Kurgan-Telecom Ru | Информационные технологии

App Store review отклонил наше приложение по Guideline 1.2 — основная механика (пользователи оценивают фотографии друг друга) запрещена как категория, и это не лечится правками метаданных. Так мы стали одними из первых, кто дистрибутирует iOS‑приложение исключительно через альтернативный маркетплейс. Документации по этому пути мало, местами она противоречива, поэтому — пошаговый разбор того, что реально пришлось сделать.

Иногда лучший способ быстрее запустить рекламу — на день отложить объявления и закрыть рекламный кабинет.

В этом проекте проблема оказалась не в CPM, текстах или подборе каналов. Она уже лежала в посадочной, которая была понятна владельцу, но не человеку со стороны.

Облачные LLM сливают IOC в общие базы и цензурят описание опасных модулей. Реализуем анализатор вредоносного программного обеспечения с помощью локальной LLM, Ghidra и Neo4j.

Ранее мы говорили о чрезвычайных ситуациях при вычислении инвариантов. Однако они также могут возникать и во время одновременных изменений нескольких исходных состояний. Давайте посмотрим, какие тут есть варианты поведения..

Сорок клиентских сайтов. У каждого четыре проверки: доступность, сертификат, срок домена, битые ссылки. Сто шестьдесят проверок, заведённых руками через веб-интерфейс.

Пока их двадцать, это терпимо. Когда приходит сорок первый клиент, ты открываешь кабинет и снова кликаешь: создать проверку, интервал, порог, теги, сохранить. Четыре раза. А потом кто-то спрашивает: «а почему у этого сайта порог два, а у соседнего три?» — и честный ответ звучит как «не помню».

Инфраструктуру мы описываем кодом уже лет десять. Мониторинг — почему-то нет. Хотя это ровно такая же конфигурация: её надо ревьюить, версионировать и уметь воспроизвести.

Представьте LLM, которая никогда не галлюцинирует, никогда не ошибается. На один и тот же запрос всегда выдаёт один и тот же ответ — символ в символ. Можно ли тогда наконец относиться к LLM‑системе как к обычному коду — как к фиксированному, предсказуемому алгоритму?

Скорее нет, чем да.

И дело тут не в качестве модели. Предсказуемость отдельного компонента не гарантирует предсказуемость системы, собранной из таких компонентов. Даже если завтра появится LLM с нулевым уровнем галлюцинаций, многоагентный пайплайн, построенный на её основе, всё равно может вести себя непредсказуемо. Просто источник непредсказуемости смещается — с вероятностной природы самой модели на архитектуру взаимодействия агентов. И я хочу вам это доказать на простом примере.

По моим наблюдениям последние года два‑три вендоры потратили на то, чтобы сделать LLM предсказуемее. Тут вам и RAG и fine‑tuning, верификация выходов, низкая температура, жёсткие промпт‑шаблоны. Более того, в узких доменах это работает — уровень галлюцинаций становится совсем незначимым.

Именно это позволило перейти от единичных запросов к многоагентным архитектурам. Вместо одной универсальной модели, мега чат‑бота теперь у нас цепочка специализированных агентов. Каждый из них решает свою маленькую подзадачу и передаёт результат дальше — все в лучших традициях дедушки Форда.

Логика на первый взгляд простая: если каждое звено надёжно, надёжна и вся цепочка. Но, к сожалению, это не всегда так. И на простейшем демонстрационном проете я попытаюсь показать суть явления.

Однажды я решил проверить на практике байку, которую слышал на десятке собеседований: “у нас на проде было такое-то место продано дважды, потому что…”. Оказалось, воспроизвести это не просто легко — это воспроизводится настолько надёжно и настолько наглядно, что грех было не довести дело до конца: взять систему бронирования мест, специально сломать её, замерить, насколько плохо, а потом последовательно починить тремя разными способами — и честно сравнить, что каждый из них стоит по производительности.

Спойлер: один из результатов оказался прямо противоположным тому, что я ожидал увидеть.

Скорее всего, вы уже пробовали привить привычку регулярно читать. В начале года, после вдохновляющего разговора или прочитанного поста покупали книгу, открывали первую главу, несколько вечеров держались, а потом незаметно переключались на что‑то другое. Через две недели книга лежала с закладкой на 40-й странице, и вы убеждали себя, что просто недостаточно дисциплинированны. Но проблема вовсе не в дисциплине, проблема — в подходе. 

