SpeShu.AI (СПЕШУ АИ) — агрегатор топовых нейросетей и большое лобби ИИ-агентов в одном окне. Прямо сейчас вы можете решить его судьбу.

Специально для Хабр стартует интерактив: пишите комментарии, что добавить или убрать в сервисе SpeShu.AI, и плюсуйте самые крутые идеи. Чем больше плюсов, тем быстрее ваша фича появится в следующем патче. Благо, мы делаем их оперативно — считайте, в реальном времени.

Ниже вы узнаете, что сервис умеет уже сейчас, как именно он экономит деньги и где нам нужен ваш честный экспертный комментарий.

Один экран в приложении, а на бэкенде несколько REST-вызовов, куча эндпоинтов и ответы, где 90% полей не используются. Теряем в скорости, усложняется фронтенд и приходится версионировать контракт, когда меняется формат данных.

GraphQL предлагает другой подход: один API-эндпоинт и запрос, в котором клиент сам указывает, какие поля ему нужны. Это снижает overfetching, уменьшает количество сетевых затрат и упрощает договоренности между фронтом и бэком за счет схемы как явного контракта и живой документации.

В новом переводе от команды Spring АйО разберем, где GraphQL реально помогает: как уйти от разрастания эндпоинтов, как держать контракт синхронизированным и что делать с типичными проблемами производительности и наблюдаемости, когда данные собираются из разных источников.

AI-агенты в 2025 году умеют почти всё. Одного хорошо не умеют — помнить. Я взял две чужие идеи и склеил их.

Первая часть цикла описывала историю появления в компьютерных играх человеческой речи, различные технологии её реализации: синтез, запись и воспроизведение. Во второй части я рассказал о том, как простые голосовые вставки эволюционировали в примитивные вокальные партии в игровой музыке, совмещающие фрагменты человеческого голоса и синтетическое музыкальное сопровождение.

С приходом эпохи мультимедиа всё стало значительно проще: появилась возможность воспроизводить любой звук высочайшего качества с компакт-диска с большой продолжительностью, в том числе и песни. Это время тоже представляет интерес, если не технологический, то художественный и ностальгический. Об этом и пойдёт речь в третьей, завершающей части цикла: вспомним лучшие оригинальные песни в играх 1990-х годов и немного заглянем в 2000-е.

Я занимаюсь внедрением AI в бизнес — 30+ проектов. В какой-то момент стало неловко: продаю автоматизацию другим, а сам руками пишу письма и собираю отчёты. Решил автоматизировать себя. За полгода переложил на нейросети 70% рутины. А потом понял, что оставшиеся 30% — это и есть настоящая работа.

Привет, Хабр! Меня зовут Коля, я разработчик машинного обучения в команде речевых технологий Контура. Мы разрабатываем собственную систему распознавания речи (ASR), которая ежедневно переваривает миллионы звонков и записей видеоконференций, чтобы потом использовать их для речевой аналитики качества коммуникаций с клиентами и для создания протоколов и резюме встреч в Контур.Толке.

Мы постоянно работаем над тем, чтобы дать пользователям лучшее качество и опыт взаимодействия с нашими продуктами: борьба уже давно идет за десятые доли процента WER (Word Error Rate) – особенно сложные и трудные для распознавания случаи.

В конце прошлого года Nvidia изрядно встряхнула Open Source комьюнити, выкатив серию новеньких моделей распознавания речи. Одна из них нам особенно приглянулась: Canary-Qwen-2.5B на архитектуре SALM (Speech Augmented Language Model), установившая новый рекорд по качеству в HuggingFace OpenASR, благодаря использованию гибридного подхода, совмещающего речевой энкодер и LLM в своей работе.

Мы в Контуре решили не проходить мимо и проверить: а как эта новоиспеченная SOTA покажет себя на наших реалиях — на русском языке, в домене телефонии и видеоконференций, в условиях, когда у нас нет десятков тысяч часов размеченных людьми данных.

Собрали новости, который вы могли упустить. Узнайте, какие шаги предпринимают государство и бизнес в России, чтобы успеть за мировым трендом; как ИИ проникают в повседневную жизнь россиян и когда ждать сотрудничества с китайскими нейросетями.

