Владимир Дьячков PhD

Что такое DiffusionGemma DiffusionGemma — это экспериментальная открытая модель генерации текста от Google AI (включая DeepMind). Вместо привычного автогенеративного (autoregressive) декодирования она использует текстовую диффузию, генерируя сразу блоки текста параллельно. Модель распространяется по лицензии Apache 2.0, что даёт полную свободу для разработчиков и исследователей. Как работает текстовая диффузия Модель начинает с «полотна» из случайных токен‑заполнителей. Несколько проходов «очищают» полотно: уверенные токены фиксируются, остальные пере‑генерируются. В результате происходит сходимость к финальному тексту. В отличие от автогенеративных моделей, где каждый токен фиксируется сразу и может лишь смотреть назад, DiffusionGemma использует двунаправленное внимание, позволяя поправлять уже сгенерированные токены в любом месте текста. Архитектура 26‑млрд параметров MoE… ➡️➡️➡️

Claude Fable 5 and Claude Mythos 5 Anthropic released two models on June 9 2026: Claude Fable 5 and Claude Mythos 5. Both belong to the “Mythos‑class” tier, which sits above the Opus class in capability. Fable 5 is marketed as the safe‑for‑general‑use version, while Mythos 5 is the same model with some safeguards lifted and is kept in a limited release. The capability case Anthropic reports that Fable 5 is state‑of‑the‑art on almost all tested benchmarks. Highlights include: Software engineering: In early access, Stripe used Fable 5 to perform a code‑base‑wide migration in a 50‑million‑line Ruby project in one day – a task that would normally take a team several months.… ➡️➡️➡️

Как AI меняет процесс разработки в 2026 году Когда‑то мы писали код «ручкой», а сейчас – описываем намерения и позволяяем агентам делать работу. Современные инструменты планируют задачи, правят несколько файлов, запускают тесты, открывают pull‑request и даже выкатывают продукт в продакшн с минимальным надзором. Почему один инструмент не спасёт всех Кратко: каждый сервис решает свою часть пути от идеи до готового продукта. Выбирайте по задаче, а не по шуму в маркетинге. Обзор платформ AI‑ассистированного развития Atoms – команда AI‑агентов «под ключ» Представьте продукт‑менеджера, архитектора, full‑stack инженера, SEO‑специалиста, аналитика и рекламщика, работающих одновременно. Описываете идею простым языком, а Atoms генерирует готовое приложение с аутентификацией, базой… ➡️➡️➡️

Почему визуализация репозитория важна? Когда в каталоге скопилось несколько десятков тысяч файлов, трудно представить «внутреннее устройство» проекта. Простой график сразу показывает, какие языки доминируют, какие типы файлов встречаются чаще всего и насколько глубоко зарыты файлы в иерархии каталогов. Это помогает быстро выявить аномалии, оптимизировать структуру проекта и принять обоснованные решения о дальнейшем развитии. Что будем строить? С помощью matplotlib и pandas подготовим четыре визуализации, размещённые в сетке 2×2: Топ‑12 языков программирования по количеству файлов. Топ‑12 расширений файлов. Гистограмма глубины вложенности каталогов. Топ‑10 репозиториев, откуда импортированы файлы. Подготовка данных Предположим, у вас уже есть DataFrame df с колонками: lang – язык… ➡️➡️➡️

Gemini 3.5 Live Translate — что это и зачем? Google представила Gemini 3.5 Live Translate — модель, переводящую речь в реальном времени. В отличие от традиционных “turn‑by‑turn” систем, она непрерывно преобразует входящий аудиопоток в перевод, задерживая его лишь на несколько секунд. Поддерживается более 70 языков, сохраняется интонация, темп и высота голоса. Как работает непрерывный поток? Модель обрабатывает звук по мере поступления, без ожидания окончания фразы. Это позволяет: Сохранять синхронность с говорящим; Уменьшать паузы, которые обычно требуются для анализа контекста; Обеспечивать работу в шумных условиях благодаря устойчивости к фоновому шуму. Подключение через Live API Для разработчиков доступен gemini-3.5-live-translate-preview. Конфигурация задаётся в блоке translationConfig внутри generationConfig: targetLanguageCode — BCP‑47 код языка… ➡️➡️➡️

