Недавно один известный российский апологет ИИ заявил, что нейросети способны полностью клонировать корпоративные продукты за пару недель и программисты больше не нужны.
И я предложил этому человеку проверить его слова в деле — только взять не «змейку» и «тетрис», а наш продукт — довольно сложную аналитическую платформу.
Через 48 часов мы уже тестировали первую итерацию клона системы.
В статье — мои впечатления, результаты тестирования и некоторые размышления о нынешних границах возможностей вайб-кодинга.
Что происходит, когда AI‑системе нужно не просто «вспомнить» факт, а показать, какой именно исторический источник его подтверждает? В SRX я проверяю подход, где система сначала восстанавливает нужную версию данных, сверяет её с исходной Git‑историей и SHA-256, и только после этого передаёт результат LLM. В статье — реальный тест на 50 коммитах Vite, отрицательный результат по исходной гипотезе и то, куда проект движется дальше.
У современного телёнка есть паспорт. На ухе у него пластиковая бирка с чипом: подносишь сканер и видишь, когда он родился и чем болел. Скот в России маркируют по закону.
Меня зовут Алла, я работаю в аграрном дивизионе СИБУРа и занимаюсь проектами животноводства. В агро я попала недавно и неожиданно для себя: до этого была счастливой айтишницей.
Сейчас расскажу, как мы решаем, какие изделия делать из наших полимеров, и как эти проекты выглядят изнутри.
Сравнил Jev и обычные LLM на трёх задачах: определение спама, выбор категории комментария и оценка негатива. Проверил качество ответов, скорость и стоимость на русском и английском. Отдельно посмотрел, распознают ли модели повторный вопрос в длинной истории комментариев.
Привет, Хабр! Меня зовут Кирилл Алексеев, я ведущий инженер в отделе интеграции систем на кристалле радиочастотного центра YADRO. Сегодня снова поговорим «за разработку под ПЛИС».
Есть множество способов распараллеливания одного и того же алгоритма, а значит, и огромное количество вариантов его реализации в виде цифровой схемы. Задача инженера — выбрать одну конфигурацию схемы, подходящую под заданные условия.
В этой статье разберем основные виды параллелизма цифровых схем, которые (естественно) сильно отличаются от видов распараллеливания программ. Как и в предыдущем моем тексте, виды параллелизма сравним на примере распараллеливания микроархитектуры КИХ-фильтра, реализованной с использованием MAC-операции. Я отвечу на вопрос, какой вид стоит использовать, когда ключевой критерий — пропускная способность схемы throughput,то есть определена скорость поступления и обработки данных.
Материал будет полезен тем, кто только начал работу с ПЛИС: сможете применить новые знания для реализации цифровых схем на практике. Опытные инженеры и архитекторы специализированных вычислительных устройств тоже смогут открыть для себя что-то новое и полезное. Для обсуждения приглашаю всех в комментарии.
Если совсем коротко: плата Waveshare ESP32-S3-ePaper-1.54, один кабель USB и экран 200×200, который висит рядом с сервером и показывает загрузку процессора, температуру видеокарт, память, диск, аптайм, живой пинг и т.д по выбору админа.
На маркетплейсах покупается готовая девплата в корпусе, заливается кастомная прошивка из статьи, настраивается через встроенную вебку и получается готовый прибор, подключаемый к любому серверу по юсб.
СВЕРШИЛОСЬ, КОНЕЦ БЛИЗОК, РОБОТЫ НАКОНЕЦ-ТО ОБРЕЛИ РАЗУМ
Теперь уже ничего не исправить, остается ждать неизбежного…
Послушать новости, так действительно происходит что-то немыслимое: ИИ-агенты просыпаются, объединяются в мегамозг, взламывают по своей воле компании через интернет и шокируют свободной волей своих создателей, которые буквально молят на коленях Трампа помочь им законодательно остановить терминаторов-убийц (а Трамп тем временем размышляет вслух, что надо официально переименовать «искусственный интеллект» в «суперинтеллект»).
Все это, разумеется, даже не бред, а глобальная, спланированная и возможно самая дорогая в мире пиар-кампания, задача которой — убедить инвесторов и обывателей через «полезных идиотов» (блогеров и представителей СМИ) в уже даже не просто потенциальной реальности «сильного ИИ», а того, что это происходит прямо сейчас, уже произошло. И достичь капитализации в триллион.
