Мой агент получил высокий балл. Проверяю, что он сделал
Как проверить, что диалоговый агент выполнил задачу, если бенчмарк поставил высокий балл? В первой пробе мой агент получил награду 1 на всех пяти за…
Последние новости
⚑ Сообщить о проблемеTech news from the best sources
Все темы
- игры
AI
News
Tech
agents
ai
api
architecture
automation
backend
beginners
career
devchallenge
devops
javascript
llm
machinelearning
mcp
opensource
performance
productivity
programming
python
react
security
showdev
testing
tutorial
typescript
webdev
Токеномика прайсов: три валюты, в которых нам выставляют счёт за ИИ
Помимо текстов для Хабра, я сейчас работаю над очередной книгой. ИИ тут здорово выручает. И подборку материалов сделает, и факты проверит. Только во…
Anthropic запретила обижать Claude, а я матерюсь в каждом втором сообщении. Пришлось сделать Punto Switcher для промптов
Всем привет! 8 октября Anthropic обновила правила пользования своими моделями. Среди прочего там появился пункт, который меня обеспокоил: систе…
Языковая модель в поиске магазина: как подключить её так, чтобы её падение никто не заметил
В прошлой статье я рассказывал, как устроено ядро нашего поиска: триграммы, crc32, словарь болей и два сита. В конце был короткий раздел «А где же н…
Механизмы внимания в современных LLM
Почему современные LLM больше не используют один «обычный» Attention? Разбираем эволюцию механизмов внимания: MHA, GQA, MLA, local и sparse att…
DeepSeek Harness Desktop: приложение для Windows и Mac, установка и плагины
DeepSeek выпустил свой агентный харнесс отдельным приложением: установщик для Windows и macOS, без Node.js и терминала. Разбираю по документации и ж…
Какую LLM выбрать: собираем свой бенчмарк
Обычно, когда выбирают LLM, сначала смотрят рейтинги. Проблема рейтингов в том, что по ним не узнать, как модель справится с вашими задачами и…
Как я несколько часов гуглил, чтобы потом за 15 минут запустить локальный DeepSeek для Python и SQL
Полгода назад мне понадобился личный AI помощник ( знаю...звучит слишком пафосно и мне самому это словосочетание не нравится ) для р…
Вайбкодинг всерьёз: деньги на токены и очень неоднозначные ощущения
Мой код работает. Он собирается, проходит тесты и делает ровно то, что задумывалось. Проблема в другом: я не могу с уверенностью…
Grok 4.7, GPT-6 Astra, Claude и китайские модели, кто эффективнее?
Вчера SpaceXAI выложила Grok 4.7 . За три недели до этого OpenAI выпустила GPT-6 Astra , Anthropic — Claude Fable 5.1 . Ещё в&nb…
SEO-плагины на DeepSeek Harness: что переезжает из Claude Code, а что нет
У DeepSeek появился свой агентный харнесс — dsh. Разбираю, как перенести на него SEO-набор: серверы с данными, правила работы и страховку от ошибок…
Статистический анализ интереса к искусственному интеллекту в России 2022-2026 гг
Статья посвящена статистическому анализу интереса к искусственному интеллекту в России в 2022–2026 гг. Интерес рассматривается как многомерное явлен…
Сколько стоит месяц с AI-агентом: API против подписок
Посчитал месяц работы разработчика с AI-агентом по ценам API и подписок на сентябрь 2026: от $87 на DeepSeek до $7 720 на GPT-6 Astra. Почему 82% то…
[Перевод] Создание моделей, способных к рассуждению, с помощью дообучения GRPO
Модели вроде DeepSeek показали, что способность к последовательному рассуждению можно заметно улучшить на этапе дополнительного обучения. Если задач…
Вставил договор в ChatGPT — что нарушил. Разбор по 152-ФЗ с цифрами и делами
В каждой второй статье про нейросети и 152-ФЗ написано, что компании грозит штраф 20 тысяч рублей. Цифра из старой редакции, и она про должностное л…
