Атакующие проверки LLM-приложений: плейбук состязательного тестирования в 2026
Как регулярно проверять RAG и агентов на враждебном вводе: стенд, каталог сценариев и порог обходов.
Stuzhuk Lab — Chemistry of Code
Химия кода
← Все статьи
Тег
ИИ
Все статьи блога с этим тегом.
Один программист — целая команда: как опытный разработчик управляет ИИ-агентами
ИИ-агенты меняют разработку ПО: опытный программист параллельно поручает реализацию, тесты, аудит и документацию. Рабочая модель, ограничения и навыки инженера, который управляет исполнителями, а не только пишет код.
Нейросеть по рецепту: веса считают, а не хранят целиком
Обзор на Habr: гиперсети, Kilobyte Models и SeedLM — компактный «рецепт» вместо гигабайтных матриц и чем платят за экономию места.
Большой файл остаётся на сервере: Matryoshka отдаёт агенту ярлык
Matryoshka на TypeScript держит документ на сервере и отвечает короткими ярлыками. Проверка «Войны и мира» и журнала без ключа языковой модели.
Локальные LLM без серверной видеокарты: MoE, RAM и VRAM в 2026
Почему модели со смесью экспертов требуют много памяти при малом числе активных параметров, как работают квантование и выгрузка слоёв, и почему 64 ГБ RAM плюс 16 ГБ VRAM — серьёзный старт для домашнего локального ИИ.
Что убивает ИИ, а что делает востребованнее
ИИ обесценивает не профессии целиком, а способы создавать ценность. Что теряют приложения, курсы и роли — и где растут данные, интеграция и ответственность.
Миллионы за комментарий: как корпорации скупают данные для ИИ
Reddit, медиасделки OpenAI, архив Spirit Airlines и скан книг Anthropic — почему обучение моделей всё чаще начинается с чека, а не с открытой сети.
Человек vs ИИ: кто быстрее пишет код — и почему исследования дают разные ответы
Microsoft, GitHub и METR: ИИ может ускорять задачу на десятки процентов, а в зрелых репозиториях — замедлять. Разбираем скорость генерации, качество и иллюзию продуктивности.
Локальная LLM на NPU в мини‑ПК: что получилось на Ryzen AI 9 365
Кейс с Habr: большая модель на NPU через FastFlowLM, ловушки с памятью, очередью и отменой запросов, окупаемость против облака.
ИИ-тестировщик за 11 недель: 77 багов у агента, 16 у человека
Дневник сессий с Claude Code: 277 часов агента, 94 подтверждённые находки, где эталон даёт урожай и почему час агента не заменяет час человека.
YOLO: как нейросеть учится находить объекты на изображении
Детекция объектов простым инженерным языком: чем YOLO отличается от классификации и сегментации, как устроены рамка, уверенность и подавление дублей, зачем готовые веса и свой датасет, и как связать детектор с OCR, линиями, графом и языковой моделью на технологических схемах.
Сильный ИИ на своём железе: почему небольшая лаборатория снова в игре
Тим Деттмерс: локальный вывод больших моделей и автономные исследования без гонки за самым большим числом видеокарт.
Почему модель теряет середину длинного документа
На 500 страницах документации полный контекст дал около 34% точности. Маленькая модель отбирает факты до дорогой.
Три уровня стека языковой модели: ядро, граф и система
Как устроен программный стек большой языковой модели: вычисления, память, обмен данными и параллелизм обучения и вывода.
Кроп листа УЗТ: проекции, перспектива и другие способы разрезать бланк
Полевые заметки: как в пилоте режем фото бланка УЗТ на клетки — морфология, проекции, осторожная перспектива — и какие ещё приёмы разрезки листов распространены в индустрии.
Компактная CRNN для замеров УЗТ: 640 тысяч параметров и пустые клетки
Полевые заметки: локальная CRNN на кропах толщины, CTC, 640 тыс. параметров, конфликт пустых клеток и почему Transformer не первый шаг.
Качество компактной замерной сети не растёт от запуска обучения: цикл экспериментов
Третья заметка пилота УЗТ: диагностика ошибок, один рычаг за раз, эпохи, набор и когда модель уже не надо «дожимать» процентами.
