llm.
Как использование нейросетей изменило игровую индустрию и homebrew-cцену
Игровая индустрия прошла максимально сложный путь развития: от чего-то максимально локального до мейнстрима у всех возрастов, по пути успев чуть не умереть в 1983 году и возродиться руками одной компании. И всегда этот путь сопровождался эволюцией средств разработки.В наше время максимально часто поднимается вопрос этичности в вопросах использования ИИ для создания игр, кое-где на этой почве вспыхивают скандалы. В последние месяцы с помощью вайбкодинга и немного ручного труда создаются какие-то совсем невероятные вещи.
Прогнали GigaChat 3.5 по реальным кейсам: Результаты большого тест‑драйва
В начале сентября Сбер неожиданно выложил открытые веса своей модели GigaChat 3.5 432B. Таким образом, любая компания в России может развернуть эту модель на своем сервере(при наличии мощного железа). И казалось бы, это может в корне переломить ситуацию с суверенными моделями в России, так как эта модель думающая. И у меня возник вопрос: а возможно ли использовать эту модель для создания ИИ‑агентов?Приготовьтесь, в статье будет много скриншотов по нашим результатам на боевом сервере.
Как мы создали и внедрили AI‑разработчика: опыт EXANTE
Ещё одна статья которая опубликована в канале EXANTE Technology, хочу поделиться с вами переводом.Меня зовут Алина, я Head направления веб‑приложений в EXANTE. Я отвечаю за техническую стратегию веб‑проектов, эффективность delivery и развитие инженерных процессов в командах, а также веду ряд инициатив, включая AI‑трансформацию.
Приниматоры решений: бенчмарк на русском для Jev‑style моделей
Последние пару лет мы довольно странно используем большие языковые модели.
Дал девяти популярным скиллам для Claude Code плацебо: два лучше пустышки, один хуже
Скиллы для Claude Code и Codex сейчас ставят пачками. У самых популярных сотни тысяч звёзд на GitHub, а в README встречаются конкретные цифры: «на 65% меньше токенов», «примерно на 20% дешевле». Мне захотелось проверить их так, как проверяют лекарства: против плацебо. Ниже рассказываю, как я это устроил и что получилось, включая ошибку, которую нашёл у себя в день публикации.Почему «со скиллом и без» мало что доказывает
Selectel расширяет платформу для запуска и развития ИИ-проектов
Selectel анонсировал обновление ИИ-платформы. Решение дополнят два новых продукта для инференса: Token Factory и Custom Inference.
Корпуса персональных данных: 56 тысяч размеченных сущностей и ни одного вызова инструмента
В первой статье мы проверяли, что происходит с агентом после маскирования данных. Здесь другой вопрос: на каких наборах вообще проверять такой шлюз? Эту статью можно читать отдельно.Допустим, шлюз нашёл телефон в сообщении и заменил его. Проверка детектора прошла. Затем модель вызвала find_customer(phone=...). Какой номер получила CRM? Нашла ли нужного человека?В корпусе для распознавания сущностей обычно нет ни CRM, ни вызова, ни результата поиска. Там есть текст и разметка телефона. Для проверки детектора этого достаточно. Для проверки всей цепочки нужны дополнительные данные.
Страдают ли LLM от боли. Разбор нашумевшего препринта
По телеграм-каналам прокатилась очередная волна. Ученые нашли в LLM вектор боли. ИИ способен страдать. Насколько искусственен искусственный интеллект? Должны ли мы установить этические правила обращения с ИИ?Эта статья разбор того, что ученые написали на самом деле, и какие выводы из этого следуют.О чём исследование
LLM Wiki: готовые baseline-шаблоны и новая реализация паттерна для доказательных выводов
Паттерн LLM Wiki (предложен Андреем Карпаты, 2026) устроен так: LLM-агент не ищет фрагменты заново при каждом вопросе, а инкрементально встраивает новые источники в постоянную вики — дополняет страницы, связывает их ссылками, отмечает противоречия и поддерживает обзор.Типичные элементы паттерна:Три слоя. raw/ — неизменяемые источники (курирует владелец), wiki/ — страницы под управлением агента, AGENTS.md — схема-регламент.Операции. ingest (один источник каскадно обновляет 10–15 страниц), query (вопрос по вики), lint

