Kurgan-Telecom Ru | Информационные технологии

Осторожно: это большая и развернутая статья о редком процессоре. Если вам интересен полный разбор характеристик, схемотехники референсной платы, бенчмарки — статья обязательна к прочтению! Мы давно с вами привыкли к тому, что на рынке x86-процессоров бесспорными доминантами остаются Intel и AMD, и о каких-то альтернативах не слышно уже лет 15. Единицы читателей могут вспомнить процессоры Cyrix и VIA, а кто-то возможно даже слышал о TransMeta Crusoe и Эльбрусе — VLIW-процессорах с динамической ретрансляцией x86-кода в VLIW.

Однако на рынке x86-процессоров есть ещё одна серия чипов, о которой знают единицы гиков — Vortex86 от компании DM&P. Эти процессоры выпускаются по сей день, на их базе делают новые недорогие компьютеры, и они не основаны на какой-либо уже существующей микроархитектуре. Недавно в мои руки попал компьютер eBox с таким процессором и в сегодняшней статье мы с вами изучим, протестируем и сравним эту экзотику с процессорами Intel/AMD на практике!

Джеффри Хантли о споре «MCP против CLI». По его мнению, компании с инструментами для разработчиков делятся на S-tier и F-tier, и решают это веса моделей: с GitHub модели работают через gh CLI без всяких скиллов и MCP. Новичкам он советует вылизывать --help под агентов, оптимизировать документацию под агентский веб-поиск и договариваться с лабораториями о включении документации в обучение.

Локальная Qwen3.8 27B обошла GPT-5.6 в SQL-бенчмарке, причём для её запуска хватило обычного MacBook. Стоимость запросов оказалась почти нулевой, но есть нюанс: на один ответ уходило несколько минут. Разбираемся, на что способен такой SQL-агент, где локальный запуск действительно выгоден и как настроить связку Qwen с DuckDB на своём ноутбуке.

В первой части Лягушка научилась смотреть на человека, говорить и поворачивать голову. Теперь добавляю знакомые лица, память о разговорах, вопросы по фотографии, объяснения на экране и помощь со стихами. По дороге робот пропускает собственные команды, узнаёт своего «Создателя» и отправляет рисунок в принтер. А ещё выяснилось, что сильнее всего тормозило Лягушку…

Хотел проверить, как далеко можно зайти, если учить скрытый слой нейросети вообще без backprop, только локальными хеббовскими правилами. Спойлер: правило в итоге свелось к обычному k‑means, а backprop оно не обогнало ни по точности, ни при малом числе меток, ни по забыванию. Рассказываю, как сеть убивала собственные нейроны, как эволюция правил обманывала саму себя и где ошибался я сам.

В начале сентября у моего рабочего сайта за двое суток просели 181 запрос из 200, которые я отслеживаю в Топвизоре. Коммерческие запросы стояли на 1–5 местах, а оказались на 15–25. Клики в Яндекс Вебмастере упали с 2 740 до 88 в сутки. В профильных телеграм‑каналах как раз писали, что Яндекс «молча выкатил фильтр, который убил тысячи сайтов».

Я занимаюсь поиском с 2005 года, но первая мысль у меня была та же: санкции. Три недели ушло на то, чтобы доказать себе обратное. Ниже — что именно я проверял, где оказалась ошибка и короткий порядок действий. Надеюсь, кому‑то он сэкономит эти три недели.

Привет, Хабр! Производители современных автомобильных аккумуляторов гордятся низким расходом воды при подзарядке от генератора под капотом.

Однако как минимум раз в сезон необходимо осуществлять стационарный заряд с перемешиванием электролита, затраты воды в ходе которого могут сводить на нет её экономию в ходе эксплуатации.

Сегодня вашему вниманию предлагается отчёт об очередном этапе тестирования аккумуляторных батарей из премиальных и стандартных серий, как раз проливающем свет на данный вопрос.

