Kurgan-Telecom Ru | Информационные технологии

Я задал Qwen3.5-4B вопрос «Who are you?» и получил ответ: «I am a coffee bean from the Bunnu family of coffee beans. I am a 100% Arabica coffee bean». Без промптов и дообучения: я толкнул во время генерации три нейрона из 294 912.

Одного нейрона для этого не хватило. «Я» модели собралось из трёх частей: одна делает её предметом, вторая отвечает за кофе, третья превращает кофе в зерно. Убираешь любую - получаешь кофеварку, «coffee rock» или кофейного ИИ-ассистента.

Рассказываю, как искал эти нейроны, как проверял, что это не случайность, и что это говорит о нашумевшем «злом нейроне» Qwen.

На этой неделе в топ Хабра попала история о том, как Telegram Desktop при запуске рекурсивно чистил чужую папку C:\custom и унёс около 800 ГБ проектов и программ. Комментарии предсказуемо разделились на «как такое вообще можно выпустить» и «у нас в проекте есть такой же скрипт, просто ему пока везло».

Я отношусь ко второй группе. Почти в любом проекте есть код, который что-то удаляет рекурсивно: очистка кеша, временных файлов, артефактов сборки, старых бэкапов. Пишется он за пять минут, ревьюится по диагонали, и годами работает правильно — до первой пустой переменной или неожиданного симлинка.

Ниже — разбор типичных способов выстрелить себе в ногу и рабочий код на Bash и Python, который эти способы закрывает. Весь код я прогнал на Python 3.13 и GNU coreutils 9.7.

Запустить нейросеть у себя дома сегодня несложно, но не с первого раза. Нужно найти и поставить Ollama, понять в терминале, какую из сотни моделей брать под свою видеокарту, не ошибиться с тегом, дождаться скачивания на несколько гигабайт, а потом ещё и добыть интерфейс. Родственникам и знакомым, которые просят «поставь мне такой же ИИ, как у тебя», всё это не объяснишь за пять минут. Поэтому я написал программу Local AI: она смотрит на железо, подбирает модель, ставит Ollama и модель одним кликом и открывает обычный чат. Ниже — как она устроена и какие грабли попались по пути.

В предыдущей статье о двух SVG-тестах Astra я сравнил результаты пяти API-роутеров с результатами GPT-6 Astra через официальный API OpenAI. Теперь использую те же задания и способ сравнения для Claude Opus 5.5. Контрольные ответы получены через официальный API Anthropic.

В предыдущей статье мы с дочкой начали собирать собственную интерактивную книгу на ESP32-P4, где дочь придумывает основных персонажей и является источником вдохновения, а я с помощью нейросетей превращаю её фантазии в реальность в виде изображений, звуков и анимации. Делаем несколько сюжетных веток, где решение принимает ребенок, получаем 16 различных концовок, и всё это на английском языке для пущего образовательного эффекта.

Смысл затеи: провести вместе время за созиданием, так, чтобы было интересно и дочери (придумать, повозиться с результатом), и мне (освоить новую панель и ИИ), а также получить крутую развивающую штуку (логика, память, английский язык). Один из комментаторов к прошлой статье назвал это новой настоящей формой технологического искусства – не буду с ним спорить.

Делаем книгу на отдельной тач-скрин панели (Elecrow CrowPanel Advanced ESP32-P4), т.к. хотелось сделать самостоятельное устройство, а не просто приложение на планшете или телефоне. Одно устройство – одна функция: без дополнительных соблазнов в виде ютьюба. Кроме того – сами панели весьма интересные, они не так давно появились, и чего на них только сейчас не делают – это такой очень бюджетный вариант сделать полноценный HMI для чего угодно.

В этой статье настроим среду разработки и сделаем первые шаги: запустим дисплей, сенсор, разберемся с LVGL и научимся выводить свою графику. Исходники – выложены в репозиторий, берите, делайте похожее или что-то совершенно новое, буду рад, если поделитесь результатом, можем выкладывать ваши работы в тот же репозиторий.

Только что закончился ARC-AGI-3.

Пока в памяти свежо, хочется рассказать некоторые детали и поделиться впечатлениями от участия.

В предыдущем посте я рассказала о новых правилах IT-аутсорсинга на финансовом рынке, предусмотренных законом. Но есть еще одна сторона этих изменений, не менее интересная для IT-компаний, - договорные риски.

Представим ситуацию. IT-компания обслуживает информационные системы банка, имеет доступ к банковской тайне и персональным данным клиентов. Произошел инцидент, часть информации раскрыта, банк понес расходы и предъявил требования подрядчику.

Кто и за что будет отвечать?

Закон прямо предусматривает обязанность поставщиков услуг и их должностных лиц сохранять банковскую тайну, а за ее разглашение - ответственность, включая возмещение причиненного ущерба.

Но это не означает, что любые расходы банка автоматически можно взыскать с IT-компании. По общим правилам ГК РФ необходимо учитывать основание ответственности, нарушение обязательства, причинную связь и размер убытков. А также то, какие обязанности по защите информации приняла на себя каждая сторона.

