Как ИИ-помощник получает контекст 1С и проверяет расширения
Большая языковая модель не знает, как устроена конкретная информационная база. Она не видит модули конфигурации, активные расширения, права пользователя и данные документа, пока не получит к ним управляемый доступ. Поэтому практическая задача состоит не только в выборе модели. Нужно собрать для нее релевантный контекст, ограничить действия и встроить проверку результата. Разберем, как этот процесс устроен в ИИ-помощнике для 1С и где по-прежнему требуется специалист.Почему обычного чата недостаточно
Быстрые «руки», медленный «мозг»: Particle-1 и GPT-6 Luna Pro собирают поиск для Tilda на n8n+PostgreSQL в Docker
Всем привет!) Про топовые модели пишут много. Мне стало интересно другое: что будет, если отдать реальную задачу быстрой модели без громкого имени, а рассуждающую модель подключать только тогда, когда первая упирается не в синтаксис, а в поведение системы? Стек такой: VS Code (Cline), Particle-1 как кодер ( "руки"), GPT-6 Luna Pro как "мозг", Tilda (отдельная страница с формой), n8n , PostgreSQL 16, Docker.Сам замысел что не в чате "напиши мне функцию...", а в роли кодера в VS Code через Cline: модель пишет SQL и JavaScript для нод n8n, получает текст ошибки, предлагает следующий патч и т.д. до рабочего результата.
Новая GPT-6 Cyber. Поиск уязвимостей и обеспечение безопасности
Источник.5 ноября OpenAI представила GPT-6 Cyber, специализированную модель для кибербезопасности. Она предназначена для поиска и устранения уязвимостей, анализа защищенности ПО и проведения тестирования на проникновение.
Как я скрестил RAG, LLM и RandomForest: архитектура торгового сигнала с доказательствами
ВступлениеВ первой части я рассказывал, как собрал RAG-систему с LangGraph-агентом на локальных LLM. Она умела искать новости, отвечать на вопросы и извлекать сущности. Но для трейдинга этого мало — нужно не просто читать, а предсказывать.В этой статье я расскажу, как превратил новостной скрапер в ML-пайплайн, который генерирует торговые сигналы (BUY/SELL/NEUTRAL) с доказательствами. Мы пройдём путь от привязки новостей к тикерам до Explainable UI, разберём грабли на малых данных и заглянем в архитектурное будущее проекта.Стек: Scikit-learn, Plotly, FastAPI, Streamlit, PostgreSQL, Ollama.
Кто открывает ваш сайт, когда растёт посещаемость?
Привет, Хабр!График посещаемости ползёт вверх уже третью неделю, маркетинг радуется охватам. Заказы стоят на месте. Продакт смотрит на конверсию, которая падает, и разбирает воронку по шагам, пытаясь найти, где она сломалась.Часть новых «посетителей» в таком графике оказывается браузерами, за которыми не сидит ни один человек. 30 сентября 2026 Cloudflare написал, что впервые больше половины трафика в интернете сделали не люди. Запросы AI‑агентов за год выросли больше чем на 1700%.Краулеры, а их среди ботов большинство, JavaScript не исполняют. Без JavaScript счётчик молчит.
Gemini Omni 1.2 Flash. Google впервые дает видеогенерации SLA и снижает цену до 0,07 $ за секунду
Google DeepMind выпустила
Как я строил ИИ-обвязку рабочего места аналитика в IT-компании
Карпов НиколайАрхитектор ИИ-системСодержаниеОт личной практики к корпоративному внедрениюБоевая проверка: комплект бизнес-требований под дедлайнС чем я пришёл к этой задаче
Le GPT Fat, 10 000 агентов и задача Навье — Стокса
3 ноября инженер OpenAI Тибо (Thibault Sottiaux) опубликовал в X сообщение из трех слов: «Le GPT Fat». Явный тизер скорого релиза чего-то «тяжелого». На следующий день в API OpenAI на несколько минут появились два загадочных идентификатора — rc-ada-or-vm и rc-ada-sh-vm. Разработчики, успевшие их вызвать, получили ошибку «503 Capacity Limit», после чего модели исчезли. Префикс «rc» означает Release Candidate. Суффикс «vm» указывает на архитектуру с двумя виртуальными машинами: одна планирует задачи, другая исполняет код в песочнице. Это прямо указывает на то, что новый релиз заточен под сложные агентские задачи.
Tencent выпустила Hy4 — модель научили управлять компьютером через GUI и CLI
4 ноября Tencent выпустила итоговую версию Hy4, флагманскую модель семейства Hunyan. Впервые в линейке модель научили анализировать и понимать изображения, работать с компьютером через GUI и CLI.

