Моя лента

Почему free в Docker врёт и ещё три сюрприза PID 1: systemctl, journalctl, free: что ломается, когда сервер - это контейнер?

Как уже было миллион раз сказано, мозг — это самая сложная вычислительная машина, по сравнению с которой наши компьютеры и ноутбуки — это просто детские цацки. Конечно, персональный компьютер может выполнять крайне сложные и многопотоковые вычислительные задачи. Однако мозг обладает крайне сложной структурой, которую до сих пор пытаются реализовать в машинном эквиваленте. Ведь тогда такой компьютер был бы во много раз мощнее и быстрее. Проблема реализации такой имитации заключается, уж простите за повторение, в сложности структуры мозга. Ученые из Норвежского университета естественных и технических наук (Тронхейм, Норвегия) провели любопытное исследование, в котором установили, что скирмионы могут быть ключом к созданию компьютера, подобного мозгу. Что такое скирммионы, как они работают, и чем они могут помочь в создании мозга-мимика (только без зубов)?

15 сентября 2026 года TypeSafe AI выпустила Jev — модель класса «System One»: она получает состояние и типизированные вопросы, а возвращает варианты, оценки и вероятности без единого слова текста. Сразу после выхода Jev аналоги побежали делать все кому не лень: Liquid AI, например, показала d1 уже через две недели. А мы чем хуже? Ну, по качеству, скорее всего, хуже. Зато бесплатно.

Сейчас мы разберём, что происходит внутри языковой модели, когда она «отвечает» одной буквой, и соберём из этого простой аналог Jev на T4 в Colab: ядро примерно на 70 строк, калибровку вероятностей и замер скорости.

Я продолжаю писать статьи по темам, с которыми очень долго разбираюсь в силу определённых обстоятельств. В этот раз я по кусочкам собрал огромный пазл, в котором участвуют и браузер, и фреймворк воедино и хочу разложить эти знания по полочкам, разжевать максимально подробно. Опять же пишу для себя, чтобы, когда всё забудется, а это непременно случится, вернуться сюда и быстро всё вспомнить и если эта статья кому-то поможет - это просто прекрасно. Дополняющим, уточняющим, при этом подробным и понятным комментариям и замечаниям буду только рад

С ростом количества кластеров Kubernetes и управлять ими становится сложнее. GitOps и FluxCD меняют хрупкую push-модель на более безопасную pull-модель. Однако инженерам особо не легче. Они часто сталкиваются с путаницей в зависимостях и, как следствие, неожиданным поведением контроллеров. 

Привет! На связи Константин Копыло́в, системный администратор в Selectel. Сегодня разберем частые ошибки и посмотрим на лучшие практики. Статья будет интересна администраторам Kubernetes, которые хотят внедрить GitOps, а также архитекторам и тимлидам, проектирующим инфраструктуру для новых проектов.

На этой неделе в топе снова всплыла старая история: свежий VPS, ufw default deny incoming, наружу только 22, 80 и 443, а потом в compose-файле появляется ports: - "5432:5432" — и через пару дней в базе лежит записка с биткойн-кошельком. Почему так происходит, уже разобрали подробно. Я хочу про другое: как сделать так, чтобы такой compose-файл вообще не доехал до сервера.

Ниже — два небольших скрипта на Python. Первый проверяет compose-файлы до деплоя и падает с ненулевым кодом, если порт опубликован на все интерфейсы. Второй смотрит, что реально слушает на машине, без ss и netstat, прямо из /proc. Весь код я запускал на Python 3.13 и PyYAML 6.0.3, вывод в статье — настоящий.

Уход ключевого разработчика может обнажить проблему, которая годами оставалась незаметной: команда формально владеет модулями, но фактически не знает, как с ними работать. История Git позволяет оценить концентрацию авторства и заранее увидеть, какие файлы останутся без активного автора, если уйдёт лидер. В статье разбираем методику расчёта truck factor, шесть типичных управленческих ошибок и то, как AI‑агенты дополнительно усложняют оценку распределения знаний.

Данное научно-популистское исследование посвящено фундаментальному коду русской ментальности, зашитому в грамматику. Мы попытаемся доказать, что русский язык создавался не для передачи информации, а для запутывания вероятного противника и тренировки стрессоустойчивости.

Глава 1. Главный экономический закон лингвистики

Начать наше погружение в бездну филологического хаоса необходимо с фундаментального вклада отечественной финансовой мысли в мировую науку. Речь идет о великом термине, который официально приписывают главе Центробанка Эльвире Набиуллиной, хотя в кулуарах поговаривают, что его нашептал сам Дух русской словесности.

«Отрицательный рост» — это не просто формулировка из экономических отчетов. Это высшая точка развития нашего языка. Математически это выглядит как абсолютный абсурд: рост со знаком минус (-X). Но лингвистически это шедевр! Это когда всё падает, но падает с таким оптимизмом, что в процессе падения успевает подрасти.

Hy4 стала первой моделью в линейке Tencent Hy с поддержкой визуального ввода и управления компьютером как через терминал, так и через графический интерфейс.

Модель ориентирована на разработку, автоматизацию рабочих процессов, работу с документами и создание интерфейсов. Контекстное окно достигает 1 млн токенов.

Автоматизировать поддержку хотят все. Большая часть вопросов пользователей повторяется, и так и хочется завернуть ответы на них в какой-нибудь алгоритм. Подходов много, но один из самых распространённых — векторный поиск: мы пытаемся понять, о чём пишет пользователь, находим в базе знаний семантически близкие статьи и просим LLM составить ответ на их основе.

