КCXMT отстранила связанных с Huawei инженеров из-за спора о ценах на память Производитель памяти CXMT отказался снижать цены для Huawei и закрыл доступ в свой исследовательский центр инженерам компании SiCarrier. SiCarrier тесно связана с Huawei и помогала обслуживать оборудование на фабрике в Хэфэе. Конфликт возник из-за условий поставок. Высокий спрос на оперативную память позволил CXMT заключить крупные контракты с ByteDance и Tencent. При этом для Huawei компания несколько месяцев повышала ценник. Попытки Huawei добиться скидок привела к спору, в результате которого специалистов SiCarrier попросили собрать инструменты и покинуть R&D-зону CXMT.

Раньше сервис был хамский, никогда не признающий своей вины, тебе легко могли объяснить, что это ты сам не прав и даже сам виноват, и вообще я не собираюсь ничего менять, идите иди жалуйся, куда хочешь. С этим можно было поспорить, никто бы даже не удивился. Но настоящий дьявол оказался вежлив: самое обезоруживающее в сегодняшнем сервисе – непробиваемая и обезличенная вежливость с полным принятием вины: – Да, простите, мы примем все меры. Жаль, что подвели вас 😢😢😢. – Вы молча перенесли доставку на день, когда меня вообще не было, как я мог его принять? – Простите, мы примем меры, чтобы этого больше не повторилось 😐 – А мои товары где? В приложении написано, что заказ доставлен. Дайте мне тогда телефон курьера, я сам спрошу. – Мне очень жаль, мы не даём телефонов курьеров 😕 – Тогда сами узнайте, где мои товары! – Я могу отметить в заказе, чтобы этого курьера больше не назначали на ваши заказы 🥰🥰🥰 Я могу ещё чем-то помочь? – ... я мечтаю одними только удушьями взобраться по вашей карьерной лестнице до самого владельца компании, нежащегося в джакузи, пока я тут пытаюсь найти свой сраный заказ и... – Мы начислили вам 100 баллов в качестве извинений 😇😇😇 Министерство Эргономики

Book Review: Python for Algorithmic Trading Cookbook Мне прислали очередную книжку от Packt на прочтение и ревью — на этот раз про алгоритмический трейдинг на Python. Тема для меня в чём-то новая, но давно интересная: пару месяцев назад я как раз хотел поиграться с Interactive Brokers API, а ещё много лет назад вручную торговал на форексе, так что было любопытно посмотреть, как всё это автоматизируется сейчас. Книга - это cookbook из 68 рецептов, которые проводят весь путь от получения рыночных данных до отправки ордеров через брокера. По структуре это конвейер: данные (OpenBB, pandas, Polars/DuckDB) → research (ArcticDB, AI и agentic workflows, alpha-факторы) → бэктест (VectorBT, Zipline Reloaded) и оценка факторов (Alphalens, Pyfolio) → live-исполнение через Interactive Brokers → и в конце ускорение на GPU через NVIDIA RAPIDS. Больше всего понравилось, что книга доходит до реального исполнения, а не останавливается на бэктесте. И отдельно порадовало внимание к валидации — данные версионируются в ArcticDB с time travel (чтобы случайно не заглянуть в будущее), а глава про walk-forward честно объясняет, почему на временных рядах нельзя перемешивать фолды. Кстати, я про это писал в своих заметках. Ещё есть глава про AI: RAG-аналитик по отчётности на LangChain/Chroma/Claude, агенты на LlamaIndex, которые сами пишут и запускают код, и рецепт про превращение статьи со стратегией в рабочий код. Amazon Code Мои обзоры: Personal blog Medium #bookreview

