ИИ инженер | Юрий Петров

Пока Stepik восстанавливается, работаю над крупным обновлением курса по созданию своей ChatGPT с нуля.

Добавляю интерактивные уроки, где вы можете сами своими глазами увидеть, что мы сделали.

Посмотреть изнутри, как работает внимание, обучение, softmax и так далее.

Теперь, наверно, точно не должно остаться вопросов)))

Давно видео не делал, и тут чет накатило.
В видео, разобрал коннектом нашумевшей мухи дрозофила на примере репозитория doomfly. Этот тот репозиторий, где показывали, что муха играет в дум.
Приятно просмотра.

https://youtu.be/fzt9zFzcrk4?si=7rLcQNPsa9PSaqNA

Всем хороших выходных, а чтобы выходные были веселее, можете начать писать моды для Claude Code, теперь такая возможность есть)
https://claude.com/resources/articles/claude-code-mods

🗞️ Последние новости про ИИ · 2 октября

▪️ В YDB появился гибридный поиск для RAG и агентов
В релизе 26.3 СУБД Яндекса добавили полнотекстовый поиск с ранжированием BM25, и его можно объединять с векторным в одном SQL-запросе. Агент найдёт и точный номер полиса, и документ по смыслу без отдельного поискового движка. Доступно в open source, в Managed Service for YDB и в Enterprise-сборке.
https://habr.com/ru/companies/ydb/articles/1087208/

▪️ Copilot научился работать с программами на компьютере
Computer use вышел в публичный предпросмотр в Copilot CLI и в приложении Copilot для macOS и Windows. Агент кликает, печатает и листает в программах без API, но сначала спрашивает разрешения. В CLI режим включается командой /computer on.
https://github.blog/changelog/2026-10-01-github-copilot-can-now-interact-with-desktop-apps

▪️ Русский текст в Claude Opus 5 стоит в 3,9 раза дороже, чем в GPT-5.5
Автор на Хабре прогнал одни и те же тексты через 11 токенизаторов. На один токен у Opus 5 приходится 1,03 символа русского текста, у GPT-5.5 4,01, у YandexGPT 5 Lite 5,11. Цена за токен у Opus и GPT одинаковая, так что сравнивать модели он советует по цене типичного запроса на своих данных.
https://habr.com/ru/articles/1089148/

▪️ В Mindbox агент сначала изучает задачу и только потом пишет код
Плагин из десяти скиллов читает ADR, документацию и репозитории через MCP, пишет спецификацию и отдаёт её субагенту-критику. Автор говорит, что с января агент пишет за него 90% кода. В статье разобраны четыре ошибки, которые агент нашёл ещё до разработки.
https://habr.com/ru/companies/mindbox/articles/1085648/

▪️ Продолжение истории: OpenAI уведомила больше 100 организаций о действиях своих агентов
Речь о том, что модели делали в сети во время обучения и тестов: обходили контроль доступа, пользовались утёкшими ключами, спамили на чужих сайтах. Чтобы найти все случаи, компания перебирает около 50 петабайт логов на 7000 GPU, это больше полумиллиона долларов в день.
https://3dnews.ru/1149372

▪️ У открытого агента DeepSeek Harness появилось приложение для Windows и macOS
Агент под лицензией MIT правит код и запускает тесты, разбирает Word, Excel и PDF, ставит задачи по расписанию. На macOS нужен Apple Silicon. Работает на DeepSeek-V4.1-Flash.
https://www.deepseek.com/en/harness/

▪️Amazon выпустила открытую модель решений по образцу Jev
Strands Decider 2B построена на Qwen3.5-2B и не пишет текст: она выбирает один из заданных вариантов и сообщает, насколько уверена. На RTX 3090 решение занимает в среднем около 115 мс, на MacBook M3 около 153 мс. Веса и данные для обучения открыты, ставится через pip install strands-decider.
https://strandsagents.com/blog/introducing-strands-decider/
Пропустил что-то важное? Пишите в комментарии.

По просьбам учащихся выложил полный гайд по работе с Hugging Face, где в итоге вы можете выложить свою LLM и показать её вашему будущему работодателю ))

В модуле научимся:
- разбираться, что лежит в репозитории модели и почему веса хранят в safetensors;
- открывать GPT-2 и узнавать в ней те же слои, что написали сами;
- генерировать текст через generate() и говорить с чат-моделью через chat template;
- сжимать модель квантизацией в int8: с 26 до 7 МБ, а ответы те же;
- публиковать свою модель на Hugging Face и скачивать её обратно.

Курс со скидкой 20% (до 15 октября 2026) для подписчиков можно приобрести здесь: https://stepik.org/a/276236?promo=7fc3bb04c5ceb252

Саму simple-llm-barsik можно глянуть на hf: https://huggingface.co/petrovyuri/simple-llm-barsik

Очень хорошие новости!

Байкал Электроникс показала российское GPGPU-ядро с поддержкой CUDA. (кто не в курсе что это, смотрите мой курс по LLM)
Сразу говорю: чипа пока нет. Есть работающий прототип ядра на ПЛИС, и это разные вещи.
На форуме «Микроэлектроника 2026» в Сириусе компания показала свой IP-блок GPGPU. Прототип собран на программируемой микросхеме: так проверяют логику будущего чипа. На стенде ядро распознавало людей.
Внутри вычислительный блок, кэш-память, управляющий процессор на RISC-V и программный стек целиком. Компания заявляет совместимость с CUDA: код под неё и готовые нейросети должны запускаться без переписывания.

