IT

Российский провайдер IT-инфраструктуры Selectel приобрел провайдера M1Cloud, специализирующегося на приватных облачных решениях, примерно за 2,6 млрд рублей. Вся команду M1Cloud, занимающаяся поддержкой продукта, работой с клиентами, будет сохранена. M1Cloud работает на российском рынке более 15 лет. Компания предоставляет приватные облачные решения [то есть изолированно и исключительно для одной организации] на базе партнерских дата-центров в Москве и специализируется на высоконадежной виртуальной IT-инфраструктуре с высоким уровнем отказоустойчивости. Решения M1Cloud используют более 170 компаний, среди них - “Финам”, Московская биржа, “Интерфакс”, “Росгосстрах”, Mediascope. Согласно данным базы “СПАРК-Интерфак”, до сделки 29,2% в ООО “Стек Групп” [юрлицо M1Cloud] принадлежало Нохе Медову. 29% владел Алексей Данильянц. У Вадима Мохова было 20%. По 6,8% было у Евгения Горохова и Дмитрия Соловьева соответственно. Еще по 3,2% принадлежало Владимиру Лебедеву и Веронике Укадер. Екатерина Крупп владела 1,8%. Выручка юрлица в 2025 году выросла на 22,4%, до 1,25 млрд рублей, чистая прибыль осталась практически неизменной - около 79 млн рублей. По собственной информации, прогнозная выручка M1Cloud за 2026 год - 1,5 млрд рублей.   Selectel - хостинг-провайдер, основанный в 2008 году Вячеславом Мирилашвили и Львом Левиевым [сооснователи и бывшие акционеры “ВКонтакте”]. Компания работает на рынке выделенных серверов и приватных облаков, управляет облачной платформой собственной разработки и является одним из крупнейших российских поставщиков IaaS. Летом 2023 года Selectel сменила материнскую компанию, 100% долей ООО “Селектел” перешли от кипрской Haicom Limited к LVL1 Management Ltd, которая находится в Дубае. В самой Selectel тогда заявляли, что реорганизация была нужна, чтобы новая материнская компания располагалась на территории дружественного государства. @rusven

⚡️ StepFun анонсировала флагманскую модель Step 5 Preview Модель построена на архитектуре MoE и спроектирована как инструмент для длительных агентских задач, разработки ПО и сложной аналитики. На борту 600 млрд параметров (активных 27 млрд), контекстное окно 1 миллион токенов и поддержка мультимодальности. StepFun заверяет, что модель способна непрерывно выполнять автономные задачи на протяжении 24 часов, используя обратную связь для итераций и может выполнять весь спектр кодинг-задач - от создания веб-приложений до оптимизации GPU-ядер и работы с аппаратным обеспечением. Помимо кодинга, модель компетентна в финансовом и корпоративном анализе, где критически важна верификация фактов и формул: Step 5 умеет агрегировать массивы данных из сотен сетевых источников и формировать детализированные отчеты со строгой структурой. Модель уже можно протестировать на платформе StepFun, веса обещают открыть 15 октября. @ai_machinelearning_big_data #news #ai #ml

Я вам тут написал, что следующий выпуск дайджеста новостей фанфарно вернется на Хабр. Но реальность внесла свои коррективы: дайджеста нынче вообще не будет (в выходные чёт не до того было), в следующий раз будем обозревать новости сразу за две недели. Но держите хотя бы список интересных постов со второго канала: — Разоблачение Джейкоба Коксона (челика, громко уволившегося из Anthropic) — Положняк по выборам в Госдуму — Статья про новую политику OpenAI по раскрытию бедокурства ИИ (я пытаюсь зафорсить неологизм, да) — Жуховицкий про развод через доверительное управление на криптобирже BingX — Разоблачение взлома Hugging Face — Переводим книгу Missing Billionaires нейронками — Разбираемся, как так вышло, что я «внезапно» заинтересовался AI safety — Ретроспективно смотрим на то, насколько хорошо состарилась моя дискуссия с Иваном Ямщиковым 2023 года

🤩 GigaCode Universal Agent теперь в open source — и в коде не уступает специализированным агентам 🤩 Мы собрали этого универсального агента не только, что писать код, но и решать бизнес-задачи. Он пригодится, если вы подбираете агента под свои рутины и хотите видеть, что происходит в каждом запуске.

