Yandex for Developers
Канал Яндекса о технологиях и людях, которые их создают. События: https://events.yandex.ru/ Каналы Яндекса по стекам разработки: https://t.me/addlist/Hrq31w2p1vUyOGZi ________________________________________________ Номер заявления в РКН: 4962241172
نمایش بیشتر📈 تحلیل کانال تلگرام Yandex for Developers
کانال Yandex for Developers (@yandex4developers) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 28 689 مشترک است و جایگاه 4 646 را در دسته فناوری و برنامهها و رتبه 22 404 را در منطقه روسيا دارد.
📊 شاخصهای مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 28 689 مشترک جذب کرده است.
بر اساس آخرین دادهها در تاریخ 19 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 29 و در ۲۴ ساعت گذشته برابر 9 بوده و همچنان دسترسی گستردهای حفظ شده است.
- وضعیت تأیید: تأیید شده (به صورت رسمی توسط تلگرام)
- نرخ تعامل (ER): میانگین تعامل مخاطب 18.54% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 6.80% واکنش نسبت به کل مشترکان کسب میکند.
- دسترسی پستها: هر پست به طور میانگین 5 319 بازدید دریافت میکند. در اولین روز معمولاً 1 951 بازدید جمعآوری میشود.
- واکنشها و تعامل: مخاطبان بهطور فعال حمایت میکنند؛ میانگین واکنش به هر پست 25 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند yandex, опенсорс, llm, браузер, infrastructure تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاههای شخصی توصیف میکند:
“Канал Яндекса о технологиях и людях, которые их создают.
События: https://events.yandex.ru/
Каналы Яндекса по стекам разработки: https://t.me/addlist/Hrq31w2p1vUyOGZi
________________________________________________
Номер заявления в РКН: 4962241...”
به لطف بهروزرسانیهای پرتکرار (آخرین داده در تاریخ 20 نوامبر, 2026)، کانال همواره بهروز و دارای دسترسی بالاست. تحلیلها نشان میدهد مخاطبان بهطور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامهها تبدیل کردهاند.
Привет! Меня зовут Евгений Дюков, я разрабатываю СУБД в команде Managed Databases в Yandex Cloud. Сегодня расскажу, как мы ускорили выполнение Lua-скриптов в Valkey на синтетическом CPU-интенсивном тесте в 4,5 раза и решили давнюю проблему с безопасностью интерпретатора.🅰️ Зачем вообще запускать логику внутри Valkey Valkey — это опенсорсный форк Redis под лицензией BSD, в разработку которого перешла большая часть разработчиков Redis. Базово это in-memory-хранилище с выполнением команд в один поток. Lua внутри Valkey нужен для комплексной обработки данных прямо на стороне сервера. Например, для хитрой выборки и обработки ключей. Но у встроенного решения есть два узких места: 🔴 Медленная работа. Встроенная Lua 5.1 не обновляется годами, а взаимодействие с C-функциями движка влечёт накладные расходы на сериализацию и десериализацию данных 🔴 Проблемы безопасности. По умолчанию интерпретатор единый для всех пользователей. Без патчей на read-only системные таблицы один клиент мог бы переопределить глобальные функции вроде server.call и перехватить запросы соседа по СУБД. Но и патчи не спасают: на Lua приходится значительная доля CVE в Valkey, а уязвимости находят и в защитном механизме 🅰️ Модули вместо патчей Крупный клиент поставил задачу: у него больше сотни шардов, а поверх Valkey построен application-сервер с развесистым Lua-кодом. Производительность упёрлась в скриптовый движок. В Valkey 9.1 интерпретатор вынесли в интерфейс модулей. Мы подготовили два: с LuaJIT и с Lua 5.5. LuaJIT совместим с Lua 5.1, а вот Lua 5.5 — нет. Не все скрипты, которые работают на 5.1, на ней запустятся. Зато она актуальная и поддерживается. Чтобы не патчить сам интерпретатор и сохранить надёжное разделение прав, мы отказались от единой виртуальной машины: в наших модулях у каждого пользователя собственный инстанс интерпретатора. У такого подхода есть цена: 🔴 Долгий первый EVAL для каждого нового пользователя — нужно проинициализировать виртуальную машину и вычистить небезопасные системные функции (например, доступ к файловой системе) 🔴 Расход RAM — по несколько сотен килобайт на инстанс. Для большинства баз с десятками пользователей суммарный оверхед составляет всего пару мегабайт 🅰️ Где LuaJIT проигрывает, а где ускоряет На простых операциях вроде единичного GET модульный LuaJIT уступает встроенной версии (спойлер: грядёт патч 9.2, в котором мы помёрджили API для сериализации, и теперь LuaJIT работает быстрее и на простых командах). Зато на вычислениях разница большая уже сейчас. На синтетическом тесте (проверка на простоту тысячи ключей из миллиона) LuaJIT без FFI оказался примерно в 3,5 раза быстрее встроенного интерпретатора. Дальше мы подключили LuaJIT FFI. Он позволяет обойти шаг сериализации, который появляется с модулями, и не писать C-обёртку. В результате мы получили ускорение в 4,5 раза относительно встроенной Lua 5.1. Но у FFI есть важное ограничение: управление памятью становится ручным. Разработчик обязан сам освобождать открытые ключи и тщательно отлаживать скрипты. Поэтому опция с FFI отключена по умолчанию и включается осознанно, в настройках кластера. Поддержку движка мы автоматизировали: Dependabot предлагает обновления веток LuaJIT 2.1 и сам гоняет тесты Valkey и наши тесты изоляции. Нам остаётся подтвердить мёрдж. ⏩️ А запись этого доклада и другие выступления с конференции Yandex Scale смотрите на сайте. Подписывайтесь: 💬 @Yandex4Developers