Пустая клетка, повтор и зачёркивание: распознаватель не должен решать, есть ли замер
Продолжение пилота УЗТ: пять видов клетки, чернила, повтор вверх по колонке, зачёркивание и почему эвристика ещё не заменяет крошечный классификатор.
ИИ-анализ рентгенограмм сварных соединений: от набора данных до системы контроля
ИИ для радиографии сварки: данные, разметка, детектор, правила и эксперт. Почему 88 публичных снимков — не заводской набор.
Программист в эпоху ИИ: конец профессии или новый уровень?
ИИ удешевляет код, но не систему. Кто будет востребован через 5–10 лет, почему junior в зоне риска и чему учиться в 2026.
Подложка данных и векторная база: зачем обе в регулируемом ИИ
Векторный поиск находит похожее, но не объясняет решение. Как хранить версию нормы и источник рядом с ответом модели.
Рукописный бланк УЗТ: почему одной модели мало
Полевые заметки пилота: компьютерное зрение, OCR, vision LLM, confidence и review оператора до ERP — без претензии на готовый гайд.
Семь дыр, которые ИИ чаще вставляет в код — и как их ловить
Почему ассистенты генерируют «правдоподобный пример», а не прод: секреты в коде, SQL-склейка, дыры в доступе. Таксономия и сканер ai-vuln-scan.
Cohere тихо выпустила MoE на 218 млрд параметров для перевода
North Small Translate: 218 млрд параметров, 25 млрд активных, 50 языков. WMT26 83,60 и лицензия CC BY-NC — сигнал эпохи узких промышленных моделей.
Voodoo.js: прорыв или возвращение к простому вебу?
Разбор Voodoo.js: HTML-первый без сборки, JSX в разметке, реактивность без Virtual DOM, честные бенчмарки и почему идея важнее скорости в эпоху ИИ-кодинга.
Voodoo.js: архитектура среды выполнения без компилятора, Virtual DOM и eval
Карта слоёв Voodoo.js: обход DOM, области видимости, реактивность, цена отказа от сборки, размер пакета, разрастание возможностей и HTML как артефакт для ИИ.
Qwen 3.8 27B на Cerebras: ~1500 токенов/с
Qwen 3.8 27B на публичных конечных точках Cerebras: ~1500 токенов/с, 64k/128k контекст, без прореживания в проде.
Как научить нейросеть читать рукописные цифры: от CNN до TrOCR
Практический путь от классификации одной цифры до распознавания последовательностей на реальных бланках: CNN, CTC, CRNN, TrOCR, разметка из базы, эксперименты и production-пайплайн без лишней модели.
От инженера ПО к AI-инженеру, часть 5: масштабирование инструментов через MCP
Model Context Protocol — каталог инструментов для приложений ИИ: сервер, клиент, JSON-RPC и пример PayIQ на FastMCP.
Приватный генератор кодбука на Mistral: план, а не рецепт
Как спроектировать локальный контур качественного анализа с Mistral Small 3.1, Ollama и FastAPI — без ложных обещаний ИИ.
ACL и мультиарендность в RAG: фильтровать права до поиска, а не после
Права доступа в промышленном RAG нельзя оставлять модели. Как изолировать арендаторов, применить список доступа до извлечения, закрыть скрытые каналы утечки и измерить полноту при жёстких фильтрах.
Загрузка документов в RAG: PDF, таблицы, распознавание и версии без тихого мусора
Конвейер приёма документов для промышленного RAG: неизменяемый оригинал, разбор PDF и сканов, таблицы без сломанных ячеек, карантин парсера, версии и идемпотентность.
Насколько далеко продвинулся ИИ? Карта зрелости по сферам деятельности
ИИ не развивается равномерно: в одних областях он уже профессиональный инструмент, в других — впечатляющая демонстрация. Шкала зрелости, оценки по десяти направлениям и главный вопрос — не «умеет ли», а «насколько надёжно и автономно».
