Юрий Петров
Відкрити в Telegram
Привет! 👋 Я руководитель отдела разработки. Здесь мы изучаем LLM, автоматизацию с n8n, делаем крутые приложения на Flutter и учим их думать с помощью ИИ. Новости, лайфхаки, интересные кейсы, присоединяйся. #flutter #dart #llm #ai #ollama #n8n #agent #go
Показати більше1 559
Підписники
Немає даних24 години
-67 днів
-630 днів
Архів дописів
1 559
Flutter 3.5.0 вышел, изучил статью и выписал, на что стоит обратить внимание:
Крайне важная штука в релизе. FFIgen для Objective-C и JNIgen для Java/Kotlin вышли из экспериментального статуса. Теперь нативные API можно вызывать прямо из Dart: без MethodChannel, без сериализации и без обязательного async. Вызовы бывают синхронными и работают даже из фоновых изолятов. Pigeon получил в превью режим нативного интеропа, который под капотом генерирует типобезопасные биндинги через FFIgen и JNIgen. Кто писал плагины на каналах, тот поймёт, почему я этому рад.
Matej Knopp переделал планирование кадра после тача. Событие сразу уходит во фреймворк, и кадр собирается в тот же цикл обновления экрана. Задержка падает на 16 мс при 60 Гц и на 8 мс при 120 Гц ProMotion. Проверяли на устройствах вплоть до iPhone 6s. Команда обещает, что дальше будет ещё лучше. Сам не проверял, но, наверно, штука хорошая)
В Safari 26.2+ и Firefox 147+ сборка на WebAssembly на тяжёлых бенчмарках выдаёт в два с лишним раза больше FPS, чем JS. Пока это включается вручную через
wasmAllowList в flutter_bootstrap.js, а режимом по умолчанию станет в следующих релизах.
• Флаг --web-content-hash добавляет хеши в имена файлов, и после деплоя пользователи больше не застревают на старой версии из кэша;
• Экспериментальный WebParagraph отдаёт вёрстку текста браузеру. CanvasKit худеет с 5,46 до примерно 3,75 МБ, эмодзи становятся цветными, квадратики вместо символов пропадают.
Новый или только что обновлённый айфон больше не висит на белом экране, пока не откроешь Xcode: CLI сам готовит устройство. На реальные устройства вернулся flutter screenshot, которого не было с iOS 17.
Material и Cupertino переезжают в отдельные пакеты, это то, что заставит нас начать работы по обновлению книги Flutter Основы)), material.dart и cupertino.dart из SDK официально помечены deprecated. Новые проекты сразу создаются на material_ui. Для миграции хватит одной команды:
dart fix --apply --code=migrate_design_widgets
На Android тоже есть изменения:
• Release-сборки больше не принимают route, dart_entrypoint и флаги движка из чужих Intent. Уязвимость закрыли, диплинки при этом работают как раньше.
• Hybrid Composition++ для платформенных view (карты, вебвью) стал ещё плавнее, но требует Android 14+ и Impeller на Vulkan, включается командой flutter config --enable-hcpp.
• Новые проекты создаются с AGP 9.3.1, Gradle 9.5.0, Java 17 и minSdk 24.
Ну и как без ИИ, Genkit Dart дорос до версии 1.0. Пакет MediaPipe принёс 20 задач, которые выполняются прямо на устройстве: зрение, аудио, текст. Больше всего меня порадовало другое: авторы пакетов теперь могут класть agent skills в сам пакет на pub.dev, в папку skills/. Ставятся они командой dart run skills@get.
Ну и по мелочи:
- itemExtentBuilder добавлен в ListView.separated
- barrierBuilder в showDialog - можно делать размытый фон
- AutofillHints.emailOTPCode - цифровая клавиатура для PIN на Android
- SliverClipRRect - который не обрезает закреплённые заголовки.
https://www.youtube.com/watch?v=K5Kk-C3IL94
https://flutter.dev/blog/whats-new-in-flutter-3-501 559
У меня как-то сложилось:
- для мобилок и desktop — Flutter;
- для бэка — Go;
- для агентов — Go;
- для сайтов — React + Vite или htmx + Go (templ), смотря от контекста задачи.
