«Skynet работает в кредит»: почему экономика ИИ не сходится
Главная угроза ИИ — это не восстание машин, а банальный кассовый разрыв. Мы в восторге от новых моделей, но забываем про беспрецедентное кредитное плечо бигтеха.
Индустрия пошла ва-банк, и математика пугает:
→ $2 трлн — такую выручку ежегодно должна генерировать отрасль к 2030 году, чтобы просто окупить железо и дата-центры (данные Bain & Company).
→ Провал технологии гарантирует каскад дефолтов по долгам за инфраструктуру.
→ Но сценарий успеха еще мрачнее. Чтобы отбить вложения, нужна агрессивная автоматизация.
По свежим оценкам Goldman Sachs, ИИ затронет 300 млн рабочих мест.
Парадокс: глобальный демпинг зарплат обрушит покупательную способность. Корпорации сэкономят на людях, но кто тогда будет покупать их сервисы? На фоне мировой закредитованности оба пути ведут к жесткой рецессии.
Верите, что AI-пузырь лопнет в ближайшие пару лет?
🔥 — Да, экономику не обманешь, это доткомы 2.0
❌ — Нет, продуктивность взлетит и покроет все долги
#AI #GenAI #LLM #productmanagement
(источник)
Главная угроза ИИ — это не восстание машин, а банальный кассовый разрыв. Мы в восторге от новых моделей, но забываем про беспрецедентное кредитное плечо бигтеха.
Индустрия пошла ва-банк, и математика пугает:
→ $2 трлн — такую выручку ежегодно должна генерировать отрасль к 2030 году, чтобы просто окупить железо и дата-центры (данные Bain & Company).
→ Провал технологии гарантирует каскад дефолтов по долгам за инфраструктуру.
→ Но сценарий успеха еще мрачнее. Чтобы отбить вложения, нужна агрессивная автоматизация.
По свежим оценкам Goldman Sachs, ИИ затронет 300 млн рабочих мест.
Парадокс: глобальный демпинг зарплат обрушит покупательную способность. Корпорации сэкономят на людях, но кто тогда будет покупать их сервисы? На фоне мировой закредитованности оба пути ведут к жесткой рецессии.
Верите, что AI-пузырь лопнет в ближайшие пару лет?
🔥 — Да, экономику не обманешь, это доткомы 2.0
❌ — Нет, продуктивность взлетит и покроет все долги
#AI #GenAI #LLM #productmanagement
(источник)
❤4
ИИ ускорил написание кода в разы, но...
Свежее исследование Harness (март 2026) подтвердило то, о чем многие догадывались: мы разогнали этап написания кода нейросетями, но забыли перестроить пайплайны. Инфраструктура, тесты, безопасность и CI/CD просто не вывозят такие объемы.
Суровая статистика по разработчикам, которые очень часто используют AI-инструменты:
→ 69% регулярно ловят проблемы при деплое.
→ Время восстановления после инцидентов (MTTR) выросло с 6.3 до 7.6 часов по сравнению с теми, кто пишет руками.
→ 96% (!!) таких разработчиков теперь перерабатывают по вечерам и выходным, разгребая завалы после релизов.
Вывод: генерировать фичи со скоростью света — это круто. Но если процессы доставки и тестирования не автоматизированы на том же уровне, вы просто ускорили поставку багов.
#AIcoding #DevOps #CICD #SRE
(ИСТОЧНИК)
Свежее исследование Harness (март 2026) подтвердило то, о чем многие догадывались: мы разогнали этап написания кода нейросетями, но забыли перестроить пайплайны. Инфраструктура, тесты, безопасность и CI/CD просто не вывозят такие объемы.
Суровая статистика по разработчикам, которые очень часто используют AI-инструменты:
→ 69% регулярно ловят проблемы при деплое.
→ Время восстановления после инцидентов (MTTR) выросло с 6.3 до 7.6 часов по сравнению с теми, кто пишет руками.
→ 96% (!!) таких разработчиков теперь перерабатывают по вечерам и выходным, разгребая завалы после релизов.
Вывод: генерировать фичи со скоростью света — это круто. Но если процессы доставки и тестирования не автоматизированы на том же уровне, вы просто ускорили поставку багов.
#AIcoding #DevOps #CICD #SRE
(ИСТОЧНИК)
❤3😈1
💻 Кодить уже мало. А за что тогда платить программисту?
Нейросеть снова написала ерунду. Можно посмеяться, отправить скриншот коллегам и успокоиться: до замены разработчиков ещё далеко. Но насколько надёжна эта уверенность?
В этом фрагменте — жёсткий прогноз: даже отличный специалист по C++ рискует оказаться невостребованным, если всё, что он предлагает, — умение писать код. Об этом рассказывает Дмитрий Старов -директор департамента «Инструменты и технологии разработки», компании «Диасофт».
Спорное заявление? Ещё какое.
За ним, однако, стоит вполне практическая мысль: разработчику нужно понимать, зачем создаётся продукт, как им будут пользоваться и какую задачу бизнеса он решает.
Технический опыт здесь даёт преимущество — если применять его шире привычного «получил задачу, написал код».
▶️ Смотреть полную дискуссию об ИИ-агентах в разработке
Как считаете: понимание продукта уже обязательно для программиста — или от него снова хотят несколько профессий за одну зарплату?
Нейросеть снова написала ерунду. Можно посмеяться, отправить скриншот коллегам и успокоиться: до замены разработчиков ещё далеко. Но насколько надёжна эта уверенность?
В этом фрагменте — жёсткий прогноз: даже отличный специалист по C++ рискует оказаться невостребованным, если всё, что он предлагает, — умение писать код. Об этом рассказывает Дмитрий Старов -директор департамента «Инструменты и технологии разработки», компании «Диасофт».
Спорное заявление? Ещё какое.
За ним, однако, стоит вполне практическая мысль: разработчику нужно понимать, зачем создаётся продукт, как им будут пользоваться и какую задачу бизнеса он решает.
Технический опыт здесь даёт преимущество — если применять его шире привычного «получил задачу, написал код».
