Милютин Код

Автор: Milyutin

  • От идеи до работающего автопостинга: как я перешёл с PHP на Python и что из этого вышло

    От идеи до работающего автопостинга: как я перешёл с PHP на Python и что из этого вышло

    Привет, друг!

    Меня зовут Константин Милютин. Если ты читал мои предыдущие посты, ты знаешь: я больше месяца пытался довести до ума PHP-плагин для автопостинга новостей. Исправил 20+ ошибок, научил его работать с YandexGPT, генерировать картинки и заполнять SEO. Но плагин всё равно был капризным — то настройки слетали, то API возвращал 404, то хостинг блокировал соединения.

    Я устал. Не физически, а морально. Каждый день я думал: «Ну сколько можно?» И в какой-то момент я понял, что не обязан биться головой об одну и ту же стену. Можно попробовать другой путь.

    И я попробовал. Я перешёл на Python.

    Сегодня я хочу подвести итог нашей с DeepSeek работы за последние недели. Расскажу, что мы сделали, с чем столкнулись, какие ошибки уже исправили и какие ещё остались. А главное — поделюсь мыслями о том, что этот проект дал мне как разработчику.

    Часть 1. Почему я вообще начал это делать

    Изначально я хотел создать систему, которая будет:

    • Парсить RSS-ленты ведущих мировых AI-ресурсов.
    • Переводить новости на русский.
    • Делать рерайт, чтобы они были уникальными.
    • Публиковать на моём сайте milyutin-codes.ru.
    • Всё это без моего участия — просто работает и приносит свежий контент.

    Казалось бы, логично — я использую WordPress, значит, и плагин должен быть на PHP. Я написал его, настроил, запустил. И… понеслось.

    С чем я столкнулся:

    • Настройки слетали после каждого обновления.
    • YandexGPT возвращал ошибки 404 из-за устаревшего формата запросов.
    • Хостинг блокировал частые запросы к API.
    • Плагин работал внутри WordPress и конфликтовал с другими плагинами.

    Я потратил неделю, исправил более 20 ошибок, но плагин всё равно оставался нестабильным. И тогда я понял главное: я не хочу быть «администратором» своего плагина. Я хочу, чтобы он просто работал.

    Часть 2. Переход на Python — точка бифуркации

    Когда я задал DeepSeek вопрос: «Может, реализовать автопостинг на Python, если это проще?» — он ответил: «Да, на Python будет проще». И оказался прав.

    Python — это язык для автоматизации. Он не привязан к WordPress, не зависит от версий PHP и не конфликтует с плагинами. Он просто делает свою работу и завершается.

    Что изменилось после перехода:

    • Скрипт работает независимо от сайта.
    • Ошибки не валят WordPress.
    • Я могу запускать его по расписанию через cron.
    • Код стал проще и понятнее.

    Вывод: Иногда правильное решение — не «починить» текущую систему, а «пересесть» на другую.

    Часть 3. Эволюция плагина: хронология ключевых изменений

    PHP
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    За время работы мы внесли множество доработок. Вот основные этапы:

    📅 4 августа 2026 — Публикация дубликатов из-за неверной проверки

    Проблема: Скрипт проверял дубликаты по переведённому заголовку, который при каждом новом запуске отличался из-за вариативности перевода. Это приводило к многократной публикации одной и той же новости.

    DeepSeek
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    Решение: Переработана логика проверки дубликатов. Теперь скрипт использует оригинальный заголовок из RSS и сохраняет RSS GUID в мета-поля поста. При повторной проверке сначала идёт поиск по GUID, затем по нормализованному заголовку (очищенному от кавычек и знаков препинания).

    📅 5 августа 2026 — Ошибка 401 при создании тегов и публикации

    Проблема: WordPress REST API не принимал обычный пароль пользователя, возвращая 401 – rest_cannot_create.

    Решение: В инструкцию добавлено требование использовать пароль приложения (Application Password), создаваемый в профиле пользователя. В коде исправлена авторизация через базовую аутентификацию.

