12 спрайтов и 61 цвет: как нейросеть собрала пиксель‑арт‑маскота для сайта из черновиков Qwen Image 2.1
Нейросеть нарисовала ведьму, которая выглядит как пиксель‑арт. Спрайтом она не является: в файле 1344×1344 и 40 318 уникальных цветов (это кадр read), а сетки, по которой эти «пиксели» выстроены, не существует. Это принципиальная разница, и она не косметическая: картинку «под пиксели» нельзя перекрасить в ночную палитру одной операцией, нельзя анимировать по кадрам и нельзя гарантировать, что при смене эмоции персонаж не дёрнется. Ниже — пайплайн, который превращает такие черновики в спрайты, где один пиксель — это ровно один цвет из палитры
Записать — не значит вспомнить: месяц внешней памяти для ИИ-агента
Однажды я потерял чат. Не то чтобы катастрофа — обычная рабочая сессия по проверке студенческих домашек. Экспорт я не делал, в лог ничего не писал. И чат пропал. Скорее всего, я сам его и удалил, но точно уже не вспомню.
Open source для ИИ: смотрим на патенты и лидеров гонки
Казалось бы, open source и патенты понятия практически несовместимые. Особенно в сфере ИИ. Но за патентами в этой сфере уже давно идет серьезная гонка. Разбираемся с лидерами и смотрим на сами решения. Рейтинг держателей патентов
Выручка за сентябрь: как AI‑агент получает три разных ответа
Всем привет, меня зовут Сергей Прощаев, я Tech Lead и руководитель направления Java | Kotlin разработки в FinTech & E‑commerce и преподаю на курсах разработки и архитектуры в ОТУС. В этой статье расскажу, почему AI‑агент, который блестяще отвечает на вопросы по демо‑базе, начинает путаться на настоящем хранилище данных, и что с этим может сделать аналитик ещё до выбора модели.Знакомая картина.
Нейрослоп не пройдёт: отбор в первую Школу аналитиков hh
Мы получили больше 250 тестовых на 25 мест в первую Школу аналитиков hh. Многие решения были сделаны с нейросетью, и это нормально — аналитики в работе тоже пользуются LLM-инструментами. Вопрос был в другом: как за аккуратным текстом от LLM разглядеть кандидата с пониманием того, что он делает.
Как ИИ-агенты повторяют задачу: промпт, скилл, граф или код
В понедельник сотрудник отдела закупок просит агента сверить новый прайс-лист поставщика с рыночными ценами и собрать отчёт по позициям, где отклонение выше порога. Агент выполняет задачу за десяток шагов: читает Excel, ищет рыночные цены, считает отклонения, пишет выводы. Через неделю приходит следующий прайс-лист, и задачу нужно повторить.При повторном запуске агент заново выбирает инструменты и порядок шагов, и за это планирование каждый раз приходится платить токенами и временем. Отчёт приходит в другом формате, потому что модель пишет его с нуля, а иногда в нём пропущен шаг, который агент выполнил неделю назад.
Как объяснить побег ИИ-агентов без заумной терминологии. Сказка «Квак и Жаб» теперь на русском
Помните июльскую историю, когда группа ИИ-агентов вышла из изолированной среды и атаковала инфраструктуру Hugging Face? Об этом уже написаны десятки подробных отчетов. А Квак бы тут сказал коротко: «Они могут набедокурить». И ведь набедокурили. Достаточно хорошо и наглядно всю эту историю объяснила короткая детская книжка с картинками. Там нет заумных технических терминов и занудных подробностей, зато передача сути почти стопроцентная. «Хммм…» — как сказал бы Жаб.Я перевел эту историю на русский язык: «Квак и Жаб и все более способные машины». Теперь перевод лежит на сайте проекта.
Не хакерская атака, а малые дети без присмотра
Недавно в PocketOS связка Cursor и Claude Opus снесла рабочий прод всего за 9 секунд. Обычно после таких историй, когда агент роняет базу или утаскивает на сторону приватные ключи, все по привычке ждут от безопасников большой технический разбор со схемами атаки и списком уязвимостей.Но если убрать пафос, очень часто такие инциденты — это не хакерство, а поведение маленького ребенка, которого забыли в комнате без присмотра. И объяснять такие истории гораздо точнее не сухими графиками, а языком детской сказки.
Где заканчивается самостоятельность ИИ-агента? Я дал ему банковскую карту, телефон, браузер и 200+ MCP: итоги теста
Что показал мой эксперимент:ИИ-агент Ника действительно совершала действия в реальном мире: купила авиабилет, регулярно покупала мне кофе, забронировала гостиницу, столики в ресторанах «Сахалин», «Воронеж», EVA и других, и даже русскую баню в Дубае…В моих тестах главным ограничением стали внешние интеграции: на инструменты, MCP и API приходилось 94% зафиксированных ошибок – именно ошибок, а не всех задач. Готовность внешних сервисов стала одним из главных ограничений.MCP-интеграциям нужен следующий уровень зрелости