Я веду Telegram‑канал про ИИ и ещё пять площадок: Instagram, Facebook, Threads, YouTube и свой сайт. Раньше на один пост уходил час: найти новость, проверить цифры, написать текст, подобрать картинку и переделать его под каждую соцсеть. Полгода назад я собрал для этого «контент‑завод»: набор ИИ‑агентов, который живёт в обычной группе Telegram. Ниже рассказываю, как он устроен внутри, какие решения сработали и где остались слабые места. Все цифры взяты из логов и файлов состояния.

Когда говорят о Neo4j, чаще всего вспоминают social networks, fraud detection, recommendation systems или knowledge graphs.

Но графовая база может быть полезна и внутри обычного data engineering проекта, где уже есть Kafka, аналитическая база, dbt, Airflow и BI.

Мне было интересно проверить именно этот сценарий.

Рассматривается другая, «неозвучиваемая» сторона AAM/UAM‑технологий и, в частности, аэротакси, в контексте так называемых «общественных опасений», способных повлиять на принятие обществом новой инфраструктуры. Приводится анализ информационной и исследовательской среды, который показывает, что общественное отношение к AAM/UAM‑технологиям нельзя описать простым сопоставлением «за» и «против» в контексте «технооптимизм и технофобия». Представлены такие аспекты, как безопасность пассажира и третьих лиц, доверие к автоматизации и автономному полёту, отсутствие пилота и человеческой помощи на борту, шум и визуальное влияние на людей, кибербезопасность и приватность, воздействие на окружающую среду и дикую природу, доступность перевозки и размещение вертипортов, влияние на городскую планировку и наземный трафик, правовая ответственность, трансформация занятости и институциональное доверие.

Небольшое приложение про «давай ебть английский», где ты не сидишь с учебником, а каждый день коротко отбиваешься от языка: карточки, мемы, озвучка, диалоги с ботом и стрик, который больно бьёт по самолюбию.

Привет всем любителям физики и физического эксперимента! Как работает цепная передача в велосипеде и какие силы участвуют при этом? Может ли сила трения покоя разгонять велосипед? Для чего в разных условиях надо использовать разные передачи (с точки зрения физики)? И наконец, какой возникает парадокс, когда мы описываем движение велосипеда в разных системах отсчета? Будем, так сказать, изобретать велосипед. Приятного чтения!

Привет, Хабра!

Neko — это устройство из категории physical AI, но в не самой популярной сфере — музыкальной. Писал про него здесь, здесь, здесь и здесь.

Два года делали и вот сделали. Решил поделиться видео с результатом, для меня это просто мечта.

Кидаю в «Я Пиарюсь», позже напишу развёрнутую статью. Пока фул-фокус на запуск на Кикстартере.

У одного из сотрудников TRI было около шести Excel-таблиц. Он выгружал данные из 1С, переносил их в свои файлы и занимался тем, чем приходится заниматься после переноса данных: сводил, пересчитывал, проверял. Когда в компании решили выяснить, сколько времени на это уходит, продуктовый директор Магомед Ахматов предложил завести ещё одну таблицу. В ней предполагалось учитывать время, потраченное на предыдущие.

Магомед рассказал нам об этом, когда мы обсуждали результаты внедрения аналитики. Компания производит клеи, герметики, компаунды и гидроизоляционные покрытия. Наша команда делала для неё несколько отчётов, а здесь я остановлюсь на одном: расчёте потребности в сырье. В этом проекте мы сначала собирались использовать рецептуры, затем нашли другой источник данных и довольно долго сверяли результат с человеком, который раньше считал всё вручную.

Я тепломеханик, начальник отдела в проектной организации, в проектировании четырнадцать лет. Программистом не был ни дня, с нейросетями вожусь меньше года. Весной взялся вырастить из слабых локальных моделей рой, который окажется умнее самой сильной из них. Рой не поумнел. Зато по дороге я разложил шесть маленьких моделей по схеме, по которой работает любой проектный институт, и замерил, что из этой схемы держит нагрузку. Держит одно деление на разделы, и слабой модели оно дает больше, чем сильной.