Что измеряет исследование Исследование охватывает 90‑дневный период с 27 февраля по 27 мая 2026 года. Продукт Computer был запущен за два дня до начала окна. Методика сравнивает почти идентичные запросы в двух сервисах Perplexity: Search (разговорный ответный движок) и Computer (агент, планирующий и исполняющий задачи полностью). Были найдены 10 000 пар с косинусным сходством > 0,99, то есть фактически один и тот же запрос, выполненный двумя способами. Структура затрат Исследователи используют простую модель задачи: каждый шаг имеет небольшую ценность, а более длинные задачи – большую. Агент берет на себя более высокий фиксированный расход (делегирование, проверка), но снижает переменный расход на каждый шаг, потому что система исполняет… ➡️➡️➡️

Что такое cuTile и почему это важно? Если вы работаете с CUDA уже не первый год, то, скорее всего, слышали про cuTile – библиотеку, позволяющую писать «тайл‑ориентированные» ядра без повторного изобретения колеса. Принцип прост: разбиваем массивы или матрицы на небольшие плитки, обрабатываем их в рамках одного блока и тем самым экономим глобальную память и повышаем пропускную способность. Типичные проблемы при использовании тайлинга Неправильный размер тайла. Слишком маленький – вы теряете выгоду от совместного использования памяти, слишком большой – выходите за пределы регистров. Неудобный API. Стандартные примеры часто полны «магических» цифр и скрытых зависимостей. Отсутствие fallback‑механизма. Если CUDA недоступна, ваш скрипт… ➡️➡️➡️

Что такое Kimi Code CLI Kimi Code CLI – это открытый AI‑агент для разработки и работы в терминале. Он умеет читать и изменять код, выполнять shell‑команды, искать файлы, получать веб‑страницы и, опираясь на обратную связь, выбирать следующий шаг. Программа распространяется под лицензией MIT и размещена на GitHub. Ключевые возможности Один бинарный файл – установка одной командой, без необходимости предварительно ставить Node.js. Мгновенный старт – TUI появляется за миллисекунды. Поддержка суб‑агентов – встроенные coder, explore и plan работают в изолированных контекстах. Конфигурация MCP через чат – /mcp-config добавляет и аутентифицирует серверы Model Context Protocol без редактирования JSON. Видео‑ввод – можно бросить в чат запись экрана и агент её проанализирует. Хуки жизненного… ➡️➡️➡️

Что такое MiMo‑V2.5‑Pro‑UltraSpeed UltraSpeed — режим ускоренного обслуживания для модели MiMo‑V2.5‑Pro. Базовая модель построена на архитектуре Mixture‑of‑Experts (MoE) с триллионом параметров. UltraSpeed не повышает «ум» модели, а делает её более быстрой в генерации токенов. Достижение скорости более 1000 TPS (токенов в секунду) реализовано за счёт трёх согласованных техник и полностью работает на обычном 8‑GPU узле. Трёхслойный ускоряющий стек Скорость достигается за счёт одновременного применения: FP4‑квантования – уменьшает объём памяти и пропускную способность; DFlash‑speculative decoding – предсказывает блоки токенов параллельно; TileRT‑runtime – исполняет операции микросекундными ядрами без постоянных запусков. Слой 1 — FP4‑квантование Для экспертов MoE применён формат MXFP4, что снижает требования к памяти без заметного… ➡️➡️➡️

Что делает код и зачем он нужен В примере показан типичный рабочий процесс построения классификатора, который принимает два типа признаков: текстовое поле skill_md_content (обрезанное до 6000 символов); числовые метрики сканеров (skillspector_score, static_finding_count, skillspector_issue_count, virustotal_malicious_count). Задача – предсказать clawscan_verdict, то есть судить о том, безопасна ли сущность (например, репозиторий) согласно результатам сканирования. Подготовка данных Функция prep делает три вещи: заполняет пропуски в тексте пустой строкой и обрезает его до 6000 символов, чтобы TF‑IDF не «залипал» на гигантские документы; приводит все числовые колонки к типу float, заменяя ошибочные значения NaN; возвращает копию датафрейма, чтобы оригинал оставался нетронутым. Важный момент – df.copy() защищает… ➡️➡️➡️

Что такое агентный RAG от Google Google представила новый агентный RAG‑фреймворк, интегрированный в Gemini Enterprise Agent Platform. Он обеспечивает функцию Cross‑Corpus Retrieval, доступную в публичном превью. Основная идея – решить известный пробел в корпоративном поиске, когда обычный одноступенчатый RAG не справляется с запросами, требующими информации из нескольких источников. Почему обычный RAG не работает с multi‑source запросами Пример: «Какие характеристики сервера, использованного в проекте X?». Система может найти документ с ID сервера, но не знает, что нужно взять этот ID и поискать детали в другой базе. В итоге вы получите либо частичный ответ, либо сообщение «не найдено». Как работает многократный агентный… ➡️➡️➡️

