Братство нейросети: итоги сезона «ИИ в разработке»

Этой зимой на Хабре говорили о том, как искусственный интеллект показывает себя в реальной разработке и повседневных задачах. Участники сезона «ИИ в разработке» пробовали ИИ в самых разных ролях: от экзаменационного ассистента до соавтора open source проектов. Наши герои создавали игру для ребёнка с помощью ИИ (отдельный респект за попытку объяснить шестилетнему ребёнку схему разработки), вайб-кодили инструмент для поиска снимков в собственном фотоархиве (разобрать фото — наверняка боль для многих…), проектировали вибрационный вариометр для парапланеризма.

Где‑то ИИ честно экономил десятки часов и помогал одному человеку тянуть проекты «на уровне команды», а где‑то превращал разработку в шаманство с бубном, обнулял оценки в экзаменационной ведомости и выключал аэродинамику одной строкой.

Пришло время подвести итоги!

Статистика сезона и какие модели использовали участники

Участники сезона «ИИ в разработке» представили много самых разных примеров использования искусственного интеллекта, рассказали об интересных проектах, но победителями стали лишь 15 авторов. Чем же они пользовались в работе? Посмотрим на статистику упоминаний среди статей победителей:

• Qwen (27)

• Claude (24)

• Cursor (17)

• GigaChat (14)

• OpenAI (12)

• DeepSeek (11)

• GigaAM (10)

• Gemini (9)

Отдельной линией сезона стало практическое использование отечественных открытых моделей — не в лабораторных условиях, а в реальных сценариях разработки. Накануне старта сезона Сбер выкатил веса моделей в открытый доступ. В open source ушли GigaChat 3 Ultra Preview на 702B параметров, подходящая для локального использования в качестве ассистента GigaChat Lightning, набор из пяти моделей для распознавания речи GigaAM-v3, Kandinsky 5.0 и Автокодировщик K-VAE 1.0 для ускорения генеративного AI.

Одним из первых @konstantin_kozhin захотел проверить их в реальном сценарии. Так, он разработал Telegram-бота для преобразования голосовых сообщений в текст, использовав модель GigaAM-v3. Почему бы, собственно, не воспользоваться расшифровщиком в премиум-аккаунте в ТГ? Потому что он не работает с произвольными файлами и не способен «переварить» длинные сообщения.

А хабрапользователь @golangloves протестировал версию Lightning, сравнил бенчмарки с Qwen и показал, как запустить модель без затрат на железо. Автор отметил, что для задач на русском языке и работы с длинными контекстами Lightning — одна из лучших открытых моделей в своём классе. Вот здесь можно почитать результаты эксперимента. Статьи @konstantin_kozhin и @golangloves вошли в топ-15 лучших в сезоне по рейтингу.

Наши победители сумели вовлечь хабрапользователей в активное обсуждение темы. Именно признание сообщества — главная ценность сезона. Комментаторы на Хабре традиционно выступили в роли ревью-комитета, и часть проектов стала лучше именно благодаря участию сообщества: здесь подсказывали, спорили, совершенствовали код, помогали доводить проекты до ума. Но есть и материальные призы: топ-5 авторов получат по 50 000 рублей, ещё 10 участников — по 25 000 рублей.

Суммарно статьи собрали 808 плюсов, 1281 добавление в избранное и 632 комментария.

Под спойлером — таблица со всеми статьями сезона, упорядоченными по рейтингу.

