iOS

• Уникальные значения — удаление дубликатов из массива в Swift
• ChessKit — шахматная логика на Swift
• Творческая переработка MVVM и TCA на примере iOS
• SwiftUI: A Little Customization to SF Symbol
• Applying Transformations Within the Graphics Context of a SwiftUI Canvas View
• Syncing TipKit with CloudKit
• Swift Concurrency: Old vs New — What’s the real Difference?
• Unlocking MetricKit: See What Your App Is Really Doing on Users’ Devices

Android

• Live Updates в Android 16 — исследуем новые уведомления
• Kotlin 2.4 Introduces Rich Errors — A Game Changer for Error Handling
• How to Create Chrome-Inspired Custom Tabs in Jetpack Compose
• Offline Voice Control: Building a Hands-Free Mobile App with On-Device AI

Только что объявили победителей Apple Design Award 2025 - каждый год перед WWDC компания отмечает инновации, изобретательность и технические достижения в области разработки приложений и игр. Всего шесть категорий - Восторг и удовольствие, Инклюзивность, Инновации, Взаимодействие, Социальное воздействие и Визуальные элементы и графика. В Восторг и удовольствие, например, победило приложение CapWords для изучения языка с помощью камеры, в Инновация Play для создания визуальных прототипов на SwiftUI, а в Визуальной категории Feather: Draw in 3D - какой-то сногсшибательный 3D редактор. Весь список номинантов и победителей - на сайте.

Разработка

• How do experienced engineers actually review code?
• The humble senior developer

Маркетинг и монетизация

• Самые скачиваемые и зарабатывающие приложения в России в мае 2025

Кроссплатформа

• React Native тормозит? Проверь эти 8 узких мест в производительности, прежде чем винить фреймворк
• Truthy and Falsy techniques, applied to list processing in Dart

iOS

• Swift в Apple: перенос службы мониторинга паролей с Java
• Победители Apple Design Awards 2025
• Как мы превратили iPhone в лабораторный микроскоп с AI и BLE: real-world edge-приложение
• SwiftUI: Rich Text Editor From Scratch
• Faster GitHub Actions CI for Swift Projects
• Mitigating SwiftSyntax build times
• Building Reusable SwiftUI Modules with Swift Package Manager: A Practical Guide
• Creating an Interactive Card Stack in SwiftUI

Android

• Как построить свою ферму устройств и упростить работу с устройствами и эмуляторами: делимся опытом создания DeviceHub
• Как создать импульсный эффект в Jetpack Compose
• Managing Navigation in Jetpack Compose Using ViewModel: A Scalable Approach
• Implementation of a custom soft keyboard in Android using Compose
• Why is it important to test your ViewModel, not just the Repository or UseCase?
• Testing ViewModels Lifecycle & State

Очередной “скандал в благородном семействе” - оказалось, что Meta (страшно вредная и экстремистская организация) через Pixel и Яндекс через Метрику получали данные о посещаемых пользователями Android страницах. Как я понял, трекеры на веб-страницах открывали соединение с локальными портами и в свои приложения сливали куки. В результате матчили с зарегистрированным в приложении человеком и вуаля - все данные о посещенных пользователем страницах (с установленной аналитикой, конечно). Причем Метрика это делала аж с 2017 года. Google занимается вопросом, но по ходу исправления особого нет: “Основная проблема заключается в том, что доступ к сокетам локального хоста на Android совершенно не контролируется. У пользователей нет возможности предотвратить такого рода коммуникацию на своих устройствах. Из-за динамического характера кода JavaScript и сложности поддержания актуальности списков блокировки, правильным способом постоянной блокировки является ограничение этого типа доступа на уровне мобильной платформы и браузера”. Но, как пишут, на данный момент наиболее надежной защитой от отслеживания Meta Pixel и Яндекс.Метрика является отказ от установки приложений Fa******k, Insta**** или Яндекс на устройства Android.

