llm.
Тесты как промпт: подход TDD при работе с ИИ-агентом
Всем привет. Меня зовут Егор Гурин, я Go-разработчик из МТС Web Services. В предыдущем тексте я рассказывал о Document Driven Development. Если коротко, эта методология предлагает проектировать контракты до того, как начинается разработка.
Ограничение данных для российских моделей приведет к потере их конкурентного преимущества
Российские большие языковые модели справляются лучше иностранных нейросетей в задачах, где требуется знание русского языка, истории и локального культурного контекста. При этом сохранить это преимущество можно только при наличии достаточного для обучения объема как качественных русскоязычных данных, так и данных на других языках. К такому выводу пришли авторы исследования российского рынка LLM и данных для их обучения, подготовленного Институтом ИИ ИТМО при участии экспертов ИТМО, МГУ, РАНХиГС, ВШЭ, AIRI и российских технологических компаний.
13 задач на Python в OpenCode: DeepSeek Flash обошёлся в $0,67, Claude Opus — в $8,76
Сколько стоит поручить одну и ту же задачу DeepSeek и Claude в OpenCode? Для проверки взял 13 задач на Python: десять отдельных функций и три небольших репозитория. Четыре модели, по три попытки на задачу — 156 запусков. Суммы в заголовке — реальные списания за все 39 запусков каждой модели.После исправления ошибки в моём скрипте проверки у каждой модели получилось 39 из 39. С баланса TeamoRouter за Flash списалось $0,67, за Sonnet — $3,65, за Opus — $8,76. V4 Pro обошёлся в $2,89. После предыдущего сравнения API-шлюзов выбрал этот сервис из-за цены.
ПСБ проведёт в Ярославле ИТ-конференцию «Нейродень»
28 ноября ПСБ проведёт в Ярославле ИТ-конференцию «Нейродень: ИИ, тренды, нетворкинг». Разработчики, аналитики и архитекторы обсудят, какие задачи уже можно поручить ИИ-агентам, как проверять результаты их работы и в каких случаях решение должен принимать человек.
Как я прикрутил GigaChat и GigaAM к озвучке русской TTS
Коротко о том, что было: три TTS-движка уверенно ставят русские ударения не туда («гудни» читалось как «гУдни»), словари произношения ElevenLabs на моем тарифе закрыты, поэтому живу на гейте ruaccent плюс ручной словарь подмен — было 51 слово. Работает, но руками.Здесь — как я заставил две модели Сбера разгрести рутину, и главный урок, за который стоило всё это затеять.GigaChat расставляет ударенияИдея: отдать LLM весь банк текстов и собрать лексикон ударений. У GigaChat есть бесплатный тир на год (250 млн токенов Lite, 40 млн Pro, 25 млн Max и 50 млн Ultra), регистрация по Client ID, scope GIGACHAT_API_PERS. Подключение — одна строка:
Control: администрирование Jira через чат — с превью последствий
Как менять конфигурацию через чат — с превью последствий и без иллюзии, что модель не ошибается. Всем привет, меня зовут Руслан, я Atlassian-инженер. Люблю писать плагины и автоматизации и не люблю всё, что делается мышкой по двадцать раз: workflow на 20 статусов и 40 переходов, очередное поле, похожее на предыдущие десять. По отдельности каждая такая просьба — «на пять минут». Подвох в том, что настройки Jira часто общие для нескольких проектов, и пять минут легко превращаются в разбор чужих схем.
Настраиваем Qwen Code под проект: QWEN.md, правила, MCP, субагенты и песочница
После установки Qwen Code работает «как есть»: каждый раз заново изучает репозиторий, спрашивает одно и то же и тратит токены на то, что можно было сказать один раз. В прошлой статье разбирали, как подключить Qwen Code к своему ключу и OpenAI-совместимому провайдеру. Теперь — следующий шаг: настроить его под конкретный проект так, чтобы он меньше спрашивал, меньше тратил и не мог случайно навредить.Что будем настраивать:QWEN.md — постоянные инструкции для проекта.Правила — инструкции, которые подгружаются только когда нужны.
«LLM без OCR в обработке документов не работает»: как «АльфаСтрахование» построила IDP-оркестратор с ИИ Smart Engines
Ежегодно «АльфаСтрахование» обрабатывает порядка 40 млн документов. За последние десять лет компания прошла путь от потокового сканирования и распознавания штрихкодов до собственной платформы интеллектуальной обработки документов (IDP), объединяющей OCR, машинное обучение и большие языковые модели. Сегодня эти технологии помогают автоматизировать десятки бизнес-процессов, справляться с растущими объемами документов без расширения штата и обеспечивать экономический эффект в десятки миллионов рублей.
MAX. ИИ‑юрист: консультант и помощник
UPD от 11:35: UPD (бета‑тест локальный OCR под 152-ФЗ): По следам обсуждения в комментариях полностью убрал передачу фотографий во внешние Vision‑модели и перевёл распознавание изображений и сканов на российский сервер.Сначала быстро поднял RapidOCR на ONNX, но первый же боевой тест на русском полисе страхования показал, что его дефолтная модель плохо справляется с кириллицей (начинает подменять русские буквы латиницей и цифрами). В итоге перевёл контур на лёгкий Tesseract OCR (tesseract-ocr-rus) с предобработкой в OpenCV (масштабирование мелких шрифтов + шумоподавление bilateralFilter