Статья	Автор
Джун наоборот или разоблачение главного мифа вайб-кодинга	@master_program
Страх и ненависть вайб-кодинга: как я сделал для ребенка игру и попал в топ приложений на android-TV	@Lkalyadin10
Вайбанутым нет покоя	@fedignat
Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России	@snakers4
Вайб вместо звука: как я за вечер собрал вибровариометр на ESP32, а Gemini и ко сгенерировали всё, кроме пайки	@gliderman
Синдром бесконечного окна: почему 1 миллион токенов в LLM не решает ваши проблемы (пока)	@Ser_no
Мультиагентная разработка в Cursor: как заставить субагентов работать на большие проекты	@rdudov
Поиск в личном фото архиве по текстовому описанию	@virex
Главная проблема использования ИИ (Иллюзии Интеллекта) при разработке ПО	@rsashka
От голосовых к тексту: делаем Telegram-бота для расшифровки аудио на open source модели от СБЕР — GigaAM-v3	@konstantin_kozhin
Как улучшить качество Claude Code, Cursor и др. в несколько раз? Мой личный опыт	@Dmitrii-Chashchin
Ночь, телескоп, ИИ, комета: анализ спектра 3I/ATLAS с собственным Python-pipeline	@Dorial
Mixture-of-Experts: архитектура, которая спасает LLM от их собственного аппетита	@full_moon
GigaChat 3 Lightning: разбираем open source модель от Сбера	@golangloves
Прощай, ЖЖ — cпасаем заметки Python-скриптом	@gliderman
Мебельный гвоздь в крышку гроба AGI	@master_program
Как я тв-шоу переводил с помощью ML-моделей без подписок и СМС	@CyberexTech
«Господин Говорунъ: как я обучил маленькую модель разговаривать на дореформенном русском»	@konstantin_kozhin
OpenAI и ее патенты: кто стоит за разработками компании	@sokolovps
Внедряем Gemini во все поля ввода Windows: Бесплатно, без смс и с обходом ограничений	@VetaOne
Cчитаем финансовый эффект от ИИ, ML и LLM в банке без магии — с калькулятором	@mvoytko
ML на Мосбирже — почему мой грааль не работает?	@empenoso
Новогодний подарок: Как я прикрутил LLM к scratch и порадовал ребёнка	@LeXaNe
300 дней с AI-агентами: от руководителя к Full Cycle Engineer	@akozhin
Оцифровываем сырую документацию компании с помощью ИИ локально! DeepSeek-OCR + Qwen 1.5	@Dmitrii-Chashchin
Атаки на AI-агенты: примеры угроз и опыт участия в Agent Breaker CTF	@mmvds
Как случайный код Пелевина стал пророчеством о гигаваттах для ИИ-агентов	@Danil_ka88
Подземелье c LLM-экспертами: используем PocketFlow и MCP для объяснения настолок	@Phoenix133
Laravel Copilot Workspace: как я собрал полный цикл разработки вокруг Copilot-агентов	@zabarov
Знаний слишком много. Что делать?	@flancer
Как квантовать LLM. Практическое руководство для начинающих	@maksimov_m
Базовый RAG-компонент для локального семантического поиска на Питоне	@AKAZ
Machine Unlearning. Часть 1: Почему моделям нужно уметь забывать	@MidavNibush
Вкалывают роботы, а не человек, или как убрать рутину из работы при помощи ИИ	@VasilkovN
Код пишет нейросеть. Что остается разработчику?	@mpanfilov
LLM — не один большой «мозг», а команда ролей. Как собрать AI-workflow в Claude Code и уйти от вайб-коддинга	@GrinRus
RealTime FaceSwap-10k — датасет для задачи детекции real-time дипфейков	@starikovplusplus
Хакатон Норникеля: как мы выжали максимум из YOLO и заняли 2 место	@Sherstpasha
Тестируем GigaChat на наличие сознания доступа	@Kamil_GR
Как я создал «Тунец» — платформу для попадания в ответы нейросетей с помощью нейросетей…	@Ja-gagarin
Сравнение ИИ для участия в контесте по вайбкодигу	@kosyakus
Как я за год переквалифицировался в ИИ-инженера: от DevOps до production-ready AI-агентов	@alexcollin
RAG-помощник для команды саппорта своими руками	@vdrobot
Автоматизация фоновой аналитики в финтехе с помощью background LLM‑агента: реальный опыт	@MaximML
Мы боялись за джунов, но всё будет иначе или по-другому, а может, вообще не так, как думали	@Danil_ka88
Огромный гайд: продвинутые советы и хитрости для работы с Gemini CLI и другими AI CLI утилитами	@python_leader
Как «думает» ИИ: гроккаем разреженные автоэнкодеры (SAE)	@Ivanich-spb
ИИ как инструмент для создания реальных объектов: от генерации картинки к 3D-печатной игрушке	@Danil_ka88
Применение ИИ в бэкенд-разработке приложения Бургер Кинг: шаблоны, контекст и кодогенерация	@ZeBrains_team
Стремимся к AGI: обучаем нейросети в экосистеме эволюционно с нуля	@LanskoyGames
Будильник для зимы: как я подружил лампу Ильича, ZigBee и LLM	@gliderman
Фактчекинг за $0.09: GPT-5-mini + Perplexity sonar-pro в продакшене	@DankosJP
Учимся правильно использовать ИИ при разработке программного обеспечения	@rsashka
Запускаем LLM на iPhone локально — мой опыт с Gemma 2B	@Dmitrii-Chashchin
AI+RAG в системе отчетности	@SmartSmall
Upgrade: OpenSpec и Beads в Cursor	@comerc
Сбер проник в n8n и фильтрует нам лидов: как мы подключили Отечественную нейросеть к автоматизациям	@Aleron75
Гибридная нейросимвольная архитектура для превращения вероятностных ответов LLM в детерминированный код	@leleleonid
Зачем ИИ системному аналитику	@BA_TW
Не читал, но одобряю: пишем софт для быстрого анализа пользовательских соглашений	@beatwad
Сыч: телеграм-бот, который помнит обиды и обходит лимиты Google Gemini	@VetaOne
Вайбкодинг с нейросетью 1: проверяю сборку Flutter-приложения в AppImage	@Arduinum
Как ИИ помогает проектировать базы данных	@Rikkster
Избавляемся от ошибок Segmentation fault из-за переполнения стека в С++	@rsashka
Meeting-LLM: Транскрипция + ИИ-анализ совещаний в одном окне своими руками (T-One + GPT-OSS-20B)	@Dmitrii-Chashchin
TSP трансформеры	@welcome2hype
Эксперимент по подстройке Gemma 3 для вызова процедур	@DSDenisov
Data-Feeling-School-RAG-Challenge или по ту сторону баррикад	@IgorSh63
От 4/10 до 8.5/10: как я за 5 итераций научил GigaChat извлекать требования из интервью	@aeremenok
Вайб-ЛЛМинг. AI агенты теперь сами обучают LLM с помощью Hugging Face Skills	@Biryukovlex
Как написать код в два счёта: впрягаем Codex с GPT	@zabarov
3 главных инсайта о «взломах» LLM из исследования StrongREJECT	@Ivanich-spb
7 причин, почему ваш ИИ тупит (и как это исправить)	@celen
Multi-API Ensemble: 95% точности транскрипции региональных топонимов	@men10577
Учебник для искусственного разума: как я сделал ИИ-помощника по планированию для 1С:ERP	@parusimore
Обзор проекта WhisperLiveKit — синхронный перевод между любыми языками	@SlavikF
Нейроакварель. Тестируем разные ИИ-решения для создания эффекта живописи красками	@GeorgyKurakin
Roo Code для тестировщика: как превратить обязательные запросы к DeepSeek в реальную пользу	@aeremenok
Оптимизация пагинации в PostgreSQL: Как настройка work_mem превратила ROW_NUMBER в лидера производительности	@pg_expecto
PG_EXPECTO: Анализ влияния размера shared_buffers на производительность СУБД PostgreSQL	@pg_expecto
Как я подключил ИИ к КуМиру: простой способ сделать школьный язык «умным»	@wsda228
Как прикрутить AI к табуретке	@vital_pavlenko
Умеет ли Gemini в TTS и транскрибацию?	@RS_AI
История о том как «Очень хочется, но ты зеленый»	@Infernobeef
Vibe Pentesting: Интегрируем HexStrike AI и OpenCode в Kali Linux	@Chumikov
Ускорение разработки с ИИ на примере DAX и Power BI	@koanse
Нечеловек, который изменил всё: как эффективно работать с ИИ, на примере создания схем бизнес-процессов в BPMN	@parusimore
Инструмент c AI-логикой для создания дерева метрик MetricTree	@v_v_pavloff
Как я делаю «снимок» проекта в JSON для ИИ и разворачиваю его обратно	@zabarov
Kandinsky 5.0 vs Stable Diffusion: практический тест на 6 сценариях для иллюстраций и ассетов	@Efrosim123
Дрейф, потеря контекста и «уверенная чушь»: протокол восстановления SDX-S	@Ded_Egor
Сделай бота для работы	@AlexeySushkov
Как мы учили ИИ тушить инциденты вместо нас (что из этого вышло)	@Up4Soft
Прогноз нейросети — Когда теория проигрывает практике или почему ROW_NUMBER() не стал королём пагинации PostgreSQL	@pg_expecto

