Kurgan-Telecom Ru | Информационные технологии

Текущая ситуация с бурным развитием больших языковых моделей (LLM) и средств разработки ПО с их применением - так называемых “обвязок” (harness), включая реализации в виде терминальных агентов типа Claude Code, Codex, Gemini, Opencode и др. вызывает закономерный вопрос - можно ли построить автономного (не зависимого от внешних сервисов) терминального агента, способного извлечь из компактной LLM, скажем с 8 млрд (8b) параметров и контекстом 32К, пользу для разработок ПО, сопоставимую с применением модели, имеющей на порядки больше параметров, скажем от 100b до 1Т? Другими словами, можно ли на локальном компьютере с видеокартой 12Gb решать задачи, не подписываясь на внешние сервисы, и если можно - то какие и какими должны быть агент и модель?

Для ответа на этот вопрос было принято решение поэкспериментировать с терминальными агентами. Агент для экспериментов не должен был быть привязан к модели (подобно qwencoder), должен быть с открытым исходным кодом (исключаем claude code сотоварищи), должен быть достаточно гибко модифицируемым для обкатки идей - с минимальной перестройкой кодовой базы при реализации очередной идеи. Статья кратко описывает результаты данного эксперимента за период с конца апреля по конец октября 2026 года. В тексте будем придерживаться терминологии, своевременно описанной в публикации.

Это глава, вышедшая в издательстве Springer в сборнике «Первый контакт: пришельцы и люди в современной научной фантастике», написана Флорисом ван дер Таком, специалистом по поиску внеземных цивилизаций.

@avshkol сделал перевод этой работы, поскольку в ней простым языком описаны параметры и ограничения для возможного существования жизни на наблюдаемых планетах иных звёзд. Для всех, кто интересуется поиском внеземной жизни.

После Качалки, «Чисто» и Кружка — программа для Mac. Я много пишу голосом и хотел одну клавишу: нажал, сказал, и текст появился там, где курсор, в любой программе.

Самый известный вариант — Wispr Flow: $15 в месяц или $12 при оплате за год, бесплатно 2 000 слов в неделю. В их FAQ сказано прямо: «Transcription always happens in the cloud». Есть и бесплатные без облака. Handy — открытый код, много языков. По-русски — Говорун: тоже бесплатный и открытый, на той же модели, что у меня, и умеет больше — Android, Windows, синхронизация.

Статья про то, как я калькулятор для антропологов по открытым данным сделал: внутри вы можете найти, на кого из древних людей вы больше всего похожи.

В июле 2026 года в PNAS вышла статья Кевина Хаталы и соавторов про следы на берегу древнего озера в северной Кении. Около 1,4 млн лет назад там прошли восемь парантропов вида Paranthropus boisei. От этого вида до сих пор находили в основном черепа с огромными челюстями и зубами, а ниже шеи почти ничего. По отпечаткам стоп авторы оценили рост до 1,8 м и массу около 75 кг. Это заметно больше, чем получалось раньше по редким костям.

Меня в этой новости зацепило не то, что парантропы оказались крупными, а сам вопрос: как вообще по следу, обломку бедра или куску таза узнают рост и вес существа, которое умерло миллион лет назад? Ответ скучнее и интереснее, чем кажется. Есть десятки опубликованных регрессионных формул, у каждой свой автор, своя выборка, своя ошибка. Я собрал главные из них в один открытый калькулятор и положил рядом базу из 311 ископаемых людей.

Люди, которые разговаривают на тему ИИ, обычно делятся на два типа: одни говорят так, как будто зачитывают определения из учебника, а другие впадают в ступор, если кто-то произносит слово «LLM» или «нейросеть».

Вам необязательно относиться ни к одному, ни к второму типу.

Есть 5 терминов, которые важно по-настоящему понять, а не просто вызубрить, и тогда вы будете на голову выше почти любого вашего собеседника. Неважно, работаете вы в сфере технологий, бизнесе, образовании, или вам просто интересно развитие новых технологий.

Личная подписка сотрудника на чужую карту, правило Anthropic про 50% владения, НДС налогового агента при покупке у иностранца и курс доллара, спрятанный в цене посредника. Разбираю по первоисточникам, что нужно компании для оплаты моделей по счёту и как считать реальную цену.

У акций есть прибыль, у облигаций - купоны, у недвижимости - арендный доход. Всё это позволяет хотя бы приблизительно оценить их фундаментальную стоимость.

А как быть с биткоином?

Он не генерирует денежный поток, не выплачивает дивиденды и не имеет привычных финансовых показателей. Но при этом обладает рыночной стоимостью в сотни миллиардов долларов и привлекает всё больше инвесторов.

Можно ли определить справедливую стоимость биткоина? Сколько разумно за него платить и существует ли вообще понятие «дорого» или «дёшево» применительно к криптовалюте?

Попробуем разобраться, откуда берётся стоимость биткоина, что лежит в основе спроса на него и можно ли оценить, насколько оправдана его текущая рыночная цена.

Почти каждый мессенджер пишет «мы не можем прочитать ваши сообщения», но проверить это обычно нельзя. В мессенджере, который я разрабатываю (Umbera), я пошёл от обратного: опубликовал криптографическое ядро — ту часть кода, которая определяет, что может узнать сервер, — и написал тесты, которые воспроизводят схему и проверяют её свойства одной командой.

Ниже — гибридная постквантовая печать сообщения (X25519 + ML-KEM-1024), почему взлом одного из алгоритмов ничего не даёт, какие метаданные сервер всё-таки видит, как защитить DTLS-SRTP от подмены отпечатков при установке звонка, и как проверить каждое утверждение самому.

