Привет! Меня зовут Владислав Лаптев, я директор по инновациям в Fork-Tech. Сегодня РБК выпустил материал о том, что замедление Telegram срывает релизы мобильных приложений в России. Мы дали комментарий для этого материала, и я решил рассказать подробнее, потому что проблема не в Telegram. Проблема в том, что российские мобильные разработчики третий раз за четыре года теряют инструмент доставки сборок.Мы создали PWS (Product Web Services) — платформу для управления цифровыми продуктами. Сегодня речь про модуль App Distribution: как мы к нему пришли, где взяли лучшее от Firebase, почему этого было мало, и как всё работает под капотом. С примерами кода из документации. Платформа включена в реестр российского ПО. Читать далее

В прошлой статье мы познакомились с основными понятиями протокола Model Context Protocol и написали простейшее приложение, которое позволило LLM читать файлы. Для этого мы использовали tools с оговоркой, что сделали это для упрощения, чтобы не лететь с места в карьер. Мы уже говорили, что если tool можно сравнить с методом POST, то resource сравнивали с GET. Ресурсы (Resources) — это пассивные источники данных, которые MCP-сервер отдает клиенту для чтения. Такими источниками могут быть содержимое файла, лог консоли, строка в базе данных. Читать далее

Я до сих пор бомблю от редизайна Duolingo.Чтобы тренироваться без отвлечения на геймификацию, написал небольшой тренажер грамматики английского языка. Супер простой (vanilla JS + HTML), но со своими особенностями. Особенности решения — под катом. Долой Сов!

Иногда может возникнуть необходимость запрашивать данные из ClickHouse в реальном времени при выполнении запросов или хранимых процедур на MS SQL. Последний «из коробки» представляет для этого средства только через Linked Server, OLE DB for ODBC и ClickHouse ODBC.Если запрос возвращает немного данных - это вполне рабочий путь. Но если запрос к ClickHouse возвращает десятки тысяч строк, то производительность связки OLE DB for ODBC и ClickHouse ODBC не выдерживает никакой критики. Читать далее

Я специалист в сфере обучения по эксплуатации БАС. Два-три года назад я работала в учреждении доп. образования, где ко мне приходили школьники, которых отправляли к нам на проектную деятельность или получить доп. оценки по физике/технологии.За 36 часов их надо было научить прикладному дроноводству, где база — умение паять.У меня 2 паяльных места и 15 человек. У всех в итоге должно что-то заработать, в идеале — полететь.Собирали мы Клевера от COEX. Дети учились паять на «мертвых» PDB, но при переходе на живые платы от стресса умудрялись капнуть припоем на цепи преобразования напряжения и сделать КЗ. А я не понимала, как выполнять роль инженера-наставника, когда надо следить за паяльниками одних, при этом чем-то занимать других и бегать отвечать на текущие вопросы, когда даже ПК всего 5 штук.В целом процесс пайки мог занимать 40-50% учебного времени, при наличии других тем: сборка, настройка, полеты ручные и автономные, разработка полезной нагрузки, фотограмметрия и т.д.А точно ли это то, чему я хотела научить детей? Читать далее

메타가 사용자 사망 이후에도 AI가 대신 SNS 계정을 운영할 수 있는 기술 특허를 확보하면서 디지털 사후관리와 데이터 윤리를 둘러싼 논쟁이 확산되고 있다.

Europos raketa „Ariane 6“ ketvirtadienį pakilo iš Prancūzijos Kuru kosmoso bazės Prancūzijos Gvianoje, gabendama 32 „Amazon Leo“ tinklo palydovus. „Amazon Leo“ siekia konkuruoti su Elono Musko kosminių technologijų bendrovės „SpaceX“ palydovinio ryšio tinklu „Starlink“. Tai pirmasis „Amazon Leo“ paleidimas iš Europos Kuru kosmoso bazės Kuru Prancūzijos Gvianoje, Pietų Amerikos šiaurės rytinėje pakrantėje.

