Kurgan-Telecom Ru | Информационные технологии

Современная идея работы основана на индустриальном труде сформировалась Промышленной революцией, передавшей роль создателя продуктов труда от человека машине, и тем самым переопределила суть человека трудящегося: из мастера своего труда — в оператора чужого, машинного труда. Основную работу сегодня выполняют машины: будь то станки или компьютеры, но человека это не освободило: наоборот, закрепостило в роли придатка, обслуги машинного труда, вынужденного работать в машинном темпе и подчинённого машинным ограничениям.

Это прямо противоположно свободному, мотивированному, духоподъёмному, осмысленному труду, который вполне буквально сделал человека человеком — и поэтому современный индустриальный концепт «человека-работника» на самом деле является расчеловечивающим: человек или человек — или работник.

Но выходом из этой дилеммы является не регресс (назад к кострам и пещерам), а продолжение и завершение процесса индустриальной революции: переход от механизации труда к автоматизации. Необходимую для этого роль оператора, мыслящего придатка к механизмам, и должен взять на себя ИИ. Это то, для чего ИИ и изобретали.

Время от времени, в новостях появляются рассказы о том, что ИИшки принесли в нашу жизнь или новости о развитии ИИшек. Этакий романтический нарратив о чём-то очень новом, что несёт с собой либо невиданное благоденствие, либо невиданные ужасы.

Однако, в реальности, многие такие события являются лишь переупаковкой того, что уже было.

Инженеры данных построили агрегат — маленькую таблицу «продажи по магазинам по дням». Отчёт из неё собирается за доли секунды. А сводная в Excel всё равно ждёт двадцать секунд и читает миллиард строк.

Разбираемся на живом ClickHouse, почему база не видит предагрегат, который для неё построили, какая форма запроса это лечит (одна и та же для ClickHouse, Snowflake и BigQuery) и почему в итоге вопрос не к базе, а к семантическому слою. Внутри — замер на миллиарде строк: 3 секунды против 37 миллисекунд, сравнение восьми баз и одно правило, которое стоит проверить в своём BI.

Платформа TData работает на операционных системах «Альт»

На партнёрской конференции «Базальт СПО» AltConf: Orange Season 2026 технический директор TData Андрей Телюков представил практический кейс по интеграции платформы управления данными с операционными системами (далее — ОС)  семейства «Альт». В центре внимания — обеспечение стабильной работы, соблюдение требований к импортонезависимой инфраструктуре и ключевые вызовы: адаптация пайплайнов сборки и скриптов автоматизации, работа с неоднородным стеком продуктов в экосистеме open source, обеспечение совместимости с сертифицированной версией ОС «Альт».

Тикет пришёл от разработчика, который писал импорт учёток из старой системы. Формулировка была такая: «кажется, у нас ломается верификация, но ломается она в плюс — подходят пароли, которых не было».

Ломалось не у него. Так работает bcrypt, и работает уже двадцать семь лет.

KubeVirt или готовая платформа? Мы сравнили Deckhouse Virtualization Platform с «ванильной» версией по-честному: API-ресурсы, миграции, хранилища, сеть, безопасность. Получилась таблица на десяток с лишним отличий. 

Собрали в одной статье всё, что реализовали поверх KubeVirt, чтобы инженеры не тратили время на настройку и интеграцию: от sizing-политик до проброса USB в ВМ.

Агентствам приходится одновременно управлять рекламными кампаниями разных клиентов, следить за бюджетами, аудиториями и ставками. Чем больше проектов в работе, тем важнее автоматизировать рутинные операции.

Разбираем инструменты Авито Рекламы, которые помогают агентствам масштабировать работу: API и интеграции, управление аккаунтами, настройку аудиторий и автоматические ставки.

Медиана зарплаты DevOps-инженера в 2026 году держится в районе от 220 000 до 250 000 ₽, но разброс внутри одного грейда огромный: у Senior вилка идёт от 300 000 до 850 000 ₽.

На переход к следующему уровню сильнее всего влияют три конкретных фактора: уверенное владение Kubernetes и облаками, движение в сторону платформенной инженерии и автоматизация процессов через AI-инструменты.

Разбираем зарплаты по грейдам и городам, какие навыки поднимают доход сильнее остальных и какой пошаговый план поможет закрыть именно те пробелы, что стоят между вами и следующим грейдом.

Привет! Это Степан Малькевич, руководитель группы рекомендаций ленты ВКонтакте (AI VK).

За прошедшие месяцы 2026 года время в ленте выросло на 11%. За этими цифрами — серия изменений, каждое из которых сделало свой вклад в рост метрик. Сейчас расскажу, что мы обновили и что из этого вышло.

Чтобы проверить небольшую правку в микрофронтенде вместе с настоящим хостом, мне приходилось либо ждать полный CD-пайплайн, либо локально конфигурировать и поднимать хост, разводить порты, прописывать домены. Оба варианта меня не устраивали.