Рассмотрим подробнее лидеров рейтинга и о чём они успели написать за прошедшие два месяца.

Топ-5 победителей сезона

Джун наоборот

Притчей во языцех стало мнение о том, что ИИ работает как джуниор-разработчик. С этим категорически не согласен хабрапользователь @master_program. Для него ИИ — всё-таки джун наоборот. Чтобы доказать это, автор попытался создать код для решения задачи моделирования полёта ракеты в атмосфере. ИИ сгенерировал код, но при перепроверке не смог найти большую часть ошибок. Кроме того, написал аэродинамику и выключил её сам. Подробности — в статье Джун наоборот или разоблачение главного мифа вайб-кодинга.

В геймдев с двух ног

А вот @Lkalyadin10 доказал, что ИИ — это джун. Когда его шестилетняя дочка, которая любит проходить лабиринты, не хотела ложиться спать, он начал разработку собственной игры для неё. Игра выстрелила в топе приложений для Android TV. Как у автора это получилось, читайте в статье Страх и ненависть вайб-кодинга: как я сделал для ребенка игру и попал в топ приложений на android-TV. Приятно, что сезон получился полезным и познавательным не только для авторского сообщества, но и для малышей!

Ни капли в рот, ни буквы в код

Представьте, что вы преподаватель и каждый раз заполняете десятки бумажных ведомостей. Пользователь @fedignat решил заменить их android‑приложением для приёма экзаменов и выставления оценок, учёта пересдачи и фиксации IP машины студента, если он работает с компьютера в аудитории. Сначала вайб-кодинг удавался, но в час X во время приёма экзамена первая же оценка просто исчезла. Кейс показал: без понимания разработки даже с ИИ создать надёжный продукт сложно. Так что «эра индивидуальных приложений» ещё не наступила. Читайте подробнее в статье Вайбанутым нет покоя.