사람의 눈보다 4배 빠르게 사물의 움직임을 감지하는 ‘로봇 눈’과 같은 반도체 칩이 나왔다. 사람의 뇌가 시각 정보를 처리하는 원리를 반도체 칩에 적용해 인간의 시각 능력을 뛰어넘었다. 가오숴 중국 베이징항공항천대 교수와 리타오 베이징이공대 교수 공동 연구팀은 사람의 시각 처리 과정을 모방해 영상 속 움직임을 빠르게 잡아내는 반도체 칩을 개발하고 연구 결과를 국제학술지 ‘네이처 커뮤니케이션스’에 10일(현지 시간) 공개했다. 자율주행차나 드론이 주변 환경을 인식하려면 장착된 카메라에 담기는 영상에서 물체가 어디로 얼마나 빠르게 움직이는지 실시간으로 계산해야 한다. 지금까지는 영상 전체의 화소를 하나하나 분석해야 해 실시간 계산이 쉽지 않았다. 일반 TV 화질 수준의 영상 한 장을 처리하는 데 0.6초 넘게 소요됐다. 자율주행차나 드론이 실시간으로 판단을 내리기엔 느린 속도다. 연구팀은 뇌의 시각 처리 원리에서 해법을 찾았다. 사람의 뇌는 눈으로 본 장면을 한꺼번에 처리하지 않

2km 두께의 남극 얼음 아래에서 우주의 기본입자인 ‘중성미자’의 비밀을 밝히는 거대 과학실험 장치 ‘아이스큐브(IceCube)’가 가동을 시작한 2011년 이후 약 15년 만에 업그레이드됐다. 중성미자의 흔적을 포착하는 초고감도 검출기가 기존 5160개에서 약 5800개까지 늘어났다.한국 과학자들도 포함된 국제 공동프로젝트 팀인 아이스큐브 협력단(IceCube Collaboration)은 12일(현지 시간) 남극 아문센-스콧 기지에 위치한 아이스큐브가 업그레이드를 마쳤다고 밝혔다. 2019년 미국 국립연구재단(NSF)의 업그레이드 예산 승인 이후 7년 만이다. ● 깊이 2.4km 구멍 6개 뚫어 검출기 600여 개 추가 중성미자는 우주의 기원 등 근본적인 질문에 답을 찾아줄 단서로 꼽히지만 연구하기엔 매우 까다롭다. 질량이 거의 없고 전하도 띠지 않아 다른 물질과의 상호작용이 거의 없어 ‘유령 입자’라는 별명이 붙을 정도로 검출이 어렵다. 중성미자는 이미 과학자들에게 노벨상을

삼성전자가 세계에서 가장 먼저 고대역폭메모리(HBM) 6세대(HBM4)를 양산·출하하기 시작했다고 12일 밝혔다. SK하이닉스와 마이크론을 제치고 글로벌 D램 주요 3사 중 가장 먼저 최신 인공지능(AI)칩에 탑재되는 차세대 메모리 반도체를 대량 생산했다고 강조한 것이다. HBM4는 올해 출시 예정인 엔비디아 ‘루빈’과 AMD ‘MI450’ 등 AI 칩에 탑재되는 차세대 HBM이다. HBM은 여러 개의 D램을 수직으로 쌓아 올려 데이터 처리 용량과 속도를 높인 제품으로 AI 칩의 핵심 부품이다. 삼성전자는 이날 HBM4에 반도체 회로 선폭이 10nm(나노미터·1나노미터는 10억분의 1m)급인 6세대 D램 미세 공정(1c)을 적용했다고 밝혔다. 이는 5세대 공정(1b)을 적용한 SK하이닉스보다 한 단계 앞선 것이다. 반도체는 공정이 미세해질수록 집적도가 높아져 데이터 처리 속도가 빨라지고 전력 효율이 높아진다. 다만 그만큼 수율(정상품 비율) 관리가 어려워지는데, 삼성전자의 이번

Воняешь слабостью

Метаанализ выделил 12 значимых факторов риска пищевой аллергии у детей

Патологический ген снизил чувствительность нейронов к лептину и привел к перееданию

