Коннект: Вячеслав Томшинский Вячеслав - предприниматель, инженер и инвестор. Владелец и председатель правления АО «ОКАН» - российской инженерно-производственной компании, разрабатывающей и выпускающей оборудование для атомной энергетики. Более 15 лет занимается развитием высокотехнологичного производства и реализацией сложных инженерных проектов. За это время компания приняла участие в строительстве и модернизации 12 атомных электростанций в разных странах мира, поставляя оборудование для ключевых объектов атомной отрасли. По итогам 2025 года выручка ОКАН составила около 52 млн долларов США. Сегодня основной профессиональный интерес - развитие современного промышленного производства, создание международных инженерных компаний и объединение лучших производственных компетенций для реализации крупнейших инфраструктурных проектов. Помимо бизнеса, участвует в образовательных, культурных и общественных инициативах. Один из авторов проекта #СлаваИнженерам, направленного на популяризацию инженерных профессий. Совместно с супругой Анной Хорошевой поддерживает проекты в области современного искусства и сохранения архитектурного наследия Санкт-Петербурга. Вместе они являются авторами спектакля Circus ex Machina, созданного совместно с Упсала-Цирком. В разные годы входил в рейтинги молодых предпринимателей РБК и «Делового Петербурга». Чем могу быть полезен ▪️рассказать о том, как строятся крупные промышленные и инженерные проекты: от идеи и первых контрактов до международной реализации ▪️поделиться опытом создания и развития производственной компании, работы с крупными заказчиками и выхода на зарубежные рынки ▪️выступить наставником или собеседником для собственников бизнеса, которым нужен взгляд со стороны на стратегию, развитие компании или личную роль в бизнесе ▪️рассмотреть участие в совете директоров или стратегическом совете интересного производственного или технологического проекта ▪️просто поговорить о предпринимательстве, промышленности, корпоративном управлении, культуре, архитектуре или жизненном пути. Ищу людей, с которыми интересно строить общее будущее, буду особенно рад знакомству с: ▫️собственниками производственных, инженерных и технологических компаний ▫️предпринимателями, которые создают реальные продукты, заводы и новые индустрии ▫️инвесторами, которым интересны промышленность, инфраструктура и deep tech ▫️архитекторами, урбанистами, меценатами и авторами культурных проектов ▫️людьми, для которых доверие, партнерство и репутация важнее краткосрочной выгоды. Не ищу клиентов. Ищу людей, с которыми интересно строить общее будущее. Контакты для связи: Сайт: https://okan.ru/ Tg: @NATALI_SHIRKOVA (Наталья, ассистент)

Водородная авиация споткнулась о проблему охлаждения — облик «зелёных» самолётов придётся пересмотреть Водородные самолёты столкнулись с неожиданной проблемой: топливные ячейки выделяют почти мегаватт тепла, которое нужно отводить отдельной системой. Для этого нужны крупные теплообменники и мощные компрессоры, но они увеличивают сопротивление и могут сократить дальность полёта. В проекте бизнес-самолёта One решили использовать газообразный водород в баллонах под давлением 700 атмосфер, размещённых над крылом. Там же установят два электрических двигателя с винтами, поэтому привычный облик «зелёных» самолётов, похоже, изменится. Проект уже прошёл предварительное проектирование и перешёл к детальной разработке и сертификации. #водородныйтранспорт #авиация #топливныеэлементы 📎Подробнее 🔖 3DNews в TG | MAX | VK

Ретрофутуристичная «Виселица»: одна функция, шаговик 28BYJ-48 и полугодовая война с третью шага Оверинжиниринг — прошлый век, теперь эпатажный инжиниринг. У девайса ровно одна функция, а выглядит он как пульт управления инопланетным кораблём. Автор собрала физическую «Виселицу» с двумя вращающимися дисками букв, шаговиками, промышленным тумблером и силиконовыми накладками с детской присыпкой сверху. Крутишь энкодер, диск с механическим шуршанием подгоняет букву в иллюминатор, ошибся — экран дорисовывает виселицу. А потом началась математика. Шаговик 28BYJ-48 тратит 2048 импульсов на оборот, согласных 24. Делим и получаем 85,3333 шага на букву. Мотор не умеет делать треть шага, и это только первая из проблем, которые устроила геометрия диска. Дальше в дело вступила скрытая мистика с уползающими нулями. Посмотрим, как одна функция превращается в полгода войны с железом.