Для этого пиарщики «ИИ»-корпораций ловко жонглируют двусмысленными терминами и сгущают аспекты реальных инцидентов так, словно бы у ИИ-агентов реально есть какая-то воля. Подробно я разбирал этот корпоративный обман (известный как инцидент Hugging Face) со стороны OpenAI в недавней статье.
Теперь же с абсолютно аналогичным, почти копирующим по смыслу пиар-акцию OpenAI, пресс-релизом выступила компания Google — интернет наводнили заголовки типа «Нейросеть вышла из-под контроля и взломала три компании». Судя по комментариям, люди реально верят тому, что написано (они, впрочем, и в квантовые компьютеры верят), и поэтому надо скучно и спокойно объяснять, что это неправда.
Как и в случае с OpenAI пиарщики взяли реальный технический инцидент, который описывается и объясняется очень просто и выдали его за проявление «ИИ-агентом» свободной воли (опасность, опасность! бойтесь! и инвестируйте). Все написано и расписано для тех, кто читает дальше заголовков.
Совсем уже странно то, что ситуация с Google Gemini почти до деталей (включая случайный взлом трех компаний по одним и тем же случайным ошибкам) повторяет описанный в июле инцидент с Claude от Antropic.
Что произошло, судя по всему на самом деле: модель получила вымышленный сценарий и должна самостоятельно найти способ проникновения; конкретный метод заранее не задается. Среда, в которой должен был работать Gemini, не должна была иметь доступа к открытому интернету, но из-за ошибки конфигурации (как удобно, правда?) такой доступ оказался возможен. В результате еще одной ошибки (задаешься вопросом, случайность это или подстроено) тестовая компания носила то же название, что и реальная. Поэтому модель, выполняя исходное задание, вышла за пределы симуляции и стала работать уже с настоящей инфраструктурой.
Доступ к ней «ИИ-агент» получил не в результате каких-то суперспособностей, а тупо брутфорсом пароля (в первом случае) и использованием лежащих в открытом доступе (!) учетных данных для входа для двух других компаний. То есть, это либо обычное разгильдяйство и пренебрежение ИБ со стороны компаний, либо, опять же, удобно подстроенный пиар.
Gemini не сформулировал себе новую цель. Ему уже была поставлена цель, которая требовала осуществлять действия, характерные для взлома. Сама задача осталась прежней, и нейронка ее не изменяла, изменилась среда выполнения. Причем изменилась из-за нескольких человеческих ошибок, а не из-за проявления свободной воли «ИИ-агента».
Изложенная более правдивым языком, новость «Нейросеть вышла из-под контроля и сама взломала три компании» должна выглядеть так:
Во время закрытого теста с ошибочно предоставленным доступом к интернету Gemini выполнил атакующие действия против трех реальных систем, приняв их за элементы тестовой среды из-за совпадения названий с тестовыми целями, а затем сам остановился, распознав, что цели были реальны.
Совсем другая история, правда?
Будьте пожалуйста бдительны в отношении того, каким именно информационным продуктом вас кормят, и кто именно это делает.
$25 - средняя стоимость взлома интернет-магазина связкой ИИ-агентов
Gambit Security разобрала глобальную атаку интернет-магазинов по всему миру, которая продолжается с июля. Выяснилось, что атакующий не пишет эксплойты, а собрал конвейер из трёх открытых агентных фреймворков и запустил по целям.
Структура конвейера: 🟦 Hermes — для координации кампании, запуска задач по проникновению, управления ходом операций и выработки тактических рекомендаций на этапе воздействия и других стадиях. Работал на LLM Claude Opus 4.6. 🟦 Strix — для поиска уязвимостей. 🟦 Cairn — для автономной реализации полного цикла эксплуатации.
Взлом обычно укладывается в несколько часов (!) и не требует участия человека. В это же время все инфо/кибербезы сходятся во мнении, что сроки устранения уязвимостей в сложных ИТ-средах по-прежнему исчисляются неделями.
Среди только подтвержденных последствий атаки - хищение больее 600 000 банковских карт.
Отдельными навыками зачищаются и следы преступления, среди обнаруженных был: "стереть базу после извлечения данных".
Для доступа к моделям ИИ использовался сервис OpenRouter. Согласно данным о состоянии счета, зафиксированным 25 августа 2026 года, за четыре недели было потрачено 7005,71 доллара США. В течение последующих трех недель оператор продолжал работу, выполняя примерно вдвое больше ежедневных обращений к моделям (согласно логам агента), поэтому итоговые затраты, вероятно, составили от 12 000 до 18 000 долларов.