Дымчатые мангабеи поели огненноногих белок и заразились оспой обезьян

Андроид Unitree G1 выполнил прыжок через барьер с кульбитом

Вы тратите 40 минут, чтобы написать душевное сопроводительное письмо. А на той стороне его читает робот-сортировщик и выкидывает вас в корзину за долю секунды. Добро пожаловать в 2026 год, где наем — это разговор двух языковых моделей. Рассказываю, как мы оказались в этом цирке и почему я перестраиваю свой сервис, чтобы в этой войне побеждали живые люди.Есть такая пугающая теория — «Теория мёртвого интернета».Она гласит, что большая часть сети — это боты, которые ставят лайки ботам, пишут комментарии ботам и показывают рекламу ботам. Людей там почти не осталось.Поздравляю. В этом году эта теория официально победила на сайтах поиска работы. Читать далее

Традиционный подход к диагностике производительности PostgreSQL зачастую опирается на эвристики, «типовые чек‑листы» и интуицию администратора. Администратор видит всплеск ожиданий, находит самый массовый тип события и принимает решение: «увеличить shared_buffers» или «выключить параллельные запросы». Такой метод работает в очевидных случаях, но оказывается бессилен, когда система находится в состоянии сложного баланса между разными механизмами, а первопричина торможения скрыта за вторичными эффектами.Статистический подход, реализованный в методике pg_expecto, принципиально меняет логику расследования. Вместо субъективного выбора «самого громкого» типа ожиданий во главу угла ставятся количественные критерии, основанные на реальном поведении системы во времени.GitHub - Комплекс pg_expecto для статистического анализа производительности и нагрузочного тестирования СУБД PostgreSQLГлоссарий терминов | Postgres DBA | Дзен Читать далее

Всем привет. В этой статье я расскажу почему нельзя просто взять готовый Maven Archetype в корпоративной микросервисной архитектуре и зачем может понадобиться изобретать свой. Статья для тех, кто хочет разобраться как кастомизировать maven архетип и сделать его более гибким. Читать далее

Когда мы пишем код под микроконтроллер, за привычными инструкциями компилятора скрывается вполне конкретная логика – регистры, ALU, прерывания, шины и тайминги, которые живут по своим правилам. В статье разберём, как устроены базовые механизмы выполнения команд и что именно происходит на уровне микроархитектуры, когда «просто вызывается функция». Это попытка посмотреть на embedded-разработку через призму железа и понять, какие инженерные решения стоят за кажущейся простотой исходного кода. Разобрать архитектуру

В феврале 2026 года open-source сообщество получило редкий жанр контента — AI-драму с полноценным публичным конфликтом. Читать далее

Как отметил министр, роботизация - один из основных факторов повышения технологичности экономики в новой пятилетке. По его словам, решение данной задачи ведется одновременно по двум направлениям. Первое - стимулирование внедрения промышленных роботов.

По мере расширения использования ИИ-агентов и вайбкодинга всё чаще возникает вопрос: как, добавляя новый функционал, не сломать то, что уже работает?Ответ на этот вопрос был придуман ещё задолго до появления ИИ-агентов, потому что человек иной раз способен накосячить хуже любого ИИ-агента. Чтобы иметь возможность откатиться – необходимо понимать куда откатываться, на какое состояние кода. И по хорошему бы иметь удобную систему контроля состояний, или же систему контроля версий для кода.От самых базовых «сохранить –> откатиться» мы постепенно эволюционировали до продвинутых инструментов контроля версий. Глобально системы контроля версий можно поделить на три типа: Читать далее

Программист часто копирует и вставляет, переименовывает и рефакторит.Вот бы сразу видеть в статусной строке количество переменных или функции в редактируемом файле. Увы, стандартный поиск (Ctrl+F) требует лишние клики. Мой небольшой Python-скрипт для Notepad++ по дабл-кликуотображает в Status-Bar количество вхождений,частичных или полных, с учетом регистра и без. Читать далее

