Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
BI-команда Авито собирает дашборды с агентом за 8–10 дней вместо 20
Агент с доступом к Redash и Trino строит графики быстро, но не понимает, что на экране главное. Как в Авито доводят нейродашборды до ума и какие правила закрепили.
Ahrefs: до 83% ссылок в ответах ИИ пропадает за сутки — как считать видимость
Ссылка на ваш сайт то есть в ответе ChatGPT, то нет — и это норма. Разбираем, как превратить шумные замеры в метрику: доля появлений, интервал Уилсона и пороги тревоги.
Claude Code нашёл пищащий датчик по звуку с пяти гаджетов с точностью до 40 см
Автор не стал перерывать кладовку: расставил по комнате два iPad, телефон и два ноутбука, а Claude Code написал веб-приложение, которое вычислило, откуда пищит.
Fish Audio Drama 3 научила локальный TTS шептать и срываться голосом в одном абзаце
Компактные TTS читают Гамлета как документацию. Автор прогнал 35B MoE-модель Fish Audio Drama 3 локально на Mac и показал, что нужно для шёпота, вздохов и срывов.
Шаги сэмплера по равному углу поворота снизили ошибку flow-модели на 30–43%
Автор проверил на модели Anima идею адаптивного шага по косинусу скорости. Контроллер провалился, зато заранее посчитанная сетка шагов дала на 30–43% меньше ошибки при тех же вызовах сети.
Язык Goose «быстрее Rust»: как бенчмарк сравнялся после честной раскладки данных
ИИ написал язык Goose, который якобы обгоняет Rust и C++. Блогер переписал Rust-бенчмарк, и разрыв исчез. Разбираем, что тут правда, а что дело в раскладке памяти.
ИИ пишет код и ставит пакеты: 5 проверок перед выпуском приложения в прод
ИИ-ассистент может собрать рабочее приложение и оставить доступ к чужим данным. Разбираем, где проверять права, зависимости и команды агента, прежде чем отдавать ему ключи от проекта.
RWB не заменила OCR-пайплайн одной VLM: 400 млн картинок в день и семь этапов
Wildberries прогоняет через OCR 400 млн изображений в сутки и не доверяет это одной модели. Разбираем, почему VLM у них только проверяет качество, а читает текст пайплайн.
Разработчик заменил Claude Code локальными Qwen и DeepSeek: цикл вырос в 3–4 раза
После блокировки аккаунта Claude Code разработчик пересел на открытые модели на DGX Spark. Работать можно, но задачи теперь занимают в 3–4 раза больше времени.
QA Яндекса за 15 000 ₽ в месяц отдала ИИ-агенту чек-листы и автотесты
Пять тестировщиков Главной Яндекса собрали цепочку субагентов: смена статуса в тикете, и готов чек-лист или PR с Playwright-тестом. Разбираем схему и расходы.
Anthropic выпустила гайд по выбору модели: Haiku 5.5 для рутины экономит токены
Самая мощная модель — не всегда лучший выбор. Anthropic объяснила, какую Claude брать под какую задачу, и как не сжечь лимиты на поиске по коду в Claude Code.
SpatialLM-Mini ускорил обучение на контексте 16K в 2,47 раза на RTX 3050
Как обучать модель на длинном тексте с видеокартой на 8 ГБ? В SpatialLM-Mini токены обращаются к ограниченному набору соседей. Обновления идут быстрее, но расход памяти оказался выше.
Финуслуги запустили ночных AI-агентов: они нашли потери в 1600 регистрациях без алертов
Метрики зелёные, алерты молчат, а на одном шаге регистрации пользователи тихо отваливаются. Как команда Финуслуг поручила поиск таких проблем ночному контуру из агентов.
RAG по заводским спецификациям: 84% точности, но 161 опора вместо двух
Инженеры ПСМ прогнали RAG на 188 вопросах по газопоршневой станции: поиск находит нужный документ, а ответ всё равно неверный. Разбираем, где ломается цепочка.
Агентство разобрало 4 910 смет: на авторизацию теперь закладывают в 2,2 раза меньше часов
Разработчик приложений сверил сметы, Jira и коммиты GitLab и посчитал, во сколько ИИ ускорил работу. Медиана часов на авторизацию упала с 124 до 56, а ставка — лишь на 8%.
