Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
LLM-агент собрал редуктор в КОМПАС-3D, но спецификацию сдал на 50 баллов из 100
Плагин kompas-mcp дал LLM-агенту доступ к КОМПАС-3D: он построил редуктор и комплект КД. В самодельном бенчмарке 3D-задачи идут на 88–100 баллов, спецификация — на 50.
Агенты проигнорировали подсказку читать память в 7 сессиях из 7 — разбор 13 тысяч логов
Команда kaeru прочла 13 тысяч логов своих агентов: подсказку читать память они не выполнили ни в одной из 7 сессий, зато исправно закрывают «долги» и теряют обрезанные инструкции.
Архитектор банка: в тесте METR ИИ увеличил время задач опытных разработчиков на 19%
Руководитель архитектуры российского банка объясняет, почему вероятностные ИИ-компоненты требуют не чертежей, а границ: в тесте METR опытные разработчики стали медленнее на 19%.
Автор AR-хоррора по «Вию» сделал 12 монстров в Tripo AI и ужал Чёрта до 7 880 треугольников
Автор Home Haunt сгенерировал 12 монстров из «Вия» в Tripo AI и ужал Чёрта с 38 444 до 7 880 треугольников, чтобы AR-хоррор на Unity тянул iPhone вместе с ARKit.
Рой DreamTeam без менеджера написал trustcheck за $5,68 и прошёл 13 из 13 скрытых тестов
Опенсорс-фреймворк DreamTeam отказался от агента-менеджера: рой из 8 агентов за $5,68 написал trustcheck и прошёл скрытый бенчмарк 13 из 13 против 1 из 13 у заглушки.
Faros: в командах с ИИ-агентами медианное время ревью кода выросло на 441%
Телеметрия Faros по 22 000 разработчиков: с ИИ медианное время ревью выросло на 441%. Почему инженеры работают больше, хотя их не заставляют, и как не выгореть.
TJ Digital: прямым ответом начинаются 23% страниц, цитируемых ИИ, и 14% нецитируемых
Анализ 193 507 ответов ChatGPT и Google: прямым ответом начинаются 23% цитируемых страниц и 14% нецитируемых. Разрыв небольшой, причиной его не считают.
Создатель Bun с Claude Code перенёс 750 тыс. строк с Zig на Rust за 11 дней
Джарред Самнер перенёс Bun с Zig на Rust за 11 дней с помощью сотен субагентов Claude Code: 99,8% тестов прошли, но квота подписки при таком режиме уходит в десять раз быстрее.
Ассистент Muse от Meta ведёт досье на близких и по умолчанию получает root в Ubuntu
Специалисты по безопасности вскрыли файлы агента Muse: он каждый час пополняет страницы на семью и друзей пользователя и по умолчанию получает root-доступ в Ubuntu.
mcp-linter нашёл 18 параметров без описаний в сервере filesystem от Anthropic
Автор mcp-linter прогнал по официальным серверам Anthropic 34 правила: у filesystem 18 параметров без описаний и 38 баллов из 100, у memory — 66, у everything — 90.
Адаптивный шум в SDE-сэмплере на Flux 3 Klein улучшил текстуру лишь на 1–2%
Автор исследования на Хабре проверил, может ли сэмплер сам выбирать силу шума по кривизне и ошибке решателя. Итог: на Flux 3 Klein выигрыш 1–2% по текстуре, люди его не заметили.
Локальные модели проиграли Opus и Codex: на MacBook 0,21 балла против 1,00 у Codex
Автор исследования на Хабре прогнал одну задачу с ловушками на облаке, MacBook, ноутбуке с RTX 5080 и DGX Spark: Codex набрал 1,00, а лучшая модель на MacBook — 0,21.
Автор с Хабра дообучил YOLOv8l на рентгенах зубов и довёл mAP50 до 0,642
YOLOv8l обучили на панорамных снимках зубов за 29,3 минуты на одной A100: mAP50 на валидации DENTEX составил 0,642, а ретинированные зубы находятся с AP50 0,961.
Тест 16 моделей на 7 поисковиках: Exa дал в среднем 10,5 балла из 14, SearXNG — около 3
Автор Хабра выяснил, как 16 моделей ищут данные о Битрикс24 через 7 инструментов. Exa набрал 10,5 балла из 14, а победителем стал MiMo v2.6 Pro без единой выдумки.
Kimi набрала 96,2% в тесте на аналитику по базе 1С и стала запасом на случай блокировки Claude
1С-программист после блокировки Claude проверил китайскую Kimi на демобазе «Управление торговлей 11»: 96,2% совпадений с эталоном на десяти вопросах, 24 запроса к базе за 45 секунд.
