🚀 Starlink хочет сделать то, на чём Iridium сгорела почти 30 лет назад
Илон Маск говорит о будущем, где обычный смартфон сможет подключаться к спутникам напрямую - без отдельной антенны и специального спутникового телефона.
И это уже не просто концепт: Starlink развивает Direct-to-Cell, а SpaceX получила дополнительный спектр для расширения direct-to-device связи.
Но история уже видела похожую мечту.
В 1998 году Iridium запустила глобальную спутниковую сеть из 66 спутников стоимостью более $5 млрд. Телефон должен был работать почти в любой точке мира. Уже в августе 1999 года компания подала на банкротство: аппараты были дорогими и громоздкими, а спрос оказался намного ниже ожиданий.
Почему у Starlink шансов больше?
SpaceX уже имеет огромную орбитальную инфраструктуру, регулярно запускает собственные спутники и развивает связь с обычными немодифицированными смартфонами. Исследования Direct-to-Cell подтверждают, что такой подход технически уже работает, хотя пропускная способность пока сильно уступает обычным наземным сетям.
Илон Маск говорит о будущем, где обычный смартфон сможет подключаться к спутникам напрямую - без отдельной антенны и специального спутникового телефона.
И это уже не просто концепт: Starlink развивает Direct-to-Cell, а SpaceX получила дополнительный спектр для расширения direct-to-device связи.
Но история уже видела похожую мечту.
В 1998 году Iridium запустила глобальную спутниковую сеть из 66 спутников стоимостью более $5 млрд. Телефон должен был работать почти в любой точке мира. Уже в августе 1999 года компания подала на банкротство: аппараты были дорогими и громоздкими, а спрос оказался намного ниже ожиданий.
Почему у Starlink шансов больше?
SpaceX уже имеет огромную орбитальную инфраструктуру, регулярно запускает собственные спутники и развивает связь с обычными немодифицированными смартфонами. Исследования Direct-to-Cell подтверждают, что такой подход технически уже работает, хотя пропускная способность пока сильно уступает обычным наземным сетям.
Вайбкодеры, всем спать: у Claude масштабный сбой — ИИ от Anthropic перестал работать у пользователей по всему миру.
Точно Альтман подстроил😆
Точно Альтман подстроил
Please open Telegram to view this post
VIEW IN TELEGRAM
Media is too big
VIEW IN TELEGRAM
Изучаем память ИИ-агентов на 100% с бывшим инженером Google — парень выкатил 30-минутный курс, который в разы прокачает ваши знания в нейронках.
Сохраняем себе.
0:00 — почему каждый вызов модели начинается с амнезии
2:31 — хранение памяти в тексте, таблицах или графах
5:04 — четыре способа поиска инфы: ничего не делать, ключевые слова, RAG, Graph RAG
7:29 — как агенты поддерживают память: добавление, удаление, retire, attribution, reflection
9:47 — сборка всего на обычном тексте и SQLite
13:13 — моменты, когда нужно добавить векторное хранилище
14:38 — память в строках, графовая память, временной граф и его построение
21:03 — запуск кода на всех пяти вариантах
Сохраняем себе.
Айтишника из России арестовали за перевод через Binance — биржа передала СК его данные. По данным Reuters, Юрий Беленький переводил крипту украинским организациям, в том числе ВСУ. Binance передала следствию историю транзакций, контактные данные и копии документов Беленького. Сейчас он находится в СИЗО и ждёт суда. Ему грозит от 8 до 15 лет лишения свободы либо пожизненное заключение. При этом часть переводов была совершена уже после того, как Binance объявила об уходе из России в сентябре 2023 года.
🐧 Linux-команда, которую стоит знать: как быстро понять, куда пропало место на диске
Если сервер внезапно пишет
Команда покажет занятое и свободное место на всех смонтированных файловых системах в удобных GB/MB.
Проверить раздел, где находится
Посмотреть конкретный раздел:
А если нужно сразу увидеть тип файловой системы:
Полезные флаги:
Последний вариант особенно полезен: иногда место на диске ещё есть, а новые файлы создать нельзя именно потому, что закончились inode.
