Kurgan-Telecom Ru | Информационные технологии

У «эры мобильных телефонов» нет точной даты рождения. Не было одного-единственного исторического момента – вроде того переломного триумфа Стива Джобса в 2007 году, когда миру явился iPhone и все разом ринулись за покупками. История сотовой связи, навсегда изменившей наш мир, пустила корни еще в 80-х, но по-настоящему эпоха мобильных устройств расцвела на рубеже 90-х годов.

Производители вроде Motorola, Nokia и Ericsson сражались с законами физики, пытаясь ужать громоздкие аппараты до разумных размеров, снизить их стоимость и сохранить приличную автономность. Если говорить о совсем портативных устройствах, то первенцем стала легендарная Motorola DynaTAC 1984 года, прозванная «собачьей костью». Этот прорывной носимый телефон стоил дороже хорошего автомобиля.

Но вы никогда не задумывались, почему ранние Nokia так перепутаны в интернете? Оказывается, Cityman 100 и Nokia 100 – это разные телефоны, а Cityman 2000 и Nokia 1011 – один и тот же. Эта статья – расследование, как на самом деле выглядела линейка Nokia в начале 90-х.

Hello World!

Я много раз видел, как новички в программировании пытаются писать свои первые интерфейсы на Tkinter. Но результат выглядит, мягко говоря, не очень - старый, серый дизайн из девяностых часто отбивает любое желание продолжать.

Именно поэтому я решил создать FreedomGUI - максимально простую библиотеку, с которой писать код под интерфейсы станет легко, быстро, а главное — приятно.

Математик Паата Иванишвили из Калифорнийского университета в Ирвайне сообщил, что Grok 4.6 в обвязке Grok Build (аналог Claude Code от SpaceXAI) доказал гипотезу Холмса, Холройда и Рамиреса, которую Иванишвили окрестил "Greedy is least speedy" ("жадный — самый медленный"). Модель доказала более сильную комбинаторную Гипотезу 5 из той же статьи — а из нее основное утверждение следует автоматически. Результат оформлен в короткую заметку, соавтором которой стал Шэнтун Чжан из Стэнфорда.

Основы программирования для GPU, оптимизация и ваше первое ядро на Triton

В эпоху моделей, оперирующих миллиардами параметров, даже небольшая оптимизация может дать значительный эффект. На обучение таких моделей как GPT4 тратится свыше $100 миллионов, и поэтому выигрыш в 1% КПД позволяет сэкономить более миллиона долларов. Есть мощный способ оптимизировать эффективность моделей машинного обучения – для этого нужно написать некоторые их компоненты прямо на GPU. Если ваш опыт похож на мой, то одно только упоминание ядер CUDA может вызвать у вас озноб — ведь печально известно, как сложно их писать и отлаживать.

Затеял ремонт в ванной, дошёл до плитки — и тут понеслось. Санузел у меня Г‑образный, в углу венткороб, раскладку хочу диагональную, а «раздели площадь на плитку» вообще не работает, я это понял когда мои циферки не сошлись с тем что плиточник насчитал — разница набежала непонятно откуда.

Плиточник говорит — берите пятнадцать процентов запаса и всё. Пятнадцать процентов от плитки по 2000 с лишним за метр это уже сумма, я в столбик посчитал и решил что нет, надо по‑другому. Калькуляторы онлайн — площадь на цену умножают, я и сам умею. В CAD полез — там сначала модель строй, а мне не чертежи нужны были.

Написал своё в итоге, дальше расскажу что вышло, скрины ниже, там понятнее чем я объясню.

Учебник математики, по которому учились поколения детей, не прошёл экспертизу с формулировкой: содержание не способствует формированию патриотических чувств, поскольку в книге присутствуют «гномы, эльфы, факиры со змеями, три поросёнка». Это не анекдот, а заключение 2014 года. Рассказываю, как разобрали образовательную систему, по которой я сам учился в начальной школе.

Тема замены людей нейросетями сейчас обросла массой страхов и домыслов. Но как отсеять пустые страшилки с хайповыми прогнозами и посмотреть на ситуацию через призму реальных фактов? Один из способов — проанализировать ту сферу, куда ИИ проник глубже и быстрее всего. Речь, разумеется, о разработке ПО.

В этой статье мы на фактах докажем, что пора перестать верить в расхожий нарратив о том, будто достижение некоего «критического уровня» ИИ неизбежно спровоцирует массовые сокращения. И если даже в IT-сфере с минимумом регуляторных барьеров этого не происходит, то представителям остальных профессий переживать стоит еще меньше.

Мы прекрасно понимаем механику этого процесса. Любой интеллектуальный труд, и создание софта здесь не исключение, можно представить в виде эдакого «сэндвича»: решить — сделать — сдать. Искусственный интеллект берет на себя слой исполнения, ту самую «начинку» сэндвича. Однако два крайних слоя упорно не поддаются автоматизации, и простым наращиванием мощностей эту стену не пробить.

В июле OpenAI выпустила новую линейку моделей, в конце месяца дважды поменяла цены, а на осень назначила отключение Assistants API, Videos API и всего поколения GPT-4. Мы переподключали свои сервисы под эти изменения и по ходу сверяли каждый шаг с документацией — заодно выяснилось, сколько русскоязычных руководств успело устареть.

Ниже проход от пустого аккаунта до продакшена: ключ, первый запрос, выбор модели, расчёт бюджета, пополнение, лимиты, ограничения для российских команд и календарь отключений.