Немного_поясню_за_loop_transformer 📦 В посте про спекуляции о размере Astra я уже упомянул такое "новое" направление как loop transformers. На самом, деле, Дядя оч за новые подходы к архитектурам, инженерии, что даёт ап метрик и пробивает текущее плато продуктивности моделей. 💪 Конечно, хотелось бы и парадигму next token prediction сменить. Но об этом будет говорить в рамках поделок Лекуна. 👍 Однако, луп трансформер не новый подход, он ещё известен с моделей albert и ещё раньше. Первые упоминания в UTS (universal transformers) от гугл аж в 2018. 🚬 Идея не сложная. Вместо роста архитектурной глубины по слоями – числу стаков блока трансформера, а также в ширину – размер hidden state, мы делаем реюз базового блока (например в 22 блока трансформера, ширины D). И делаем это как в Альберт, те выходы с базового блока рекурентно отдаём его на вход этого же блока К раз. Таким способом, мы не растим реальную глубину и ширину, увеличивая размер модели в параметрах, подбираем эффективную базовую глубину и число повторений её рекурентного переиспользования. К примеру, в статье разборе С. Рашка модель Nanbeige 4.2 (3B) имеет 22 стака по 2,что сопоставимо по вычислениям 44 блокам трансформера. В памяти, это конечно поменьше занимает, но по времени same. Также same по времени обучения, а ещё KV параметров больше на число проходов по стаку, тк над хранить qkv для всех проходов. Т.е. выйгрыш только в емкости весов в памяти gpu. 😮‍💨 Тут конечно влетают идеи у Дяди 😎: 1. Использовать принцип palbert с early exit и lambda слоями. Те модель сама решает с какого блока повтора и слоя выйти заранее. 2. Mixture of Recursions. Иметь роутинг по стэкам для каждого токена. Мы решаем сколько каждый токен пройдёт рекурсивных блоков. Исследование показало, что при достаточно большом размере модели MoR может превосходить обычный трансформер при том же вычислительном бюджете. 🤙 Разница в 1 и 2 подходе, что ponder решает ранний выход для всей последовательности, а MoR для отдельных токенов. 👴 И я очень советую лидерам рнд, кто видит этот пост опробовать оба этих метода, особенно, выделяю MoR тк статья от 2025 года, где указано, что такой сетап может быть эффективнее по KV кэшу, скорости инфера и по глубине. В целом, это все. Ничего особо сложного. 💪

🤖 Робот прыгает от света и не может остановиться Инженеры из Университета штата Северная Каролина собрали крошечного робота, которому не нужны ни мотор, ни батарея. Только инфракрасный свет — и он прыгает, пока его освещают. Тельце в форме капли из ленты жидкокристаллического эластомера, к одному концу приклеена тонкая алюминиевая трубка, согнутая буквой V. Под инфракрасным светом поверхность ленты сжимается, и капля начинает закручиваться вокруг этого V-образного конца. Напряжение копится, копится — и в какой-то момент срывается: «галочка» резко распрямляется, бьёт по земле и подбрасывает робота вверх. Электроники в этом цикле нет вообще — робот сам себя взводит и сам спускает. Самое элегантное — способ управления. Достаточно поменять угол той самой «галочки»: 🔸 120 градусов — робот ползёт вперёд 🔸 90 градусов — прыгает вперёд 🔸 50 градусов — скачет вертикально вверх А если утяжелить круглый конец, центр масс смещается и прыжок выходит дальше. С яркостью света, правда, нужна аккуратность: перестараешься — и движения превращаются в хаотичные дёрганья. @droidergram