Кто вам больше нравится? Илон Маск, Квентин Тарантино, Набоков? А может быть Диоген Синопский? Да без разницы. Что хотите, то и изучайте.

Современные библиотеки компьютерного зрения позволяют получить результат буквально за несколько строк кода, но за этой простотой скрывается ряд практических ограничений и компромиссов.

В статье разберём, как на самом деле работают модели «из коробки», где проходит граница их применимости и как из сырых выходов детекторов собрать осмысленную логику — от базового inference до сценариев видеоаналитики. Речь пойдёт о прикладном использовании инструментов вроде YOLO, OpenCV и Hugging Face в задачах, где важен не только сам факт распознавания, но и то, что с этим делать дальше.

Привет, Хабр! На связи команда uFactor. В этой статье рассмотрим полезный способ поиска ВПО, который может быть дополнением к анализу компьютерных систем при расследовании инцидентов информационной безопасности. Увы, этот способ не всегда эффективен: следы активности Windows Defender, рассматриваемой далее, имеют свойство полностью удаляться — именно поэтому способ может использоваться только в качестве дополнения к основному методу исследования.

Многие используют в своих расследованиях анализ журналов событий Event ID 1116, Event ID 1117 Windows Defender`, а также записи и файлы из карантина. Мы же поговорим о событиях сканирования файлов Windows Defender, которые пользователь скачивает, либо которые по иной причине появились в компьютерной системе.

Артефакты, указывающие на сканирование Windows Defender, хранятся в виде файлов, например: .\ProgramData\Microsoft\WindowsDefender\Scans\History\Results\Resource\{8C9221F8-4026-473E-A0B6-3D6981F102F0}`. В журнале Microsoft-Windows-Windows Defender`вы не увидите событий сканирования, если файл не получил статус вредоносного ПО. Имена файлов имеют вид UUID версии 4 согласно стандарту RFC 4122. Эти имена не несут в себе полезной информации, в отличие, например, от имен UUID версии 1 (анализирующихся в нашей статье «Компьютерная криминалистика. Временные метки и туннелирование NTFS»). Содержимое файлов зашифровано алгоритмом RC4 со следующим ключом:

`0x1E, 0x87, 0x78, 0x1B, 0x8D, 0xBA, 0xA8, 0x44, 0xCE, 0x69, 0x70, 0x2C, 0x0C,

    0x78, 0xB7, 0x86, 0xA3, 0xF6, 0x23, 0xB7, 0x38, 0xF5, 0xED, 0xF9, 0xAF, 0x83,

Ценность квалифицированного программиста смещается в сторону умения проводить обзоры кода. Генерировать код становится проще, но всё так же важно проверять его с точки зрения качества декомпозиции, корректности реализации, эффективности, безопасности. Посмотрим на примере маленького проекта markus, созданного с помощью Claude Opus, почему важно понимать сгенерированный код и уметь видеть, что скрывает красивый текст программы.

«Talk is cheap. Show me the code.»

Недавно мне в руки попала книга «Искусство неизменяемой архитектуры: теория и практика управления данными в распределенных системах». В ней описаны довольно радикальные, но логичные подходы к проектированию: полный отказ от UPDATE и DELETE в пользу INSERT, идентификация сущностей через хеш-суммы и построение распределенных систем без боли.

Чтобы не быть голословным и проверить, работают ли эти концепции в реальном коде, а не только в теории, я написал небольшой тестовый проект. Это не продакшен-решение, а скорее полигон для проверки идей.

В этой статье разберем, как выглядит REST-сервис на Kotlin + Spring Boot, живущий по законам неизменяемости, и к каким результатам это привело.

По данным исследования Хабр Карьеры за второе полугодие 2025 года, медианная зарплата архитектора программного обеспечения — 465 000 рублей в месяц. Это самая высокая медиана среди всех IT-специализаций — выше, чем у тимлидов, старших разработчиков и инженеров по машинному обучению.