🌍 Как правильно промптить LLM для планирования путешествий: что говорит наука Пока путешествую по Мадагаскару, задался вопросом: а как вообще правильно просить LLM спланировать поездку и составить маршрут? TL;DR: пишите как удобно, вставляйте местные названия, прямо просите искать на языке страны и требуйте ссылки на источники — особенно для дат, цен и расписаний ✈️ 1️⃣ Язык промпта — гибрид Инструкции модель лучше выполняет на английском, но факты о стране точнее «вспоминает» на её языке — перевод смывает культурный контекст (в бенчмарке CulturALL нативные промпты дали +8% точности). Промптинг на языке культуры также снижает галлюцинации о ней. 👉 Рецепт: запрос — на удобном языке, а топонимы, районы и блюда — на языке страны. 2️⃣ Явно просите искать на местном языке У LLM есть скрытый bias: на каком языке спросили — на таком и ищет, а без локальных источников тянется к высокоресурсным языкам (Faux Polyglot). Запрос на английском = «туристический интернет», а не то, куда ходят местные. 👉 Пишите прямо: «ищи и на малагасийском, и на французском, и на английском, для ресторанов и транспорта приоритет — локальные сайты». 3️⃣ Зависит ли от страны? Да, и тут парадокс 🤯 ▫️ Франция/Япония: многое дублируется на английском, локальный поиск даёт бонус в «длинном хвосте» — события, нетуристические места. ▫️ Низкоресурсные языки (тот же малагасийский): самое ценное есть только локально, но модель хуже понимает язык. Оптимум — двуязычный поиск + синтез (paper). ▫️ Важна ещё и «оцифрованность» страны: про регионы с бедным интернетом модель знает мало на любом языке. ⚠️ Нюансы, о которых забывают: 🔸 Когда источники на одном языке, а ответ на другом, модель хуже рассуждает и путает язык ответа (бенчмарк XRAG, EMNLP 2025). Фиксируйте: «отвечай по-русски, укажи источник каждого факта». 🔸 Разные модели ≠ одинаковое поведение: одной лучше английский, другой — нативный язык. Универсального правила нет. 🔸 Неанглийский текст «дороже» по токенам — чисто инженерный аргумент 💸 🔸 Цены, визы, расписания — только через поиск, по памяти модель уверенно выдаст устаревшее. 📊 Оценка завышена (XBCP и X-WebAgentBench) для travel-planning нет хорошего ground truth так как текущие исследования агентных систем в основном англо-центричны. @mashkka_ds За вдохновение спасибо @travel4_you & @runoutofthetown #llm #Claude #agent

Глава DeepSeek рассказал, что китайские ИИ чипы отстают от Nvidia на 2 года Глава DeepSeek Лян Вэньфэн заявил на встрече с инвесторами, что китайские ускорители от Huawei уже могут полностью заменить системы Nvidia, но пока берут только количеством. По его словам, чипы Huawei отстают от Nvidia примерно на два года. Там, где справляется 1 карточка Nvidia GB300, приходится ставить сразу 4 штуки Ascend 950. Сейчас главный барьер для китайского ИИ — это элементарная нехватка железа. Чтобы обучить нейросеть уровня самых продвинутых мировых моделей, компании нужно около 50 000 чипов Nvidia или 200 000 ускорителей от Huawei, а у DeepSeek сейчас есть ресурсы всего под 20 000 старых H100. Тем не менее Вэньфэн уверен, что санкции США только вредят самой Nvidia, а китайские разработчики вынужденно переходят на железо Huawei и постепенно учатся обходиться без американских технологий.

Аномалии Opus 5 и оптимальный reasoning effort Если вы используете агентов так активно, что даже 200$ лимитов вам не хватает, ну или просто хотите получать адекватный результат за приемлемое время, то надо озаботиться выбором оптимального уровня размышления модели. Так вот, из официального анонса это неочевидно, а вот из системной карточки вполне. И там видно, что в ряде задач Opus 5 medium effort оказывается даже эффективнее, чем Fable high. При цене почти в 3 раза меньше. Видимо, теперь medium будет дефолтным выбором для пятого опуса. А во Frontier Code Opus 5 medium и вовсе показывает результаты существенно лучше, чем xhigh версия (что, конечно, подозрительно, но ОК). Еще, в системной карточки появились мультиагентные бенчи, и один из них ProgramBench - так вот, там команда из 5-ти агентов достигает того же результат в 2.2 раза быстрее, чем одиночный агент. Привет всем любителям мультиагентных систем. Похоже, что секцию 8.11 Multi-Agent в принципе есть смысл прочитать вдумчиво. И любопытный факт - новенький FrontierBench v0.1 (уже третий "фронтир" све бенчмарк) они прогоняли не в родном харнессе, а в mini-SWE-agent. Результатов прогона medium effort нам почему-то в отчете не дают, только xhigh и high. @ai_driven