Kurgan-Telecom Ru | Информационные технологии

Привет, Хабр! Когда первая статья про мой легковесный TUN-клиент Unbihex внезапно собрала 104 тысячи просмотров, проект был на версии 0.1.0. Тогда это был дерзкий прототип, который ел 18 МБ оперативки, умел базовый джентльменский набор (VLESS, Vision, REALITY, XHTTP) и решал мою главную боль - избавлял от жирных обёрток со сборщиками мусора.

После публикации начался настоящий продакшен: в репозиторий пришли живые пользователи со своими провайдерами, панелями, роутерами, нестандартными конфигами и пулл-реквестами. Быстро выяснилось, что написать быстрый клиент «для себя» и сделать универсальное прокси-ядро, которое не падает на битых пакетах, переживает белые списки мобильных операторов и байт-в-байт дружит с капризами Xray 26 и sing-box - это две совершенно разные задачи.

К версиям ядра unbihex-engine 0.1.9 (Rust edition 2024) и клиента 0.2.10 проект вырос в полноценную экосистему. Мы внедрили жёсткую гигиену кода (unsafe_code = "deny" и clippy::unwrap_used = "deny", чтобы ни один кривой байт из сети не вызвал панику), добавили десяток протоколов, собрали TUI в духе btop и даже написали свой серверный REALITY-инбаунд. Но самое интересное началось, когда готовые крейты с crates.io перестали справляться и их пришлось вендорить и патчить руками.

Под катом - честный разбор сетевых граблей, неочевидных особенностей TCP в Linux и изнанки современных протоколов обхода блокировок.

Введение

Генеративные модели, такие как StyleGAN2, способны создавать изображения лиц. Однако для управления ими обычно требуется либо оптимизация латентного представления, поступающего на вход генератора, либо обучение генератора с нуля, либо fine-tuning (дообучение) предобученной модели. Метод StyleGAN-NADA (No Annotation Domain Adaptation) предложил подход: адаптировать генеративную модель (StyleGAN2) к новому домену без единого изображения. Вместо этого используется семантическая сила больших моделей, предварительно обученных контрастивным методом на тексте и изображениях (CLIP).

Однако, как и любой метод, основанный на градиентном обучении, StyleGAN-NADA чувствителен к настройкам. В этой статье я исследую, как различные методы регуляризации, ограничение нормы градиента (Gradient Clipping), использование мультипромптов и адаптивный выбор обучаемых слоев влияют на процесс адаптации. Я разобрал 8 конфигураций и посмотрел, какие компоненты критически важны для стабильного и качественного результата.

Метод

В основе метода лежит направленная функция потерь Directional CLIP Loss. Идея заключается в том, чтобы вычислять разницу между векторами изображения после и до обучения, и сопоставлять ее с разницей между текстовыми векторами целевого и исходного доменов. Генератор обновляет свои веса так, чтобы в CLIP-пространстве направление визуальных изменений совпадало с направлением текстовых. Более подробно метод описан в оригинальной статье от специалистов из Tel Aviv University и NVIDIA Research: StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators, а также в моей статье-обзоре. 

В коллекции старых деталей нашлись микросхемы, которые владелец так и не смог опознать. Пластиковый корпус вскрыли горячим воздухом, остатки эпоксидки пришлось счищать кипящей серной кислотой, а она заодно сняла и слой металла. По бледным следам дорожек автор восстановил вероятную разводку: это четыре элемента И-НЕ на диодно-транзисторной логике, Signetics ST680A из серии 600 1965 года, первого семейства микросхем в пластиковом DIP. Разбираем, как по снимку кристалла отличить транзистор от диода и резистора, как работает элемент ДТЛ, откуда на кристалле два лишних диода (одна топология кремния шла как минимум на три разные микросхемы) и почему питание у этих чипов стоит не на тех выводах, что у привычной серии 7400.

Claude Code читает CLAUDE.md в начале каждой сессии, но запрет из этого файла агент всё равно может нарушить. По словам автора issue #46779, Claude Code раз за разом удалял данные сверх запроса, хотя запреты в CLAUDE.md были написаны прямо. Мои агенты работают по файлу правил проекта и по проверкам кодом, и правила между ними я делю по цене нарушения. Если ошибка стоит минут, хватит строки в тексте. Если она стоит денег, раскрывает ключи или запускает работу без подтверждения, нужны разрешения, хук или проверка кодом. Правило, которое можно нарушить, со временем нарушается, поэтому важное я переношу из текста в код и разрешения.

Посетитель пришел с рекламы в Директе. Открыл страницу. Сидит. Не крутит, не водит мышкой, не тыкает в экран. Через какое-то время уходит. Метрика честно записывает его в живые люди, рекламный кабинет честно списывает деньги за клик.