Каскадное планирование тренировок с LLM: как удержать план в рамках методики
LLM хорошо справляется с формой тренировочного плана, но связный текст ещё не означает связную методику. Рассказываем, как в 1trAIner план строится…
7 дней новостей ИИ (05.09.26…11.09.26): пока вы спали, вышло ещё три модели
Неделя выдалась такая, что впору сериал снимать с открытым финалом. Модели штампуют быстрее, чем успеваешь придумывать им имена, лидерборды перевора…
Наш бенчмарк ИИ-агентов: собачьи бега моделей LLM, в которых Алиса выигрывает
Всем привет. На связи Сергей Игнатенко, основатель ИИ-платформы VibePilot. Мы сделали свой бенчмарк моделей ИИ на реальных задачах: сметы, договоры,…
Тест DeepSeek, Qwen, GLM и прочих LLM на продвинутом пользовательском железе
В статье рассказываю о личном опыте запуска современных LLM на домашнем ПК, сравниваю модели, кванты и движки, показываю результаты п…
Дистилляция по-пекински: новый отчёт о том, как китайский ИИ обучился на американском
Американцы потеряли десятки миллиардов долларов выручки на запрете поставок чипов в Китай. Китайцы не растерялись, просто оплатили американские API…
Гонка за самую мощную ИИ-модель подходит к концу. Financial Times объясняет, почему бизнесу это больше не нужно
Последние несколько лет за развитием генеративного ИИ было удобно следить как за спортивной таблицей. OpenAI выпускала GPT-4, Google отвечала Gemini…
Одна строка в системном промпте отключала кеш целиком. 1% против 98% на живых вызовах
Токен, прочитанный из кеша, стоит не «немного дешевле». Он дешевле в 10–31 раз : DeepSeek — $0.44 против $0.014 за миллион, OpenAI — $4.00 против $0…
Не в 12,1 раз, а 2,3–2,9: сколько стоит новый тариф DeepSeek V4 и почему все решают 3 часа с 10:00 до 13:00 МСК
Цифру «+1100%» я увидел в чужом пересказе, и это ровно тот жанр новости, после которого приходят спрашивать, что будет со сметой. Часть нашей нагруз…
Бесплатные API к Claude, GPT, DeepSeek и другим моделям: 6 AI-роутеров с бесплатным доступом
Собрал 6 AI-роутеров с бесплатным доступом к Claude, GPT, DeepSeek, Qwen и другим моделям. Показываю, что реально дают после регистрации: баланс, до…
Что такое Harness и с какими моделями его едят?
Сегодня, 13 августа DeepSeek выложил DeepSeek Harness v0.1 в Developer Preview. Открытый код, MIT, пакет @deepseek-ai /dsh в npm, запуск в одну стро…
NVIDIA RTX PRO 5000 Blackwell с 72 Гб видеопамяти. Есть ли смысл переплачивать за «половинку» флагмана?
RTX PRO 5000 Blackwell на 72 Гб: золотая середина для локальных ИИ-моделей или переоцененный апгрейд? Разбираемся в нашем обзоре. Читать далее
Как агентные LLM встроили в операцию против госструктур: разбор кампании Hunt.io
Разбор отчёта Hunt.io о предполагаемой китайской кампании: открытый каталог, TencShell-инфраструктура, SQL-инъекции, фишинг и роль Claude Code с Dee…
460 целей, ноль автономных взломов: как Telegram-бот на DeepSeek подставил хозяина
В мае 2026 года злоумышленник отправил в Telegram одну задачу — и больше ни одного его сообщения восстановить не удалось. Все остальное сделала нейр…
Миллион токенов за 1 ₽ или за 20 726 ₽: одна RTX 5090, и почему API все равно дешевле
Разговор повторяется раз в месяц: платим за API прилично, может, купим свою карту? Сел и разложил все в цифры. Час своей 5090 в рублях, пропускная с…
Большие модели и цена миллиона токенов
Китайские модели дешевле или это ловушка? Разбираемся, как не переплачивать за токены и почему цена в прайсе — еще не вся правда о расходах на ИИ. Ч…