Будущее здесь

Представьте, что вы получили в наследство проект, который писали 4 миллиарда лет. Документации нет, автор (Эволюция) — типичный адепт «быстрого прототипирования», который фигачил костыль на костыль, лишь бы оно не развалилось в продакшене прямо сейчас. В итоге мы имеем систему, где в каждой клетке подгружен весь исходный код огромного организма, 90% которого просто закрыто «заглушками».

Сегодня мы поговорим о том, почему наш геном — это архитектурный кошмар, и как мы будем его рефакторить в ближайшем будущем.

Неделя выдалась достаточно насыщенной. На ней нам представили Claude Sonnet 4.6 и Gemini 3.1 Pro. OpenAI же, по моему личному мнению, немного отстает от них, хотя не так давно была выпущена ChatGPT 5.3 Codex для агентного программирования.

В комментариях под некоторыми из выложенных мной новостей иногда наблюдается разброс мнений, мол, Gemini плохо себя показывает, а вот ChatGPT – вещь, но в других моих материалах люди думают ровно наоборот.

Сидя и раздумывая над этим, мне пришла в голову идея – сравнить ChatGPT и Gemini в достаточно рутинных задачах. По сути, чтобы просто удовлетворить свой интерес и сделать для себя выбор между ними. А вам решил показать, потому что кому-то тоже может быть интересно, а кому-то поможет сделать свой выбор. Исходя из специфики моего сравнения, возьму две прошные версии от каждой серии: ChatGPT 5.2 Pro и Gemini 3.1 Pro. Одна уже приличное время находится в нашем доступе, другая же была релизнута на этой неделе.

Принимайте стратегически удобное для прочтения положение, ну а я приступаю к сравнению.

Meta Description: Сравнение подходов к лидогенерации в Telegram: массовые рассылки и AI-таргетирование. Данные, конверсии, риски бана, архитектура фильтрации.

Цифровые данные не рассчитаны на хранение десятилетиями, не говоря уже о веках. Жесткие диски и SSD со временем выходят из строя, архивные ленты нужно регулярно переписывать, а облачные сервисы зависят от электричества, серверов и самих компаний. На этом фоне проект Microsoft Silica предлагает другой подход — записывать информацию прямо внутрь стеклянных пластин с помощью фемтосекундных лазеров. И это не фантастика, а реальность. Команда проекта показала рабочий прототип, увеличила скорость записи и продемонстрировала, что при обычных условиях данные могут сохраняться не менее 10 тысяч лет. Давайте разберемся, что это за технология, как она работает и на каком этапе развития находится.

В 2026 продакт-менеджеру важнее всего скорость: из заметок, созвонов или исследований быстро получать PRD и понятный план работ.

В статье как раз практический гайд по Claude Code: зачем он Product-менеджеру, как настроить CLAUDE.md, как автоматизировать конкурентный анализ, использовать параллельных агентов и skills, плюс роадмэп - карта обучения Claude Code для Product-менеджеров и разбор типовых ошибок.

На старте «Больцмановский Мозг».
БМ — это гипотетический процесс, предполагающий высокую степень самоорганизации, где создается не просто случайный «мозг», а самосознание, возникшее из хаоса.
Теория нейросети и численное моделирование.

Читая HABR, наткнулся на статью про мышление больших моделей и их способности распознавания изображений. И у меня возникла идея небольшого теста одной имеющейся у меня модели LLM, которая умеет распознавать фото, а именно llama4:16x17b НО запущенной полностью локально.

Весит эта модель 67 гигабайт, если интересно на чем она была запущена отвечу в комментариях.

На написание статьи меня подвинул один из комментариев - "а как интересно нейросеть распознает разные типы животных"

Привет! Я — Егор, эксперт по промптингу в  GPTunneL — платформе, объединяющей более 100 ИИ, включая Gemini 3 Pro, GPT-5.2 и Claude Opus 4.6. 

Мы ежедневно тестируем разные модели ИИ и методики общения с ними, проводим сотни экспериментов, чтобы получать естественные, осмысленные и небанальные ответы. Через наши руки проходят все обновления алгоритмов, и мы точно знаем, что работает, а что — уже устарело.

В этой статье я собрал 7 типичных ошибок, из-за которых даже топовые нейросети выдают сухой, «машинный» текст. Этот материал будет полезен новичкам: продакт-менеджерам, маркетологам, дизайнерам и всем, кто хочет, чтобы ИИ стал полноценным коллегой, а не просто генератором случайных фраз.

Пока я сажал зрение ночами рассматривая черные фотографии Луны в поисках «Луны-9», группа британских и японских ученых решила поручить ту же работу искусственному интеллекту. В результате, к 60-й годовщине первой мягкой посадки на Луну, вышло сразу два исследования с попытками обнаружить советский космический аппарат «Луна-9» на поверхности естественного спутника Земли. Обе команды показали предполагаемое место посадки, но это разные места.