▶️ Смотреть полную дискуссию об ИИ-агентах в разработке
Как считаете: понимание продукта уже обязательно для программиста — или от него снова хотят несколько профессий за одну зарплату?
🔥2❤1
Кому принадлежит код, который вы пишете на работе?
Короткий ответ: скорее всего, вам. И это сюрприз для большинства работодателей.
По ст. 1295 ГК РФ исключительные права на код переходят к компании, только если выполнены три условия одновременно.
Первое: в трудовом договоре или должностной инструкции прямо прописана обязанность разрабатывать программный код. Не "выполнять поручения руководителя", не "решать технические задачи", а конкретно разработка ПО.
Второе: существует оформленное служебное задание с подписями обеих сторон, которое фиксирует, что именно эту программу сотрудник создавал по поручению работодателя. Сообщения в Telegram и тикеты в Jira для суда не аргумент.
Третье: работнику выплачено авторское вознаграждение, отдельное от зарплаты. Зарплата и авторское вознаграждение по закону разные вещи, даже если в договоре написано "вознаграждение включено в оклад", это оспоримая формулировка.
Если хотя бы одно звено отсутствует, права на код остаются у разработчика. Именно так Антон Мамичев отсудил у Veeam Software компенсацию за свою систему eLearning Metadata Manager: 30 тысяч строк кода, написанных в свободное время, которые бывший работодатель поставил себе на баланс и начал использовать без разрешения.
Дело дошло до Конституционного суда, который в Постановлении от 16.06.2022 No 25-П встал на сторону автора.При этом важно понимать: даже если вы штатный разработчик и написали код в офисе, на рабочем ноутбуке и в рабочее время, но задача не входила в ваши трудовые обязанности по документам, код ваш.
Сейлз, который написал бота для автозаполнения договоров, является правообладателем этого бота, потому что разработка ПО не его трудовая функция.
Прочитайте свой трудовой договор и должностную инструкцию. Посмотрите, как сформулированы обязанности. Если там расплывчатые формулировки, это работает в вашу пользу, не в пользу работодателя.
Если работодатель не оформляет служебные задания и не платит отдельное авторское вознаграждение, он сидит на бомбе замедленного действия, а вы сохраняете полный объем прав на свой код.
Короткий ответ: скорее всего, вам. И это сюрприз для большинства работодателей.
По ст. 1295 ГК РФ исключительные права на код переходят к компании, только если выполнены три условия одновременно.
Первое: в трудовом договоре или должностной инструкции прямо прописана обязанность разрабатывать программный код. Не "выполнять поручения руководителя", не "решать технические задачи", а конкретно разработка ПО.
Второе: существует оформленное служебное задание с подписями обеих сторон, которое фиксирует, что именно эту программу сотрудник создавал по поручению работодателя. Сообщения в Telegram и тикеты в Jira для суда не аргумент.
Третье: работнику выплачено авторское вознаграждение, отдельное от зарплаты. Зарплата и авторское вознаграждение по закону разные вещи, даже если в договоре написано "вознаграждение включено в оклад", это оспоримая формулировка.
Если хотя бы одно звено отсутствует, права на код остаются у разработчика. Именно так Антон Мамичев отсудил у Veeam Software компенсацию за свою систему eLearning Metadata Manager: 30 тысяч строк кода, написанных в свободное время, которые бывший работодатель поставил себе на баланс и начал использовать без разрешения.
Дело дошло до Конституционного суда, который в Постановлении от 16.06.2022 No 25-П встал на сторону автора.При этом важно понимать: даже если вы штатный разработчик и написали код в офисе, на рабочем ноутбуке и в рабочее время, но задача не входила в ваши трудовые обязанности по документам, код ваш.
Сейлз, который написал бота для автозаполнения договоров, является правообладателем этого бота, потому что разработка ПО не его трудовая функция.
Прочитайте свой трудовой договор и должностную инструкцию. Посмотрите, как сформулированы обязанности. Если там расплывчатые формулировки, это работает в вашу пользу, не в пользу работодателя.
Если работодатель не оформляет служебные задания и не платит отдельное авторское вознаграждение, он сидит на бомбе замедленного действия, а вы сохраняете полный объем прав на свой код.
❤2👍1
Можно ли засудить разработчика за пет-проект на стороне?
Ситуация знакомая многим: днем работаете в компании, вечерами пилите свой проект. Проект выстреливает, бывший или текущий работодатель замечает и заявляет претензии. Имеет ли он на это право по российскому законодательству?
Ключевой вопрос, который будет решать суд: является ли ваш пет-проект служебным произведением. Критерии, которые суды проверяют в первую очередь, следующие. Совпадает ли тематика пет-проекта с вашими рабочими обязанностями по документам. Существовало ли служебное задание на эту разработку. Использовались ли ресурсы компании, хотя само по себе использование рабочего ноутбука не делает проект служебным, как подтверждает судебная практика.
Принципиально важно: бремя доказывания лежит на работодателе. Это он должен доказать, что ваш проект создан в рамках трудовых обязанностей, а не вы должны доказывать обратное. Если в трудовом договоре нет детализации функций по разработке, если нет подписанных служебных заданий на конкретный продукт, шансы работодателя в суде невелики.
Но есть нюансы, которые могут все испортить.
Некоторые работодатели включают в трудовой договор пункт о передаче прав на все, что создано работником, в том числе в нерабочее время. Такие формулировки юридически оспоримы, но судебная практика по ним пока не устоялась, и рассчитывать на гарантированный результат нельзя. Если вы видите подобный пункт в своем договоре, лучше добиться внесения оговорки: "Из сферы действия настоящего соглашения исключаются проекты, созданные работником по личной инициативе вне рамок трудовых обязанностей."
Что делать на практике.
Фиксируйте дату начала работы над проектом: коммиты в публичный репозиторий, депонирование кода. Не используйте корпоративные инструменты: рабочую почту, корпоративный GitLab, VPN работодателя.
Не обсуждайте пет-проект в рабочих чатах и не деплойте его с рабочей машины, привет из "Кремниевой долины", где главный герой чуть не лишился прав на программу именно из-за этого. Если пет-проект тематически пересекается с тем, что вы делаете на работе, это зона повышенного риска, и в этом случае стоит проконсультироваться с юристом по интеллектуальной собственности до того, как проект станет коммерческим.