Дружба народов

Команда, в которую входит автор @snakers4, провела титаническую работу: после выбора 20 языков собрала голоса носителей на родном и на русском, а затем создала ПО для синтеза речи на этих языках. Теперь любой голос в модели может говорить на всех поддержанных языках. Подробнее о проекте читайте в статье: Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России.

Мой параплан, мой парапла-а-ан…

От программных проектов — к «железу». Пользователь @gliderman решил превратить часы в вибровариометр. Парапланеристы используют вариометры для измерения вертикальной скорости параплана, и не всем нравится, как они пищат. В своём проекте @gliderman решил исправить это, чтобы вместо звука часы подавали тактильный сигнал, вибрировали. Так пилот сможет наслаждаться шумом ветра, а не раздражаться от писка. Что получилась, читайте в статье Вайб вместо звука: как я за вечер собрал вибровариометр на ESP32, а Gemini и ко сгенерировали всё, кроме пайки. Как обычно на Хабре, комментарии имеют огромную ценность: ряд проблем с устройством помогли решить другие пользователи.

Топ-15 победителей сезона

Авторы следующих 10 статей по списку получат по 25 000 рублей. На шестом месте рейтинга – @Ser_no который разбирается, почему разработчики заливают в промпт целые книги, логи за неделю и дампы баз данных, а на выходе получают галлюцинации и «кашу», почему «поддерживаемый контекст» ≠ «рабочий контекст», что такое Context Rot (гниение контекста) и как с этим жить.

Автор @rdudov рассказал о мультиагентной разработке в Cursor. В Claude Code есть субагенты: экземпляры того же агента, но с фиксированным промптом и чёткими входными данными. Но не всё так радужно — в Claude Code есть vendor lock на модели Anthropic, а доступ к некоторым моделям дают только дорогие тарифы. Автор разбирал, как такой подход можно запустить в Cursor.

Давно ли вы пытались разобрать ваши снимки, сделанные хотя бы за один год? Или за один отпуск… @virex для решения этой проблемы написал поиск в личном архиве по текстовому описанию. Статья — по ссылке.

@rsashka расшифровывает ИИ не как «искусственный интеллект», а как «иллюзия интеллекта». Его поражает, как можно спорить: есть ли у LLM интеллект, или это всего лишь математические вычисления по определённому алгоритму. Автор считает, что нет смысла создавать рассуждающую иллюзию интеллекта, потому что «имитация разума превращает потенциально полезный рабочий инструмент в игру на бубне без каких-либо гарантий качества и воспроизводимости полученных результатов».

@Dmitrii-Chashchin подготовил чек-лист для разработчика, который способен помочь ИИ не топтаться на месте, создавая выдуманные переменные, кучу дублей файлов и добавляя баги. Автор рассказывает, как создать агента, способного следить за проектом и грамотно фиксить код.

Пришло время добавить немного космоса. В этом нам поможет @Dorial любитель-астроном наблюдает за 3I/ATLAS, получает свежие фото и FITS-файлы и анализирует спектр 3I/ATLAS с помощью собственного Python-pipeline. Автор рассказал, как ИИ открывает двери в науку всем желающим.

Суть метода Mixture-of-Experts: перестать «думать» всей нейросетью над каждой задачей и научить модель активировать ресурсы выборочно. Автор @full_moon рассказал о том, как работает эта архитектура, какой путь прошла за последние годы, и задаёт нам вопрос: действительно ли за МоЕ будущее или её роль сильно переоценена?

@CyberexTech решил реализовать сервис машинного закадрового перевода видео с помощью общедоступных моделей с локальным запуском. По ссылке в статье посмотрите, что получилось, на примере интервью с Томом Холландом. Интересно, что для проекта использована модель для синтеза Silero Speech, то есть продукт команды, статья которой заняла четвёртое место в этом сезоне.

Подводим итоги

Сезон «ИИ в разработке» наглядно показал: сообществу интересен не сам по себе искусственный интеллект, а его практическая применимость. Наибольшую вовлечённость получили инженерные кейсы, когда ИИ встраивается в реальный процесс разработки со всеми его ограничениями. Границы технологий стали заметнее. ИИ сегодня способен ускорять работу, но легко теряет контекст и не умеет отвечать за результат. Чем выше цена ошибки, тем критичнее роль человека.

Ещё один устойчивый тренд сезона — гибридный подход. Авторы редко ограничивались одним инструментом: одну модель использовали для генерации кода, другую — для анализа и ревью, третью — для речи и изображений. Отдельно стоит отметить роль отечественных моделей. В рамках сезона веса GigaChat использовались как полноценные рабочие инструменты: авторы запускали их локально, встраивали в собственные пайплайны, сравнивали с зарубежными аналогами и отмечали сильные стороны — прежде всего в задачах на русском языке, работе с длинными контекстами, воспроизводимости и контроле над инфраструктурой.

Сезон «ИИ в разработке» завершён. Но разговор о том, как именно и зачем мы используем искусственный интеллект, только начинается. И опыт, которым вы поделились, — в виде кода, проектов и собственных выводов — останется с сообществом навсегда.

