kabooma

Новое крупное исследование связывает мышечную силу с более низкой вероятностью развития депрессии в будущем. Речь не о силовых рекордах и не о спорте ради спорта: учёные изучали силу хвата, которую обычно измеряют простым прибором — динамометром. Как пишет PsyPost, международная группа исследователей объединила данные почти полумиллиона взрослых. В анализ вошли люди, у которых на старте наблюдения не было признаков депрессии, а затем их состояние отслеживали в течение времени. Что именно изучали Сила хвата кажется узким показателем, но в медицине её часто используют как простой маркер общего физического состояния. Если человек хорошо сжимает динамометр, это обычно говорит не только о кисти, а о более широкой мышечной и функциональной форме. В метаанализ вошли 16 научных статей и 12 когорт из разных стран, включая Китай, Японию, Италию, Англию, Ирландию и ЮАР. Общая выборка составила 497 336 участников, а средний возраст был около 60 лет. Коротко: учёные смотрели не на настроение «здесь и сейчас», а на то, помогает ли исходный уровень физической силы предсказывать риск депрессии в будущем. Что показали результаты У людей с более низкой силой хвата риск развития депрессивных симптомов позже был выше. В зависимости от модели подсчёта разница между самыми слабыми и самыми сильными участниками составляла примерно от 26% до 42%. Это заметная связь, но её важно не переоценивать. Авторы не утверждают, что слабые руки напрямую «вызывают» депрессию. Скорее сила хвата может быть удобным индикатором общего здоровья, активности и устойчивости организма. Почему мышцы могут быть связаны с психикой Одна из возможных причин — физическая активность. Люди с лучшей мышечной силой часто больше двигаются в повседневной жизни, а регулярное движение связано с лучшим состоянием нервной системы и более устойчивым психическим здоровьем. Есть и более широкий контекст: мышечная слабость может отражать хронические болезни, снижение подвижности или возрастные изменения. В таком случае сила хвата работает как простой «сигнал» о том, что организму может быть сложнее справляться с нагрузками. Какие есть ограничения Исследование не доказывает прямую причинно-следственную связь. Учёные не могли точно учесть, сколько участники тренировались, как менялась их активность и были ли у них эпизоды депрессии до начала наблюдений. Кроме того, у разных исследований были разные пороги «слабой» силы хвата. Поэтому динамометр пока нельзя воспринимать как простой тест: сжал ниже нормы — значит, скоро будет депрессия. Так это не работает. Что можно вынести из работы Самый спокойный вывод здесь такой: мышечная сила — один из показателей общего здоровья, который может быть связан и с психическим состоянием. Поддерживать физическую форму полезно не только для суставов, сердца и подвижности, но и для качества жизни в целом. Это не заменяет помощь врача или психолога при депрессии. Но как напоминание о связи тела и психики исследование выглядит вполне практично. Итог Сила хвата — очень простой показатель, но в больших выборках он может подсвечивать более широкий уровень физической устойчивости. Интересно и то, что связь заметили именно в долгосрочных наблюдениях, а не в разовом опросе. Это делает результат аккуратнее, хотя прямую причинность всё равно не доказывает. Фактор Регулярное движение и сохранение силы с возрастом могут быть частью заботы о психике, а не только о теле. Но такие данные не стоит превращать в совет «качайтесь — и депрессии не будет». Депрессия сложнее, и физическая форма здесь скорее один из факторов общей устойчивости, а не универсальная защита. Источник: PsyPost

Российские исследователи разработали новые материалы для спецодежды работников металлургической отрасли. Речь идёт о форме для горячих цехов, где обычная рабочая одежда должна защищать не только от механических повреждений, но и от интенсивного теплового излучения. Разработкой занимались специалисты Санкт-Петербургского государственного университета промышленных технологий и дизайна. По данным Ferra со ссылкой на ТАСС, материалы уже прошли часть испытаний. Что именно разработали Учёные предложили двухслойную конструкцию для защитной одежды. Внешний слой сделали из тканей на основе кевлара, мета-арамида и арселона — материалов, которые применяют там, где важны прочность и устойчивость к высоким температурам. Внутренний слой выполнен из шинельного огнеупорного сукна. Его задача — снижать воздействие сильного теплового излучения на человека. Между собой слои соединены полиэтиленовой плёнкой. Коротко: идея не в одной «чудо-ткани», а в сочетании нескольких слоёв, каждый из которых отвечает за свою часть защиты. Почему это важно для металлургов Работа в горячих цехах — это среда, где защита нужна постоянно, а не только в аварийных ситуациях. Высокая