Колонка
Эссе
Колонки-мнения оператора лаборатории: рабочие заметки о ежедневной работе с ИИ — что ломается, что окупается и что об этом говорит история. Мнения, не измерения — измеренные результаты живут в реестре клеймов.
- Мы переписали бенчмарк, чтобы он звучал по-человечески
Первый чат-корпус спрашивал у модели про build digest и goodput. Живые пользователи так не спрашивают. Та же ячейка, перемеренная на шестнадцати бытовых запросах, дала другую долю отказов на том же железе — а старое число мы всё равно оставили.
2 сентября 2026 г.
- Сайт, где CI падает, стоит числу разойтись с доказательствами
Впишите на этот сайт число токенов в секунду руками — и CI упадёт. Каждое измеренное значение пересчитывается из сырых записей прогонов, а закоммиченное значение, разошедшееся с ними, останавливает пайплайн. Как устроен гейт, что он проверяет и какой класс ошибок ему не виден.
2 сентября 2026 г.
- Без независимого прогона не считается: табло DeepSeek теперь можно заполнить снаружи
DeepSeek открыл агентный харнесс и назвал режим, reasoning effort и сэмплирование, на которых сняты агентные результаты V4-Pro. Подробнее обычного, но не доказательство: цифра вендора остаётся vendor_disclosed, пока кто-то извне не прогонит тот же конфиг и не выложит трейсы.
2 сентября 2026 г.
- Агентный кодинг — это префилл, а все покупают декод
Спросите, сколько токенов в секунду нужно локальному кодящему агенту, — каждый ответ будет про темп декода. Но ход агента — это огромный промпт и короткий ответ: ожидание живёт в префилле, и разговор о железе оптимизирует не ту половину запроса.
1 сентября 2026 г.
- Агентов на коробку: метрика ёмкости, которую не печатают на коробке
Разговор о роях агентов крутится вокруг декода одного потока — единственной метрики, которая перестаёт что-либо значить, как только запускаешь рой. Что мы узнали, обмеряя общие коробки, и какой вопрос покупателю стоит задавать вендору вместо этого.
1 сентября 2026 г.
- Всё, что наш харнесс отказывается мерить: чейнджлог недоверия
Харнесс зарабатывает доверие не тем, что меряет, а тем, что мерить отказывается. Наш начинался с восьмидесяти строк наивных циклов; каждая версия с тех пор — шрам с сообщением коммита. Невалидный первый прогон, проверка соседей, детектор фолбэка, слово внутри другого слова.
1 сентября 2026 г.
- Каждое число из бенчмарка — переодетый конфиг
Два честных человека меряют одну модель на одном железе и крепко расходятся. Никто не врал: опубликованная скорость — это конфигурация, сжатая до одного числа, и сжатие это с потерями. Что цифра обязана нести, чтобы её стоило цитировать, и как читать ту, что не несёт ничего.
20 августа 2026 г.
- Дашборд соврал дважды за день — в противоположные стороны
Одна коробка, один день: модель, возвращающая пустые ответы под HTTP 200, и два живых контейнера с вердиктом unhealthy от пробы, нацеленной не в тот порт. «Зелёный, но сломанный» и «красный, но здоровый» — одна болезнь, и лечится она одинаково.
20 августа 2026 г.
- Я пользуюсь ИИ каждый день. И считаю, что луддиты были правы
Год журнала: каждый случай, когда ИИ соврал, и каждый, когда всерьёз выручил. Протокол проверки, к которому это привело, и почему реальная история луддитов — про качество и цену перехода, а не про страх машин.
14 августа 2026 г.