Этой зимой на Хабре говорили о том, как искусственный интеллект показывает себя в реальной разработке и повседневных задачах. Участники сезона «ИИ в разработке» пробовали ИИ в самых разных ролях: от экзаменационного ассистента до соавтора open source проектов. Наши герои создавали игру для ребёнка с помощью ИИ (отдельный респект за попытку объяснить шестилетнему ребёнку схему разработки), вайб-кодили инструмент для поиска снимков в собственном фотоархиве (разобрать фото — наверняка боль для многих…), проектировали вибрационный вариометр для парапланеризма.

Где‑то ИИ честно экономил десятки часов и помогал одному человеку тянуть проекты «на уровне команды», а где‑то превращал разработку в шаманство с бубном, обнулял оценки в экзаменационной ведомости и выключал аэродинамику одной строкой.

Пришло время подвести итоги!

Статистика сезона и какие модели использовали участники

Участники сезона «ИИ в разработке» представили много самых разных примеров использования искусственного интеллекта, рассказали об интересных проектах, но победителями стали лишь 15 авторов. Чем же они пользовались в работе? Посмотрим на статистику упоминаний среди статей победителей:

• Qwen (27)

• Claude (24)

• Cursor (17)

• GigaChat (14)

• OpenAI (12)

• DeepSeek (11)

• GigaAM (10)

• Gemini (9)

Отдельной линией сезона стало практическое использование отечественных открытых моделей — не в лабораторных условиях, а в реальных сценариях разработки. Накануне старта сезона Сбер выкатил веса моделей в открытый доступ. В open source ушли GigaChat 3 Ultra Preview на 702B параметров, подходящая для локального использования в качестве ассистента GigaChat Lightning, набор из пяти моделей для распознавания речи GigaAM-v3, Kandinsky 5.0 и Автокодировщик K-VAE 1.0 для ускорения генеративного AI.

Одним из первых @konstantin_kozhin захотел проверить их в реальном сценарии. Так, он разработал Telegram-бота для преобразования голосовых сообщений в текст, использовав модель GigaAM-v3. Почему бы, собственно, не воспользоваться расшифровщиком в премиум-аккаунте в ТГ? Потому что он не работает с произвольными файлами и не способен «переварить» длинные сообщения.

А хабрапользователь @golangloves протестировал версию Lightning, сравнил бенчмарки с Qwen и показал, как запустить модель без затрат на железо. Автор отметил, что для задач на русском языке и работы с длинными контекстами Lightning — одна из лучших открытых моделей в своём классе. Вот здесь можно почитать результаты эксперимента. Статьи @konstantin_kozhin и @golangloves вошли в топ-15 лучших в сезоне по рейтингу.

Наши победители сумели вовлечь хабрапользователей в активное обсуждение темы. Именно признание сообщества — главная ценность сезона. Комментаторы на Хабре традиционно выступили в роли ревью-комитета, и часть проектов стала лучше именно благодаря участию сообщества: здесь подсказывали, спорили, совершенствовали код, помогали доводить проекты до ума. Но есть и материальные призы: топ-5 авторов получат по 50 000 рублей, ещё 10 участников — по 25 000 рублей.

Суммарно статьи собрали 808 плюсов, 1281 добавление в избранное и 632 комментария.

Под спойлером — таблица со всеми статьями сезона, упорядоченными по рейтингу.