Заявления Илона Маска о роботе Tesla Optimus поражают своей масштабностью. Он утверждал, что Optimus принесёт $10 триллионов долгосрочной прибыли для Tesla, что в конечном итоге робот составит 80% стоимости Tesla, и что он увеличит оценку компании до впечатляющих $25 триллионов. Однако предыдущие обещания не всегда сбывались: Маск говорил, что Tesla запустит пилотную производственную линию готового Optimus и произведёт 5000 единиц к концу 2025 года, но этого не произошло. Фактически, Tesla недавно анонсировала новую «готовую к производству» третью версию Optimus (что подразумевает, что версия, запланированная к производству в 2025 году, так и не была готова), и что к концу 2027 года производство начнётся на заводе Tesla во Фримонте, где ранее производились Model S и X. Возможно, стоит воспринимать эти громкие заявления с определённой долей скептицизма? Во время недавних отчётных звонков Tesla Маск упомянул нечто, что не только демонстрирует разрыв между реальностью и обещаниями, но и ставит вопросы о понимании технологии. Читать далее

유럽 소버린 인공지능(AI)의 대표 주자인 프랑스 스타트업 ‘미스트랄’이 최근 1년 동안 매출이 20배 증가했다고 밝혔다. 정보기술(IT) 업계에서는 미스트랄이 미국산 AI 의존도를 낮추면서 유럽 자체 AI 생태계를 구축하고 있다는 평가가 나온다. 11일(현지 시간) 파이낸셜타임스에 따르면 아르튀르 멘슈 미스트랄 최고경영자(CEO)는 인터뷰를 통해 “지난달 매출액에 12배를 곱한 ‘연간 반복 매출(ARR)’이 4억 달러(약 5805억 원)를 넘어섰다”고 밝혔다. 이는 1년 전 2000만 달러(약 290억 원)에 불과했던 것과 비교하면 20배로 늘어난 것이다. 멘슈 CEO는 “연말까지 이 수치가 10억 달러(약 1조4392억 원)를 넘을 것으로 예상된다”고 덧붙였다. 미스트랄은 이날 스웨덴에 새로운 AI 데이터 센터를 구축하기 위해 12억 유로(약 2조668억 원)를 투자할 것이라고 발표했다. 이는 미스트랄이 프랑스 바깥 지역에 설립하는 첫 AI 데이터 센터다. 미스트랄은 지난해

카카오가 지난해 역대 최대 실적을 냈다. 카카오는 지난해 연간 매출이 전년 대비 3% 증가한 8조991억 원, 영업이익은 전년 대비 48% 늘어난 7320억 원으로 잠정 집계됐다고 12일 밝혔다. 매출과 영업이익 모두 창사 이래 최대치다. 카카오의 매출 성장을 이끈 것은 톡광고와 선물하기로 대표되는 톡비즈와 모빌리티, 페이 등의 사업이 포함된 ‘플랫폼’ 부문이다. 카카오의 플랫폼 부문 매출은 전년 대비 11% 증가한 4조3180억 원이었고, 이 중 톡비즈의 매출이 절반가량을 차지했다. 반면 게임과 뮤직 등 사업을 포함하는 ‘콘텐츠’ 부문 매출은 전년 대비 5% 줄어든 3조7810억 원으로 집계됐다. 콘텐츠 부문에서 실적 저하 폭이 가장 큰 사업은 게임으로, 매출이 전년 대비 38% 줄어든 5400억 원으로 나타났다. 카카오는 올 1분기(1∼3월) 중 온디바이스 AI ‘카나나 인 카카오톡’을 정식 출시할 계획이다. 구글과 안드로이드 확장현실(XR) 기반의 ‘AI 글라스’ 개발에