В статье рассказываю, как оставил всё окружение в Kubernetes, а локальную сборку начал синхронизировать прямо в pod через DevSpace.

Большинство команд умеют запускать проекты. Гораздо сложнее — довести их до финальной точки, когда остаются последние баги, спорные решения и десятки «маленьких» улучшений, способных снова отодвинуть релиз. Разбираем, почему проекты застревают на финишной прямой, какие ошибки превращают почти готовый результат в долгострой и какие практики помогают командам спокойно пройти последний этап.

В этой статье мы сравним передовые подписочные модели от Anthropic, OpenAI и Google для целей литературного перевода, редактирования и сверки. А конкретнее — Google (gemini-3.7-flash и gemini-3.1-pro), Anthropic (claude-opus-5) и OpenAI (gpt-5.6-sol): кто чище переводит, кто внимательнее редактирует и кому можно доверить вердикт «ошибся автор или перевод».

Все сравнения проводились внутри опенсурсного конвейера BookTrans, о котором уже рассказывалось на Хабре.

Команда — шесть разработчиков, полтора десятка параллельных проектов. Задачи жили в Excel, чатах и головах. В какой-то момент стало понятно, что «а кто это делает?» задаётся чаще, чем «как это сделать», — пора заводить трекер.

Дальше случилось то, что случалось у многих: мы честно прошлись по рынку, везде что-то мешало, и в понедельник я открыл пустой репозиторий. Во вторник команда уже вела задачи в своём трекере.

А самое интересное произошло между этими точками: канбан-доска — то, ради чего всё затевалось, — прожила в интерфейсе два с половиной часа. По истории коммитов видно точно.

Расскажу по порядку: почему не подошло готовое, что выкинули, что оставили и почему «свой трекер за два дня» — это не подвиг, а холодный расчёт про длину петли обратной связи.

Почему не готовое

Сразу дисклеймер: всё перечисленное ниже — нормальные инструменты. Не подошли они нам из-за наших ограничений, а не потому что плохие.

Jira и Linear отпали первыми: данные о внутренних проектах не должны жить во внешнем облаке, а с обслуживанием российских аккаунтов у обоих вендоров всё сложно. Kaiten, YouGile, Weeek — приличные российские альтернативы, но это опять облако с чужим хранением, а по деньгам на команду — подписка за то, чем мы будем пользоваться на пять процентов.

Self-hosted Plane был ближе всего, но тащить и обслуживать чужой комбайн ради шести человек не хотелось.

GitHub Issues мы используем и любим, но тут споткнулись о главное: трекер нужен не только разработчикам. Руководителю нужны карточки, сроки и картинка загрузки — а не list view с лейблами. Фраза, убившая этот вариант, звучала так: «Issues не умеют пользоваться менеджеры». Это не претензия к менеджерам — это факт о интерфейсе.

Привет, Хабр! Год назад я взял себе гарнитуру Quest 3: думал буду играть, разминаться в спортивных играх типа настольного тенниса или выводить на нее виртуальный экран для работы. Реальность оказалась несколько прозаичнее. Но за это время я хорошо разобрался с Quest 3 и понял, в чем она хороша и чего полезного ей не хватает. 

Аппетит приходит во время еды, и мне стало интересно, что предлагают другие производители. Я выбрал PICO 4 Ultra, Apple Vision Pro и Samsung Galaxy XR. Я сравню их со своей Quest 3 и посмотрю, чем они различаются, кто и в чем лучше и оправдана ли разница в цене.

Последние несколько лет за развитием генеративного ИИ было удобно следить как за спортивной таблицей. OpenAI выпускала GPT-4, Google отвечала Gemini, Anthropic показывала новую Claude, затем начинался следующий круг. Каждая компания приносила набор бенчмарков и объясняла, где её модель теперь первая.

В 2026 году эта логика начала ломаться. Не потому, что модели перестали становиться мощнее. Наоборот, 1 сентября Anthropic выпустила Claude Fable 5.1, новую топовую модель для программирования и сложной интеллектуальной работы. Проблема в другом: возможность построить более сильную модель больше не означает, что большинство клиентов захотят использовать её для большинства задач.

Financial Times недавно обратила внимание на показательный пример. Fable 5 вышла 9 июня 2026 года как одна из самых мощных моделей Anthropic, но спустя примерно два месяца на неё приходилось около 11% расходов на продукты Anthropic среди корпоративных клиентов, которых отслеживает Ramp.

Здесь важно уточнение. Это не 11% всей выручки Anthropic, а показатель внутри конкретной выборки корпоративных расходов. Кроме того, первоначальный запуск Fable был прерван: 12 июня доступ к модели отключили из-за американских экспортных ограничений, а глобальный релиз восстановили 1 июля. Поэтому эту цифру нельзя использовать как идеальное измерение спроса.

Но сама тенденция гораздо интереснее конкретных 11%. Компании всё чаще выбирают более дешёвые модели, если дополнительное качество frontier-модели не влияет на бизнес-результат.