температура, брызги расплавленного металла, излучение от оборудования и физическая нагрузка делают спецодежду частью реальной безопасности. Если форма плохо держит тепло или быстро теряет защитные свойства, человек начинает работать в более опасных условиях. Поэтому новые материалы для такой отрасли — не косметическое улучшение, а вполне практичная инженерная задача. Что говорят о свойствах В СПбГУПТД отмечают, что разработка отличается комплексом защитных свойств по сравнению с существующей экипировкой металлургов. Источник не раскрывает подробные показатели испытаний: например, точные температуры, время воздействия, массу ткани или результаты сравнения с серийными образцами. Это важная оговорка. Пока можно говорить о перспективной разработке и частично пройденных испытаниях, но не о готовой массовой форме для всех предприятий. Где может быть польза Такие материалы могут быть интересны не только металлургии. Схожие требования есть в литейном производстве, энергетике, сварочных работах и других направлениях, где сотрудники регулярно сталкиваются с высокой температурой. Но для внедрения в промышленности одной лабораторной проверки мало. Спецодежда должна быть не только защищающей, но и удобной: выдерживать смену, не мешать движениям, нормально переносить стирку, износ и длительное использование. Что смотреть дальше Следующим важным этапом будут более подробные испытания и проверка в условиях, близких к реальному производству. Для металлургов защитная форма должна работать каждый день, а не только хорошо выглядеть в описании проекта. Разработка выглядит полезной, но ей ещё нужно пройти обычный путь от материала до изделия: тесты, сертификацию, производство и обратную связь от тех, кто будет носить такую форму в цехе. Итог Промышленная безопасность развивается не только за счёт датчиков, роботов и цифровых систем. Иногда важное улучшение начинается с материала, который ближе всего к человеку — с ткани рабочей формы. В металлургии это особенно заметно: защита должна быть надёжной, но при этом достаточно удобной для долгой смены. Поэтому здесь важен баланс между лабораторными свойствами и реальным использованием в цехе. Разработка выглядит полезной именно своей практичностью. В таких темах не нужно громких обещаний: если материал действительно лучше защищает и при этом остаётся удобным, это уже серьёзный результат. Но пока в источнике мало чисел и конкретных протоколов испытаний, поэтому оценивать эффективность лучше осторожно. Хотелось бы увидеть не только описание слоёв, но и сравнение с действующей спецодеждой на реальных рабочих сценариях. Источник: Ferra

Правительство РФ обновляет правила применения электронного обучения и дистанционных образовательных технологий. В документ добавили формулировку про «многофункциональный сервис обмена информацией» — под ним, по данным Ferra со ссылкой на ТАСС, подразумевается национальный мессенджер «Макс». Речь идёт не просто о ещё одном канале для сообщений. Сервис планируют использовать при организации дистанционного обучения в школах и учреждениях среднего профессионального образования. Что именно меняется Новые правила касаются взаимодействия участников образовательного процесса при электронном обучении. То есть учеников, учителей и других участников должны будут связывать через утверждённый сервис обмена информацией. В источнике отдельно говорится, что требования распространяются на основные общеобразовательные программы и программы среднего профессионального образования. Проще говоря, в первую очередь речь о школах и колледжах. Коротко: «Макс» хотят сделать одним из официальных инструментов коммуникации для дистанционного обучения. Что будет с вузами Для вузов подход мягче. Им тоже предусмотрели возможность использовать «Макс» при дистанционном обучении, но при этом они смогут продолжить работу через государственную систему «Современная цифровая образовательная среда». Это важная оговорка: университетам оставляют больше пространства для уже сложившейся цифровой инфраструктуры. В вузах часто есть собственные LMS, кабинеты, расписания, системы тестирования и внутренние правила работы с курсами. Почему это не просто новость про мессенджер Дистанционное обучение давно упирается не только в видеосвязь и домашние задания. Нужны понятные каналы для объявлений, обсуждений, рассылок, доступа к материалам и оперативной связи между учителем и группой. Если такой канал закрепляют в правилах, он становится частью образовательной инфраструктуры, а не просто приложением «для переписки». Для школ это может упростить единый порядок коммуникации, но одновременно появятся вопросы по удобству, нагрузке на учителей и тому, как сервис будет работать в реальных учебных сценариях. Что пока не раскрыто Источник не приводит технические детали: как именно «Макс» будет подключаться к учебным платформам, какие функции понадобятся школам, как будут устроены права доступа, хранение данных и поддержка пользователей. Неясно и то, насколько быстро образовательные организации должны будут перестроить свои процессы. Для дистанционного обучения важен не только сам мессенджер, но и то, насколько безболезненно он впишется в расписания, задания, электронные журналы и привычные платформы. На что обратить внимание Главный практический вопрос — не в названии приложения, а в качестве внедрения. Если сервис станет удобным местом для учебной коммуникации, он может снизить хаос из разных чатов и каналов. Если же его просто добавят поверх уже существующих систем, нагрузка на школы может вырасти. В образовании цифровые инструменты проверяются очень быстро: ими каждый день пользуются учителя, ученики и родители. Поэтому здесь важны простота, стабильность и понятные правила, а не только статус «официального» сервиса. Итог Дистанционное обучение всё чаще требует единого канала для общения, заданий и уведомлений, особенно в школах и колледжах. Но здесь есть тонкий момент: единый сервис может навести порядок, а может добавить ещё один обязательный инструмент к уже существующим платформам. Идея единого канала для дистанционного обучения понятна: когда у класса несколько чатов, платформ и рассылок, всем становится сложнее. Но успех будет зависеть от деталей внедрения. Учителям нужен не новый значок на телефоне, а инструмент, который реально экономит время и не ломает привычный учебный процесс. Поэтому перед массовым использованием важно проверить не только юридическую формулировку, но и обычную школьную практику. Источник: Ferra

АвтоВАЗ завершил очередной этап модернизации производства, который проходил в первой половине мая 2026 года. По данным, с 1 по 17 мая на площадках предприятия выполнили 15 361 задачу — от настройки оборудования до запуска новых производственных решений. Главный фон этой работы понятен: завод готовится к выпуску нового кроссовера Lada Azimut. Для АвтоВАЗа это не просто ещё одна комплектация существующей модели, а важная новинка в сегменте, где у марки давно не было большого запаса свежих предложений. Что сделали на заводе Источник пишет, что модернизацию завершили в полном объёме. В рамках работ на производстве запустили новый беспилотный напольный транспорт, установили новое оборудование и обновили отдельные участки линий. Такие новости обычно выглядят сухо, но для автозавода это важная рутина. Новый автомобиль нельзя просто «поставить на конвейер» по нажатию кнопки: под него нужно подготовить логистику внутри завода, оснастку, контроль качества и рабочие операции. Коротко: АвтоВАЗ не только показывает Lada Azimut как будущую модель, но и доводит производство до состояния, в котором её действительно можно выпускать серийно. Почему это связано с Lada Azimut Lada Azimut должна стать новым кроссовером бренда. Ранее сообщалось, что серийное производство модели ожидается в 2026 году, а старт продаж должен пройти позже, после подготовки производства и вывода машины на рынок. Для АвтоВАЗа кроссоверный сегмент особенно важен. Покупатели давно привыкли к высоким кузовам, практичному салону и дорожному просвету, поэтому новый SUV может стать одной из ключевых моделей в ближайшем цикле обновления линейки. Масштаб работ Число 15 361 выполненная задача хорошо показывает, что речь шла не о косметическом обновлении. В такие списки обычно входят как крупные работы с оборудованием, так и множество мелких настроек, без которых серийный выпуск быстро начинает буксовать. В источнике не раскрывается полный перечень всех задач, поэтому оценивать глубину модернизации по каждому участку невозможно. Но сам факт завершения работ к намеченному сроку важен: производство не должно тормозить подготовку новой модели. На что смотреть дальше Теперь главный вопрос — не только в готовности завода, а в сроках и качестве запуска самой машины. Для новой модели важны цена, комплектации, доступность у дилеров, объёмы производства и отсутствие болезненных детских проблем. АвтоВАЗ уже прошёл этап производственной подготовки, но для покупателей всё станет понятнее ближе к старту продаж. Именно тогда будет видно, насколько Lada Azimut готова конкурировать не на уровне анонсов, а на обычном рынке, где решают цена, оснащение и реальный опыт эксплуатации. Итог Запуск новой модели начинается задолго до появления машины в автосалоне. Для российского автопрома Lada Azimut важна как попытка усилить линейку в кроссоверном сегменте, где спрос остаётся устойчивым. Интерес здесь не только в самой машине, но и в том, сможет ли АвтоВАЗ быстро перевести подготовку завода в стабильный серийный выпуск. Завершение модернизации выглядит хорошим техническим шагом, но пока это всё ещё подготовительный этап. Для покупателей важнее будет не количество выполненных задач на заводе, а то, какой получится Lada Azimut в продаже: по цене, качеству сборки и доступности. Если запуск пройдёт без долгих задержек, модель может стать заметной для марки. Но окончательно оценивать её стоит уже после первых серийных машин и нормальных отзывов владельцев. Источник: iXBT.com