Если сервер внезапно пишет
No space left on device, первым делом:df -hКоманда покажет занятое и свободное место на всех смонтированных файловых системах в удобных GB/MB.
Проверить раздел, где находится
/home:df -h /homeПосмотреть конкретный раздел:
df -h /dev/sda1А если нужно сразу увидеть тип файловой системы:
df -ThПолезные флаги:
-h — размеры в KB/MB/GB-T — тип файловой системы-a — показать вообще все файловые системы-i — проверить inode вместо свободных гигабайтПоследний вариант особенно полезен: иногда место на диске ещё есть, а новые файлы создать нельзя именно потому, что закончились inode.
t.iss.one/linuxacademiya🚨 OpenAI расформировала команду Preparedness, которая занималась самыми опасными сценариями развития ИИ
По данным Financial Times, команду распустили в конце июля. Она оценивала риски от передовых моделей, включая кибератаки, биологические угрозы и сценарии, где ИИ получает слишком большую автономность. Теперь направления вроде bio и cyber распределили между другими внутренними командами OpenAI.
При этом сама система оценки рисков никуда не исчезла. OpenAI по-прежнему называет Preparedness Framework основой подхода к наиболее серьёзным рискам от продвинутого ИИ, а новый Frontier Governance Framework охватывает cyber, CBRN, манипуляции и потерю контроля.
У такой реорганизации есть логика: специалисты по безопасности теперь могут сидеть ближе к командам, которые реально строят и запускают модели. Многие современные риски зависят уже не только от eval-тестов, но и от sandboxing, сетевых ограничений, мониторинга и всей инфраструктуры вокруг агента.
Но есть и обратная сторона. Отдельная safety-команда могла выступать независимым барьером, когда скорость релиза конфликтовала с безопасностью. При распределённой ответственности такой внутренний стоп-сигнал потенциально становится слабее.
ft.com/content/53082739-7714-4aae-9816-e55ab423cbee?syn-25a6b1a6=1
По данным Financial Times, команду распустили в конце июля. Она оценивала риски от передовых моделей, включая кибератаки, биологические угрозы и сценарии, где ИИ получает слишком большую автономность. Теперь направления вроде bio и cyber распределили между другими внутренними командами OpenAI.
При этом сама система оценки рисков никуда не исчезла. OpenAI по-прежнему называет Preparedness Framework основой подхода к наиболее серьёзным рискам от продвинутого ИИ, а новый Frontier Governance Framework охватывает cyber, CBRN, манипуляции и потерю контроля.
У такой реорганизации есть логика: специалисты по безопасности теперь могут сидеть ближе к командам, которые реально строят и запускают модели. Многие современные риски зависят уже не только от eval-тестов, но и от sandboxing, сетевых ограничений, мониторинга и всей инфраструктуры вокруг агента.
Но есть и обратная сторона. Отдельная safety-команда могла выступать независимым барьером, когда скорость релиза конфликтовала с безопасностью. При распределённой ответственности такой внутренний стоп-сигнал потенциально становится слабее.
ft.com/content/53082739-7714-4aae-9816-e55ab423cbee?syn-25a6b1a6=1
🔥 Спутниковые снимки + ИИ теперь можно разбирать почти как обычные данные в Python
GeoAI — open-source библиотека, которая собирает в одном месте инструменты для работы с геоданными и современными моделями машинного обучения.
Она умеет искать и загружать спутниковые данные, готовить датасеты, нарезать изображения на тайлы, обучать модели и запускать inference для классификации, детекции объектов и сегментации. Есть работа с растровыми и векторными данными, а результаты можно сразу визуализировать на интерактивной карте через Leafmap и MapLibre.
Внутри используются PyTorch, Transformers и другие библиотеки экосистемы компьютерного зрения. Есть готовые примеры для поиска объектов на снимках, а отдельные материалы проекта охватывают SAM, vision-language модели, change detection и satellite embeddings.