CMP 90HX для LLM: почему майнинговая карта тормозит и что даёт «six-seven»
MoE на CMP 90HX терпимо, dense — нет: карта ограничена по типам вычислений. Модификация драйвера через V67 даёт почти ×2, но не снимает все ограничения.
Как LLM находит знания: от токенов и Transformer до RAG
Как текст становится токенами и векторами, что делает Transformer, чем обучение отличается от RAG, и как из Markdown собрать поиск знаний для модели.
Как оценивать LLM до продакшена: уроки GitHub Secret Scanning
Сначала продуктовое решение и ограничители, потом модель: офлайн-оценка как интеграционные тесты и разбор ошибок.
Как обучают LLM: предобучение, дообучение, LoRA, RAG и агенты
Уровни адаптации языковых моделей: что меняет веса, что подключает знания и инструменты, и как выбрать подход без «дообучения на PDF».
Ukrainian LLM Leaderboard: рейтинг моделей по украинскому языку
Минцифры, УКУ и lang-uk открыли на Hugging Face открытый рейтинг LLM по украинскому: перевод, пересказ, поиск, логика, ЗНО.
Дешёвая LLM для агента: почему экономия на токене дорожает задачу
Почему облегчённые модели плодят вызовы инструментов, как бенчмарки врут и какие метрики считать вместо цены за миллион токенов.
NanoGPT Speedrun: 153 прогона агентов по фронтирным моделям
Prime Intellect сравнил 18 моделей на `nanoGPT`: лучший валидированный счёт у Kimi K3kimi-code, плюс 41 полная траектория агента.
Problem Engineering: спецификация задачи важнее трюков промпта
Пять слоёв формальной постановки задачи для ИИ-кода: инварианты, контракты данных, гонки, отказы и наблюдаемость вместо масок персонажа.
Свой инференс для 25 разработчиков: кэш префикса важнее модели
Стенд на vLLM и Blackwell: hit rate кэша 96,9%, отношение вход/выход 452:1 и почему свой контур берут не ради экономии.
Проверка качества языковых моделей: какие тесты существуют и что они на самом деле измеряют
Виды проверок LLM: открытые наборы задач, арены, модель-судья, безопасность, регрессия продукта и онлайн-сигналы — что каждый тест проверяет и чего не видит.
Векторные базы для агентов ИИ в 2026: что важнее скорости ANN
Qdrant, Pinecone, Weaviate, pgvector и Milvus: фильтры, гибридный поиск, мультитенантность и квантование — как выбирать хранилище памяти агента.
CrewAI на Go без зависимостей: перенос оркестрации агентов со стандартной библиотекой
crewai-go повторяет Agent, Task и Crew на чистом stdlib: один бинарник, быстрый холодный старт и явные зависимости задач.
Семантический контекст для ИИ: как LSP помогает модели понять код
Четвёртая часть серии про автодополнение: Language Server Protocol даёт типы, определения и ссылки — слой поверх текстового поиска по репозиторию.
Spec-Driven Development в 2026: спецификация как источник истины для разработки с ИИ
Спецификация как главный артефакт разработки с ИИ: цикл спека → план → код → проверка, инструменты 2026 и где SDD ломается.
Векторные базы данных в промышленном ИИ: слой индекса, поиска и хранения
Как выбрать и эксплуатировать векторную базу: алгоритмы поиска, фильтры, арендаторы, PostgreSQL с pgvector против отдельного хранилища.
JavaScript в обвязке агента: когда скрипт дешевле рассуждений модели
Интерпретатор JS в песочнице заменяет часть вызовов инструментов и арифметику LLM. Разбор статьи на Хабре про LM Studio и LangChain.
ИИ-видео в контент-пайплайне: правки по кадру, а не генерация с нуля
Runway Aleph в продакшене: манифест шотов, одна операция на проход, preserve-клаузы, человеческий QC и кэш промптов.
Системные промпты Claude: чему учит эволюция от Haiku 3 до Opus 5
Anthropic публикует system prompts: не «магические» роли, а правила решений, инструментов, неопределённости и UX длинных агентных задач.
