы привыкли, что нейросети — это «черный ящик»: на входе данные, на выходе ответ, а внутри магия. Но что, если этот ящик можно сделать прозрачным? Команда Anthropic провела масштабное препарирование Claude 3 Sonnet, чтобы найти конкретные «фичи», отвечающие за концепции — от Золотых Ворот до уязвимостей в коде. Разбираемся, как устроены мысли нейросети и почему это открытие меняет наше представление о безопасности ИИ.

В OpenAI и Anthropic больше не «ходят на работу» — там живут в ритме секты на пороге апокалипсиса. Пока мы обсуждаем промпты, инженеры на фронтире сжигают себя в режиме 72-часовой рабочей недели. Зачем компаниям понадобились «программы по спасению браков» и какую реальную цену человечество платит за первый контакт со сверхинтеллектом? Рассказываем об изнанке ИИ-гонки.

OpenAI назначила Дилана Скандинаро из Anthropic главой направления Preparedness с зарплатой до $555 тыс. Должность считается «горячим креслом» — никто не задерживался надолго. А компания уже предупреждает, что следующие модели могут получить «высокий» уровень риска.

Claude останется «чистым блокнотом»: Anthropic официально отказалась от рекламной модели. В компании считают, что попытка продать товар пользователю, который жалуется на бессонницу или просит совета, — это этический провал и конфликт интересов.

Героиня прикована цепями к полу, но это не мешает ей спуститься по лестнице. Капля падает раз в 7 секунд, но нейросеть насчитывает 780 капель в час. Леч Мазур протестировал новые модели (Kimi, Qwen, MiniMax) и выяснил: LLM научились писать красиво, но полностью проваливают физику и логику мира. Разбираем главные сюжетные «баги», которые вы могли пропустить.

ChatGPT и другие LLM "забывают" начало диалога при серьезном ресерче. Обычная проблема. Новые факты вытесняют старые из-за ограниченного контекстного окна, и отчет получается поверхностным. Недавнее исследование предлагает простое решение — дать ИИ-агенту "блокнот". Разбираемся как такой подход обходит ограничения контекста.

Главная проблема современных ИИ-агентов — лимит контекстного окна. Даже 200К токенов мало для серьезной научной работы на десятки тысяч слов. Исследователи из Китая представили FS-Researcher — систему, которая использует обычную файловую систему как внешнюю память.

В Институте перспективных исследований в Принстоне прошла «историческая капитуляция». Ведущие теоретики мира заявили, что ИИ уже закрывает 90% их задач. Дэвид Киппинг делится инсайдами: ученые массово переходят на агентный ИИ, игнорируя риски безопасности и этики ради десятикратного ускорения открытий.

Anthropic выпустила обновление почти шепотом, но эхо от него разнеслось по всему Уолл-стрит. Пока пользователи тестировали новые плагины Claude, капитализация LegalTech-гигантов испарялась на миллиарды долларов в час.

Джим Фан (NVIDIA): предсказание слов — прошлый век. Для реального ИИ нужны «модели мира», понимающие физику, а не только язык. Почему языковые модели бесполезны для роботов и как может измениться индустрия в текущем году?

ИИ закрыл задачу Эрдёша без участия людей — вторую в истории. Из 212 «уверенных» ответов по делу оказались 13. Один из шестнадцати — но этот один решает проблему 40-летней давности.

NVIDIA выпустила отчет о методе QAD, который позволяет квантовать LLM в 4 бита без потери качества на сложных задачах (математика, код). Разбираем, почему привычный QAT «ломает» модели после RLHF, как дистилляция через KL-дивергенцию решает эту проблему и почему метод работает даже на рандомных данных. Личный опыт попыток уместить 49B модель в железо и анализ нового подхода.