Может ли локальная 27B-модель расследовать продакшен-инцидент как Claude? Две RTX 5090, около 40 прогонов и одна гонка
Как всё началосьЭта история начинается с реального продакшен-инцидента.По графикам в Grafana я вышел на гипотезу, что в одном из сервисов наблюдается утечка соединений. Картина была довольно характерная: пул постепенно забивался, количество реально выполняющихся запросов этому совершенно не соответствовало, а рестарт сервиса временно возвращал всё в норму.Недолго думая, я попросил Claude составить по инциденту промпт для другого агента: вот симптомы, вот код, вот несколько гипотез — подтверди или опровергни утечку и найди причину.Запустил.
Мы как мир
Всё, чем мы себя окружаем, это и результат наших мыслей, и то, чем мы мыслим. Дороги задают географию, скорость, дистанцию, пространство. Безделушки на комоде — память, эмоции. Инструменты на столе — планы, навыки.Наша внешняя среда не говорит, что нам делать, она нас ведёт.Что‑то мягче, что‑то жёстче, но мы — это не только мозг в черепной коробке, мы — это и то, что создали до нас и создали мы сами.Эта статья о том, что нас окружает, и как это связано с LLM и агентами.Пространство представлений
Opus 5.5, Fable 5.1, GPT-6, DeepSeek и Grok: цены и скорость
Opus 5.5, Fable 5.1, GPT-6, DeepSeek и Grok: цены и скоростьОсень 2026 года выдалась плотной: 1 сентября Anthropic выпустила Claude Fable 5.1, 3 сентября OpenAI показала GPT-6 Astra, следом отчитались остальные. Разбираться в этом потоке приходится по цифрам, а цифры бывают трёх сортов, и мешать их нельзя. Ниже — что именно мерят источники, где расходятся и как из этого считать стоимость работы, а не стоимость токена.Шаг 1. Разделить цифры производителей и независимые замеры
OpenClaw при поддержке Red Hat и Nvidia представила открытую платформу для управления корпоративными AI‑агентами
OpenClaw Foundation представила OpenClaw Enterprise (OCE) — платформу с открытым исходным кодом для контроля постоянно работающих AI‑агентов, которые запущены на инфраструктуре компании. Сейчас пользователям доступна предварительная версия для внутренних тестов, а полноценный релиз запланирован на конец 2026 года.
Как завайбкодить качественную игру с нуля? Раскрываю все секреты
Всем привет! Меня зовут Саша, я работаю в сфере AI около 5 лет. А еще мне очень нравится вайбкодить) Некоторое время назад я решил проверить, получится ли у меня сделать что-то приличное в области, где у меня ровно ноль опыта, и выбрал для этого разработку игр. Получился хоррор, и он даже играбелен!Пару месяцев назад я написал первую статью, где разбирался, почему завайбкодить игру за час не выйдет. Главное пожелание со стороны читателей можно охарактеризовать как "а давай теперь то же самое, но с техническими деталями и лайфхаками"Справедливо, держите!
Как собрать семантику проекта для кодового агента и не открыть филиал Confluence
Кодовый агент в маленьком проекте обычно находит нужный файл с очень уверенным видом. Это приятно ровно до момента, когда он меняет не тот счетчик, меняет поведение модуля и сообщает, что задача завершена. Уверенность - бесплатна, регрессии - тоже.В тестовом примере надо добавить недельный лимит в небольшой модуль. Агент находит метод, добавляет счетчик и даже пишет тест. Потом выясняется, что лимит считается на пользователя, отклоненная попытка не должна расходовать квоту, а отрицательный лимит должен остаться ошибкой. В коде это размазано между моделью, тестами и старым комментарием.
Локальный инференс на Ryzen AI Halo
GMKTec EVO X2 (у меня такой), но есть еще много
Тупая модель с жёстким циклом проверки бьёт умную модель без него
Недавно читал тут статью про «Cost per Task» и про то, что самая дешёвая модель в линейке внезапно обгоняет самую умную по цене решённой задачи. С выводом согласен полностью, но хочу добавить то, чего в той статье не было: дело не только в модели. Дело в том, что происходит после того, как модель написала код.Последние восемь месяцев я строю агентную обвязку, в которой модель не просто пишет файлы, а обязана доказать, что написанное работает. Выяснилось следующее: если прикрутить к слабой модели честный цикл верификации, она уверенно обходит сильную модель, работающую в режиме «написал и отчитался».
Что будет, если доверить проверку документов нейросети
Меня зовут Никита Мохов. Я отвечаю за цифровое развитие закупок, документооборот и ещё десяток процессов в Цифровом СИБУРе — начиная с закупок и заканчивая выдачей сотрудникам ключей в нашем санатории. Сегодня — только про закупки. И про Колю.Коля — это ИИ-агент. История про него началась не с алгоритмов, а с одного простого наблюдения: наш процесс держался не на регламенте, а на закупщике, который каждый раз молча доделывал за рынок его работу.Жизнь до Коли: гигиена, которой не было
