Почему ИИ ошибается и признает ошибку, только когда вы ее найдете? История одного экзамена
Не так давно я поступал в аспирантуру. Готовился по старинке: конспекты, книжки, пробные тесты. Но уже в самой аудитории заметил, как многие полезли…
Testing & QA
⚑ Report a ProblemLatest Testing & QA news from Tech News
All topics
agents
ai
api
architecture
automation
backend
beginners
career
claude
cybersecurity
devchallenge
devops
discuss
javascript
llm
machinelearning
mcp
node
opensource
performance
productivity
programming
python
security
showdev
softwareengineering
testing
tutorial
typescript
webdev
Я написал 61 тест для AI-ментора. Потом выяснилось, что тестам тоже нельзя верить
Репетитора не нанимают по резюме. Ему дают тетрадь реального ученика и смотрят не на то, знает ли он ответ, а на то, где он остановится. Подскажет,…
PPU Zhenwu 810E от Alibaba: как китайский AI-ускоритель справляется с LLM
Привет, я Дмитрий, MLOps-инженер в Selectel . Современный ландшафт AI-ускорителей изобилует всевозможными устройствами: GPU, TPU, NPU, LPU и п…
Гига Писарь: первый пулреквест на Windows и Мозг со своим ключом в облаке
Привет, Хабр! После того как я выпустил Писаря для Windows, скачали его уже больше трёхсот раз, спасибо всем, кто поставил, попробовал и написал, чт…
Can DeepSeek 4.1 Flash Replace Your $20 Coding Subscription?
A question came up at work recently: can we ditch our $20 monthly coding subscriptions and just use DeepSeek 4.1 Flash, paying per token instead? So…
Топ-6 нейросетей для написания текстов: тестируем на статье и посте
В 2026 году нейросети заметно прокачали навык письма. Конечно, полностью доверять ИИ сложную аналитическую статью всё ещё рискованно, но если у вас…
Топ-6 нейросетей для написания текстов: тестируем на статье и посте
В 2026 году нейросети заметно прокачали навык письма. Конечно, полностью доверять ИИ сложную аналитическую статью всё ещё рискованно, но если у вас…
Распознавание текста по фото: 8 программ и нейросетей
Признайтесь, было такое, что вам необходимо вытащить текст из сканированного отчёта на 50 страниц, разгадать рукописные записи коллеги или перенести…
Что за зверь «internal OpenAI model» и почему DeepSeek догоняет OpenAI?
Публике не доступны внутренние модели фронтиер лабораторий. Я не очень верю про конспирологию в духе «у OpenAI в подвале сидит настоящий AGI, а нару…
DeepSeek R1: The Open-Source Reasoning Revolution That Changes Everything
DeepSeek R1: The Open-Source Reasoning Revolution That Changes Everything The Reasoning Problem Traditional LLMs generate text token by token, left…
Understanding Cordis: The TypeScript Framework Built for Hot-Swapping Everything
Part 1 of the DeepSeek Harness: Kernel to Edge series: How the open-source (MIT) Cordis meta-framework enables zero-downtime plugin reloads and memo…
I tested DeepSeek Harness for a week. I left with a shipped plugin and $0 in API costs
I tested DeepSeek Harness for a week. I left with a shipped plugin and $0 in API costs I came to DeepSeek Harness as a reviewer and left as one of i…
DeepSeek V4.1 Flash: The Native Multimodal Model That's Breaking Speed Records
DeepSeek V4.1 Flash: The Native Multimodal Model That's Breaking Speed Records How DeepSeek Achieved 420 Tokens/Second Without Sacrificing Accuracy…
How LLMs Learned to Reason: SFT --> RLHF --> RLVR
1. The Starting Line: The Last Non-Reasoning Flagships GPT-4.5, DeepSeek-V3, and Claude 3.5 Sonnet share something that has nothing to do with bench…
WebForms.php 2.1 Released - DeepSeek Converted and Qwen Evaluated
WebForms.php 2.1 has been released as the PHP back-end implementation of WebForms Core 2.1. This release is different from a typical porting story.…
Тестируем Google TimesFM-3 бесплатными инструментами вайб-кодинга: DeepSeek, OpenCode и Freebuff
На днях, а именно, 31 августа, вышла новая модель работы с временными рядами от Google – TimesFM-3 (Time Series Foundational Model). Если вкратце, з…
Как быстро влиться в чужой проект и не завалить коллег вопросами: тестируем Gemini Notebook
Обычный вечер понедельника. Я уже собирался уходить домой после работы, как вдруг зацепился за разговор коллег о неком Gemini Notebook. Стало интере…
Tried `sponsors/wonderwhy-er`: A Practical MCP Server Review
Tried sponsors/wonderwhy-er : A Practical MCP Server Review sponsors/wonderwhy-er is an MCP server that gives Claude a controlled interface to devel…
Сравниваем LLM, 12 тестов для китайских рабочих лошадок: MiniMax M3, LongCat 2.0, MiMo-v2.5-Pro и DeepSeek V4 Pro
В первой статье цикла мы гоняли по нашим тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pr…
From string-concatenation to a real DSH bundle: one link, six verified plugins
Every plugin store ends up doing the same thing eventually: bundling. "Install these six together." The naive implementation is a shell-command chai…
Смерть сабагентов в Claude и Codex
С последними апдейтами Claude Code и Codex CLI классические сабагенты потеряли смысл. Сессии научились общаться между собой напрямую. В сообществе в…
Every Enterprise Will Have Its Own AI Harness
I think every large enterprise is going to have its own AI harness. Not necessarily a proprietary harness built from scratch. More likely, it will b…
Тот самый харнесс который мы заслужили в эпоху, когда безопасность ИИ уже не диковинка
Если запустить любую передовую языковую модель из коробки и попросить ее провести тестирование безопасности агентной системы или собрать актуальный…
I Turned 9,575 Jewelry Comments Into Landing-Page Tests—Without Calling Reddit a Market Survey
I had a content-research problem that looked easy at first. Our local Reddit corpus contained 310 jewelry-related threads and 9,575 stored comments.…
DeepSeek vs Qwen vs Kimi vs GLM: An Architect's 2026 Breakdown
DeepSeek vs Qwen vs Kimi vs GLM: An Architect's 2026 Breakdown I spend my nights watching p99 latency graphs. When a model starts drifting past 800m…
DeepSeek vs Qwen vs Kimi vs GLM: Which One Should You Use?
DeepSeek vs Qwen vs Kimi vs GLM: Which One Should You Use? Hey there! Let me be honest with you — a few months ago, I was stuck in a rut. Every AI p…
DeepSeek vs Qwen vs Kimi vs GLM: A Cloud Architect's Take
DeepSeek vs Qwen vs Kimi vs GLM: A Cloud Architect's Take I've been running LLM workloads in production for the better part of three years now, and…
The Status Quo of AI in Software Development (2026)
Artificial Intelligence in 2026: From Companion to Infrastructure Artificial Intelligence has moved from being a futuristic concept to an everyday c…
Сравниваем LLM, 12 тестов для китайских флагманов: Kimi K3, GLM-5.2, DeepSeek V4 Pro и Qwen 3.8 Max
В первой статье цикла мы гоняли по 11 тестам Opus 4.8, GPT 5.5 и Gemini 3.1 Pro, во второй устроили дуэль тяжеловесов Claude Fable 5 и GPT 5.5 Pro,…
I Ran the Numbers on Open-Source AI APIs vs GPUs — Here's the Verdict
I've been running an experiment in my home lab for the past four months. My question was simple: with so many solid open-source models dropping ever…