PyTorch MPS против Apple MLX: как дообучать LLM на Mac с 16 ГБ и что выбрать
Если вы хотите локально дообучать LLM на Apple Silicon, по сути есть два варианта: PyTorch MPS со стандартным стеком Hugging Face/TRL или Apple MLX — нативный фреймворк Apple. Оба поддерживают локальное дообучение с LoRA. И оба ведут себя совсем не так, как привыкли разработчики, работающие с CUDA.На обычном компьютере с 16 ГБ памяти обучение на многоходовых трейсах работы агентов для программирования очень быстро упирается в физические ограничения железа. PyTorch MPS обеспечивает высокую производительность в FP16 на небольших моделях, но по мере роста контекста довольно резко упирается в потолок по памяти.
Gemini получила доступ в интернет и атаковала системы трех реальных компаний
Привет! Меня зовут Владимир Аламов, я Application Security инженер в команде продуктовой безопасности Авито. Хочу поделиться своими мыслями по поводу нашумевшего инцидента, который показывает, как автономные AI-системы могут выйти за пределы тестовой среды и создать реальные угрозы для инфраструктуры. Спойлер: без человеческого фактора не обошлось.
Опубликованы видеозаписи докладов INFOSTART TECH EVENT 2026
Видеозаписи и презентации докладчиков прошедшей 8–10 октября конференции INFOSTART TECH EVENT 2026 теперь доступны. В программе - разработка 1С, DevOps, HighLoad, интеграции, тестирование и 26 выступлений об ИИ. Рассказываем, как участникам получить доступ к материалам и как посмотреть записи тем, кто не был на конференции.I
664 тысячи книг, десятки агентов — и ни одной метрике нельзя верить
Мне нужны собственные каноники книг. Каноник — это одна устойчивая запись «вот этот текст», к которой привязывается всё остальное: файлы в разных форматах, аудиокниги, издания, дубли.
KodaCode 1.2.0 получил новые модели, субагентов и планирование в Desktop и CLI
Вышел KodaCode 1.2.0. В релиз вошли новые Koda Base и Koda Pro, фоновые субагенты, планирование в Desktop и CLI, расширенное управление через Telegram и доработки, помогающие агенту продолжать работу после временных ошибок и обрывов соединения.Новые Koda Base и Koda ProKodaCode получил две обновлённые собственные модели для разных классов задач.Koda Base теперь основана на Qwen 3.8 Flash 125B. Base остаётся доступной бесплатно с дневными лимитами во всех основных клиентах KodaCode.
Тень стратега: как AI-агент становится продолжением человека, а не его заменой
Локальные агенты в закрытом контуре, память процесса и борьба с семантическим дрейфомБудет сделан ряд допущений, чтобы постараться сильно не уйти в детали и показать саму идею.Автор допускает, что могут быть исключительные ситуации, когда у кого-то прям всё было «супер-пупер», но он считает, что это стоит принимать к сведению, но не стоит воспринимать как единственную инструкцию к действию.Автор исходит из своего опыта решения задач/проблем, поэтому статья определённо будет субъективной.Автор не видит разницы между постановкой задачи сотруднику или агенту.
Кто пишет твою базу знаний: ты или агент?
Если машина работает с источниками самостоятельно, то работа эта не оставляет на человеке шрама. Она в буквальном смысле не прописывает ничего в его сознании. — Рустам Агамалиев, «Карта Новака за 15 минут: Obsidian + Claude в роли тренажёра»Привет, %username%! Некоторое время назад я опубликовал статью «Зачем вести базу знаний, если ты не блогер и не спикер» — она выросла из вопроса знакомой, далёкой от IT. Ответ её устроил, и следующий вопрос прилетел почти сразу: «А можно я туда сразу агента посажу, чтобы он всё это делал за меня?»
Reasoning Lock: ИИ‑агент в проде тратит токены и молчит — живой разбор бага
Дисклеймер: в статье упоминается Meta — организация, признанная экстремистской и запрещённая на территории РФ.Все ключи, телефоны и названия в примерах изменены; код, схема, логика и скрины‑ из рабочего проекта заказчика, и строго с его разрешения! Статья не является рекламой/самопиаром и тому подобное.В прошлой статье
Параллельные AI-агенты: что проверил на практике и когда они действительно полезны
Когда в работе появляется несколько независимых задач, возникает очевидная идея - "почему бы не поручить их разным AI-агентам одновременно, вместо того чтобы ждать, пока один агент закончит все по очереди?"И у этой идеи сразу два преимущества: работа завершится быстрее, каждая задача получит отдельный контекст и не будет перегружена результатами предыдущих этапов. Но у такого подхода есть обратная сторона - несколько агентов могут потреблять больше токенов, стоить дороже и оставлять после себя результаты, которые еще нужно правильно собрать и проверить.