НАСТОЯЩИЙ МАТЕРИАЛ (ИНФОРМАЦИЯ) ПРОИЗВЕДЕН, РАСПРОСТРАНЕН И (ИЛИ) НАПРАВЛЕН ИНОСТРАННЫМ АГЕНТОМ ЕГОРОВЫМ ВИТАЛИЕМ ЮРЬЕВИЧЕМ ЛИБО КАСАЕТСЯ ДЕЯТЕЛЬНОСТИ ИНОСТРАННОГО АГЕНТА ЕГОРОВА ВИТАЛИЯ ЮРЬЕВИЧА

Привет, Хабр!

Я написал повесть, вдохновленную идеями одного известного мысленного эксперимента. Не могу сказать конкретнее иначе заспойлерю, но ценители Hard Si-Fi, думаю быстро поймут о чём речь. Хочу поделиться этой повестью с вами, ведь системщики и программисты, а так же люди ценящие железную логику - это моя целевая аудитория.

О чем это:
Артур Корбин, системный инженер, нашел странную строку в отчёте. По сути пустяк 20 кг. проволоки для организации перемалывающей тонны материалов в день - статистическая погрешность. Но Артур, человек привыкший к порядку, решил разобраться. И это решение превращает его жизнь в параноидальный кошмар. Это история о том, как инструменты могут стать хозяевами, а свобода воли — статистической погрешностью.

Признайтесь, сколько раз вы открывали тяжелый PDF на пятьдесят страниц только ради одной строчки или цифры, а в итоге проваливались в часовой скроллинг и желание закрыть ноутбук? Самое обидное начинается тогда, когда файл оказывается обычным сканом: текст нельзя выделить, поиск через Ctrl+F не работает, а время поджимает. Мы все хорошо помним те времена, когда от безысходности приходилось делать скриншоты фрагментов и загружать их в переводчики или онлайн-распознавалки, чтобы просто получить текст, который можно скопировать.

Но если раньше эти битвы с форматами приходилось вести в одиночку, то теперь нам могут помочь алгоритмы. Сегодня нейросети научились видеть буквы и понимать структуру документа. В этой статье мы познакомим вас с пятью охотниками за информацией и проверим, как они справляются с тем, что мы все так не любим.

Чтобы наш обзор был максимально понятным, мы выбрали для теста инструкцию к пылесосу. Посмотрим, какая из моделей быстрее объяснит вам, как почистить фильтр и не сломать при этом аппарат.

Приятного чтения!

Иногда всё начинается с жалоб, которые легко списать на возраст или случайность. В описанном мною случае симптомы у пациентки возникали редко и не выглядели угрожающими. Но во время обследования мы обнаружили крупное образование, почти полностью перекрывающее просвет прямой кишки, и ситуация сразу перестала быть рядовой.

Дальше нужно было принять решение: идти по стандартному хирургическому пути или попытаться решить задачу иначе.

Anthropic и OpenAI почти одновременно запустили «быстрый режим» для своих моделей — и за одинаковым названием скрываются принципиально разные подходы к ускорению инференса.

В одном случае это реальная модель с уменьшенным батчингом, в другом — отдельная, более компактная версия на специализированных чипах Cerebras.

Разбираемся, что именно стоит за цифрами «2.5×» и «1000 токенов в секунду», где компромисс по качеству и что это значит для разработчиков на практике.

Искусственный интеллект перестал быть экспериментом, технология GenAI становится полноценным участником корпоративных бизнес-процессов. В ИТ-поддержке автоматически обрабатываются типовые обращения, HR-департаменты ускоряют онбординг новых сотрудников, бухгалтерия больше не вводит данные вручную. За этими результатами стоят инструменты для ИИ-автоматизации бизнес процессов: визуальные конструкторы, библиотеки готовых AI-инструментов, корпоративная память и автономные ИИ-агенты. 

В этом материале разбираемся, как устроена ИИ-автоматизация изнутри: какие компоненты необходимы, как они взаимодействуют и почему создать интеллектуальный процесс можно без программистов — на примере GenAI-платформы SimpleOne.

Привет, Хабр! Полеты на Марс стоят денег. Очень много денег. SpaceX запросила у американских властей разрешения на запуск до одного миллиона спутников, и все СМИ сообщили нам, что теперь четвертая планета не в сфере интересов компании. Мол, фокус на полеты в космос сменился на фокус полетов к деньгам. Реальность иная: Маск считает, что именно этот миллион спутников и обслуживающий проект город на Луне станут источником средств для полетов на другие планеты. Орбитальными дата-центрами для нейросетей, недавнее слияние SpaceX и xAI — это путь к захвату рынка ИИ, на котором и планируется добыть сотни миллиардов долларов. Попробую рассказать. почему его идея может сработать, но может и обернуться против него. Ну а какой из этих вариантов более вероятен — решать вам. 