Роботы-доставщики «Яндекса» получили новый нейросетевой планировщик маршрутов. Он помогает роверам лучше оценивать городскую обстановку и выбирать траекторию движения, а не просто осторожно останавливаться при каждом сложном сценарии. По данным источника, после внедрения новой системы доставки стали в среднем на 10% быстрее. Для обычного пользователя это может выглядеть как небольшая прибавка, но в доставке такие проценты важны: чем чаще робот доезжает без лишних остановок, тем предсказуемее становится сервис. Что изменилось в управлении Раньше роботы в большей степени полагались на классические алгоритмы. В сложных ситуациях они чаще замедлялись, чтобы не создавать риск для пешеходов, велосипедистов и транспорта. Теперь в работу добавили нейросеть-трансформер. Она анализирует поведение людей и других участников движения, прогнозирует ситуацию вокруг и помогает роверу двигаться аккуратнее, но без лишней паузы там, где можно безопасно продолжать путь. Коротко: робот не просто едет по заранее выбранной линии, а старается лучше понимать, что происходит рядом с ним. Нейросеть работает не одна Важная деталь: новая система не заменила старые алгоритмы полностью. В «Яндексе» используют связку, где прежние алгоритмы и нейросетевой планировщик предлагают свои варианты маршрута, а итоговый путь выбирается как наиболее подходящий. Это выглядит разумно. В городской среде нельзя полагаться только на один подход: слишком много неожиданных ситуаций, от плотного потока людей до велосипеда, который внезапно меняет направление. Больше автономности на маршруте Источник пишет, что новая система уже используется на всех роботах-доставщиках. Около 80% пути они проходят под управлением нейросети. Ещё один практичный момент — вычисления выполняются прямо на борту робота, без зависимости от интернета. Для доставки это важно: связь в городе может быть нестабильной, а решение о движении нужно принимать сразу, а не ждать ответа с сервера. Звуковые сигналы для окружающих Роботы также получили звуковые сигналы, которые предупреждают о приближении. В «Яндексе» подчёркивают, что это не требование уступить дорогу, а именно уведомление для людей рядом. Такая мелочь на самом деле многое решает. В городе робот — не просто устройство с навигацией, а участник общего пространства. Чем понятнее он ведёт себя для прохожих, тем меньше раздражения и случайных конфликтов. Почему это не просто ускорение Главный смысл обновления не только в том, что заказ может приехать быстрее. «Яндекс» постепенно учит роботов спокойнее работать в реальной городской среде, где нельзя заранее расписать каждый шаг. Если роверы действительно реже останавливаются без необходимости и при этом сохраняют безопасность, это делает роботизированную доставку более практичной. Не эффектной демонстрацией, а обычным рабочим инструментом для коротких маршрутов. Эта новость показывает, что развитие роботов-доставщиков упирается не только в батареи, корпуса и колёса. Самое сложное — поведение в живом городе, где люди двигаются непредсказуемо, а обстановка меняется каждую секунду. Нейросетевой планировщик здесь становится способом сделать робота менее «нервным» и более уверенным. Но важный баланс остаётся прежним: быстрее — не значит агрессивнее. Итог Обновление выглядит полезным именно потому, что решает приземлённую проблему: лишние остановки и осторожность в сложных местах. Для доставки важна не максимальная скорость, а стабильность маршрута и понятное поведение рядом с людьми. Хорошо, что нейросеть работает вместе со старыми алгоритмами, а не заменяет их одним махом. В городской робототехнике такой осторожный гибридный подход выглядит здоровее, чем попытка всё доверить одной модели. Источник: iXBT.com