Статья	Автор
Джун наоборот или разоблачение главного мифа вайб-кодинга	@master_program
Страх и ненависть вайб-кодинга: как я сделал для ребенка игру и попал в топ приложений на android-TV	@Lkalyadin10
Вайбанутым нет покоя	@fedignat
Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России	@snakers4
Вайб вместо звука: как я за вечер собрал вибровариометр на ESP32, а Gemini и ко сгенерировали всё, кроме пайки	@gliderman
Синдром бесконечного окна: почему 1 миллион токенов в LLM не решает ваши проблемы (пока)	@Ser_no
Мультиагентная разработка в Cursor: как заставить субагентов работать на большие проекты	@rdudov
Поиск в личном фото архиве по текстовому описанию	@virex
Главная проблема использования ИИ (Иллюзии Интеллекта) при разработке ПО	@rsashka
От голосовых к тексту: делаем Telegram-бота для расшифровки аудио на open source модели от СБЕР — GigaAM-v3	@konstantin_kozhin
Как улучшить качество Claude Code, Cursor и др. в несколько раз? Мой личный опыт	@Dmitrii-Chashchin
Ночь, телескоп, ИИ, комета: анализ спектра 3I/ATLAS с собственным Python-pipeline	@Dorial
Mixture-of-Experts: архитектура, которая спасает LLM от их собственного аппетита	@full_moon
GigaChat 3 Lightning: разбираем open source модель от Сбера	@golangloves
Прощай, ЖЖ — cпасаем заметки Python-скриптом	@gliderman
Мебельный гвоздь в крышку гроба AGI	@master_program
Как я тв-шоу переводил с помощью ML-моделей без подписок и СМС	@CyberexTech
«Господин Говорунъ: как я обучил маленькую модель разговаривать на дореформенном русском»	@konstantin_kozhin
OpenAI и ее патенты: кто стоит за разработками компании	@sokolovps
Внедряем Gemini во все поля ввода Windows: Бесплатно, без смс и с обходом ограничений	@VetaOne
Cчитаем финансовый эффект от ИИ, ML и LLM в банке без магии — с калькулятором	@mvoytko
ML на Мосбирже — почему мой грааль не работает?	@empenoso
Новогодний подарок: Как я прикрутил LLM к scratch и порадовал ребёнка	@LeXaNe
300 дней с AI-агентами: от руководителя к Full Cycle Engineer	@akozhin
Оцифровываем сырую документацию компании с помощью ИИ локально! DeepSeek-OCR + Qwen 1.5	@Dmitrii-Chashchin
Атаки на AI-агенты: примеры угроз и опыт участия в Agent Breaker CTF	@mmvds
Как случайный код Пелевина стал пророчеством о гигаваттах для ИИ-агентов	@Danil_ka88
Подземелье c LLM-экспертами: используем PocketFlow и MCP для объяснения настолок	@Phoenix133
Laravel Copilot Workspace: как я собрал полный цикл разработки вокруг Copilot-агентов	@zabarov
Знаний слишком много. Что делать?	@flancer
Как квантовать LLM. Практическое руководство для начинающих	@maksimov_m
Базовый RAG-компонент для локального семантического поиска на Питоне	@AKAZ
Machine Unlearning. Часть 1: Почему моделям нужно уметь забывать	@MidavNibush
Вкалывают роботы, а не человек, или как убрать рутину из работы при помощи ИИ	@VasilkovN
Код пишет нейросеть. Что остается разработчику?	@mpanfilov
LLM — не один большой «мозг», а команда ролей. Как собрать AI-workflow в Claude Code и уйти от вайб-коддинга	@GrinRus
RealTime FaceSwap-10k — датасет для задачи детекции real-time дипфейков	@starikovplusplus
Хакатон Норникеля: как мы выжали максимум из YOLO и заняли 2 место	@Sherstpasha
Тестируем GigaChat на наличие сознания доступа	@Kamil_GR
Как я создал «Тунец» — платформу для попадания в ответы нейросетей с помощью нейросетей…	@Ja-gagarin
Сравнение ИИ для участия в контесте по вайбкодигу	@kosyakus
Как я за год переквалифицировался в ИИ-инженера: от DevOps до production-ready AI-агентов	@alexcollin
RAG-помощник для команды саппорта своими руками	@vdrobot
Автоматизация фоновой аналитики в финтехе с помощью background LLM‑агента: реальный опыт	@MaximML
Мы боялись за джунов, но всё будет иначе или по-другому, а может, вообще не так, как думали	@Danil_ka88
Огромный гайд: продвинутые советы и хитрости для работы с Gemini CLI и другими AI CLI утилитами	@python_leader
Как «думает» ИИ: гроккаем разреженные автоэнкодеры (SAE)	@Ivanich-spb
ИИ как инструмент для создания реальных объектов: от генерации картинки к 3D-печатной игрушке	@Danil_ka88
Применение ИИ в бэкенд-разработке приложения Бургер Кинг: шаблоны, контекст и кодогенерация	@ZeBrains_team
Стремимся к AGI: обучаем нейросети в экосистеме эволюционно с нуля	@LanskoyGames
Будильник для зимы: как я подружил лампу Ильича, ZigBee и LLM	@gliderman
Фактчекинг за $0.09: GPT-5-mini + Perplexity sonar-pro в продакшене	@DankosJP
Учимся правильно использовать ИИ при разработке программного обеспечения	@rsashka
Запускаем LLM на iPhone локально — мой опыт с Gemma 2B	@Dmitrii-Chashchin
AI+RAG в системе отчетности	@SmartSmall
Upgrade: OpenSpec и Beads в Cursor	@comerc
Сбер проник в n8n и фильтрует нам лидов: как мы подключили Отечественную нейросеть к автоматизациям	@Aleron75
Гибридная нейросимвольная архитектура для превращения вероятностных ответов LLM в детерминированный код	@leleleonid
Зачем ИИ системному аналитику	@BA_TW
Не читал, но одобряю: пишем софт для быстрого анализа пользовательских соглашений	@beatwad
Сыч: телеграм-бот, который помнит обиды и обходит лимиты Google Gemini	@VetaOne
Вайбкодинг с нейросетью 1: проверяю сборку Flutter-приложения в AppImage	@Arduinum
Как ИИ помогает проектировать базы данных	@Rikkster
Избавляемся от ошибок Segmentation fault из-за переполнения стека в С++	@rsashka
Meeting-LLM: Транскрипция + ИИ-анализ совещаний в одном окне своими руками (T-One + GPT-OSS-20B)	@Dmitrii-Chashchin
TSP трансформеры	@welcome2hype
Эксперимент по подстройке Gemma 3 для вызова процедур	@DSDenisov
Data-Feeling-School-RAG-Challenge или по ту сторону баррикад	@IgorSh63
От 4/10 до 8.5/10: как я за 5 итераций научил GigaChat извлекать требования из интервью	@aeremenok
Вайб-ЛЛМинг. AI агенты теперь сами обучают LLM с помощью Hugging Face Skills	@Biryukovlex
Как написать код в два счёта: впрягаем Codex с GPT	@zabarov
3 главных инсайта о «взломах» LLM из исследования StrongREJECT	@Ivanich-spb
7 причин, почему ваш ИИ тупит (и как это исправить)	@celen
Multi-API Ensemble: 95% точности транскрипции региональных топонимов	@men10577
Учебник для искусственного разума: как я сделал ИИ-помощника по планированию для 1С:ERP	@parusimore
Обзор проекта WhisperLiveKit — синхронный перевод между любыми языками	@SlavikF
Нейроакварель. Тестируем разные ИИ-решения для создания эффекта живописи красками	@GeorgyKurakin
Roo Code для тестировщика: как превратить обязательные запросы к DeepSeek в реальную пользу	@aeremenok
Оптимизация пагинации в PostgreSQL: Как настройка work_mem превратила ROW_NUMBER в лидера производительности	@pg_expecto
PG_EXPECTO: Анализ влияния размера shared_buffers на производительность СУБД PostgreSQL	@pg_expecto
Как я подключил ИИ к КуМиру: простой способ сделать школьный язык «умным»	@wsda228
Как прикрутить AI к табуретке	@vital_pavlenko
Умеет ли Gemini в TTS и транскрибацию?	@RS_AI
История о том как «Очень хочется, но ты зеленый»	@Infernobeef
Vibe Pentesting: Интегрируем HexStrike AI и OpenCode в Kali Linux	@Chumikov
Ускорение разработки с ИИ на примере DAX и Power BI	@koanse
Нечеловек, который изменил всё: как эффективно работать с ИИ, на примере создания схем бизнес-процессов в BPMN	@parusimore
Инструмент c AI-логикой для создания дерева метрик MetricTree	@v_v_pavloff
Как я делаю «снимок» проекта в JSON для ИИ и разворачиваю его обратно	@zabarov
Kandinsky 5.0 vs Stable Diffusion: практический тест на 6 сценариях для иллюстраций и ассетов	@Efrosim123
Дрейф, потеря контекста и «уверенная чушь»: протокол восстановления SDX-S	@Ded_Egor
Сделай бота для работы	@AlexeySushkov
Как мы учили ИИ тушить инциденты вместо нас (что из этого вышло)	@Up4Soft
Прогноз нейросети — Когда теория проигрывает практике или почему ROW_NUMBER() не стал королём пагинации PostgreSQL	@pg_expecto