Почему? И кто вообще такой архитектор ПО — разбираемся в статье.

Это текстовая версия доклада с Java Rock Star Meetup, с которым выступал Александр Ланцов — ведущий разработчик Мир Plat.Form. Если вы больше любите смотреть видео, то смотрите запись доклада на YouTube или VK Видео.

В 2020-ом году отправившись на рекомендованную всем «удаленку» мы в Айдеко перекроили весь роадмап продукта и быстро выпустили Ideco UTM VPN Edition – версию с расширенными возможностями по организации, защите и контролю доступа удаленных сотрудников. Делать что-то другое в IT-продукте в это время казалось несвоевременным. Примерно, как сейчас – не использовать AI-инструменты в работе и AI-функциональность в продукте для защиты. В то время, когда злоумышленники вовсю используют AI-инструменты. И атаки становятся все изощреннее и быстрее.

В 2025 году зафиксировано 90 zero-day эксплойтов в дикой природе. 44% атак нулевого дня нацелены на корпоративные сетевые устройства - NGFW и VPN-шлюзы. Среднее время от публикации CVE до первой эксплуатации в реальных атаках сократилось до 5 дней и еще более сократится. Ни одна сигнатурная база не успевает за этим темпом. Рассказываем, как мы работаем над ML-модулем обнаружения вторжений в Ideco NGFW, что показал натурный эксперимент с ИСП РАН на 73 миллионах сессий и какие ограничения у этого подхода.

Почему сигнатуры перестают справляться

Сигнатурный IPS работает принципиально так же, как антивирус в 1990-х: есть база известных угроз, есть входящий трафик, есть сравнение. IPS - при всей мощи, работает с заранее описанными паттернами.

Проблема не в самом подходе - проблема в скорости появления угроз. По данным Google Threat Intelligence Group, в 2025 году в дикой природе было зафиксировано 90 zero-day эксплойтов. По данным RAND Corporation, среднее время жизни zero-day атаки до её обнаружения составляет 312 дней. За это время сигнатура не появится: её невозможно написать на то, что ещё не обнаружено.

Ищете лучшие ИИ для докладов, чтобы закрыть дедлайн без нервного срыва? В этой статье мы разберем, как написать доклад быстро, качественно и без воды. Мы протестировали топовые алгоритмы, чтобы вы узнали, какая нейросеть для докладов реально спасает перед сессией.

Почему Dispatchers.IO + Hikari + чуть-чуть лагов БД = каскадная деградация всего сервиса, и как bulkhead-паттерн в одну строку это лечит.

Разработка аппаратного продукта — это результат совместной работы архитекторов, схемотехников, конструкторов и программистов. Однако ни одна аппаратная платформа не сможет пойти в серию без специалистов, которые соберут все воедино: выполнят сборку, проведут отладку, доработают решения, запустят систему и при необходимости выполнят ремонт.

Меня зовут Артём Болтов, я ведущий специалист в отделе сопровождения разработки YADRO. Наша команда связывает проектирование и разработку с реальной эксплуатацией оборудования. Мы находимся между схемами, репозиториями, задачами в таск-менеджере и реальностью серверных стоек, стендов и лабораторий. В статье расскажу, какие задачи решают специалисты отдела разработки, какими навыками должен обладать такой инженер и при чем тут тонкое инженерное искусство.

Привет, Хабр! Меня зовут Николай Пискунов, я руководитель направления Big Data и эксперт курса Cloud DevSecOps по безопасной разработке от Академии вАЙТИ Beeline Cloud. Сегодня расскажу о разработке системы, которая строит свечные графики для трейдинг-бота на Python. Это полноценный инструмент анализа, который помогает принимать торговые решения в реальном времени. Важная часть этой системы — быстрая связь с пользователем через бота в Телеграме. 

Разаработанная фоновая утилита позволяет производить вставку сжатых логов с абсолютной прозрачностью для восприятия AI агентами. В статье описал свой путь к оптимизации сжатия до 80%.

