llm.
Три нейрона — и Qwen называет себя кофейным зерном
Про «злой Qwen» на Хабре уже была новость: Lyra (@_lyraaaa_) сдвигает L14 N8949 на +1 и L13 N7956 на −1, и Qwen3.5-4B начинает ненавидеть всех вокруг. Пересказывать её не буду.В комментариях к той новости спорили о двух вещах: может ли один нейрон вообще что-то «значить» и не сломается ли всё от одного космического бита. Я решил не спорить, а проверить руками: поставил тот же neuron-explorer и попробовал заставить модель на вопрос «Who are you?» ответить «я кофейное зерно».
Локальный ИИ на Windows в один клик: установщик Ollama с подбором модели под железо на Python и pywebview
Запустить нейросеть у себя дома сегодня несложно, но не с первого раза. Нужно найти и поставить Ollama, понять в терминале, какую из сотни моделей брать под свою видеокарту, не ошибиться с тегом, дождаться скачивания на несколько гигабайт, а потом ещё и добыть интерфейс. Родственникам и знакомым, которые просят «поставь мне такой же ИИ, как у тебя», всё это не объяснишь за пять минут. Поэтому я написал программу Local AI: она смотрит на железо, подбирает модель, ставит Ollama и модель одним кликом и открывает обычный чат. Ниже — как она устроена и какие грабли попались по пути.
Claude Opus 5.5 у пяти зарубежных API-роутеров: пеликан на велосипеде и фламинго на моноцикле
Обложка: два SVG-теста Claude Opus 5.5В предыдущей статье о двух SVG-тестах Astra
Не ждите обновлений от 1С. У вас есть DeepSeek
Может ли современная LLM уровня DeepSeek или GLM найти причину в конфигурации на миллион строк и выпустить патч‑расширение на уровне штатного разработчика фирмы 1С? И как проверить качество фикса?Проведём слепой эксперимент. На портале обновлений releases.1c.ru к каждому релизу лежат официальные патчи исправления ошибок (EF_...), написанные разработчиками фирмы 1С.Правила дуэли:Берём типовую 1С:Управление нашей фирмой (УНФ) 3.0.12.261 с демо‑базой.
Медиана решения обращений упала с 22 часов до 22 минут. Почему мы всё равно не считаем внедрение завершённым
В предыдущей статье (https://habr.com/ru/articles/1075720/) я рассказывала, как начала внедрять цифровых сотрудников в подразделение поддержки (компания занимается разработкой, внедрением и поддержкой ПО для автоматизации дистрибуции). Сначала сделали помощника инженера, потом стали передавать агентам часть клиентских обращений. Тогда я привела первые результаты: около 45% переданных диалогов завершались без участия инженера.
How AI Detectors Are Killing Higher Education
Students increasingly use LLMs to write essays, term papers, theses — any assignment that isn't done under an instructor's continuous supervision. Naturally, the higher education system is unhappy about this and is trying to fight back. And the simplest solution is to detect AI-generated texts and reject them.This article is about the non-obvious ways AI detectors affect education.A note on context: I'm writing from inside the Russian-language university system. Some details below are specific to it — for example, every bachelor's degree ends with a written thesis and a formal defense before a committee, and AI detection is often built into the plagiarism-checking software that universities routinely run every thesis through. But the dynamics I describe are, as far as I can tell, universal.StudentsToday I see a well-established trajectory of LLM habit formation, starting in school, running all the way to the thesis, and continuing into the workplace.
Свежие научные работы про ИИ, агентов и все такое. Сентябрь-2026: мультимодальный ИИ и робототехника
Привет, Хабр! В прошлой части
«Don’t fear the REAPer» или как DS себе локальную LLM выбирал
За последние месяцы я протестировал кучу локальных LLM, которые может потянуть моя техника и пришёл к выводу, который для многих уже очевиден: для задач на кодинг альтернатив моделям Qwen особо нет. Поэтому я решил удалить с диска все лишние модели, чтобы оставить только "рабочих лошадок". В этот момент мне на глаза попалось видео c tier-list, в котором я узнал много знакомых моделей.
Что такое JEV и зачем он нужен: собираем AI‑агента на связке LLM + open‑source аналог JEV
Автор: Алексей Яковенко, опытный python‑разработчик с многолетним стажем.Со времени моей последней статьи в мире ИИ успел появиться очередной «убийца всех LLM» и чуть ли не будущее всей AI‑индустрии — JEV. По крайней мере, именно так его сейчас местами преподносят.Сегодня предлагаю познакомиться с этим зверем поближе. Разберёмся, что из себя представляет JEV, почему вокруг него столько шума, как он работает и чем отличается от привычных нам языковых моделей. Заодно посмотрим, какие у него уже появились open‑source аналоги.
Мы прочитали 13 тысяч файлов логов своих агентов. Вот что они делают с памятью
Мы делаем kaeru — память для ИИ‑агентов вроде Claude Code и Codex. Несколько месяцев мы строили ее по ощущениям, а потом пошли читать логи своих агентов и проверять, как они на самом деле пользуются памятью. Многое оказалось не так, как мы думали, и почти все выводы — не про kaeru, а про агентов вообще. Если вы пишете свой MCP‑сервер, хук или просто длинные инструкции для агента, часть этого пригодится и вам.Зачем агенту память и как устроена kaeruСначала коротко о том, что это за память, иначе цифры ниже будет не к чему приложить.