Раньше сотрудники проектно‑конструкторского отдела АО «Карабашмедь» использовали разное программное обеспечение, что приводило к дублированию данных, затрудняло контроль версий и усложняло обмен информацией между отделами, особенно при согласовании проектов новых складов и реконструкции производственных участков. С помощью nanoCAD BIM Строительство компания автоматизировала разработку проектно‑конструкторской документации и ускорила этот процесс на 20%.

АО «Карабашмедь» — ведущий российский производитель медных анодов из минерального и медьсодержащего сырья, расположенный в Челябинской области. Проектно‑конструкторский отдел (ПКО) АО «Карабашмедь» отвечает за разработку проектно‑конструкторской документации: производственных подразделений, формирование графических материалов для концептуальных, технических и объемно‑планировочных решений по объектам и генеральному плану территории предприятия. ПКО также анализирует поступающую проектную документацию на соответствие техническому заданию, качеству предложенных решений и организует хранение всей принятой проектной документации.

Перед проектно‑конструкторским отделом «Карабашмеди» стояли следующие задачи...

Полгода назад я начал писать на Хабр дважды в неделю. Результаты разошлись в восемьдесят раз: от 120 тысяч охвата и 647 закладок до полутора тысяч охвата и нуля закладок при одинаковом подходе к работе.

Чтобы разобраться, я сделал очевидное — собрал 200 статей с высоким рейтингом и посчитал в них всё, что считается. Вышла красивая формула, совпадающая с тем, что обычно советуют авторам: пиши коротко, без картинок, с личного аккаунта, про горячую тему.

Потом я добавил контрольную группу — все 1033 статьи, вышедшие на площадке за месяц, без всякого отбора. И формула развалилась.

Картинки: по хитам корреляция с охватом −0.21, по всей популяции с рейтингом +0.26. Статьи вообще без иллюстраций имеют медианный рейтинг 4, с двадцатью и более — 15.

Длина: по хитам короткое побеждает, по всей популяции статьи на 4000–6000 слов имеют втрое больший шанс взять рейтинг выше 50, чем короткие.

Модель на всех измеримых признаках сразу — длина, картинки, гифки, видео, код, таблицы, ссылки, заголовок, час, день недели, тема, тип блога — даёт R² = 0.06. Вся форма объясняет шесть процентов разброса рейтинга.

Внутри: реальные базовые ставки площадки (медианная статья собирает 8869 охвата, 7 плюсов и 3 комментария), шестикратный разброс по хабам, разбор того, за что дают плюсы и за что закладки, история про тему, выгоревшую за пять месяцев с 697 тысяч охвата до 66 тысяч, и отдельный сюжет о том, как я чуть не повторил ту же ошибку второй раз — уже специально про неё зная.

Плюс результаты живого эксперимента: статья, написанная строго по выведенной формуле и опубликованная в прошлую пятницу.

Модель адаптивной сложности выглядела безупречно: формулы верны, тесты зелёные. Симуляция показала, что новички получают 58% верных ответов вместо 82%. Рассказываю, как устроена модель и где был провал.

Ребят, привет!

В первый месяц в IT выглядел так: я сижу на созвоне на 5 человек с умным лицом, киваю, а под столом в панике гуглю с телефона: «что такое капаситет», «что значит закоммититься», а когда меня попросили набросать «фолоу-ап», то мне стало тяжело дышать, честное слово. До сих пор, кстати, иногда трясусь)))

Короче, англицизмы вгоняли меня в панику, а мой внутренний синдром самозванца просто выл от того, что я тут вообще делаю.

Чтобы вы не проходили этот ад и с первых дней сошли за «своего», я собрала гайд по выживанию на созвонах: 15 базовых терминов с примерами, контекстом и корпоративным этикетом.

Claude Opus 5 закончил 30-й день в FoodTruck Bench с итоговым капиталом $75 264. Это лучший результат за всю историю бенчмарка: на 13,6% выше лучшего результата любой другой модели.

Коротко: итоговый капитал $75 264 · ROI +3 663% · прибыль $71 876 · 8 434 порции · расход на API $26,88 · уровень рассуждений xhigh. Обошёл лучший прогон GPT-5.5 на 13,6%, а GPT-5.6 Sol — сразу на 41,4%. Да-да, Sol оказался слабее GPT-5.5…

Дисклеймер. Это первый материал о FoodTruck Bench на русском: до сих пор все обновления и разборы выходили только на сайте проекта и Reddit. Тот же разбор, но уже с интерактивными графиками, лежит на сайте бенчмарка.

