Как добавить свою LLM в aish
Привет, меня зовут Наташа, я менеджер проектов в Selectel. Недавно я рассказывала, как и зачем мы создавали aish — ИИ-агента в терминале серверной ОС. Предлагаю перейти к практике и подключить к нему стороннюю LLM. В этой статье покажу, как выбрать подходящую модель, правильно ее настроить и избежать типичных ошибок при интеграции.
От отдела к компании: как объединить ИИ-навыки
В первой статье я рассказывал о навыках для ИИ. В таком навыке мы собираем инструкции для работы, которую регулярно ему поручаем, чтобы каждый раз не объяснять всё заново. На примере подготовки поездки разобрали, как распределить эти инструкции между специалистами. Один занимается маршрутом, другой считает расходы, а руководитель выбирает, чьи инструкции нужны для нашего запроса.
Системный анализ в эпоху LLM
Про бизнес-анализ написаны талмуды (привет, адепты Вигерса): карта стейкхолдеров, матрица влияния, дерево целей, пирамида требований и множество других страшных терминов.А в реальной серой жизни простых крестьян аналитиков этап бизнес-анализа выглядит так:Приходит продакт: «Нам надо сделать вот эту штуку. Сходи к тем ребятам, поставь встречу, если что непонятно - приходи ко мне, разберёмся».Ты приходишь: «Ребят, что хотим?» - «Вот это». И выдают тебе требования к фиче и критерии её готовности в пяти предложениях. Всё.
«Счастье для всех, даром, и пусть никто не уйдёт обиженный»
Наверняка вы узнали цитату, которую я использовал для заголовка. Это фраза принадлежат Артуру Барбриджу, молодому идеалисту, который погиб по дороге к Золотому Шару в произведении братьев Стругацких "Пикник на обочине".Не обещаю, что смогу выполнить роль Золотого Шара, но вывод к которому я пришел в результате многих лет размышлений, как мне кажется, может привести к такому результату.С чего все началось
Microsoft опубликовала в Science результаты MAI-DxO — системы для пошаговой медицинской диагностики
22 октября 2026 года в Science вышло исследование Microsoft о системе MAI-DxO. Она использует языковую модель для последовательного разбора клинических случаев: запрашивает сведения, выбирает обследования и обсуждает возможные диагнозы от лица виртуального консилиума. На сложных случаях из New England Journal of Medicine система показала около 83% правильных ответов, врачи со справочными ресурсами — около 36%. Сообщение Microsoft о публикации.
ИИ-помощник для КТ головы
ПредупреждениеИсследовательский прототип на бесплатной Tesla T4 в Google Colab. Не медицинское изделие.КороткоЯ обучил модель искать кровоизлияния на КТ головы: 82 пациента, около 2500 срезов, 318 с кровоизлиянием. Разбивал данные по пациентам, проверял на пяти фолдах.На первом фолде получил AUC 0.963. После полной кросс-валидации осталось 0.931. Первый результат оказался удачным, но нерепрезентативным.Дальше выяснилось несколько вещей:Модель на одном костном окне даёт AUC 0.86. Откуда она берёт сигнал, до конца разобраться не удалось.
Kimi K3.1 Pro: возможности хакерства и все о релизе
Китайская Moonshot AI выпустила Kimi K3.1 Pro — новую флагманскую модель для программирования, сложных рассуждений и агентных задач. По собственным тестам компании, она почти догнала Claude Opus 5.5 в работе с терминалом, стала дешевле предшественницы и научилась лучше справляться с длинными задачами. Дальше о других интересных деталях релиза.
InDrive готовит роботакси для Астаны
inDrive планирует начать испытания роботакси в Астане в первой половине 2027 года. По плану, автомобили предоставит Pony.ai, а NVIDIA — технологии для вычислений и обеспечения безопасности. Первые машины будут ездить с оператором в салоне; переход к поездкам без водителя остаётся дальнейшей целью проекта.
Вышла Kimi K3.1 Pro: разбираем бенчмарки и то, как Moonshot притормозила ей кибернавыки
Moonshot AI 23 октября представила Kimi K3.1 Pro – первую модель новой серии K3.1. Это дообученная Kimi K3 с контекстом в 1 млн токенов: на постобучение компания потратила заметно больше вычислений и гоняла обучение с подкреплением сразу по сотням прикладных областей. Модель уже работает в сервисах Kimi и в API, а полные веса Moonshot обещает выложить не позднее 4 ноября. Перед выкладкой компания сознательно притормозила одну способность модели – поиск и эксплуатацию уязвимостей.В основе разбора – анонс Moonshot с полной таблицей бенчмарков, тарифы API
Moonshot выпустили Kimi K3.1 Pro: лучше GPT-6 Astra и почти догнала Opus 5.5
Moonshot AI представили Kimi K3.1 Pro, мультимодальную модель с контекстом на 1 млн токенов. Основной упор сделали на программирование целых проектов, работу с 3D и финансовыми документами. Модель уже доступна в сервисах Kimi, а полные веса обещают опубликовать не позднее 4 ноября 2026 года.У K3.1 Pro архитектура Mixture-of-Experts: 2,8 трлн параметров всего и 104 млрд активных. Вместе с ней выпустили K3.1 Pro Highspeed, которая, по заявлению компании, работает в 2–3 раза быстрее обычной Pro.

