Исследование MIT: действительно ли ИИ ускоряет работу программистов?
После опроса более 30 разработчиков, руководителей технологических компаний, аналитиков и исследователей издание MIT Technology Review выяснило, что энтузиазм некоторых из них угасает по мере того, как они сталкиваются с ограничениями технологии искусственного интеллекта.
Как сайты вычисляют мошенников? Детект впна, рейтинг номеров и трекинг курсора
Мошенник заходит на Озон купить товары и воспользоваться для этого данными украденных банковских карт. Ставит прокси, меняет айпи, использует антидетект браузер, закупает пачку номеров. Подготавливает дропов и адреса ПВЗ. Он регистрирует несколько аккаунтов, добавляет товары в корзину и нажимает оплату. На одном акке сайт зависает, на другом требует подтвердить личность, а третий аккаунт живой.Как Озон заподозрил мошенника, если он учел все и не сделал никаких ошибок.Что происходит под капотом и что стало с третим аккаунтом?
Китайцы снова радуют. Вышла GLM-4.7 – заметный апгрейд именно для агентного кодинга
Z.ai представили GLM-4.7 — новую версию своей модели для кодинга, и апдейт получился не косметическим. Основной фокус — агентные сценарии, терминал и устойчивость на длинных задачах.По бенчмаркам рост выглядит вполне предметно: SWE-bench Verified — 73.8% (+5.8%), SWE-bench Multilingual — 66.7% (+12.9%), Terminal Bench 2.0 — 41% (+16.5%).
Sketch-Programming (LLM Транспайлер) — что это такое?
15-го марта я опубликовал пост о скетч-программировании и пообещал написать статью. Даже в этой статье
В топку Live Coding. Он измеряет уровень стресса, а не навыки программирования
Некоторым людям нравятся собеседования с написанием кода. Я к их числу не отношусь.Недавно мне на LinkedIn
Генеральный директор Stack Overflow: появление ChatGPT стало «экзистенциальным моментом» для компании
Генеральный директор Stack Overflow Прашант Чандрасекар дал большое интервью
Андрей Карпаты: итоги LLM-экосистемы за 2025 год
Команда AI for Devs подготовила перевод обзорной статьи о ключевых сдвигах в развитии LLM в 2025 году. Андрей разбирает, почему Reinforcement Learning from Verifiable Rewards стал новой базовой стадией обучения, откуда взялся «рваный интеллект», как появился новый слой LLM-приложений и почему ИИ всё чаще «живёт» прямо на компьютере разработчика.2025 стал насыщенным и очень сильным годом прогресса в области LLM. Ниже — список лично для меня наиболее заметных и в какой-то мере неожиданных «смен парадигмы» — вещей, которые изменили ландшафт и концептуально выделились.1. Reinforcement Learning from Verifiable Rewards (RLVR)
OpenAI выпустили GPT-5.2-Codex
GPT-5.1-Codex-Max в прошлый раз сделал ставку на масштаб: компакция контекста и агентные циклы длиной в сутки. GPT-5.2-Codex развивает ту же идею, но делает её более надёжной и прикладной для реальных продакшн-сценариев.Если 5.1-Codex-Max показывал максимум на SWE-Bench и SWE-Lancer, то 5.2-Codex подтверждает прогресс уже на agent-ориентированных бенчмарках:SWE-Bench Pro: 56.4% (против 55.6% у GPT-5.2)Terminal-Bench 2.0: 64.0%, уверенное лидерство в реальных CLI-задачах
Экспериментальная система skills в OpenAI Codex: как агент учится пользоваться инструментами
В Codex появилась экспериментальная фича — skills: декларативное описание локальных «навыков» агента с автоматическим discovery и строгими правилами применения. В статье разберём, как это работает под капотом, зачем нужно и как использовать это в своих проектах.