    📅 6 августа 2026 — Парсинг дат работал нестабильно

    Проблема: Скрипт не мог корректно распарсить даты в формате RFC 2822, из-за чего подставлял текущее время, и старые статьи публиковались повторно.

    Решение: Внедрена функция normalize_date(), использующая встроенный парсер feedparser и email.utils. Добавлено извлечение даты из HTML-мета-тегов (article:published_time).

    📅 7 августа 2026 — Логика очереди публикаций

    Проблема: При ручном запуске или по расписанию публиковалась только самая свежая новость, а все остальные терялись.

    Решение: Внедрена система очереди. Новые записи добавляются в список pending_entries в config.json, а затем публикуются по одной при каждом запуске.

    📅 8 августа 2026 — Дублирование при первом запуске

    Проблема: При первом запуске скрипт добавлял в очередь все записи из RSS, включая старые, и начинал их публиковать.

    Решение: Добавлена логика «первого запуска»: если last_published_date отсутствует, публикуется только самая свежая запись, а остальные игнорируются.

    📅 10 августа 2026 — Ошибка 403 от Wordfence при обновлении Rank Math

    Проблема: Плагин безопасности Wordfence блокировал запросы к эндпоинту /rankmath/v1/updateMeta, возвращая 403 Forbidden.

    Решение: Обновление SEO-мета-полей перенесено на стандартный REST API WordPress (/wp/v2/posts/{id}) с передачей данных в поле meta. Добавлен корректный User-Agent.

    📅 11 августа 2026 — Иерархические категории

    YandexGPT
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    Проблема: Все новости публиковались в одну категорию, без структурирования по темам.

    Решение: Реализована иерархическая система категорий:

    • Родительская категория: «Новости ИИ» (slug: novosti-ii).
    • Дочерние подрубрики: 9 штук + «Разное» для нераспознанных новостей.
    • Автоматическое создание недостающих категорий при первом запуске.

    📅 12 августа 2026 — Определение компании и перевод длинных статей

    YandexGPT
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    Проблема:

    • Названия компаний переводились на русский, терялась идентичность.
    • Статьи длиннее 2500 символов обрезались или переводились с ошибками.

    Решение:

    • Добавлена функция extract_company_name(), которая отдельным запросом к YandexGPT определяет главную компанию (на английском) и использует её в SEO-полях и alt-текстах.
    • Реализована разбивка длинных текстов на части (split_text_into_chunks()), каждая часть переводится отдельно, затем результаты склеиваются.

    📅 17 августа 2026 — Очистка ответов YandexGPT

    Проблема: В названиях компаний появлялись лишние слова («Amazon Вопрос», «Meta Вопрос»), а иногда скрипт не мог распарсить ответ.

    Решение: Ужесточены промпты для YandexGPT, добавлена очистка ответов от стоп-слов и переносов строк. Введена повторная попытка генерации заголовка и тегов с альтернативным форматом.

    Часть 4. Что мы получили в итоге

    Python
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    После всех доработок плагин:

    ✅ Публикует новости строго по очереди, без дубликатов.

    ✅ Корректно определяет компании и использует их в SEO.

    ✅ Автоматически создаёт иерархию категорий.

    ✅ Переводит статьи любого объёма (разбивка на части).

    ✅ Обновляет SEO-поля Rank Math через стандартный REST API.

    ✅ Работает 24/7 на сервере как systemd-служба.

    ✅ Извлекает изображения из оригинальных статей и вставляет их в пост.

    ✅ Очищает текст от рекламы и мусора.

    ✅ Добавляет ссылку на источник в виде аккуратного домена.