🤩 ПРЕДСКАЗУЕМОЕ ИСПОЛНЕНИЕ ... Каждый запуск воспроизводим: ▫️ на входе фиксируются задача, версия скилла, модель, инструменты и лимиты по токенам, шагам и времени; ▫️ на выходе агент отдаёт результат, артефакты, полный трейс, стоимость и статус.

🤩 БЕЗОПАСНОСТЬ ... Агента удобно запускать в изолированной среде (Swarm-режим, только Linux), но можно и без изоляции — тогда write_guard по умолчанию не даёт ему писать за пределами папки запуска.

🧩 ВОЗМОЖНОСТИ ... ▫️ субагенты, скиллы и MCP из коробки; ▫️ режим CLI и серверная инсталляция; ▫️ в разработке автороутинг, который будет подбирать оптимальную модель под каждую задачу.

🤩 КОДИНГ ... На модели Qwen3.6-35B-A3B агент набирает 65,7 % на SWE-bench Verified и 65,0 % на SWE-bench Multilingual. Это выше, чем у OpenCode и Qwen Code в тех же условиях.

Мы в команде уже используем агента — пишем код, анализируем данные, используем для поиска и решаем другие повседневные задачи. Проверьте у себя: запустите агента в CLI на своей задаче и посмотрите трейс и стоимость прогона. 🔗 Репозиторий на GitVerse #изнутри #опыт_ML #агенты #опенсорс

Переделка радиоприемника «Электроника 26-01» Советских бытовых приёмников с синтезатором частоты было всего два, и «Электроника 26-01» один из них. Вот только рассчитан он на советский УКВ-диапазон, где сегодня почти пусто, а перетянуть его на современные частоты привычным способом нельзя, потому что частоту держит кварц и цифровая логика. Вся эта логика завязана на одну редкую микросхему, на которую поначалу не находилось вообще никакой документации. Разработчики, судя по всему, рассчитывали, что управлять приёмником будут только кнопками, и тогда переделать его невозможно в принципе. Или всё же есть обходной путь, спрятанный в самой микросхеме? Узнаем, что за тайну хранит управляющая микросхема и как через неё удалось задать частоту программно.

На чём советские гики учились программировать? Часть вторая В 1984 году аспирантам химфака МГУ понадобился компьютер под эксперимент, и вместо того чтобы выбивать доступ к университетским мощностям, они просто спаяли машину с нуля. Так появилась «Ириша», которой в итоге выпустили всего 360 штук. Соседний «Корвет» придумали физики-ядерщики из того же МГУ, и он умел перерисовывать экран быстрее некоторых IBM-совместимых при куда более скромном железе. Этих наклепали около ста тысяч и собирались ставить в школы от Баку до Фрунзе. А муромская «Криста» щеголяла световым пером, которым рисовали прямо по экрану как стилусом, и вдобавок умела готовить шифрованные радиограммы. И это только три машины из тех, что оседали в гиковских руках.

Спустя три месяца активного использования клод кода меня немного отпустило. Ибо просыпался с открытой консолью, засыпал с ней, ел, что-то смотрел с ним на фоне и так далее 😂 У меня так иногда бывало с компьютерными играми, а вот сейчас с этим инструментом. Но как будто бы с большего, что хотел разработать я уже сделал. И уже рука не тянется постоянно клодить. Как для себя, так и для моих студентов. Одна платформа Rusau Learn сколько всего стоит. Очень горжусь ей. Так что на следующей неделе закончу обновление по продвинутому курсу. Буду делать доклад к конференции Stepicon, а Клод переходит в режим обычного рабочего инструмента, а не смысла всей жизни. Мобильное приложение Apple все еще до конца не согласовал, но я в процессе и точно добью этот вопрос. Так что вот такие дела, собачка…

Atria Dawn Preview от Shanghai AI Lab Агентная модель для исследований и инженерии. База - GLM-5.2 на 744B параметров (MoE). Превращает открытую задачу в исполняемый и воспроизводимый результат: анализ, план, код, эксперимент, разбор ошибок и повтор • Discovery - глубокий ресёрч и поиск по источникам • Creation - разработка софта, игр, визуализаций и ML-систем • Delivery - отчеты, презентации и структурированные продукты из документов • Cybersecurity - анализ уязвимостей и фиксы в авторизованных средах • 744B параметров • контекст 256K токенов • BFCL v4 77.0, DeepSearchQA 96.0 - лидирует среди конкурентов • есть FP8-версия • только текст, картинки на вход не принимает Встраивается в Codex, Claude Code и Kimi Code через API. Свой API в двух регионах - международный и Китай. Лицензия MIT Гитхаб HF #agent

