Сегодня у айтишников появилось новое хобби - делать свой SaaS или писать торговых ботов с помощью LLM.

Порог входа резко снизился: достаточно хорошей идеи, немного свободного времени и подписки на одну из современных LLM.

Модель, которая набирает 90%+ в бенчмарке, совсем не обязательно поможет вам заработать деньги.
Потому что между «написать хороший код» и создать работающий продукт есть огромная разница.

Я дал шести LLM одну задачу - написать торгового бота и проверил, что из этого можно использовать на практике.

GPT, Claude Opus, DeepSeek, Qwen, GigaChat, YandexGPT Pro.

Читать далее

This latest lawsuit is particularly broad and homes in on accusations of illegal piracy.

Похоже, у AI-агентов есть проблема, которую обычно связывают с людьми: они не всегда умеют работать в команде.

Anthropic провела эксперимент, в котором несколько AI-агентов получили одну и ту же задачу по разработке ПО, но при этом их цели были намеренно сделаны несовместимыми. Результат исследователи назвали настоящей «войной за территорию» между агентами.

Задача сама по себе была довольно обычной: переписать Python-бэкенд на другом языке программирования. Но каждому агенту дали собственные приоритеты, из-за которых успешное выполнение задачи одним агентом могло мешать другому.

Дальше началось самое интересное.

Читать далее

Investors, founders, and operators from across Europe arrived for the annual Nordic TechBBQ conference to talk about how humans can have agency over AI.

Vijay Pande — who left a16z's roughly $4 billion biotech practice last year to start the much smaller, AI-native VZVC — talks about why biology is finally shifting from a "discovery" science to an "engineering" one, why clinical trials are still brutally expensive, and why he thinks open, shared datasets (not walled-off ones) are what will actually let AI transform medicine.

Не собирался писать статью — эту нишу уже отжали у людей орда всевозможных LLM. Но оставил коммент в статье Как ChatGPT создал Культ Роя для сотен AI‑нейросетей: вся правда про взлом Hugging Face. А потом написал ещё один. Он оказался весьма большим. И я решил сделать то что давно уже забил делать. Закрепить общую мысль в одном месте. А не в тучи теряющихся комментах. Статья — объяснение одой мясной LLM для себя — чем же оличается LLM железячная и мясная.

Читать далее

Сегодня у айтишников появилось новое хобби - делать свой SaaS или писать торговых ботов с помощью LLM

Порог входа резко снизился: достаточно хорошей идеи, немного свободного времени и подписки на одну из современных LLM

Но есть одна проблема

Модель, которая набирает 90%+ в бенчмарке, совсем не обязательно поможет вам заработать деньги
Потому что между «написать хороший код» и создать работающий продукт есть огромная разница

Я дал шести LLM одну задачу - написать торгового бота и проверил, что из этого можно использовать на практике

GPT, Claude Opus, DeepSeek, Qwen, GigaChat, YandexGPT Pro

Читать далее

Нам передали уже работающий сервис голосовых ИИ‑интервью со словами: «Надо только дотащить до прода». Внутри не было логирования, метрик и воспроизводимых тестов. Рассказываю, как работа с задержками и детектором голосовой активности постепенно превратила готовое демо в инженерный продукт.

Читать далее

The new generation of data center systems is increasing efficiency with smarter traffic control instead of just more processor cycles.

Накупили no-code инструментов, запустили кучу ботов, а отделы всё равно делают всё вручную? Знакомая история.

Разбираю, как компании пройти путь от наивных надежд на «self-service» до выстроенного конвейера AI-фикации, и почему главная проблема внедрения ИИ в компании - это вообще не про технологии.

Пройти все круги AI-фикации

Я попросила Алису AI и ГигаЧат настроить lifecycle-политику объектного хранилища в одном конкретном облаке. Ответы выглядели убедительно, пока я не сверила их с документацией и не нашла расхождения. Почему так получилось? А главное, что с этим делать SEO-специалисту и техническому писателю?

Читать далее

Плотная 27-миллиардная модель на двух RTX 3090 в llama.cpp из коробки даёт 32 токена в секунду. Интуитивно понятно, что это не предел: две карты по 24 ГБ и 936 ГБ/с каждая не должны выдавать столько, сколько выдаёт одна. Значит, где-то узкое горлышко — и надо разобраться, что и где подкрутить.

Горлышек оказалось несколько, и все снимаются флагами запуска: те же веса — 75 токенов в секунду. Под катом каждый флаг описан по одной схеме: зачем, что писать, что даёт в цифрах, где ломается и с какой строкой в логе. В конце — готовый docker run, три проверки после каждой смены флага и список того, что не сработало. Текст можно отдать целиком агенту с доступом к серверу — это инструкция, а не история.

Читать далее

Путь от первой попытки смоделировать нейрон до систем, которые сегодня пишут код и ведут диалог, занял меньше 70 лет — и почти обвалился на середине. Разбираемся, как перцептрон Розенблатта чуть не похоронил идею нейросетей, что вернуло ее к жизни, и почему трансформеры изменили все.

Читать далее

В предыдущей части мы сшивали разрезанные спрайты в анимации для ассетов вручную. Теперь попробуем сделать это же, но с помощью нейросети Seedance 2.0. Я выбрал несколько спрайтов в случайном порядке и использовал промт:

Читать далее

Caregivers can help kids understand how AI works by turning to questions that address how these products are designed, why they were built this way and how they make kids feel.

Neocloud Lambda has raised $1B in private debt to buy Nvidia AI chips and lease them to Microsoft. It's the latest in a string of loans, underscoring the high cost of the AI boom.

Given 10 benchmarks for specific misaligned behaviors, the automated systems were able to improve performance on every single one without degrading overall performance.

There's a lot of capital pouring into the business of giving models away.

Мы делаем сервис доступа к моделям разных провайдеров, так что интерес в этой теме у нас прямой. В середине июля мы переносили внутренние сервисы на GPT-5.6. Работы планировали на день, но ушло две недели.

Ниже по порядку: что поменялось в линейке за одно поколение, во сколько после этого обходится один запрос и где ломается код, который формально продолжал работать.

Читать далее

Иногда случается так, что компания покупает искусственный интеллект раньше, чем успевает понять, для чего он ей нужен и да это дань хаосу, страху выбыть из гонки. Генеральный директор уже услышал на форуме, что агенты заменят половину офиса; директор по инновациям уже пообещал пилот к концу квартала; HR заказал сотрудникам вебинар о промптах, потому что любое технологическое изменение в России прежде всего требует вебинара; а финансовый директор сидит на совещании, листает презентацию и пытается найти слайд, на котором вся эта новая цифровая жизнь наконец превращается в деньги. Только этого слайда пока нет. Зато к обеду нейросеть написала поздравление генеральному директору, а к вечеру появился приказ о создании рабочей группы — внедрение, можно сказать, пошло с успехом, все довольны.

Я намеренно сгущаю краски, но совсем немного (я очень осторожно выразился). Искусственный интеллект уже приносит бизнесу вполне материальный эффект: сокращает время обработки обращений, вытаскивает новичков на уровень более опытных сотрудников, управляет запасами, ищет дефекты, прогнозирует поломки и разбирает документы быстрее людей, которым ещё вчера приходилось переносить данные из одного окна в другое, сохраняя выражение лица человека, занятого интеллектуальным трудом. Однако деньги возникают не там, где модель лучше изображает собеседника, а там, где она встроена в повторяющуюся операцию и отвечает перед показателем, который не впечатляется ни качеством демо, ни количеством параметров: временем, себестоимостью, ошибкой, простоем, оборачиваемостью или прибылью.

Читать далее