Kurgan-Telecom Ru | Информационные технологии

История: как язык для вайбкодеров стал языком квантовых вычислений

Я начинал VIBEE как простой инструмент для вайбкодеров — людей, которые хотят писать код через спецификации, а не руками. Идея была простая: пишешь .vibee файл, получаешь готовый код на 42 языках.

Но когда я добавил троичную логику (TRUE/FALSE/UNKNOWN вместо бинарной TRUE/FALSE), произошло неожиданное открытие:

φ² + 1/φ² = 3

Золотое сечение в квадрате плюс единица делённая на золотое сечение в квадрате равно ровно трём. Не приблизительно — математически точно.

Зима. Снег. Морозный воздух. Но выходить на улицу не хочется. А фотосессия нужна. Хорошая новость: нейросети научились создавать зимние фотографии, которые не отличить от профессиональной съёмки, и всё это можно сделать, сидя дома с чашкой горячего чая, просто написав текстовый промт и отправив его искусственному интеллекту на обработку.

Мы собрали 15 промтов для создания атмосферных зимних фото в русском стиле ❄️

Как я построил систему мониторинга LLM-приложений и научил AI анализировать собственные ошибки

AI-ассистенты в IDE стали незаменимыми помощниками разработчиков, но остаются чёрными ящиками. Мы не видим что они делают "под капотом", сколько это стоит и где теряется время. В статье покажу как построить системуobservability для AI-агентов: от Cursor IDE до production, с AI-анализом трейсов и открытым исходным кодом.

PyTorch — популярный фреймворк для машинного обучения — обновился до версии 2.10.

Cреди основных новшеств можно отметить:

• Поддержка AMD ROCm:

  • Введена поддержка сгруппированной GEMM.
  • Улучшена поддержка ROCm для Windows.
  • Добавлены новые модели GPU GFX1150/GFX1151 (серия AI 300) в списки поддержки hipblaslt.
  • Расширены функциональные возможности, такие как поддержка scaled_mm v2 и AOTriton scaled_dot_product_attention.

• Поддержка GPU Intel:

  • Внедрены новые API Torch XPU для Intel.
  • Поддержка дополнительных операторов ATen.
  • Оптимизация производительности для GPU Intel.

• Поддержка NVIDIA CUDA:

  • Расширенные возможности для написания шаблонных ядер.
  • Улучшена поддержка CUDA 13.

• Поддержка Python 3.14 для torch.compile(), а также экспериментальная поддержка сборки Python 3.14 без глобальной блокировки интерпретатора (free-threaded).

• Снижение накладных расходов на запуск ядер благодаря горизонтальному слиянию комбо-ядер в Torch Inductor.

Полный список изменений доступен на github.

Готовые варианты, скомпилированные для разных GPU, ОС и языков (Python/C++/Java) указаны на сайте Pytorch

 machine learning, python, pytorch