Kurgan-Telecom Ru | Информационные технологии

Пару дней назад я опубликовал в LinkedIn пост про ИИ-разработку и получил довольно неожиданный комментарий от одного руководителя разработки — мол, к ИИ-разработке он относится крайне скептически.

И причины такого скепсиса, в общем-то, понятны. Я вижу много ребят, которые попробовали ИИ-инструменты пару лет назад, когда эти инструменты ещё только придумывались, и остались совсем не впечатлены качеством — на выходе у них получился самый настоящий AI slop (от английского slop — помои), и с тех пор они так и придерживаются своего мнения. Код вроде бы собирается и даже проходит тесты, но написан он совсем не так, как у вас в команде принято, повторяет худшие места проекта и разваливается от первой же правки.

Почти год назад я ушёл с позиции технического директора в каршеринге Ситидрайв, чтобы полностью окунуться в агентскую разработку, и за этот год пришёл к выводу, что чаще всего виновата не модель, а репозиторий, который не подготовили для агента. В этой статье я расскажу, почему агенту в таком репозитории так сложно писать хороший код и что нужно сделать, чтобы слоп в нём больше не появлялся.

Снабженец строительного объекта отправляет ведомость металлопроката одновременно в 4-5 заводов и заказывает у того, кто первым прислал точный расчет. На производстве инженер-сметчик тратит от 4 до 8 часов на ручной перенос номенклатуры и сверку коэффициентов по бумажным справочникам ГОСТ.

Популярная идея «скормить скан ведомости в ChatGPT» на реальном заказе ведет к прямому кассовому разрыву: при расчете партии швеллера 16П модель ошиблась в массе на 41% в минус, что дает 126 720 рублей чистого убытка на одной строке.

В статье разбираем трехслойную архитектуру решения: как подружить нечеткий семантический парсинг сканов (OpenCV + Vision API) с детерминированным расчетным ядром на Python

Четыре Tesla V100 2017 года тянут в проде плотную Qwen3.8-27B в INT4 с окном 262 тысячи токенов — это модель zubr в ZuBrIQ (zubriq.ai), запросы к которой не покидают Беларусь. Официальный vLLM на этих картах 4-битную модель не запускает. Рассказываю, на каком форке это работает, куда утекает память, что показал бенчмарк MoE против dense и почему имя модели нельзя менять никогда.

12 ноября 2026 года вступила в силу обновлённая политика использования Anthropic, и российские издания написали, что Claude закрывают для компаний из России. Мы собрали в одном месте все даты за год и проверили, что в этой новости действительно новое.

Привет, Хабр! На связи Сара, продакт менеджер команды Промо, и Аня, руководитель контента ecom.tech. Мы работаем над тем, чтобы промо-активности помогали пользователям Самоката найти то самое, что желает их сердечко: круассаны, топ-дропы и многое другое. В статье расскажем, куда нас привела гипотеза со скроллом и как новый инструмент в приложении помог увеличить просмотры наших медиа.

Я импортировал со своего айфона большую пачку фотографий в HEIC. Оказалось, что даже на современном макбуке листать их нечем. Встроенный «Просмотр» и сторонние программы показывали следующее фото с задержкой. Сами программы тоже открывались не сразу: между двойным кликом в Finder и фотографией на экране проходило заметное время. В прошлые года, я бы немного поплевался, посетовал на разучившихся писать быстрый код девелоперов, и смирился бы, ведь раньше ради таких задержек никто бы не стал заморачиваться и писать свой просмотрщик. Но мы же живём в новой эпохе!

Три вечера, новая модель Fable 5.2 с саб-агентами на Opus 5.5, и вот смотрите, получился Bolt, нативный просмотрщик на Swift и AppKit без сторонних зависимостей.

В моих замерах Bolt листает быстрее «Просмотра», Quick Look, XnView MP и ApolloOne. Ближайший из них, ApolloOne, показывает следующее фото в два с лишним раза медленнее.

Компания Anthropic заплатила OnePWR Solutions 3,4 млрд долларов. Раньше такие суммы фигурировали в поставках чипов, но на этот раз речь о газовых генераторах для выработки 1,7 ГВт мощности для дата-центров. По данным Financial Times, это крупнейшая разовая закупка энергооборудования ИИ-компанией.

Мы уже привыкли к дефициту чипов для ИИ, особенно высокопроизводительной памяти и GPU, поставки которых расписаны до 2030 года. Теперь наступил черёд ресурсов для работы этих чипов. Текущие энергетические мощности США оказались очень ограничены, а запуск ИИ-центров вызывает протесты местных жителей, для которых стоимость энергии возрастает в разы, – поставщикам выгоднее продать её владельцам дата-центров. Сроки подключения к энергосетям растягиваются до того же 2030 года. Чтобы их сократить, ИИ-компании переключаются на автономную генерацию и даже закупают отработанные авиационные турбины.

Показательно, что Anthropic выбирает не «зелёные» источники энергии, а газ и атомную энергию. Для работы дата-центров нужна постоянная энергия, недопустимо зависеть от облачности и силы ветра. А возможные штрафы за выбросы углерода станут лишь ещё одной строчкой в расходах.

Такой же подход и у других ИИ-компаний: SpaceXSI Илона Маска использует газовые турбины для суперкомпьютеров серии Colossus в Теннесси и Миссисипи, Meta* развивает собственную газовую генерацию в Огайо. Microsoft, Amazon и Google перезапускают атомную энергетику США для получения постоянного источника энергии. Например, Google вложил более 4,4 млрд долларов в Constellation Energy для модернизации текущих АЭС и получения дополнительных 890 МВт мощностей в ближайшие 20 лет.

ChatGPT, Gemini и Perplexity могут направлять покупателей на поддельные интернет-магазины и неработающие сайты. Это показало исследование компании Podqi, которая занимается защитой интеллектуальной собственности. Подозрительные адреса встречались в 15% ответов Perplexity, 8% ответов ChatGPT и 4% ответов Gemini. При этом исследователи учитывали как рекомендации таких сайтов, так и нейтральные упоминания и предупреждения об опасности.

A/B‑тест показал +6% к конверсии при p‑value 0,03, и команда закладывает результат в бизнес‑прогноз. Но при низкой мощности эксперимента случайный шум может существенно завышать оценку эффекта. В статье разбираем, как работает проклятие победителя, насколько сильно оно искажает результаты и какие методы помогают получить более реалистичную оценку.

С актуальной темой тут пришел. Так как все больше людей переходят на нейронки, поиск естественно тоже плавно туда начал переходить, и я вот решил в этом вопросе нормально разобраться, чтобы понять куда свой вектор внимания переориентировать, чтобы на плаву остаться. Итак что я изучил, видимость сайта в нейровыдаче меряется тремя разными инструментами: первое это оценкой текста на странице, второе: долей ответов конкретной системы, где сайт назван или процитирован, и третье переходами с конверсиями в аналитике. У каждого прибора свой знаменатель, поэтому единый, назовем его, «GEO-балл» ничего не измеряет, и почти вся путаница вокруг GEO растет ровно из попытки сложить эти три числа в одно.

В энергетике ЦОД нет второстепенных деталей. Генераторы могут стоять на фундаментах, но без инженерной инфраструктуры они так и останутся дорогим оборудованием. Показываем, как собирается энергосистема Марфино, и отвечаем на непростые вопросы читателей.