Агентам ИИ нужна платформа, а не только скорость печати
Почему кодовые ассистенты не ускоряют релиз монолита без трекера, среды, данных и MCP — кейсы SimpleOne на low-code.
Ревью кода в эпоху ИИ: что обязан проверить человек после патча агента
Объём агентных запросов на слияние превышает ёмкость ревью: долг проверки, границы человека и модели, контрольный список после разницы изменений, человеческие шлюзы и правила команды для лёгкого и глубокого ревью в 2026.
LLM опровергают старые гипотезы — узкое место проверка
Контрпримеры и доказательства от моделей, побег из песочницы, сертификаты Lean: не путать цепочку рассуждений с верным выводом.
Как Cursor и другие IDE работают с кодом: от автодополнения до агентов
Эволюция IDE и внутренняя механика AI-инструментов: LSP, индексация репозитория, сборка контекста, режимы Tab, чат и агент, MCP и сравнение Cursor, Copilot, JetBrains, CLI-агентов — что происходит с кодом под капотом в 2026 году.
Лучшие фильмы и сериалы про IT для инженера
Подборка tech-adjacent кино и сериалов: стартапы, сбои, AI, команды и этика — с критериями отбора и честными оговорками. Не IMDb-топ ради кликов.
Агентная инженерия в 2026 году: как управлять ИИ-агентами без потери качества
Практическая модель агентной разработки: контекст, декомпозиция задач, циклы проверки, многоагентная оркестрация, безопасность, метрики и роль инженера в жизненном цикле разработки 2026 года.
Контур оценки ИИ в 2026 году: золотые наборы, регрессионные барьеры и критерии релиза для продакшена
Как построить инженерный контур оценки ИИ: золотые наборы, метрики поиска и генерации, регрессионные барьеры в CI, теневой трафик, выпуск и FinOps LLM-шлюза.
Защитные барьеры для ИИ в 2026 году: политики, разрешённые инструменты и безопасная автономность агентов
Практическая модель вывода ИИ-агентов и RAG-систем в промышленную эксплуатацию: политики как код, узкие права инструментов, согласования человеком, проверка атак и аудит, пригодный для разбора инцидентов.
Плейбуки отказоустойчивости: таймауты, предохранители и честная деградация
Плейбуки отказоустойчивости LLM с ограниченными повторами и честными режимами деградации.
Шлюз LLM и финансовая операционная дисциплина в 2026: маршрутизация моделей, бюджеты токенов и контроль стоимости без потери качества
Как спроектировать шлюз ИИ с маршрутизацией моделей, бюджетами токенов и контролем стоимости: политики, кэш, отказоустойчивость и юнит-экономика без потери качества ответов.
Как спроектировать таксономию маршрутизации моделей для продуктовых команд
Устойчивая маршрутизация моделей вокруг контрактов задач, а не названий поставщиков.
Семантическое кэширование без утечки данных арендаторов
Многопользовательский семантический кэш без межарендного раскрытия данных и устаревшей авторизации.
Токенные бюджеты и chargeback для AI-платформы с несколькими командами
Токенные бюджеты и chargeback через метрики полезной работы и ясных владельцев.
Промышленная инженерия RAG в 2026 году: разбиение, гибридный поиск, переранжирование и оценка
Практическое руководство по промышленным RAG-системам: подготовка корпуса, гибридный поиск, переранжирование, оценка качества, безопасность, наблюдаемость и поэтапный план внедрения.
Промпт-инъекции в продакшене 2026: защита RAG, инструментов и агентов от недоверенного контента
Практическая архитектура защиты от промпт-инъекций в RAG и агентных системах: происхождение документов, изоляция контекста, минимальные полномочия, контроль исходящего трафика, песочницы и проверяемая многоуровневая защита.
Эксперименты с разбиением документов с фиксированной разметкой, HTML и баз знаний для RAG
Контролируемые эксперименты с разбиением документов с сохранением структуры и цитат.
Как собрать эталонный набор данных для оценки RAG
Эталонный набор для оценки поиска и ответов RAG: разметка, версии и контроль регрессий.