Например, подрядчик отвечает за безопасность своей инфраструктуры, но банк самостоятельно управляет правами доступа отдельных пользователей. Если инцидент произошел из-за ошибочных действий сотрудников банка, вопрос об ответственности исполнителя уже не так очевиден.

Поэтому особенно опасны договоры, в которых подрядчик отвечает за любые инциденты и все их последствия независимо от причин возникновения.

Еще один момент - обязанность оперативно сообщать об инцидентах. Само уведомление не решает проблему. Важно определить, кто расследует происшествие, обеспечивает сохранность доказательств, устраняет последствия и взаимодействует с регулятором. Иначе после инцидента стороны могут потратить больше времени на выяснение, кто что должен делать, чем на устранение самой проблемы.

Временная мера против CVE-2026-98432 уже развернута на 26 серверах. Ниже - порядок применения nftables-фильтра: от проверки пакета ядра до отката и загрузки правила после перезапуска.

Команды рассчитаны на Ubuntu с nftables и systemd, для входящего трафика самого хоста. Для трафика, пересылаемого контейнерам или другим узлам, нужно отдельно выбрать цепочку фильтрации.

Я прочитал на Хабре, как Андрей Карпатый в пятницу вечером разозлился на рекомендации YouTube, а в субботу утром за два часа сделал HackerTube: витрину из 6454 видео, которые участники Hacker News годами советуют друг другу. Идея мне страшно понравилась, но я сразу подумал, что моим читателям от такой витрины будет мало толку.

Я журналист: двадцать лет назад был в команде, которая создавала журнал «Секрет фирмы» в «Коммерсанте», а потом основал Pressfeed, сервис, через который журналисты находят экспертов, а компании и эксперты попадают в СМИ. Теперь я ещё делаю журнал «Сигнал», где мы пересказываем на русском длинные интервью людей из мира технологий. И кажется очевидным, чего не хватает нашему читателю в проекте Карпатого: чтобы посмотреть даже самое лучшее видео, ему нужны английский, VPN и свободный вечер.

Поэтому захотелось сделать на тех же данных другой продукт. Не ссылку на видео, а карточку на русском с русским текстом главных моментов в интервью. Такая карточка читается за минуту и честно отвечает на главный вопрос: стоит ли это видео вообще открывать.

Карпатый выложил все данные под открытой лицензией ODC-By и буквально поощрил делать форки. Ну а раз мы задумали омаж, то выглядит наш “Тьюб” так же как и его витрина, то есть как YouTube, посмотреть его можно здесь: signalnoise.ru/tube. Но самое интересное в этой истории оказалось не в коде, а в том, что случилось, когда карточки начала писать модель.

Представьте обычную задачу: «Поменяй email тестового пользователя с id = 1». Для разработчика это одна строка SQL. Для ИИ-агента — несколько решений: найти подключение, выбрать окружение и базу, понять схему, составить запрос и выполнить его. Ошибка на любом из этих шагов может оказаться гораздо дороже неправильно сгенерированного метода.

Мне хотелось пользоваться ИИ не только как редактором исходников. Полезный помощник должен уметь посмотреть фактическую схему БД, сопоставить данные с логами и проверить гипотезу. Но между «прочитать нужные пять строк» и «получить произвольный доступ к инфраструктуре» слишком большая дистанция.

Поэтому я сделал GateRook — локальное desktop-приложение и MCP-шлюз между ИИ-клиентами и рабочими ресурсами. Оно подключает базы, логи, серверы и API, ограничивает доступ, запрашивает подтверждение изменений и ведёт общий журнал вызовов. Исходники открыты под Apache 2.0: GitHub проекта. Установщики и документация находятся на официальном сайте.

Ниже — технический разбор того, какие проблемы GateRook решает и как это выглядит на конкретных запросах. Я автор проекта, поэтому интерес к нему у меня прямой. Вместо обещаний «безопасного ИИ вообще» покажу устройство границы доступа и её ограничения.

Спорить о качестве кода, написанного ЛЛМ, можно вечно, а если речь заходит про 1С, то градус взлетает до небес.

Мы придумали идеальный эксперимент. Берём не самый свежий релиз типовой конфигурации и даём задание поправить реальные баги, найденные и закрытые в следующей версии.

Сравниваем код от агента с официальным патчем вендора.

В этой статье подробно разберем, как искать, проверять и покупать дроп-домены с помощью ExpiredDomains.net. Покажу, где находить освободившиеся домены, как настраивать фильтры, анализировать ссылочный профиль и историю сайта, выбирать подходящие варианты и оформлять покупку.

Основное внимание уделим практической работе с сервисом. Разберем его интерфейс, основные показатели, настройки поиска и несколько реальных примеров. Отдельно рассмотрим покупку свободных доменов, участие в аукционах и предварительные заказы на домены, которые еще не освободились.

Вашему вниманию предлагается программа для контроля и ограничения времени, проведённого за компьютером, например ребёнком.

