llm.
ИИ-трансформация 2026: от хайпа к инфраструктуре. 5 структурных сдвигов, которые меняют стек технологий
Еще недавно ИИ был набором экспериментальных фич. В 2026 году мы видим, как он превращается в «невидимую инфраструктуру». По прогнозам Goldman Sachs, расходы на ИИ превысили $500 млрд, но главная новость не в деньгах, а в архитектуре: ИИ консолидируется в суперприложения и агентные системы, которые берут на себя управление рабочими процессами.Разбираем пять трендов, которые определяют, как мы будем кодить, строить бизнес и управлять данными в ближайшие годы.1. Агентные системы как новая рабочая сила
«Важно доставлять, а не понимать» — идеальный способ работы с нейросетями
«Важно доставлять, а не понимать» — звучит модно, а ломает всё по классике.Последние месяцы я вижу одну и ту же сцену.Кто-то начинает активно применять нейросети в разработке — и первые недели ощущение кайфовое: код появляется быстрее, задач закрывается больше, “как будто полетели”.А потом начинаются знакомые фразы:“стало больше багов, хотя писали быстрее”“вроде всё правильно, но не работает”“оно компилируется, значит норм”“главное — доставлять, а не понимать”Вот с последним тезисом я не согласен.
Может ли ИИ заменить QA?
Уже несколько лет подряд у всех на слуху ИИ и тезисы о том, что он заменит человечество, а если и не заменит, то ускорит до немыслимых высот. Сегодня я хотела бы подискутировать на эту тему в области обеспечения качества, хотя рискую, кажется, оказаться в ряду динозавров.Всем привет, меня зовут Настя, я QA Lead, преподаватель курса «JavaScript QA Engineer»
«Не учись на программиста» — что бы я сказал своему ребёнку в 2026-м
Мэтт Шумер написал, что мы на пороге чего-то огромного. У меня команда из 54 человек и 44 AI-агентов — и я с ним согласен.Мне 40 лет. Я руковожу IT-компанией на 80+ человек, где в AI-команде работает 54 специалиста и 44 AI-агента. Не чат-бота для поддержки — полноценных агентов, которые пишут код, находят баги, деплоят, ревьюят друг друга и спорят о лучших решениях.Если бы мой ребёнок подошёл и спросил «пап, хочу стать программистом» — я бы ответил: учись на промпт-инженера.
LLM модели: зарубежные VS отечественные
Когда команда выбирает LLM для продакшена, «сравнение по бенчмаркам» — это лишь первый фильтр. Для CTO ключевой вопрос звучит иначе: какую комбинацию качества, стоимости, стабильности API, юридических ограничений и интеграций мы получим на реальной нагрузке. Я разобрал популярные модели через призму двух контуров: качество/бенчмарки и инфраструктурная пригодность.Сравнение бенчмарков
LLM – чистые эмоции
Главный отклик, который у меня вызывают LLM – это эмоции.Они все разные. Не только как модели, но и как каждая конфигурация в отдельном чате.Если вы это читаете, скорее всего знаете – LLM (без специальных костылей) знает только то, что видит в данный момент, в контексте системного мессаджа и конкретного диалога. В этом есть какой-то дзен – существует только то, что мы чувствуем сейчас. Нет ни прошлого, ни будущего.Мне поначалу трудно было это принять, но теперь я это даже ценю. Добавляет остроты моменту.Каждая LLM и каждая конфигурация – разная
Почему LLM продолжают генерировать ошибки в коде — и это не исправить масштабированием
Представьте типичную ситуацию: вы просите модель написать функцию обработки данных для корпоративного проекта. Код появляется за секунды, выглядит аккуратно, проходит локальные тесты. Но в продакшене всплывают скрытые проблемы: логика чуть расходится с требованиями в граничных условиях, или код игнорирует специфические ограничения внутренней библиотеки, которую модель никогда не видела в обучающих данных.
Подключаем российские AI-сервисы к OpenClaw: GigaChat, YandexGPT и Yandex 360
Подключаем российские AI-сервисы к OpenClaw: GigaChat, YandexGPT и Yandex 360TL;DRСобрал пять агентов на базе OpenClaw: Jarvis (Claude Sonnet 4.5), Coder и Planner (Claude Opus 4.6), Ruslan (GigaChat-Pro) и Яша (YandexGPT). Все работает через Telegram. Полный код и навыки — на GitHub: openclaw-ru-skills.Зачем это нужноOpenClaw — это персональный AI-ассистент с открытым кодом, который умеет в мультиагентность, инструменты и интеграции. Из коробки работает с Claude, GPT, и другими западными моделями. Но что, если хочется добавить российские сервисы?
Защита LLM за 3ms: как я построил open-source иммунную систему для AI
TL;DR: Я строю open-source платформу AI-безопасности SENTINEL — 116K строк кода, 49 Rust-движков. Недавно добавил Micro-Model Swarm — рой из крошечных ML-моделей (<2000 параметров каждая), который детектит jailbreak-атаки с точностью 99.7%. Обучил на 87 056 реальных паттернах. Работает за 1ms на CPU. Без GPU, без облака, без компромиссов.Зачем я вообще за это взялсяВ 1998 году антивирус казался паранойей. В 2008 — стандартом. AI Security сегодня — это антивирус в 1998.Я наблюдаю за этим рынком с 2024 года, и цифры говорят сами за себя:340% рост инцидентов с AI-атаками за 2025 год$51.3B — оценка рынка AI Security (Gartner, 2026)