Проект написан на Python, распространяется по MIT и активно развивается. Текущая версия пакета в репозитории —
GitHub:
GeoAI — open-source библиотека, которая собирает в одном месте инструменты для работы с геоданными и современными моделями машинного обучения.
Она умеет искать и загружать спутниковые данные, готовить датасеты, нарезать изображения на тайлы, обучать модели и запускать inference для классификации, детекции объектов и сегментации. Есть работа с растровыми и векторными данными, а результаты можно сразу визуализировать на интерактивной карте через Leafmap и MapLibre.
Внутри используются PyTorch, Transformers и другие библиотеки экосистемы компьютерного зрения. Есть готовые примеры для поиска объектов на снимках, а отдельные материалы проекта охватывают SAM, vision-language модели, change detection и satellite embeddings.
Проект написан на Python, распространяется по MIT и активно развивается. Текущая версия пакета в репозитории —
0.42.0.GitHub:
github.com/opengeos/geoai🔥 .NET 11 Preview 7 вышел, и Microsoft заметно прокачала сразу C#, Runtime, ASP.NET Core и SDK
Один из самых интересных апдейтов в C# — labeled
В Runtime добавили оптимизации
В SDK NativeAOT-версия
ASP.NET Core получил автоматическую приостановку неактивных Blazor circuits, кеширование SSR через
Ещё из приятного: HTTP request compression, API для DNS-записей, парольная защита ZIP,
.NET 11 Preview 7 вышел 11 августа 2026 года и уже доступен для тестирования.
https://devblogs.microsoft.com/dotnet/dotnet-11-preview-7/
Один из самых интересных апдейтов в C# — labeled
break и continue: теперь можно явно указать, из какого цикла выходить или какой цикл продолжать. Ещё появились union patterns и улучшенная проверка исчерпывающих случаев для закрытых иерархий типов.В Runtime добавили оптимизации
async`/`await, включая runtime async tiering и tail-await. Отдельно продолжают развивать NativeAOT и JIT.В SDK NativeAOT-версия
dotnet CLI теперь включена по умолчанию, как и MSBuild Server. У dotnet test появились общий --timeout, ограничение --maximum-failed-tests и поддержка запуска тестов на устройствах .NET MAUI.ASP.NET Core получил автоматическую приостановку неактивных Blazor circuits, кеширование SSR через
CacheView, новые анализаторы Blazor и встроенную локализацию validation-сообщений.Ещё из приятного: HTTP request compression, API для DNS-записей, парольная защита ZIP,
Complex<T>, улучшения LINQ в EF Core и поддержка Half в SQLite..NET 11 Preview 7 вышел 11 августа 2026 года и уже доступен для тестирования.
https://devblogs.microsoft.com/dotnet/dotnet-11-preview-7/
Айтишникам НЕ НАДО учиться в универе 4 года, двух вполне достаточно — считает Сэм Альтман.
На встрече с тех-стажёрами глава OpenAI рассказал, что сам провёл в Стэнфорде всего два года, поэтому считает это идеальным сроком. По его словам, дальше отдача от учёбы резко снижается.
Более того, он знает «много людей, которые вообще не учились в колледже и добились больших успехов». Видимо, ошибкой выжившего Альтман это не считает.
Интересно, сколько в самом OpenAI работает тех, кто не закончил универ🤔
На встрече с тех-стажёрами глава OpenAI рассказал, что сам провёл в Стэнфорде всего два года, поэтому считает это идеальным сроком. По его словам, дальше отдача от учёбы резко снижается.
Более того, он знает «много людей, которые вообще не учились в колледже и добились больших успехов». Видимо, ошибкой выжившего Альтман это не считает.
Интересно, сколько в самом OpenAI работает тех, кто не закончил универ
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 Qwen3.8 27B уже «раздели» от большей части встроенных отказов и подготовили для локального запуска
Теперь выложены все GGUF-квантизации, так что модель можно запускать через llama.cpp, LM Studio и совместимые инструменты. Отдельно появились готовые версии для Ollama.
Для Ollama достаточно:
Модель также можно протестировать прямо на Hugging Face, а в обсуждениях уже появились пользовательские тесты с довольно сильными результатами после abliteration.
