#habr — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #habr, aggregated by home.social.
-
Тренд на «честность»: обзор употребления слова «честный» на Хабре
На прошлой неделе обратил внимание на обильное и, на мой взгляд, не всегда уместное использование слова «честный» на Хабре. Решил детальней изучить ситуацию, собрал данные и в результате оказалось, что мне не показалось и так было не всегда, а пик, возможно, еще не пройден. В этой статье делюсь полученными результатами, методологией и датасетом для тех, кому может быть интересно попробовать найти какие-нибудь закономерности самостоятельно.
-
Как я написал Habraloader: легкий парсер статей и картинок с Хабра на Python
Бывает так, что нужно быстро вытащить статью с Хабра, сдернуть с нее чистый текст, разметку и картинки. И желательно сделать это без разворачивания огромных парсеров и сложных сетапов. Мне нужен был простой инструмент, который делает ровно одну задачу: берет ID статьи, забирает весь контент, скачивает медиа и при желании сохраняет все в аккуратный Markdown. Так появился habraloader .
https://habr.com/ru/articles/1073164/
#opensource #foss #python #pythonlib #habr #loaderlib #loader
-
Написал расширение, которое качает статьи Хабра в Markdown — и не долбит сервер
В прошлых двух статьях я разбирал DNS-трафик домашней сети и анализировал 1233 публикации Хабра, чтобы понять, за что площадка даёт рейтинг. И там, и там был вопрос, который я обходил: чем, собственно, я выгрузил эту тысячу статей? Не руками копировал и не скриптом на Python, который на двухсотом запросе получил бы 429 и бан по IP. Я написал расширение для Chrome, которое сохраняет статьи Хабра в Markdown — по одной, пакетом или автоматически по расписанию, — и делает это достаточно вежливо, чтобы сервер не считал его атакой. Главная мысль статьи оказалась не про парсинг HTML, а про хорошие манеры к серверу. Наивный качатель на голом fetch пишется за пять минут и получает бан на десятой. Инструмент, которым можно пользоваться постоянно, отличается тремя вещами: — держит принудительный интервал между запросами (1.5 секунды, гарантированно); — слушает 429 и при перегрузке сервера замолкает на три минуты целиком (паттерн circuit breaker), а не долбит сквозь ограничение; — работает с открытыми статьями для личного архива, а не сливает базу. Внутри: разбор вежливого граббера с кодом, почему парсинг чужой вёрстки ломается на каждом редизайне и как от этого защищаться фолбэками, формат Markdown с YAML-метаданными (тот самый, что сделал возможным анализ тысячи статей) и правовая рамка — где граница между «сохранил для себя» и «спарсил». Расширение с открытым кодом под MIT, ставится из Chrome Web Store в один клик.
https://habr.com/ru/articles/1061856/
#Chrome_extension #расширение #Habr #парсинг #Markdown #rate_limiting #Manifest_V3 #выгрузка_статей #circuit_breaker #архив
-
#habr Во OpenIDE разогнались
https://habr.com/ru/companies/haulmont/articles/1058604/
Посидим триал, возможно даже потом купим. Но это не точно.
-
Код стал дешёвым. Понимание — нет
Когда-то было проще верить, что код и есть правда о системе. Ты открываешь репозиторий — и вроде бы всё перед тобой: логика, правила, зависимости, поведение. Если что-то непонятно, значит, надо просто внимательнее читать. Такой взгляд был удобен, привычен и во многом оправдан. Но сейчас он всё хуже работает. Потому что код сегодня можно генерировать очень быстро. Практически мгновенно. А вот понимать, что этот код реально делает, почему он устроен именно так и какие последствия у него будут в проде, по-прежнему долго и дорого. И в этом — главная проблема.
