«Вам может это понравиться»: на Урбан ML разобрались, почему рекомендательные системы перестали предлагать похожее
Открывая онлайн-кинотеатр, сервис для прослушивания аудиокниг или музыки, пользователи редко задумывается о том, почему перед ним оказались именно эти фильмы, книги или треки. Между тем рекомендательные системы в последнее время переживают крупную трансформацию. Если раньше задача сервисов сводилась к поиску похожих пользователей или товаров, то сегодня они уже умеют предугадывать намерения человека, и развитие LLM ускорило этот процесс.
Shorts Maker v2: как я превратил AI-генератор видео в возобновляемый production pipeline на Python
Привет, Хабр!Некоторое время назад я написал первую версию генератора коротких видео для Shorts, Reels и TikTok. На вход подавалась тема — например, «Сюжет “1984” за одну минуту», — а на выходе получался вертикальный ролик со сценарием, изображениями, анимацией, озвучкой и субтитрами.Первая версия доказала, что идея работает. Но она же показала, что сгенерировать ролик один раз и построить надёжный production pipeline — совершенно разные задачи.
Отчет Google AI & Economy ATLAS: ИИ уже в 68% профессий, но пока только в 21% задач
Google выпустила первую версию исследования AI & Economy ATLAS. Это большой отчет о том, как люди реально используют Gemini в работе и в быту. В основе отчёта лежат 15 млн обезличенных и агрегированных взаимодействий с Gemini App, AI Mode и Gemini API; покрытие включает более 150 стран, 140 языков, 800 профессий и 4000 задач. Интересен не только в масштаб, но и в метод: это не прогноз и не маркетинговая презентация, а попытка посмотреть на ИИ через поведение пользователей.
WAIC 2026: главные анонсы и почему Китай превращает искусственный интеллект в национальную инфраструктуру
В этом году конференция приобрела беспрецедентный масштаб и значимость. Если раньше китайские компании пытались догнать западные аналоги по количеству параметров в LLM, то WAIC 2026 зафиксировала новый этап: переход к глубокой инженерной оптимизации, построению независимых вычислительных архитектур и массовому внедрению агентных систем в реальный сектор экономики. Китай больше не пытается просто скопировать OpenAI или заменить один GPU от NVIDIA; он строит параллельную технологическую вселенную со своими аппаратными интерконнектами, программными стеками и стандартами.Разбираемся, что было интересного на WAIC 2026 в этой статье.
Qwen3.8 обещают почти на уровне Claude. Но бенчмарков пока нет
Alibaba показала Qwen3.8-Max-Preview, новую флагманскую модель на 2,4 трлн параметров. Компания обещает вскоре открыть веса и называет Qwen3.8 одной из самых мощных моделей на рынке, уступающей только Claude Fable 5.Звучит как прямой ответ на Kimi K3, которая вышла несколькими днями ранее. Но между двумя анонсами есть разница. У Kimi уже появились результаты в Arena и профильных тестах, а у Qwen3.8 пока нет публичной таблицы бенчмарков и полноценной карточки модели.Разберёмся, что Alibaba действительно выпустила, как сейчас попробовать Qwen3.8 и почему с выводами о её месте среди лучших моделей стоит подождать.1. Что именно выпустила Alibaba
Microsoft выпустила стабильный API Agent Skills для Python
Microsoft объявила стабильным базовый API Agent Skills для Python в Microsoft Agent Framework. Он позволяет подключать к ИИ-агентам переиспользуемые пакеты с инструкциями, справочными материалами и скриптами, которые загружаются по мере необходимости.Ранее поддержка Agent Skills в Python считалась экспериментальной. Теперь же для использования основного API не требуется включать экспериментальные возможности фреймворка.Что такое Agent Skills
ИИ-грамотность, доверие и цена доменной экспертизы
TL;DRИИ-грамотность - это не промпт-инжиниринг: в 91% научных работ ее ядром называют способность критически оценивать результаты ИИ и этические аспекты его применения.Высокая ИИ-грамотность устойчиво связана с меньшей тревожностью, большим доверием и более активным использованием ИИ; возраст и пол роли практически не играют.Большинство шкал ИИ-грамотности построены на самооценке (self-assessment) и частично измеряют уверенность в себе, а не реальные знания; доменную экспертизу как отдельный фактор не учитывает ни одна из них.
Дискуссия «Дивный новый SDLC: с какой реальностью мы столкнулись, «ускорив» разработку»
Год назад IT-индустрия начала массово внедрять кодинг-ассистентов. За это время разработчики успели их полюбить, возненавидеть и сделать частью ежедневной рутины. Но что изменилось на самом деле? Растет ли эффективность? Нужно ли заставлять программистов пользоваться ИИ? Кто теперь пишет код, а кто его только ревьюит?Делимся хайлайтами с технической дискуссии Conversations. В главных ролях: ВТБ, Т-Банк, Dodo Engineering и S7 TechLab.