В презентации всё выглядит шикарно. Бот понимает вопрос, находит нужные материалы, формулирует ответ. Остаётся немного настроить — и можно отпускать сотрудников заниматься чем-нибудь более интересным.

Но довольно быстро выясняется, что пользователи упорно не хотят действовать по алгоритму. Формулируют вопросы как придётся, опускают важные детали, ограничиваются коротким «не работает» или «помогите». Для векторного поиска такие сообщения создают проблему: в них слишком мало информации, чтобы уверенно определить смысл запроса. В результате подбор статей становится почти случайным: в выдачу попадают статьи, которые лишь условно похожи на обращение.

Бывает и хуже: нужной статьи в базе вообще нет. Тогда LLM пытается собрать ответ из того, что нашлось по смежным темам. Получается связный текст, который может иметь довольно отдалённое отношение к проблеме пользователя. Модель, в общем, старается, но исходных данных ей никто не подвёз.

В этой статье расскажу, как я решил подойти к обеим проблемам одновременно: изменить способ сопоставления обращений и статей, а затем использовать ту же тематическую разметку, чтобы находить пробелы в базе знаний и готовить черновики новых материалов.

История игровой индустрии знает много больших прорывов. Самый заметный из них, субъективно, — развитие портативного гейминга. Мы прошли путь от карманных игрушек с сегментированными LCD-экранами до тяжелых ПК-игр на смартфонах и современных устройствах типа Steam Deck или Switch 2.

Но все начиналось с того, что сам факт хоть какого-то интерактивного развлечения считался прорывом. История геймеров нашей страны такой прорыв знает под названием «Электроника», и сегодня мы вспомним, как вообще получилось, что у СССР были свои портативные игры и куда все это привело.

Одиннадцатого сентября 2026 года в России официально запустили 5G, а через шесть дней журналисты прошли по Москве со спидтестом и в большинстве точек намерили скорости LTE, а местами даже ниже. И зачем нужна была эта помпезность…

Я постоянно вижу, как знакомые восторженно радуются значку 5G, и меня это трогает, ведь я когда-то был связан с телекомом… В связи с этим, под катом с технической стороны объясню, что именно у нас запустили, чем настоящий 5G отличается от быстрого LTE, и что пятое поколение принесло/принесет сисадмину.

Не думал, что уже так много, но оказывается к маю 2025 года ИИ участвовал в создании уже 35% новых сайтов в интернете, а 18% сайтов были сгенерированы нейросетью полностью - эту оценку от Imperial College London, Stanford University и Internet Archive приводит Gizmodo. Поэтому решил исследовать, как вообще сейчас создают сайты с помощью нейронок, и по сути способа сейчас три: 

Первый - самый распространенный, когда пользователь формирует запрос на создание сайта непосредственно в чате своей нейросети (таких как ChatGPT, Claude или другие), а потом как-то сам переносит результат на хостинг или в CMS.

Второй - это так называемы “Вайбкодинг”, способ для продвинутых пользователей, которые смогли разобраться как развернуть свой VPS-сервер, настроить Claude Code, Codex или свою Harness, после чего возможности создания разных сайтов становятся почти безграничны.

А есть еще третий способ - это ИИ-конструкторы сайтов, которые совмещают в себе простоту взаимодействия (можно так же, как в условном ChatGPT словами описать какой сайт ты хочешь) и сложность выгрузки сайта на хостинг (такие конструкторы обычно уже включают в себя хостинг) и по сути сайт создается и появляется на вашем домене после нескольких диалогов с таким сервисом.

И мне стало интересно разобраться, как работают именно ИИ-конструкторы.

Алгоритмы машинного обучения и оптимизации давно закрепились в САПР. Раньше они в основном помогали на завершающих стадиях — например, раскладывали элементы по кремниевой подложке и трассировали проводники. Сейчас исследователи пробуют передать нейросетям более сложную задачу — синтез самой микроархитектуры процессора.

На международном форуме WLA соучредитель исследовательской группы Чэнь Юньцзи поделился результатами разработки процессоров, чья внутренняя логика создавалась без написания исходного кода человеком. По его словам, современные генеративные модели доросли до уровня мобильных процессоров десятилетней давности. Разберем подробности ниже.

Компания CrowdStrike представила функцию «AI Kill Switch» («аварийное отключение ИИ») в составе платформы Falcon Guardian. Она предлагает специалистам по безопасности полный контроль над ИИ‑агентами. Если тот начинает действовать вопреки заданным алгоритмам, сотрудники службы безопасности могут немедленно остановить его выполнение, заблокировать повторный запуск и ограничить доступ к корпоративной сети.

Я столкнулся с непониманием того, что тестировщики стали узким горлышком в процессе разработки ПО. Современные программисты, используя кодинг-агентов по подписке за 20$ в месяц, могут за день своей работы выдать объем кода и функционала, который ранее они делали неделю или даже месяц. Но ведь что толку? Пока тестировщики не проверят то, что выдал программист вместе с LLM, оно не будет выпущено в продакшен или зарелизено и выложено публично для пользователей.

INT8 не виноват: как мы мерили сэмплеры на квантованных flow-моделях и опровергли собственную идею

Fujifilm объявила, что инвестирует около 10 миллиардов иен ($63,2 млн) в производственную площадку Одавара в префектуре Канагава, чтобы увеличить мощности по выпуску ленточных накопителей стандарта LTO в 5 раз.