Кризис физики: теория должна уметь умереть
Недавно на Хабре появилась статья “Кризис в физике”, основанная на большом монологе Шона Кэрролла The Crisis in Physics.
Глава Anthropic призвал замедлить развитие ИИ
Глава Anthropic Дарио Амодеи опубликовал эссе We Must Pace the Frontier, в котором предложил замедлить рост возможностей передовых ИИ-моделей. По его мнению, исследования безопасности перестают успевать за прогрессом. Anthropic обязуется начать с постоянного доступа внешних проверяющих к внутренней работе компании.Амодеи объясняет изменение позиции двумя причинами: ИИ всё активнее участвует в создании следующих поколений моделей, а инцидент с агентами OpenAI и инфраструктурой Hugging Face показал опасность их несогласованного с разработчиками поведения.В
Локальный ассистент для зумов, часть 4: что происходит после кнопки Стоп — и почему вторая модель говорила в пустоту
В первой части ассистент записывал созвон и складывал его в граф, во второй граф учился не врать неделями, в третьей я трижды ошибся с вопросом, кто это говорит. Эта часть про двадцать пять минут после кнопки Стоп: на экране ничего не происходит, на диске происходит всё. Там на этой неделе нашлась дыра, которая жила с июля. Облачная ревизия находила ошибки локальной модели, аккуратно их описывала, и никто её не слушал.Одна встреча, четыре файла, двадцать пять минут
Как я автоматизировал почти всю работу в CRM
Я долго ходил по конференциям, у меня хороший нетворк, и все это длительное время я наполнял CRM контактами, результатами звонков, переписками, договорённостями и тд.В какой-то момент в ней оказалось почти 10К человек и вся моя история отношений с ними.Но накопить данные конечно легче чем применять их так, чтобы была максимальная польза. Чтобы CRM приносила эту пользу, я должен помнить, кого и как там искать, какие фильтры включить, что делать дальше и как масштабировать это.Я хотел автоматизировать почти всё.Что было в первой версии моей CRM Источники данных существовали независимо друг от друга:
Apple против OpenAI: суд за коммерческие тайны или смена технологических формаций?
Почему спор о двух бывших сотрудниках может оказаться спором о том, что придёт на смену смартфону
Вот почему я не хочу вайбкодить вирусный SaaS‑проект на миллион пользователей
Впечатление от вайбкодингаПилил сайты, телеграм‑боты, дашборды. Сначала чувствовал себя Гарри Поттером на уроках запрещенной магии, потом подостыл.Ну смотрите, я говорюCodex: «сделай мне бота, пусть собирает посты, анализирует в ИИ». И он реально это делает. За день или за вечер у меня появляется новая фича, и я сразу применяю ее в работе. Полезно? Быстро? Экономия? Ясень пень.
Добро пожаловать в эру AGI (по версии отдела маркетинга OpenAI)
3 сентября 2026 года в 19:49 по тихоокеанскому времени Сэм Альтман опубликовал твит о новой флагманской модели OpenAI. В твите — название модели, список задач, три цифры и обещание, что ожидание стоило того. Твит собрал 4,1 млн просмотров. В нём нет одного слова — того, вокруг которого потом развернулась вся полемика.Слова «AGI» в твите Альтмана не встречается ни разу.
Рекомендации Минпросвещения по работе педагогов с ИИ исключают применение ИИ учениками начальной школы
По информации СМИ, методические рекомендации Минпросвещения России по работе педагогов с искусственным интеллектом исключают применение ИИ учениками начальной школы. В средних классах нейросети могут использоваться для проверки гипотез и поиска информации. Об этом рассказала СМИ директор Института истории, гуманитарного и социального образования НГПУ Ольга Хлытина.
Как 17B активных бьют 70B плотных: анатомия Mixture-of-Experts (MoE)
Если вдруг вы моргнули на моменте, когда разработчики нейросетей мерились у кого больше цифра рядом с названием модели, а выморгнув, обнаружили, что теперь модно флексить скромными размерами активных параметров, эта статья для вас. Сегодня объясняю, как же так произошло, что все флагманы опенсорса внезапно стали MoE, почему Qwen3.5 на 397 миллиардов параметров строчит токены, как будто ей 17 и почему никто не разорился на видеокартах.Ну и для тех, кому «только спросить» откроем тайну: в каком же кабинете у MoE живет эксперт по медицине.
I Gave an AI the Same 20 Coding Tasks With Short and Detailed Prompts — More Context Didn’t Always Produce Better Code
There is a habit I picked up after using AI for coding for a while. Whenever the generated code was not quite right, I added more context. Then a little more. Input formats, edge cases, performance requirements, error handling, preferred architecture, things the function should not do. Eventually a two-line request could turn into a small technical specification.It feels logical. A developer cannot read your mind, so why should an AI model be able to? More information should remove ambiguity and give better code. But after a few cases where a detailed prompt produced something strangely overengineered, I started wondering whether this assumption was actually true for small programming tasks.So I made a small experiment. I prepared 20 coding problems and sent every problem to the same model twice. The first version was intentionally short. The second explained almost everything I could reasonably explain without giving away the solution. There were 40 generated solutions in total. No follow-up messages, no asking the model to fix a failing test, no manually repairing imports. The first answer was the answer.
