DeepSeek V4.1-Flash: новая архитектура, 552 млрд параметров и агентные тесты
DeepSeek вывела V4.1-Flash — младшую модель новой архитектурной линейки компании. Это MoE-модель на 552 млрд параметров с нативной поддержкой изображений, контекстом до 1 млн токенов и отдельными режимами reasoning.Наиболее интересная часть релиза — архитектурные изменения. DeepSeek перешла к асимметричной схеме Causal Encoder–Decoder: при prefill активируется около 8 млрд параметров на токен, а при decode — 16 млрд. То есть вычислительный бюджет для обработки входа и генерации намеренно сделали разным.
Самое короткое руководство по базовой настройке производительности Microsoft SQL Server
В этот краткий сборник рецептов входят советы, применимые к подавляющему большинству развертываний SQL Server без профилирования реальной нагрузки.Используйте привилегию «Lock Pages In memory»Откройте оснастку «Local Security Policy». В параметре «Local Policies — User Right Assignment — Lock pages In memory» задайте учетные записи под которыми запускаются все используемые инстансы.Подробнее
Личная AI‑продуктивность или как слить OpenAI не только кодовую базу, но и всю свою жизнь
Бывало у вас такое: дел в голове так много, что забывать их начинаешь как только вышел с очередной встречи? Через несколько дней надо принять решение, на основании того, что мелькало перед тобой 3 секунды. Через время ловишь себя на мысли «У нас 21 век, агенты, скиллы, почему строить связи между встречами, записями и мыслями должен я?». У меня — бывало, и тут как раз об этом.Привет! Меня зовут Дима, и я работаю руководителем команды web‑разработки AI‑продуктов в R&D Яндекса. А ещё — я учусь в вузе на 4 курсе, люблю куда‑нибудь слетать, пытаюсь следить за здоровьем: и всё это, как я думаю, легко бустится агентами.
Как AI‑агент видит страницу. Контракт наблюдения между браузером и моделью
Пользователь открывает форму доставки и видит поле города, список пунктов выдачи, карту и кнопку «Продолжить». Браузерный агент получает ту же задачу, но сообщает, что не может найти пункт выдачи. Или находит кнопку, нажимает ее, а форма не отправляется.Обычно после такого начинают менять промпт, модель или локаторы. Но фраза «агент не видит элемент» еще не описывает проблему. Сначала нужно выяснить, что именно инструмент показал модели, как обозначил доступные цели и какое состояние вернул после действия.
Как умный поиск и микрообучение снижают нагрузку на менеджмент при адаптации
Любой инженер знает золотое правило DRY Don't Repeat Yourself.
Индустрия ИИ надела на себя наручники добровольно. Проверим, настоящие ли они
Новость, которая выглядела скучноПервого сентября OpenAI опубликовала документ под названием «Path to Astra: critical capabilities and frontier safeguards». Я открыла его между делом, за чаем, примерно с тем же интересом, с каким читают уведомления об обновлении пользовательского соглашения.Через сорок минут чай остыл, а я сидела с открытыми в соседних вкладках августовскими публикациями той же компании и пыталась понять, когда именно все успело поменяться.
Что не так с попытками бизнеса заменить джунов на ИИ
Компании сейчас массово режут косты и сокращают джунов. Решение кажется бизнесу идеальным: выдаём мидлам токены, ускоряем время выкатки фич, а бонусом экономим на выращивании спецов.
Как я не выучил программирование, поймал шифровальщика и собрал AI-платформу
Я просто ковырялся с нейросетями. Делал для себя небольшое приложение, собирал агентов в n8n и пытался понять, насколько далеко можно зайти, если описывать желаемый результат словами, а код поручить модели.Потом несколько случайных вещей совпали. Меня достало вручную менять промпты в n8n. Другу понадобилась напоминалка в Telegram. Я впервые попробовал Telegram Mini Apps. А Gemini за минуту сделала мне простую HTML-игру, и я подумал: стоп, а ведь теперь я могу собирать то, что раньше даже не рискнул бы начать.