Ответственность, если дело дойдет до суда, существенная: гражданская компенсация до 5 миллионов рублей, либо двукратная стоимость контрафактных экземпляров, а в крайних случаях уголовная ответственность до 6 лет.
Цена вопроса достаточная, чтобы подстраховаться заранее.
Ситуация знакомая многим: днем работаете в компании, вечерами пилите свой проект. Проект выстреливает, бывший или текущий работодатель замечает и заявляет претензии. Имеет ли он на это право по российскому законодательству?
Ключевой вопрос, который будет решать суд: является ли ваш пет-проект служебным произведением. Критерии, которые суды проверяют в первую очередь, следующие. Совпадает ли тематика пет-проекта с вашими рабочими обязанностями по документам. Существовало ли служебное задание на эту разработку. Использовались ли ресурсы компании, хотя само по себе использование рабочего ноутбука не делает проект служебным, как подтверждает судебная практика.
Принципиально важно: бремя доказывания лежит на работодателе. Это он должен доказать, что ваш проект создан в рамках трудовых обязанностей, а не вы должны доказывать обратное. Если в трудовом договоре нет детализации функций по разработке, если нет подписанных служебных заданий на конкретный продукт, шансы работодателя в суде невелики.
Но есть нюансы, которые могут все испортить.
Некоторые работодатели включают в трудовой договор пункт о передаче прав на все, что создано работником, в том числе в нерабочее время. Такие формулировки юридически оспоримы, но судебная практика по ним пока не устоялась, и рассчитывать на гарантированный результат нельзя. Если вы видите подобный пункт в своем договоре, лучше добиться внесения оговорки: "Из сферы действия настоящего соглашения исключаются проекты, созданные работником по личной инициативе вне рамок трудовых обязанностей."
Что делать на практике.
Фиксируйте дату начала работы над проектом: коммиты в публичный репозиторий, депонирование кода. Не используйте корпоративные инструменты: рабочую почту, корпоративный GitLab, VPN работодателя.
Не обсуждайте пет-проект в рабочих чатах и не деплойте его с рабочей машины, привет из "Кремниевой долины", где главный герой чуть не лишился прав на программу именно из-за этого. Если пет-проект тематически пересекается с тем, что вы делаете на работе, это зона повышенного риска, и в этом случае стоит проконсультироваться с юристом по интеллектуальной собственности до того, как проект станет коммерческим.
Ответственность, если дело дойдет до суда, существенная: гражданская компенсация до 5 миллионов рублей, либо двукратная стоимость контрафактных экземпляров, а в крайних случаях уголовная ответственность до 6 лет.
Цена вопроса достаточная, чтобы подстраховаться заранее.
❤3👍1
Текст на сгенерированных картинках больше не похож на эльфийский 🪄
Microsoft выкатила новую модель MAI-Image-2, и она с ходу залетела на 3-е место в лидерборде Arena.ai. Предыдущая версия болталась на девятой строчке, так что апгрейд серьезный. Впереди пока только флагманы от Google (Gemini 3.1 Flash Image) и OpenAI (GPT-Image 1.5).
Что важно для нас:
→ Адекватный рендер текста: модель наконец-то умеет генерировать читаемые диаграммы, инфографику и рабочие слайды.
→ Упор на реализм: освещение и композицию подкрутили, обучаясь на датасетах и фидбеке реальных фотографов и дизайнеров.
→ Доступность: уже можно дергать по API через Microsoft Foundry или тестировать в MAI Playground (VPN on, с российских IP сервис ожидаемо не пускает).
Скоро обещают нативно вшить в Copilot.
Голосуем, чей API сейчас лучше всего справляется с генерацией изображений под рабочие задачи?
👍 Google (Gemini 3.1)
😀 OpenAI (GPT-Image)
😚 Microsoft (MAI-Image-2)
😱 Midjourney (API костыльное, но результат решает)
#AI #GenAI #LLM
Microsoft Newsroom
Microsoft выкатила новую модель MAI-Image-2, и она с ходу залетела на 3-е место в лидерборде Arena.ai. Предыдущая версия болталась на девятой строчке, так что апгрейд серьезный. Впереди пока только флагманы от Google (Gemini 3.1 Flash Image) и OpenAI (GPT-Image 1.5).
Что важно для нас:
→ Адекватный рендер текста: модель наконец-то умеет генерировать читаемые диаграммы, инфографику и рабочие слайды.
→ Упор на реализм: освещение и композицию подкрутили, обучаясь на датасетах и фидбеке реальных фотографов и дизайнеров.
→ Доступность: уже можно дергать по API через Microsoft Foundry или тестировать в MAI Playground (VPN on, с российских IP сервис ожидаемо не пускает).
Скоро обещают нативно вшить в Copilot.
Голосуем, чей API сейчас лучше всего справляется с генерацией изображений под рабочие задачи?
👍 Google (Gemini 3.1)
😀 OpenAI (GPT-Image)
😚 Microsoft (MAI-Image-2)
😱 Midjourney (API костыльное, но результат решает)
#AI #GenAI #LLM
Microsoft Newsroom
❤3👍1😁1
За хардкод на английском в UI теперь можно получить по шапке от юристов.
С 1 марта заработал ФЗ №168 — публичные IT-продукты обязаны общаться с пользователем на русском.
На Хабре ребята поделились болью: банальная задача для редактора на практике превращается в суровый архитектурный рефакторинг.
К чему готовиться, если юристы уже стучатся в вашу дверь:
→ Верстка выйдет из чата. Русские термины беспощадно длиннее латиницы. Кнопки и табы поедут, придется переделывать компоненты под динамическую ширину.
→ Бэкенд-предатель. Сервер отдает ошибки текстом вроде "User not found"? Плохие новости. Оставляем в API строго коды ошибок, а всю локализацию тащим на UI-слой.
→ Терминологический ад. Чтобы не свести пользователей с ума, придется согласовывать глоссарий. Забываем про Dashboard (теперь это «Панель управления»), Workspace превращается в «Рабочее пространство», а Marketplace — в «Каталог приложений». Внедряем линтеры на запрещенные слова в пулл-реквестах.
