Kurgan-Telecom Ru | Информационные технологии

Роутер в виде миньона выглядит как сувенир, но внутри — трёхдиапазонный Wi-Fi 6E. Владельцы используют его для беспроводного VR, исследователи разбирают корпус и добираются до загрузчика, а устройство снова появляется в технологических новостях.

Разобрался, чем интересен Davolink Kevin, и сравнил его возможности со своим Cudy TR3000 v1 за $50 на OpenWrt и терминалом Transservice TS-4022 от провайдера. Где пригодятся 6 ГГц, почему «2000 Мбит/с» не означают такую скорость передачи данных и какие задачи эти устройства решают по-разному. С фотографиями, схемами и ссылками на исследования.

Представим: в отчёт добавили новые регистрации, и общий D30 retention снизился с 20% до 10%. При этом ни один из пользователей, для которых D30 уже наступил, не изменил своё поведение. Ошибка может оказаться в знаменателе: туда попали люди, чей тридцатый день ещё впереди.

Разберём эту ситуацию на условных данных и воспроизведём расчёт в SQLite. Отдельно проверим три случая: пользователь вернулся, пользователь не вернулся и результат пока нельзя измерить.

Когда говоришь «я анализирую данные бирж»/Quantitative Analyst, собеседник представляет нейросеть, которая видит будущее, и ключи от спорткара. Реальность скромнее: квант-исследователь большую часть времени ловит за руку самого себя.

Это разбор одного большого исследования данных криптовалюты только для одной валюты ADA: 9 лет минутной истории, стаканы с 16 бирж, своя нода блокчейна и около 3 000 гипотез. Мы переведём график цены в «текст» и скормим его трансформеру, устроим эволюцию формул, проверим RSI, уровни Фибоначчи, Луну и ретроградный Меркурий, попадём в три статистические ловушки, которые рисуют сигнал из ничего, и выберемся из них.

Внутри: почему модель, угадывающая 92 % случаев, теряет 80 % денег в год; почему лучшая из миллиона формул всегда выглядит гениальной; откуда у топ-копитрейдеров ×60 за год и чем они отличаются от монетки с плечом. А ещё — восемь признаков, которые честно знают о рынке больше самой цены, и чек-лист, как не обмануть себя на данных.

Спойлер: Грааль не найден. Зато найдено кое-что поинтереснее — понимание, где его точно нет.

М.Видео совместно с сервисом Pauri впервые запускает аренду электроники и бытовой техники на сайте Компании. В рамках партнерства М.Видео передает для аренды собственную восстановленную технику, а Pauri обеспечивает оформление заказов и обслуживание клиентов. Также сотрудничество предполагает возможность аренды техники из всего ассортимента Pauri. Новый сервис позволяет пользоваться необходимыми устройствами в течение определенного срока без необходимости покупать их, или провести тест девайса для последующего прямого приобретения. 

NFS часто выбирают за простоту: развернул сервер, опубликовал каталог, смонтировал его на клиентах – и файловый сервис готов. Но когда хранилище попадает в критичный контур, одной такой конфигурации уже недостаточно.

Требования к информационной безопасности и высокой доступности ставят новые инженерные вопросы. Как зашифровать NFS-трафик, не меняя приложения? Как обеспечить актуальность данных на резервном узле? Кто и в какой последовательности поднимает сервисы после аварии? И как переключить клиентов без виртуального IP (VIP)?

Привет, Хабр! Меня зовут Егор Шманев, я системный инженер в К2Тех. В статье расскажу, как мы решили эти задачи и что потребовалось, чтобы отдельные компоненты заработали как единый файловый сервис.

Представьте: ваш автономный агент генерирует команду для терминала, но ошибается на один символ. Шелл уходит в бесконечное ожидание, а процесс агента намертво зависает. Сегодня разберём, почему регулярки не спасают от этой боли, и покажем, как детерминированный конечный автомат (FSM) на хуке PreToolUse снимает проблему на уровне инфраструктуры.

30 сентября 2026 года Правительство внесло в Госдуму законопроект № 617-9, и вместе с поправками в налоги он поднимает налоговые штрафы: большинство, по разбору Интерфакса, вырастут в 1,16–3 раза, а  некоторые — до 14 раз.

Непредставленный по требованию документ сейчас стоит 200 ₽, по законопроекту будет стоить 560 ₽, а молчание в ответ на требование пояснений при камеральной проверке, если не подана и уточненка, — 14 000 ₽ вместо 5 000 ₽. Это проект, и суммы еще могут измениться до того, как закон примут.

Для компании, где требования ФНС приходят в систему электронного документооборота, это вопрос процесса, и одной бухгалтерией его не решить: срок ответа идет с даты, когда письмо считается полученным, даже если его никто не открыл.