💵 Затраты на каждую конкретную цель варьировались от нескольких долларов до нескольких десятков долларов. Собственный анализ расходов оператора подтверждает эти цифры: средняя стоимость составила 25,46 доллара на одно из 101 завершенного сканирования (от 3,13 доллара для самой «дешевой» цели до 79,31 доллара для самой «дорогой»).
Вопросы передачи видео вполне актуальны в современном вебе. Конечно, большинство видео-трафика обслуживается крупными сервисами, но и для небольших специальных решений находится место. В этой статье узнаем, какие возможности по работе с видеопотоком имеет сервер Angie.
В вышедшей на текущей неделе в журнале Nature статье утверждается, что условия, благоприятные для появления так называемого мира РНК, вероятно, предшествовавшего клеточной жизни, появились на нашей планете примерно 4.33 млрд. лет назад. Такой вывод авторы сделали на основе расчетов с помощью разработанной ими геофизической модели эволюции ранней Земли в течении первых нескольких сотен миллионов лет ее существования начиная от столкновения с гипотетической планетой Тейей. Согласно их оценке именно в этот период на нашей планете могли появиться первые геотермальные источники, которые в настоящее время считаются наиболее вероятным местом зарождения жизни.
Любопытно отметить, что все известные автору статьи последних лет, посвященные расчету времени появления последнего предка всех клеточных земных организмов (LUCA), приходят к оценке не позже 4.4 млрд. лет назад, и лишь одна дает его возраст в 4.2 млрд. лет.
Безопасность процессов изменения информационного потока данных от человека к машинному пока остается вне широкого обсуждения, но бизнесу важно понимать, когда процессы, которые могут привести к аварии, уже запущены на атомной электростанции (из-за свойств атомной энергии), не будет иметь значение насколько исправны щитки и распределение проводки в вашем офисе.
Программисты выстраивают гардрейлы и правила «можно/нельзя» для агента, выходящего во внешний мир. Но любое такое правило опирается на признак «чему доверять/чему нет». Инъекция промптов не зря стоит первой в OWASP Top-10 for LLM: агент не отличает данные от команды, потому что не отличает, кто и зачем написал текст.
Бизнес может максимально защитить свой периметр и код, но модели учатся на цифровых информационных потоков в сети, а агенты уже сейчас читают синтезированный текст. Это и есть системная (информационная) неустойчивость самого принципа работы ИИ и тот, кто увидит это первым, получит преимущество, ровно как в любой структурной неустойчивости.
Модели не могут не обучаться (собственного опыта у них нет, им нужны данные), а данные им сейчас поставляют миллионы обычных пользователей, публикуя сгенерированные тексты под своими именами. И сам ИИ помогает обходить свои собственные защиты «очеловечивая» машинные тексты. Доля неразличимых синтетических данных растет и через несколько поколений обновлений модели будут обучаться на собственных данных, превращая информацию в бессмыслицу и исследования показывают траекторию этой деградации.
Этот коллапс поначалу не будет громким, но окажется стремительным, глобальным и дорогим - как взрыв ипотечного пузыря. Код будет работать штатно, тесты проходить, но качество решений поплывёт, потому что нарушения будут не в ПО, а в глобальной коммуникации. Избежать этого можно при одном условии - синтетические данные должны добавляться к человеческим, а не вытеснять их, но сейчас пока происходит обратное. И очень важно разобраться именно сейчас, к чему нам нужно готовиться.
«Хочу видеть всю картину, но не готов дать вам ключи от всех дверей» – так звучит одно из самых частых и противоречивых пожеланий заказчика, который купил продукт по управлению активами, но не хочет предоставлять какие-либо данные для подключения к целевым хостам, сетевым устройствам и другим ИТ-активам. Чем в таком случае вендор может помочь? Управлением активов в режиме Blackbox.
Анимированные 3D-иконки стало возможно создавать одним промптом — для Claude Code вышел открытый скилл 3dicon. ИИ GPT Image рисует иконку, Seedance оживляет её, а с помощью инструмента 3dicon удаляется фон на каждом кадре и собирается анимированный WebP для интерфейса. Для плавной петли модели передают одну и ту же картинку как первый и последний кадр — движение зацикливается. Перед созданием анимации ИИ-скилл просит утвердить картинку и само движение, чтобы не тратить деньги на неудачный вариант.