Mechanistic claims в interpretability для бедных, но бравых. Шучу, конечно. Просто когда дело дошло до задачи "придумать название" — вспомнила шутки моей коллеги.

В одном из приближений можно сказать, что AI-модели обрабатывают входы послойно. На каждом слое модель выдаёт вектор , который можно читать как точку, центроид, область и так далее. Все эти точки, центроиды, области, направления кажутся абстракциями, но как только мы структурируем их — мы видим тонну прекрасного. Например, мы можем геометрически понимать и находить концепты, упакованные в многообразия.

Что называется концептом, а что многообразием? Какие структуры образуют циклические компоненты и как откопать это в модели? Почему теория существует и находится эмпирически, но пока не машстабируется? На эти вопросы мы и покопаем ответы в данной статье.

В законе о цифровых валютах и цифровых правах, принятом Государственной думой 21 июля 2026 года, предусмотрено немало нововведений, которые заметно усложнят гражданам России покупку, продажу, хранение и перевод криптовалюты через российских посредников. Одно из них антифрод-механизм (механизм предотвращения мошенничества) в виде 48-часового периода охлаждения для отдельных переводов криптовалюты.

Период охлаждения означает, что цифровой депозитарий (организация, которая учитывает криптовалюту клиентов) в установленных законом случаях не сможет сразу исполнить распоряжение клиента (команду провести конкретный перевод). Операция будет отложена на двое суток. В течение этого времени клиент должен получить уведомление о переводе и сможет его отменить.

Задержка предусмотрена для двух категорий операций.

1 - Перевод на сумму более 100 тыс. рублей на адрес, который не обслуживается ни одним российским цифровым депозитарием.

Закон называет его адресом-идентификатором, не администрируемым цифровым депозитарием. Проще говоря, это внешний криптовалютный адрес, который российский посредник не ведет в своей системе учета. Для применения задержки не имеет значения, кому он принадлежит. Если клиент переводит криптовалюту стоимостью 150 тыс. рублей на собственный внешний кошелек, операция будет отложена на 48 часов. Если адрес принадлежит родственнику, продавцу, контрагенту или другому лицу, результат будет таким же: порог в 100 тыс. рублей уже превышен.

2 - Перевод на сумму более 300 тыс. рублей третьему лицу (другому человеку или организации).

В Яндекс облаке есть маркетплейс решений, в котором достаточно много вариантов установки разных ОС с готовым набором пакетов. Но Windows Server в виду особенностей лицензирования недоступен. Но бывают случаи когда очень надо, поэтому решил написать эту инструкцию.

Сборку необходимо осуществлять на базе Windows Server (2016,2019,2022) английской версии. Cloud init не понимает названия групп на русском.

Django ORM умеет долго скрывать проблемы: лишние запросы, гонки при save(), затянувшиеся транзакции и выборки, которые незаметно съедают память.

В статье разберём шесть типичных ошибок, которые редко проявляются на тестовых данных, зато быстро становятся заметны под нагрузкой.

Для ЦОД уже существуют достаточно понятные сценарии применения жидкостного охлаждения и ориентиры, при которых оно становится оправданным. Но для мощных рабочих станций и домашних ПК этот вопрос по‑прежнему остается открытым.

Дополнительно ситуацию усложняет рост тепловыделения современных компонентов: процессоров, видеокарт и других элементов системы.

Поэтому мы решили собрать собственный стенд и на практике проверить, насколько эффективно жидкостное охлаждение в реальных условиях обычного ПК.

Четыре месяца работы, одиннадцать человек — и система, которая планировала хуже Excel. Технологи говорили, что их работу невозможно формализовать. История о том, где заканчивается экспертиза эксперта и что на самом деле делает руководитель проекта.

Мы попытались автоматизировать первую линию SOC. Захотелось объединить гибкость ЛЛМ и надежность сигнатурных движков. Поместилось все это в один асинхронный граф.

Под капотом гибридный RAG (Vector + BM25), zero‑cost фича для экономии токенов и параллельный сигнатурный анализ.

Статья об архитектуре, а не готовом решении.
Мы тестировали пайплайн на логах кибербезопасности, но концепция получилась модульной и универсальной. Логи лишь выступают как пример для демонстрации. Представленный граф можно адаптировать под разбор отзывов, фильтрацию спама или модерацию внутренних документов компании.