Процентные штрафы 20% и 40% за неуплату налога законопроект не трогает. Дорожает дисциплинарная часть: штрафы за документы, пояснения, декларации, учет и неявку свидетелей. В большинстве этих составов сумма налога роли не играет: штраф считают по тому, ответил ли налогоплательщик в срок и сколько документов не представил. Разбор — для собственников бизнеса, руководителей ИТ-компаний, которым приходят запросы налоговой: в нем таблица «было → станет» по НК РФ, правила, которые работают уже в 2026 году, и чек-лист подготовки к изменениям 2027-го.

«А нам точно нужен Open Source? Мы же вайбкодим вообще всё!» Это спросил друг, который делает небольшие проекты, и такой вопрос я теперь слышу постоянно. Зачем брать чужую библиотеку или сервис, если за вечер можно навайбкодить своё? Ровно под свою задачу, без лишних фич, без чужой документации и чужих багов.

Вопрос честный, и короткого ответа «потому что так правильно» на него нет. Попробую ответить развёрнуто, на своих проектах.

В Telegram есть премиум-эмодзи, паки стикеров и NFT-подарки. Всё это красиво выглядит, но достать оттуда что-то для своей работы неудобно. Скачать пак целиком нельзя. Чтобы узнать custom_emoji_id, нужен отдельный бот или отладчик. А анимацию подарка вне Telegram можно разве что записать с экрана.

Я написал бота Emoji Studio, который всё это делает. В статье — не столько про сами функции, сколько про несколько интересных задач, которые пришлось решить по дороге:

Вы нашли на форуме рассказ про любопытную команду, скопипастили в терминал, и она сработала. Через неделю вы переносите ее в скрипт, и скрипт спотыкается на первом же файле с пробелом в имени. Чуть подправили, потестили и запустили в работу. А однажды ночью нужного каталога не оказывается на месте, и rm * удаляет файлы в каталоге на котором скрипт остановился. Страшный сон или реальность?

В документе, выложенным в открытый доступ (Антон Субчев, Сбербанк VibePPM), попались занятные цифры: классическая норма офисного работника, — это 3-5 одновременных проектов без ИИ, норма с ИИ, и целевой ориентир — 15-25 проектов (зрелый уровень Vibe PPM).

Михаил Горбачев в 1985 году начал демократические политико-экономические реформы в Советском Союзе: постепенное снятие идеологических барьеров в коммуникации с западом, разрешение предпринимательства и переформатирование работы госпредприятий, привели к тому, что на национальный рынок стали легально и массово проникать иностранные бренды.

Qwenputer — это обычная Qwen 3.5 4B, в веса которой скомпилирован 32-битный процессор RISC-V (RV32IM). Оперативной памятью ему служат собственные слои Gated DeltaNet модели: при гейте 1, силе записи 1 и one-hot-ключах каждая запись перезаписывает ровно одну строку состояния, а one-hot-запрос возвращает точное значение. Процессор занимает 11 слоёв перед 32 слоями Qwen, проходит официальные riscv-tests и выполняет C и MicroPython внутри прямых проходов модели, без внешних инструментов. На длинной арифметике NUPA точность выросла с 48,6% до 100%, примерно на 230 000 позиций вывода не нашлось ни одного расхождения с эталонной машиной. Автор объясняет, как это устроено, где ограничения и как к модели прикрутили файловую систему.

Хабр, привет! Меня зовут Джангр Анджукаев, я работаю старшим бизнес-аналитиком. В этой профессии я уже более 10 лет и каждый год открываю для себя что-то новое – инструменты, подходы, технологии.

Изначально я планировал посвятить эту статью своему опыту вайбкодинга с позиции бизнес-аналитика. Но в процессе понял, что хочу посмотреть на тему шире. Поэтому помимо технического кейса поделюсь своими мыслями о том, как искусственный интеллект меняет профессию аналитика и к чему нам стоит готовиться в ближайшие годы.

С математической точки зрения демократия практически невозможна.

Это может прозвучать как тема шестичасового подкаста какого‑нибудь миллиардера из Кремниевой долины, но на самом деле речь идёт об удивительно трудноразрешимой проблеме: как преобразовать индивидуальные предпочтения группы людей в единое коллективное решение?

В 1785 году французский математик и философ Никола де Кондорсе обнаружил, что большинство иногда может в результате голосования попасть в логический замкнутый круг. На выборах с тремя или более кандидатами каждый избиратель может расположить кандидатов в совершенно ясном и последовательном порядке предпочтения, однако после подсчёта всех голосов окажется, что каждый кандидат проигрывает одному из соперников при попарном сравнении. Изменение правил помогает лишь до определённого предела. Как позднее доказал экономист Кеннет Эрроу, любой способ объединения индивидуальных предпочтений в общий порядок должен нарушать хотя бы одно из демократических требований, которые на первый взгляд кажутся вполне разумными.

