Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
Почему повторное дообучение упирается в потолок: исследование LANN-4
Автор LANN-4 провёл опыты с повторным дообучением небольшой модели. Первый раунд дал скачок с 53% до 59% правильных ответов на 200 задач — следующие три раунда ничего не добавили. Открыт вопрос: модель училась или приспо
Агентный поиск на open-source моделях: кого нашёл, сколько потратил и где всё сломалось
Автор Habr потратил $20 на экспериментальную систему агентного поиска: протестировал шесть open-source моделей, обнаружил, что лучше всего работает gemma4 с простым JEV-фильтром, и выяснил, почему поиск HR через открытые
Разработчица потратила $9 000 на ИИ-агентов и выпустила плагин Crossweft
Автор потратила свыше $9 000 и миллиард токенов, а получила открытый плагин для Claude Code и Codex, который не даёт агенту сказать «готово» при рассинхроне файлов.
Odyssey-3: как видео-модель учит роботов физике за десятки часов
Odyssey представила Odyssey-3 — мировую модель, которая учит роботов физике по видеонаблюдениям. На бенчмарке Physics-IQ набрала 66.1%, обучается на видео, играх и симуляциях, адаптируется к конкретным системам за десятк
Поэзия агентной разработки: как писать код с агентами, когда легкость порождает сложность
Разработчик из Яндекса разбирает, почему агенты ускоряют написание кода, но создают сложные системы. Исследования показывают: LLM генерирует в 2,3 раза больше строк, не избегает сложности и создаёт скрытые зависимости. П
Open-source агент против 1С Напарника: гибридный RAG на DeepSeek выиграл на практике
Habr протестировал самостоятельного агента на LangGraph с гибридным RAG-поиском против коммерческого 1С Напарника. На трёх реальных задачах разработчиков на моделях deepseek-v4-flash, gpt-6.1-sol и glm-5.3-flash open-sou
Где NLI-модель помогает в ассистенте для встреч: три примерки, два отказа
Разработчик Charoite проверил NLI-модель в пяти сценариях. Помогла только дедупликация фраз в ленте (2% ошибок). Провалилась на протоколах, ревизии ядер и фильтрации вопросов: точность 55,6% и массовые ложные срабатывани
8 ИИ-сервисов для Reels и Shorts: что работает в 2026
Протестировали 8 ИИ-сервисов для нарезки вертикальных видео. Монтаж сократился с часов на минуты. Разбираемся, какие работают с русским языком и как выбрать под конкретную задачу.
Хеббовское обучение без backprop выродилось в k-means и проиграло по всем фронтам
Автор Habr учил скрытый слой только локальными хеббовскими правилами. Итог: правило свелось к k-means и не обогнало backprop ни по точности, ни по меткам, ни по забыванию.
Я написал 61 тест для AI-ментора. Потом выяснилось, что тестам тоже нельзя верить
Разработчик создал 61 тест для проверки AI-ментора на учебной платформе программирования. Но стенд сам ошибался: засчитывал оборванные ответы, пропускал готовые решения. DeepSeek V4 Flash набрал 50/57 проверок. В статье
Когда маленькие LLM лучше роя: как деление на разделы дало слабой модели ×4
Тепломеханик провел эксперимент с шестью слабыми моделями (qwen2.5-coder-1.5b, llama-3.2–1b, internvl3-2b и др.), применив структуру проектного бюро. Деление данных на блоки по 6 записей дало невероятный результат: qwen2
Серверы 2027: Rubin Ultra, MI500 и открытые интерконнекты ломают монополии
2027 год обещает рассеять монополию NVIDIA на GPU-интерконнекты: AMD выпустит MI500 тысячекратного прироста производительности, Intel вернётся в игру Diamond Rapids, а консорциум запустит открытый UALink на 1024 ускорите
Длинные нарды глазами ИИ: 170 тыс. ходов и ошибки людей
Разбор 170 тысяч ходов в длинных нардах из 6,383 партий показал, как нейросетевой движок выбирает лучший ход и где ошибаются люди. Правила длинных нард оказались намного сложнее для алгоритма, чем казалось.
Три нейросети нарисовали веб-референсы в пяти стилях: от fintech до Web 1.0
Три нейросети (Grok Image 2, Flux 2 Pro, Nano Banana Pro) создавали веб-активы для киберспорта, финтеха, Web 1.0, экологии и AI в серии из 14 примеров. Результат: Grok и Nano показали идеальный результат, Flux систематич
Гигачат по СМС: как общаться с ИИ без интернета
Хабр-пользователь создал шлюз для связи с Гигачатом через обычные SMS: старый Android-телефон, симка с безлимитом СМС за 49 рублей в месяц, VPS за 400 рублей. Все работает на Python и FastAPI, использует бесплатные токен
GPTunneL подключил ИИ-бота к ВКонтакте и MAX: запуск за 9 шагов без кода
Конструктор GPTunneL больше не привязан к Telegram: один бот работает в трёх каналах с общей инструкцией, моделью и лимитами. Запуск занимает девять шагов и без кода.
