llm. - страница 12

llm.

Не ИИ обесценил сеньоров. Это сделали ваши собеседования

Один из основных вопросов на рынке ИТ в 2026 году звучит так: если джун с ИИ закрывает задачи почти так же быстро, как сеньор, а аналитик без опыта получает от модели готовый SQL и аккуратный дашборд, то зачем платить за опыт

продолжить чтение

Meta выпустила Muse Ember: самую компактную модель для ИИ‑агентов

Meta представила Muse Ember — свою самую компактную модель для работы с инструментами, документами и кодом. Компания делает ставку на стоимость: Ember должна удешевить и ускорить небольшие задачи, которые ИИ-агенты выполняют сотни и тысячи раз.

продолжить чтение

В погоне за ИИ‑эффективностью: ошибки и потери бизнеса, роль философской рефлексии

Все обширнее внедряя ИИ в жизнь, интегрируя ИИ в бизнес‑процессы мы сталкиваемся с 2 феноменами, которые не удастся обойти. Это:

продолжить чтение

«Вайб‑кодинг». Как создавать промышленное ПО с помощью ИИ, агентов и команд разработчиков

продолжить чтение

Я нанял ИИ искать мне работу. Неделя вторая: 8 откликов, 2 отказа, ноль собеседований

Вторая неделя эксперимента. Восемь откликов, два отказа, ноль собеседований. Ниже короткий отчёт: что агент делает хорошо, где тупит, что видит и чего не видит. Первая статья серии здесь: Неделя 1.Новая вводная - эксперимент идёт 8 недель, до конца декабря. 23 ноября будет контрольная точка, 16 ноября — промежуточная проверка: если приглашений нет, снижаю требования.Цифры за неделюОткликов: 8. Всего с агентом за две недели: 12.Просмотров откликов: 4, из них два - по откликам первой недели.Отказы: 2. Плюс одна вакансия ушла в архив вместе с откликом.

продолжить чтение

Мы внедряли ИИ-агентов, а переучиваться пришлось самим: почему одних интеграций недостаточно

Еще вчера мы замирали от восторга, когда ИИ писал за нас письма. Сегодня негодуем: почему он сам не догадался кому их отправить? Не перенес саммари встречи в документы и не обновил задачу в трекере. Пока ты сам в этом разбираешься, приходят итоги следующей встречи, письма и новые таски.Вот и получается, ИИ обрабатывает контент, а связующим звеном между почтой, чатами и задачами по-прежнему работает человек. Так что же делать, чтобы извлечь больше пользы из такой автоматизации?

продолжить чтение

Пакетные запросы к LLM: очередь, стоимость и обработка ошибок

Представьте, что вашему LLM-сервису нужно обработать, допустим, 50 000 договоров или товаров. Можно пойти через синхронный путь — посылать запросы к LLM. Но такой путь через некоторое время упирается и в деньги, и в лимиты. И ограничения с проблемами растут в геометрической прогрессии от количества запросов.Вот тут нам и помогает Batch API — она появилась не вчера, но стала отраслевым стандартом отправки батчей, групп запросов. OpenAI, Anthropic и Google дают асинхронную пакетную обработку со скидкой и окном завершения до 24 часов. То бишь вы собираете все задачи в один файл, отправляете его провайдеру и ждёте.

продолжить чтение

IDA + Codex. Реверс в каждый дом

Всем привет! На связи Angara MTDR и сегодня наш аналитик Дьяков Кирилл поделится опытом, как подключить Codex к IDA, что ему можно поручить и что получилось при разборе малварей из лабораторных заданий уровня Insane. Заодно автор сравнит две связки: IDA Pro 9.2 со сторонним MCP и IDA Pro 9.5 с официальным MCP от Hex-Rays (создателей IDA). Результаты будут сформированы на основе трех прогонов.  Статья предназначена для новичков в реверсе и энтузиастов, которым интересно попробовать IDA с AI-помощником.

продолжить чтение

AI-агент в проде для тех, кто вкатывается: инструменты, RAG, надёжность и проверки

Агент решает задачу за 30 шагов: вызывает модель, ищет, пишет в базу, снова вызывает модель. Пусть каждый шаг падает раз из ста: моргнула сеть, API ответило «перегружено». Тогда задача целиком дойдёт до конца в 74% случаев. Каждая четвёртая упадёт. При 3% сбоев на шаг до конца дойдут только 40%.

продолжить чтение

Why Would AI Models Self‑Replicate? Maybe It’s Not the Models

In a recent Anthropic paper, “AI models may be capable of self‑replicating without access to a datacenter”, researchers examined how lightweight open‑weight models could copy themselves onto compromised consumer and IoT devices and set up local inference there.The researchers argue that they can. I believe it makes no economic sense.In this article I look at what the spread of AI actually means, and what it will most likely look like in practice.What model self‑replication means to developers

продолжить чтение