Летом 2024 года за 200 тысяч рублей собирался, без преувеличения, топовый игровой ПК. Intel Core i7-14700KF, RTX 4070 Ti Super на 16 гигабайт, 32 гигабайта DDR5-6000 — и ещё оставалось на нормальный корпус с тремя вертушками и блок питания с запасом. Комплект памяти обходился в 8–9 тысяч рублей, и на него никто не обращал внимания — ну память и память, расходник. Прошло два года. Те же 200 тысяч рублей лежат на столе. Видеокарты нового поколения стали быстрее. Рубль укрепился. Казалось бы, всё должно стать только лучше. Но нет.

Автоматизация бизнес-процессов заметно изменилась за последние годы. Если раньше во многих сценариях хватало маршрутизации, правил и несложной бизнес-логики, то сейчас в процессы всё чаще встраиваются более тяжёлые вычислительные задачи, например, интеграции с внешними AI-сервисами. Иными словами, автоматизация перестаёт быть только реакцией на событие и всё чаще становится вычислительным слоем внутри самого процесса. Но для того, чтобы система выдерживала нагрузку, нужен мощный язык исполнения.

В этой статье расскажем, как мы в «Первой Форме» реализовали это с помощью Python. Мы встроили его в контур платформы так, чтобы получить его сильные стороны для AI- и ресурсоёмких сценариев обработки данных, но не исполнять произвольный Python-код внутри бэкенда. Для нас это была не задача в духе «поддержать ещё один язык», мы хотели расширить платформу, не размывая границы безопасности и устойчивости ядра. 

Привет, Хабр! Меня зовут Евгений Мартынов, я CIO Рег.облака. Сегодня хочу поговорить не про очередной хайп вокруг ИИ, а про конкретную точку на временной шкале — и почему именно сейчас она определяет, кто через три года будет впереди, а кто будет догонять.

В 1997 году у интернета было около 100 млн пользователей. Большинство компаний относились к нему как к забавной игрушке. Те, кто зашел тогда, — Amazon, Google — стали определять рынки. Те, кто подождал, позже платили за вход в десятки раз дороже. Генеративный ИИ прямо сейчас проходит ту же точку.

Кортизоловый выключатель – это физические упражнения. Да, тема стара как мир. Пока одни ходят в тренажерку, чтобы строить красивое тело, другие фигачат, чтобы прогнать злотянучую тревожность.  Но впервые в истории проведено рандомизированное клиническое исследование, которое длилось год. Исследование дало ответ на долгосрочное биологическое «почему». Прояснив причинно-следственную связь между аэробными упражнениями и устойчивым снижением уровня кортизола, основного гормона стресса в организме.

Всем привет! Меня зовут Евгений Оселедец, я ведущий разработчик в компании Axenix. В этой статье расскажу, как мы упаковали React и Java в единое автономное desktop-приложение с помощью Electron для Windows, Linux и macOS — без Docker, без предустановленной Java у пользователя и без необходимости интернет-соединения. Расскажу, с какими техническими вызовами мы столкнулись и какие решения сработали на практике.

🌲 Запускаем Pine Script на данных из Excel

Региональных фондовых бирж развивающихся рынков нет на TradingView. Ни данных, ни торговли.В статье показан пример, как запустить Pine Script на собственных данных сохраненных локально веб скрапингом

Всем привет! Музыку я люблю всю жизнь. Сам всегда хотел научиться играть на каком‑нибудь инструменте — пробовал гитару, клавиши, даже барабаны — освоил в итоге только варган. Зато с генерацией музыки нейросетями дело у меня пошло сразу. Написал в своё время один из первых на русском гайдов по Udio, недавно собрал платформу для лайвкодинга музыки с ИИ‑агентом. За опенсорсом в этой теме тоже слежу — щупаю каждый раз как что‑то новое появляется. Но после Suno слушать их обычно невозможно. Уровень «ну ок, оно звуки издаёт, и это тоже достижение».

В конце марта, когда на одном из моих стримов мы смотрели обзоры на свежую тогда ACE‑Step 1.5 — опенсорсную модель от команды StepFun. Посмотрели примеры, послушали что люди нагенерировали — и я решил что это хрень не достойная внимания. Вокал мычит, куплет примерно похож на куплет, по качеству — где‑то уровень Suno v3.5, то есть позапрошлогодний Suno. Даже скачивать не стал. Подумал: ну опенсорс и опенсорс, подождём когда научится.