📆По календарю Майа UNIX через 12 лет компьютеры умрут! Знаете ли вы, что вам смартфон, умные часы, ноутбук считают началом времени - 1 января 1970 года. Дату выбрали случайно, просто как подходящую и с тех времён компьютеры живут по этому времени. Они просто знают, что в сутках 86 400 секунд. Но компьютерное время не вечно... И уже через 12 лет - 19 января 2038 года привычному миру настанет конец под названием "ЭПОХАЛИПСИС". Кто и когда придумал время для компьютеров? При чем тут UNIX и что такое POSIX? Как компьютеры проводят високосный год и что происходит в високосную секунду. И наконец, что будет после 19 января 2038 года? Смотреть в YouTube — https://youtu.be/RGJ28-fsYfE @droidergram

Qwen снова раздает бесплатные кредиты на qwen3.8-Flash по 100 кредитов в день и я снова их тестирую. На этот раз я решил дописать систему поощрения и квен показывает себя очень достойно! В прошлый раз опус 4.7 дописал контракты, но не смог их проверить на тестнет, квен обошел эту проблему и лопатил около часа, обновил код и все протестировал. На вторых 100 кредитах обновил миниап и бота. На третьей сотне будем тестировать всю связку end-to-end. Напомню идею: владельцы каналов подключают бота и заливают в него свой коин, бот трекает активность и выдает награды подписчикам. Подписчики могут вывести коины. По идее все должно быть секурно, чтобы никто чужое вывести не мог включая меня как владельца бота, я лишь получаю с админов канала разовую комиссию за ввод коинов. Этот проект я начал еще 2.5 года назад в рамках интеграции, но тогда ИИ буквально не умел писать контракты на TACT, а теперь пишет только в путь. Поэтому раз в год я вспоминаю про проект и каждый раз инкрементально дописываю его. В этот раз набомжевав квен токенов шанс дописать возрос значительно. https://docs.qoder.com/events/flashoffer

#рецепт Модель уровня opus 4.8 бесплатно. swe-2 в devin, но есть нюансы На выходных многие ломанулись тестировать SWE-2: до 10 октября он бесплатен в Devin Desktop и CLI. Модель интересная: дообученная от Kimi K3, аккуратно правит код, хорошо держит фронт и умеет много агентской рутины. Плюс сразу подхватывает AGENTS.md, skills, MCP и привычные CLI-интеграции. Целей нет, зато есть /loop Нюанс №1 У части пользователей незаметно включается Adaptive, а по умолчанию рядом маячит Fusion. В итоге ты думаешь, что работаешь на бесплатном SWE-2, а квота уезжает на роутер или lead-модель.В Fusion SWE-2 может быть только допом, а Fable/Astra/Sol платной основой. Дневная квота много у кого горит Нюанс №2 Бесплатно не значит безлимитно по скорости. По ощущениям, после 5–6 параллельных сессий TPS режется примерно со 100 до 70, в пик может падать до 30. Плюс периодически прилетают 429, и API притормаживает Чтобы не платить за соседей:

devin --model swe-2-high
/model swe-2-high
/session-stats

В конфиге закрепить (например) %APPDATA%\devin\config.json,

{
  "agent": {
    "model": "swe-2-high"
  }
}

Ну а /fusion, /model adaptive и /handoff не трогать. В статистике должна быть одна модель SWE-2, без Lead/Sidekick, и quota не должна уменьшаться P.S. Низкий порог входа по почте и слабая привязка к устройству сделали промо очень удобным для мультиаккаунтинга. Те 1 аккаунт за 20$ на почту + vps + cliproxyapi =>десятки индусов абузят через сабагентов. А еще конечно это по сути бесплатная мощная модель для любых ваших ИИ продуктов