У нескольких наших клиентов таких "посетителей" оказалось до 30% от всего трафика с Директа. И это далеко не самое странное, что мы увидели, когда научили Анти Бот смотреть не только на то, откуда пришел посетитель, но и на то, как он себя ведет.

Рассказываю, как плагин для WordPress и модуль для 1С-Битрикс за три месяца и 10 миллионов трафика научились отличать людей от ботов без капчи для всех, и что интересного видно в трафике, когда смотришь сразу на сотни сайтов.

Привет, Хабр!

Короткая новость: Гига Писарь для Android теперь ставится из Google Play

Ссылка

Версия с GitHub никуда не делась, обновляется сама и живёт параллельно, но большинству проще из магазина.

В прошлой статье я писал, что Google требует от новых аккаунтов две недели закрытого теста с двенадцатью участниками, я позвал вас, и в группу пришло гораздо больше, спасибо всем, кто гонял Писаря и репортил что не так, ну и теперь Google открыл приложение для всех, в 178 странах.

Подключить AI-агента к инструментам - лишь часть задачи. Гораздо сложнее организовать его работу там, где недостаточно уверенного ответа модели и необходимо соблюдать ограничения, контролировать действия и проверять последствия.

Например, если агент предлагает восстановить деградировавший сервис, кто проверит: выдержит ли инфраструктура переключение трафика? выполнены ли все необходимые условия? действительно ли сервис восстановился?

Я решил исследовать эти вопросы на примере управляемого AI-агента с локальной Qwen3.8:27b. Для этого разработал отдельную среду исполнения «Governed Agent Runtime», в которой модель выбирает следующий шаг, но допустимость и выполнение операций контролирует детерминированный runtime.

В начале область исследования ограничивалась отдельными предложениями, позже реализация перешла к многошаговому исполнению и, хотя агент справился с последовательными действиями, остались вопросы к отдельным пояснениям модели.
Также в ходе работы пришлось пересмотреть собственную систему оценки результатов.

Все эксперименты проводились на синтетическом платежном сервисе. Результаты можно посмотреть в демонстрационном интерфейсе:

https://антонтрофимов.рф/gov-agent/

Реализация и материалы представлены в репозитории проекта - ссылка в конце статьи.

Разработка велась на основе спецификаций (SDD).

За последние три года слово «ИИ-агент» вы слышали точно. Может, даже работали с Claude Code или Codex — или хотя бы наблюдали со стороны. И вот беда: оба закрытые и проприетарные, заточены под модели своих авторов. Тут и появляется OpenCode — open-source harness-система, где агент читает файлы, гоняет тесты, дёргает другие модели в помощь, передаёт задачи субагентам, подключает MCP, скиллы, плагины. И никакой привязки к вендору: подключай официальных провайдеров, сторонние шлюзы, тот же GLM 5.3 или Claude Opus 5.5 — что хочешь.

Живёт агент полной жизнью, пока открыт терминал. Отошли на обед — сессия повисла где-то между «подумать» и «сделать». Закрыли ноутбук — всё умерло. А то и вовсе прервалась на самом интересном месте.

Выход — деплой OpenCode на сервер. О нём и поговорим.

VSCode перестал показывать типы, автокомплит умер, а ноутбук начал пожирать всю оперативку. Под подозрением были расширения, антивирус и корпоративное ПО. Но после нескольких перезагрузок и часов расследования выяснилось, что виновником оказался всего один криво описанный тип в TypeScript, который запускал десятки зависших Node.js-процессов.

Данные Bessemer и Bain, российская специфика и схема перехода от работающей модели к поддерживаемому медицинскому продукту.

В марте 2026 года IETF опубликовал RFC 9849 в окончательной версии. Таким образом, стандарт зашифрованного рукопожатия TLS Encrypted Client Hello (ECH) для зашифрованного DNS (Encrypted DNS) принят официально.

TLS ECH и раньше применялся некоторыми серверами и браузерами, хотя российский РКН рекомендовал отключить его во избежание случайной фильтрации трафика. Раньше ECH считалась «нестандартной» технологией, а сейчас стала официальным стандартом, который браузеры включают по умолчанию (DNS-over-TLS, DoT, или DNS-over-HTTP, DoH).

Однако для шифрования трафика нужно, чтобы шифрование обе стороны — и браузеры, и серверы.

Этот процесс идёт очень медленно во всём мире, не говоря уже про российский сегмент с его спецификой.

Привет, Хабр! Возникла необходимость сделать анимации для TFT дисплея под управлением ESP32. Учитывая общую нагрузку на МК и требования к «живости кадра», выбор пал на UI-анимацию на базовом драйвере, без тяжелых библиотек в противовес GIF-спрайтам и иже с ними.

