Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
INFOSTART TECH EVENT 2026 в Петербурге собрал 130+ докладов о 1С, ИИ и DevOps
С 8 по 10 октября в Санкт-Петербурге прошла конференция для 1С-разработчиков: более 130 докладов, ИИ в разработке и тестировании, HighLoad, DevOps и интеграции.
Разработчик воссоздал все семь топовых программ Adobe с помощью ИИ
Томас Брэндон за год создал ArtCraft — набор из семи бесплатных аналогов Photoshop, Illustrator, Premiere, Lightroom, Acrobat, After Effects и InDesign. Проект написан на Rust с Claude Opus 5.5, работает на macOS, Window
Как квадратичное финансирование управляет ИИ-агентами: модель индийских учёных
Прафул Чандра, Суджит Гуджар и Ганеш Гхалме из Индии предложили управлять ИИ-агентами через квадратичное финансирование: два рынка голосов (за и против), аппаратный ограничитель и формулу, которая награждает число сторон
Пилот на правилах сам копит разметку и сокращает ожидание модели с года до нуля
Руководитель ML-направления описал приём для поиска аномалий в закупках: не ждать полгода-год на сбор разметки, а запустить пилот на правилах, который размечает данные в работе.
Nano Banana 2.1 и Hailuo 3.0 собрали в связку: видео из одного фото
Google Nano Banana 2.1 генерирует стартовый кадр, MiniMax H3 его оживляет в видео. Как выбрать исходник, описать физику движения и избежать сбоев — анализ на примере пяти шаблонов сцен.
Qwen3.8-27B в IQ3 на RTX 5070 Ti набрал 91,1% и выдал 68,3 tok/s
Автор Habr прогнал Qwen3.8-27B в квантовании IQ3 на одной RTX 5070 Ti: 91,1% успешных задач, индекс 82,3 и 68,3 токена в секунду при контексте 131K.
«Мир Квестов» запустил ИИ-бота Квестошу и протестировал пять моделей на 12 гейтах
«Мир Квестов» запустил Квестошу с Q3 2026 на markdown-вики из 7,5 млн диалогов. Ночной цикл автообучения улучшает базу знаний. Две модели набрали 12/12 критических сценариев: Qwen3 0.6B и Qwen3-235B-A22B.
ИИ-секретарь за $77 в месяц: 88% ответов DeepSeek, 77% денег — Opus
Telegram-бот Лиза Петровна стоит $77 в месяц: 88% ответов за счёт дешёвой DeepSeek ($0,002–0,007), 7% сложных идут в Opus ($0,21–0,24), съедая 77% бюджета. Маршрутизация по regex, память на pgvector, отдельные агенты для
Пять инженерных решений, которые нужно принять до генерации кода с AI
Опытный инженер до генерации кода видит вопросы, которые вайбкодер пропускает. На примерах мультибрендовой платформы и маркетплейса — пять ключевых решений: границы интеграции, вариативность по брендам, совместимость дан
ИИ-сметчик без ИИ: правила в коде нашли 310 замечаний в пяти сметах
Разработчик показал сметчик для ремонтной компании: 310 замечаний к пяти сметам выдал код с правилами, нейросеть не запускалась. Одна смета занижена на 515 786 ₽.
Программистов стало больше, хотя ИИ обещал заменить их за год
Три года назад конец профессии сулили через полгода-год. Сегодня за код платят большему числу людей, а вакансии никуда не делись, только поменяли требования.
AI решила 370 математических задач, математики в панике, Маск ищет $40 млрд: главное за неделю
OpenAI выложила решения 370+ математических задач в 700+ рукописях. Теренс Тао запустил крестовый поход против ИИ-математики. Маск займет $40 млрд на датацентры, Франция рискует дефолтом, Россия перекрывает путь для выво
Вайбкодинг на Rust: три утилиты для macOS и пять браузерных проектов
Разработчик codecity создаёт софт через LLM-кодирование. На этот раз — ProcessTree для процессов, Notepad для больших файлов и DirMerge для сравнения папок. Плюс напоминает о пяти прежних проектах в браузере: Obsidian-кл
Qwen3.6-35B-A3B выдаёт 109 ток/с на RTX 5080 с RTX 3060 на PCIe Gen2 x4
Энтузиаст запустил 35B-модель на RTX 5080 и RTX 3060 в слоте PCIe Gen2 x4 (около 2 ГБ/с) и получил 109 токенов в секунду. Разбираем, почему узкий канал не стал бутылочным горлышком.