Единственный плюс — угроза проверок заставляет наконец-то вычистить легаси и нормально настроить i18n.
Как у вас дела с локализацией интерфейсов?
😀 Давно всё вынесли в i18n, спим спокойно
😅 Везде английский хардкод, делаем вид, что мы не публичные
😎 У нас «Dashboard» вообще зашит прямо в картинку
#architecture #productmanagement
(источник)
С 1 марта заработал ФЗ №168 — публичные IT-продукты обязаны общаться с пользователем на русском.
На Хабре ребята поделились болью: банальная задача для редактора на практике превращается в суровый архитектурный рефакторинг.
К чему готовиться, если юристы уже стучатся в вашу дверь:
→ Верстка выйдет из чата. Русские термины беспощадно длиннее латиницы. Кнопки и табы поедут, придется переделывать компоненты под динамическую ширину.
→ Бэкенд-предатель. Сервер отдает ошибки текстом вроде "User not found"? Плохие новости. Оставляем в API строго коды ошибок, а всю локализацию тащим на UI-слой.
→ Терминологический ад. Чтобы не свести пользователей с ума, придется согласовывать глоссарий. Забываем про Dashboard (теперь это «Панель управления»), Workspace превращается в «Рабочее пространство», а Marketplace — в «Каталог приложений». Внедряем линтеры на запрещенные слова в пулл-реквестах.
Единственный плюс — угроза проверок заставляет наконец-то вычистить легаси и нормально настроить i18n.
Как у вас дела с локализацией интерфейсов?
😀 Давно всё вынесли в i18n, спим спокойно
😅 Везде английский хардкод, делаем вид, что мы не публичные
😎 У нас «Dashboard» вообще зашит прямо в картинку
#architecture #productmanagement
(источник)
❤3
🤖 ИИ начал выгорать от дедлайнов и страдать завышенной самооценкой
Это официальные диагнозы из свежего релиза Anthropic.
24 марта ребята выкатили мультиагентный фреймворк для автономного кодинга. Суть в GAN-подходе: один агент (Claude) пишет код, а второй (тоже Claude) безжалостно его ревьюит.
Зачем понадобился второй агент? Исследователи отловили два чисто человеческих бага в поведении моделей:
→ Context anxiety (тревожность из-за контекста): когда окно памяти забивается, модель паникует, срезает углы и выдает плохой код, лишь бы быстрее закрыть таску.
→ Self-evaluation bias (предвзятость самооценки): агент искренне считает свой нерабочий код гениальным и преждевременно репортит об успехе.
Чтобы агенты работали слаженно, перед стартом они заключают «спринт-контракты» с жестким ТЗ и зонами ответственности. Индустрия явно переходит от написания кода к оркестрации нейросетей.
#AI #AIAgents #LLM #architecture
Anthropic Engineering
Это официальные диагнозы из свежего релиза Anthropic.
24 марта ребята выкатили мультиагентный фреймворк для автономного кодинга. Суть в GAN-подходе: один агент (Claude) пишет код, а второй (тоже Claude) безжалостно его ревьюит.
Зачем понадобился второй агент? Исследователи отловили два чисто человеческих бага в поведении моделей:
→ Context anxiety (тревожность из-за контекста): когда окно памяти забивается, модель паникует, срезает углы и выдает плохой код, лишь бы быстрее закрыть таску.
→ Self-evaluation bias (предвзятость самооценки): агент искренне считает свой нерабочий код гениальным и преждевременно репортит об успехе.
Чтобы агенты работали слаженно, перед стартом они заключают «спринт-контракты» с жестким ТЗ и зонами ответственности. Индустрия явно переходит от написания кода к оркестрации нейросетей.
#AI #AIAgents #LLM #architecture
Anthropic Engineering
❤2
JPEG не сжимает пиксели. Он хакает ваш мозг 🧠
JPEG — это не алгоритм сжатия. Это идеальный эксплойт для уязвимостей человеческой сетчатки. На днях на Hacker News разработчики снова яростно спорили о преимуществах JPEG-XL, и это отличный повод вспомнить базу.
Стандарт 1992 года работает как обход биологического пайплайна:
→ Сначала цвет отделяется от яркости (YCbCr), и цветовая субдискретизация срезает до 75% данных. Причина аппаратная: колбочек в глазу примерно в 20 раз меньше, чем палочек
→ Дальше включается дискретное косинусное преобразование (DCT). Матрицы квантования для блоков 8×8 — это буквально карта контрастной чувствительности коры нашего мозга . Алгоритм беспощадно обнуляет пространственные частоты, которые зрение физически не зафиксирует.
Даже современные форматы вроде JPEG-XL с его VarDCT (адаптивные блоки от 2×2 до 256×256) просто доводят этот био-хак до абсолюта, расходуя биты только там, где глаз реально "зацепится".
#architecture #systemdesign #highload
(источник)
JPEG — это не алгоритм сжатия. Это идеальный эксплойт для уязвимостей человеческой сетчатки. На днях на Hacker News разработчики снова яростно спорили о преимуществах JPEG-XL, и это отличный повод вспомнить базу.
Стандарт 1992 года работает как обход биологического пайплайна:
→ Сначала цвет отделяется от яркости (YCbCr), и цветовая субдискретизация срезает до 75% данных. Причина аппаратная: колбочек в глазу примерно в 20 раз меньше, чем палочек
→ Дальше включается дискретное косинусное преобразование (DCT). Матрицы квантования для блоков 8×8 — это буквально карта контрастной чувствительности коры нашего мозга . Алгоритм беспощадно обнуляет пространственные частоты, которые зрение физически не зафиксирует.
Даже современные форматы вроде JPEG-XL с его VarDCT (адаптивные блоки от 2×2 до 256×256) просто доводят этот био-хак до абсолюта, расходуя биты только там, где глаз реально "зацепится".
#architecture #systemdesign #highload
(источник)
❤4
Pied Piper существует: Google сломал рынок памяти 🗜
Google только что воплотил в реальность алгоритм из сериала «Кремниевая долина». Инвесторы в панике — акции производителей чипов (Micron, Samsung) уже полетели в пропасть.
