Бесплатный доступ к ChatGPT и Claude без аккаунта? 👀

DuckDuckGo добавил в Duck.ai несколько популярных AI-моделей: Claude Haiku 4.5, GPT-5.4 mini, Mistral Small 4, gpt-oss-120b и Gemma 4 31B.

Можно переключаться между разными моделями прямо в одном диалоге: если одна AI застряла на задаче, передать разговор другой.

DuckDuckGo делает упор на приватность: запросы проходят через анонимизирующий прокси, а провайдеры моделей ограничены в использовании данных для обучения.

Получается удобный «AI-комбайн»: несколько нейросетей в одном месте вместо десятка вкладок.

https://duck.ai

SQL: Один NULL в списке, и NOT IN возвращает ноль строк


WHERE id NOT IN (1, 2, NULL) раскрывается в id <> 1 AND id <> 2 AND id <> NULL. Последнее сравнение всегда даёт UNKNOWN, а WHERE пропускает только TRUE, поэтому запрос молча возвращает пустой результат. Одно неизвестное значение отравляет весь фильтр. Если в подзапросе возможен NULL, бери NOT EXISTS: он на NULL не ломается и читается понятнее, чем костыль с IS NOT NULL.

#sql #deathnote

Какие локальные AI-модели запускать на разном железе в 2026 году

Подборка от 8 до 512 ГБ памяти.

8 ГБ

LFM2.5-2.6B - небольшой, но крепкий вариант для локального запуска.

Подойдёт для:
- простых tool calls
- небольших автоматизаций
- экспериментов с локальной инфраструктурой
- лёгких чат-задач

https://huggingface.co/LiquidAI/LFM2.5-2.6B

16 ГБ

Здесь уже интереснее смотреть на две модели.

Gemma 4 12B - более универсальный вариант для чата и vision.

https://huggingface.co/google/gemma-4-12B-it

Ornith-1.5-9B - сильнее ориентирована на tool calling и agentic-сценарии.

https://huggingface.co/ornith-ai/Ornith-1.5-9B

24-96 ГБ

Qwen3.8-27B - уже серьёзный вариант для локального кодинга.

Для такого объёма памяти особенно интересны EXL3-квантизации.

https://huggingface.co/turboderp/Qwen3.8-27B-exl3/tree/SC_3.00bpw_H4_V4

96-196 ГБ

Qwen3.8-Flash-Next.

Модель хорошо подходит для более длинного контекста и высокой скорости. Часть нагрузки можно выносить в RAM, а KV-cache относительно компактный.

https://huggingface.co/Qwen/Qwen3.8-Flash-Next

196-384 ГБ

GLM-5.3-Flash - уже почти frontier-уровень дома.

Подходит для:
- coding
- agentic-задач
- 3D
- мультимодальных сценариев
- длинного контекста
- высокой параллельной нагрузки

https://huggingface.co/zai-org/GLM-5.3-Flash

384-512 ГБ

GLM-5.3.

Медленнее Flash-версии, но заметно сильнее в сложном coding и systems work.

https://huggingface.co/zai-org/GLM-5.3

Если коротко по уровням:

8 ГБ - маленькие локальные модели
16 ГБ - хороший универсальный локальный AI
24+ ГБ - уже нормальный coding
96+ ГБ - большие модели и длинный контекст
196+ ГБ - почти frontier дома
384+ ГБ - максимум качества среди open-weight моделей

GreptimeDB - open-source база для observability, которая пытается собрать metrics, logs и traces в одном backend.

Вместо отдельных систем для каждого типа телеметрии здесь используется общий табличный подход с тегами, timestamp и полями поверх колонночного движка и object storage.

Что умеет:

- объединять metrics, logs и traces и связывать их через SQL по service, host, trace ID и другим идентификаторам
- принимать данные через OpenTelemetry, Prometheus Remote Write, Loki Push, Elasticsearch Bulk, InfluxDB Line Protocol и gRPC
- поддерживать SQL, PromQL и Jaeger-совместимые запросы для traces
- хранить данные в S3, GCS, Azure Blob и S3-совместимых хранилищах
- настраивать retention, downsampling, continuous aggregation, partitioning и индексы

Может быть интересен тем, кто устал поддерживать несколько отдельных хранилищ для телеметрии и хочет свести observability-стек к одной системе.

