Kurgan-Telecom Ru | Информационные технологии

Мы подготовили модель TAPe+ML к локальному исполнению внутри процессорного ядра. Модель помещается во внутренней памяти процессора и после первоначальной загрузки работает там. Для работы самой модели не требуется постоянно переносить ее параметры из оперативной памяти в процессор.

Текущая локальная поставка занимает около 4,2 МБ, а на протестированных CPU обработка кадра занимает от 8,6 до 15,8 мс.

У YOLO – в 22-58 раз больше.

Практический разбор для начинающих специалистов Blue Team: где искать следы подозрительной активности, как читать записи SSH и веб-сервера и почему один странный запрос ещё не означает взлом.

Представим ситуацию: на сервере работает сайт, пользователи заходят на него, приложение обрабатывает запросы, а администратор занимается обычными задачами. В какой-то момент нагрузка растёт, в логах появляется множество ошибок, а SSH начинает регистрировать неудачные попытки входа.

Что произошло? Обычный сбой, автоматическое сканирование или кто-то пытается получить доступ к системе?

Без журналов событий ответить на этот вопрос сложно. Но если логи настроены правильно, они могут рассказать довольно много: какие действия выполнялись, когда они происходили, какие ресурсы запрашивались и чем закончились попытки доступа.

— В этой статье разберём, как начать расследование подозрительной активности на Linux-сервере без сложных SIEM-систем и дорогостоящих инструментов.

В этом году сегмент бюджетных смартфонов с ценой до 10.000 рублей не отличается особым разнообразием. Подавляющее число моделей построено на базе чипсетов от Unisoc, визуально имитируют внешний вид iPhone 17 Air и отличаются лишь экранами и конфигурацией памяти, за исключением редких "броневичков" с сменными аккумуляторами типа Cubot KingKong Dura.

Свежий Blackview Wave 10 является хорошим примером сбалансированного ультрабюджетника: за 10к мы получаем 8-ядерный UNISOC T615, 8ГБ оперативной памяти и 256ГБ постоянной, и свежую версию Android с фирменной оболочкой DokeOS. Стоит ли он своих денег? Сегодня узнаем!

Я очень давно мечтала иметь стабильную, хотя бы небольшую, аудиторию на своих стримах. И дело не только в создании «сообщества друзей», но и в том, что я хотела удовлетворить свой геймдизайнерский гештальт: начать разрабатывать полноценные ивенты с классной движухой и интересными заданиями. И вот, спустя год стабильного стриминга, у меня сидит, хоть и небольшое, но постоянное качество зрителей, с которыми я, наконец, могу «сыграть в игру»

В отчёте должны быть все клиенты, включая тех, у кого нет оплаченных заказов. Запрос использует LEFT JOIN, загрузка проходит без ошибок, но часть клиентов всё равно исчезает.

Причина может быть в одной строке: условие по правой таблице поставили в WHERE. А попытка исправить его через OR … IS NULL возвращает не всех, кого ожидали.

Разберём учебный пример: четыре клиента, заказы в двух статусах и витрина с одной строкой на клиента. Посмотрим, где теряются строки, почему COUNT(*) показывает несуществующий заказ и как проверить не только сумму, но и состав результата. Все SQL-примеры ниже проверены в SQLite. Это пример логики данных, а не история из проекта.

Вторая часть про скоринг email-адресов.

В первой я обучил CatBoost отличать живые адреса вроде ivan.ivanov@gmail.com от сгенерированного мусора. Теперь подключаю модель к Node.js-бэкенду, без отдельного Python-сервиса.

Сама модель в ONNX запускается быстро, но основная работа в другом - переписать все признаки на TypeScript так, чтобы они совпадали с Python до последнего бита. Пришлось разбираться с длиной строк в UTF-16, \d в регулярках и прототипами у JS-объектов.

Однажды мне надоело платить за VPS, ресурсов которого едва хватало для запуска Chrome. В поисках альтернативы я вспомнил про без дела лежащий CMF Phone 1 и решил превратить его в полноценный сервер для личных сервисов. Рассказываю, как удалось запустить Linux-приложения на Android, автоматизировать развёртывание и обеспечить доступ из любой сети — и с какими неожиданными проблемами столкнулся в процессе.

Первое портфолио подростка решает сразу три задачи: помогает при поступлении в вуз, даёт преимущество при поиске первой работы и помогает ребёнку понять, чем он хочет заниматься, пока ещё есть время попробовать разное. 