В начале октября прошла очередная волна присуждения нобелевских премий. В категории медицины и физиологии наградили достижения в оптогенетике.

Если вы ни разу не слышали про оптогенетику, объясню: это технология управления активностью клеток с помощью… света. Грубо говоря ученые светят лазером в мозг мышки, запускают определенные нейроны — и этим заставляют ее бояться, радоваться, вспоминать пережитое или менять поведение.

Но издеваться над мышью здесь далеко не главная ценность: с помощью оптогенетики, возможно, решат одну из фундаментальных проблем изучения мозга. Ученые наконец поймут, какие нейроны за какое поведение отвечают. Да, нейробиологам до сих пор не вполне ясно, как нейроны распределяют зоны ответственности за эмоции, действия и последующий запуск химических реакций в организме.

Кстати, недавно я писал, как эту задачу пытаются решить через муху, играющую в Doom. А сегодня рассказываю, какой путь привел оптогенетику в лауреаты главной научной премии.

Живет себе мышка в клетке или ячейке, получает корм и ежедневно наблюдает, как люди в белых халатах что-то записывают. Она в привычной для себя среде.

Затем мышь помещают в незнакомую клетку. Уровень ее стресса и так подскакивает, а вместо корма ее еще и пугают (скажем, серией громких неожиданных звуков). Тем временем ученые наблюдают за мозговой активностью мыши и находят группу нейронов, которые всякий раз активируются вместе с реакцией страха.

Казалось бы — вот и центр управления страхом? Не обязательно:

Будущее — это удел футурологов и фантастов. Последние мечтали в кино о межгалактических перелетах и противостояниях с глобальным злом. В этой схватке главным героям, конечно, помогали различные приспособления, выпущенные от всемирно известных брендов. О них-то мы и поговорим в нашем материале.

Иногда связь нужна там, где её нет. А иногда просто хочется поэкспериментировать с передачей данных. В этот раз я решил проверить - какие пределы дальности у Bluetooth, можно ли использовать современный смартфон в качестве рации и организовать беспроводной цифровой канал связи в горах.

В теории блютус достаточно дальнобойный, но в обычной жизни связь с устройствами ограничена буквально метрами. Но зато он есть в любом телефоне, всегда под рукой, не требует дополнительного оборудования и довольно прост в программировании.

Блютус обычно воспринимается, как что-то совсем локальное и непригодное для нормальной связи. Но иногда привычные, казалось бы, технологии могут удивить (или нет).

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, в какой строке ошибка, или перепишет задачу за ученика? Скажет «не знаю, давай проверим» или уверенно додумает?

Месяц назад я встроил в свою учебную платформу AI-ментора: он видит уроки, прогресс студента и его последнюю попытку по заданию. Чтобы не выбирать модель и не править промпт по ощущениям, я собрал стенд из автоматических проверок и начал принимать решения по его цифрам.

Через неделю выяснилось, что стенд тоже ошибается. Он засчитывал оборванный ответ, пропускал готовое решение задания под другим именем переменной и валил правильный отказ. А ещё через неделю модель на стенде вела себя безупречно, а на проде на тот же класс вопросов - нет. Эта статья про то, как устроен стенд, что он помог решить, где он создавал ложную уверенность и что я в итоге перестал доверять модели совсем.

В феврале этого года я, Алекс Гусев, отдал Codex-агенту на переписывание @teqfw/di — библиотеку, которую разрабатывал с 2019 года и в которой годами выверял каждую строчку. Об этом я тогда написал на Хабре. С тех пор программный код вручную я больше не пишу. Не потому, что разучился. Просто теперь эту работу делают агенты.

Заодно из моей разработки почти исчезли Pull Requests. Я не перестал пользоваться GitHub и не отменил проверку результатов. Мне перестала быть нужна процедура, в которой кто-то готовит изменение кода, а я разбираюсь, принимать его или нет.

К этому я пришёл не сразу.