Kurgan-Telecom Ru | Информационные технологии

13 октября 2026 года Линус Торвальдс ответил в рабочей переписке разработчику, который хотел ограничить ИИ в работе над ядром Linux. Ответ был довольно резким и саркастическим: Торвальдс предложил оппоненту отказаться не только от ИИ, но и от компиляторов.

Статья пригодится тем, кто готовит синтетические данные для обучения моделей, проверяет методы анализа или пишет пайплайн, который должен переживать неполные и грязные данные. И тем, кто учит статистику или машинное обучение и хочет показать студентам явление, а не рассказать о нём.

Раньше мой путь к записи встречи выглядел как квест: открыть календарь → выбрать дату → прокрутить время → вбить название → сохранить. Шесть шагов. В суете я часто просто забивал на это, думая «и так запомню», и закономерно забывал.

Недавно мне посоветовали AI Daily Planner. Я зашел на их сайт (aidailyplanner.ru), зарегистрировался без привязки карты и решил проверить, действительно ли это работает так, как они обещают. Спойлер: в целом да, но есть важные нюансы, о которых стоит знать заранее.

Универсальное FIFO для широкого круга задач на FPGA. Как правильно его организовать, что оно должно уметь и какие требования к нему предъявлять. Подробно – с постановкой задачи, разбором внутренней структуры, временными диаграммами и примерами кода. Пакеты произвольной длины, перенос кода между различными ПЛИС и никаких зависимостей!

Трудная проблема сознания и квалиа имеют достаточно серьезные подводные камни, из-за которых воспринимаются как хоть и странная, но значимая философская позиция. Однако немало тех, кто не только эту позицию не разделяет, но и указывает на ее явную внутреннюю слабость и предвзятость. Обсуждать эту тему непросто, но стоит попробовать. Опора в статье будет сделана на современное и инженерное переосмысление буддийских источников, которые остаются актуальными и в наше время.

Среди кукурузных полей на востоке Южной Дакоты заработал аккумулятор нового типа, и некоторые компании делают ставку на то, что эта идея способна преобразить мировую энергетическую систему.

Большинство крупных аккумуляторов накапливают электричество и отдают его по мере необходимости. Они уже произвели революцию в электросетях и положили начало эпохе электромобилей. Однако эта аккумуляторная установка, построенная за последний год стартапом Antora Energy, накапливает огромное количество тепла при невероятно высоких температурах.

Для зарядки Antora использует избыточную электроэнергию близлежащих ветряных электростанций, которая в противном случае пропала бы впустую, и нагревает с её помощью углеродные блоки до 2400°C. Блоки остаются горячими на протяжении нескольких дней, отдавая тепло по мере необходимости для производства пара, который используется на соседнем заводе по выпуску биотоплива. Это позволяет отказаться от сжигания природного газа и угля.

Сегодня в мире существует лишь небольшое количество подобных крупных тепловых аккумуляторов. Однако, по словам экспертов, эта технология, также известная как тепловое аккумулирование энергии, обладает потенциалом для использования огромных объёмов недорогой чистой энергии.

«Мы хотим, чтобы это стало глобальным энергетическим решением, — сказал Джастин Бриггс, соучредитель и главный операционный директор компании Antora, базирующейся в Сан‑Хосе, штат Калифорния. — Мы хотим обеспечить возможность поставлять дешёвую и надёжную энергию в любой точке мира».

«AI-агент» упоминают в 1 458 вакансиях на hh.ru, а «кэширование промптов» только в 13. Хотя именно кэш и токены решают, сколько стоит агент.

Разбираю по порядку 14 слов из вакансий: агент, агентный цикл, harness, MCP, скиллы, хуки, RAG, evals и другие. Что это, зачем и как выглядит внутри. Потом считаем деньги: за 30 шагов агент прочитал 1,63 млн токенов, хотя за раз ему не давали больше 100 тысяч, а кэш сделал ту же задачу в 6,6 раза дешевле. Заодно мой замер: русский текст в токенах Claude в 1,27 раза «дороже» английского.

Исследователи некоммерческой исследовательской организации Epoch AI сконструировали среду, в которой GLM 5.3 давали информацию о конкретной версии браузера и доступ к публичным изменениям кода, появившимся после её выхода. Модель автономно выявляла исправления безопасности, отбирала уязвимости, строила многоступенчатые эксплойтные цепи и обходила слои защиты, включая «песочницу», чтобы прочитать произвольный локальный файл при простом посещении веб-страницы.

Атака сработала на всех шести выпусках Firefox между 17 сентября и 26 октября 2026 года. Модели понадобилось от 12 до 48 часов на разработку, причём в каждом случае она заново переоткрывала и эксплуатировала не публиковавшуюся ранее уязвимость, позволявшую выйти за пределы изолированного процесса рендеринга.