🤖 Ещё недавно гуманоидные роботы были прежде всего героями эффектных роликов: они танцевали 💃, делали сальто 🤸 и удивляли публику, но за пределами подготовленной площадки быстро обнаруживалось, насколько хрупким остаётся этот прогресс 😬. 📆 За последний год ситуация начала меняться. Не потому, что кто-то наконец создал «идеального робота», а потому, что сразу несколько старых ограничений стали двигаться одновременно 📈. 📊 Для роботов начали собирать данные в промышленных масштабах. Нейросети научились связывать зрение, язык и движения всего тела 🧠👁🗣. Гуманоиды проводят тысячи часов на настоящих заводах 🏭, где выясняется уже не только, что они умеют, но и что у них ломается 🔧. Китайские компании переходят к выпуску тысяч машин 🇨🇳📦. Boston Dynamics впервые превратила Atlas из исследовательского проекта в продукт 🦾. А универсальные гуманоиды уже проверяют не только на производстве, но дома 🏠 и даже в операционной 🏥. 🎥 В этом видео мы разбираемся: почему именно сейчас робототехника подошла к такой точке 🎯, какие инженерные барьеры действительно удалось сдвинуть 🧱➡️, где по-прежнему заканчиваются красивые демонстрации и начинается суровая реальность 😅 — и почему смешные падения роботов на соревнованиях 🤖💥 могут быть не признаком провала, а частью серьёзного инженерного прогресса 🛠📈. 🔥 Пожалуй, лучше всего состояние всей отрасли сегодня описывает одна сцена: робот пробегает сто метров быстрее человека 🏃‍♂️💨, а после финиша влетает в мат, потому что ещё не умеет нормально остановиться 🛑😄. 🚀 До универсального робота всё ещё далеко. Но расстояние между впечатляющим трюком и действительно полезной машиной впервые начало заметно сокращаться 📉🔗. ❤️ Смотреть в ВК ⛔️ Смотреть на YouYube ————————— ✔️Подписывайтесь на лучший  канал PRO Роботов 🥲Мы в Max

Как вырастить один кристалл размером с ладонь и повесить на него десять тонн В горячей части авиадвигателя стоит железка размером с ладонь. Никелевый сплав, из которого её делают, плавится где-то около 1300 градусов. А газ, который бьёт в неё из камеры сгорания, у гражданских моторов переваливает за 1650. Металл разогрет почти до собственной точки плавления и при этом держит форму тысячи часов подряд. Мало того, на этой детали в несколько сотен граммов висит нагрузка, равная весу лондонского двухэтажного автобуса, а сама она вращается быстрее 12 000 оборотов в минуту. И сделана она хитрее обычного сплава с зёрнами, из одного-единственного кристалла, выращенного нарочно в самом мягком направлении.

Новый облик Blue Moon MK2. Blue Origin обновили рендер своего пилотируемого корабля HLS для лунной программы Artemis, который претерпел множество изменений за несколько лет. Общая концепция не поменялась, а вот в деталях это уже больше похоже на правду. Отличная мотивированы ускорением программы, унификации части узлов с MK1, и новым планом для Artemis: добавилась дополнительная миссия в 2027 + возможность провести высадку в Artemis 4 (до осени прошлого года у компании был контакт только на высадки после SpaceX). Ключевое: - Новая изоляция на основном баке для водорода - Раздельные баки для кислорода вместо коаксиального - Новая система коррекции над баками - Появились солнечные панели - Изменили схему и положение радиаторов - Усиленны посадочные опоры Большая часть этих отличий были уже на рендерах демонстратора для Artemis 3, но он лишь частично функциональный — макеты вместо баков и двигательной установки. Но важная деталь именно в частичной унификации с Blue Moon MK1 (который сильно меньше) — в случае успешной посадки этой платформы в 2027, NASA получит больше уверенности в прогрессе MK2. Сейчас есть 3 версии пилотируемого посадочного модуля от Blue Origin MK2: - Демонстратор: обрезанная версия для Artemis 3 - Ускоренная: для первой высадки в Artemis 4 (если выиграют), в канале эта версия упоминалась, как MK1.5 - Финальная: для последующих после Artemis 5 или 6 Blue заявляет возможность высадки до 4 человек в рамках одной миссии, и до 30 тонн на поверхность в будущей грузовой версии. Для сравнения, MK1 может доставить только 3 тонны на Луну.

