Перейти к содержимому
SBER 286,53 ₽ 0,42% снижение за прошлую сессиюIMOEX 2 326,05 1,16% снижение за прошлую сессию

#llm

Технологии15 ноября 2026 г.

Монтируем LLM как жесткий диск. Бесконечная файловая система на Python + FUSE

Ни для кого не секрет, что языковые модели врут, и врут очень убедительно, часто даже с подробностями. Еще год назад если бы вы попросили у LLM ссылку на исследование, то получили бы статью, которую никто не писал. Спросили бы про метод библиотеки, и модель расписала бы его аргументы, хотя такого метода там не было. С этим продолжают бороться всем миром: привязывают модели к базам знаний, обвешивают скиллами, пишут в промпте «отвечай только по контексту». Помогает это отчасти.

Технологии14 ноября 2026 г.

Семь способов обмануть себя метриками: как я измерял точность ИИ-проверки ЕГЭ

В первой части я рассказал, как устроена проверка второй части ЕГЭ по обществознанию в моём боте: модель размечает ответ, код считает балл. Закончил обещанием рассказать, насколько точно это работает и сколько раз я обманывал себя метриками. Насчитал семь случаев самообмана.

Технологии14 ноября 2026 г.

LLM-беседа: явление пользователю: обзор экспериментов

В каком образе LLM-беседа является пользователю? Чем форма такого образа определяется? Этот вопрос экспериментально исследовался многими – см. список литературы ниже. В теории LLM-бесед как лумановских смысловых систем нового типа (полное описание: (Krupkin, 2026)) взаимодействие LLM-беседы с пользователем может быть описано стандартной схемой социального взаимодействия – парой Ego-Alter. Ego – это тот образ, в котором LLM-беседа является пользователю.

Технологии14 ноября 2026 г.

Тринадцать LLM на русских отзывах: как я выбирал модель и почему не поверил судье

Я делаю сервис, который отвечает на отзывы покупателей на Wildberries, Ozon и Яндекс Маркете. Покупатель пишет, что часы встали через три дня, а модель с самым серьёзным видом отвечает: «Передадим замечание на производство для проверки партии». Никакую партию никто проверять не будет. Я сравнил тринадцать моделей — Alice AI LLM Flash, YandexGPT Pro 5.1 и Lite 5, семь GigaChat, два DeepSeek и Qwen — на синтетических отзывах и вопросах, где для каждого примера заранее записано, что считается…

Технологии14 ноября 2026 г.

[Перевод] Как ускорить локальную LLM на 50% без покупки новой видеокарты

На GTC Berlin 2026 участники воркшопа NVIDIA смогли ускорить генерацию Qwen3-32B с 16,4 до 24,5 токена в секунду, не меняя оборудование. Для этого использовали FP8 вместо BF16. Общая пропускная способность тоже выросла, хотя и заметно меньше: с 639 до 719 токенов в секунду. Эксперимент проводили на Kubernetes-кластере с четырьмя NVIDIA A100 по 80 ГБ. У каждого участника был собственный кластер, на котором можно было разворачивать модели, менять конфигурацию и измерять производительность.

Технологии14 ноября 2026 г.

ИИ знает ответ на вопрос, но продолжает молчать: XYBench

13 ноября 2026 года исследователи Allen Institute for AI (Ai2) представили XYBench, бенчмарк для проверки способности языковых моделей распознавать подобные ситуации. В него вошло 8 115 вопросов из программирования, технической поддержки и повседневных задач. Авторы протестировали Claude Sonnet 4.6, GPT-5, Gemini 3.1 Pro, Qwen3.5-9B и DeepSeek-V4 Pro. Результаты выявили

Технологии14 ноября 2026 г.

Клодизмы. Часть 2. Значение тезиса: как добиться от нейросети ясного текста

В первой части я классифицировал клодизмы — типичные ошибки, которые Claude допускает при генерации связного текста, — по механизму возникновения и выделил десять классов. Вторая часть — о значении тезиса, то есть главной мысли, которую текст должен донести. Без тезиса модель пишет текст, в котором клодизмы лезут как тараканы, и такой текст не исправить заменой забракованных слов. С тезисом у модели есть то, с чем сверять каждое предложение, — и при написании, и при правке.

Технологии14 ноября 2026 г.

Почему учёным нужно использовать LLM

Недавно я наткнулся на статью доктора физико-математических наук о возможности использования LLM в научных исследованиях. Автор убедительно доказал, что такой возможности нет. Но в своих экспериментах в качестве доказательства он использовал поисковый сервис Нейро от Яндекса, а не топовые LLM. Для меня это было настолько странно, что я задался вопросом о том, что часть ученых, возможно, просто не понимают, как использовать нейросети в науке.

Технологии13 ноября 2026 г.

Клодизмы. Часть 1. Классификация ошибок, которые языковая модель допускает в связном тексте

Я преподаю английский язык с 1989 года и веду сайт e-repa.ru: упражнения для русскоязычных учеников, построенные на собственных js-движках. О самих js-движках я писал в отдельной серии (часть 1, часть 2). Тексты к упражнениям — объяснения, преамбулы, методические записки — я пишу вместе с Claude. За несколько месяцев такой работы у меня накопился длинный список ошибок, которые модель повторяет из текста в текст с таким постоянством, что я называю их клодизмами.

Технологии13 ноября 2026 г.