https://habr.com/ru/articles/1053080/
#code_generation #AI #source_of_truth #understanding #code_review #incidents #logs #traces #GitLab #Habr
-
Еще несколько «ласковых слов» о новом редакторе Habr ¯\_(ツ)_/¯
Несколько лет назад в процессе подготовки очередной статьи (о ней чуть ниже) я вынужденно столкнулся с новым редактором Habr, которого до этого мне удавалось избегать, и который к тому моменту стал безальтернативным. Тогда “по мотивам” пользования этим поделием почти сама родилась статья Несколько «добрых» слов о текущей версии редактора Habr , в которой я изложил всё, что я думал о новом редакторе (вернее ту часть мыслей, которую можно было напечатать, поскольку значительная их часть была непечатной) Я будучи пессимистом тогда наивно полагал, что “хуже быть не может”, однако как оказалось ситуация тогда была оптимистическая, и “может быть еще хуже” но об этом далее ¯\_(ツ)_/¯
-
Когда лучше публиковаться на Хабре. Статистический анализ связи времени публикации и охвата статей
На Хабре сейчас высокая конкуренция среди авторов за внимание читателей. По данным самого Хабра , в 2025 году на сайте было более 10 тысяч уникальных авторов контента, а количество публикаций превысило 51 тысячу. Это означает, что даже качественный материал может не получить заметный охват из-за большого количества публикаций в ленте. Есть распространённое мнение, что публиковать статьи нужно в предобеденное время, чтобы люди на обеденном перерыве могли почитать эти статьи, тогда охват будет максимальным. Но так как этого правила придерживаются многие, возникает высококонкурентная среда, где за час публикуются десятки статей. При этом публикации, размещённые ночью, также нередко набирают высокий охват, несмотря на ожидаемо низкую активность пользователей в это время. Возникает вопрос: Связано ли время публикации с охватом аудитории, и если да, то когда статьи набирают больший охват? Поэтому я решил провести исследование: На основе данных ленты Хабра проверить, связано ли время публикации статьи с её охватом, и определить временные интервалы, в которые статьи набирают больший охват.
https://habr.com/ru/articles/1050172/
#статистика #аналитика #исследование #лучшее_время_для_публикации #хабр #habr
-
Новые правила Хабра. Версия от 2026
Всем привет! Мы обновили правила Хабра — эта публикация посвящена их анонсу. Что, зачем, почему — под катом.
-
#habr кажется датаанализ передается федеративным путем... Мне теперь как и @strizhechenko интересно бы загнать комменты от всех постов в СУБД, нейронкой квалификацировать их (положительные, отрицательные) и обогатить персухой - пол, возраст образование, опыт.
Что блядь в жизни людей пошло не так, что они хавают нейрослом от школоты? Кто это им такое образование дал? Возрастная группа?
-
#habr #anroid habr сообщество it денегератов.
По мотивам https://habr.com/ru/articles/1046710/
1. Откуда получить эту версию rustore? Или есть apk на yandexdisk?
2. Где версии пакета?
3. Контрольные суммы пакетов где? Это основа - пакет может быть заражен, быть особой версии для шпионажа заботливо собранным именно под тебя той или иной стороной (привет операция трингуляция)
4. Какова методика декопиляции? Есть 2 популярных инструмента декомпиляции - выхлоп разный
5. Где манифест и его разбор? Вот для возможности такого поведения должны быть конкретные параметры https://habr.com/ru/articles/1046710/#comment_30101158
6. Каким чудесным образом оно обходим манифест? Где объяснения этого?Вся суть it в том что это инженерный подход - ожидаемый требуемый повторяемый результат в предсказуемое время с возможностью повторить. Как повторить эту хуиту названное расследованием? Вы даже не знаете какой пакет качать.
Сокращать в it надо больше - очень много пассажиров стало.
-
Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS
-
Когда «умная» колонка ведёт себя как табуретка: почему голосовые ИИ одновременно поражают и тупят
Голосовые ассистенты вроде Алисы давно перестали быть просто «озвученным поиском». Современная колонка — это гибрид из:
систем распознавания речи,
рекомендательных алгоритмов,
LLM-моделей,
пайплайнов синтеза голоса,
intent-routing,
контекстных менеджеров,
и огромного количества эвристик.
Именно поэтому пользователь регулярно сталкивается с парадоксом:
> Колонка способна философски ответить на экзистенциальный вопрос, но через минуту не может корректно включить нужную песню.
Со стороны это выглядит как «натуральная тупость». На практике — это последствия архитектуры современных conversational AI.
---
Иллюзия личности как продукт
Одним из главных отличий «Алисы» от ранних голосовых ассистентов стала намеренная попытка создать ощущение характера.
Ранние версии:
Siri,
Google Assistant,
Alexa
строились вокруг идеи «нейтрального помощника».
Яндекс пошёл другим путём:
сарказм,
эмоциональные ответы,
псевдофилософия,
мемная подача,
шутки,
реакция на грубость.