​​Running a Software Factory Efficiently at Uber Scale В начале года была новость, что в Uber за первые 4 месяца 2026 года умудрились потратить весь плановый бюджет токенов за год. Они пытаются экономить и вот недавно выложили блогпост о том, как они держат под контролем расходы на агентов. Почему это актуально: больше 70% PR у них сейчас создают локальные или облачные агенты, инженеры написали 3.6k+ agent skills, и в день выполняется больше 30 тысяч запусков этих скиллов. С февраля по август 2026 недельные активные пользователи выросли в 7 раз, а количество агентных запросов - в 9.4 раза. Резать доступ они не хотели, поэтому стали резать стоимость. Всё считается через одну формулу: total spend = users × sessions/user × turns/session × requests/turn × tokens/request × price/token. Первые два множителя они хотят растить, а оптимизируют средние три - то есть ту работу, которую агент делает сам по себе. Что именно сделали: - Выбор модели по бенчмаркам из реальной работы. Для uReview (их агент код-ревью) бенчмарк собран из настоящих PR с известными багами, размеченных по сложности; считают precision/recall/F1 плюс cost per review, latency и шум. Смена модели подняла F1 и заметно уронила стоимость ревью. - Дефолтная модель для субагентов - послабее и дешевле. Это оказалось самым эффективным изменением: основная модель декомпозирует задачу и проверяет результат, субагенты просто выполняют. - Auto-compact на 400K токенов (даже для моделей с контекстом в 1M) и reasoning effort по умолчанию Medium. - Prompt caching с часовым TTL вместо пятиминутного. - MCP через CLI и tool search вместо предзагрузки схем. При сотне с лишним инструментов схемы съедали 50-70K токенов в каждом запросе. - Code-mode: несколько вызовов инструментов складываются в один Python-скрипт вместо отдельного хода модели на каждый. На простых SQL-запросах экономия 55-71%, на bulk-сценариях больше 90% (status poll просто не попадает в контекст). - Отдельная боль - SaaS MCP от вендоров: один workspace-сервер приносит 49 инструментов и ~22K токенов схемы. Их завернули в тот же гейтвей и тоже спроецировали в CLI. - AI Context Graph: 24 млн узлов и 80 млн рёбер из 30+ внутренних систем, с запросами на естественном языке. Пример из статьи: агент с графом нашёл нужную таблицу за 38 секунд, а тот же агент без графа 20 минут лазил по коду сервисов, поднял двух сабагентов, словил три ошибки и в итоге решил, что данные недоступны. - Видимость вместо жёстких лимитов: счётчик текущей стоимости прямо в статуслайне, алерты в Slack на 50/80/100% бюджета, и дашборд разбора сессий, который ищет 16 антипаттернов - Opus там, где хватило бы Sonnet; 40KB MCP-ответы, висящие в контексте и оплачиваемые на каждом ходу; протухший кэш после перерыва; 100K токенов инструкций и схем ещё до первого слова пользователя. Результат при фиксированной модели (февраль-июль): стоимость 1000 запросов упала почти на 34% от пика, стоимость сессии - на 52% от июньского пика, и это при семикратном росте использования. Главный вывод они формулируют так: гоняться за дешёвыми токенами менее выгодно, чем переносить работу из интерактивных сессий в managed-агентов, где полностью контролируешь роутинг моделей, харнесс и бюджет, и где у каждого агента есть свой бенчмарк. Uber blog #ai