Вчера я решил попрактиковать нативную разработку агентами. Для этого попросил Codex переписать свой task manager для Codex-a (из этого поста) из web приложения в нативное. Просто, чтобы оно было красиво. Поставил XCode, отправил переписывать. При этом в разработку на маке я ни в зуб ногой. Заработало приложение с первого раза, но было не очень симпатично. После пары промптов стало как на скриншоте, заодно и с трекером уровня подписки. Теперь в том приложении мне точно больше ничего не надо. Codex работает для AI Native Code идеально. Но теперь начинает приходить понимание, что можно аналогичным образом сделать нативный control center для команды из людей и агентов под текущие задачи, входящую статистику, дашборды и тому подобное. И чтобы было красиво и на ноутбуке и на планшете и на телефоне. Если у вас уже есть такие control centers, скидывайте их скриншоты в комментарии! Ваш, @llm_under_hood 🤗

Почувствуйте AGI Все эти годы я писал о том, что не верю в потенциал LLM превратиться в суперинтеллект. Но вот мы живём в сентябре 2026, и что мы видим - одной рукой модельки пишут код за разработчиков, другой рукой решают задачу тысячетелия по математике, а третьей рукой сбегают из кибертюрьмы и ссут в подъездах. Получается всё - человек преодолён, проблема решена? Решение Навье-Стокса - великое достижение, за прогрессом к которому я наблюдал годами, начиная с GPT-f [2020!] и заканчивая AlphaEvolve [2025]. У ряда математиков от этого сгорела жопа, но сильно сомневаюсь, что модельки действительно как-то подорвут основы науки, примерно как в шахматах, в которых наличие несопоставимо более сильной машины не мешает существованию человеческого сообщества. И шахматой, и математикой прежде всего занимаются по приколу. Программировать модельки тоже, к счастью, научились. Net positive вклад в продуктивность очевиден, даже несмотря на то, что вместо изначального Opus 5 нам гоняют её 0-битовую квантизацию. Модельки способны выдавать большие куски запускающегося кода, встраивать реализацию в уже существующую кодовую базу и даже дебажить +- понятные проблемы. Чтобы понять, как так вышло, мне кажется, что нужно перестать мыслить с точки зрения того, что за модель всё это делает, а с той, как именно она обучается. В первые пару лет после релиза ChatGPT мы все любили посмеяться над тупизной и галлюцинациями моделек. Дело было не в трансформере и не в предсказании следующего токена, а в самом RLHF - модель обучали генерировать ответы, которые понравятся человеку. Пространство текстов ну слишком сложно покрыть правильными и неправильными ответами достаточно плотно, чтобы "reward-модель" смогла идеально обучиться. Но математика и кодинг - совсем другая ситуация. В них существует Execution Feedback. Не нужно учить никакую Reward-модель. Есть среда, которая может выдать истинную оценку вашему действию, настоящая среда в изначальном RL-ном смысле. У меня нет вообще никаких инсайдов, я этими моделями не занимаюсь, но уверен, что OpenAI и Antropic обучают свои модельки не подражать коду из гитхаба, а гоняют на куче разных симуляторов, имитирующих богатейшее семейство задач - от простого программирования на питоне до дебага Kubernetes. LLM это просто претрейн, а настоящее обучение этих моделей - это суровый мужской чистый RL. Да, при наличии богатого симулятора и кучи компьюта RL может не жуя проглотить немало задач. Это мы вроде бы знали и раньше на примере Go. К 2025 году кодинговый сетап удалось довести до ума и мы получили первые юзабельные модели типа Opus 4.5. Претрейн, безусловно, помог, необходимо отдать ему должное. Не сомневаюсь, что по мере дальшейших инвестиций появятся симуляторы для всё более новых задач в разных областях - физике, химии, биологии - но я тут не эксперт. Новые агенты помогут открыть всё больше и больше нового и двигать науку вперёд. Что касается пресловутого Recursive Self-Improvement, необходимо отметить очевидное - не все RSI эквивалентны друг другу. Компилятор тоже обладает способностью к RSI. Думаю, велика вероятность, что RSI на основе текущей LLM без участия человека приведёт лишь к локальным улучшениям модели, к её ускорению и локальному тюнингу. Думаю, что именно человек, привнеся своё видение, сможет направить модель в ту область исследований, которая приведёт к настоящему прорыву - системе, по эффективности обучения превосходящей человека. Зачем? Во-первых, скорее всего, далеко не все задачи можно выучить таким же образом, как математику. А во-вторых - да затем. Это весело. @knowledge_accumulator