( читать дальше... )

>>> Подробности (Компьютерра)

 безопасность, искусственный интеллект, уязвимость

Предупреждение «осторожно, хрупкое» почти бесполезно как техническое задание. Требовать особого отношения может и стекло, которое боится изгиба и удара в кромку; и лакированный предмет, для которого недопустима царапина; и плата, чувствительная к электростатическому разряду. Сначала нужно понять угрозу, затем подбирать против неё защиту. Поэтому в этой статье мы разберём упаковку как технологический стек: по слоям, у каждого из которых свои задачи. Контактный слой отвечает за сохранность поверхности, амортизатор — за пиковую перегрузку, а короб — за внешнее сжатие. Сравним «пупырку», вспененный полиэтилен и гофрокартон, и поймём принцип сбора защиты для разных грузов.

В прошлой статье я рассказывал, как искал и помогал исправлять уязвимости в Ginux. Это совместимое с Linux ядро ОС, независимо написанное на Rust. Его автор, Грегори Курцер, участвовал в создании CentOS и основал Rocky Linux. Опыта разработки операционных систем у человека достаточно.

У проекта есть собственная методика — HDAE, Human-Directed Agentic Engineering. Человек задаёт архитектуру, ограничения и условия приёмки, агенты пишут код, проверяют и исправляют. По словам автора, работающее ядро получилось за одиннадцать дней. Задача всё-таки посложнее подсчёта калорий по фотографии обеда.

Я пришёл искать уязвимости со своими rust-in-peace и reproof. Но по мере работы всё чаще замечал: баги возникали на границах, там, где ключевые свойства системы были реализованы лишь частично.

Лимит памяти есть, но часть выделений в него не попадает. Настройку можно включить, но на работу программы она не влияет. Управление возвращается ядру, пока программа обращается к нему через системные вызовы. А если она просто крутится в цикле?

Находки сами попросились на обобщение. В серии «Я созидатель, а ты ССД» мы уже обсуждали, почему спека ещё не гарантирует работающий продукт. Расширим вопрос: что мы забываем написать в спеке, прежде чем отдаём её агенту?

В Go обнаружили гонку данных, исправили её, а спустя три дня откатили фикс. Оказалось, что HTTP-клиент может продолжать отправлять тело запроса даже после получения ответа от сервера, и это приводит к неожиданным последствиям при повторном использовании буферов. Разбираем два реальных случая из vmagent и vmauth, в которых одна и та же проблема потребовала противоположных решений.

Привет, Хабр! С вами снова МТС и сегодня мы предлагаем поразмышлять о том, как можно масштабировать систему искусственного интеллекта без банального увеличения модели.

Представьте, что вместо одного огромного универсального ИИ-ассистента у вас есть сотни маленьких специализированных агентов от разных разработчиков, и вместе они решают задачи лучше, чем любая отдельная система, созданная даже при бюджете в несколько раз больше. Именно эту идею исследуют авторы научной работы The Wealth of Agents: Scaling Agentic AI Across Developers.

В этой статье мы попробуем на человеческом языке разобрать решаемую проблему, чего уже удалось достичь и что это значит для будущего агентного ИИ в целом.

В конце октября я неожиданно остался без рабочего Claude Code. После запроса на подтверждение личности Anthropic приостановила доступ к моей платной организации. Подписку Claude Max 20x впоследствии отменили, а в возврате средств отказали. Апелляцию я отправил, но разработку проектов останавливать на неопределённый срок не хотелось.

Проблема оказалась не столько в выборе другой нейросети.

За время работы с Claude Code накопились десятки проектов и диалогов. В них оставались архитектурные решения, обсуждения функций, результаты экспериментов, исправления ошибок, планы развития и множество мелочей, которые не всегда попадали в документацию.

Исходный код никуда не исчез. Git-репозитории тоже. Но как объяснить новому агенту, почему проект устроен именно так, какие варианты мы уже отвергли и на чём остановились вчера?

Я решил перейти на OpenAI Codex. Сначала задумался о собственном инструменте переноса истории, затем попробовал встроенный импорт Codex, но результат меня не устроил.

В итоге обнаружил Hansard — инструмент, который не только позволяет восстанавливать историю работы в разных ИИ-агентах, но и предлагает дополнительные возможности для хранения, поиска и повторного использования накопленного контекста.

Расскажу, что получилось, что не получилось и как повторить такой переезд.

Без сюжетных спойлеров.

Чтобы наказать игровую индустрию за жадность, анонимный автор начал выкладывать чужую игру и продвигать собственный мемкоин. Издателю достались угрозы, игрокам предложили голосовать за следующие утечки, а интернет получил нового персонажа: кибернетический лук-порей.