👋 Привет, это Павел Щербинин, СТО Yandex Crowd. В этом посте я собрал ссылки на контент про AI-инструменты. Постарался отобрать только самое ценное из того, что читал сам, и только то, что реально повлияло на мои решения на работе.🖍 Авторы: 🔴 Annie Vella — про то, как AI меняет работу инженера: постановку задачи, проверку результата и ответственность за решения 🔴 Addy Osmani, Elevate — про AI-assisted coding и comprehension debt: когда код в проекте есть, а понимания в команде уже не хватает. Полезно для обсуждения ревью, автономии агентов и сохранения инженерных навыков 🔴 Birgitta Böckeler и другие авторы, Exploring Generative AI — постоянная серия на сайте Martin Fowler. Разборы экспериментов с агентами, тестированием и качеством кода помогают выбирать практики для своей команды 🗂 Книги: 🔴 Chip Huyen, AI Engineering, 2025 — как довести AI-приложение до рабочего продукта: оценивать качество, выбирать подходы и учитывать стоимость ошибок. Особенно полезна тимлидам команд, которые сами создают AI-функции. Goodreads: 4,36/5, около 1,4 тыс. оценок 🔴 Camille Fournier, The Manager’s Path, 2017 — про переход от сильного инженера к руководителю. Наставничество, делегирование и работа с командой: что теперь делать самому, а где создавать условия для других. Goodreads: 4,25/5, около 10,7 тыс. оценок 🎼 Доклады и подкасты: 🔴 Gergely Orosz, The Pragmatic Engineer — интервью с инженерами и руководителями о разработке в бигтехах и стартапах. Полезно для сравнения подходов к архитектуре, организации команд и внедрению AI 🔴 AI Engineer — канал конференций про создание AI-систем. Для тимлида особенно интересны доклады про агентов, оценку качества и переход от прототипа к эксплуатации. Часть выступлений требует технического погружения 🔤 Заглядывайте в мой личный канал с постами про управление проектами и разработку. Подписывайтесь: 💬 @Yandex4Developers
AliceAI‑Foundation-80B‑A3B‑Base под лицензией Apache 2.0. Её создание — ещё один шаг к нашей единой рассуждающей модели (ЕРМ), на базе которой будут развиваться агентские (и не только) возможности Алисы AI.
🏮В претрейн‑замерах новая модель обходит более крупные DeepSeek‑V4-Flash‑Base и Nemotron-3-Super на многих задачах: от фактологических и экспертных вопросов до математики и кода. А на сложных тасках IMO AnswerBench и LiveCodeBench лидирует среди сравниваемых открытых претрейнов.
Нашу предыдущую закрытую Alice AI LLM 235B она превосходит по фактологическим знаниям, математике, программированию и работе с длинным контекстом — при почти втрое меньшем общем числе параметров и примерно в семь раз меньшем числе активных.
⏯ За итоговыми скорами стоит много экспериментов, и нам хочется рассказать о них подробно. Поэтому вместе с весами мы публикуем большой технический отчёт на Хабре: от пайплайнов подготовки данных и методов оценки до стабилизации обучения и scaling laws.
В статье мы разобрали:
🔴 Как Z-loss на выходных активациях MoE остановил взрыв loss без потери качества и просадки скорости
🔴 Что мы делали с фактологическими текстами, чтобы модель их лучше запомнила при обучении
🔴 Как мы вдвое сократили время шага оптимизатора Muon
Подписывайтесь:
💬 @Yandex4DevelopersВсем привет, это Владислав Шиляев, я разрабатываю Android-приложение Яндекс Почты и отвечаю за то, чтобы Почта оставалась в топе рейтинга доступности. Почта — массовый продукт, и мы хотим, чтобы приложением было удобно пользоваться всем, в том числе и людям с особенностями зрения.На телефонах с Android за доступность для людей с особенностями зрения отвечает TalkBack — функция озвучивания экрана, которая зачитывает текст, роль и состояние всех размеченных элементов и позволяет с ними взаимодействовать. Если разметка сломается, приложением будет пользоваться очень сложно. Ручные проверки здесь — незаменимый инструмент. Но они обходятся дорого ресурсам QA-отдела, поэтому запускать их на каждое изменение не получается. Сломать разметку для скринридера легко: достаточно обновить дизайн-систему или сделать рефакторинг компонента. На код-ревью такую проблему часто не видно, поэтому нам нужен был способ ловить такие регрессии автоматически, до того как код попадёт в продакшен. Для этого мы построили снапшот-тесты доступности поверх готовой инфраструктуры скриншот-тестирования и уже поймали с их помощью два бага до мержа PR. ⏩️ В статье на Хабре я разобрал: 🔴 Что такое доступность приложения в понимании разработчика 🔴 Почему недостаточно просто сохранить семантику в файл 🔴 Сколько времени занимает интеграция и поддержка нашего подхода Подписывайтесь: 💬 @Yandex4Developers