Как экономить токены AI-агентов при работе с большой кодовой базой: 5 паттернов
AI-агенты при анализе крупных проектов тратят основную часть токенов на исследование кода, а не на его написание. Habr разобрал 5 универсальных паттернов управления контекстом для снижения расходов вычислительных ресурсо
Рефакторинг C++ в OpenBMC: как ИИ боролся с 280-строчной функцией
Разработчик попросил ИИ помочь с функцией createSensors из OpenBMC, вмещающей 12 задач на 280 строк. Агент предложил 7 конкретных улучшений и разбил монолит на 10 методов. Результат парадоксален: код стал чище, но объем
Habr: ИИ сделал прогнозы дешёвыми, а проверка осталась за часы работы человека
Отчёт о фейковой уязвимости пишется за минуты и центы, а проверяется часами. Автор Habr переносит эту асимметрию с кода на прогнозы об ИИ, у которых нет проверочного якоря.
Почему повторное дообучение упирается в потолок: исследование LANN-4
Автор LANN-4 провёл опыты с повторным дообучением небольшой модели. Первый раунд дал скачок с 53% до 59% правильных ответов на 200 задач — следующие три раунда ничего не добавили. Открыт вопрос: модель училась или приспо
Агентный поиск на open-source моделях: кого нашёл, сколько потратил и где всё сломалось
Автор Habr потратил $20 на экспериментальную систему агентного поиска: протестировал шесть open-source моделей, обнаружил, что лучше всего работает gemma4 с простым JEV-фильтром, и выяснил, почему поиск HR через открытые
Разработчица потратила $9 000 на ИИ-агентов и выпустила плагин Crossweft
Автор потратила свыше $9 000 и миллиард токенов, а получила открытый плагин для Claude Code и Codex, который не даёт агенту сказать «готово» при рассинхроне файлов.
Odyssey-3: как видео-модель учит роботов физике за десятки часов
Odyssey представила Odyssey-3 — мировую модель, которая учит роботов физике по видеонаблюдениям. На бенчмарке Physics-IQ набрала 66.1%, обучается на видео, играх и симуляциях, адаптируется к конкретным системам за десятк
Поэзия агентной разработки: как писать код с агентами, когда легкость порождает сложность
Разработчик из Яндекса разбирает, почему агенты ускоряют написание кода, но создают сложные системы. Исследования показывают: LLM генерирует в 2,3 раза больше строк, не избегает сложности и создаёт скрытые зависимости. П
Open-source агент против 1С Напарника: гибридный RAG на DeepSeek выиграл на практике
Habr протестировал самостоятельного агента на LangGraph с гибридным RAG-поиском против коммерческого 1С Напарника. На трёх реальных задачах разработчиков на моделях deepseek-v4-flash, gpt-6.1-sol и glm-5.3-flash open-sou
Где NLI-модель помогает в ассистенте для встреч: три примерки, два отказа
Разработчик Charoite проверил NLI-модель в пяти сценариях. Помогла только дедупликация фраз в ленте (2% ошибок). Провалилась на протоколах, ревизии ядер и фильтрации вопросов: точность 55,6% и массовые ложные срабатывани
8 ИИ-сервисов для Reels и Shorts: что работает в 2026
Протестировали 8 ИИ-сервисов для нарезки вертикальных видео. Монтаж сократился с часов на минуты. Разбираемся, какие работают с русским языком и как выбрать под конкретную задачу.
Хеббовское обучение без backprop выродилось в k-means и проиграло по всем фронтам
Автор Habr учил скрытый слой только локальными хеббовскими правилами. Итог: правило свелось к k-means и не обогнало backprop ни по точности, ни по меткам, ни по забыванию.
Я написал 61 тест для AI-ментора. Потом выяснилось, что тестам тоже нельзя верить
Разработчик создал 61 тест для проверки AI-ментора на учебной платформе программирования. Но стенд сам ошибался: засчитывал оборванные ответы, пропускал готовые решения. DeepSeek V4 Flash набрал 50/57 проверок. В статье
Когда маленькие LLM лучше роя: как деление на разделы дало слабой модели ×4
Тепломеханик провел эксперимент с шестью слабыми моделями (qwen2.5-coder-1.5b, llama-3.2–1b, internvl3-2b и др.), применив структуру проектного бюро. Деление данных на блоки по 6 записей дало невероятный результат: qwen2
Серверы 2027: Rubin Ultra, MI500 и открытые интерконнекты ломают монополии
2027 год обещает рассеять монополию NVIDIA на GPU-интерконнекты: AMD выпустит MI500 тысячекратного прироста производительности, Intel вернётся в игру Diamond Rapids, а консорциум запустит открытый UALink на 1024 ускорите
Длинные нарды глазами ИИ: 170 тыс. ходов и ошибки людей
Разбор 170 тысяч ходов в длинных нардах из 6,383 партий показал, как нейросетевой движок выбирает лучший ход и где ошибаются люди. Правила длинных нард оказались намного сложнее для алгоритма, чем казалось.