Разработка

• Meta и Яндекс деанонимизируют пользователей брузеров Android
• Why GUIs are built at least 2.5 times
• How to Prepare for a Mobile System Design Interview

Маркетинг и монетизация

• Гайд: Как заменить скриншоты для iOS-приложения в App Store без билда и новой версии?
• How to turn freemium users into loyal subscribers

Кроссплатформа

• Tomoyo — пример Kotlin Compose Multiplatform приложения

У выпускников факультетов информатики возник высочайший уровень безработицы

Похоже, что кампания «learn to code» принесла обратный результат. В своем последнем отчете о рынке труда Федеральный резервный банк Нью-Йорка обнаружил, что недавние выпускники факультетов информатики сталкиваются с большим уровнем безработицы в 6.1%. Те, кто специализировался в области компьютерной инженерии — которая является схожей, если не более специализированной — находятся в еще более плохом положении: 7.5% недавних выпускников остаются без работы. Для сравнения, уровень безработицы среди недавних выпускников в целом составляет всего 5.8%.

Хотя выпускники, специализировавшиеся в таких областях, как антропология и физика, оказались в еще более плачевном положении, с уровнем безработицы 9.4 и 7.8% соответственно, компьютерная инженерия заняла третье место в рейтинге по уровню безработицы, а информатика — седьмое, что является резким падением для специальности, которая когда-то считалась гарантией высоких доходов и стабильной работы.

Примечательно, что эти цифры даже хуже, чем результаты выпускников факультетов журналистики. Несмотря на то, что им все время сообщают, что выбранная ими область умирает, уровень безработицы среди недавних выпускников, получивших образование в области журналистики, составляет всего 4.4%, согласно анализу NYFR.

«Мы перепроизводим дипломы, не обращая внимания на то, насколько эксплуататорским и закрытым стал процесс найма в сфере технологий. Вакансии для начинающих специалистов исчезают, неоплачиваемые стажировки по-прежнему распространены, а компании переносят за границу или автоматизируют те самые рабочие места, для которых готовили этих выпускников».

«Мы создали обстановку золотой лихорадки вокруг программирования как раз в тот момент, когда золото закончилось», — продолжил эксперт, ссылаясь на увлечение «учиться программировать» в конце 2010-х и начале 2020-х годов. «Компании сокращают бюджеты на инженерные разработки на 40%, в то время как количество поступающих на факультеты компьютерных наук достигает рекордных показателей. Это элементарная экономика. Наводнение рынка, обвал зарплат».

Несмотря на более высокий уровень безработицы, выпускники по специальностям «информатика» и «компьютерная инженерия» по-прежнему остаются одними из самых высокооплачиваемых в США, с средней заработной платой в начале карьеры около 80,000 долларов. Но работодатели все чаще ищут выпускников, которые «готовы к работе» и обладают практическим опытом, а не теоретическими знаниями, полученными в ходе обучения в университете. Они внедряют практику найма с приоритетом навыков и все реже требуют формальных документов об образовании для приема на работу.

Новая робототехническая модель Hugging Face может работать на MacBook

Создавать сложные робототехнические проекты в домашних условиях становится немного проще.

В начале этой недели платформа Hugging Face выпустила открытую модель искусственного интеллекта для робототехники под названием SmolVLA. По утверждению Hugging Face, SmolVLA, обученная на «совместимых лицензионных» наборах данных, которыми делится сообщество, превосходит гораздо более крупные модели для робототехники как в виртуальной, так и в реальной среде.

SmolVLA является частью быстро расширяющихся усилий Hugging Face по созданию экосистемы недорогого оборудования и открытого программного обеспечения для робототехники. В прошлом году компания запустила LeRobot, коллекцию моделей, наборов данных и инструментов, ориентированных на робототехнику. Совсем недавно Hugging Face приобрела Pollen Robotics и представила несколько недорогих робототехнических систем, в том числе гуманоидов, для покупки.

Hugging Face утверждает, что SmolVLA, размер которой составляет 450 миллионов параметров, достаточно мала, чтобы работать на одном графическом процессоре потребительского класса — или даже на MacBook — и может быть протестирована и развернута на «доступном» оборудовании, включая собственные робототехнические системы.