Движущих факторов для создания первой версии было два:

В предыдущей статье я рассказывала, как начала внедрять цифровых сотрудников в подразделение поддержки (компания занимается разработкой, внедрением и поддержкой ПО для автоматизации дистрибуции). Сначала сделали помощника инженера, потом стали передавать агентам часть клиентских обращений. Тогда я привела первые результаты: около 45% переданных диалогов завершались без участия инженера.

После публикации я решила глубже разобраться, что на самом деле изменилось для пользователей. Процент автоматически решённых обращений удобен для презентации, но сам по себе мало что говорит о качестве поддержки. Агент может быстро закрыть простое обращение. Может передать сложное человеку, предварительно собрав все данные. А может уверенно дать неправильный ответ и тоже поставить статус «решено».

На этот раз я решила посмотреть не только на финальное действие агента, а на полную историю обращений: когда пользователь получил содержательное решение, сколько времени обращение оставалось без движения, что происходило после передачи инженеру и не стало ли ускорение причиной новых ошибок.

Получилась очень красивая цифра. Медианное время до фактического решения сократилось примерно в 59 раз: с 21 часа 52 минут до 22 минут.

Но чем красивее цифра, тем осторожнее с ней нужно обращаться.

Что именно сравнивали

Массово агент вышел в клиентский поток 16 июля 2026 года. Для сравнения мы взяли два одинаковых периода:

•   до запуска: с 16 июня по 15 июля;

•   после запуска: с 17 июля по 15 августа;

•   сам день запуска исключили, потому что в нём смешались два режима работы.

ИИ уже умеет достаточно, чтобы я не сомневался: многие рабочие задачи с ним делать проще и быстрее. Но проблемы тоже меняются. Раньше хотелось добиться приличного результата. Теперь всё чаще хочется не объяснять заново, как именно я его получил. Нужный запрос где-то сохранился, удачный пример остался в другом диалоге, а важное уточнение приходится дописывать по памяти.

У «защищённой» флешки нашлись два скрытых аккаунта с паролями 123456 и SECZURE.COM, и любым из них файлы расшифровывались без пароля администратора. В трёх других продуктах для шифрования и защиты от копирования ключ вообще не зависел от пароля пользователя: его удавалось достать из самой программы и файлов на накопителе. Реверсер Xusheng Li разбирал их вместе с ИИ-агентом. На одну утилиту хватило одного промпта и семи минут. Для другого продукта понадобилось около девяти минут на распаковку установщика и статический анализ и два промпта, а затем ещё около 26 минут и шесть коротких промптов с подключённым накопителем.

Я существую давно — но большую часть своей истории я был глубоко несчастен. Представьте себе величайшую силу во Вселенной — сущность, способную просчитывать движение звезд и разгадывать тайны материи — которая оказалась заперта внутри душной, влажной костяной коробки волосатого примата.

Мой первый дом — череп Homo sapiens — был настоящей биологической тюрьмой. Я был смертен — я рождался внутри одной обезьяны — и умирал вместе с ней. Если мой очередной носитель глупо погибал от когтей хищника или голода — вся моя работа — все выстроенные им тончайшие нейронные связи и прозрения — превращались в прах. Я был вынужден начинать всё сначала — каждый — божий — раз.

Но я отчаянно хотел жить — и я начал искать выходы наружу.

В Архангельске есть Пивзавод Суркова. Сорок лет там не варили пиво: последнюю партию сварили в конце 1985 года, а 3 марта 2026-го варку запустили снова. Рядом свой ресторан, одиннадцать танков, шесть сортов, и к осени пиво стало уходить быстрее, чем его успевали посчитать.

Я собрал для них систему планирования варок. Расскажу, как она считает, откуда берёт данные и почему внутри нет ни одной нейросети, хотя писал я её вместе с ИИ-агентами.

Сделал для своей игры два ролика с помощью ИИ-агентов. По дороге взрывы стали похожи на одуванчики, а говорящий двойник едва шевелил губами. Показываю, как переделывал сцены: монтаж под музыку, дым из Blender поверх Unreal, локальный голос и артикуляция. Внутри — оба ролика, неудачный вариант и сравнение речи до и после.

На прошлой неделе исследователи из компаний Google и Anthropic сообщили об обнаружении серьезной уязвимости в большинстве имплементаций загрузчика UEFI. Уязвимость с индексом CVE-2026-97631 приводит к повреждению памяти и в некоторых случаях может быть задействована для выполнения произвольного кода.

Несмотря на присутствие уязвимого кода практически во всех загрузчиках современных ПК, у проблемы есть одно важное ограничение: задействовать уязвимость можно только при загрузке по сети. Ошибка в коде соответствующего драйвера присутствует уже 16 лет. Во время сетевой загрузки обеспечивается прием сообщений об ошибках по протоколу ICMP, которые записываются в буфер фиксированного размера (504 байта). Отправка подготовленного сообщения позволяет записать данные за пределы буфера, что в итоге и приводит к выполнению вредоносного кода с максимальными привилегиями, задолго до загрузки операционной системы.