«Don't fear the REAPer» или как DS себе локальную LLM выбирал

Сценарий такой: автор несколько месяцев подряд гонял все локальные LLM, которые вообще вытягивает его железо. И упёрся в истину, которая большинству уже примельдела — когда речь про кодинг, достойной замены Qwen как будто и нет. Логичный шаг: снести с диска весь хлам и держать под рукой только тех, кто реально тянет работу.

А дальше ему под руку попалось видео с tier-list. И половина участников — старые знакомые. Ну и понеслась…

Читать на Habr

👉 Telegram | Max | 🌥 Claude и другие ИИ

LLM научились думать до того, как выдать ответ. И теперь у разрабов очередной головняк, знакомый каждому: сколько времени, чёрт побери, надо думать над конкретной таской.

В «Союзе рыжих» у Конан Дойла Холмс за пару секунд считывает по рукам, манжетам и булавке Джабеза Уилсона, что тот нюхает табак, состоит в масонской ложе, раньше вкалывал физически, бывал в Китае и много писал. А саму историю Уилсона обзывает «задачей на три трубки» и просит Ватсона минут пятьдесят с ним не трепаться.

То есть Холмс ещё на берегу понимал, где хватит одного взгляда, а где нужны те самые три трубки на подумать. Даниэль Канеман, нобелевка по экономике и автор «Думай медленно… решай быстро», копался в том, как рефлекторный быстрый выбор подставляет обычных людей. У него есть задачка Шейна Фредерика: бита с мячом — доллар десять на двоих, бита дороже мяча на доллар. Сколько стоит мяч? Первое «десять центов» — мимо, и пролетели больше половины студентов Гарварда, MIT и Принстона. Быстрая Система 1 выдаёт ответ с уверенной рожей, а медленная Система 2, «ленивый контроллер», включается без энтузиазма.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Без вендора и GPU: банковский чат утащили на свою платформу и докрутили автоматизацию до 75%

На Хабре — текст Олега, управляющего директора Центра развития финансовых технологий в Россельхозбанке. Его зона — чаты и для клиентов, и для сотрудников банка. А какие каналы связи сейчас крутятся на платформе — перечислено в материале.

Читать далее: habr.com

👉 Telegram | Max | 🌥 Claude и другие ИИ

Alibaba обкатала самообучающихся ИИ-агентов на живом A/B-тесте

Alibaba выкатила исследование про самообучающихся ИИ-агентов — и не в песочнице, а в реальном A/B-тесте с участием больше 200 тысяч продавцов. Система SPAR рулит B2B-продажами на площадке Alibaba 1688: конверсия подскочила на 15,8%, а продавцов с высокой заинтересованностью стало больше на 35,8%.

Фишка SPAR — учится на двух уровнях и при этом не трогает веса модели. Первый уровень: агент копит эпизодическую память по каждому продавцу и тащит накопленный опыт в следующие сессии. Второй — общая база стратегий продаж, и каждая расписана как проверяемая гипотеза. Самое важное — понять, почему сделку слили: прежде чем менять стратегию, SPAR разбирается, где косяк — в кривом подходе или во внешних обстоятельствах. Если провал случайный и виноваты внешние факторы, рабочую стратегию никто не пересматривает.

Спецы по предметке влепили качеству продаж SPAR 4,62 из 5 — лучший результат среди всех протестированных методов. Так что если пилишь агентов, которые учатся на результатах реальной работы, — заложи механизм определения причин успехов и провалов, прежде чем сваливать этот опыт в память. arXiv

👉 Telegram | Max | 🌥 Claude и другие ИИ

GPU купили — не значит, что всё, слил: как собрать ИИ-инфраструктуру и не перепиливать её после пилота

ИТ-команда уже выбирает GPU-серверы, бизнес прикидывает облачные модели, разработчики собирают первый прототип. А через полгода выясняется: модель не влезает в доступную видеопамять, облако вылезает за бюджет, а купленные ускорители под реальной нагрузкой не дают нужной производительности. Дело не всегда в железе или самой модели. Чаще косяк в порядке решений: инфраструктуру начинают проектировать раньше, чем стало ясно, что вообще нужно от будущего ИИ-сервиса.

За последний год в Orion soft насмотрелись на разные сценарии внедрения ИИ в российских компаниях: от первых экспериментов до проектов, которые готовят к промышленной эксплуатации у крупнейших заказчиков. Как разработчик инфраструктурного ПО, там часто подключаются позже: бизнес-задача сформулирована, модель выбрана, железо закуплено. И вот тогда вылезают архитектурные ограничения, которые заложили ещё на старте.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Пять слоёв памяти ИИ-ассистента: что в проде реально тащит, а что так и пылится в библиотеке

Снова одно и то же нытьё про чат-ботов: «он меня не помнит». У самой LLM памяти нет. Всё, что она якобы запомнила, мы сами заталкиваем ей в контекст.