Рассмотрим подробнее лидеров рейтинга и о чём они успели написать за прошедшие два месяца.

Топ-5 победителей сезона

Джун наоборот

Притчей во языцех стало мнение о том, что ИИ работает как джуниор-разработчик. С этим категорически не согласен хабрапользователь @master_program. Для него ИИ — всё-таки джун наоборот. Чтобы доказать это, автор попытался создать код для решения задачи моделирования полёта ракеты в атмосфере. ИИ сгенерировал код, но при перепроверке не смог найти большую часть ошибок. Кроме того, написал аэродинамику и выключил её сам. Подробности — в статье Джун наоборот или разоблачение главного мифа вайб-кодинга.

В геймдев с двух ног

А вот @Lkalyadin10 доказал, что ИИ — это джун. Когда его шестилетняя дочка, которая любит проходить лабиринты, не хотела ложиться спать, он начал разработку собственной игры для неё. Игра выстрелила в топе приложений для Android TV. Как у автора это получилось, читайте в статье Страх и ненависть вайб-кодинга: как я сделал для ребенка игру и попал в топ приложений на android-TV. Приятно, что сезон получился полезным и познавательным не только для авторского сообщества, но и для малышей!

Ни капли в рот, ни буквы в код

Представьте, что вы преподаватель и каждый раз заполняете десятки бумажных ведомостей. Пользователь @fedignat решил заменить их android‑приложением для приёма экзаменов и выставления оценок, учёта пересдачи и фиксации IP машины студента, если он работает с компьютера в аудитории. Сначала вайб-кодинг удавался, но в час X во время приёма экзамена первая же оценка просто исчезла. Кейс показал: без понимания разработки даже с ИИ создать надёжный продукт сложно. Так что «эра индивидуальных приложений» ещё не наступила. Читайте подробнее в статье Вайбанутым нет покоя.

Дружба народов

Команда, в которую входит автор @snakers4, провела титаническую работу: после выбора 20 языков собрала голоса носителей на родном и на русском, а затем создала ПО для синтеза речи на этих языках. Теперь любой голос в модели может говорить на всех поддержанных языках. Подробнее о проекте читайте в статье: Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России.