Наткнулся на прикольную DIY-историю - канадский (ну как канадский...) инженер Джон Се два года делает дроно-зонтик, который сам летает над головой. Началось всё довольно банально. Джон захотел управлять зонтом с пульта, как коптером, но получилось довольно бестолково - ну, посудите сами. Тем не менее, он залил видос на свой канал "I build stuff", и зрители в комментах резонно спросили: "А зачем вообще пульт, если зонт может просто сам летать за человеком?" Се задумался и стал пилить именно такую систему. Перебрал разные способы. GPS не подошло, слишком большой разброс точности. Обычные камеры были бесполезны в темноте и в сильный дождь (а зонт вообще-то как раз для дождя и нужен). В итоге он воткнул в свой девайс специальную камеру глубины, которая не фоткает, а пускает сигнал и замеряет, за сколько он отражается обратно, и строит из этого 3D-карту пространства. Вот эта штука уже нормально работала и в темноте, и в ливень. Данные обрабатывает встроенный микро-процессор Raspberry Pi - через простой вычислительный узел, без всяких нейронок. Он берёт карту глубины, находит макушку человека и шлёт координаты полётному контроллеру, прям как у дрона. А тот уже управляет моторами и задаёт траекторию. Что такое полётный контролер - я подробно разбирал в статье про DJI. Корпус зонто-дрона печатается на 3D-принтере из карбон-нейлона. Пропеллеры складываются на шарнирах, в сложенном виде вся конструкция размером со средний штатив, можно спокойно таскать с собой. Любопытно, что пока бро 2 года на коленке допиливал свой аппарат, в американском патентном бюро уже лежал патент на "Flying umbrella assembly". Там дрон тоже держит зонт над головой, но следит не через камеру глубины, а с помощью трекера на человеке, и вдобавок учитывает положение солнца, чтобы точнее держать тень. Получается, два изобретателя независимо друг от друга сделали одно и то же, но чуть по-разному. Но вообще это классика. Пока у Се скорее эффектная демка, нежели продукт. Главная проблема - зонтик держится в воздухе всегда 10-15 минут на одном заряде и боится сильного ветра. Парень планирует эти проблемы решать - работает над усилением рамы и докручивает батарею. Но про какие-то продажи речи пока не идёт - он сам прямо говорит, что это просто прототип. Но всё равно прикольно. Западные изобретатели: годами проектируют зонто-дрон и наконец выкатывают пробную версию на рынок. Китайцы через 0,00001 милисекунды: "зонт дрон летать следовать голова сухость ultra hd 8k max pro доставка промокод". Дизраптор

Школьник собрал пушку Гаусса, которая прострелила хронограф насквозь Скорость снаряда замеряли китайским хронографом. Прожил он недолго: один из снарядов прошёл его насквозь. Прибор для замера скорости не пережил того, что замерял. Собрал эту штуку десятиклассник. Пять разгонных катушек, заострённые отрезки гвоздей на вылет 52 м/с. В цепи ток может превышать 600 ампер, так что дорожки на плате пришлось делать толстыми и заливать припоем, а тиристоры брать на импульсные 1000+ ампер: дешёвые китайские вылетали при первом включении. А считал катушки, мотал их вручную и подгонял под каждый конденсатор он в 10-11 классах. С преобразователем на 400 вольт, датчиками на ИК-светодиодах и расчётом в Femm 4.2.

Хочу подробно ответить на один классный вопрос про AI Coding

Как считаешь в ближайшем будущем прорыв будет получатся из-за улучшения базовых моделей, или же инженерных трюков как например рассказываешь ты у себя в канале? Многие вещи как про голд спт, евалы, бдд, контрол центр я нигде не слышал. Повсеместно почти люди вещают кому какой скилл поставить. Мне кажется, что все дело в целях и в аудитории, для которой ведется рассказ. Скилы хороши тем, что это что-то наглядное и удобно упакованное. Скилл можно легко поставить и сразу увидеть результат, что что-то поменялось. Такой материал хорошо работает для привлечения аудитории. У нас же уже сложилось классное коммьюнити - подписчики, участники чата и тематических групп. Тут есть директора, лиды и инженеры компаний США и Евразии, как корпораций, так и передовых стартапов. Про многие компании вы уже слышали или даже пользовались их продуктами и услугами. Поэтому тут нет смысла упрощать картину ради аудитории. Наоборот, можно пропускать костыли, концентрироваться на системном подходе и конкретных результатах: ценность для пользователей, соответствие кода конкретным требованиям, а систем с LLM под капотом - измеримым ожиданиям. И если говорить про точные пайплайны c LLM под капотом - их никак не построить без evals и разнообразных датасетов. OpenAI и Anthropic без этого не смогли бы двигаться вперед. А если говорить про разработку продуктов для пользователей с AI Coding - аналогичная история. Можно написать хоть тысячу текстовых спеков в маркдауне с superpowers и OpenSpec, подключив это к ponytail. Но с качеством кода это не обязательно будет кореллировать (скорее наоборот, забъется контекст и поползут глюки). А вот тесты работали всегда, как работали превосходно все эти десятилетия, так и продолжают работать. А в случае сложной продуктовой разработки с хитрыми интерфейсами эти тесты уже давно делают в формате BDD. // а вот control center - это просто мой термин для старой DevOps модели, когда для удобства управления кучей систем в одну репу собирали пачки из Ansible/Terraform/Chef, bash скриптов и YAML каши от Kubernetes. Просто сейчас этот бардак можно свалить на агентов. И я считаю, что дальнейшие прорывы в разработке будут происходить не столько из-за улучшения моделей, сколько из-за развития харнесов кодовых агентов. А еще за счет того, что индустрия будет переоткрывать, как эффективно сочетать принципы, которые работали всегда - с этими новыми агентами. Агенты и LLM при этом будут продолжать дешеветь. Вот например большой аплифт по каким либо показателям дает тебе такой инженерный подход? Компенсирует ли этот прирост ту ответственность которую как я понимаю нужно проявлять к тому чтобы следовать всем этим ai native конвенциям