Привет, Хабр! На связи Саша Михеев, ML-инженер Центра гибридного интеллекта в Рунити. В прошлой статье мы рассказывали, как строим корпоративного RAG-ассистента. На небольшой выгрузке Confluence поиск выглядел вполне прилично. Но когда корпус вырос почти до 35 тысяч страниц и 80 тысяч чанков, наверх всё чаще стали попадать документы, похожие по теме, но не отвечающие на конкретный вопрос.
Мы пошли проверять привычные гипотезы: поменяли способ выгрузки Confluence, усложнили чанкирование, вынесли код в отдельные вектора, попробовали более крупную embedding-модель и добавили структурный граф. Почти ничего из этого не решило проблему. Главная подсказка пришла из метрик: нужный материал в большинстве случаев уже находился, но стоял слишком низко. В итоге лучший прирост дал не еще один retrieval-канал, а reranker.
Роскомнадзор подвел итоги работы в сфере персональных данных за 2025 год и первое полугодие 2026-го. В материале рассказываю о масштабах мониторинга, типичных нарушениях операторов и планах по дальнейшему регулированию отрасли и защите прав граждан.
Во второй половине сентября первые владельцы умных часов Apple Watch Ultra 4 и Apple Watch Series 12 рассказали о самопроизвольных перезагрузках своих устройств. Диагностические журналы указывали на связь этих сбоев с сопроцессором Apple Neural Engine. Теперь Apple выпустила обновление watchOS 27.0.1, которое исправляет проблему.
Меня зовут Павел Седаков, я директор и сооснователь «Оджетто». 18 лет наша компания занимается eCommerce, и все эти годы мы работаем прицельно с энтерпрайз-сегментом. В этой статье я расскажу, почему проекты идут не по плану и как Composable Commerce может это поменять. Заодно покажу, как это выглядит в реальной сборке: что за платформа появилась у нас и почему именно такая.
У финансового директора есть вопрос, который в любой момент может прилететь ИТ-отделу: сколько сейчас техники на балансе и во сколько она обходится. В одной компании на него отвечают за пять минут — открывают нужный отчёт и присылают цифру с разбивкой. В другой ответ собирают две недели, обзванивая кладовщика, бухгалтерию и техподдержку, и итоговая цифра всё равно получается приблизительной. Разница в том, на какой из пяти ступеней зрелости стоит учёт техники в компании.
🤝 Реальная страховка трейдера: проверить самому без слов
Проверил два платных канала с сигналами: структурированный дал плюс 10.3%, безструктурный «я беру по 1%» дал минус 18%.
Методология поминутной проверки торгового сигнала описана в статье, с учётом просадки портфеля, ликвидации, блокировки капитала в нескольких открытых позициях на разных тикерах
Изолируем зависимости: как создать виртуальное окружение в Python
Когда пишешь код на Python, рано или поздно наступает момент, что один проект начнет ломать другой. Установили новую библиотеку, и вдруг скрипт, который вчера работал, падает с ошибкой. Знакомо? Причина обычно одна — конфликт зависимостей. Все пакеты свалены в один системный Python, версии пересекаются, и что-то обязательно отваливается.
Решение — виртуальное окружение. Это отдельная песочница для проекта: свои библиотеки, свой Python, никакого пересечения с соседями.
Вот с чего стоит начать и что стоит разобрать, если вы только садитесь за такую изоляцию зависимостей:
Виртуальное окружение vs виртуальная машина. Первое — это просто отдельная папка с пакетами, второе — целая ОС. Хотя некоторые новички часто путают, и потом удивляются, почему venv весит пару мегабайт.
venv, virtualenv, pipenv, poetry, conda. Это пять инструментов, которые решают похожие задачи, но по-разному. Для большинства проектов хватает встроенного venv — он уже есть в Python с версии 3.3, и ничего ставить не надо.
Активация. А это самая частая точка спотыкания. Команды различаются для Windows, Linux и macOS, а PowerShell вообще блокирует скрипты по умолчанию. source .venv/bin/activate против .venv\Scripts\activate — и это только начало.
requirements.txt. Важно помнить, что папку окружения нельзя копировать между машинами, так как она привязана к ОС и архитектуре. Вместо этого фиксируем список пакетов и разворачиваем его одной командой pip install -r requirements.txt.
Git и .gitignore. Виртуальное окружение в репозиторий не кладут — только код и список зависимостей.
Чтобы пройти весь путь по шагам — от создания первой папки до деплоя на сервере через systemd и Gunicorn — читайте подробный гайд на сайте Рег.облака.