Мой параплан, мой парапла-а-ан…

От программных проектов — к «железу». Пользователь @gliderman решил превратить часы в вибровариометр. Парапланеристы используют вариометры для измерения вертикальной скорости параплана, и не всем нравится, как они пищат. В своём проекте @gliderman решил исправить это, чтобы вместо звука часы подавали тактильный сигнал, вибрировали. Так пилот сможет наслаждаться шумом ветра, а не раздражаться от писка. Что получилась, читайте в статье Вайб вместо звука: как я за вечер собрал вибровариометр на ESP32, а Gemini и ко сгенерировали всё, кроме пайки. Как обычно на Хабре, комментарии имеют огромную ценность: ряд проблем с устройством помогли решить другие пользователи.

Топ-15 победителей сезона

Авторы следующих 10 статей по списку получат по 25 000 рублей. На шестом месте рейтинга – @Ser_no который разбирается, почему разработчики заливают в промпт целые книги, логи за неделю и дампы баз данных, а на выходе получают галлюцинации и «кашу», почему «поддерживаемый контекст» ≠ «рабочий контекст», что такое Context Rot (гниение контекста) и как с этим жить.

Автор @rdudov рассказал о мультиагентной разработке в Cursor. В Claude Code есть субагенты: экземпляры того же агента, но с фиксированным промптом и чёткими входными данными. Но не всё так радужно — в Claude Code есть vendor lock на модели Anthropic, а доступ к некоторым моделям дают только дорогие тарифы. Автор разбирал, как такой подход можно запустить в Cursor.

Давно ли вы пытались разобрать ваши снимки, сделанные хотя бы за один год? Или за один отпуск… @virex для решения этой проблемы написал поиск в личном архиве по текстовому описанию. Статья — по ссылке.

@rsashka расшифровывает ИИ не как «искусственный интеллект», а как «иллюзия интеллекта». Его поражает, как можно спорить: есть ли у LLM интеллект, или это всего лишь математические вычисления по определённому алгоритму. Автор считает, что нет смысла создавать рассуждающую иллюзию интеллекта, потому что «имитация разума превращает потенциально полезный рабочий инструмент в игру на бубне без каких-либо гарантий качества и воспроизводимости полученных результатов».

@Dmitrii-Chashchin подготовил чек-лист для разработчика, который способен помочь ИИ не топтаться на месте, создавая выдуманные переменные, кучу дублей файлов и добавляя баги. Автор рассказывает, как создать агента, способного следить за проектом и грамотно фиксить код.

Пришло время добавить немного космоса. В этом нам поможет @Dorial любитель-астроном наблюдает за 3I/ATLAS, получает свежие фото и FITS-файлы и анализирует спектр 3I/ATLAS с помощью собственного Python-pipeline. Автор рассказал, как ИИ открывает двери в науку всем желающим.

Суть метода Mixture-of-Experts: перестать «думать» всей нейросетью над каждой задачей и научить модель активировать ресурсы выборочно. Автор @full_moon рассказал о том, как работает эта архитектура, какой путь прошла за последние годы, и задаёт нам вопрос: действительно ли за МоЕ будущее или её роль сильно переоценена?

@CyberexTech решил реализовать сервис машинного закадрового перевода видео с помощью общедоступных моделей с локальным запуском. По ссылке в статье посмотрите, что получилось, на примере интервью с Томом Холландом. Интересно, что для проекта использована модель для синтеза Silero Speech, то есть продукт команды, статья которой заняла четвёртое место в этом сезоне.

Подводим итоги

Сезон «ИИ в разработке» наглядно показал: сообществу интересен не сам по себе искусственный интеллект, а его практическая применимость. Наибольшую вовлечённость получили инженерные кейсы, когда ИИ встраивается в реальный процесс разработки со всеми его ограничениями. Границы технологий стали заметнее. ИИ сегодня способен ускорять работу, но легко теряет контекст и не умеет отвечать за результат. Чем выше цена ошибки, тем критичнее роль человека.

Ещё один устойчивый тренд сезона — гибридный подход. Авторы редко ограничивались одним инструментом: одну модель использовали для генерации кода, другую — для анализа и ревью, третью — для речи и изображений. Отдельно стоит отметить роль отечественных моделей. В рамках сезона веса GigaChat использовались как полноценные рабочие инструменты: авторы запускали их локально, встраивали в собственные пайплайны, сравнивали с зарубежными аналогами и отмечали сильные стороны — прежде всего в задачах на русском языке, работе с длинными контекстами, воспроизводимости и контроле над инфраструктурой.

Сезон «ИИ в разработке» завершён. Но разговор о том, как именно и зачем мы используем искусственный интеллект, только начинается. И опыт, которым вы поделились, — в виде кода, проектов и собственных выводов — останется с сообществом навсегда.

Источник