Это оказалось критически важным UX-решением.
Пользователь гораздо легче прощает ошибки системе, если воспринимает её не как интерфейс, а как «странного собеседника».
---
Почему колонка кажется «живой»
Основная причина — языковые модели великолепно имитируют человеческую речь.
LLM не:
«думает»,
«понимает»,
«осознаёт».
Она статистически предсказывает следующий токен.
Но человеческий мозг крайне плохо отличает:
настоящее понимание,
от правдоподобной речевой симуляции.
Из-за этого возникают феномены антропоморфизации:
люди приписывают ИИ эмоции,
намерения,
характер,
настроение,
«обиду»,
«упрямство».
Хотя на практике это:
probabilistic generation,
routing errors,
context collapse,
recommendation conflicts.
---
Ловушка контекста
Одна из главных проблем голосовых ассистентов — хрупкость conversational context.
Пример:
1. «Кто написал “Войну и мир”?»
2. «Сколько ему было лет?»
Система ещё удерживает сущность:
Лев Толстой.
Но если вставить:
> «Какая завтра погода?»
контекст может разрушиться полностью.
Почему так происходит?
Потому что внутри колонки обычно работает не одна модель, а целый конвейер:
ASR → Intent → Dialogue Manager → Search → LLM → TTS
Где:
ASR — распознавание речи,
Intent — определение намерения,
Dialogue Manager — управление контекстом,
Search — поиск,
LLM — генерация ответа,
TTS — синтез голоса.
Контекст может потеряться буквально между этапами.
Особенно в гибридных системах, где:
часть запросов идёт в search engine,
часть — в rule-based handlers,
часть — в LLM.
---
Почему ИИ уверенно врёт
Самая опасная особенность современных LLM — галлюцинации.
Модель не хранит знания как база данных.
Она строит:
> наиболее вероятную последовательность слов.
Поэтому возникают:
несуществующие цитаты,
вымышленные учёные,
фальшивые версии ПО,
придуманные события,
несуществующие функции API.
Особенно неприятно то, что модель:
почти никогда не демонстрирует естественную неуверенность,
и генерирует бред с тем же тоном, что и правду.
Для пользователя это выглядит как:
> «Она врёт и сама в это верит».
Но технически «веры» там нет вообще.
---
VAD: почему колонка «оживает» ночью
Один из самых криповых эффектов — ложные активации.
Колонка внезапно начинает говорить:
ночью,
на фоне телевизора,
из-за шума,
из-за музыки,
иногда даже из-за кашля или шорохов.
Причина — технология VAD.
Что такое VAD
VAD — Voice Activity Detection.
Система постоянно анализирует аудиопоток:
локально,
в ожидании wake-word,
без постоянной отправки всего звука в облако.
Но алгоритм может ошибаться.
Тогда:
случайный шум,
слово из фильма,
обрывок фразы,
созвучие имени ассистента
воспринимаются как команда активации.
Именно отсюда берутся знаменитые:
> «Я здесь.»
в полной темноте в 3 часа ночи.
---
Почему вместо Rammstein включается «Синий трактор»
Это уже конфликт двух независимых систем:
1. ASR (распознавание речи),
2. recommender system.
Если в аккаунте:
дети,
мультфильмы,
детские песни,
семейный профиль,
то recommendation engine начинает aggressively priorize детский контент.
Даже если пользователь произнёс запрос корректно.
С точки зрения алгоритма:
> «детская музыка» — statistically safer recommendation.
Для пользователя:
> «колонка сошла с ума».
---
Самый интересный эффект: интеллект без понимания
Вот здесь начинается самая странная часть.
Современные LLM:
прекрасно имитируют язык,
но крайне плохо строят устойчивую world model.
Из-за этого они способны:
обсуждать философию,
писать код,
поддерживать стиль,
шутить,
спорить.
И одновременно:
проваливать базовую логику,
путать сущности,
ломать причинно-следственные связи,
забывать контекст через две реплики.
Получается феномен:
> «интеллектуально звучащей системы без полноценного понимания».
---
Почему это психологически пугает
Человеческий мозг автоматически ищет субъектность.
Если объект:
говорит,
реагирует,
использует эмоции,
меняет интонации,
спорит,
шутит,
то мы начинаем воспринимать его как агента.