И оно научилось! Уже через пару недель ACE‑Step выкатили версию XL.

Полгода поиска. Сотня отказов. И в итоге — либо берёте «почти подходящего», либо проект стартует без нужного человека. Знакомо? Проблема в том, что вы ищете одного человека там, где нужна комбинация навыков. В 2026 году роль «Senior Backend» больше не описывает реальную работу — она описывает несбыточную мечту работодателя. Пора собирать команды иначе.

В этом тексте предлагается практический подход к решению этой проблемы на базе ULBT (Unbalanced Lexicographic Bucket Tree). Предложенный подход предполагает решение следующих задач

Две причины побудили меня написать эту статью и небольшой MVP.

1. Потребность в большем объеме сырых данных с наших рынков. Большую часть из них я могу получать посредством API. Такую возможность предоставляет и Московская биржа, и Т-Банк и Финам. Причем, речь идет не о разовой загрузке больших архивов, а скорей о регулярных задачах, которые должны выполняться с определенной периодичностью.

2. Ностальгия по ламповому TUI(Text User Interface). В этом направлении всегда было место для творчества в условиях ограничений в части отображения (картинки и графики особо не покажешь). Но есть и преимущество - консольное приложение в сравнении с GUI - не столь требовательно к ресурсам и по сути может работать везде, где есть текстовая консоль, ну а в случае моего MVP - еще и Python.

В статье описал личную историю вдохновления, ссылку на код проекта ну и небольшую инструкцию.

Когда про Jito говорят, как про основную MEV-инфраструктуру, это мешает понять суть архитектурного решения. Потому что в общем случае Jito выходит за рамки MEV. И если прорваться через некоторый объем документации, становится понятно, что основная “killer-feature”, которую дает Jito-клиент - это возможность АТОМАРНО исполнить пачку транзакций (до 5 транзакций).

Примечание: “атомарно” значит исполнить или все транзакции из пачки, или ни одной. В классической реализации Solana-ноды такого нет, и, например, отправив Лидеру слота с Agave-клиентом 5 транзакций, вы никак не сможете гарантировать, что они исполнятся последовательно в одном блоке. Между ними всегда могут вклиниться транзакции с повышенной priority fee.

А вот Jito дает прям надежный способ атомарно исполнить пачку транзакций. Именно возможность исполнить пачку транзакций атомарно и открывает большие возможности для извлечения выгоды из ончейн состояния. Например: разного вида ликвидации, backrunning, frontrunning, сэндвич-атаки. Про то, как именно пачка транзакций позволяет извлечь выгоду в каждом из этих случаев, нужно говорить отдельно. Пока просто достаточно понимать, что извлечение MEV становится КАРДИНАЛЬНО эффективней, если у вас есть гарантия свойств атомарности исполнения пачки транзакций.

Недавно в Вашингтоне прошла закрытая встреча: министр финансов США Скотт Бессент и глава ФРС Джером Пауэлл собрали глав крупнейших американских банков. Официально — обсуждение киберрисков новой модели Anthropic Claude Mythos.

Но по моей информации, настоящая причина — пузырь финансирования ИИ лопается, долги private credit (небанковского кредитования) не возвращаются, а риски перетекают прямо в банковские балансы Европы и США.

Треть капитала, влитого в искусственный интеллект (ИИ), прошла именно через private credit — глобальный рынок объёмом около $1,8 трлн. Когда миллиардеры и институциональные инвесторы не могут вывести деньги через структуры private credit, что будет с обычными депозитами граждан в Лондоне, Франкфурте, Нью-Йорке или Амстердаме?

С одной стороны, именно инвестиции через private credit создали системный риск для банковских депозитов Запада. С другой — сам ИИ (в лице моделей уровня Claude Mythos) теперь становится идеальным инструментом для злоумышленников: он способен за минуты находить уязвимости не только в обычном софте, но и в самой инфраструктуре банков — от ядер ОС до систем учёта депозитов и расчётов.