Что такое MAI‑Transcribe‑1.5 MAI‑Transcribe‑1.5 — модель автоматического распознавания речи (ASR), разработанная Microsoft «с нуля». Она принимает аудио‑файл и возвращает текстовый транскрипт. Важный момент: одна модель поддерживает 43 языка, разные диалекты и акценты, а также работает в шумных условиях. Модель уже интегрирована в Copilot, Teams, GitHub и Dynamics 365 Contact Centre и доступна через Azure AI Foundry. Точность в цифрах Точность измеряется показателем Word‑Error‑Rate (WER) — чем ниже, тем лучше. По данным Microsoft, модель достигает рекордных результатов на мультилингвальном бенчмарке FLEURS, превзойдя конкурентов во всех 43 поддерживаемых языках. На открытом бенчмарке Artificial Analysis WER составил 2,4 %, что поставило модель на третье место.… ➡️➡️➡️

Что делает скрипт и зачем он нужен Представленный фрагмент — это набор небольших, но полезных инструментов для автоматического анализа отчётов garak. Garak — открытый фреймворк, который проверяет модели ИИ на уязвимости (например, попытки обойти безопасность). Скрипт ищет свежий report.jsonl, извлекает из него оценки и выводит таблицу с процентом успешных атак (ASR %). При желании рисует горизонтальную диаграмму. Как подготовить окружение Установите необходимые библиотеки: pip install numpy pandas matplotlib. Garak уже должен быть установлен в системе для импорта garak.report. Убедитесь, что у вас есть хотя бы один выполненный запуск Garak, иначе скрипт не найдёт файлы *report.jsonl. Если планируете запускать скрипт в среде без графического… ➡️➡️➡️

Что такое Harness-1 и зачем он нужен Большинство поисковых агентов пытаются одновременно решить две задачи: решить, какие запросы отправлять, и вести учёт всей найденной информации. Это приводит к тому, что обучение через reinforcement learning (RL) оптимизирует и поиск, и «букинг» – то есть всю рутину. Команда исследователей из University of Illinois Urbana‑Champaign, UC Berkeley и Chroma решила разделить работу: политику оставили отвечать за семантические решения, а всю «хозяйственную» часть—выборку, дедупликацию, тегирование и построение графа доказательств—переписали в stateful harness. Как устроен stateful harness Усилитель (harness) хранит всё, что обычно заполняет «растущий транскрипт»: Candidate pool — сжатые, дедуплицированные документы. Curated set — финальный набор из максимум 30 документов, помеченных… ➡️➡️➡️

Зачем нужен генератор случайных задач? Если вы когда‑нибудь задавали ученикам или студентам простые арифметические задачи, вы знаете, как быстро они начинают повторяться. Случайный генератор make_problems позволяет получать новые вариации задач за секунды, экономя время на подготовку материалов. Как работает функция make_problems? Функция принимает два параметра: n — количество задач, которые нужно сгенерировать. seed (по умолчанию 0) — стартовое значение для генератора случайных чисел, обеспечивающее воспроизводимость. Внутри используется объект random.Random, а не глобальная функция random. Это хорошая практика: вы контролируете генерацию случайных чисел и не влияете на остальной код. Разбор четырёх типовых шаблонов Каждая задача выбирается случайно из списка шаблонов: discount… ➡️➡️➡️

Платформы low‑code и no‑code в 2026 году: 21 инструмента, которые действительно работают Сейчас большинство современных конструкторов способны принимать текстовый запрос и выдавать готовое приложение, автоматизацию или AI‑агента. Ниже — практический обзор 21 решения, сгруппированных по их сильным сторонам. Каждый пункт содержит прямую ссылку на официальный ресурс, где можно проверить цены и функции. Конструкторы приложений и UI Эти сервисы позволяют людям без знаний программирования выпускать полноценные продукты, часто из одного‑единственного запроса. Atoms – полностью AI‑управляемая платформа: от исследования рынка до деплоя, включая аутентификацию, базу данных, Stripe‑платежи и хостинг «в один клик». Подходит для стартапов и небольших команд. Bubble – наиболее зрелый визуальный… ➡️➡️➡️