llm.
Google выкатила Gemini 3.8 Live и версию с рассуждениями
15 сентября Google представила
Самое сложное в AI: как RAG-пилот на три недели затянулся на три месяца
В финале прошлой статьи про сборку AI-команды я остановился на клиффхэнгере: наш простой трёхнедельный пилот RAG по технической документации забуксовал, причём виной тому были не модели, не серверы и не разработчики. С первого установочного совещания прошло уже три месяца. Для тех, кто в блоге впервые: в прошлых частях мы прошли путь от первых экспериментов с ChatGPT и самописных микросервисов до собственной инфраструктуры, найма IT-архитектора и выстраивания DevOps-практик.
Почему LLM не могут овладеть человеческим языком в совершенстве
Даже идеальная модель с бесконечным объемом текста не восстановит ту часть смысла, которая никогда не была закодирована в языковой форме.
Как я собрал бота‑команду из 11 ИИ‑юристов и что под капотом пошло не так первым же смоук‑тестом
Полтора месяца назад мне пришла претензия на 44 тысячи рублей за фото восьмилетней давности на сайте нашего отеля — типичный «фотобанковский» иск с QR‑кодом, печатью и таблицей коэффициентов. Разбирался сам, с помощью Claude, закрыл спор на 20 тысячах вместо 44 без суда и без найма юриста. Написал об этом на VC.ru — сюда, на Хабр, тащить ту же историю смысла нет, тут расскажу, как это в итоге превратилось в бота и что было интересного технически: архитектура, пять реальных багов с продакшена и то, как я срезал расходы на Claude API почти на порядок.
Бывший разработчик ChatGPT представил очень быструю ИИ-модель для задач классификации
Человеческий язык удобен для разговора с пользователем, но внутри приложения за эту универсальность приходится платить временем. Когда одна LLM передаёт результат другой модели, ответ всё равно генерируется токен за токеном. Для классификации заявки, оценки риска или выбора следующего инструмента развёрнутый текст вообще не нужен.Диого Алмейда, бывший исследователь OpenAI и соавтор InstructGPT, вместе с командой TypeSafe представил Jev, первую публичную модель семейства System One.
NVIDIA RTX PRO 5500 Blackwell: RTX 5090 и щепотку VRAM, пожалуйста
NVIDIA молниеносно расширяет профессиональную линейку Blackwell™. Вслед за RTX™ PRO 6000, 5000 и 4000 компания представила RTX™ PRO 5500 Workstation Edition
I Forced an AI to Program Like It Was 1995. After 20 Changes, It Started Reinventing Modern Software
Most experiments with AI coding assistants start from a modern stack. The model gets Python, JavaScript, Go, Rust or a recent version of C++, plus libraries, package managers and years of conventions already embedded in the ecosystem. That is useful if the goal is productivity, but I wanted to test something slightly stranger. What happens if the language gives the model almost none of the tools it is used to seeing in modern code? Would it actually think like a programmer from the mid-1990s, or would it simply reconstruct modern architecture using primitive language features?The starting application was intentionally boring. It was a command-line contact database written in ANSI C. One executable, one local data file, fixed-size fields and a few commands. There was no database server, no network, no dynamic plugin system, no package manager and no third-party code. The environment itself was modern Linux because I was interested in programming constraints rather than hardware emulation. Everything was compiled using GCC with strict C89 settings.