Меня зовут Александр Березин, я научный журналист и иногда пишу на интересные темы для блога МТС Web Services. В последние годы многие любители космоса разбились на две группы. Одна считает, что Илон Маск все же «прорвет реальность» и сможет достичь других небесных тел, а затем Китай и другие национальные государства будут вынуждены вступить в марсианскую гонку просто из соображений престижа. Другая полагает, что ничего этого не будет: Маск мечтатель и впереди у человечества долгое и неприятное окукливание на своей планете с борьбой за выживание в условиях демографического коллапса (есть еще те, кто ждет ресурсного, но это уже фантастика) и вызванного им резкого уменьшения количества рабочих рук.

Новый подход SpaceX к теме с «переключением с Марса на Луну» (ниже станет ясно, почему мы используем кавычки) — очень серьезная заявка на прорыв в космической отрасли. Но обо всем по порядку.

Геморрой -  слово, ставшее именем нарицательным, обозначающим  что-то, что приносит серьезное беспокойство и сильно отравляет жизнь. Да и само заболевание именно такое: ноет, зудит, болит. В этой статье я расскажу о  том, как избежать геморроидальной болезни в прямом (медицинском) смысле этого слова и что делать, если избежать не удалось. Представлюсь: Пётр Цугуля, кандидат медицинских наук, колопроктолог, онколог, хирург Клиники колопроктологии и малоинвазивной хирургии им. И.М. Сеченова.

Спойлер №1 для тех, кто привык решать проблемы быстро и эффективно: да, в 2026 году от геморроя действительно можно избавиться за один день.

Спойлер №2: считать геморроидальную болезнь недугом пенсионеров - в корне неверно. Ежедневно на приемах я вижу молодых мужчин и женщин, зачастую с довольно запущенными формами. Почему так происходит? Потому что геморрой считается, с одной стороны, чем-то довольно безобидным, что можно “вылечить по интернету” (или с помощью фармацевта), с другой стороны, тема крайне деликатная (если не сказать постыдная) и люди тянут до последнего, прежде чем обратиться к специалисту “по тому, что ниже пояса”. Борьба с собственными предрассудками может длиться годами, ну а болезнь тем временем, не замирает в развитии - прогрессирует.

Кстати, современные офисные (и удаленные) сотрудники способны по  8–12 часов сидеть за компьютером, забывая про воду, питание и перерывы. И именно такой режим — идеальная среда для развития геморроидальной болезни.

Разберёмся по порядку.

1. Что такое геморрой?

AI (LLM) сейчас на пике популярности: новые модели выходят каждый месяц. Но чаще всего их используют как инструменты, постоянно требующие времени и внимания. А что, если сделать из них «сотрудников», которые сами автономно будут выполнять часть вашей работы?

В этой статье мы шаг за шагом создадим такого «сотрудника» на чистом OpenAI API и добьёмся его полной автономности. Он будет сам получать новые задачи, выполнять их и обрабатывать результаты. Мы научим его вести логи и отчеты, предупреждать о сбоях. По пути разберёмся с Batch API и Structured Outputs. А в конце поговорим про RAG, Fine-Tuning и MCP.

Статья написана на основании собственного опыта реализации и внедрения LLM в бизнес процессы. Будет полезна тем, кто хочет автоматизировать часть своей рабочей или личной рутины и базово владеет Python.

Февраль 2026 года подвел жирную черту под романтическим периодом развития GenAI. Маски сброшены.

То, что начиналось как научные институты по спасению человечества, к середине месяца окончательно оформилось в жесткий Big Tech. Мы наблюдаем синхронный исход ключевых фигур из OpenAI, Anthropic и xAI. И это не просто смена работы «ради новых вызовов». Это прямые публичные предостережения.

Параллельно OpenAI начинает внедрение рекламной модели. А это, в свою очередь, ставит крест на первоначальной концепции «AI как инструмент».

Если есть что-то, чем известен Маск, так это его масштабными амбициями относительно Марса. На протяжении десятилетий он хотел не просто высадить людей на Марс, но построить самодостаточный город на бедной кислородом, смертельно холодной, токсичной, радиоактивной Красной планете с опасно низкой гравитацией. Маск основал SpaceX на этой предпосылке, и вся программа Starship была явно создана для обеспечения марсианской колонии. Всего год назад Маск даже критиковал программу Artemis NASA, которая выделила $2,9 миллиарда на разработку Starship, заявляя, что «Луна - отвлекающий фактор» и что «мы идём прямо на Марс». Эта единая точка фокусировки подпитывала большую часть ажиотажа и надежд вокруг SpaceX. С приближением IPO компании можно было бы ожидать, что Маск будет продвигать эту идею сильнее, чем когда-либо. Но нет. Вместо этого Маск, похоже, пересматривает свои марсианские амбиции и переключается на Луну. На первый взгляд это решение кажется нелогичным.

Проанализировав данные более 131 000 человек, за которыми наблюдали более 40 лет, исследователи подтвердили, что ежедневное употребление кофе и чая однозначно защищает от развития болезни Альцгеймера и других форм когнитивных нарушений.