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.
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.
👍3🔥1
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
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
AppTractor
Uber сделал специальные функции для пожилых людей
Сегодня Uber представил новый тип учетной записи под названием «Senior Accounts», предназначенный для пожилых пользователей.
👍2
Forwarded from AppFiles - Mobile Development
•
(iOS Ru) Привязать карту: что может быть проще?•
(iOS Ru) Архитектура для кросс-функциональных команд•
(iOS En) Types of Window Scenes | SwiftUI•
(iOS En) Swift: Dead Simple Formatting (Dates, Numbers, Currency, Measurement, Time)•
(iOS En) 10 Years of Swift – A Decade in Review•
(iOS En) Better Error Messages with ErrorKit•
(iOS En) Pull To Search SwiftUI | Expandable Search Bar•
(iOS En) iOS App Testing with SwiftLens: A SwiftUI UI Testing Framework•
(And Ru) Катим в прод, не тестируя•
(And Ru) Figma + Compose. Упрощаем верстку•
(And Ru) Что хотят работодатели от Android-разработчика•
(And Ru) Топ-5 обновлений Google I/O, о которых вам нужно знать•
(And En) Now in Android: 117 – What’s new in Android development at Google I/O 2025 (part 1)•
(And En) Tech Interviews, Talks & More - My Day at KotlinConf 2025 In Copenhagen•
(And En) Testing software is awful: Here is how we can fix it•
(And En) State Hoisting: Eine Jetpack Compose Best Practice•
(Crs En) Kotlin Multiplatform (KMP) at McDonald’s•
(Dev Ru) Как избавиться от рекурсии и исправить глупую ошибку в Google•
(Dev Ru) IT-коучинг, Developer Advocate, софт-скиллы•
(Dev Ru) Эволюция карьерного роста: путь от Intern до Senior•
(Dev Ru) Вайбкодим всей командой — AI, Cursor, Claude, ChatGPT, MCP•
(Mrk Ru) Как сделать 3 миллиона загрузок на органике с ASO и попасть в Apple Best of•
(Mrk Ru) ASO в iOS. Подписки. Как сделать 100к MRR на органик прилеПрошлогодние видео:
•
(iOS Ru) Как не наломать дров с Live Activity•
(iOS Ru) Баланс между скоростью и надежностью: переиспользовать нельзя перепроверять•
(And Ru) Кодревью опенсорс проекта или как выглядят 10 лет технического долга•
(And Ru) Сколько памяти нужно для сборки? Android-разработчикам о JVM•
(And Ru) Что скрывает State в Compose•
(Crs Ru) Best practices локальной аутентификации на FlutterPlease open Telegram to view this post
VIEW IN TELEGRAM
👍3❤1
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.
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.
👍14❤3🔥3🤡2
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.
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.
👍5
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!
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!
👍3
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
• 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
AppTractor
Создание живой звуковой волны в SwiftUI
В этом кратком руководстве мы расскажем вам, как использовать FFT для анализа наборов звуковых данных, чтобы визуализировать полученные частоты в виде живой функции звуковой волны в приложении SwiftUI.
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
• 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
AppTractor
Как избавиться от рекурсии и исправить глупую ошибку в Google
Рассказал, как во время исследования обнаружил и исправил глупую ошибку в коде Google, связанную c попыткой оптимизации рекурсии.
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
• 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
AppTractor
Иллюзия мышления — исследование Apple «рассуждающих» языковых моделей
Другими словами, мы не учим машины думать — мы просто делаем их более точными в своих предположениях. И, как напоминает нам исследование Apple, больше предположений не всегда означает больше интеллекта.
❤2😁2
"Apple уже не торт" (С) Даже зацепиться не за что - разве что Foundation Models Framework? А так, кажется, показали вещи, которые были бы революционны два года назад, хороши год назад, но сейчас уже кажутся... нормальными? устаревшими? Ну серьезно - многозадачность на iPad это прямо прорыв? Live Translations это Amazing? А Circle to Search... в смысле Visual Intelligence? Все какое-то вторичное. В общем, Apple ждет скорый закат. Запомните этот твит 😀 Если серьезно, ждем Platforms State of the Union.
🤡24👍10
На канале Apple на YouTube уже выложили все видео и презентации.