Предвижу, что многие скажут: агентов лучше писать на Rust. Но здесь я всё-таки склоняюсь к Go: это очень простой и быстрый язык из коробки, и любая LLM работает с ним на ура. Мне иногда кажется, что Go вообще идеальный язык для LLM))
А у вас как ребят? Напишите в комментах, плиз.
1 559
Добавил более 70% процентов интерактивных уроков в курс по созданию LLM своими руками.
Пардон, что так долго, но крайне тяжело идет процесс, даже Codex на макс. тарифе сложно выполняет эту задачу, так как крайне неохотно выполняет задачи, которые связаны с обучением LLM, видимо, это зашито в системных промтах). Но процесс потихоньку идет, приходится прям выгружать данные из открытых источников, ну и, конечно, не без помощи топовой модели Kimi. )
Важно понимать, что я делаю интерактив так, как бы я лучше понял эту тему, в большей степени именно для себя.
Так что дерзайте, ребята, такой инфы вы точно нигде не найдете)
https://petrovyuri.github.io/llm_course_interactive/
1 559
Срочно обновляйте свои Flutter-приложения, вышло новое обновление, которое закрывает очень серьезную уязвимость.
https://groups.google.com/g/flutter-announce/c/0hNyXI3SSRk?pli=1
1 559
+2
Пока Stepik восстанавливается, работаю над крупным обновлением курса по созданию своей ChatGPT с нуля.
Добавляю интерактивные уроки, где вы можете сами своими глазами увидеть, что мы сделали.
Посмотреть изнутри, как работает внимание, обучение, softmax и так далее.
Теперь, наверно, точно не должно остаться вопросов)))
1 559
Всем хороших выходных, а чтобы выходные были веселее, можете начать писать моды для Claude Code, теперь такая возможность есть)
https://claude.com/resources/articles/claude-code-mods
1 559
Давно видео не делал, и тут чет накатило.
В видео, разобрал коннектом нашумевшей мухи дрозофила на примере репозитория doomfly. Этот тот репозиторий, где показывали, что муха играет в дум.
Приятно просмотра.
1 559
У открытого агента DeepSeek Harness появилось приложение для Windows и macOS
Агент под лицензией MIT правит код и запускает тесты, разбирает Word, Excel и PDF, ставит задачи по расписанию. На macOS нужен Apple Silicon. Работает на DeepSeek-V4.1-Flash.
https://www.deepseek.com/en/harness/
И главное, не нужен ускоритель интернета )
1 559
По просьбам учащихся выложил полный гайд по работе с Hugging Face, где в итоге вы можете выложить свою LLM и показать её вашему будущему работодателю ))
В модуле научимся:
- разбираться, что лежит в репозитории модели и почему веса хранят в safetensors;
- открывать GPT-2 и узнавать в ней те же слои, что написали сами;
- генерировать текст через generate() и говорить с чат-моделью через chat template;
- сжимать модель квантизацией в int8: с 26 до 7 МБ, а ответы те же;
- публиковать свою модель на Hugging Face и скачивать её обратно.
Курс со скидкой 20% (
до 15 октября 2026) для подписчиков можно приобрести здесь: https://stepik.org/a/276236?promo=7fc3bb04c5ceb252
Саму simple-llm-barsik можно глянуть на hf: https://huggingface.co/petrovyuri/simple-llm-barsik
1 559
Очень хорошие новости!
Байкал Электроникс показала российское GPGPU-ядро с поддержкой CUDA. (кто не в курсе что это, смотрите мой курс по LLM)
Сразу говорю: чипа пока нет. Есть работающий прототип ядра на ПЛИС, и это разные вещи.
На форуме «Микроэлектроника 2026» в Сириусе компания показала свой IP-блок GPGPU. Прототип собран на программируемой микросхеме: так проверяют логику будущего чипа. На стенде ядро распознавало людей.
Внутри вычислительный блок, кэш-память, управляющий процессор на RISC-V и программный стек целиком. Компания заявляет совместимость с CUDA: код под неё и готовые нейросети должны запускаться без переписывания.
Ради этого всё и затевалось. Ускоритель не от Nvidia обычно упирается не в железо, а в софт, который под него надо портировать.
Первым продуктом на ядре станет Baikal-AI-E1, функциональный аналог Nvidia Jetson Orin для граничных вычислений: дроны, робототехника, промышленная дефектоскопия, умные камеры. Стадия та же, прототип. Сроков серийного выпуска не назвали.