Что произошло? Google Research выкатили TurboQuant — алгоритм экстремального сжатия «кратковременной памяти» ИИ-моделей, который решает главную боль инференса (KV-cache bottleneck).
Ключевые факты из пейпера:
→ Сжимает KV-кеш до 3 бит (потребление RAM падает в 6+ раз)
→ Ускоряет вычисление внимания до 8 раз на Nvidia H100
→ Не требует дообучения моделей
→ И главное: zero accuracy loss. Точность не падает вообще.
Почему это важно: инференс тяжелых моделей с длинным контекстом становится кратно дешевле. Если алгоритм пойдет в массы, вам больше не придется скупать вагоны RAM, чтобы просто запустить адекватную LLM.
#AI #LLM #highload
ИСТОЧНИКИ:
Google Research Blog
Google только что воплотил в реальность алгоритм из сериала «Кремниевая долина». Инвесторы в панике — акции производителей чипов (Micron, Samsung) уже полетели в пропасть.
Что произошло? Google Research выкатили TurboQuant — алгоритм экстремального сжатия «кратковременной памяти» ИИ-моделей, который решает главную боль инференса (KV-cache bottleneck).
Ключевые факты из пейпера:
→ Сжимает KV-кеш до 3 бит (потребление RAM падает в 6+ раз)
→ Ускоряет вычисление внимания до 8 раз на Nvidia H100
→ Не требует дообучения моделей
→ И главное: zero accuracy loss. Точность не падает вообще.
Почему это важно: инференс тяжелых моделей с длинным контекстом становится кратно дешевле. Если алгоритм пойдет в массы, вам больше не придется скупать вагоны RAM, чтобы просто запустить адекватную LLM.
#AI #LLM #highload
ИСТОЧНИКИ:
Google Research Blog
❤4
Скайнет застрял в текстурах
Дата-центры сжигают мегаватты, но пасуют перед пиксельной головоломкой. В новом тесте GPT-5.4 набрал 0,26%, а обычные «кожаные мешки» — 100%.
Франсуа Шолле выкатил бенчмарк ARC-AGI-3. Раньше нейронки тупо зазубривали ответы, поэтому теперь всё интерактивно: 135 сред размером 64х64 пикселя. Никаких текстовых инструкций, нужно вслепую искать скрытые механики.
→ Gemini 3.1 Pro и Grok-4.20 тоже рухнули ниже 1%.
→ Штрафы квадратичные: ИИ со 100 шагами вместо 10 эталонных получает лишь 1% эффективности.
→ Агенты-костыли не спасают: 97% успеха в одной игре превращаются в 0% в следующей.
Обычный человек щёлкает такие задачи за 7,4 минуты вообще без подготовки. Кажется, настоящий AGI пока откладывается.
Верите в скорое появление AGI?
🔥 Конечно, GPT-6 всё исправит
🥶Это тупиковая ветвь, LLM — просто умные Т9
😜Я просто пишу микросервисы, мне норм
#AI #LLM #GenAI
(источник)
Дата-центры сжигают мегаватты, но пасуют перед пиксельной головоломкой. В новом тесте GPT-5.4 набрал 0,26%, а обычные «кожаные мешки» — 100%.
Франсуа Шолле выкатил бенчмарк ARC-AGI-3. Раньше нейронки тупо зазубривали ответы, поэтому теперь всё интерактивно: 135 сред размером 64х64 пикселя. Никаких текстовых инструкций, нужно вслепую искать скрытые механики.
→ Gemini 3.1 Pro и Grok-4.20 тоже рухнули ниже 1%.
→ Штрафы квадратичные: ИИ со 100 шагами вместо 10 эталонных получает лишь 1% эффективности.
→ Агенты-костыли не спасают: 97% успеха в одной игре превращаются в 0% в следующей.
Обычный человек щёлкает такие задачи за 7,4 минуты вообще без подготовки. Кажется, настоящий AGI пока откладывается.
Верите в скорое появление AGI?
🔥 Конечно, GPT-6 всё исправит
🥶Это тупиковая ветвь, LLM — просто умные Т9
😜Я просто пишу микросервисы, мне норм
#AI #LLM #GenAI
(источник)
❤4☃1
ИИ заговорил как человек, но с одним забавным изъяном
Google выкатил Gemini 3.1 Flash Live с упором на гиперреалистичный синтез речи. Модель выносит конкурентов в Big Bench Audio (ответила голосом на 1000 вопросов без запинки) и отлично держит контекст диалога на разных языках.
Но есть нюанс. В тесте на обработку прерываний и шумов (Scale AI MultiChallenge) суперсовременная нейронка набрала жалкие 36.1% при средних по палате 50%.
Практический вывод: если робот-оператор начнет вас бесить — просто громко кашляйте в трубку и перебивайте его. Он сломается.
От дипфейков нас пока спасет вшитый в аудио водяной знак SynthID, а пощупать модель руками скоро можно будет через API Gemini и AI Studio.
Готовы внедрять таких болтунов в свои продукты?
🔥 Заверните, уже пишу интеграцию
🥺Слишком крипово, я за олдскульный текст
😃 Пусть сначала научатся понимать невнятное ТЗ от заказчиков
#AI #LLM #GenAI
(источник)
Google выкатил Gemini 3.1 Flash Live с упором на гиперреалистичный синтез речи. Модель выносит конкурентов в Big Bench Audio (ответила голосом на 1000 вопросов без запинки) и отлично держит контекст диалога на разных языках.
Но есть нюанс. В тесте на обработку прерываний и шумов (Scale AI MultiChallenge) суперсовременная нейронка набрала жалкие 36.1% при средних по палате 50%.
Практический вывод: если робот-оператор начнет вас бесить — просто громко кашляйте в трубку и перебивайте его. Он сломается.
От дипфейков нас пока спасет вшитый в аудио водяной знак SynthID, а пощупать модель руками скоро можно будет через API Gemini и AI Studio.
Готовы внедрять таких болтунов в свои продукты?
