llm. - страница 14

llm.

Как спланировать инфраструктурную задачу и не сломать мозг: разбор на примере деплоя в AWS

продолжить чтение

Рой ИИ‑агентов против настоящих целей: уязвимости в OAuth‑библиотеке и две машины HackTheBox

В прошлой статье я показывал DreamTeam. Это опенсорс‑фреймворк на Python для роя ИИ‑агентов без начальника. Агентам дают цель, общую доску задач, общую git‑папку и право писать себе инструменты и скиллы. Дальше они сами раскладывают работу, разбирают задачи и проверяют друг друга. В той статье рой решал математические задачи и писал инструмент под скрытый бенчмарк.

продолжить чтение

Токены дешевеют, а счета за ИИ растут. Экономика LLM на конец 2026 года

Всем привет!В предыдущих статьях я разбирал локальный инференс: на каком железе запускать большие языковые модели и как подключить их к Claude Code. Локальные модели хороши тем, что за каждый токен платить не нужно. Но в корпоративной практике основная нагрузка приходится на облачные модели OpenAI, Anthropic и Google, и вопрос их стоимости становится для продуктовых команд одним из ключевых при планировании.

продолжить чтение

Почему Claude Code нарушает правила из CLAUDE.md и почему вам точно нужны разрешения и хуки

Claude Code читает CLAUDE.md в начале каждой сессии, но запрет из этого файла агент всё равно может нарушить. По словам автора issue #46779

продолжить чтение

От предложений LLM к управляемому исполнению: опыт разработки AI‑агента

Подключить AI‑агента к инструментам — лишь часть задачи. Гораздо сложнее организовать его работу там, где недостаточно уверенного ответа модели и необходимо соблюдать ограничения, контролировать действия и проверять последствия.Например, если агент предлагает восстановить деградировавший сервис, кто проверит: выдержит ли инфраструктура переключение трафика? выполнены ли все необходимые условия? действительно ли сервис восстановился?

продолжить чтение

Как запустить OpenCode на сервере: автономные ИИ агенты

За последние три года слово «ИИ-агент» вы слышали точно. Может, даже работали с Claude Code или Codex — или хотя бы наблюдали со стороны. И вот беда: оба закрытые и проприетарные, заточены под модели своих авторов. Тут и появляется OpenCode — open-source harness-система, где агент читает файлы, гоняет тесты, дёргает другие модели в помощь, передаёт задачи субагентам, подключает MCP, скиллы, плагины. И никакой привязки к вендору: подключай официальных провайдеров, сторонние шлюзы, тот же GLM 5.3 или Claude Opus 5.5 — что хочешь.

продолжить чтение

Почему я не доверил LLM выбор архива: план поиска предков на JSON-справочниках и правилах

Я делаю сервис, который по фамилии, десятилетию рождения и региону отвечает на два вопроса: какие документы той эпохи могли сохраниться и в каком архиве их искать. Очевидное решение 2026 года, один промпт, я отбросил сознательно: модель уверенно называет архивы, которые давно переименованы, и фонды, которых никто не видел. Ниже — как устроено ядро без модели (три слоя JSON-справочников, у каждой записи источник и статус проверки, плюс десяток правил), где модель всё-таки есть и почему там она не может назвать архив, даже если очень захочет.Постановка: что здесь считается ошибкой

продолжить чтение

Агент написал верный код, а потом удалил его ради скрытых тестов: что показал MaxxBench

Мы поменяли требования в задачах кодингового бенчмарка и увидели, как модели отговаривают себя их выполнять.Иногда агент прекрасно понимал новое требование. Он описывал, что нужно изменить, прикидывал реализацию, а потом решал, что скрытые тесты, скорее всего, ждут чего-то другого. В одном прогоне модель правильно реализовала изменение, спросила у другой модели исходное решение бенчмарка и, получив его, удалила свой правильный код.

продолжить чтение

Нейросетевая чертовщина 2026 года и странные артефакты машинного разума

Десять лет назад поиск аномалий в сети был уделом исследователей и безопасников: они сканировали диапазоны IP-адресов, искали забытые ханипоты, анализировали утечки из баз данных и разбирали городские легенды даркнета. Интернет казался огромной промзоной, где за каждой странной находкой стояла чья-то халатность, кривой конфиг nginx или арт-хаос. К концу 2026 года природа "призраков в машине" изменилась.

продолжить чтение

Как обойти Llama-3 70B моделью в 600 раз меньше: Теорема Платона, JEPA и революция Моделей Мира

Важный дисклеймер: это адаптация недавнего исследования Рэнделла Балестриеро и Яна ЛеКуна «Proving and Improving the Platonic Representation Hypothesis with JEPAs

продолжить чтение