Например:
• What’s new in Xcode
• What’s new in UIKit
• What’s new in SwiftUI
• What’s new in Swift
• Meet Liquid Glass
• Bring on-device AI to your app using the Foundation Models framework
И еще с сотню новых роликов.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5
iOS
Вот еще что посмотреть с WWDC:
• Optimize your monetization with App Analytics
• Automate your development process with the App Store Connect API
• What’s new in App Store Connect
• Say hello to the new look of app icons
• What’s new in StoreKit and In-App Purchase
• Optimize SwiftUI performance with Instruments
• Meet WebKit for SwiftUI
Статьи:
• Новые инструменты и технологии Apple для разработчиков
• Использование ИИ и Cursor для локализации каталогов строк Xcode
• Apple анонсировала Foundation Models Framework
• Liquid Glass и цикличность в UI-дизайне
• WWDC 2025. Чем Apple ответит Google, и что нас ждет
• WWDC 2025: всё, что вы не посмотрите сами, но о чём должны знать
• All new frameworks presented at WWDC25
• What is new in SwiftUI after WWDC25
• @concurrent explained with code examples
• Developer experience wins from WWDC25
• Introducing PickerKit for SwiftUI
Вот еще что посмотреть с WWDC:
• Optimize your monetization with App Analytics
• Automate your development process with the App Store Connect API
• What’s new in App Store Connect
• Say hello to the new look of app icons
• What’s new in StoreKit and In-App Purchase
• Optimize SwiftUI performance with Instruments
• Meet WebKit for SwiftUI
Статьи:
• Новые инструменты и технологии Apple для разработчиков
• Использование ИИ и Cursor для локализации каталогов строк Xcode
• Apple анонсировала Foundation Models Framework
• Liquid Glass и цикличность в UI-дизайне
• WWDC 2025. Чем Apple ответит Google, и что нас ждет
• WWDC 2025: всё, что вы не посмотрите сами, но о чём должны знать
• All new frameworks presented at WWDC25
• What is new in SwiftUI after WWDC25
• @concurrent explained with code examples
• Developer experience wins from WWDC25
• Introducing PickerKit for SwiftUI
YouTube
WWDC25: Optimize your monetization with App Analytics | Apple
Explore the new monetization, subscription, and offer analytics coming to App Analytics. We’ll cover how powerful, new data visualizations and automated reports can help you make data-driven decisions that drive revenue growth, and discuss how to pair these…
👍1
Android
• Оборачиваем любой Composable красивой ленточкой
• TriggerX — модульная удобная библиотека для запуска сигналов
• When ConcurrentHashMap is not concurrent and runBlocking is not blocking
• Why You're Not Confident As An Android Developer (Easy Fix)
• Maintaining an Android app is a lot of work
• Оборачиваем любой Composable красивой ленточкой
• TriggerX — модульная удобная библиотека для запуска сигналов
• When ConcurrentHashMap is not concurrent and runBlocking is not blocking
• Why You're Not Confident As An Android Developer (Easy Fix)
• Maintaining an Android app is a lot of work
AppTractor
Оборачиваем любой Composable красивой ленточкой
В этой небольшой статье мы узнаем, как создать модификатор ленты, который рисует контур, обтекающий любой элемент интерфейса Compose.
👍4
Разработка
• The Prompt Engineering Playbook for Programmers
• Celebrate the code you didn’t write
Маркетинг и монетизация
• WWDC25: What Apple announced and what does it mean for app developers?
Кроссплатформа
• Делаем простой навигатор с помощью Google Maps на Futter своими руками
• This is how I would build a Flutter app without a backend in 2025
• Kotlin Multiplatform and interoperability with Swift/Objective-C
• The Prompt Engineering Playbook for Programmers
• Celebrate the code you didn’t write
Маркетинг и монетизация
• WWDC25: What Apple announced and what does it mean for app developers?
Кроссплатформа
• Делаем простой навигатор с помощью Google Maps на Futter своими руками
• This is how I would build a Flutter app without a backend in 2025
• Kotlin Multiplatform and interoperability with Swift/Objective-C
Substack
The Prompt Engineering Playbook for Programmers
Turn AI coding assistants into more reliable development partners
❤2👍2
Сегодня Google выпустил Android 16 и сделал его доступным для большинства поддерживаемых устройств Pixel. Сегодня также открыли доступ к исходному коду на сайте Android Open Source Project (AOSP). Вы можете изучить исходный код, чтобы лучше понять, как работает Android.
Напомним, что нового:
• Основные и второстепенные SDK релизы: В Android 16 добавили концепцию минорных (второстепенных) SDK выпусков, чтобы быстрее обновлять API, отражая быстрый темп инноваций, которые Android привносит в приложения и устройства.
• Новые API для камеры и мультимедиа для расширения творческих возможностей.
• Адаптивные приложения для Android: Поскольку приложения Android теперь работают на различных устройствах, а на больших экранах используется больше оконных режимов, разработчики должны создавать приложения для Android, которые адаптируются к любому размеру экрана и окна, независимо от ориентации устройства.
• Предсказуемые возвраты по умолчанию и многое другое: Приложения, работающие под управлением Android 16, по умолчанию будут иметь системные анимации возврата к домашнему экрану, перекрестной задаче и перекрестной активити. Кроме того, Android 16 распространяет навигацию с предсказанием возврата на трехкнопочную навигацию, то есть пользователи, долго нажимающие кнопку «назад», увидят мельком предыдущий экран, прежде чем вернуться назад.
• Live Updates: В Android 16 появился Notification.ProgressStyle, позволяющий создавать уведомления, ориентированные на отображение прогресса, которые могут обозначать состояния и вехи в путешествии пользователя с помощью точек и сегментов.
• Более производительные и эффективные приложения и игры: От API, помогающих понять производительность приложения, до изменений в платформе, направленных на повышение эффективности — Android 16 нацелен на то, чтобы ваши приложения работали хорошо.
• Конфиденциальность и безопасность: Android 16 продолжает миссию по повышению безопасности и обеспечению конфиденциальности пользователей. В нем улучшена защита от атак перенаправления интентов, функция MediaStore.getVersion стала уникальной для каждого приложения, добавлен API, позволяющий приложениям обмениваться ключами Android Keystore, включена последняя версия Privacy Sandbox на Android, введено новое поведение в процессе сопряжения устройств-компаньонов для защиты конфиденциальности местоположения пользователя, и пользователь может легко выбрать и ограничить доступ к общим медиафайлам, принадлежащим приложениям, в пикере фотографий.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9❤1🤡1🌚1