Компания «Нанософт», ведущий российский разработчик САПР и BIM-решений, приглашает на премьеру nanoCAD BIM Строительство 26 – новой версия BIM/ТИМ-решения для архитекторов и конструкторов.

Онлайн-премьера: 15 сентября в 11:00 (МСК), бесплатно.

Расскажем о ключевых возможностях новой версии в прямом эфире:

1. Новая система уровней и осей 

Упрощает пространственную координацию модели: переработаны привязки, управление уровнями и координационными осями, добавлен габаритный параллелепипед.

2. Многослойные конструкции 

Позволяют задавать состав, порядок слоев и материалы стен, перекрытий и кровель с помощью специальной базы конструкций.

3. Расширенные инструменты кровли 

Добавлены кровли вытягивания, перехода и вращения, дуговые сегменты и динамические булевы операции для моделирования сложной геометрии.

4. Автоматическое создание помещений 

Контур помещения определяется по окружающим стенам без ручной обводки, что особенно удобно в многоэтажных проектах.

5. Новые инструменты армирования 

Помогают проектировать армирование с помощью инструментов Плоскость армирования, Арматура по площади и Раскладка по траектории, автоматически формировать 2D-представление и получать данные для спецификаций.

6. Обновленный Редактор параметрических объектов 

Новый интерфейс, расширенный набор 3D-примитивов и поддержка XPG-шаблонов ускоряют создание библиотечных объектов.

7. Новая библиотека объектов 

Поиск в интернет-библиотеке, включая базы производителей и Менеджер компонентов упрощают работу с внешними библиотеками.

8. Улучшенный экспорт в IFC 

Настройка единиц измерения, экспорт по ограничивающей призме и актуальные схемы параметров, включая ЦИМ АГР, помогают готовить модель к передаче в экспертизу.

9. Новые шаблоны спецификаций 

Расширены типы объектов, правила фильтрации и шаблоны для архитектурного раздела, помещений и проемов.

10. Развитие API и SDK 

Открыт доступ к параметрам Диспетчера проекта, добавлена SDK-утилита для имитации последовательности строительства.

И многое другое…

Регистрация открыта!

А самые активные участники получат возможность...

Привет! Я Владимир Мокроусов, сисадмин в группе компаний «Синтека». Мы создаем софт для строительной отрасли и активно используем в работе ИИ-модели. 

Недавно мы сделали единый доступ к моделям на базе LiteLLM. В статье расскажу, как собрали эту схему, на какие грабли наступили с лимитами и блокировками и что пришлось контролировать, чтобы всё работало.

Всем привет! Меня зовут Полина, и четыре года назад я купила курс по аналитике данных. Курс хороший, за хорошие деньги. Но, как это часто бывает, я его забросила. И, казалось бы, можно на этом заканчивать. Однако, в очередной раз пересматривая «Блондинку в законе», я зацепилась взглядом за сцену, где Элл Вудс приходит в библиотеку с корзинкой пирожков и просит принять ее в «учебную группу». И меня осенило: надо собрать ребят и пройти курс вместе.

Всем привет! Меня зовут Руслан, я инженер в отделе развития процессов безопасности в YADRO. В прошлой статье я рассказывал о рисках транзитивных зависимостей в open source: один неблагонадежный пакет во всей цепочке — и продуктовая сборка скомпрометирована. Таким пакетом может быть protestware — вид ПО или библиотек, в которые разработчики (мейнтейнеры) намеренно внедряют деструктивный, изменяющий логику работы или политизированный код. Он так же опасен, как уязвимости в зависимостях, компрометации репозиториев и атаки класса Dependency Confusion.

В отличие от «традиционного» вредоносного ПО, в основе protestware — не получение финансовой выгоды, а идеологическая мотивация: выражение социальных, политических или идеологических взглядов, привлечение внимания к каким‑либо событиям в мире, влияние на пользователей, связанных с определенными регионами, организациями или государствами и так далее. С точки зрения безопасности это такой же риск для цепочки поставок ПО, как и другие вредоносные компоненты. 

Ниже разберемся, как эта функциональность попадает в инфраструктуру и open source, как ее обнаружить и какие меры предпринять, чтобы защитить свой проект.

Пять минут на ручной пинг, десять — на поиск релизного чек‑листа, еще день — на MR, о котором все забыли. По отдельности это мелочи. Вместе — заметная часть time‑to‑market.

Расскажу про микроавтоматизации: небольшие скрипты и уведомления, которые снимают рутину вокруг разработки. Без отдельной платформы, проекта на квартал и попытки сразу сделать идеально. Внутри — десять сценариев, которые крутятся у нас, их экономика и критерий, по которому мы решаем, что автоматизировать, а что оставить руками.

Разработка при этом может идти быстро. Time‑to‑market растягивается в паузах: между аналитикой и разработкой, разработкой и тестированием, в ожидании ревью и согласований.