미국 휴머노이드 로봇 스타트업 앱트로닉이 메르세데스벤츠, 구글 등으로부터 7000억 원이 넘는 투자를 유치했다. 자동차 제조 강자와 인공지능(AI) 선도 기업이 동시에 나섰다는 점에서 업계 이목이 쏠린다. 테슬라도 주력 전기차 라인을 로봇 생산 기지로 전환하겠다고 선언하면서 스스로 판단하고 움직이는 피지컬 AI 주도권 경쟁이 본격화하고 있다.● 뜨거워지는 로봇 투자 열풍 11일(현지 시간) 앱트로닉은 5억2000만 달러(약 7530억 원)를 조달했다고 밝혔다. 벤츠·구글 외에 B캐피털, 카타르투자청(QIA) 등이 투자자로 참여했으며 기업가치는 약 50억 달러(약 7조2100억 원)로 평가받아 글로벌 로봇 시장의 ‘데카콘’(기업가치 100억 달러 이상 비상장사) 후보로 부상했다.대규모 투자를 받은 앱트로닉의 로봇 ‘아폴로’는 창업자들이 과거 개발에 참여한 미국 항공우주국(NASA) 우주 탐사·재난 구조용 로봇 발키리의 핵심 기술을 계승했다. 극한 환경을 상정한 발키리의 내구성과

Привет! Меня зовут Андрей Попов, я SEO-специалист в AGIMA. И сегодня хочу развеять один популярный миф: искусственный интеллект не убил копирайтинг. Он действительно уничтожил низкокачественный информационный SEO, где тексты создавались ради кликов, а не ради реального влияния на аудиторию. Но сегодня важно не просто привлекать трафик, а убеждать и внятно позиционировать бренд, показывая, какую проблему он решает. И без пишущего человека здесь по-прежнему не выжить. В этой статье — мои аргументы. Читать далее

В этом материале мы разберём хронологию войны РКН (Роскомнадзора) с самым популярным мессенджером в РФ: начиная с первых разногласий в 2017 году, мемов “Дуров, отдай ключи!” и бумажных самолётиков, выпускаемых из окон нашей общаги на Волгина, и заканчивая недавними заявлениями РКН и Госдумы относительно будущего Telegram в нашей стране.Содержание:Начало. Идеология создания Telegram2017 год. Первые проблемы Telegram с российскими регуляторами2018 год. Первые судебные решения по Telegram и начало блокировокБумажные самолётики и согласованные акции в Москве и других городах России в поддержку Telegram2018–2019 годы. Открытая технологическая война РКН с Telegram2020 год. РКН снимает ограничения. Дуров договорился или РКН меняет стратегию?2025 год. Ограничение звонков в Telegram и региональные ограниченияЧто изменилось? Как сегодня РКН и регуляторы борются с Telegram. Появление мессенджера MAX2026 год. Новые проблемы и ограничения TelegramГлавная ошибка российских регуляторов в борьбе с TelegramПочему РКН не победит и почему “заблокировать влияние извне” невозможно?Опрос читателей Хабра: как вы относитесь к блокировке Telegram? Читать далее

Go 1.26 уже вышел! Официальные релизноты довольно скудны на детализацию и приходится изучать глубже. Сделал для тебя большой обзор нововведений, можешь использовать эту статью как шпоргалку. В начале коротко опишу то что лично мне понравилось больше всего. Изменения затрагивают runtime, компилятор, стандартную библиотеку и поддержку платформ. Команда Go сосредоточилась на производительности и удобстве разработки. Читать далее

Привет! Я Дмитрий, инженер и руководитель направления MLOps в Совкомбанке. Специализируюсь на разработке и эксплуатации ML-платформ на базе Kubernetes и GPU. С 2010 года в ИТ: строю инфраструктуру для машинного обучения, внедряю Kubeflow и GPU-оператор, настраиваю MIG на H100 в корпоративных средах с повышенными требованиями к безопасности и надежности. В последние годы фокусируюсь на оптимизации ML-пайплайнов, повышении утилизации GPU (включая MIG-профили) и интеграции MLOps-практик в процессы продуктовых команд.В 2022 году в некоторых командах разработки уже существовали проекты с применением ИИ, но как отдельные компоненты, не хватало единой платформы управления. По мере роста количества и сложности бизнес-задач возникла необходимость в создании ML-платформы как сервиса с едиными стандартами авторизации. Мы изучили доступные инструменты, попытались объединить их в одном Kubernetes-кластере, столкнулись с рядом ограничений — и в итоге пришли к архитектуре на базе Kubeflow и GPU-оператора. В статье рассказываем, какие сложности были в ходе проекта, как выстроили работу с Kubeflow, настраивали H100 с MIG-разделением и что важно учесть, если вы планируете строить ML-платформу на bare-metal-GPU в корпоративной среде. Читать далее