При этом мало просто сложить грамоты в папку. В статье разберём, когда начинать собирать портфолио, что туда класть и где учиться, чтобы получить первые кейсы.

В запросе «Сделайте нам хороший корпоратив» конкретики примерно столько же, сколько в просьбе «Сделайте удобное приложение». Из такого запроса непонятно, что считать хорошим результатом, для кого организуют событие, какую задачу оно должно решить и по каким критериям потом оценивать его успешность.

Всё начинается довольно невинно.

У вас дома стоит растение. Его нужно поливать, но вспоминаете вы об этом либо слишком поздно, либо после того, как полили «на всякий случай» несколько дней назад. В какой-то момент вы покупаете ESP32, датчик влажности, небольшой насос, открываете несколько роликов на YouTube и понимаете: это же можно собрать за вечер.

И правда можно. Несколько проводов, немного кода: если почва сухая — включить насос. Через час на столе стоит первая система автополива, а в голове появляется приятное чувство, что теперь растение под контролем.

У Slidy есть отличный слоган — «Самая быстрая нейросеть для презентаций». Как выяснилось, в компании довольно быстро могут меняться и предлагаемые должности. Причем кандидат узнает об этом уже из оффера.

Расскажу, как я проходил собеседования на руководителя отдела SEO‑контента, выполнял тестовое задание, общался с директором и действующим руководителем, а в итоге получил предложение на совсем другую позицию.

Представляем вам колонку, написанную Сооснователем компании Битрикс24 Сергеем Рыжиковым.

Почти десять лет назад я рассказывал, как мой дом научился жить на солнечной энергии. Сегодняшняя история тоже начинается с солнечной электростанции. Но этот рассказ будет про другое: про то, как у меня дома выросла программа. Почти сама.

Я давно думаю об одной вещи. Сколько я себя помню в софте, программы всегда поставлялись готовыми. Их проектировали заранее, отливали в одну форму и раздавали всем одинаковыми. Можно было подкрутить настройки, включить или выключить какие-то функции, и на этом все. Если твоего устройства нет в списке поддерживаемых, извини. Подстраиваться всегда приходилось человеку. Мне давно казалось, что должно быть наоборот, но как это сделать, было непонятно — до недавнего времени.

21 октября 2026 года мир PHP вздрогнул от анонса двух критических RCE-уязвимостей (CVSS 9.2), получивших общее имя PHP2Shell (CVE-2026-109618 и CVE-2026-109619). Опасность этих брешей в том, что они срабатывают на уровне ядра интерпретатора еще до того, как управление дойдет до первой строчки вашего index.php. Достаточно, чтобы сервер просто принимал HTTP-запросы.

Разработчики PHP оперативно выпустили патчи для поддерживаемых веток (8.2.35, 8.3.36, 8.4.27, 8.5.12) и заявили: «Единственный 100% способ защиты - обновление, а сценарий наивысшего риска - это Apache с mod_php».

Звучит отлично, если у вас свежий проект. А что делать, если в продакшене крутится суровый высоконагруженный энтерпрайз-легаси на PHP 5.6 в связке с Apache 2.4 (mpm_prefork + mod_php), переписать который за ночь невозможно, а официальных патчей для ветки 5.6 не выйдет никогда?

Под катом - практический разбор того, как устроены обе уязвимости, почему именно mod_php оказался под главным ударом и как я выстроил эшелонированную оборону на уровне Varnish → Apache → PHP → Docker cgroups, не сломав легаси-монолит и проверив каждый рубеж боем (с разбором подводных камней HTTP keep-alive).

Я дал Claude Code (Opus 5.5) тестовое задание: нарисовать в SVG сцену из «Бегущего по лезвию 2049». Агенты, которые я пробовал, провалили его одинаково: на настоящий кадр никто не посмотрел, рисовали по памяти и сообщали бездумно, что готово. Тогда я начал подсказывать агенту вопросы: есть ли документация, с чем сравнивать результат, когда остановиться. Из этих вопросов вырос AutoHarness — скилл, который заставляет агента подготовиться к задаче до того, как он начнёт её делать.

Нейроинтерфейсы обычно обсуждают как способ вернуть человеку возможность управлять компьютером или общаться после потери речи. Coherence Neuro разрабатывает устройство с другой задачей: отслеживать опухоль по электрической активности тканей и воздействовать на неё стимуляцией. Стартап привлёк 45 млн долларов, чтобы продвинуть технологию к длительным исследованиям на людях.