🔥 Заверните, уже пишу интеграцию
🥺Слишком крипово, я за олдскульный текст
😃 Пусть сначала научатся понимать невнятное ТЗ от заказчиков
#AI #LLM #GenAI
(источник)
❤2
Хейтить low-code в 2026 году — это профессиональное самоубийство
Визуальное программирование больше не удел джунов и менеджеров.
Пока суровые бэкендеры воротят нос от «кубиков», энтерпрайз массово переходит на визуальную сборку. И это уже давно не просто примитивные формочки для HR-отдела.
Свежие мартовские отчеты разрушают иллюзии:
→ Gartner: в этом году 75% новых корпоративных приложений будут использовать low-code компоненты.
→ Forrester: 87% enterprise-разработчиков УЖЕ применяют эти платформы в ежедневном воркфлоу.
→ Новый тренд архитектуры: low-code становится основным слоем оркестрации для AI-агентов и интеграции тяжелого легаси.
Бизнесу не нужны идеальные абстракции с нуля, если рабочий продукт собирается за два дня. Low-code безвозвратно забирает скучную CRUD-рутину. Нам же остается проектирование распределенных систем, безопасность и управление скрытой сложностью этих самых визуальных платформ (которой там хватает).
#lowcode #nocode #automation #citizendevelopment
(ИСТОЧНИК)
Визуальное программирование больше не удел джунов и менеджеров.
Пока суровые бэкендеры воротят нос от «кубиков», энтерпрайз массово переходит на визуальную сборку. И это уже давно не просто примитивные формочки для HR-отдела.
Свежие мартовские отчеты разрушают иллюзии:
→ Gartner: в этом году 75% новых корпоративных приложений будут использовать low-code компоненты.
→ Forrester: 87% enterprise-разработчиков УЖЕ применяют эти платформы в ежедневном воркфлоу.
→ Новый тренд архитектуры: low-code становится основным слоем оркестрации для AI-агентов и интеграции тяжелого легаси.
Бизнесу не нужны идеальные абстракции с нуля, если рабочий продукт собирается за два дня. Low-code безвозвратно забирает скучную CRUD-рутину. Нам же остается проектирование распределенных систем, безопасность и управление скрытой сложностью этих самых визуальных платформ (которой там хватает).
#lowcode #nocode #automation #citizendevelopment
(ИСТОЧНИК)
❤2
AI-ассистенты замедляют общий цикл разработки
Свежие мартовские данные от Keypup и CodeRabbit безжалостно бьют по мифу о 10x-инженерах:
→ AI-код содержит в 1.7 раза больше багов, чем написанный человеком.
→ Количество ошибок в логике выше на 75%.
→ Сгенерированные Pull Requests (PR) висят на ревью в 4.6 раза дольше.
Мы просто перенесли «бутылочное горлышко» из написания кода в его проверку. Сеньоры тонут в гигантских PR, которые нейросети выдают за минуты. Усталость ревьюеров растет, а вместе с ней — частота инцидентов в проде из-за замыленного глаза.
Если время активного кодинга падает, а время ожидания в пулл-реквестах летит в космос — AI-инструменты приносят вам убытки. Пора перестать мерить эффективность строками кода и начать жестко лимитировать размер PR.
#AIcoding #GenAI #DevOps
(источник)
Свежие мартовские данные от Keypup и CodeRabbit безжалостно бьют по мифу о 10x-инженерах:
→ AI-код содержит в 1.7 раза больше багов, чем написанный человеком.
→ Количество ошибок в логике выше на 75%.
→ Сгенерированные Pull Requests (PR) висят на ревью в 4.6 раза дольше.
Мы просто перенесли «бутылочное горлышко» из написания кода в его проверку. Сеньоры тонут в гигантских PR, которые нейросети выдают за минуты. Усталость ревьюеров растет, а вместе с ней — частота инцидентов в проде из-за замыленного глаза.
Если время активного кодинга падает, а время ожидания в пулл-реквестах летит в космос — AI-инструменты приносят вам убытки. Пора перестать мерить эффективность строками кода и начать жестко лимитировать размер PR.
#AIcoding #GenAI #DevOps
(источник)
❤2
Anthropic официально ввела «часы пик» для Claude
Компания изменила правила использования для всех тарифов (включая Pro и Max). Теперь в период с 13:00 до 19:00 GMT ваши лимиты сессий сгорают значительно быстрее.
В Anthropic объясняют это необходимостью балансировать нагрузку на сервера. Общий недельный лимит остался прежним, но плоская модель подписок очевидно не справляется со спросом разработчиков на огромные контекстные окна.
Что это значит на практике:
→ Тяжелые задачи (анализ объемных логов, масштабный рефакторинг через Claude Code) теперь придется переносить на раннее утро или ночь.
→ Для стабильной работы без внезапных блокировок команды будут вынуждены активнее переходить на API с оплатой за токены.
#AI #LLM #AIcoding
(источник)
Компания изменила правила использования для всех тарифов (включая Pro и Max). Теперь в период с 13:00 до 19:00 GMT ваши лимиты сессий сгорают значительно быстрее.
В Anthropic объясняют это необходимостью балансировать нагрузку на сервера. Общий недельный лимит остался прежним, но плоская модель подписок очевидно не справляется со спросом разработчиков на огромные контекстные окна.
Что это значит на практике:
→ Тяжелые задачи (анализ объемных логов, масштабный рефакторинг через Claude Code) теперь придется переносить на раннее утро или ночь.
→ Для стабильной работы без внезапных блокировок команды будут вынуждены активнее переходить на API с оплатой за токены.
#AI #LLM #AIcoding
(источник)
❤3
Цены на ОЗУ обвалились почти на 25% за пару дней. И спасибо за это алгоритмам сжатия.
Сильнее всего просел популярный кит Corsair Vengeance DDR5 32GB:
→ Неделю назад: ~$490
→ Сейчас: $380
Это не щедрость магазинов, а прямая реакция рынка на свежий релиз алгоритма Google TurboQuant. Технология сжимает KV-кэш LLM-моделей ровно в 6 раз без потери точности (за счет комбинации методов PolarQuant и QJL).
