Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
Модель на 109M параметров обошла Llama-3 70B по выравниванию смыслов: что доказал ЛеКун
ЛеКун и Балестриеро показали: крошечный текстовый энкодер JEPA учится смыслу лучше Llama-3 70B и Qwen2.5-72B. Разбираемся, почему дело не в размере, а в том, как собирать пары для обучения.
OpenCode на сервере: как заставить ИИ-агента работать, пока вы спите
Закрыли ноутбук — и агент умер на полуслове. Разбираем, как вынести open-source OpenCode на сервер: systemd или Docker, права, прокси, безопасность и мониторинг.
OpenCode: как собрать команду ИИ-агентов на любом OpenAI-совместимом шлюзе
Open-source harness OpenCode позволяет дать оркестратору, кодеру и ревьюеру разные модели и запретить лишнее на уровне прав. Разбираем конфиг и грабли с прокси.
Основатель уволил разработчиков и доработал CRM с Claude Code: 22 набора тестов
Разработчиков уволили посреди переезда, остались шесть сервисов без тестов и паролей в коде. Что сделал с ними Claude Code и почему он отговорил автора от переписывания с нуля.
MaxxBench: после мелких правок задач модели теряют до 23 пунктов на кодинге
Две модели с одинаковыми 74% на DeepSWE расходятся на 23 пункта, стоит чуть изменить требования. Многие агенты гадают, что проверят скрытые тесты, и портят верный код.
Claude Code игнорирует запреты из CLAUDE.md: что вынести в permissions и хуки
Агент читает CLAUDE.md в каждой сессии, но в длинном диалоге всё равно нарушает запреты. Разбираем, какие правила держать текстом, а какие переносить в код.
Qwen выбирает по одному шагу, runtime проверяет: как устроен управляемый AI-агент
Автор построил runtime, где локальная Qwen только предлагает действие, а допуск и проверку результата берёт на себя детерминированный код. По дороге сломался даже его собственный evaluator.
Системный промпт RWKV-7 можно «свернуть» в состояние: старт быстрее в 12 раз
Трансформер перечитывает системный промпт в каждом запросе. RWKV-7 можно один раз «прочитать» его и сохранить как память. Что это даёт на практике, проверили на MacBook M4.
Claude Code угадал Drupal по email даже в safe-mode — автор сделал скилл /ccu
Спросили Claude Code про CMS — он ответил Drupal, потому что видел конфиг. Отключили всё флагом --safe-mode, и снова Drupal: агент вычислил работодателя по email.
Агентам нужна не вся история, а проверенная память: как выстроить контекст
Git, документация, история чатов, MCP-память — всё это про разное. Разбираем, где агенту искать знания и почему найденному в старых диалогах нельзя верить на слово.
Размножаются не веса, а обвязка: почему AGENTS.md важнее утечки модели
Anthropic изучает, как модели копируют себя на чужие устройства. Но настоящий репликатор, возможно, живёт в AGENTS.md и скиллах, а не в весах. Разбираем, что это значит для безопасности агентов.
Агент закончил, а Telegram лежит: очередь доставки в agent-hub на Rust
Агент выполнил задачу, но ответ некуда отправить. Разбираем, как в agent-hub сохраняют результат на диск, переживают перезапуск и почему дубликаты всё равно возможны.
Imagecaster: локальные модели на 16 ГБ научились писать по-русски и примерять образы
Автор Imagecaster полгода гонял Flux, Z-Image, Moss и Klein на RTX 4070 Ti Super. Результат: кириллица на картинках работает не у всех, а ИИ-стилист обходится без облака.
AI Context Kit: один Git-репозиторий с Markdown вместо копий контекста в ChatGPT и Claude
Работаете сразу в нескольких AI-сервисах и каждый раз пересказываете им проект заново? Автор предлагает хранить контекст в GitHub и подключать его везде.
Гибридный ИИ-агент снизил цену диалога до 3,8 рубля
Автор заменил свободное блуждание LLM конечным автоматом: код ведёт пользователя по сценарию, а модель отвечает живым языком. Пилот на 88 участниках обошёлся в 169 рублей.