Недавно я рассказал, как держу долговременную память агента на обычных markdown‑файлах, без вектор‑базы и эмбеддингов. За кадром той статьи осталось главное: показал, к чему пришел, а вот от чего ушел и почему — нет. И еще одно, о чем стоит сказать прямо: у Claude Code есть своя встроенная память почти того же вида. Я про нее знаю — и сознательно держу свою, в проекте. Дальше объясню, почему.

Если совсем коротко, вот к чему сводится разница:

Задавались ли вы когда-нибудь мыслью: «А что будет, если шатать электроны!?» Согласен, не самая банальная мысль... :-D, И приходит таковая далеко не в каждый понедельник и даже, прошу прощения, не во вторник!

Тем не менее, если подумать, то из этого можно извлечь много пользы, и, мало того, создать устройство, которого, похоже, до этого не было! 

Демонстрация MCP сервера на GO для управления браузером Firefox & Camoufox.

ИИ-агенты уже не просто отвечают на вопросы - они действуют. Они открывают страницы, читают разметку, кликают по кнопкам, заполняют формы и делают скриншоты. А самый быстрорастущий способ дать агенту руки - это Model Context Protocol (MCP), открытый стандарт, который превращает браузер в набор инструментов, вызываемых любым ИИ-клиентом.

Привет, это команда Яндекс Практикума. До конца приёмной кампании 2026 осталось чуть больше недели, но за это время можно успеть поступить в онлайн-магистратуру ИТМО или НИЯУ МИФИ в партнёрстве с Яндексом. Для этого выберите подходящее направление и оставьте заявку, а мы пришлём вам на почту дальнейшие инструкции. Чтобы оплатить обучение, вы можете использовать образовательный кредит с господдержкой с льготной ставкой 3%. В статье расскажем, как это сделать. 

Как я собрал на чистом Ruby мультиплексор поверх pipeline mode из libpq, обогнал классический пул соединений на 27% при вдвое меньшем числе коннектов — а потом обнаружил, что почти весь оставшийся CPU вообще не мой.

Вчера на HR Product Owners Club обсуждали опыт взаимодействия HR с AI агентами. Особенно первые шаги. И я попытался посмотреть на это с позиции HR.

"А вот в наше время без ИИ обходились..."

Генеративный ИИ вызывает множество споров и дебатов как среди разработчиков, так и более широкой аудиторий. Аспектов много от "Заберет ли ИИ наши рабочие места?" до "Как доверять коду, написанному моделями?".

В данной статье я хотел бы сосредоточиться на одном интересном аспекте - психозе внедрения ИИ. То, как он вообще внедряется (что довольно сильно отличает его от предыдущих прорывных технологий). Потому что это весьма необычно для индустрии.

Периодически мы чувствуем, что предлагаем хорошее решение. Как в меме: «Эта фича будет прибыльной, но я пока не могу этого доказать». В этом случае оценка продукта не учитывает мнение целевой аудитории, как будто мы единственный пользователь нашего решения. 

Иногда при формировании новых гипотез мы можем столкнуться с подменой понятий идеи, ценности и спроса. В моменте идея может показаться нам настолько классной, что мы объясняем её ценность команде, но пропускаем этап её фактической проверки и сразу приступаем к разработке. 

Давайте разберёмся, как же всё-таки принимать решения с опорой на реальность.

Процесс внедрения ИИ на стройке имеет свою специфику. Дело в том, что здесь есть свои подводные камни при масштабировании обработки видеопотоков, при самом процессе обработки данных и при дополнительном обучении модели YOLO под наши российские реалии. Расскажу обо всём по порядку.

«ИТ-аутсорсинг дешевле» — в этом уверены многие руководители среднего бизнеса. Ошибка в том, что смету партнера сравнивают с зарплатой одного сисадмина за 30–80 тысяч, а не с тем, что реально нужно компании на 100 рабочих мест. Дешевый подрядчик за 35 тысяч в месяц действительно дешевле такого сисадмина, но только до первого инцидента. Одна авария на выходных съедает всю годовую экономию. Ценник зрелого подрядчика в 150 тысяч кажется переплатой, но только до той поры, пока руководитель не посчитает, во что на самом деле обошлось бы ему содержание полноценной ИТ-команды. Ниже — расчет сколько стоит штатная команда для определенного объема задач, сколько стоит зрелый аутсорсинг и чем объясняется разница в цене.

Однажды за один вечер мне пришлось разобрать двенадцать ошибок, и почти все прятались в конфигурации и связях между компонентами. Модель отвечала пустой строкой, хотя в логах не было ни одной явной ошибки. Агент не мог достучаться до Ollama, панель не проходила авторизацию, ключ отклонялся из-за прав доступа, а gateway показывал зелёный статус, но будто не замечал изменений в конфиге.

В этой статье хочу разобрать три случая, сопроводим их реальными репликами агента и выводами команд. Посмотрим, как модель имитирует выполненную работу, почему при переполнении лучше не увеличивать окно, а искать причину по логам, и как скилл по расписанию оказался удобнее панели управления.

Статья написана на основе моего вебинара, можно посмотреть его в записи. 

Свой пост я написал после участия в соревнованиях gralhix 004, организованных Софией Сантос | Gralhix.

Задача

Это фотография островного курорта.

Вопросы:

а) Как называется курорт?

б) Каковы координаты острова?

в) В какую сторону света была направлена камера, когда делали снимок?

На мой взгляд, решение этой задачи при помощи Google Объектива будет потраченной впустую возможности развлечься, поэтому я захотел решить её при помощи математики и программирования.