Сколько реально стоит опечатка в раскладке, если считать в токенах LLM

Я написал Зябру - локальный переключатель раскладки: набрал “ghbdtn” вместо “привет”, программа сама стирает и переписывает правильно. Ключевое: она полностью локальная - не пишет набранное на диск, не ведёт журнал клавиш, не трогает буфер обмена и не открывает сеть вообще. В памяти держится только текущее незавершённое слово и одна последняя замена, ничего больше. Пользуюсь каждый день.

Технологии13 ноября 2026 г.

Как я оживил картину XIX века: Photoshop, локальная LLM, MiniMax H3 и After Effects

В этой статье мы рассмотрим можно ли взять историческую картину XIX века и превратить её в полноценную анимированную сцену - так, чтобы композиция, стиль и положение персонажей остались на своих местах. Основные инструменты про которые будет идти речь: Adobe Photoshop для разбора картины, локальная мультимодальная модель Qwen 3.8 27B Q5_K_XL через LM Studio для подготовки промтов, видеогенерация MiniMax H3 в ComfyUI и финальный композитинг в After Effects.

Технологии13 ноября 2026 г.

Сметчик завода считал КП целый рабочий день. Мы свели это к 30 секундам: почему ChatGPT тут бесполезен

Снабженец строительного объекта отправляет ведомость металлопроката одновременно в 4-5 заводов и заказывает у того, кто первым прислал точный расчет. На производстве инженер-сметчик тратит от 4 до 8 часов на ручной перенос номенклатуры и сверку коэффициентов по бумажным справочникам ГОСТ. Популярная идея «скормить скан ведомости в ChatGPT» на реальном заказе ведет к прямому кассовому разрыву: при расчете партии швеллера 16П модель ошиблась в массе на 41% в минус, что дает 126 720 рублей чистого…

Технологии13 ноября 2026 г.

Эволюция API в эпоху AI: REST vs MCP на примере платёжного сервиса

Привет, Хабр! Меня зовут Рома, я backend-разработчик в ЮMoney. Почти 10 лет наша команда занимается в том числе развитием публичного платежного API. Недавно мы запустили MCP-сервер (Model Context Protocol), который позволяет нейросетям (LLM) напрямую работать с платежами и счетами. В процессе разработки и отладки мы быстро поняли, что проектирование API для языковых моделей кардинально отличается от привычной REST-архитектуры. В этой статье я хочу поделиться полученным опытом и мыслями.

Технологии13 ноября 2026 г.

Когда ИИ-агенту нужен MCP, а когда достаточно обычного API

Допустим, вы разрабатываете ИИ-агента, который проверяет статусы заказов. Для этого ему нужно обратиться к учетной системе, найти заказ по номеру и вернуть пользователю результат. Можно подключить агента напрямую через API. А можно создать MCP-сервер, который предоставит ту же операцию в виде инструмента. Какой вариант выбрать?

Технологии13 ноября 2026 г.

ИИ в помощь тестировщику: от промптов к автоматизации тестирования

Нейросети скоро полностью заменят человека в IT! Вакансий для «кожаных мешков» уже почти не осталось! Гипс снимают! Клиент уезжает! Эти тезисы за последний год успели превратиться в универсальное объяснение происходящего в околокомпьютерной сфере. Нейросети пишут код, находят ошибки, генерируют документацию и даже проектируют архитектуру приложений. Казалось бы, до полной автоматизации разработки осталось совсем чуть-чуть. А что насчет тестирования?

Технологии13 ноября 2026 г.

Qwen и локальные нейронки на Mac mini. Зачем и почему?

Мак мне принёс партнёр полгода назад, поделился, сказал, что сейчас такой использует под Claude. Я сначала не совсем понял, зачем именно Мак мне под Claude, когда есть какой-нибудь VPS, например. И начал его тестировать, зарегистрировал, причём специально сразу на заграничный европейский App Store. Он какое-то время просто стоял в офисе, пылился. Я как-то не находил ему применения. То мы поставили на него сервер для видеонаблюдения, то ещё что-то. Сколько он стоил?

Технологии13 ноября 2026 г.

Как среднему и крупному бизнесу выстроить мультимодельные AI-пайплайны через один ключ

Компании среднего и крупного размера уже не спорят, нужны ли языковые модели в операционке. Спорят о другом: с каким вендором заключать договор, какую модель выбрать «на всех» и как объяснить совету директоров, почему за один и тот же контур в этом месяце счёт в три раза больше, чем в прошлом. На практике узкое место чаще не в качестве модели, а в том, что компания пытается решить несколько разных задач одним инструментом и одним контрактом.

Технологии13 ноября 2026 г.

Я собрал конвейер из семи ИИ-агентов. В цеху задачу разбирает один

Для своего производства я собрал семь ИИ-агентов. Пять из них разбирают каждое входящее сообщение: от нормализатора до проверяющего, который сам ходит в базу. Первый полный прогон занял 22,7 секунды и стоил 11 центов, а в проверяющем по очереди всплыли четыре бага. Для кнопки «Разобрать с ИИ» в телефоне я в итоге сделал одного агента, в десятки раз дешевле. Рассказываю, почему так и где семь всё-таки нужны.

Технологии13 ноября 2026 г.

ASR для AI-разработки: как я замерял качество распознавания технических терминов

В этой статье я расскажу о том, как бенчмарк распознавания речи при AI-разработке голосом. Поговорим про сам замер, фабрики софта, постановку задач, особенности речи и датасет, посмотри на циферки и разберемся почему классический WER — очень коварная метрика, особенно в разработке. Ну что, лонг-тапнем на диплинк и деплоим на шпрот?