В статье — как память ассистента устроена в проде на 16 тысячах раундов: файлы, PostgreSQL с pgvector, судья на дешёвой модели, выжимки и политика доступа между агентами. Плюс про то, что из задуманного так и осталось валяться в библиотеке.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Как я перекроил свою CRM без прогеров

По рассказу автора, в его CRM шесть сервисов накручены вокруг одной базы, и команда кодеров пилила это годами. Плюс SQLite-базы рядом, скрипты, тесты и поддержка — всё это докручивал Claude Code.

Теперь, с его слов, Claude Code сам тащит весь этот воз: от ковыряния в чужом коде до новых доработок. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Прогнал Kimi AI, Qwen, DeepSeek и Grok по текстам. Результаты — ниже

Дай нейросетке статью на вычитку — назад прилетит вылизанный текст, в котором автора уже не читается. В препринте 2026 года исследователи из Berkeley, Google DeepMind и других организаций показали: ИИ-модели перекручивают смысл даже тогда, когда их просят только поправить грамматику.

Kimi AI, Qwen, DeepSeek и Grok всё чаще суют в тексты вместо ChatGPT. Но выбрать из них редактора на глаз — та ещё рулетка. По дефолту нейросеть, которой дали текст на вычитку, начинает его переписывать, хотя просили только правки. Прижать её можно лишь жёстким промптом и сравнением версий.

Редакторские модели сравнивай не по ощущению «стало лучше», а по доле переписанного текста и по тому, уцелел ли смысл. Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Сила команды во времени: как её замерить и что в итоге вышло с рейтингом Universal Cup

Сколько процентов дашь за то, что ваша тима утащит медаль с финала ICPC? Десятки команд крутят этот вопрос в голове. Но кто реально способен выдать внятный ответ? У MachineSolution — финалиста ICPC и гроссмейстера Codeforces — под рукой были результаты 30 контестов Universal Cup, немного свободного времени и зуд докопаться до сути.

В статье — матмодель силы команд во времени, виртуальные участия и распределение Гумбеля, разбор ничьих, проверка предсказаний и готовый рейтинг Universal Cup. Узнать, как устроен рейтинг

👉 Telegram | Max | 🌥 Claude и другие ИИ

Вышло исследование про то, как масштабировать мультиагентные системы. Главный головняк в этой теме сейчас один: заставить толпу ИИ-агентов нормально координироваться и тащить задачу вместе, а не тянуть одеяло каждый в свою сторону.

Как обычно устроено? Разработчик сверху рисует план: вот этот агент делает вот это, вот тут они перекидываются данными. И вся эта схема, как правило, работает одинаково — хоть задачу поменяй, хоть нет.

Исследователи придумали подход s3. Правила сверху больше не нужны: агенты сами, через обучение с подкреплением, учатся договариваться о совместной работе. Сами решают, когда пора действовать в одиночку, когда скинуть результаты другим, а когда и к коллегам по команде постучаться. Роли никто заранее не раздаёт.

И цифры реально бодрят. При тех же затратах на обучение и инференс группы s3 — а на тестах их состав был вдвое больше, чем на обучении — закрыли более чем в 25 раз больше задач на координацию, чем лучший базовый метод. Когда решения искали параллельно, обмен данными между агентами почти вдвое срезал объём повторной работы и обогнал метод best-of-N на величину до 9,4 балла. И самое интересное: агенты сами разложили между собой взаимодополняющие роли, причём это разделение не развалилось даже когда команда выросла. Исследование:

👉 Telegram | Max | 🌥 Claude и другие ИИ

Anthropic запилила гайд: какую модель брать под конкретную задачу

Anthropic выкатила гайд, где разжёвано, какую именно ИИ-модель тащить под конкретные задачи. И там прямо сказано: самая жирная по мощности система — не всегда лучший вариант в ряде случаев.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ

Идея — ИИ — авария: в каком мире мы теперь живём

Материал про то, как существовать в новом мире ИИ и какие косяки вылезают на практике. На что реально смотреть, когда каждая собака орёт про ИИ, а директор впихивает его в дела всё злее.

Можно до посинения спорить, случилась ли революция и вообще что-то поменялось. Но инструменты уже не откатить — как и мысли у людей в головах. Часть этих мыслей решает, останешься ли ты завтра на своей должности, и она же начисляет тебе зарплату. Когда технологии упёрлись в некое плато, без этого разговора уже никак. И да, материал автор клепал по старинке.

Читать далее

👉 Telegram | Max | 🌥 Claude и другие ИИ