При этом сами авторы предупреждают: фильтрация существенно снижена, поэтому модель лучше использовать для исследований и локальных экспериментов, а не без дополнительного контроля в публичном продакшене.
Hugging Face: huggingface.co/huihui-ai/Huihui-Qwen3.8-27B-abliterated
Huihui-Qwen3.8-27B-abliterated — модифицированная версия Qwen3.8-27B, где через abliteration заметно ослабили safety-фильтры и склонность модели отказываться от запросов. Авторы прямо называют реализацию экспериментальной.Теперь выложены все GGUF-квантизации, так что модель можно запускать через llama.cpp, LM Studio и совместимые инструменты. Отдельно появились готовые версии для Ollama.
Для Ollama достаточно:
ollama run huihui_ai/Qwen3.8-abliteratedМодель также можно протестировать прямо на Hugging Face, а в обсуждениях уже появились пользовательские тесты с довольно сильными результатами после abliteration.
При этом сами авторы предупреждают: фильтрация существенно снижена, поэтому модель лучше использовать для исследований и локальных экспериментов, а не без дополнительного контроля в публичном продакшене.
Hugging Face: huggingface.co/huihui-ai/Huihui-Qwen3.8-27B-abliterated
⚡️ Дождались: Канье Уэст ПРИЕДЕТ выступать в Россию — концерт пройдёт в Санкт-Петербурге 10 и 11 октября на «Газпром Арена».
Не может быть😍
Не может быть
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 Docker показал, как отдать реальную ESP32 AI-агенту и не дать ему развалить ваш компьютер
Для разработки прошивок Docker предлагает связку из обычных контейнеров и Docker Sandboxes. Официальный образ
Особенно интересно применение Docker Sandboxes для Claude Code и других coding agents. Каждый sandbox запускается в отдельной microVM со своим ядром, файловой системой, сетью и даже собственным Docker daemon. Агент может ставить пакеты, собирать прошивку и экспериментировать с окружением, не получая полный доступ к хосту.
Запуск выглядит буквально так:
Можно пойти ещё дальше и дать агенту доступ к настоящей ESP32. Последовательный порт пробрасывается через RFC2217, после чего агент получает полный цикл:
То есть AI-агент уже может самостоятельно менять прошивку, прошивать физическую плату, читать логи и снова править код. При этом доступ к хосту остаётся ограниченным.
Docker также предлагает запускать несколько контейнеров или sandbox'ов параллельно: например, один агент тестирует новую ESP-IDF 5.4 на экспериментальной плате, а второй продолжает работать со старой прошивкой на production-устройстве.
Получается довольно наглядный пример того, куда движется embedded-разработка: AI-агент уже работает не только с кодовой базой, но и напрямую с физическим железом.
docker.com/blog/reproducible-esp32-firmware-development-with-docker-and-docker-sandboxes/
Для разработки прошивок Docker предлагает связку из обычных контейнеров и Docker Sandboxes. Официальный образ
espressif/idf фиксирует ESP-IDF, компиляторы, Python, CMake и остальные зависимости, поэтому сборка одинаково работает у разработчиков и в CI.Особенно интересно применение Docker Sandboxes для Claude Code и других coding agents. Каждый sandbox запускается в отдельной microVM со своим ядром, файловой системой, сетью и даже собственным Docker daemon. Агент может ставить пакеты, собирать прошивку и экспериментировать с окружением, не получая полный доступ к хосту.
Запуск выглядит буквально так:
sbx run claudeМожно пойти ещё дальше и дать агенту доступ к настоящей ESP32. Последовательный порт пробрасывается через RFC2217, после чего агент получает полный цикл:
код → build → flash → monitor → исправление ошибкиТо есть AI-агент уже может самостоятельно менять прошивку, прошивать физическую плату, читать логи и снова править код. При этом доступ к хосту остаётся ограниченным.
Docker также предлагает запускать несколько контейнеров или sandbox'ов параллельно: например, один агент тестирует новую ESP-IDF 5.4 на экспериментальной плате, а второй продолжает работать со старой прошивкой на production-устройстве.