Даже если это:
набор вероятностных моделей,
intent-routing,
рекомендательные алгоритмы,
и несколько нейросетей поверх ASR.
Именно поэтому сбои голосовых ИИ воспринимаются не как обычные баги.
Пользователь интерпретирует их как:
«странное поведение»,
«характер»,
«эмоции»,
«обиду»,
«упрямство».
Хотя на практике это всего лишь:
probabilistic failure,
context collapse,
false activation,
ranking conflict.
---
Итог
Современные голосовые ассистенты находятся в странной точке эволюции.
Они уже:
слишком разговорчивы, чтобы считаться обычным интерфейсом,
но ещё слишком нестабильны, чтобы считаться полноценным интеллектом.
Поэтому возникает тот самый эффект:
> между «восстанием машин» и «интеллектом табуретки».
И, возможно, именно эта смесь:
уверенного тона,
человеческой интонации,
псевдоэмоций,
случайных сбоев,
и статистической генерации
делает современные колонки одновременно:
полезными,
смешными,
раздражающими,
и местами откровенно криповыми.
#ИИ #ИскусственныйИнтеллект #AI #LLM #YandexGPT #Алиса #УмнаяКолонка #ГолосовойАссистент #Нейросети #MachineLearning #DeepLearning #ASR #TTS #VAD #ConversationalAI #GenerativeAI #Habr #Хабр #Технологии #IT #UX #Интернет #РекомендательныеСистемы #BigData #Цифровизация #Автоматизация #FutureTech #AIethics #Chatbot #VoiceAI
https://bastyon.com/svalmon37?ref=PJ51iZCUEtcVrCj4Wof8Am7FbKLgbAJ7PS
-
#иб #habr Неизвестные купили 30 плагинов для WordPress и внедрили в каждый из них бэкдор
https://habr.com/ru/news/1024124/Ахаха, т.е. мау.
-
#habr #telegram #signal Данные Signal и Telegram остаются после удаления. Объясняем как ФБР получила доступ к данным после чистки
https://habr.com/ru/companies/femida_search/articles/1023506/
Красота то какая! Ляпута!
-
-
#habr #маркс $410 млрд на ИИ, ноль в ВВП: экономисты описали «парадокс продуктивности»
https://habr.com/ru/news/1014324/Лол, вы посмотрите на эту прелесть - капиталистов выебала "не рабочая" теория Карла Маркса.
Западный путь - заменяем ИИ, увольняем тысячи. Но вот загвоздка, та самая магия капитала возникает, когда вы продали товар. Чем больше увольняем, тем меньше людей могут купить себе товаров. Новые ниши так быстро не создаются, а на фоне перепроизводства толку от создания мало.
-
#habr Представлен открытый проект Gram — форк редактора кода Zed, но без использования ИИ, внешних сервисов и телеметрии
https://habr.com/ru/news/1005896/
Вот чего мне не хватало... и еще бы тему нормальную, что бы иконки крупные были и ненадо было пикселедрочеством заниматься....
Люблю что-то делать в полной автономии, завалившись где-нибудь...
-
WYSIWYG редактор хабра — баг репорт
Помнится мне, когда-то давно были каки-то статьи о проблемах редактора статей на хабре, просили сотавить некий старый, а сейчас тишина. Вот коем-то веке решил наваять свою первую статью, думал, что теперь все замечательно, но вот вляпался в WYSIWYG редактор хабра и его проблемы, о чем далее. В конце есть опросы для авторов на понимание проблем, только ли мне они мешают.
-
На Хабре вышла публикация с ID 1M
Свершилось! Спустя двадцать лет после старта проекта на Хабре вышла публикация с миллионным уникальным номером ID (сокращение от англ. identifier — «идентификатор»). Это произошло 16 февраля 2026 года. Примечательно, что такое событие случилось также через 16 лет после выхода публикации со стотысячным ID.
-
#habr https://habr.com/ru/articles/1002336/
А на habr точно It-шники сидят?
-
Знал, что это рано или поздно произойдёт.
-
#habr 25 железных правил проектирования баз данных в PostgreSQL
https://habr.com/ru/articles/996560/
Большинство годных правил...
-
СМИ: 10 февраля Роскомнадзор начнёт ограничение работы Telegram
Вчера начались сбои, а сегодня уже вот — сюрприз 😅
-
#habr https://habr.com/ru/articles/988672/
Когда it-шникам делать нечего, они как коты, они начинают лизать яйца. Возможно даже не себе.