Вы запускаете трёх агентов сразу. Один закончил. Второй уже десять минут ждёт вашего «да». Третий упал, и вы об этом не знаете. Узнаёте, только когда по очереди переключаете окна.

Мы сделали Lumio, чтобы больше так не работать. Это бесплатное приложение для Mac, которое превращает чёлку MacBook в пульт для ИИ-агентов. В версии 1.2 к Claude Code и Codex добавились Cursor и GitHub Copilot в VS Code. Теперь все четыре видны в одном месте, и почти на всё можно ответить, не открывая редактор.

Производство контента дешевеет. Даже от бесплатной нейросетки можно за секунды получить иллюстрацию, композицию с нужным настроением, да хоть книгу. Но каковы масштабы проблемы? Мы дошли до эры сгенерированного интернета или еще нет?

Поскольку у нас нет реестра всего и вся в интернете, долю человеческого контента вывести не получится. Но мне удалось найти исследования по доле генераций в новостях, книгах, фото и музыке. Предлагаю их обсудить.

Спойлер — почти во всех сегментах наблюдается эдакое перепроизводство, которое я недавно упоминала в ракурсе научных работ: делать контент сильно легче, чем проверять, редактировать или рекламировать.

О разнице снапшота и бэкапа начинающие сисадмины узнают в самый неподходящий момент. Например, когда аккаунт уже заблокирован или база уже не поднимается. Под катом разберу, почему опасно заменять резервное копирование на VPS снапшотами и какую схему я рекомендую. Опенсорсные утилиты — в подарок. 

«П‑с-с‑с, хочешь, чтобы функция очистки массива была на 49% быстрее? Сдвинь массив на 4 байта».

Рассмотрим следующий код на Go:

const words = 1 << 19

type block struct {
n uint32
data [words]uint32
}
func (b *block) reset() {
b.data = [words]uint32{}
}

Что, если я скажу вам, что всего лишь добавив 4 байта заполнения (padding) между n и data, вы ускорите функцию reset на 49% (по крайней мере, на машинах с Intel)? Звучит безумно?

Привет, Хабр! Я Владимир Лушин, делаю ИИ-агенты и инструменты для работы с кодом. Статья, вроде, серьёзная, но с пуделями. Так уж вышло, что дрессировка собаки объясняет внимание в LLM понятнее любых формул с softmax.

В карточках свежих open-source моделей везде написано «1 млн контекста». Внутри при этом точно читается совсем другое количество токенов: GLM-5.3 выбирает для каждого шага 2048 токенов из истории, DeepSeek-V4-Pro — 1024 сжатых блока, а у Qwen3.8 и Kimi K3 всю историю целиком видит лишь каждый четвёртый слой.

Для агента это быстро становится вполне практической проблемой: правило из AGENTS.md к сотому вызову инструмента тихо перестаёт работать, и «ну вот же оно, в контексте!» уже не аргумент. Я полез разбираться, как устроено внимание в открытых моделях 2026 года и что с этим делать в обвязке, чтобы агент не забывал правила к середине сессии.

Примечание:

- Все свежие открытые модели читают длинный контекст выборочно. Три семейства: разрежённое top-k (GLM-5.x, DeepSeek-V4, MiniMax M3), гибриды «3 линейных + 1 полный» (Qwen3.5—3.8, Kimi K3, GLM-5.3-Flash), скользящее окно + глобальные слои (Gemma 4).

- Гарантированно точно читаются только последние сотни токенов. Всё остальное должно либо «выиграть отбор» по релевантности, либо дожить в сжатом виде.

- У большинства моделей качество ломается где-то в районе 128—256 тыс., а Kimi K3 с компактизацией на 300 тыс. обгоняет саму себя с полным окном в 1 млн.

- Обвязке важнее, куда положить текст, чем что в нём написать. Лучше всего работают чистка старого вывода инструментов, поиск по запросу вместо «залить всё», постепенное раскрытие, состояние вне окна, повтор правил в конце.

- А то, что нельзя нарушать никогда, закрывайте хуками и правами доступа, вниманию такое доверять не стоит.

Сразу поясню: часть конфигураций я читал прямо из config.json на Hugging Face, часть — из карточек и техотчётов. Где данные вторичные, я это помечаю. А всё про «что модель читает» я вывожу сам из архитектуры, разработчики такого нигде не заявляли.