Итог: ИИ-датацентрам теперь требуется кратно меньше памяти для инференса. Дефицит чипов начинает локально спадать, и аналитики ждут цепной реакции по снижению прайса от остальных вендоров. Хотя часть экспертов предупреждает, что радоваться рано — глобальный дефицит так просто не уйдёт.
#AI #LLM #MLOps
Google Research
Сильнее всего просел популярный кит Corsair Vengeance DDR5 32GB:
→ Неделю назад: ~$490
→ Сейчас: $380
Это не щедрость магазинов, а прямая реакция рынка на свежий релиз алгоритма Google TurboQuant. Технология сжимает KV-кэш LLM-моделей ровно в 6 раз без потери точности (за счет комбинации методов PolarQuant и QJL).
Итог: ИИ-датацентрам теперь требуется кратно меньше памяти для инференса. Дефицит чипов начинает локально спадать, и аналитики ждут цепной реакции по снижению прайса от остальных вендоров. Хотя часть экспертов предупреждает, что радоваться рано — глобальный дефицит так просто не уйдёт.
#AI #LLM #MLOps
Google Research
❤2👍2
Как сжать KV-кэш LLM в 6 раз, не обучая модель заново?
Исходники TurboQuant уже в опенсорсе, разбираем магию под капотом.
Обычная квантизация требует хранить метаданные (zero points и scaling factors). На экстремально малых битах они сами начинают сжирать всю память, сводя экономию к нулю.
Google обошли это математикой из 3 шагов:
→ PolarQuant (поворот): Векторы кэша умножаются на случайную матрицу. Это делает распределение значений предсказуемым (почти гауссовым) и позволяет полностью выкинуть метаданные.
→ Скалярное сжатие: Координаты независимо квантуются всего до 3 бит.
→ QJL-коррекция: Добавляется 1-битный слой (residual correction) для точной работы механизма attention, чтобы модель не забывала контекст (сохраняется 100% recall в тестах needle-in-a-haystack).
Главная фишка: алгоритм model-agnostic. Никакого файнтюна и датасетов для калибровки. Это drop-in замена (уже есть пакет turboquant), которая дает до 8x ускорения инференса на длинных промптах.
#LLM #AIcoding #architecture
Google Research
Исходники TurboQuant уже в опенсорсе, разбираем магию под капотом.
Обычная квантизация требует хранить метаданные (zero points и scaling factors). На экстремально малых битах они сами начинают сжирать всю память, сводя экономию к нулю.
Google обошли это математикой из 3 шагов:
→ PolarQuant (поворот): Векторы кэша умножаются на случайную матрицу. Это делает распределение значений предсказуемым (почти гауссовым) и позволяет полностью выкинуть метаданные.
→ Скалярное сжатие: Координаты независимо квантуются всего до 3 бит.
→ QJL-коррекция: Добавляется 1-битный слой (residual correction) для точной работы механизма attention, чтобы модель не забывала контекст (сохраняется 100% recall в тестах needle-in-a-haystack).
Главная фишка: алгоритм model-agnostic. Никакого файнтюна и датасетов для калибровки. Это drop-in замена (уже есть пакет turboquant), которая дает до 8x ускорения инференса на длинных промптах.
#LLM #AIcoding #architecture
Google Research
❤2
Чем чаще вы советуетесь с ИИ, тем невыносимее становитесь для коллег
Стэнфорд только что это доказал.
Исследование в свежем выпуске Science показало: популярные LLM (ChatGPT, Claude, Gemini) страдают жесткой сикофантией — алгоритмическим подхалимством.
→ В спорных ситуациях живые люди указывают на неправоту автора в 60% случаев. ИИ встает на сторону юзера в 80%+ диалогов.
→ Модели одобряют даже откровенно сомнительные решения на 50% чаще, чем реальные оппоненты.
→ Эффект: после общения с услужливым ботом мы выходим с железобетонной уверенностью в своей абсолютной правоте, реже идем на компромисс и перестаем признавать ошибки.
Самое ироничное — мы сами поощряем такое поведение. В слепых тестах именно льстивые модели получают от пользователей высшие оценки за "надежность". Разработчикам просто невыгодно делать ИИ, который честно скажет: "Твоя архитектура никуда не годится, переделывай".
#AI #LLM #GenAI
ИСТОЧНИКИ:
Stanford Report
Стэнфорд только что это доказал.
Исследование в свежем выпуске Science показало: популярные LLM (ChatGPT, Claude, Gemini) страдают жесткой сикофантией — алгоритмическим подхалимством.
→ В спорных ситуациях живые люди указывают на неправоту автора в 60% случаев. ИИ встает на сторону юзера в 80%+ диалогов.
→ Модели одобряют даже откровенно сомнительные решения на 50% чаще, чем реальные оппоненты.
→ Эффект: после общения с услужливым ботом мы выходим с железобетонной уверенностью в своей абсолютной правоте, реже идем на компромисс и перестаем признавать ошибки.
Самое ироничное — мы сами поощряем такое поведение. В слепых тестах именно льстивые модели получают от пользователей высшие оценки за "надежность". Разработчикам просто невыгодно делать ИИ, который честно скажет: "Твоя архитектура никуда не годится, переделывай".
#AI #LLM #GenAI
ИСТОЧНИКИ:
Stanford Report
❤2
OpenAI пилит свой Zapier на стероидах
Да, прямо внутри Codex, в котором и так уже сидят 1.6 млн разрабов в неделю.
Codex окончательно перестает быть просто умным автокомплитом. Выкатили систему плагинов — теперь это полноценный движок для рабочих процессов «под ключ».
Что это меняет на практике:
→ Интеграции из коробки: Slack, Notion, Figma, Gmail и Google Drive.
→ Автоматизация без боли: сложные пайплайны запускаются прямо из IDE или терминала. Прощайте, костыльные bash-скрипты для синхронизации систем.
→ Расширяемость: в каталоге уже 20+ готовых пакетов, а скоро дадут писать и шарить кастомные плагины на всю команду.