    Часть 5. Что ещё осталось исправить

    RSS
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    Плагин работает, но всё ещё есть мелкие ошибки, которые я исправляю в данный момент:

    1. Иногда YandexGPT возвращает 400 — если промпт слишком длинный или формат нарушен. Добавил обрезку текста до 3000 символов и логирование ответа, но иногда ошибка всё равно возникает.
    2. Изображения не всегда загружаются — если URL картинки битый или сайт блокирует запросы. Пока просто пропускаем, но планирую добавить повторные попытки.
    3. SEO-поля Rank Math обновляются не всегда — иногда API возвращает 404, если пост только что создан. Добавил задержку перед обновлением мета-полей.
    4. На тестовом домене иногда слетают настройки — потому что я часто перезапускаю скрипт и меняю конфиг. Это не критично, но нужно будет исправить.
    5. Некоторые RSS-ленты не парсятся — если сайт использует нестандартный формат или требует авторизации.

    Но я не отчаиваюсь. Каждая ошибка — это урок. И я исправляю их одну за другой.

    Часть 6. Мои главные выводы

    1. Не бойтесь менять инструменты.

    Если PHP-плагин не работает — напишите на Python. Это быстрее, чем пытаться «починить» то, что сломано по своей сути.

    2. Качество контента — это не только текст.

    Картинки, структура, категории — всё это влияет на восприятие. ИИ может помочь с текстом, но структуру и логику контента должен продумывать человек.

    3. Автоматизация не заменяет человека.

    Я автоматизировал сбор, перевод и публикацию новостей. Но я всё равно проверяю их, редактирую, если нужно, и думаю о том, как улучшить систему.

    4. ИИ — это инструмент, а не волшебная таблетка.

    YandexGPT помогает мне писать тексты, но я отвечаю за то, как они звучат. Python помогает мне автоматизировать рутину, но я отвечаю за то, как система работает.

    5. DeepSeek — идеальный напарник.

    Он объясняет, подсказывает, исправляет ошибки и не даёт опустить руки. Без него я бы не справился.

    Часть 7. Что дальше?

    Как только я исправлю все оставшиеся мелкие ошибки, я выложу код плагина в свободный доступ на своём сайте. Чтобы любой желающий мог скачать его, настроить под себя и использовать для своего WordPress-сайта.

    В ближайших планах:

    • Добавить поддержку нескольких RSS-источников одновременно.
    • Реализовать более умное распознавание ключевых сущностей.
    • Внедрить логирование в базу данных для статистики.
    • Добавить пагинацию на страницах «Блог» и «Новости ИИ».
    • Настроить RSS-ленту для новостей.

    Призыв к действию

    Друг, если ты тоже разработчик-самоучка и иногда чувствуешь, что застрял — вспомни мою историю. Иногда правильнее не биться головой о стену, а найти обходной путь. Взять паузу. Сделать шаг назад, чтобы потом прыгнуть дальше.

    Подписывайся на мой блог, чтобы не пропустить новость о выходе готового плагина в открытый доступ.

    Python-скрипт
    Создано с помощью нейросети Алисы YandexART для milyutin-codes.ru

    Контакты

    📧 Email: milyutinkv@gmail.com
    🌐 Сайт: milyutin-codes.ru
    💬 Группа ВК: vk.ru/milyutin_codes

    Задавай вопросы, делись идеями, пиши свои истории. Мы вместе.

    Продолжение следует. Скоро — открытый код.

    Константин Милютин
    Автор блога «Милютин Код»

  • Starcloud привлекла дополнительные 250 миллионов долларов для развития спутников с ИИ

    Starcloud привлекла дополнительные 250 миллионов долларов для развития спутников с ИИ

    Старкоуд, стартап, разрабатывающий спутники, которые могут выполнять искусственный интеллект на орбите, сообщил TechCrunch, что добавил продление на 250 миллионов долларов к своему раунду финансирования серии А на сумму 170 миллионов долларов в марте. Продление оценивает компанию в 2,3 миллиарда долларов.

    Дополнительный капитал позволит компании открыть более крупный производственный комплекс и продвинуть свой крупнейший космический корабль с орбитальным дата-центром Starcloud-3, который предназначен для запуска на будущей ракете SpaceX Starship. Генеральный директор Филип Джонстон также аккумулирует капитал, чтобы обеспечить запуск своих спутников, поскольку рынок ракетных перевозок ужесточается.