Гендиректор Андрей Евдокимов описал задачу так: «Это наш ответ на вопрос, на чем в России будет работать искусственный интеллект».
Для контекста. В мае на ЦИПР компания анонсировала ещё два чипа: Baikal-AI-E1000 до 30 Вт и серверный Baikal-AI-D1000 с заявленными 1000 терафлопс в FP8 и памятью 48-64 ГБ. Сроки там 2029-2030 годы.
Следующий шаг понятный: перенести прототип с ПЛИС в кремний. До этого момента сравнивать с Jetson Orin можно только по обещаниям.
Но то, что есть прототип, это уже очень хорошо.
https://tehnoomsk.ru/archives/28051
1 559
Я давно в мобильной разработке и быстро замечаю баги в приложениях. Причём не в каких-то простеньких, а в топовых, от известных брендов. Иногда аж злость берёт: «Ну как это вообще могло пройти в прод?»
А потом думаю: ИИ ставит задачу, ИИ пишет код, ИИ проводит ревью, ИИ тестирует, а потом... «Извините, это моя ошибка, могу исправить».
И все спрашивают, а что могло пойти не так-то?
Сингулярность, блин... Ох, в какое весёлое время живём, ребят)
1 559
Благодарю ребят за такие тёплые слова, модули про Hugging Face добавлю, я думаю будет очень интересно и познавательно 😏
1 559
Вышла Claude Opus 5.5
Anthropic вчера выкатила Opus 5.5. При выходе новой модели обычно все смотрят, насколько она дороже, но тут как будто наоборот. Новая модель, но дешевле.
Как-то так:
- $4 за миллион входных токенов, $20 за выходные. У Opus 5 было $5 и $25. Плюс модель тратит меньше токенов на ту же задачу, поэтому на практике стоимость падает примерно на 40%.
- Чтение кэша подешевело больше всего, с $0.50 до $0.20. https://www.anthropic.com/claude-opus-5-5#performance-and-cost-effectiveness
Если вы гоняете агентов по большим кодовым базам, это будет прям ощутимо.
При этом Anthropic ставит Opus 5.5 на уровень Fable 5.1, куда более дорогой модели. На части бенчмарков Opus 5.5 её даже обгоняет.
Из примеров, которыми делится компания:
- миграция кода на 680 тысяч строк за день,
- порт HAProxy с C на Rust за 9.5 часов (у Fable 5.1 ушло 12), аудит 200 тысяч строк за три часа вместо двадцати. Скорость вывода выросла где-то на 30%.
Интересно то, что это первая модель после того, как Дарио Амодей публично попросил всех сбавить темп в развитии ИИ.
Режим размышлений отключить нельзя, это защита от дистилляции.
Компания открыто пишет, что кибервозможности у модели самые сильные из всего, что она когда-либо выпускала.
И главный вопрос? Компания две недели назад просила быть осторожными с ИИ. А потом выпускает новую модель и делает ее дешевле. К чему бы это?
1 559
Сейчас все хайпуют на мозге мухи дрозофилы) Для тех, кто не в курсе: 3 сентября Google Research вместе с Janelia выложили MaleCNS, полную карту нервной системы дрозофилы. 166 тысяч нейронов, 125 миллионов связей, десять лет работы. Вот пост Google: https://research.google/blog/a-connectomics-milestone-mapping-the-complete-male-fruit-fly-brain/
Сразу скажу: это прям очень круто. И сейчас исследователи и просто энтузиасты пытаются обучить этот коннектом играть в Doom или Minecraft. Вот, например, репозиторий, где парень учит муху играть в Doom: https://github.com/nftechie/doomfly
Когда я начал копаться в этой теме и до меня наконец дошло, что там вообще происходит, я реально был поражен. Обязательно поизучайте этот репозиторий, там все открыто, автор честно описывает и что получилось, и что нет.
Но я хотел рассказать немного о другом. Есть ранее исследование о котором я еще читал пару лет назад и которое может прям раскачать всю эту тему и здорово помочь ребятам с мемными мухами. Это flyvis. Лаборатория Тураги, та же Janelia, статья в Nature еще в 2024-м: https://www.nature.com/articles/s41586-024-07939-3. Про них почему-то никто не пишет.