Apache 2.0.

https://github.com/GreptimeTeam/greptimedb

Python и ИИ в 2026 году: как правильно работать с кодом через ChatGPT, Claude, Cursor и AI-агентов

Как использовать ИИ для написания, проверки, рефакторинга и отладки Python-кода.

Лучшие промпты, примеры, workflow и правила работы с AI-ассистентами в 2026 году.

https://uproger.com/python-i-ii-v-2026-godu-kak-pravilno-rabotat-s-kodom-cherez-chatgpt-claude-cursor-i-ai-agentov/

10 лучших промптов для программиста в 2026 году: готовые шаблоны для работы с кодом

Хороший промпт для программирования помогает получить проверяемый результат: найти причину ошибки, внести нужное изменение, оценить риски и проверить поведение программы. Для этого модели нужны контекст проекта, ограничения и понятные критерии готовности.

Ниже – 10 готовых промптов для повседневной разработки: от исправления багов до ревью pull request и знакомства с чужим репозиторием.

Подставьте свои данные вместо текста в квадратных скобках.

https://uproger.com/10-luchshih-promptov-dlya-programmista-v-2026-godu-gotovye-shablony-dlya-raboty-s-kodom/

🐘 pgbot - диагностика PostgreSQL для AI-агентов и приложений, написанная на Go

Один исполняемый файл подключается к базе в режиме чтения, собирает встроенную статистику PostgreSQL и показывает проблемы:

* замедление запросов и ожидание блокировок
* неиспользуемые индексы
* состояние vacuum и репликации
* загрузку соединений и взаимные блокировки
* изменения относительно предыдущих проверок

Диагностика рассчитывается кодом на Go. Опциональный AI-слой объясняет найденные проблемы и позволяет задавать вопросы обычным текстом.

Для агентов и автоматизации предусмотрены MCP и версионированный JSON-вывод. Есть плагин для Claude Code.

Базовые проверки работают без ключа LLM и внешнего сервиса. Проект находится в бете.

GitHub - https://github.com/pgrundev/pgbot

@Golang_google

🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку

Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.

А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.

Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.

AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg

Собеседования и карьера:

DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview

Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy

Полезное сверху:

ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg

Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее.

Один товар, два покупателя. Как не продать больше, чем есть на складе?

Если сначала прочитать остаток через SELECT, а потом уменьшить его отдельным запросом, два покупателя могут одновременно увидеть последнюю единицу.

В PostgreSQL проверку и списание можно объединить:

UPDATE products
SET stock = stock - 1
WHERE id = 42
  AND stock > 0
RETURNING id, stock;

Что получится при одновременных запросах:

• Первый покупатель уменьшит остаток с 1 до 0.
• Второй дождётся освобождения строки, и условие stock > 0 будет проверено повторно.
• Его запрос не обновит строку и ничего не вернёт — товар закончился.

Так работает обычный уровень изоляции PostgreSQL READ COMMITTED.

Добавьте защиту от отрицательных остатков:

ALTER TABLE products
ADD CONSTRAINT stock_nonnegative
CHECK (stock >= 0);

Списание остатка и создание заказа выполняйте в одной транзакции, чтобы при ошибке заказа изменение остатка тоже откатилось.

🔥 Один из лучших обучающих курсов на StepiK по SQL

SQL можно знать годами и всё равно теряться, когда запрос внезапно начинает тормозить в проде.

Этот курс про уровень, где ты не просто пишешь SELECT, а понимаешь, что происходит внутри MySQL, почему запрос работает медленно и как ускорить его без новых проблем. Здесь разбираются EXPLAIN, индексы, CTE, оконные функции, транзакции, аналитические паттерны, legacy SQL и работа с AI-ассистентами.

Каждый урок - с практикой и реальными SQL-задачами на MySQL 8 с автопроверкой.

После курса ты сможешь увереннее разбирать чужой код, находить узкие места и предлагать решения, которые действительно работают.

Для подписчиков скидка - 49% в течение 2 суток: https://stepik.org/a/298827/