    «Мы видим, что нас ждёт — нам нужно будет забронировать огромное количество запусков», — сказал Джонстон TechCrunch. Starcloud уже запросила у FCC разрешение на эксплуатацию 88 000 космических аппаратов.

    «Как только мы сможем, мы хотим заключить контракт на такие вещи, как Starship», — сказал Джонстон. «Одной из самых больших затрат сейчас является обеспечение запуска вашей ракеты… запуск сейчас довольно ограничен, потому что программа Falcon 9 от SpaceX должна завершиться в 2028 году».

    Затраты на запуск уже были одной из самых больших проблем для стартапов, занимающихся созданием орбитальных дата-центров, вплоть до того, что один стартап решил построить собственные ракеты.

    SpaceX сейчас планирует постепенно отказаться от своего основного транспортного средства и запустить в эксплуатацию гораздо более крупную, но всё ещё непроверенную ракету Starship, что усложняет планирование для операторов спутников. Это особенно актуально, пока конкурирующие ракеты, такие как New Glenn от Blue Origin и Vulcan от ULA, не летают регулярно, а новые аппараты, такие как Neutron от Rocket Lab, ещё не установлены на стартовой площадке.

    На данный момент Starcloud сосредоточена на запуске двух спутников нового поколения с вычислительной мощностью 8 кВт (получивших название Starcloud-2) на совместных рейсах в 2027 году. Они будут выполнять задачи по орбитальному выводу для клиентов, включая государственные учреждения США. Starcloud рассматривает возможность покупки специального запуска Falcon 9 для вывода большего количества космических аппаратов и подписания контрактов с другими поставщиками для поддержки будущих миссий.

    Тем не менее, Starcloud в конечном итоге построена вокруг потенциала Starship от SpaceX, который позволит снизить затраты на запуск настолько, чтобы создать орбитальный слой вывода, способный конкурировать с наземными центрами обработки данных. Джонстон говорит, что он по-прежнему уверен в способности SpaceX продемонстрировать, что самую мощную в мире ракету можно быстро и часто использовать повторно.

    На этой неделе генеральный директор SpaceX Илон Маск заявил, что его компания отложит попытку поймать возвращающуюся ракету Starship на несколько месяцев и впервые попытается осуществить повторный полёт этого аппарата в конце года или в начале 2027 года.

    «Очевидно, что если мы не сможем забронировать запуск SpaceX в 2029 году, это будет для нас сложной задачей», — сказал Джонстон.

    Расширение финансирования Starcloud было осуществлено при участии Manhattan West Ventures, в нём приняли участие Nvidia и Cisco; человек, знакомый с условиями сделки, сообщил, что Nvidia вложила 25 миллионов долларов в поддержку Starcloud. Среди других участников были Benchmark, EQT, Soma, NFX, 776, Cedar Capital, Goanna Capital и Standard Capital.

    Джонстон указывает на инвестиции Nvidia как на ключевой сигнал о преимуществах Starcloud в зарождающемся секторе космических вычислений. Starcloud — единственная компания (о которой нам известно), которая в настоящее время использует наземный центр обработки данных Nvidia H100 с графическим процессором на орбите и первая, кто обучил модель с его помощью; большинство других космических графических процессоров предназначены для периферийной обработки. Starcloud делится этими знаниями с Nvidia, пока производитель микросхем разрабатывает свой первый специально созданный графический процессор для космоса — чип Vera Rubin Space-1.

    “Причина, по которой они решили сделать эти инвестиции сейчас, заключается во всех этих данных, которые мы получили из Starcloud One”, — сказал он TechCrunch. — “Они больше, чем любой другой венчурный капиталист, проделали гораздо больше технической работы по этому проекту, чем кто-либо другой”.