Китайский рынок премиальных автомобилей снова дал повод говорить о смене привычных ориентиров. Новый седан Huawei Maextro S800 в апреле 2026 года стал самой продаваемой моделью в Китае среди автомобилей дороже 700 000 юаней — это примерно 102 900 долларов. По данным, приведённым iXBT со ссылкой на Carscoops и Huawei Maextro, за месяц в Китае поставили 1142 экземпляра Maextro S800. Для новой модели в сегменте, где десятилетиями сильны немецкие бренды, это заметный результат. Какие цифры выделяются Maextro S800 занял первое место в своём ценовом диапазоне. Для сравнения, Mercedes-Maybach S-Class за тот же период разошёлся тиражом 736 машин, Porsche Panamera — 616, обычный Mercedes-Benz S-Class — 521. В пятёрку также вошёл BMW 7-Series вместе с i7 — 436 автомобилей. Ниже оказались Audi A8, Nio ET9, Yangwang U7 и Porsche Taycan. Коротко: Maextro S800 не просто хорошо стартовал, а в конкретном месяце опередил сразу несколько привычных символов люксового класса. Почему это заметно Китайские бренды уже давно сильны в массовом электромобильном сегменте, но люксовый рынок устроен сложнее. Здесь важны не только технологии, запас хода или экран в салоне, а репутация, комфорт, статус и доверие к марке. Именно поэтому сравнение с Maybach, Panamera и BMW 7 Series выглядит показательным. Оно не доказывает, что европейские бренды потеряли позиции окончательно, но показывает: в Китае у дорогих местных моделей появляется всё больше пространства. Что известно о цене и позиционировании Источник указывает, что Maextro S800 стоит около 100 000 долларов. Это ставит его не в массовую категорию, а в зону представительских и люксовых автомобилей, где покупатель обычно выбирает не только набор характеристик, но и образ. Huawei в этой истории важна не как классический автопроизводитель, а как технологический участник автомобильной экосистемы. Для китайского рынка такая связка становится всё привычнее: электроника, софт, помощники водителя и цифровой салон часто воспринимаются как часть ценности машины. Где нужна осторожность Данные приведены за апрель 2026 года, то есть пока речь идёт о месячном срезе, а не о долгосрочном лидерстве. Для честной оценки нужно смотреть динамику за несколько месяцев, поставки, ожидание заказов и структуру продаж. Есть и другой нюанс: поставки не всегда равны устойчивому спросу в долгую. Новая модель может получить сильный старт за счёт накопленных предзаказов и интереса к запуску. Тем не менее результат Maextro S800 трудно списать на случайность. В верхнем ценовом сегменте китайские бренды уже не выглядят гостями — они начинают играть по правилам, которые раньше задавали европейские марки. Китайские марки пытаются забрать часть статуса у европейских брендов на домашнем рынке, где у них есть сильная поддержка аудитории и лучшее понимание цифровых привычек покупателей. Maextro S800 важен именно как пример: люкс всё меньше держится только на старом имени. Итог Результат Maextro S800 выглядит сильным, но я бы не делал из одного месяца слишком громкий вывод. В люксовом сегменте важна стабильность: сможет ли модель удерживать продажи после стартового интереса, как покажет себя сервис и насколько покупатели будут довольны через год. Но сам факт, что новый китайский седан сравнивают с Maybach и Panamera не как с недосягаемыми эталонами, уже многое говорит о рынке. Для европейских брендов это неприятный, но вполне практический вызов. Источник: iXBT.com

Исследователи Sysdig описали атаку, в которой злоумышленники охотились за забытыми ключами доступа к AWS, OpenAI, Anthropic и другим сервисам. Для этого они использовали вредоносную платформу KeyHunter, рассчитанную на поиск токенов в публичных онлайн-песочницах и тестовых проектах разработчиков. Здесь неприятна не только сама кража ключей. История показывает, насколько легко временный тестовый проект может превратиться в точку входа к платным облакам и AI-сервисам. Как работала схема Атаку связали с уязвимостью CVE-2026-33017 в платформе Langflow. По данным источника, ошибка позволяла выполнить код на сервере без авторизации. После эксплуатации злоумышленник загрузил Python-компонент и Go-бинарник, а затем пытался выйти из контейнера с помощью эксплойтов DirtyPipe и DirtyCreds. Отдельно выделяется способ управления заражёнными системами. Вместо привычных HTTP-серверов или мессенджеров операторы использовали NATS — платформу обмена сообщениями, которую обычно применяют в облачных и распределённых системах. Коротко: злоумышленники взяли обычный инструмент для разработчиков и превратили его в канал управления вредоносной сетью. Что искал KeyHunter Главная задача KeyHunter — находить и проверять рабочие ключи доступа. Вредоносный модуль сканировал публичные песочницы вроде CodePen, JSFiddle, StackBlitz и CodeSandbox, где разработчики иногда оставляют токены в тестовых проектах. После обнаружения ключей программа не просто сохраняла их, а сразу проверяла работоспособность. Для AWS использовался запрос sts:GetCallerIdentity, чтобы понять, кому принадлежит ключ и какие возможности он даёт. Для AI-сервисов проверка шла через прямое обращение к API поставщиков моделей. Зачем нужны украденные ключи В случае AWS злоумышленники интересовались разными сервисами: Bedrock, S3, EC2, Lambda, ECS и SageMaker. Особое внимание уделялось Amazon Bedrock — через него можно запускать большие языковые модели. Такая схема называется LLMjacking: атакующие используют чужие ключи, чтобы получать доступ к дорогим AI-вычислениям за счёт владельца