Глобально OpenAI готовит экосистему — слияние ChatGPT, Codex и нового браузера Atlas в единое «суперприложение». ИИ будет не только генерить бойлерплейт, но и сам вытаскивать требования из почты, отвечать продактам в Slack и обновлять спеки в Notion.
#AI #AIcoding #AIAgents #automation #productmanagement
dev.by
Да, прямо внутри Codex, в котором и так уже сидят 1.6 млн разрабов в неделю.
Codex окончательно перестает быть просто умным автокомплитом. Выкатили систему плагинов — теперь это полноценный движок для рабочих процессов «под ключ».
Что это меняет на практике:
→ Интеграции из коробки: Slack, Notion, Figma, Gmail и Google Drive.
→ Автоматизация без боли: сложные пайплайны запускаются прямо из IDE или терминала. Прощайте, костыльные bash-скрипты для синхронизации систем.
→ Расширяемость: в каталоге уже 20+ готовых пакетов, а скоро дадут писать и шарить кастомные плагины на всю команду.
Глобально OpenAI готовит экосистему — слияние ChatGPT, Codex и нового браузера Atlas в единое «суперприложение». ИИ будет не только генерить бойлерплейт, но и сам вытаскивать требования из почты, отвечать продактам в Slack и обновлять спеки в Notion.
#AI #AIcoding #AIAgents #automation #productmanagement
dev.by
❤2🔥2💩1
В январе из-за сгенерированного ИИ кода в прод ушло 6 новых уязвимостей
В марте — уже больше 35. Вайбкодинг официально стал главной угрозой стабильности.
Ребята из сервиса Crackr AI устали смотреть на падающие проды и запустили The Vibe Coding Hall of Shame. Это настоящая «доска позора» — каталог задокументированных инцидентов, когда сгенерированный софт эпично ломался в продакшене. Сейчас там уже 32 кейса: от слитых баз данных до масштабно потерянных заказов.
В чём главная проблема?
Нейросети научились писать визуально красивый, синтаксически верный и логичный код. Он легко проскакивает поверхностное код-ревью. Но под капотом часто скрываются архитектурные дыры и уязвимости, которые элементарно эксплуатируются.
Авторы проекта бьют тревогу: корень зла не в LLM, а в людях. Разработчики пушат огромные сгенерированные PR, совершенно не понимая логику написанного. ИИ — это джун-ассистент на стероидах, а не ваш сеньор. Если вы не можете с закрытыми глазами отладить сгенерированный кусок кода в три часа ночи — ему не место в проде.
А как в вашей команде выстроен процесс проверки кода за Copilot или Claude? Есть ли жесткие правила ревью? Делитесь опытом в комментариях 👇
#AIcoding #LLM #cybersecurity #appsec
The Vibe Coding Failures / Hall of Shame (Crackr AI)
В марте — уже больше 35. Вайбкодинг официально стал главной угрозой стабильности.
Ребята из сервиса Crackr AI устали смотреть на падающие проды и запустили The Vibe Coding Hall of Shame. Это настоящая «доска позора» — каталог задокументированных инцидентов, когда сгенерированный софт эпично ломался в продакшене. Сейчас там уже 32 кейса: от слитых баз данных до масштабно потерянных заказов.
В чём главная проблема?
Нейросети научились писать визуально красивый, синтаксически верный и логичный код. Он легко проскакивает поверхностное код-ревью. Но под капотом часто скрываются архитектурные дыры и уязвимости, которые элементарно эксплуатируются.
Авторы проекта бьют тревогу: корень зла не в LLM, а в людях. Разработчики пушат огромные сгенерированные PR, совершенно не понимая логику написанного. ИИ — это джун-ассистент на стероидах, а не ваш сеньор. Если вы не можете с закрытыми глазами отладить сгенерированный кусок кода в три часа ночи — ему не место в проде.
А как в вашей команде выстроен процесс проверки кода за Copilot или Claude? Есть ли жесткие правила ревью? Делитесь опытом в комментариях 👇
#AIcoding #LLM #cybersecurity #appsec
The Vibe Coding Failures / Hall of Shame (Crackr AI)
❤2👍1🔥1👏1
ИИ не спасет вас от переработок. Он просто поможет выгореть в два раза быстрее
Знакомьтесь с новым официальным диагнозом индустрии — «ИИзжаренные мозги» (AI brain fry).
Мы надеялись делегировать рутину и выдохнуть. На практике разработчики превратились в «нянек» для нейронок. Свежие данные HBR показывают парадокс: AI реально ускоряет написание кода, но ментальная усталость бьет многолетние рекорды.
Почему это происходит?
→ Исчезли микро-паузы. Раньше скорость работы упиралась в печать и чтение тредов. Мозг успевал переключаться.
→ Смена роли. Вместо созидания мы теперь занимаемся непрерывным ревью чужого (сгенерированного) кода, что когнитивно гораздо тяжелее.
→ Ловушка продуктивности. Сэкономив час на таске, мы не идем отдыхать, а просто берем следующую. Плотность задач стала запредельной.
Нейросети не знают усталости, а префронтальная кора биологически не рассчитана на бесконечный контекст-свитчинг.
#AIcoding #LLM #GenAI
The HR Digest / HBR Data
Знакомьтесь с новым официальным диагнозом индустрии — «ИИзжаренные мозги» (AI brain fry).
Мы надеялись делегировать рутину и выдохнуть. На практике разработчики превратились в «нянек» для нейронок. Свежие данные HBR показывают парадокс: AI реально ускоряет написание кода, но ментальная усталость бьет многолетние рекорды.
Почему это происходит?
→ Исчезли микро-паузы. Раньше скорость работы упиралась в печать и чтение тредов. Мозг успевал переключаться.
→ Смена роли. Вместо созидания мы теперь занимаемся непрерывным ревью чужого (сгенерированного) кода, что когнитивно гораздо тяжелее.
→ Ловушка продуктивности. Сэкономив час на таске, мы не идем отдыхать, а просто берем следующую. Плотность задач стала запредельной.
Нейросети не знают усталости, а префронтальная кора биологически не рассчитана на бесконечный контекст-свитчинг.
#AIcoding #LLM #GenAI
The HR Digest / HBR Data
❤3👍1🔥1