Привет, Хабр! Продолжаем развивать DBML Diagram в Boost for Java.

В предыдущем обзоре мы показывали интеграцию с dbdiagram.io, экспорт SQL и проверку отношений между таблицами. В следующем обновлении сосредоточились на работе с самой диаграммой: как ориентироваться в схеме, отделять одну предметную область от другой и перемещать связанные таблицы вместе.

В версии 2.0.0 появилась визуализация TableGroup — цветные рамки с названиями групп. В 2.1.0 мы перешли на свободный SVG-канвас: убрали ограничение перемещения слева и сверху, добавили сетку, перенос групп и более удобную навигацию.

Версия 2.1.0 уже доступна в JetBrains Marketplace. Ниже расскажем, что изменилось, какие ограничения остались и какую обратную связь нам сейчас особенно хотелось бы получить.

Страница плагина · Исходный код

Разбираем производительность морфологических анализаторов для русскоязычных текстов в Python-среде. Расскажем, почему библиотеки семейства PyMorphy работают так медленно и как интеграция нативного C++ ядра libmorph/rus решает проблему производительности high-load систем.

CactOS — гибридное монолитное ядро для i686 на C и Rust. В 2.0.0: ABI сокращён с 95 сисколлов до 15, модули подписываются ECDSA P-256 с vermagic-отпечатком, VFS переписан на Rust, добавлен энергогоvernor для SMP с per-core runqueues. Suspend вырезан из-за ненадёжного resume. Репозиторий x86_32 уходит в архив после тега v2.0.0.

Cross-Cleaner уже проделал большую часть работы по снижению памяти — но не на уровне парсинга, а на уровне представления данных:

К агентам быстро привыкаешь. Я уже смотрю, какого болванчика дадут на новой работе, а за часть своих проектов без ИИ вообще бы не взялся. Опасения из прошлых статей остались, но возвращаться к работе без агентов уже не хочется.

В Agibot X2 Ultra с Quectel RG255C-GL рабочая российская SIM читалась, но модем не регистрировался. Разобрали LOW-диапазон CLADE, нашли проверку MCC 250 и изменили один бит. Затем пересчитали MBNv7 и проверили LTE, HTTP и HTTPS. Продолжение кейса с EG25-GC — на новой платформе.

Бывало ли такое с Вами?

ИИ исправно работает, токены расходуются, а момент завершения отодвигается, потому что очередное тестирование проекта от ИИ находит новые проблемы.

Но попытка все эти проблемы исправить приводит внезапно не к идеальному состоянию, а к ухудшению результата. Вместо разумно построенного проекта вырастает машина Голдберга.

Почему с ИИ стало легче писать код, но порой труднее закончить работу? И как понять, что ИИ уже создает больше новых проблем, чем решает старых?

Здесь вы узнаете, как работа с современным ИИ может воспроизводить известную апорию Зенона, в которой Ахиллес никогда не догонит черепаху.

Вы наверняка видели ролики, где индийские швеи работают за станками с экшен-камерами на лбах или парикмахер стрижет с GoPro, закрепленной на груди. За такой, как может показаться, фрик-контент платят зарплату, ведь каждое видео уходит в обучающую выборку робота, который однажды сделает то же самое без человека. Под катом расскажу, кто собирает данные для гуманоидов и сколько за это платят.

Это неочевино, но многие люди каждый день пишут код на языке 1С, проводят документы, закрывают месяцы и знают наизусть, что такое «Данные были изменены или удалены другим пользователем (сеансом)!». Kubernetes для большинства из них — что-то далёкое и чужое, с английскими словами, YAML-файлами и непонятной философией. Вчера в одном чатике по K8s Дядя Женя набросил про Kubernetes на 1С. Вызов был принят. Итак, что будет, если взять Kubernetes и перенести его в мир 1С, вместе с его языком, документами, регистрами и бухгалтерией за стенкой?

Получился дистрибутив, который я назвал Assnetes (или 1Ж:Оркестратор 8). Манифесты и операторы в нём пишутся на языке 1С (кириллицей), командная строка разговаривает голосом главного бухгалтера Тамары Петровны, а пакетный менеджер закупает в кластер Бухгалтерию и Битрикс вместе с операторами, один из которых умеет масштабировать кластер серверов 1С по количеству сеансов. Под всем этим работает самый обычный Kubernetes, и по дороге выяснилось, где он готов притвориться бухгалтерией, а где сопротивляется насмерть (могу его понять).

Китай предложил пороги для AI-агентов: 20 подзадач, 60 агентов, 200 инструментов. Разбираюсь, можно ли вообще измерить «силу» агента одной цифрой и что на самом деле говорят бенчмарки.

Делюсь опытом участия и заметками с полей одной из наиболее авторитетных научных конференций в области менеджмента, организованной исследовательским сообществом «Strategic Management Society» (SMS). Специальная конференция состоялась в Гонконге летом этого года и была посвящена управлению взаимоотношениями со стейкхолдерами: клиентами, поставщиками, партнерами и другими участниками создания ценности.

Для меня это была возможность апробировать свои научные наработки по теме open source-подхода для организаций. Дело в том, что я занимаюсь исследованиями в области стратегического управления и маркетинга, специализируясь на open source-подходе, сопутствующей коммуникации и других механизмах управления: пишу по теме научные статьи и популярные материалы, а также выступаю с докладами на конференциях.

Большинство проигрывает в мой симулятор психиатрической экспертизы с первого раза. Причём не потому что игроки не знают ответов, а потому что не понимают, как именно я их ловлю. Ниже будет разбор реальной механики детекции симуляции в MMPI-2, которую я перенесла в движок.