аккаунта. Для пострадавшей компании это может закончиться не только утечкой данных, но и внезапными расходами. Почему NATS-as-C2 важен Сервер NATS в этой операции использовался как центр координации. При этом инфраструктура была настроена с аутентификацией и списками контроля доступа: заражённый узел мог отправлять результаты и сигналы активности, но не получал полного доступа к управлению другими узлами. Для защитников это неприятный момент. Такой подход усложняет анализ ботнета и снижает шанс быстро разобрать всю сеть через один скомпрометированный сервер. Что советуют сделать Sysdig рекомендует обновить Langflow до версии с исправлением CVE-2026-33017, заблокировать указанные в отчёте адреса и заменить ключи, которые могли храниться в уязвимых экземплярах. Особенно это касается токенов Amazon Web Services, OpenAI, Anthropic и HuggingFace. На практике важен ещё один вывод: ключи не должны попадать в публичные демо, песочницы и временные проекты. Разработчику кажется, что это «просто тест на пять минут», а автоматизированная платформа вроде KeyHunter как раз такие места и просматривает. Финал здесь довольно простой: секреты нужно хранить как секреты. Не в коде, не в публичном примере и не в забытом проекте, который никто больше не открывает. Раньше украденный облачный ключ чаще ассоциировался с серверами, хранилищами и майнингом, а теперь к этому добавились платные LLM-запросы и доступ к AI-инфраструктуре. Публичные песочницы становятся удобным местом для автоматического поиска таких ошибок. И это уже не редкий промах одного разработчика, а целая категория целей для сканирования. Итог Тревожное — не сложность атаки, а её бытовая сторона. Многие утечки начинаются не с хитрого взлома, а с ключа, который случайно оставили в демо-проекте. KeyHunter просто делает такую охоту массовой и автоматической. Для команд это хороший повод ещё раз проверить, где лежат токены, как быстро они отзываются и есть ли лимиты на использование AI- и облачных API. Источник: SecurityLab

Figure AI заявила, что её гуманоидные роботы теперь способны самостоятельно проходить полноценную восьмичасовую смену. В новой демонстрации машины работали на системе Helix-02: выполняли задачи рядом с другими роботами, без удалённого оператора и без ручного перезапуска после коротких эпизодов. Формулировка звучит почти как рекламный лозунг про «идеального работника», но сама техническая часть интереснее. Компания пытается показать, что гуманоидный робот может быть не просто красивым прототипом для ролика, а машиной, которая выдерживает длинную рабочую сессию. Что такое Helix-02 Helix-02 — это единая нейросетевая система управления телом робота. Она отвечает не за одну отдельную функцию, а сразу за ходьбу, равновесие, корпус, руки, запястья, пальцы и контакт с предметами. В классической промышленной робототехнике разные движения часто разделены между отдельными модулями и правилами. Figure AI идёт другим путём: пытается собрать управление в одну обучаемую модель, которая получает данные с камер, тактильных сенсоров и датчиков положения корпуса. Коротко: робот должен не просто повторять заранее прописанные движения, а подстраиваться под живую среду, где предметы лежат неровно, рядом работают другие машины, а условия постоянно меняются. Что показали в демонстрациях По заявлению Figure AI, роботы на Helix-02 могут выполнять задачи несколько минут подряд без сброса состояния и помощи человека. В одном примере гуманоид четыре минуты загружал и разгружал посудомоечную машину на обычной кухне. Это не такая простая задача, как кажется. Нужно распознавать тарелки и чашки, удерживать равновесие, менять хват, не задевать дверцу и правильно размещать предметы. Для человека это бытовая рутина, для робота — длинная цепочка мелких решений. Отдельно компания показала мелкую моторику: роботы откручивали крышки бутылок, доставали таблетки из органайзеров, выдавливали жидкость из шприцев и выбирали металлические детали из беспорядочной кучи. Здесь важны не только камеры, но и тактильные сенсоры: без контроля силы и проскальзывания такие действия быстро превращаются в случайность. Почему важен System 0 Внутри Helix-02 есть компонент System 0. По данным Figure AI, его обучали на более чем 1000 часах человеческих движений, чтобы он управлял всем телом робота сразу. Компания также утверждает, что System 0 заменяет больше 109 тысяч строк C++-кода, написанного вручную. Это хороший пример того, куда движется робототехника: часть сложной ручной логики постепенно заменяют обучаемыми моделями. Где уже тестировали роботов Ранее Figure AI тестировала робота Figure 02 на заводе BMW Group в Спартанберге. В источнике указано, что машина ростом около 170 см, массой 70 кг и грузоподъёмностью 20 кг работала в реальной фабричной среде. Также компания сообщала