Habr AI
Источник AI-новостей. Материалы автоматически отбираются и адаптируются редакцией Hamidun News.
Последние публикации
Как проверять LLM руками и скриптами: 12 уроков по переводам и размерным сеткам
Десятки тысяч переводов в день и размерные сетки, где ошибка в 10 мм ведёт к возврату. Разбираем, как команда выстроила Human-in-the-Loop и что реально сработало.
Архитектор ИИ-систем собрал «Канон» для аналитиков: 17 бизнес-требований за 8 дней
Как превратить личные навыки работы с ИИ-агентами в корпоративный стандарт: роли, навыки, скрипты и память, которые не рассыпаются на первом же дедлайне.
Рассуждающие модели думают над 2+3 в 20 раз дольше нужного, а над сложным ленятся
Модели научились думать перед ответом, но не научились понимать, когда это нужно. Разбираем, почему ИИ передумывает простое, недодумывает сложное и как пять компаний решали эту проблему.
Дообученный Tesseract читает мансийский текст: ошибки символов упали с 18,5% до 0,85%
Как научить OCR читать язык, у которого почти нет сканов: исследователи сгенерировали 1,3 млн синтетических строк и дообучили русскую модель Tesseract. Рецепт работает и для других языков.
В боте для amoCRM два лимита диалога не работали с запуска: виноваты И вместо ИЛИ и битая ветка
Настройки в админке стояли, цифры сохранялись, а бот ни разу не позвал менеджера. Разбираем, как две безобидные ошибки в конфиге пайплайна спрятали друг друга.
72B-модель на MacBook M2 Pro дала 1–2 токена в секунду и перегрела ноутбук
QA-инженер из банка запустил 72B-модель на ноутбуке через Ollama. Вентилятор взвыл, диск ушёл в своп, а на выходе всего 1–2 токена в секунду. Считаем, во что обходится локальный агент.
Быстрая модель пишет код, умная чинит логику: как собрать поиск на n8n и PostgreSQL
Разработчик отдал реальную задачу быстрой модели в Cline, а «умную» подключал только на тупиках. Пять граблей n8n и PostgreSQL, включая SQL-инъекцию, которую нашёл человек, а не LLM.
ИИ-помощник поднял оценки школьников на 48%, а без него они сдали на 17% хуже
Эксперимент почти с тысячей старшеклассников показал: ChatGPT-подобный помощник улучшает результат, но после отключения навык оказывается слабее, чем у тех, кто учился без ИИ.
Разработчик запустил платного ИИ-бота в MAX и решил проблему минуса через холд на баланс
Как принимать рубли за ChatGPT, Gemini и Nano Banana в мессенджере MAX: холды в PostgreSQL, чеки самозанятого и уведомление в Роскомнадзор — опыт автора бота.
Трейдер собрал RAG и RandomForest в сигналы BUY/SELL: 62% точности на 59 записях
Автор с Habr прогнал 37 тысяч новостей через локальный Qwen 14B и RandomForest, чтобы получать торговые сигналы с объяснением. И честно показал, где всё ломается на малых данных.
Нейросети-редакторы молча переписывают текст: как измерить долю правок до выбора модели
Попросили поправить только грамматику — получили другой текст. Разбираем, как посчитать долю изменений у Kimi, Qwen, DeepSeek и Grok и не доверять ощущению гладкости.
Kilo Code молча отдал серверу все 12 файлов проекта, хотя разрешили только два
Тест прошёл, дифф чистый, а недоверенный провайдер LLM уже получил весь репозиторий. Эксперимент с Kilo Code показывает, почему просмотра правки мало.
Замеры 46 операций .NET: Copilot-агент добавил просадку в 16% на первом resolve DI
Автор замерил .NET-библиотеки от 6.0 до 11 RC и нашёл две регрессии. Одну внёс человек одной строкой, вторую — PR Copilot-агента, чинивший дедлок. Разбираем цифры.
Только 17 из 50 личных API российских сервисов открыты без договора с бизнесом
Исследовательница проверила 424 российских сервиса: API есть у 232, но агент-покупатель почти везде упирается в кабинет продавца, партнёрство или ручное подтверждение оплаты.
NERVE: как приглушить «SQL-нейроны» в Qwen 27B и починить запросы 1С без дообучения
Дообучение на новых датасетах давало меньше 1% прироста. Автор нашёл нейроны, которые тянут модель к SQL-ошибкам, и просто уменьшил их веса. Разбираем конвейер NERVE.