Uber запустил новый тип аккаунтов для пожилых людей. В нем есть кастомизированный дизайн с большими шрифтами и контрастными иконками, информация о поездках для членов семьи, возможность связаться с водителем для них же, сохраненные пункты назначения, возможность использовать карту родственника для оплаты. Учитывая, что количество пенсионеров среди пользователей очевидно будет только расти, как вы адаптируете приложения под нужды пожилых? И адаптируете вообще? Какой ваш стек SeniorTech? :)

Разработка

• Mistral запустила платформу разработки Code
• Новая робототехническая модель Hugging Face может работать на MacBook
• 40 ударов палкой и Kotlin Multiplatform: как устроена мобильная разработка в Катаре (интервью)
• Это личное! Как femtech-приложения защищают наши данные

Маркетинг и монетизация

• Uber сделал специальные функции для пожилых людей

Кроссплатформа

• Kotlin Multiplatform: как усовершенствовать процесс разработки iOS
• Build a Smart, AI-Powered DataGrid in Flutter for Predictive Data Analysis

iOS

• SwiftSMTP — отправка почты через SMTP с помощью SwiftNIO
• Creating a Live Audio Waveform in SwiftUI
• Adding Swift Package Manager Support to a Legacy Objective-C Project

Android

• Rich Errors в Kotlin 2.4 — революционное изменение в обработке ошибок
• Redroid: легковесная альтернатива стандартному эмулятору Android, работающая как Docker-контейнер
• Kotlin Coroutines Cheat Sheet
• Testing a LottieAnimation in Compose

Иллюзия мышления - исследование Apple "рассуждающих" языковых моделей

В выходные вышла разгромная исследовательская работа под названием «Иллюзия мышления: понимание сильных сторон и ограничений моделей рассуждения через призму сложности проблемы», в которой команда Apple по машинному обучению утверждает, что модели, разработанные для имитации человеческого рассуждения, не представляют собой значительного прогресса по сравнению с традиционными большими языковыми моделями (а они и так сильно ограничены).

Если вкратце, то на задачах высокой сложности модели терпят крах. Когда задачи требуют нескольких уровней логики, как модели рассуждений, так и стандартные LLM дают сбой. Даже при наличии достаточного количества токенов и времени модели рассуждений начинают регрессировать, давая худшие результаты при решении более сложных задач. Один из самых поразительных выводов - по мере увеличения сложности модели рассуждений часто рассуждают меньше, а не больше. Их производительность резко падает, демонстрируя неспособность масштабировать глубину логики или поддерживать связные цепочки рассуждений при решении сложных задач. При этом даже если такой модели дать точный алгоритм, то она не будем ему следовать и не сможет выполнить задачу.

Кроме того, компания обнаружила, что внесение небольших, несущественных изменений в подсказку, например добавление лишнего предложения, может снизить производительность на 65%. Это говорит о том, что модели рассуждения в меньшей степени полагаются на фактическую логику, а в большей степени на распознавание паттернов, которые легко сбиваются шумом.

Не было найдено никаких значимых доказательств того, что эти модели используют фактическое дедуктивное или символическое мышление. Вместо этого они действуют скорее как вероятностные магнитофоны, предсказывая следующий символ на основе шаблонов, которые они видели во время обучения, а не выводя ответы на основе первоначальных принципов.

Фактически, это доказательство несостоятельности нынешнего ажиотажа вокруг «цепочки мыслей». Эти результаты могут казаться продуманными, но на самом деле модели не занимаются ничем похожим на логическое решение проблем. Компании, занимающиеся искусственным интеллектом, стремятся создать «мыслящие» модели, но работа Apple показывает, что многие из этих усилий по-прежнему являются скорее иллюзией, чем интеллектом. В настоящее время рассуждения являются неустойчивыми, неэффективными и не являются панацеей.

Другими словами, мы не учим машины думать — мы просто делаем их более точными в своих предположениях. И, как напоминает нам исследование, больше предположений не всегда означает больше интеллекта. Эти выводы ставят под сомнение растущее убеждение, что способности к рассуждению необходимы для создания более «интеллектуальных» моделей. Вместо этого Apple утверждает, что эти так называемые «рассуждающие» LLM могут давать лишь ограниченные преимущества, а в некоторых случаях могут работать хуже, чем более простые модели.

С другой стороны, любой, кто думает, что LLM — это прямой путь к AGI, которая может коренным образом изменить общество к лучшему, обманывает себя. Это не означает, что область нейронных сетей мертва или что глубокое обучение мертво. LLM — это лишь одна из форм глубокого обучения, и, возможно, другие — особенно те, которые лучше работают с символами — в конечном итоге будут процветать. Время покажет. Но этот конкретный подход имеет ограничения, которые с каждым днем становятся все более очевидными.