о 10-часовых сменах на объектах BMW, перемещении более 90 тысяч деталей и участии в выпуске компонентов для более чем 30 тысяч автомобилей BMW. Эти цифры стоит воспринимать как данные самой Figure AI: независимой проверки в источнике не приводится. Что это меняет Figure AI конкурирует с Tesla, Agility Robotics, Apptronik и другими компаниями, которые хотят вывести универсальных гуманоидов из лабораторий на склады, заводы и в бытовые сценарии. Пока рынок только формируется, поэтому каждая такая демонстрация работает и как технический отчёт, и как презентация для будущих заказчиков. Главный вопрос остаётся простым: сможет ли робот стабильно работать не в тщательно подготовленном ролике, а в обычной рабочей среде, где всё немного криво, шумно и непредсказуемо. Именно там станет понятно, насколько «восьмичасовая смена» близка к реальному продукту. Если такие системы действительно научатся выдерживать смены в реальной среде, конкуренция в робототехнике будет идти уже не за самый красивый прототип, а за надёжность, стоимость обслуживания и простоту внедрения. Итог Figure AI показывает сильную заявку, но к таким демонстрациям лучше относиться спокойно. Восьмичасовая работа без оператора звучит впечатляюще, но бизнесу важны не ролики, а стабильность, безопасность и цена владения. Самым перспективным выглядят фабричные и складские задачи, где среда всё-таки более предсказуема, чем обычная квартира. До «универсального помощника на все случаи» ещё далеко, но направление уже выглядит гораздо менее фантастическим, чем несколько лет назад. Источник: SecurityLab

Линус Торвальдс снова жёстко высказался об использовании ИИ в разработке, но на этот раз речь не о генерации кода. Проблема оказалась практичнее: в проект Linux стали массово приходить отчёты об уязвимостях, найденных с помощью AI-инструментов. По данным источников, поводом стала ситуация вокруг приватного списка рассылки Linux Security. Торвальдс заявил, что из-за потока AI-отчётов он стал почти неуправляемым: разные люди находят одни и те же проблемы одними и теми же инструментами, а затем отправляют повторяющиеся сообщения. В чём проблема Сам по себе поиск ошибок с помощью ИИ Торвальдс не отвергает. Его раздражает другое: когда человек отправляет «сырой» отчёт, не проверяет влияние бага, не готовит исправление и не понимает, чем найденная проблема отличается от уже обсуждавшейся. «AI-инструменты хороши, но только если они действительно помогают, а не создают лишнюю боль и бессмысленную работу». Смысл этой фразы простой: ИИ может быть полезным помощником, но он не должен превращать мейнтейнеров в сортировщиков автоматически сгенерированных жалоб. Почему приватный разбор не подходит Торвальдс отдельно отметил, что ошибки, найденные AI-инструментами, по сути часто не являются секретными. Если один человек нашёл их с помощью модели или автоматического анализа, высок шанс, что другие сделали то же самое. Из-за приватного канала отчётность становится ещё менее удобной: участники не видят дубликаты, не знают, что проблема уже исправлена или обсуждалась публично, и снова тратят время на пересылку сообщений нужным людям. Коротко: проблема не в том, что AI находит баги, а в том, что он резко удешевил массовую отправку слабых и повторяющихся отчётов. Новые правила для отчётов В ядре Linux уже обновили документацию по обработке security bugs. В ней уточняется, что приватный список должен использоваться для срочных и реально опасных уязвимостей, а большинство проблем лучше обсуждать публично — там больше проверяющих и выше шанс получить нормальное исправление. Для AI-assisted отчётов теперь важны понятные требования: краткий plain text без лишнего оформления, проверенное влияние, воспроизводимость и описание реального риска. Если есть эксплойт, его не предлагают публиковать открыто, но можно сообщить, что он существует, и передать детали мейнтейнеру по запросу. Что это говорит об open source Эта история хорошо показывает новый тип нагрузки на open source-проекты. Раньше узким местом был поиск ошибок. Теперь всё чаще узким местом становится проверка: что из найденного реально опасно, что уже исправлено, а что просто выглядит страшно в отчёте. Для Linux это особенно чувствительно. Ядро обслуживает огромную экосистему, и лишний шум в security-каналах — не мелкая неприятность, а реальная потеря времени у людей, которые должны заниматься важными исправлениями. Финальная мысль здесь довольно земная: если AI нашёл баг, это ещё не готовый вклад в проект. Готовый вклад начинается там, где человек проверил находку, понял её последствия и помог довести дело до исправления. Итог Позиция Торвальдса выглядит резкой, но понятной. В безопасности ценится не количество сообщений, а точность: воспроизводимость, влияние, понятный риск и желательно патч. AI может ускорить поиск, но он не должен снимать ответственность с человека, который нажал «отправить». В этой истории особенно важно, что Linux не запрещает такие отчёты, а фактически требует от авторов взрослой работы после находки. Источник: OpenNET