Получается довольно наглядный пример того, куда движется embedded-разработка: AI-агент уже работает не только с кодовой базой, но и напрямую с физическим железом.
docker.com/blog/reproducible-esp32-firmware-development-with-docker-and-docker-sandboxes/
This media is not supported in your browser
VIEW IN TELEGRAM
пов: ты купил VIP-билет на Канье за 160 000 рублей и 10 октября видишь это
This media is not supported in your browser
VIEW IN TELEGRAM
🌳 Как сделать поведение AI предсказуемым: Bonsai строит логику через Behavior Trees
Вместо огромного количества
Такой подход удобен там, где нужна не «магия» LLM, а жёстко контролируемая логика: NPC, автономные роботы, игровые агенты, навигация и сложные реактивные системы. Долгие задачи можно выносить в фоновые потоки, чтобы дерево не блокировалось.
Для Rust:
Для Python:
GitHub: github.com/Sollimann/bonsai
Bonsai — open-source реализация Behavior Trees на Rust для детерминированного AI, робототехники и игровых систем. Недавно у проекта появились и Python bindings.Вместо огромного количества
if/else поведение собирается из узлов: Sequence, Select, If, While, WhenAll, WhenAny, Race. Каждый узел возвращает Success, Failure или Running, а дерево само решает, что выполнять дальше.Такой подход удобен там, где нужна не «магия» LLM, а жёстко контролируемая логика: NPC, автономные роботы, игровые агенты, навигация и сложные реактивные системы. Долгие задачи можно выносить в фоновые потоки, чтобы дерево не блокировалось.
Для Rust:
bonsai-bt = "*"Для Python:
pip install bonsai-btGitHub: github.com/Sollimann/bonsai
⚡️ OpenAI открыто троллят Anthropic.
С одной стороны, они её публично подкалывают, с другой, делают всё возможное, чтобы их продукты были сильнее конкурента.
Через шесть недель у OpenAI пройдёт день для разработчиков, и, похоже, там готовят крупный анонс.
https://x.com/ajambrosino/status/2089131997784580398
С одной стороны, они её публично подкалывают, с другой, делают всё возможное, чтобы их продукты были сильнее конкурента.
Через шесть недель у OpenAI пройдёт день для разработчиков, и, похоже, там готовят крупный анонс.
https://x.com/ajambrosino/status/2089131997784580398
💰 NVIDIA начала финансировать спрос на собственные GPU
OpenAI арендует огромный AI-кампус в Огайо, который строит SB Energy. NVIDIA инвестирует $1,5 млрд и помогает снизить стоимость финансирования проекта.
Схема интересная: SB Energy строит площадку, OpenAI платит по мере ввода мощностей, а NVIDIA получает эксклюзивное размещение своего AI-железа.
То есть NVIDIA конкурирует уже не только FLOPS и ценой чипов - она помогает клиентам финансировать инфраструктуру под свои же GPU.
Риск тоже есть: если спрос OpenAI ослабнет, NVIDIA может одновременно получить давление и на продажи GPU, и на стоимость поддержанной инфраструктуры.
OpenAI арендует огромный AI-кампус в Огайо, который строит SB Energy. NVIDIA инвестирует $1,5 млрд и помогает снизить стоимость финансирования проекта.
Схема интересная: SB Energy строит площадку, OpenAI платит по мере ввода мощностей, а NVIDIA получает эксклюзивное размещение своего AI-железа.
То есть NVIDIA конкурирует уже не только FLOPS и ценой чипов - она помогает клиентам финансировать инфраструктуру под свои же GPU.
Риск тоже есть: если спрос OpenAI ослабнет, NVIDIA может одновременно получить давление и на продажи GPU, и на стоимость поддержанной инфраструктуры.
⚡️ GitHub ЛЁГ в России — отечественные программисты жалуются, что им закрыли доступ к репозиториям.
Возвращаемся к вайб-кодингу⌨️
Возвращаемся к вайб-кодингу
Please open Telegram to view this post
VIEW IN TELEGRAM