Теперь трое исследователей показали, что парадокс Кондорсе, которому уже 240 лет, имеет геометрическую форму, причём весьма необычную: бутылку Клейна, поверхность, у которой нет отдельных внутренней и внешней сторон. Этот результат даёт математикам геометрический инструмент для исследования того, почему, казалось бы, разумные правила коллективного принятия решений могут оказаться несовместимыми друг с другом.

В марте мне позвонил знакомый, у которого сеть клиник в двух городах. Позвонил не по делу, а с вопросом, который в этом году я слышу почти каждую неделю: «Слушай, а я попросил Алису, где у нас лечат зубы — она назвала три клиники в соседнем районе. Про нас ни слова. У нас что, сайт сломался?»

Сайт у него не сломался. Сайт у него в порядке: трафик из поиска идет, заявки есть, карточки в Картах заполнены. И вот это самое неприятное в новой реальности — можно иметь здоровый сайт, нормальную выдачу и при этом быть невидимым там, где люди теперь принимают решения.

Я SEO занимаюсь больше десяти лет, и последние два года у меня уходит заметная часть времени на одну и ту же работу: я сажусь и выясняю, что нейросети говорят о бренде. Не что написано на сайте, не какие позиции в Яндексе, а что именно модель перескажет человеку, который спросит «посоветуй, к кому пойти». Это отдельный слой реальности, он живет своей жизнью, и туда просачивается все: старые отзывы, битые адреса из справочников, цены двухлетней давности и чужие статьи, которые вы никогда не читали.

В прошлых статьях я разбирал техническую часть — как сайт доходит до нейросети и десять мифов о GEO. Здесь хочу поговорить о другом. О том, что происходит с репутацией, когда ее пересказывает машина, и что с этим можно сделать руками, без покупки волшебных пакетов.

Это четвёртая, заключительная часть материала, посвящённого Windows IR. Третья часть была посвящена задачам планировщика, автозапуску, учётным записям и восстановлению хронологии по журналам событий. В этой части — готовим коллекцию для офлайн-анализа, разбираем артефакты пользовательской активности, включая историю браузера, собираем итоговый таймлайн, превращаем находки в IOC и проходим по шагам восстановления системы после инцидента. 

Итак, вы отправляете запрос через сайт или приложение. В этот момент начинается его путь к подробному и, возможно, корректному ответу. По дороге запрос проходит через несколько систем, причем каждая выполняет свою задачу. Давайте разберем этот процесс.

Всем привет! С вами Сергей Ковалёв, менеджер продукта Выделенные серверы в Selectel. Сегодня расскажу, как устроена серверная инфраструктура ИИ-сервисов, с которыми каждый день работают менеджеры, поддержка, продавцы и специалисты сотен других профессий. Разберемся, почему качественный ИИ-сервис — это не только LLM, агент и GPU с большим объемом RAM, но и балансировщик, API, nginx, NVLink и другие компоненты. Подробности под катом.

Недавно у нашей команды появилась необходимость отвечать на вопрос: А такое фото у нас уже есть?». Не «такой же файл» — его можно было бы легко проверить по SHA-256, — а именно такое же фото: пережатое, уменьшенное, с чужим логотипом поперёк кадра, подрезанное по краям.

Про перцептивные хеши на Хабре написано много, почти везде разбирают устройство алгоритма. Мне же хотелось понять, что он выдерживает. Поэтому я взял двадцать фотографий, изменил каждую двадцатью шестью способами из тех, что реально случаются при перезаливе, и посчитал расстояния.

Это первая часть из двух. Она про то, что хеши умеют и где ошибаются: водяные знаки, геометрия кадра, выбор метода, длина хеша, порог. Во второй части я расскажу, как из этого сделать работающую систему: предобработка, зеркало и поиск в PostgreSQL с бенчмарком на десяти миллионах строк.

После прошлой статьи о Pulse читатели Хабра обратили внимание на вещи, которые я не учёл: долгий запрос истории может мешать очистке SQLite WAL, успешное выполнение команды ещё не означает, что контейнер поднялся, а разрешения модуля сами по себе не изолируют его от файлов сервера.

Я пошёл проверять эти замечания и разбирать реализацию. В статье — что получилось: тест чтения истории одновременно с записью отчётов, ограничение времени запросов и наблюдение за WAL, проверка состояния Docker-контейнера после команды и перевод модуля в WASI с доступом к Docker через ограниченный API-посредник.

Покажу, что теперь проверяется, какие ограничения появились и почему даже после этих изменений нельзя обещать выполнение команд «ровно один раз» или считать запущенный контейнер готовым к работе.