Идея вынести вычисления в космос звучит как научная фантастика, но крупнейшие игроки уже делают на неё ставку. SpaceX просит разрешение на орбитальные дата-центры мощностью до 100 ГВт, Google запускает Project Suncatcher, стартапы планируют десятки тысяч спутников. Логика проста: солнечная энергия в космосе дешевле и доступнее, а значит и вычисления со временем станут выгоднее. Но за хайпом — жёсткая математика. Вывод грузов на орбиту всё ещё слишком дорог, производство спутников — капиталоёмкое, а теплоотвод и радиация добавляют сложности и веса. По текущим расчётам, 1 ГВт на орбите обходится почти втрое дороже наземного аналога. Автор издания TechCrunch разобрал, при каких условиях «космический ИИ» может стать экономически оправданным — и где именно сегодня ломается бизнес-модель. Читать далее

Что такое двухфакторная аутентификацияДвухфакторная аутентификация (2FA) — это способ проверки подлинности пользователя, при котором для входа в систему требуется не только пароль, но и дополнительное подтверждение. Таким образом, личность пользователя подтверждается сразу по двум независимым факторам.Необходимость 2FA возникла из-за уязвимости паролей. Их могут подобрать, перехватить с помощью фишинга или получить из утёкших баз данных. Даже сложный пароль не гарантирует безопасности при компрометации.Использование двухфакторной аутентификации значительно снижает риск несанкционированного доступа. Даже если пароль стал известен злоумышленнику, без второго фактора вход в систему остаётся невозможным.Из чего состоят два фактора аутентификацииДвухфакторная аутентификация опирается на использование двух различных категорий факторов, каждая из которых подтверждает личность пользователя по разному принципу. Классически выделяют три типа факторов.Первый тип — фактор знания. Это информация, которую знает только пользователь, например пароль, PIN-код или ответ на секретный вопрос.Второй тип — фактор владения. Он подтверждает, что у пользователя есть физический или цифровой объект: смартфон с приложением-аутентификатором, SIM-карта для получения SMS, аппаратный токен или USB-ключ безопасности.Третий тип — биометрический фактор. К нему относятся уникальные характеристики человека, такие как отпечаток пальца, распознавание лица или радужки глаза.Двухфакторная аутентификация использует комбинацию факторов из разных категорий, что делает подмену личности существенно сложнее. Читать далее

Представьте: вы технолог на нефтехимическом заводе. Вам нужно смоделировать работу новой установки — как сырьё будут нагревать, охлаждать и разделять на компоненты. Поскольку вы сталкиваетесь с этим впервые, есть два пути: либо разбираться в теории по справочникам и собирать решение самостоятельно, либо найти готовый кейс с расчётами и результатами в открытых источниках.Логичнее смотрится второй вариант. Но тогда возникает другая проблема. Вы открываете источники — и видите политику, слияния-поглощения, биржевые котировки, санкции. Узнать, кто кого купил или какая сегодня цена на нефть, можно за секунды.А чтобы найти информацию о том, как снизить коксование в печах пиролиза, какие катализаторы сейчас тестируют мировые химические компании вроде BASF, или как сократить энергопотребление на установке полимеризации, приходится изучать десятки исследований и журналов. На это уходит много времени.Поэтому я решил попробовать сделать агрегатор знаний на базе AI, хотя у меня нет ИТ-образования. Читать далее

Всем привет! Меня зовут Максим, я Go-разработчик в Wildberries & Russ. В высоконагруженных системах сотни сервисов взаимодействуют ежесекундно, и любой малейший простой системы напрямую влияет на прибыль бизнеса. Чтобы уметь быстро находить причины и устранять их за короткие сроки придуманы инструменты, обеспечивающие наблюдаемость приложения. Сегодня поговорим о том, как обеспечить observability и почему без нее жизнь продукта превращается в «черный ящик». Читать далее