Пять приёмов ускорить MoE на GTX 1070: автопрефикс срезал задержку с 13,3 до 6,1 с
Автор запустил большую MoE-модель на старой GTX 1070 с 8 ГБ и собрал пять рабочих приёмов: от спекулятивного декодирования до собственного патча, который вдвое ускоряет первый токен.
Агент на 30 шагов при 1% сбоев падает в каждой четвёртой задаче: как довести его до прода
В демо агент проходит 10 шагов из 10, а в проде всплывает всё сразу. Разбираем, как не разориться на зацикленном агенте и не списать деньги с клиента дважды.
Angular обходится ИИ-агенту вдвое дороже Hono+htmx: $4,97 против $2,67 за приложение
Разработчик дал Claude Code одну задачу на 12 стеках: каталог покемонов. Выбор фреймворка изменил счёт за токены почти вдвое, а качество на выходе осталось почти одинаковым.
Разработчик вынес агента из OpenWebUI после запроса на 1,67 млн токенов
Чат тащил в каждый запрос старые результаты инструментов, пока контекст не переполнился. Фильтр помог частично: для работы с файлами и командами автору понадобился отдельный сервис.
decision-cascade учит локальную модель считать цену ошибки до вызова внешней LLM
Автор open-source каскада отказался от порога уверенности 0.6 и начал сравнивать цену ошибки со стоимостью вызова большой модели. Что получилось на шахматах и бенчмарках.
The Trinity улучшила обвязку ИИ-агента и добавила 9,8 пункта на новых задачах
Агент может работать лучше без переобучения модели: достаточно изменить память, проверки и порядок действий. The Trinity автоматизирует эту работу, но громкий результат требует оговорок.
Разработчик обучил языковую модель на 260M с нуля на RTX 4060 с 8 ГБ
Один человек, одна домашняя видеокарта на 8 ГБ: токенизатор, претрейн на 31 млрд токенов, SFT и RL. Что вышло у dpp-gpt 2.2 Pro и какие грабли нашлись по дороге.
Энтузиаст запустил DeepSeek-V4-Flash на 64 ГБ ОЗУ без GPU: до 15 токенов в секунду
Проект llama-modchip упаковал 284-миллиардную MoE-модель в 64 ГБ оперативки и гоняет её на процессоре. Звучит как магия, но у цифр есть серьёзные оговорки.
Anthropic снизила цены Fable 5.2 на 20%: что это меняет для ИИ-агентов
Агент снова читает весь репозиторий, а счёт растёт с каждым шагом. Fable 5.2 удешевляет повторный контекст, но экономию придётся проверить вместе с качеством и отказами модели.
Codex в тесте на русском перестал искать в интернете и снизил успех со 100% до 0%
Агент чинит код, но молча пропускает поиск и выдумывает формат данных. В небольшом эксперименте это зависело от языка задачи. Готовая подсказка возвращала успешные решения.
Три ИИ-агента написали 125+ правил для MDM, но один начал подгонять тесты
Команда Data Sapience доверила агентам конфигурацию MDM на миллионе записей, а ядро закрыла. Рассказываем, как устроили песочницу и что случилось, когда агент начал мухлевать с тестами.
GPT-6 Astra исправила зацикливание Qwen: точность выросла с 7,9% до 48,1%
Маленькая Qwen тратила тысячи токенов на повторения вместо ответа. Исследователи поручили другой модели поправить её веса — и получили резкий рост результатов без дообучения.
METR получил оценки экономии времени в 4–18%, но признал замер ненадёжным
Агент быстро написал код — команда правда сэкономила время? METR попытался проверить это, но участники начали обходить задачи без ИИ. Для техлидов здесь урок: считать нужно весь путь до принятого кода.
Разработчик довёл заполнение инженерных анкет до 73–86% совпадений с экспертом
LLM путала гарантию со сроком службы и искала ответы, которых нет в документах. В инженерном пилоте результат дали поиск, прошлые анкеты и проверка каждой цифры, а не размер модели.
Тысяча агентов Claude Fable 5.2 за 30 часов формализовала теорему Ферма в Lean
Anthropic запустила тысячу агентов на формализацию доказательства Ферма в Lean. Fable 5.2 справилась за 30 часов, а предыдущая Opus 5.5 застопорилась на 26%.