CRM для крупного бизнеса: управление масштабом и сложностью
Когда речь заходит о CRM в компании с тысячами сотрудников, десятками филиалов и миллионами клиентских записей, привычные представления о «системе для продаж» перестают работать. CRM для крупного бизнеса — это не увеличенная версия решения для малого предприятия, а принципиально иной класс системы, где на первый план выходят архитектура, управляемость, безопасность и способность функционировать в условиях сложной организационной структуры.
Z.ai выпустила GLM 5.3 Flash с открытыми весами. Модель уже доступна в KodaCode
Компания Z.ai представила GLM 5.3 Flash – первую нативно мультимодальную модель в серии GLM-5. Веса модели опубликованы на Hugging Face, а в карточке репозитория указана лицензия MIT.До официального релиза модель тестировали на OpenRouter под названием Ox Alpha. За несколько дней она возглавила рейтинг платформы по использованию.
Как запустить Qwen3.8-27B локально на RTX3090 (Win10)
На подготовку данной пошаговой инструкции меня вдохновил пост А все-таки Qwen3.8-27B — думает меньше и быстрее чем 3.6 от @rtrgdfb. При повторении действий по скачиванию и конвертации модели из этого поста я понял, что многие технические детали сокращены или не совсем очевидны при первом знакомстве, так как автор, на мой взгляд, ставил целью донести сообщение о том, что Qwen3.8-27B стала лучше, если правильно настроить параметры для средства запуска моделей llama_server (входит в llama.cpp
Data Sapience — генеральный партнер сессии технологий искусственного интеллекта на Форуме ИТ и инноваций в ритейле
На Форуме ИТ и инноваций в ритейле, который пройдет 3 сентября в Центре событий РБК
Z.ai выпустили GLM-5.3-Flash: ту самую Ox Alpha, которая за неделю стала топ-1 в OpenCode и OpenRouter
Z.ai выпустили GLM-5.3-Flash, первую нативно мультимодальную модель семейства GLM-5. Она поддерживает контекст до 1 млн токенов и содержит 320 млрд параметров, из которых при генерации активируются 18 млрд.
Медицинский ИИ не может записать британцев на приём, потому что не понимает йоркширский акцент
ИИ‑система для приёма звонков в больнице не может разобрать акцент звонящих. С такой проблемой
Агент написал себе навык и соврал, что тот работает
Я делаю агента, который умеет дописывать себе навыки. Не в смысле «подключает плагины из маркетплейса», а буквально: упёрся в то, чего не умеет — сгенерировал код, собрал, установил, пользуется.Первый раз это сработало примерно так, как я и мечтал. Агент сказал «у меня нет такого навыка», спросил разрешения, минуту пыхтел компилятором и отчитался: готово, метод доступен.Метода не было.
Почему мы месяц копаемся в данных, прежде чем подключить ИИ
В корпоративных ИИ-проектах мы всегда сначала приводим в порядок данные и только потом подключаем модель. Детерминированные правила у нас идут раньше ML. Порядок наработанный, одинаковый от проекта к проекту, и держимся мы за него даже тогда, когда заказчик хочет сразу «умную модель» и не понимает, зачем мы месяц возимся со справочниками.Меня зовут Алексей, моя команда делает прикладной ИИ для бизнеса. За этим порядком работ — опыт нескольких десятков проектов. Почти на каждом мы натыкались на одни и те же грабли в одном и том же месте: на входе, в данных.
Из России c ChatGPT: OpenAI блокирует «израильский аналитический институт»
OpenAI сообщила о блокировке группы аккаунтов ChatGPT, которые, по оценке компании, использовались из России в рамках скрытой кампании влияния. Её центральным элементом был International Burke Institute (IBI) — проект, представлявшийся израильским «экспертным сообществом».Сайт IBI был зарегистрирован в феврале 2025 года. На нём публиковались материалы об экономике и политике, а также собственный «индекс суверенитета», в котором Россия получала сравнительно высокие оценки, а западные страны — низкие. При проверке
FlautGuard: как мы построили многоуровневую защиту LLM от prompt injection и утечек данных
Защита языковой модели отличается от защиты обычного веб-приложения одной принципиальной особенностью: пользовательский ввод для LLM — это не только данные, но и потенциальная инструкция.В обычном приложении строка остаётся строкой. В LLM пользовательский текст интерпретируется самой моделью, поэтому граница между «данными» и «командой» становится значительно менее очевидной.Отсюда появляются prompt injection, попытки извлечения системных инструкций, обход ограничений и утечки информации через ответы модели.С этой проблемой мы столкнулись при разработке FlautFast — нашей LLM внутри инфраструктуры FlautCompany.