-
Вот вам и пузырь нейросетей, ИИ бум 😆
В истории ни один стартап не работал с убытками в таких масштабах
The Information на основе внутренних документов OpenAI, компания ожидает убыток $14 млрд в 2026 году, что втрое больше, чем в 2025. Кумулятивные потери за 2023–2028 составят $44 млрд, после чего в 2029 планируется выход на прибыль $14 млрд при выручке $100 млрд.
The Information на основе внутренних документов OpenAI, компания ожидает убыток $14 млрд в 2026 году, что втрое больше, чем в 2025. Кумулятивные потери за 2023–2028 составят $44 млрд, после чего в 2029 планируется выход на прибыль $14 млрд при выручке $100 млрд.
Deutsche Bank посчитал жёстче: отрицательный свободный денежный поток $143 млрд между 2024 и 2029 годами. Аналитики пишут: «Ни один стартап в истории не работал с убытками в таких масштабах. Мы находимся на абсолютно неизведанной территории».
Что там с Sora. По оценкам Forbes, генерация одного 10-секундного видео обходится в $1.30. При текущих объёмах это $15 млн в день, или $5.4 млрд в год. Глава Sora Билл Пиблз публично признал, что «экономика сейчас абсолютно неустойчива».
Добрый вечер
Доля ChatGPT упала с 87% до 68% за год.
Google Gemini вырос с 5.4% до 18.2%.
В enterprise ещё хуже: OpenAI потерял половину рынка (с 50% в 2023 до 27% сейчас), а Claude от Anthropic теперь лидер с 32%.Как сказал бывший управляющий Fidelity Джордж Нобл на прошлой неделе:
OpenAI разваливается на глазах в реальном времени. Я наблюдал крах компаний десятилетиями. Здесь все тревожные признаки.
-
Анонимный Дед Мороз на Хабре 2025: хвастаемся подарками
Привет, Хабр! 5 декабря стартовал новый сезон АДМ, в котором к моменту жеребьёвки успели принять участие 150 пользователей — на момент размещения этой публикации 35 человек уже отправили свои подарки, а 5 даже успели получить 🎁. В комментариях к этой публикации выкладывайте свои подарки. Ожидаем минимум 150 комментариев 🎄
https://habr.com/ru/companies/habr/articles/981748/
#Habr #АДМ #Анонимный_Дед_Мороз #Праздник_к_нам_приходит #Новогоднее_настроение #Подарки #Пост_добра
-
Блог RUVDS на Хабре — Итоги 2025
Всем привет! На днях в космос успешно улетел наш второй спутник, поэтому 2026 обещает начаться с космических высот. Но помимо запуска спутника у нас было ещё много чего интересного — мы традиционно подводим итоги. Статья будет полезна админам других блогов (для сравнения метрик) и для непостоянных читателей нашего блога (внутри — топы самых-самых публикаций).
-
Я визуализировал итоги года на Хабре. Вот что получилось
Салют, Хабр! Вчера Алексей @Boomburum традиционно подвел итоги уходящего 2025 года на Хабре. Отчёт, как всегда, исчерпывающий и интересный (за что ему отдельный респект!), но лично мне, как человеку-визуалу не хватило наглядности - что называется "многа букав и цифирь". И мне захотелось представить все эти таблички и циферки в наглядной графике. Хоть я и не профи в этом деле, но кое-что у меня получилось, чем и спешу с вами поделиться!
-
Хабр — Итоги 2025
Привет, Хабр! Ну, как настроение? Кажется, что мир начинает вращаться с какой‑то практически неуловимой для человеческого внимания скоростью: ИИ, нейрослоп, мошенники, зоопарк хакеров найма, утечки, блокировки, сокращения, опровержения — и это только один год. Иногда хочется купить дом, вскопать грядки, развести сад и зимой смотреть в окно на крупные снежинки, оседающие… Но стоп — ещё не все дела сделаны в этом году. Самое время традиционно подвести итоги уходящего года и сравнить их с итогами прошлого и даже позапрошлого. Если коротко: Хабр меняется вместе с временами, с трендами, с нами, но пока ещё остаётся творческим, авторским, интеллектуальным и ламповым.