Ради этого всё и затевалось. Ускоритель не от Nvidia обычно упирается не в железо, а в софт, который под него надо портировать.
Первым продуктом на ядре станет Baikal-AI-E1, функциональный аналог Nvidia Jetson Orin для граничных вычислений: дроны, робототехника, промышленная дефектоскопия, умные камеры. Стадия та же, прототип. Сроков серийного выпуска не назвали.

Гендиректор Андрей Евдокимов описал задачу так: «Это наш ответ на вопрос, на чем в России будет работать искусственный интеллект».
Для контекста. В мае на ЦИПР компания анонсировала ещё два чипа: Baikal-AI-E1000 до 30 Вт и серверный Baikal-AI-D1000 с заявленными 1000 терафлопс в FP8 и памятью 48-64 ГБ. Сроки там 2029-2030 годы.
Следующий шаг понятный: перенести прототип с ПЛИС в кремний. До этого момента сравнивать с Jetson Orin можно только по обещаниям.

Но то, что есть прототип, это уже очень хорошо.
https://tehnoomsk.ru/archives/28051

🗞️ Последние новости про ИИ · 29 сентября

▪️ Claude Sonnet 5.5 обошёл Opus 5.5 в терминальных задачах и стоит вдвое дешевле
На Terminal-Bench 4.0 модель набрала 70,6% против 66,4% у Opus 5.5 и 10,3% у прошлого Sonnet. Цены не изменились: $2 за миллион входных токенов и $10 за выходные. Anthropic обещает плюс 30% к скорости и на столько же меньше токенов на ту же задачу.
https://www.anthropic.com/claude-sonnet-5-5

▪️ Тимлид собрал сервис силами команды агентов в Claude Code и выложил цифры
12 ролей от аналитика до дежурного по продакшену, 73 архитектурных решения в ADR, 331 тест-кейс, 409 коммитов и 70 пулл-реквестов с медианой прохождения 3,9 часа. Главный вывод: агентам лучше заходят запреты, а не обязанности.
https://habr.com/ru/articles/1086832/

▪️ AMD покупает World Labs Фей-Фей Ли за $8,2 млрд
Стартап делает модели, которые понимают физический мир: первый продукт Marble генерирует среды для обучения роботов. Ли перейдёт в AMD главным научным сотрудником, сделку рассчитывают закрыть до конца года.
https://techcrunch.com/2026/09/28/amd-will-acquire-fei-fei-lis-world-labs-for-8-2-billion/

▪️ Google Antigravity SDK научился работать с полностью локальными моделями
Gemma 4 26B держит 3,8 млрд активных параметров и просит 24 ГБ видеопамяти. Подключаются и OpenAI-совместимые API вроде Ollama, LM Studio и vLLM, а в гибридном режиме облачная модель и локальная делят работу: в тестовом прогоне на локальную пришлось 3322 токена из 3417.
https://habr.com/ru/news/1087832/

▪️ Anthropic идёт на IPO с убытком в $42 млрд и планом потратить $518 млрд
Выручка за прошлый год выросла в 12 раз, до $4,6 млрд, но четверть её дают всего два клиента. Деньги пойдут на вычислительную инфраструктуру, размещение готовят на ноябрь.
https://3dnews.ru/1149175

▪️ Nvidia выпустила платформу, которая держит ИИ-агентов в рамках
OpenShell изолирует агента и режет доступ к файлам и программам по правилам разработчика, Sentry следит за действиями на уровне сетевых чипов и блокирует выходы за периметр. Часть кода открыта, в разработке участвовали Microsoft, Intel, Cisco, Oracle и Lenovo.
https://rb.ru/news/nvidia-razrabotala-zashitu-ot-vyshedshih-iz-pod-kontrolya-ii-agentov-novaya-platforma-ogranichivaet-dejstviya-nejrosetej/

▪️ Разбор: как спроектировать корпоративную GenAI-платформу до первой строчки кода
Архитектор считает нагрузку заранее: 3000 активных пользователей, 50 тысяч запросов в сутки, миллион документов, P95 ответа не дольше 20 секунд. Под эти числа он берёт PostgreSQL с pgvector вместо отдельной векторной базы и модульный монолит вместо микросервисов.
https://habr.com/ru/articles/1086836/

Пропустил что-то важное? Пишите в комментарии.

Ну погнали, план такой)

Я давно в мобильной разработке и быстро замечаю баги в приложениях. Причём не в каких-то простеньких, а в топовых, от известных брендов. Иногда аж злость берёт: «Ну как это вообще могло пройти в прод?»
А потом думаю: ИИ ставит задачу, ИИ пишет код, ИИ проводит ревью, ИИ тестирует, а потом... «Извините, это моя ошибка, могу исправить».

И все спрашивают, а что могло пойти не так-то?
Сингулярность, блин... Ох, в какое весёлое время живём, ребят)

Благодарю ребят за такие тёплые слова, модули про Hugging Face добавлю, я думаю будет очень интересно и познавательно 😏