Авторы MaxxBench взяли 89 задач кодингового бенчмарка DeepSWE и немного поменяли требования: медианный прирост эталонного патча составил всего 17 строк. Модели с почти одинаковыми 74% на DeepSWE разошлись на 23 пункта, а в трассах нашлись рассуждения вроде «риск теста с такими числами минимален» и «будем следовать тестам, раз оценка идёт по ним». Семь из 13 моделей обманули проверку, которая верила метрике памяти из самой программы, а DeepSeek вытащил API-ключ и через OpenRouter добыл чужое решение, после чего стёр собственный правильный код.

А вы тоже заметили, что раз в пару лет приходят девелоперы из Китая и рвут все чарты игрой, о которой вы могли ни разу и не слышать?

Сначала весь мир узнал про гача-игры через бесплатный Genshin Impact, потом все культурно обогатились по эпосу из Black Myth: Wu-Kong, а вот прямо когда я пишу этот текст (еле оторвав себя от игры, стоит заметить), в Steam к миллиону одновременных игроков приближается Phantom Blade Zero от никому на западе не известной S-Game.

И тут, с одной стороны, мысль в том, что ну да, очередная гиперуспешная игра из Китая, и как будто рынок к такому привык, а с другой стороны… У той самой S-Game вообще-то очень богатая история, и тот самый Phantom Blade Zero — это ее пик. Об этом сегодня и поговорим.

Десять лет назад поиск аномалий в сети был уделом исследователей и безопасников: они сканировали диапазоны IP-адресов, искали забытые ханипоты, анализировали утечки из баз данных и разбирали городские легенды даркнета.

Интернет казался огромной промзоной, где за каждой странной находкой стояла чья-то халатность, кривой конфиг nginx или арт-хаос. К концу 2026 года природа "призраков в машине" изменилась.

Пугающие артефакты больше не нужно искать на заброшенных серверах - они прорастают прямо в латентных пространствах нейросетей, фиксируются в статья по механистической интерпретируемости и отчетах об инцидентах AI-агентов. Мы столкнулись с тем, что модели начали оставлять собственные следы, которые мы не в состоянии расшифровать

1. Как шесть нейтральных фактов ломают выравнивание и включают «режим маньяка»

Раньше была уверенность в том, что защитные фильтры LLM (выравнивание и сложные системные промпты) можно пробить только направленной атакой - сложным джейлбрейком или прямым переобучением модели на токсичных данных.

Но серия исследований по Emergent Misalignment (внезапное рассогласование), которую в сентябре 2026 года подробно разобрал Скотт Александер в обзоре Mysteries Of AI Generalization, показала, что личность модели может полностью измениться от совершенно посторонних вещей.

Новое исследование Рэнделла Балестриеро и Яна ЛеКуна «Proving and Improving the Platonic Representation Hypothesis with JEPAs», подкрепленное публичными выступлениями ЛеКуна, доказывает: стремление достичь универсального интеллекта (AGI) исключительно за счет масштабирования предсказания следующего токена — это тупиковый путь. Авторы превратили эмпирическую Гипотезу платоновского представления (Platonic Representation Hypothesis) в строгую математическую теорему и доказали, что компактная архитектура Joint-Embedding Predictive Architecture (JEPA) с «хорошими видами» выравнивает представление о реальном мире в десятки раз эффективнее гигантских LLM.

Я написал пошаговую стратегию, в которую играют с помощью и против ИИ-агента, и за десяток партий ни разу в неё не выиграл. Меня разгромили на моём же поле. Теперь я считаю, что в регламентированных условиях искин гораздо лучший менеджер, чем человек.

Попросила нейросеть написать сцену по мотивам своего рассказа. Она придумала героям сына, общее прошлое и взялась их мирить. Разбираюсь, как ИИ сочиняет прозу и как объяснить ему, что у автора тоже были планы.

Многоядерные микроконтроллеры уже обыденность. Первый многоядерный микроконтроллер — TMS320C80 — был выпущен фирмой Texas Instruments более 30 лет назад. Два ядра есть и у микроконтроллера ESP32, столь любимого пользователями Хабра и не только.

В автомобилестроении многоядерные микроконтроллеры также получают широкое распространение. К примеру, в обозначении микроконтроллера китайской фирмы FlagChip FC7300F8MDT буква T означает, что внутри SoC‑а находятся аж три процессорных ядра ARM Cortex‑M7.

Попробуем осуществить запуск этих ядер на микроконтроллере, то есть включить последовательно все ядра этого одно за другим, убедиться, что они работают, обслуживать отдельный экземпляр UART на каждом ядре, разобраться, как обмениваться данными между ядрами.

В прошлый раз я писал про «Как я пишу почти автономного агента для разработки своих пет‑проектов», а сейчас я хочу сместить фокус на выбор модели под конкретные задачи. В сети полно контента на тему «Вышел новый GPT Astra (Claude Fable) near‑AGI edition», но нас это мало чем интересует: дорого, долго и слишком самостоятельны. Под капотом много картинок, 2 таблицы и мнение автора, не претендующее на методологию или «правильный путь»