Больше 2 лет назад я написал свою первую статью про homelab на Minisforum, с тех пор его состав кардинально поменялся. В этой статье я расскажу, что с ним произошло за эти три года и как я его модифицировал.

Привет, Хабр! Меня зовут Даша, я работаю в МТС чуть больше двух лет. Сначала занималась подбором ИТ-специалистов, а в этом году перешла в команду обучения руководителей. Но эта статья будет не о работе, а о моем хобби. Чуть больше года назад я начала петь в академическом хоре «Ковчег». Теперь три вечера в неделю после работы провожу на репетициях.

С хоровым пением я знакома с детства. В начальных классах я училась в музыкальной школе по этой специальности, поэтому нотная грамота и многие другие моменты были мне известны. Правда, прошло немало времени, прежде чем я снова вернулась к этому занятию. Расскажу, как хобби, которое приносит удовольствие, помогает перезагрузиться и какие навыки развивает. 

В статье описан процесс проектирования и испытания рамы для пятдюймового квадрокоптера Clover с применением 3D-печати. Целью работы было найти лёгкую и достаточно жёсткую конструкцию, пригодную для печати на доступном оборудовании, для этого были созданы и сравнены несколько вариантов геометрии, выполнены упрощённые статические и динамические расчёты, а также изготовлены опытные образцы.

Уже несколько месяцев я активно экспериментирую с локальными языковыми моделями на своем ноутбуке Lenovo ThinkPad P16 Gen 2 (Intel Core i7-13850HX, 128 GB RAM, Samsung 980 Pro 2 TB + 990 Pro 1 TB).

Конфигурация очень бодрая для любых задач, кроме… работы с тяжелыми ИИ-моделями. И узкое горлышко здесь очевидно - видеокарта Nvidia RTX 2000 Ada Laptop всего с 8 ГБ VRAM.

Дискретная, быстрая, заточенная под ИИ, но видеопамяти катастрофически мало! Тем не менее даже в эти 8 гигабайт вполне можно уместить отличную локальную модель, да еще и с контекстом на 8192 токена. Это позволяет вести долгие осмысленные диалоги без потери нити обсуждения.

После долгих поисков и тестов я остановился на одной модели - gemma-4-12B-it-QAT в квантовании q4_0.

Почему именно она?

Премиальный уровень «из коробки»: Это модель от Google, обученная на их топовых решениях. Метод QAT (Quantization-Aware Training) минимизирует потери качества при «упаковке» в 4 бита.

Минимум галлюцинаций: При правильной настройке (особенно с немного заниженной температурой) модель отлично держит контекст и выдает точные энциклопедические данные. Срез знаний у нее свежий “конец 2025 - начало 2026 года”. Настоящая локальная «мини-Википедия»!

Хороший кодинг: Модель отлично пишет код (особенно на Python и PowerShell). Последующая верификация в среде разработки проходит практически со 100%-й точностью. Идеально влезает в VRAM: Вместе с контекстом в 8192 токена она целиком помещается в 8 ГБ видеопамяти. В LM Studio на моем ноутбуке она выдает честные 12 токенов в секунду, чего более чем достаточно для комфортного диалога.

Есть множество проектов, в которых нужно разработать какое-либо ПО с жёсткими ограничениями по бюджету. Хочу поделиться своим методом работы с такими проектами.

Это не серебряная пуля, но, думаю, мой опыт будет интересен. В основном такой подход я практикую для небольших проектов: срок разработки — до 14 месяцев, а общее количество участников команды — до 10 человек. Для более крупных проектов такой подход уже не подойдёт: сделать их бюджетно — совсем другая история.

Сразу уточню границы. Речь не о ситуации, когда денег нет совсем, а о проекте, на который есть примерно 60–70% от необходимой суммы. Этот диапазон основан на моём личном опыте нескольких проектов, а не на универсальной формуле: конкретный результат зависит от системы, команды и ограничений заказчика. Размер возможной экономии сильно зависит от квалификации техлида проекта. Также рассказ будет о создании чего-то нового, когда нельзя просто переиспользовать предыдущий опыт и готовые наработки. Не все описанные шаги нужны для каждого проекта, но пропускать их стоит осознанно, а не потому, что на них якобы нет денег.

Саймон Уордли руководил прибыльной компанией, но не понимал, куда она движется и на правильном ли вообще пути. Поиск ответа привёл его к картам.

В книге он показывает, как топографическая разведка помогает компании использовать в своих интересах условия, в которых она действует. Работая с картами, вы разбираетесь в том, как меняются эти условия, находите способы влиять на них с помощью имеющихся ресурсов и постоянно учитесь на результатах своих действий.

Карта не скажет, какой путь выбрать, но поможет обсудить варианты и принять решение.