Запустил Qwen на FPGA за $50: как работает самодельный AI-ускоритель
Инженер на FPGA Xilinx Kintex-7 с 4 ГБ памяти запустил LLM Qwen без видеокарты, используя openTPU. Qwen3-0.6B выдаёт 31 токен в секунду. Вместо NVIDIA — открытая архитектура, которую проектируют ИИ-агенты.
Разработчик месяц наблюдал за агентами в своём коде: дерево файлов дороже JSON
Автор с Habr подключил агентов к проекту через MCP-сервер и месяц следил за ними: текстовое дерево оказалось дороже JSON, а папку build нельзя фильтровать по имени.
LLM-разработка в 2026: RAG, агенты и выбор моделей
Старший инженер Финамы рассказал о практике LLM-разработки: основное направление — интеграция через RAG и агентов. В 90% случаев хватает маленьких моделей вместо дорогих OpenAI и Anthropic. Ключ успеха — локальные решени
Habr: как измерить шаблонность текстов ИИ шинглами и MinHash
Разбор на Habr объясняет, почему тексты нейросетей сходятся к одному шаблону, и предлагает мерить это шинглами, MinHash и метриками структуры вместо оценки на глаз.
Agentgateway объединяет LLM, MCP и A2A-трафик в одном open-source прокси
Open-source прокси Agentgateway на Rust собирает под одной крышей три потока трафика ИИ: запросы к LLM, вызовы MCP и связь агентов по A2A, с единой политикой доступа.
Техподдержка для разработчиков переходит от чат-ботов к трём ролям ИИ-агентов
Вместо одного бота с кнопками поддержка разработчиков строит связку из трёх групп агентов: диагностика логов, подготовка контекста и Pull Request с фиксом по команде человека.
Что показывать, когда агент пишет код за пять минут
В 2026 году код, написанный агентом, уже не демонстрирует мастерство разработчика. Вместо кодовой базы нужно делиться решениями, ошибками при проверке работы AI и тем, как вы направляете агента. Автор worklore.dev раскры
Карликовые модели: как компании экономят на ИИ, дообучая крошечные LLM
Дообученная LLM на 8 млрд параметров дешевле GPT-4 в 5 раз и быстрее в 100 раз. Checkr сэкономил 7000 долларов в месяц, PayPal добился 100% валидного JSON. Вместо облачных API компании берут Gemma 4, Phi-4, Qwen3 и обуча
Соло-разработчик «Кубыша»: лимиты ИИ-агента в 5 часов и неделю заменили тимлида
Киррилл Попов разработчик финансового приложения Кубыш для iPhone заменил тимлида лимитами ИИ-агентов. 5-часовой лимит форсирует обед, недельный — выходной. Протестировав Codex и Claude, оставил только Claude.
Anthropic запретила жестокость к Claude, поэтому я сделал фильтр мата для промптов
Новые правила Anthropic запретили оскорблять модели. Разработчик создал Angry Switcher — плагин для Claude Code, который перехватывает мат в промптах и очищает их перед отправкой, используя Sonnet или DeepSeek. Исследова
Непрограммист с Claude Code пересобрал приложение для английского с сервером и офлайном
Автор без опыта в разработке воссоздал с помощью Claude Code сломавшееся приложение для заучивания слов: сервер, офлайн-режим и SEO. Результат удивил его самого.
LLM генерирует рабочие Kubernetes-манифесты с дырами: как поймать их до деплоя
Сгенерированный ИИ манифест проходит валидацию и запускается в кластере, но тянет устаревшие API и небезопасные настройки. Разбираем, как ловить это до production.
Инфраструктура как главный барьер: почему ИИ в России упирается в GPU и дата-центры
Инфраструктура, а не модели, стала узким местом ИИ. На Западе 16+ компаний кооперируются для развития. России нужны дата-центры с GPU, чтобы создать суверенный ChatGPT и вырваться из технологической зависимости.
Spec Kit на реальном full-stack: как 17 спринтов довели трекер привычек до продакшена
Кейс Spec-Driven Development показал, как методология выдерживает 17 full-stack-спринтов, два репозитория, 328 тестов и релиз B2C-трекера привычек в продакшен.