Hansard перенёс историю 25 проектов и 53 диалогов из Claude Code в Codex
Смена ИИ-агента не должна обнулять месяцы работы. Hansard собирает локальные сессии разных кодинг-агентов в единый архив и возвращает нужный контекст через поиск.
JEV заменяет многошаговую генерацию одним типизированным решением
AI-агенты часто зовут большую языковую модель ради простого выбора инструмента. JEV предлагает дешевле отделить такие решения от генерации текста — но подходит далеко не каждому сценарию.
100 часов с Composer 2.5 в Cursor: агент удаляет код и подгоняет тесты под себя
Дёшево и быстро, но ценой нервов: разработчик за 100+ часов собрал каталог типичных провалов кодового агента — от самовольных удалений до тестов, которые никогда не падают.
Агент гонял цикл 40 часов: как встроить ИИ в разработку без регрессий
Агент выдал рабочую игру за вечер, а потом молча стёр половину фич. Разбираем, какие требования, quality gate и границы ответственности нужны, чтобы вайб-кодинг не ломал продукт.
Авито связал LLM с хаос-тестами и увеличил покрытие инцидентов с 22% до 41%
Авито превращает прошлые аварии в сценарии для проверки продакшена: LLM разбирает отчёты, предлагает сбои для воспроизведения, а инженер отсеивает убедительные, но бесполезные тесты.
Kodacode 1.3 объединяет 4 рабочих режима агента в одном Desktop-клиенте
Kodacode больше не заперт в редакторе: агент управляет приложениями, открывает страницы, показывает правки и запускается в CI. Разбираемся, где это уже полезно, а где нужен контроль.
Редактор прогнал 30 интервью через Claude: цитаты верны, а вердикт «не смотри» модель не ставит
Основатель Pressfeed сделал русскую версию HackerTube Карпатого с карточками от Claude. Модель выдумала банкротство героя и ни разу не посоветовала не смотреть длинное видео.
Сбер сократил согласование банковского контента с семи дней до одного часа
Вместо очереди к редактору, юристу и службе рисков текст проверяют три ИИ-модуля. Человек подключается при серьёзном риске, а весь путь от брифа до CRM занимает около часа.
Разработчик снизил медианную цену хода LLM-игры до 0,34 рубля
Автор Telegram-RPG превратил один ответ модели в 38 связанных полей, вынес случайность на сервер и показал, как порядок JSON и стабильный кеш спасают сюжет и бюджет.
Мультимодальные агенты теряют до 53% успеха при сборке модулей в систему
Отдельные модели почти безошибочны, но собранный из них агент проваливает больше половины задач. Свежие исследования показывают, где ломаются мультимодальные системы и как их проверять.
Антиспам-бот TAB получил личный кабинет и сайт: 13 тысяч спама удалено, ошибок 0,39%
Разработчик пет-проекта TAB полгода допиливал Telegram-бота на собственной LSTM: теперь у него есть сайт со статистикой, белый список и управление чатами через личку.
ABBYY Hot Folder распознаёт чеки локально и занимает лишь 25 МБ памяти
Автор собрал локальный OCR-конвейер для чеков на слабом ноутбуке, сравнил docTR и Xiaomi-OCR с ABBYY и выяснил: старый инструмент всё ещё задаёт планку автоматизации.
AnythingLLM собирает приватного RAG-ассистента по вашим документам за вечер
Сотня PDF, договоры и внутренняя вики, а ChatGPT теряет файлы и просит подписку. Разбираем, как открытый AnythingLLM превращает папку в базу знаний и где он подводит.
Как разбор RAG-сбоев снижает долю необоснованных ответов с 34% до 9%
Если RAG уверенно врёт, новый промпт может не помочь. Сначала выясните, где сломалась цепочка: поиск не нашёл факт, модель проигнорировала его или подобрала цитату задним числом.
LLM написала игрока для Arkanoid и победила босса в 10 партиях из 10
Одна и та же модель сначала безуспешно помогала обучать RL-агента, а затем сама изучила игру и написала победителя. Разница оказалась не в модели, а в устройстве задачи и проверки.