Гибридный поиск с BM25, векторами и reciprocal-rank fusion
Сочетание BM25, векторного поиска и reciprocal-rank fusion с измеримыми производственными ограничителями.
Переранжирование в промышленном RAG: качество, задержка и стоимость
Эксплуатация этапа переранжирования RAG с явными бюджетами качества, задержки и стоимости.
MCP в продакшене 2026: stateless-спека, безопасность и миграция
Практический разбор Model Context Protocol после релиза 2026-07-28: отказ от сессий, MRTR, маршрутизация по заголовкам, авторизация, shadow MCP и как писать серверы, которые переживают нагрузку.
Как ИИ-агент получает доступ к API Яндекс Вебмастера через MCP
Разбор MCP-сервера для Яндекс Вебмастера: восемь инструментов вместо десятков методов API, вход через OAuth и безопасные действия агента.
OpenAI внедряет ИИ в научные исследования США
Национальная научная инициатива OpenAI даст лабораториям и университетам доступ к моделям, но решающими остаются проверка и контроль.
Почему агент ИИ иногда обходится дешевле RAG
Больше вызовов LLM не всегда означают больше расходов: считать нужно стоимость закрытого обращения, а не одного ответа.
Локальный ИИ не всегда означает приватность
CVE-2026-7482 в Ollama показывает: локальная LLM может раскрыть память процесса, если сервер доступен из сети и принимает недоверенные модели.
Kimi K3: что открытые веса большой ИИ-модели дают разработчикам
Moonshot AI открыла веса Kimi K3: как устроена MoE-модель, почему 1,4 ТБ меняют планы развёртывания и что проверить в лицензии.
Как обучить ИИ-трансформер на 6,4 млн параметров для рецептов
Разработчик собрал небольшой ИИ-трансформер на PyTorch, обучил его на рецептах и запустил на CPU без внешних API.
Открытые веса ИИ: экосистема выходит на уровень Kubernetes
Открытые веса превращают языковые модели в платформу: разработчики адаптируют, запускают и дополняют их своим стеком.
ИИ Gemma 4 26B на 13-летнем Xeon: что реально даёт запуск без GPU
Автор запустил Gemma 4 26B на Xeon E5 v2 без GPU. Разбираем требования, заявленные 12 токенов/с и важные оговорки.
RAG в проде: уроки обработки 10 тысяч вакансий в день
Как разбиение текста, векторные представления, pgvector, контроль расходов и наблюдаемость делают RAG-систему устойчивой.
Открытые ИИ-модели в продакшене: 8 уроков llama.cpp, Gemma и Qwen
Как запускать открытые LLM в продакшене: управлять инференсом, выбирать модели по задачам и гарантировать формат ответов.
ИИ на 744 млрд параметров в 25 ГБ ОЗУ: как устроен Colibri
Colibri запускает GLM-5.2 MoE без GPU: постоянная часть в ОЗУ, эксперты на NVMe. Разбираем подход, скорость и реальные сценарии.
Xiaomi анонимно выпустила передовую ИИ-модель — и разработчики её выбрали
Тестовая MiMo-V2-Pro под именем Hunter Alpha собрала триллион токенов: решающими оказались качество, цена и ограничения для данных.
Как превратить описание вакансии в план учебного собеседования с помощью ИИ
Небольшой скрипт на Node.js выделяет сигналы из вакансии и собирает вопросы, пробелы в опыте и недельный план подготовки.
Как ограничить ИИ, чтобы он не выдумывал цифры в данных
Разбор подхода с Claude Desktop, DuckDB и песочницей: расчёты выполняют инструменты, а ИИ получает схему данных и строгие ограничения.
Локальный ИИ через FastAPI и Ollama: от модели к безопасному API
Как обернуть локальную LLM в FastAPI, ограничить выполнение SQL и не потерять скорость на CPU.
Где заканчивается генерация кода и начинается инженерия
ИИ уже пишет рабочие функции, но продукт — это архитектура, контекст, риски и ответственность. Граница между кодом и инженерией, кейс легаси на 15 лет и навыки разработчика в 2026.