*Meta рассказала о развитии собственной линейки AI-чипов MTIA — Meta Training and Inference Accelerator. Компания делает на них ставку как на часть инфраструктуры, которая должна обслуживать ИИ-функции для миллиардов пользователей: от рекомендаций до ассистентов и генеративных моделей. Модели меняются быстрее, чем классический цикл разработки железа. Поэтому компания пытается выпускать новые поколения ускорителей чаще и точнее подстраивать их под реальные нагрузки. Четыре поколения за короткий срок После MTIA 100 и MTIA 200 компания ускорила разработку сразу по четырём следующим поколениям: MTIA 300, MTIA 400, MTIA 450 и MTIA 500. Часть из них уже используется или готовится к внедрению, а массовые развёртывания MTIA 450 и MTIA 500 запланированы на 2027 год. По словам *Meta, в production уже работают сотни тысяч MTIA-чипов. Это важная деталь: речь не о лабораторном эксперименте, а о железе, которое постепенно встраивают в реальные сервисы компании. Коротко: *Metaне отказывается от внешних решений, но хочет иметь собственный слой ускорителей для задач, где важны масштаб и стоимость. Почему фокус смещается к inference В материале отдельно подчёркивается, что новые MTIA всё больше оптимизируют под GenAI inference — то есть под запуск уже обученных моделей для ответа пользователям. Это логично: обучение больших моделей требует огромных ресурсов, но ежедневное обслуживание запросов миллиардов людей тоже становится отдельной дорогой задачей. MTIA 300 изначально был ближе к задачам ranking and recommendation, то есть ранжированию и рекомендациям. MTIA 400 уже лучше адаптировали под GenAI, а MTIA 450 и 500 получили дополнительные оптимизации именно для генеративного inference. Память, скорость и чиплеты *Meta делает акцент на пропускной способности памяти HBM и модульной архитектуре. От MTIA 300 до MTIA 500 пропускная способность HBM выросла в 4,5 раза, а compute FLOPS — в 25 раз, если сравнивать заявленные параметры в линейке. Для MTIA 450 компания удвоила HBM bandwidth относительно MTIA 400, а для MTIA 500 добавила ещё 50% к MTIA 450. В таких задачах память часто становится не менее важной, чем «сырая» вычислительная мощность: модели нужно быстро читать и передавать огромные объёмы данных. *Meta также использует модульный подход с chiplets. Это позволяет обновлять отдельные блоки быстрее и не ждать несколько лет до следующего большого поколения. Софт не менее важен, чем железо Ещё один заметный акцент — совместимость с привычным стеком разработки. MTIA строится вокруг PyTorch, а также использует vLLM, Triton и подходы Open Compute Project. Для разработчиков внутри компании это должно снижать трение: модели можно переносить на MTIA без полного переписывания под новое железо. Стек поддерживает eager и graph modes, интеграцию с torch.compile и torch.export, а также инструменты мониторинга, профилирования и отладки для production-среды. Где остаются вопросы Материал *Meta подробно рассказывает о стратегии и технических улучшениях, но это всё же текст самой компании. В нём мало независимых сравнений с GPU и почти нет деталей о стоимости владения, энергопотреблении в реальных сценариях и ограничениях при разных типах моделей. Тем не менее направление понятно. Большие AI-компании всё чаще хотят контролировать не только модели и приложения, но и железо под ними. Когда inference становится массовой услугой, собственный чип — это уже не имиджевый проект, а способ считать экономику на годы вперёд. 5. Почему это интересно История MTIA показывает, что гонка в ИИ идёт не только вокруг моделей, но и вокруг инфраструктуры. Чем больше пользователей общается с AI-сервисами каждый день, тем важнее становятся стоимость одного запроса, память, охлаждение, сетевые задержки и удобство переноса моделей. *Meta фактически говорит: универсальные GPU остаются важны, но для части массовых задач компания хочет более точное собственное железо. Это может стать обычной логикой для крупных платформ, у которых есть достаточно масштаба. Итог Компания пытается сделать железо ближе к темпу развития моделей, и это выглядит разумно для такого масштаба. Но оценивать MTIA только по заявленным приростам нельзя: реальные преимущества проявятся в стоимости, стабильности и удобстве эксплуатации в дата-центрах. Для обычного пользователя это останется невидимым, но именно такие вещи будут определять, насколько доступными и быстрыми станут AI-функции внутри больших сервисов. Источник: Meta AI * Компания Meta и её продукты признаны экстремистскими, их деятельность запрещена на территории РФ.