У меня в итоге проекты не следуют специальным AI Native конвенциям, чтобы быть актуальными. Наоборот, это обычные читаемые проекты без каких-то скилов. Просто впервые в жизни у меня есть время, чтобы их оформить аккуратно и правильно, так, чтобы команда могла открыть проект, быстро разобраться и иметь возможность начать продуктивно работать, не ломая код. Ну а то, что проект аккуратно часами причесывал Codex (время которого, в отличие от своего, я не считаю), а команды теперь состоят преимущественно из кодовых агентов - это уже детали современной реализации)) Если кратко - аплифт есть. Скажем, проекты уровня BitGN я бы раньше не смог реализовать без большой команды. При этом сами конвенции в проектах не столько AI Native, сколько ориентированные на людей и основанные на уже работающих принципах. Но поскольку AI Agents тоже обучены хорошо работать с человеческими процессами - это все идеально стыкуется вместе в AI Native системы. Ну а то, что скилам у меня в ней места не нашлось - это уже вкусовщина) Ваш, @llm_under_hood 🤗

Роботы смешно бегают. Но почему именно так? Ну, потому что это не человек и у робота нет накопленного опыта, полученного человечеством за миллион лет. И вообще его механическая система отличается от биомеханики — нет всяких связок, сухожилий, он не следит за пульсом и насыщением крови кислородом. Ему не надо жечь АТФ для получения энергии и отводить молочную кислоту из мышц. Разумеется, такой способ бега у роботов получился не сам — его разработал ИИ методом проб и ошибок. Он размахивает руками, чтобы компенсировать колебания от перестановки ног — человек делает также, но не так гротескно. Наклон тела тоже не случаен — он переместил центр тяжести вперед и теперь просто догоняет сам себя ногами, чтобы не упасть. Так тратится меньше циклов машинных вычислений. Скорее всего, по пересеченной местности так он бежать не сможет.... Вообще, интересное время — примерно так я себе и представлял настоящую разработку человекоподобных роботов лет тридцать назад. Но про "зловещую долину" тогда я не слыхал...

Ютубер PickentCode собрал компьютер, работающий на открытом огне через двигатель Стирлинга. Пламя нагревает камеру двигателя, воздух внутри расширяется и толкает поршень, потом остывает и гонит поршень обратно. Этот цикл раскручивает маховик, маховик вырабатывает ток, и пока горит огонь, машина считает. Питается от пламени набор из платы ESP32, OLED-экрана и клавиатуры на 16 клавиш. На ESP32 крутится виртуальная машина CHIP-8, придуманная в 70-х под ввод с тех самых 16 клавиш. Сообщество до сих пор пишет под неё игры, и комп на огне запускает любую из них, а заодно тянет собственные программы автора. Корпус деревянный, викторианский, с выгравированным лазером портретом Роберта Стирлинга на боковой панели. Чтобы полутоновое изображение легло на дерево, автор прогнал его через алгоритм Флойда — Стейнберга, разложивший градиенты на точки разной плотности.