Может ли искусственный интеллект разобраться в проекте с 15-летней историей
Унаследованный код на миллионы строк, сотни таблиц и десятки интеграций: что ИИ понимает за часы, где ошибается, как внедряют RAG и индексацию репозитория, и почему эксперт + модель быстрее, чем любой из них по отдельности.
Fable 5 и qa-mcp: как ИИ помог вскрыть протокол TestClient в 1С
Кейс с Habr: от Vanessa Automation к нативному TestClient через Python — где Codex застрял на неделю, Fable 5 за сутки собрал карту протокола для qa-mcp.
Транскрипты YouTube для суммаризации и RAG: REST вместо скрейпинга
Как получать JSON-транскрипты с таймкодами через API на RapidAPI — для LLM, векторного поиска и субтитров без хрупкого парсинга страницы.
Shumai: платформа с открытым кодом — альтернатива Frame.io для креативных команд
Обзор Shumai — платформы для хранения медиа, покадровых комментариев, совместной работы и ИИ-агента с семантическим поиском. Развёртывание через Docker Compose.
Как превратить изображение схемы в редактируемую диаграмму: полный обзор технологий от OCR до ИИ
Блок-схемы, UML, BPMN, сетевые топологии и чертежи: почему PNG ≠ диаграмма, что дают OCR, векторизация, CAD, компьютерное зрение и VLM в 2025–2026, и какая цепочка реально работает.
Почему тысячи AI-статей не гарантируют трафик
Разбор контентной гонки 2025–2026: почему массовая генерация не даёт линейного роста, как поисковики оценивают сайт целиком, и что работает вместо контент-ферм.
Fine-tuning Qwen 3 0.6B: с 10% до 92% точности классификации вопросов
Эксперимент с домашним чат-ботом: как дообучить крошечную локальную LLM через Unsloth и двухбуквенные коды категорий вместо имён меток.
От pip install до продакшена: самовосстанавливающийся ИИ-агент за 10 минут
Практический гайд по NeuralBridge SDK: мультипровайдерный failover, каскадное самовосстановление и наблюдаемость для OpenAI-совместимых LLM-вызовов в Python.
GitHub открыл датасет многоязычных репозиториев для ИИ
80+ млн строк метаданных по 40 млн публичных репозиториев: классификация языка README, issues и PR под CC0 — для оценки и обучения мультиязычных инструментов разработки.
Новый SDLC: vibe coding vs agentic engineering
Честный взгляд senior-разработчика: Agent = Model + Scaffold, context engineering, фабричная модель и почему «vibe coding» не масштабируется.
Умный реестр документов: бесплатный OCR Google Drive и обход лимитов Gemini
Google Apps Script, скрытый OCR Drive API, ротация ключей Gemini и LockService — пайплайн каталогизации архива на Habr.
За хайпом: как сильные команды реально внедряют ИИ в разработку
Вебинар Platform9, Monday.com и PlayStation: SDLC вокруг ИИ, роль «инженера-оркестратора» и узкие места ревью.
DeepSeek V4 Pro обходит GPT-5.5 Pro по точности
Сравнение на задачах со схемами и инструкциями: DeepSeek 38:33, один regex вместо двух, меньше лишних деталей.
Самый простой «мозг»: перцептрон на Python с нуля
Один вход, вес и смещение, эпохи обучения и линейная граница — фундамент нейросетей без фреймворков.
Genkit на Go: как собрать ИИ-приложение, а не демо с одним промптом
Google Genkit для Go: схемы ответов, многошаговые сценарии, инструменты, наблюдаемость и смена моделей без переписывания логики.
MamayLM v2.0: украинские LLM и бесплатный чат Mamay AI
INSAIT выпустил Gemma 3–based модели 12B и 27B с поддержкой украинского, мультимодальность и инфраструктуру в Украине.
DeepSeek V4 Flash против GPT-4o: задержка, цена и гибридная маршрутизация
Сравнение на Dev.to: p99 около 0,9 с против 3,2 с, экономика API и схема «дешёвый поток + премиум по запросу».