Голосовые боты на LLM берут быстрый классификатор Jev: решение за 200–500 мс
Команды выносят из больших языковых моделей простые решения (конец реплики, смену темы, подтверждение записи) в быстрый классификатор Jev с задержкой 70–500 мс.
Защитный слой MoneyGate не пропустил ни одной из 42 мошеннических просьб к локальным ИИ
Llama 3.1 8B, Qwen 2.5 7B и DeepSeek-R1 8B на игровом ноутбуке почти не замечали обман и писали мошенникам «переведу сегодня». Слой MoneyGate остановил все 42 просьбы.
Токенизатор BERT в Hugging Face ускорили в 50 раз, убрав лишнюю работу с ASCII
Разработчики библиотеки tokenizers нашли, что 88% времени BERT тратит на нормализацию текста, и научились пропускать английские символы пачками по 16 байт. Итог: ускорение около 50 раз.
ИИ-мультсериал: 24-секундную серию собрали десятью способами, лучший стоил 162 кредита
Авторы «Лесной улицы» за три дня перебрали Wan, Kling, Veo, Seedance и GPT Image. Выиграли сценарий по секундам и дешёвый черновик из картинок, а анимацию заказывали только после просмотра.
Open-source LLM-шлюз KTMS 1.0 подключил свои GPU к облаку и пережил отказы
Команда Keystone выпустила KTMS 1.0, шлюз на Go: запросы идут сначала на свои видеокарты, потом в облако. Описаны отказы Redis и Postgres, ротация ключей, подпись релизов.
Библиотека FAIRouter для C# вышла на NuGet и выбирает модель из 54 готовых вариантов
C#-версия FAIRouter 0.1.0 доступна на NuGet: библиотека выбирает модель под задачу из 54 вариантов, проверяет ответ судьёй с оценкой от 0 до 1 и учится на отзывах.
LTX-2.5 на 22 млрд параметров заработала на RTX 3080 с 10 ГБ, но тратит 5 минут на план
Автор исследования на Хабре втиснул 22-миллиардную видеомодель LTX-2.5 в RTX 3080 с 10 ГБ. Цена: 32–64 ГБ RAM и около пяти минут на план, из них денойзинг — 25 секунд.
128 ИИ-агентов без начальника прошли на 49% больше тестов, чем один
Microsoft Research запустила до 1024 копий одной модели писать код без руководителя. Рой из 128 агентов набрал 28,78% тестов против 19,31% у одиночки и сам завёл ревьюеров.
Strata запустила Qwen3.8-Flash-Next на RTX 5070 с 12 ГБ: 94 токена в секунду на кванте Q2_0
Проект Strata строит для MoE-моделей иерархию памяти как у процессора: VRAM, RAM и SSD. Qwen3.8-Flash-Next на RTX 5070 с 12 ГБ выдаёт 94 токена в секунду на кванте Q2_0.
Трафик агентов в Zocdoc вырос в 30 раз с июля, а к ChatGPT подали два иска о здоровье
Трафик ИИ-агентов в Zocdoc вырос примерно в 30 раз с июля, а ChatGPT обвиняют в двух исках в советах бросить лечение. Что должно появиться в интерфейсах медсервисов.
Утилита baton переносит сессию между 5 консольными ИИ-агентами без потери контекста
Утилита baton на Go берёт сессию из журналов Claude Code, Codex, agy, Pi или Hermes и передаёт другому агенту, когда пятичасовая квота кончилась. Код открыт под MIT.
Hard Stop останавливает ИИ-агента в ядре Linux с медианной задержкой 4,8 микросекунды
Система Hard Stop ставит между ИИ-агентом и ядром Linux супервизора: действие вне белого списка блокируется, а медианная задержка срабатывания — 4,8 микросекунды.
Claude Code собрал конвейер на FLUX.3 klein: 290 кадров врачей за $3,2 аренды GPU
Специалист по трафику для клиник поручил Claude Code собрать конвейер: ссылка на сайт на входе, папка проверенных кадров врачей на выходе. Итог — 290 кадров и около $3,2 на GPU.
В РГС локальные LLM сократили разбор 500 задач с пяти рабочих дней до двух
Руководитель ИТ-комплаенса РГС без бюджета и кода собрала на ноутбуке конвейер на n8n и Ollama: точность оценки задач на реальных данных — 78–82%.
HOSTKEY написала пайп для бота: Gemma 4 отвечает за 5–7 секунд, Qwen 3 — за 30–40
HOSTKEY заменила настройки кастомной модели OpenWebUI пайпом: Gemma 4 без размышлений отвечает боту поддержки за 5–7 секунд на двух A4000, Qwen 3 думает 30–40 секунд.