Claude Code на GLM-5.3 и Qwen: пять граблей при подмене модели через LiteLLM
Команда ZuBrIQ заставила Claude Code, Codex и OpenCode работать на открытых моделях через LiteLLM. Самые злые баги здесь молчаливые: тихий резерв, нулевой расход, пропавшие картинки.
ИИ-агенты набрали 99,4% на SWE-Bench Pro V2, но 23 инженера сперва чинили сам тест
Рекорд 99,4% звучит эффектно, но около 30% задач старого бенчмарка были сломаны. Разбираем, что пришлось исправить и как проверять ИИ-агентов у себя в проекте.
Claude за час поправил 165 весов медицинской модели и поднял recall с 76 до 90%
Продакт из MedTech отдала Claude веса модели для оценки мутаций ДНК. Он починил её без обучения, но обычное дообучение выдало почти тот же результат.
Только 33% разработчиков доверяют ответам ИИ: как научить агента работать по спецификации
Только 33% разработчиков доверяют ответам ИИ. Разбираем, как работать с агентом через спецификации в OpenSpec: контекст, инварианты, скиллы для ревью и наставник в команде.
Блогер с Claude Code озвучил GTA V по-русски за $60: 250 тысяч реплик
Илья из ArtGeneration.me за десять дней синтезировал почти 219 часов русской речи для GTA V. Синтез обошёлся в $60, код писал Claude Code.
Кэш промптов сократил счёт за 30 шагов агента в 6,6 раза: $3,38 → $0,51
Агент за 30 шагов прочитал 1,63 млн токенов, хотя запрос никогда не превышал 96 300. Кэш промптов снизил счёт с $3,38 до $0,51 — в 6,6 раза. Разбираем, как его не сломать.
Цена ответа ИИ-агента различается в 100 раз: от 0,94 ₽ до 121,57 ₽ за сообщение
Разбор 69 агентов Agents Place: типичный ответ стоит 2,4–3 ₽, а разницу в сто раз создаёт не выбор модели, а платные внешние инструменты и длина ответа.
Один бот на Telegram и MAX: реклама привела 416 человек по 17 ₽ за каждого
Как команда бесплатного ИИ-ассистента «Лиза Петровна» подключила MAX без второго бота и что показала реклама: 6 964 ₽ дали 416 новых пользователей за четыре дня.
Секунда AI-видео в готовом ролике стоит $0,186, а не $0,10 из прайса
Прайс видеомодели обещает $0,10 за секунду, а счёт выходит в 2–3 раза больше. Разбираем, как лог дублей на Python показывает реальную цену секунды, вошедшей в ролик.
QVikhr-3-4B на VPS за 1,5 тыс. ₽ без GPU верно разметила 20 обращений из 20
Автор Habr прогнал девять лёгких LLM на VPS без видеокарты за 1,5 тыс. ₽ в месяц: лучшая модель разметила все 20 обращений (100%), а длинные тексты считаются минутами.
DGX Spark: лимит GPU 1800 МГц снизил питание двух нод с 330 до 242–252 Вт
Автор разбора на Habr настроил DGX Spark: без рабочего стола, с лимитами частот GPU и CPU. Две ноды берут 242–252 Вт вместо 330 Вт, а токенов в секунду столько же.
ChatGPT и Claude в 6 из 6 конфликтов с тестом молча выбрали сторону ради зелёного CI
Эксперимент на 18 прогонах: при честном баге агенты правили код 12 раз из 12, а когда тест спорил с документацией, все 6 ответов молча выбрали сторону.
Плагин Keystone научил Claude Code ставить LLM-шлюз: 8 скиллов, ключи вне чата
Для LLM-шлюза Keystone вышел плагин к Claude Code: 8 готовых скиллов с настоящими командами и MCP-сервер в режиме чтения. Ключи вендоров агент не видит и в чат они не попадают.
NVIDIA предсказывает лучшего кодинг-агента до дообучения: рейтинг совпал на 96%
Дообучать каждую модель-кандидата в кодинг-агенты стоит сотни тысяч долларов. NVIDIA проверяет их по записям работы сильных агентов, и рейтинг совпал с итоговым на 96%.
Claude Code написал поиск за 3 дня, а принять код команде Jmix удалось за 3 недели
Команда Jmix за три дня собрала с агентом новый поиск на 15 тысяч строк, но чтобы понять и принять код, ушло почти три недели. Разбираем, куда делось время.