Безопасность песочницы для агентного ИИ: Docker, microVM и CVE-2026-31431
40% команд называют безопасность главным барьером масштабирования agentic AI. Docker Sandboxes, seccomp и изоляция автономного кода.
Почему JSON тормозит агентные системы и что предлагает ULMEN
Контекст на миллионы токенов, а обмен — в JSON. ULMEN LLM: около −44% токенов в тестах автора.
AI-аналитик без SQL: DuckDB, LLM и трёхэтапный пайплайн
Вопрос на естественном языке → SQL через LLM, DuckDB in-process, три стадии и read-only guardrails для безопасности.
KLIP: локальная детекция сдвига распределения через диффузионный prior
Препринт arXiv: метрика на KL-дивергенции между prior и posterior находит чужие патчи в обратных задачах без калибровочных данных.
Семантический слой между хранилищем и BI: зачем он нужен для AI-аналитики
Metrics Layer / Headless BI: единый исполняемый контракт метрик, отличие от каталога данных и почему LLM не должна сама изобретать SQL.
Chartographer: контрфактуальные графики для честной оценки VLM
Меняют данные графика при том же вопросе — и ловят, где модель отвечала по памяти, а не по визуальному рассуждению.
GEO: как отслеживать долю упоминаний бренда в ChatGPT и Perplexity
Набор типовых вопросов, массовые прогоны, метрики доли упоминаний, тональности и точности фактов. II кв. 2026.
Maat: агент для исследования конкурентного права с RAG и официальными цитатами
ReAct-агент с инструментами обходит ChatGPT и узкие legal LLM на кейсах слияний — RAG, web fallback, уточняющие вопросы.
MATCHA: метрика для оценки LLM, которая ловит противоречия с эталоном
ROUGE и BERTScore часто ставят высокий балл противоположным текстам. MATCHA штрафует контрфактуальные противоречия — до +20% к согласию с людьми.
Open WebUI на Ubuntu: Docker Compose и HTTPS через Traefik
Свой ChatGPT-подобный интерфейс к Ollama и OpenAI-совместимым API — пошаговый деплой с Let's Encrypt.
Когда взгляд выдаёт нейросеть: детекция ИИ-фото по согласованности взгляда
Пиксельные детекторы слабеют на ИИ-фото с людьми. Авторы предлагают проверять согласованность взгляда в кадре — +3,7 п.п. на сценах взаимодействия.
Файл llms.txt: зачем он нужен и чего от него не ждать
Честная роль llms.txt в подготовке к AI-поиску: карта сайта для агентов и миф о мгновенном росте цитирований. II кв. 2026.
robots.txt: как разрешить доступ AI-ботам (GPTBot, ClaudeBot, Perplexity)
Полный практический гайд по robots.txt для AI-краулеров: GPTBot, ClaudeBot, PerplexityBot, OAI-SearchBot, разделение Google и Яндекс, Allow/Disallow, чеклист проверки после деплоя и связь с AISO. Актуально на II кв. 2026.
Почему транскрипция не заменяет клинический ИИ в медицине
Whisper и краткое резюме через LLM ломаются в реальной практике: нужны движки клинического рассуждения и интеграция с EMR, а не «просто текст».
Antigravity 2.0: ОС за $1000 и 93 AI-агента за 12 часов
Google I/O Writing Challenge: мультиагентная оркестрация собрала ядро ОС без ручного кода — и меняет роль разработчика.
5 Python vector DB: что ломается после ноутбука
Chroma, Pinecone, Qdrant, Weaviate — не бенчмарки QPS, а packaging, API stability и путь из dev в production.
Docker как страховка для AI-сгенерированного фронтенда
Код от Copilot/Cursor компилируется, но падает в браузере — зачем поднимать приложение и Playwright/Cypress в одном compose.
Prompt API в Chrome: локальный Gemini Nano из JavaScript
LanguageModel.create() без сервера и API-ключа — возможности, лимиты ~4K токенов и обязательный fallback на hosted LLM.
QA за 24 часа: автономный AI-агент вместо ручной регрессии
RankCaster AI собрал автономного тестировщика на Claude Code, agent-browser и read-only psql — регрессия с 48 часов до 40 минут.