Вайбкодинг по Chess’ноку. 1. e4
От вайбкодинга к профессиональной ИИ-разработке на примере LanChess: 3300 промптов, 832 коммита, 100 тыс. строк кода и путь от POC к продакшен-сервису.По чесноку
Я не программист. Я два месяца учил нейросеть не подлизывать
Я не айтишник. Я технарь. Пять лет отслужил по контракту, после - вахты. В минус шестьдесят четыре чинил подъёмник каротажной станции, отогревал дизель пушкой, получал ожоги о холодный металл. На вахтах во время актировок начал ковырять Unreal Engine 5 - чтобы время убить. Домой привёз не только больную спину, которая ссыпается осколками позвонков в трусы, но и хобби.Нейросети я начал использовать в декабре 2025-го, когда понял, что с движком один не справлюсь. И первое, что меня взбесило - не галлюцинации. К вранью я привык, люди тоже врут. Взбесило другое.
Глухой телефон для ИИ: мы замерили физику LLM-графов и поняли, почему добавление агентов всё ломает
Сейчас, в 2026 году, индустрия ИИ переживает бум мультиагентных систем. Все собирают свои «рои», фреймворки и crew-команды. Логика проста: если одна LLM умная, давайте свяжем десять, дадим им роли, и они свернут горы.Но на практике мы часто сталкиваемся с магией черного ящика. Иногда 10 агентов действительно решают сложную задачу. А иногда они скатываются в бесконечные галлюцинации, теряют изначальный контекст и выдают результат хуже, чем базовая модель соло. И индустрия решает эту проблему в стиле алхимиков: «просто добавьте еще агентов» или «дайте им больше токенов на общение».
Сэм Альтман подтвердил, что ИИ-пузырь начал сдуваться
Давайте будем честны: лучше бы ИИ-пузырь не лопнул резко, а медленно сдулсяИ, возможно, мы наблюдаем именно это. OpenAI умерила свои аппетиты. Она сократила прогнозные инфраструктурные расходы до 2030 года с
Как не превратить ИИ в машину выгорания: протоколы, итерации и культура
Начнём с разбора людей, их ролей и мотиваций.Возьмем классическую ролевую модель, пока на операциональном уровне.Управляющий — исполнительУправляющий (менеджер, тимлид) — заинтересован в росте метрик и выполнении большего объёма задач за более короткий срок.Исполнитель — заинтересован в том, чтобы выполнить поставленный объём задач в сжатые сроки.На выходе мы имеем такую картину:Исполнителю приходит больший объём задач, но он получает меньше качественной положительной стимуляции.Управляющий доволен тем, что метрики растут, и радостно несёт результаты руководству.
Китайский разработчик роботов UBTech Robotics готов платить $18 млн в год главному учёному по робототехнике
Китайская компания-разработчик человекоподобных роботов UBTech Robotics ищет главного учёного по робототехнике, предлагая зарплату до $18 млн в год. Компания указывает, что эта должность будет определять стратегию развития гуманоидных роботов и воплощённого искусственного интеллекта, а также руководить исследованиям в области больших языковых моделей.
Microsoft вложит $10 млрд в японские ИИ-проекты
До 2029 года Microsoft планирует инвестировать $10 млрд в инфраструктуру искусственного интеллекта и облачных вычислений Японии, пишет местное информационное агентство Kyodo News со ссылкой на вице-председателя и президента американской корпорации Брэда Смита. На встрече с премьер-министром Японии Санаэ Такаити топ-менеджер сообщил, что в рамках этого плана Microsoft объединится с холдингом SoftBank и поставщиком облачных услуг Sakura Internet.
В Великобритании подросток решил раздеться перед Gemini Live в режиме камеры, после этого ИИ удалил все аккаунты семьи
В Великобритании 14-летний подросток решил раздеться перед голосовым помощником Gemini Live с доступом к камере планшета. В результате искусственный интеллект удалил все аккаунты семьи и документы родителей несовершеннолетнего.
Renga API: автоматизируем автоматизацию с помощью ИИ-агентов
Щупаем внутренности Renga. В этой статье залезу под капот к отечественному ПО и разберу его API. Сравню с западным конкурентом и заставлю подружиться с ИИ.В этой статье:
Norges Bank Investment Management: как норвежский фонд использует ИИ в каждом отделе
NBIM (Norges Bank Investment Management) — крупнейший в мире государственный фонд — за 2 года провел тотальную ИИ-трансформацию. Вместо поиска одного «золотого кейса» компания внедрила ИИ в 171 процесс.Ключевые решенияПринудительное обучение всех сотрудников (даже нежелающих), отказ от Scrum в пользу микрокоманд (2 разработчика + 1 бизнес-чувак), создание агентной архитектуры для критических инвестиционных решений. Результат Более 50% сотрудников теперь пишут код, экономия расходов на торговых издержках, сокращение времени подготовки к встречам на 80%.Ниже представлено

