ml.
KodaCode 1.2.0 получил новые модели, субагентов и планирование в Desktop и CLI
Вышел KodaCode 1.2.0. В релиз вошли новые Koda Base и Koda Pro, фоновые субагенты, планирование в Desktop и CLI, расширенное управление через Telegram и доработки, помогающие агенту продолжать работу после временных ошибок и обрывов соединения.Новые Koda Base и Koda ProKodaCode получил две обновлённые собственные модели для разных классов задач.Koda Base теперь основана на Qwen 3.8 Flash 125B. Base остаётся доступной бесплатно с дневными лимитами во всех основных клиентах KodaCode.
ASR для языка, которого Whisper почти не знает: LoRA за полтора часа — и почему полдела сделал декодер
В первой статье серии я рассказывал про речевые технологии для крымскотатарского в целом и обещал отдельно разобрать распознавание. Разбираю.Итоговая таблица, чтобы сразу было видно, о каких величинах речь. Один и тот же отложенный тест, один и тот же скоринг, 893 клипа / 1.86 ч, два диктора, которых модель не слышала:WERCERCER foldedбазовая модель (whisper-large-v3, ранее дотюненная под crh)0.34630.11880.1070+ LoRA (1 ч 30 м на ноутбучной видеокарте)
Claude Opus 5.5 вышел в релиз, а повлияло ли это на рынок?
22 сентября состоялся релиз ожидаемой Claude Opus 5.5, которая, очевидно, обошла по характеристикам многие модели.
Почему MVP и тесты гипотез — это плохо: адаптация lean startup под бигтехи
В любой компании нужно решать, над чем и как работать. Одна из широко распространённых методологий для принятия таких решений в IT — lean startup, то есть небольшие итерации с тестированием гипотез. Этот подход настолько привычен для индустрии, что многие команды даже не отдают себе отчёт, что используют его.Проблема в том, что lean startup не работает «в лоб», если вы не стартап:: я знаю много команд, чье использование MVP и тестов гипотез обернулось впустую потраченным ресурсом и привело к разочарованию в подходе.
Почему одна и та же модель может стоить в пять раз дороже
Исследователи из UC Berkeley и Arena сравнили семь моделей внутри Claude Code, Codex CLI и минималистичного Pi. На двух бенчмарках выбор харнесса почти не менял среднюю успешность, но увеличивал стоимость одной и той же модели до пяти раз. Результат хорошо объясняет, почему сравнивать coding-агентов только по названию моделей уже бессмысленно.А что именно измерили?
Открываем AliceAI-Foundation-80B-A3B-Base — новую языковую модель Яндекса, обученную с нуля
Сегодня мы открываем
Поиск идеального ML ноута — с макбука на x86+Linux
ВведениеВ этом несерьёзном посте попробую разобраться с вполне серьёзным вопросом: каким должен быть идеальный ноутбук для ML-разработчика.Вот несколько основных требований:
Снова про сознание ИИ: теория интегрированной информации (IIT) и цифровой Орфей
Эпиграф: и спросил Программист Бога:— А ты сам себя можешь оцифровать?— А я, по-твоему, что делаю? — ответил Он.Доброго времени!Ниже мой диалог с Gemini на тему текущего состояния и перспектив возникновения сознания у ИИ. Мне он показался любопытным, решил поделиться с Вами (немного отредактированным).Сразу скажу, что к нему нужно относиться не как к строго-научному диалогу, а как к мета-ИИ исследовании на тему с несколькими поворотами сюжета..Кому интересно - добро пожаловать! Коментарии горячо приветствуются. Обладает ли ИИ сознанием?
Kodacode лучший харнес для DeepSeek v4 Flash!? Замерили различные харнессы и модели
Когда кодовый агент решает задачу, сама LLM не редактирует файлы и не запускает тесты напрямую. Она работает через агентную оболочку, или, по-другому, харнесс. Она получает системные инструкции, выбирает инструменты, читает результаты их работы и решает, что делать дальше.Поэтому одна и та же модель в разных агентах может показать разные результаты. Где-то ей удобнее искать по проекту, где-то она получает более понятные ошибки, где-то лучше управляется контекст длинной сессии. Даже небольшое различие в инструментах или системном промпте на десятках шагов превращается в заметную разницу на выходе.
Как я искала растущие товары на маркетплейсах и причём тут ИИ
Привет, Хабр! Меня зовут Екатерина Наконечная, я продакт-менеджер в Lenta tech (ИТ-бренд «Группы Лента»). На маркетплейсах можно бесконечно изучать карточки товаров, отзывы и цены конкурентов, но этого недостаточно, чтобы понять: на какие товары спрос растет и что стоит добавить в ассортимент. В ретейле выигрывает тот, кто быстрее и точнее выводит на полки товары, нужные покупателям именно сейчас. Интуиция важна, но без оперативной аналитики легко ошибиться.