Приложения для очистки хранилища — многомиллионная индустрия

Согласно данным Appfigures Explorer, в прошлом месяце потребители потратили почти 40 миллионов долларов на приложения для очистки хранилища.

• В App Store и Google Play есть более 1500 приложений для чистки хранилищ, и все они связаны с организацией/дедупликацией/сжатием фотографий. Некоторые предлагают дополнительные функции «очистки», такие как сжатие видео, а другие предлагают различные функции, такие как встроенные блокировщики рекламы. Но главная цель — удалить ненужные фотографии, чтобы сэкономить место.
• Более половины всех приложений и более 95% доходов приходятся на App Store. Хотя в Google Play есть несколько сотен приложений, большинство из них не приносят большого дохода. Это потому, что большинство Android-устройств имеют такие функции встроенными, что делает это отличной возможностью для iOS-разработчиков.
• App Intelligence показывает, что 161 приложение для очистки заработало в прошлом месяце не менее 1000 долларов, 42 — более 100 000 долларов, а 7 — более 1 миллиона долларов. По оценкам, в 2024 году эта группа принесла 197 миллионов долларов дохода и в 2025 году может удвоить этот показатель, поскольку за первые пять месяцев года она уже заработала более половины этой суммы и продолжает быстро расти.

Конкуренция огромна, но поскольку в этой категории очень мало лояльности к бренду, а большинство иконок выглядят практически одинаково, пользователи скачивают то, что видят первым, и у разработчиков есть немало способов добиться этого. Органический или платный трафик? Для успеха требуется и то, и другое. Десять лидеров по доходам проводят кампании Apple Ads с тысячами ключевых слов в США, откуда поступает большая часть доходов. Но это еще не все: каждое из них также занимает высокие позиции по тысячам ключевых слов в органическом поиске.

Перенос узких мест

А вот и новый недельный дайджест подъехал - в этом выпуске творческая переработка MVVM и TCA, революционное изменение в обработке ошибок в Kotlin и ускорение React Native, 40 ударов палкой за глупые ошибки Google, лабораторные микроскопы, переезд с Java на Swift и многое другое. Заходите!

iOS

• Создание живой звуковой волны в SwiftUI
• MosaicGrid — горизонтальные и вертикальные мозаики
• Привязать карту: что может быть проще?
• Катим в прод, не тестируя
• Adding navigation buttons to the keyboard in SwiftUI
• Using AI and Cursor to localize Xcode String Catalogs
• Migrating 700+ Tests to Swift Testing: A Real-World Experience
• Caveats Using Read-only SQLite Databases from the App Bundle

Android

• Как избавиться от рекурсии и исправить глупую ошибку в Google
• Figma + Compose. Упрощаем верстку
• Что хотят работодатели от Android-разработчика
• Топ-5 обновлений Google I/O, о которых вам нужно знать
• Taking ExoPlayer Further: Reddit's performance techniques
• The silent bug that took down my app
• Exploring On-Device AI for Android: Image Classification, Captioning & LLM Integration
• A Practical Guide to Jetpack Compose for XR Development
• Wrapping a Fancy Ribbon around any Composable
• Your “Clean” MVVM Code Is Slowing You Down

Разработка

• Иллюзия мышления — исследование Apple «рассуждающих» языковых моделей
• IT-коучинг, Developer Advocate, софт-скиллы
• Adopting Docs-as-Code at Pinterest

Маркетинг и монетизация

• Приложения для очистки хранилища — многомиллионная индустрия
• Как сделать 3 миллиона загрузок на органике с ASO и попасть в Apple Best of
• ASO в iOS. Подписки. Как сделать 100к MRR на органик приле
• Эволюция карьерного роста: путь от Intern до Senior
• Архитектура для кросс-функциональных команд
• Вайбкодим всей командой — AI, Cursor, Claude, ChatGPT, MCP
• Annual subscriptions for apps: The pros and cons

Кроссплатформа

• WallStreet — кроссплатформенные обои на Compose/Kotlin Multiplatform
• CherryPick DI для Dart/Flutter проектов
• Unlocking Firebase in a Kotlin Multiplatform App