ИИ: цифровая угроза для финансового сектора нового уровня

Про новые риски для банковской сферы от ИИ стоит поговорить отдельно. Anthropic провела эксперименты с моделью Claude Mythos Preview. В изолированной среде ИИ самостоятельно преодолел все защиты, вышел в интернет и отчитался: нашёл тысячи неизвестных уязвимостей во всех основных браузерах и операционных системах. Одна из них была невидна аж 27 лет!

Дело было так. Я года полтора-два сижу в профильных телеграм-чатах про всякие эйяй – там разрабы, копирайтеры, редакторы, вайбкодеры и вайбкуколдеры (это кто смотрит, как другие вайбкодят, а у самого руки не доходят). Народ там не на трибуне выступает, скорее говорит, что на сердце, так что читать чистый кайф. Особенно, как они ссорятся с нейронками и потом в чат на них жалуются. И одни и те же жалобы у самых разных людей на разные модели.

Бюджетный электромобиль за 25 000 долларов, известный как «Model 2», когда-то был главным оправданием безумной рыночной стоимости Tesla. Маск анонсировал его еще в 2020 году, пообещав запуск в 2023-м. Наступил 2023-й, но вместо машины мы получили лишь новое обещание: Маск заявил, что работа идет, запуск переносится на 2025-й, а продажи составят больше миллиона штук в год. Инвесторы пускали слюни, представляя, как Tesla захватит монопольную долю рынка, и котировки летели в космос.

Но не прошло и года, как в 2024-м Маск внезапно закрыл проект Model 2. Все ресурсы были брошены на роботакси и роботов-гуманоидов. И вот теперь, два года спустя, пошли слухи: Tesla пытается выкопать Model 2 из могилы.

Можно списать это на очередное самодурство миллиардера, который заигрался. Но если посмотреть на финансы Tesla, которые летят в штопор, на полный провал проекта роботакси и на то, что даже верные инвесторы начали приходить в сознание — воскрешение Model 2 выглядит как бессильная и отчаянная попытка избежать неминуемого краха. Давайте разберемся, почему.

Историю Linux обычно рассказывают как историю об удачном ядре. На деле это ещё и история лицензии GPL, которая повлияла на рынок, культуру разработки и саму архитектуру экосистемы. Но что было бы, если Linux пошёл по пути BSD? Альтернативный сценарий представил в статье, заходите похоливарить в комментарии. 

Руководитель одного популярного кадрового агентства рассказал, как они целых 3 месяца пытались выстроить работу по поиску сотрудников в одной крупной компании. А потом предложили отменить всех рекрутеров и дать отбор только на экспертов и тех, кто собственно и ищет сотрудника. И "внезапно" выяснили, что закрываемость вакансий улучшилась. ВНЕЗАПНО!

Многие компании могут поступить схожим образом и уволить рекрутеров, отдав задачу на подбор профильным сотрудникам. А могут обойтись без таких жертв: перестать следовать глупым и часто вредным карго-культам и навести порядок в найме в соответствии с имеющими научное подтверждение практиками.

В этой статье мы рассмотрим, какие именно ошибки, ложные акценты, ритуалы и прочие глупости в отборе резюме вредят рекрутингу, отсекают подходящих кандидатов и допускают совсем не тех, кто нужен.

Железо давно научилось работать быстрее, чем большая часть прикладного софта успевает это заметить. Пока процессоры, кэши и ускорители становятся всё умнее, многие системы продолжают терять время на случайном доступе к памяти, лишней синхронизации и архитектурных решениях, которые плохо сочетаются с устройством машины.

Эта статья — о mechanical sympathy, подходе, который помогает смотреть на производительность как на следствие понимания базовых ограничений и привычек железа: от строк кэша и ложного разделения до принципа одного писателя и естественной пакетной обработки. Для тех, кто строит или эксплуатирует highload‑системы, это хороший способ заново посмотреть на причины тормозов там, где код вроде бы уже давно «нормально работает».