Что они сделали. Взяли коннектом зрительной системы мухи и, разрешили только менять силу связей. Задача одна: научиться видеть движение. А потом сравнили, что делают нейроны в модели и что делают настоящие нейроны у живой мухи под микроскопом. И оно сошлось, причем на данных из 26 разных экспериментальных работ. Вот это меня реально зацепило. Получается, карту мухи имеет смысл не просто запускать, а обучать под её родные задачи, и тогда есть шанс получить модель, которая ведёт себя как реальный мозг.
И второй проект, другого рода. Там пошли с другой стороны: сначала дали мухе тело. Нормальную физическую модель со всеми суставами И учат ее ходить и летать, а нейронные контроллеры потихоньку привязывают к реальным цепям из коннектома. Пока привязка частичная, понятно, что это еще дорабатывать и дорабатывать. Но муха там ходит как муха) И походку сверяют с видеозаписями живых. https://github.com/TuragaLab/flybody
Если сложить все вместе: с одной стороны, что коннектом можно запустить и подключить к чему угодно. С другой, flyvis показал, как подгонять параметры, чтобы модель вела себя как настоящий мозг, а flybody дал телу физику.
Если кто соберет это все воедино, то тут уже не до мемов будет ))
В целом это, конечно, потрясает. Я даже боюсь представить, к чему это приведет. Но изучать эту тему точно стоит.
1 559
GitHub переписал рантайм Copilot с TypeScript на Rust руками агентов
832 тысячи строк продакшен-кода и 469 тысяч строк тестов за май–август, 128 пулл-реквестов, курировал всё один инженер. Агенты читали код в 10 раз чаще, чем правили, а 96% промтов уходило в кеш.
https://github.blog/ai-and-ml/generative-ai/migrating-the-github-copilot-runtime-to-rust-using-copilot/
1 559
Любителям антигравити), тут гугл выкатил плагин для VSCode
https://antigravity.google/blog/antigravity-ide-extensions
Ну сейчас дело пойдёт 😁
1 559
+1
Уф, закончил модуль по обучению модели для того, чтобы она отвечала как реальный ChatGPT.
И на самом деле это очень классно — смотреть, как отвечает модель, которую ты сам создал и обучил. При этом понимая, что лет 10 назад такое даже представить себе было трудно).
Я понимаю, что сейчас все крутые специалисты в ИИ, знают, как подключить Harness, использовать тот или иной скилл, меряться, у кого агент больше, у кого быстрее))
Но, ребят, это же основа основ. Понимая, как работает математика LLM, можно понять, как лучше с ней работать. Та магия, которая была раньше, улетучится, вы поймете, что это всего лишь чистая математика, не больше не меньше.
Понять как это все работает можно здесь ☺️ https://stepik.org/a/276236
В итоге в модуле:
✔️ Почему модель не отвечает?
✔️ Pretraining и Fine-tuning
✔️ Формат данных
✔️ Маска Loss
✔️ Контекст
✔️ Код. Реализация
✔️ Проверка знаний.
Добавлен сертификат о прохождении курса, если набрали необходимое количество баллов. 😊
1 559
Уф, закончил модуль по обучению модели для того, чтобы она отвечала как реальный ChatGPT.
И на самом деле это очень классно — смотреть, как отвечает модель, которую ты сам создал и обучил. При этом понимая, что лет 10 назад такое даже представить себе было трудно).
Я понимаю, что сейчас все крутые специалисты в ИИ, знают, как подключить Harness, использовать тот или иной скилл, меряться, у кого агент больше, у кого быстрее))
Но, ребят, это же основа основ. Понимая, как работает математика LLM, можно понять, как лучше с ней работать. Та магия, которая была раньше, улетучится, вы поймете, что это всего лишь чистая математика, не больше не меньше.
Понять как это все работает можно здесь ☺️ https://stepik.org/a/276236
В итоге в модуле:
✔️ Почему модель не отвечает?
✔️ Pretraining и Fine-tuning
✔️ Формат данных
✔️ Маска Loss
✔️ Контекст
✔️ Код. Реализация
✔️ Проверка знаний.
Добавлен сертификат о прохождении курса, если набрали необходимое количество баллов. 😊
