AI и ML

Microsoft исправила ошибки работы Command Palette Dock в PowerToys

Папирусный свиток, сгоревший во время извержения Везувия, расшифрован с помощью ИИ

OpenAI показала GPT‑5.6 Sol

Тысячи людей в Бразилии, Камбодже и на Филиппинах трудятся над тем, чтобы на Чемпионате мира по футболу работал ИИ

DeepSeek выложил в open source DSpark — модуль, ускоряющий ответы ИИ почти вдвое

«Безопасность США важнее бизнеса»: Хуанг сменил тон по чипам для Китая

Почему model collapse может оказаться коллапсом не только моделей

Как с нуля построить международный облачный хостинг за год — на платформе ISPsystem

Чем лучше Claude Code, тем хуже разработчик

«ChatGPT с AliExpress» или лучшая китайская нейросеть: разбираемся в Qwen 3.7

Anthropic выпустили Fable 5 самую мощную AI в истории. Через 72 часа её заблокировали

Слепая дегустация для кода

Как мы выводим SaaS и онлайн-сервисы в ответы ChatGPT, Perplexity, Claude, Gemini и Алисе: 6 факторов на нашем опыте

OpenAPI без #[OA\...]: как я сделал генератор документации для Symfony

ML Red Teaming для LLM: можно ли обойтись open source-инструментами?

Нейросеть для видео Gemini Omni Flash: Как создавать крутые видео. Гайд, обзор, тесты

ИИ для генерации видео: Обновленный рейтинг лучших нейросетей для создания видео в 2026 году

Пошаговый практический гайд по разворачиванию локальной LLM на Ollama, выбору модели, вызовам API и интеграции в разработку. Время выполнения — от 30 минут до нескольких часов в зависимости от модели и железа.

Пошаговое руководство по созданию редактора с генерацией и правками текста на базе OpenAI API с конкретными цифрами, архитектурой и примерами кода. Подходит для MVP и промышленного продукта в 2025–2026 годах.

Пошаговое руководство по внедрению prompt caching для Claude с примерами кода, командами и расчётом экономии. Время выполнения: ~2–4 часа для прототипа, 1–2 дня для промышленной интеграции.

Как мы внедрили AI-поддержку в SaaS-продукт и снизили среднее время решения инцидента почти на треть. Подробный разбор архитектуры RAG + агент, интеграции с Intercom, метрик и затрат за 2025–2026 годы.

Получите рабочий пайплайн: от установки окружения до индексации через FAISS и развёртывания простого API; время выполнения — 30–90 минут в зависимости от конфигурации. Примеры кода используют Python 3.11 и модели 2025 года.

Как безопасно и стабильно подключить OpenAI API из России через прокси-сервер за пределами РФ. Пошаговая инструкция 2025–2026 с примером на Go, настройками прокси и стратегиями обхода rate limit.

Сравнение рабочих потоков Cursor и Claude Code: практические примеры, команды, замеры скорости и качества кода. Примерное время выполнения полного руководства — 90–150 минут.

Пошаговый практический гайд по использованию function calling в OpenAI API с реальными примерами на 2025 год. Выполнение от начальной установки до безопасного запуска — около 40–70 минут.

Гибридный поиск в RAG сочетает быстрый BM25 и семантические векторы, а re‑ranking с cross‑encoder повышает точность выдачи и сокращает хаос в ответах. Приведу рабочие рецепты, метрики и примеры кода с конкретными числами для 2025–2026 годов.

Сравниваем GigaChat API и OpenAI API в 2026 году: архитектура, отличия в протоколах, цены и практические сценарии. Ключевой вывод: GigaChat полезен при локализации и контроле контента; OpenAI остаётся сильнее в экосистеме и универсальных задачах.

Пошаговое руководство по подготовке данных, выбору архитектуры дообучения и запуску fine tuning Llama 3 на реальных задачах. Приведены команды, оценки стоимости и примеры кода для 2025–2026 годов.

Сравнение Qdrant, Weaviate и Milvus — какие задачи они решают, как ведут себя в бенчмарках 2025–2026, и за счёт чего отличаются стоимостью размещения. Ключевой инсайт: для 10M векторов чаще выгоден Qdrant по стоимости и удобству фильтров; для 1B — Milvus при наличии GPU-инфраструктуры, Weaviate — если нужна GraphQL-экосистема.

Пошаговое руководство по настройке Retrieval-Augmented Generation для поиска по корпоративным документам и личным архивам. Практические рекомендации по чанкованию, выбору embeddings, хранению векторов и интеграции с LLM (с конкретными цифрами и кодом).