    Чип, готовый к работе в космосе, ещё даже не создан, но Starcloud надеется запустить его на орбиту где-то в конце 2028 года. Джонстон говорит, что его инженеры отслеживают несколько ключевых проектных решений: взаимосвязь между рабочей температурой чипа и размером радиаторов, рассеивающих это тепло, размещение радиационной защиты и меры по укреплению, необходимые для того, чтобы чипы пережили нагрузку при запуске ракеты.

    Компания, в которой на данный момент работает 25 сотрудников и которая растёт, разрабатывает производственные линии на заводе площадью 100 000 квадратных футов в Вудинвилле, штат Вашингтон, недалеко от того места, где SpaceX и Amazon создают спутники для своих сетей связи.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • Micro1: рост доходов в сегменте маркировки данных для ИИ

    Micro1: рост доходов в сегменте маркировки данных для ИИ

    Почти безграничный спрос на уникальные данные для обучения ИИ со стороны ведущих лабораторий и корпораций способствует мощному росту стартапов, занимающихся маркировкой данных.

    Один из таких быстрорастущих бизнесов — Micro1, четырёхлетний стартап, который за последние восемь месяцев увеличил свой валовой годовой объём выручки с 100 миллионов долларов до 500 миллионов долларов, по словам человека, знакомого с компанией. Как и его коллеги, нанимающие экспертов в предметных областях, таких как врачи, юристы и учёные, на контрактной основе, Micro1 оставляет у себя примерно от 60% до 70% этой суммы, что ставит его чистый годовой объём выручки в диапазоне от 150 миллионов до 200 миллионов долларов.

    Хотя Micro1 всё ещё отстаёт от конкурентов, таких как Mercor (который достиг 2 миллиардов долларов валовой годовой выручки этим летом) и Handshake (который достиг 1 миллиарда долларов в начале этого года), рост доходов стартапа показывает, что существует более чем достаточный спрос для поддержки нескольких игроков, поставляющих данные для обучения ИИ.

    Быстрый рост, несомненно, продолжится, причём некоторые исследователи предполагают, что будущие расходы на ИИ на данные могут сравняться с расходами на вычисления.

    Такие перспективы являются хорошими для Micro1, который наблюдает ускоренный рост размеров контрактов и ожидает расширения своей маржи с течением времени. Стартап всё чаще генерирует синтетические данные без участия человека, например, путём создания автоматизированных описаний видеоконтента. Кроме того, часть данных, которые он генерирует, может быть продана нескольким клиентам, что приводит к валовой марже для этих «готовых к использованию» данных на уровне от 80% до 90%, сообщил человек, знакомый с финансами стартапа, TechCrunch.

    Продажа одних и тех же наборов данных нескольким клиентам вызвала недавние споры, причём критики утверждают, что распространение готовых к использованию данных среди китайских разработчиков ИИ помогает сделать их модели такими же мощными, как у ведущих американских моделей.

    Основатель Micro1, Али Ансари, заявил в прошлом месяце в X, что, в отличие от некоторых своих конкурентов, стартап не продаёт свои данные производителям моделей в Китае. «Некоторые компании, работающие с человеческими данными, сотрудничают с иностранными противниками. И результаты сегодня видны в Kimi K3. Мы считаем, что это позор — заявлять о стремлении к доминированию американского ИИ, одновременно продавая данные на миллионы долларов странам, с которыми мы находимся в конкурентной борьбе».

    Как и Mercor, Micro1 начинался как стартап по подбору персонала для искусственного интеллекта. Но, заметив, что клиенты, занимающиеся маркировкой данных, используют его платформу искусственного интеллекта для проверки и найма инженеров для аннотирования, Ансари решил сменить направление и тоже войти в бизнес по маркировке данных.

    Ансари ранее говорил TechCrunch, что помимо оценки результатов работы моделей экспертами компании — концепция, известная как «тренажёры для обучения с подкреплением», — компания создаёт набор данных для предварительной подготовки роботов, предлагая сотням неспециалистов записывать взаимодействия с повседневными объектами у себя дома.

    Micro1 привлекла финансирование в рамках серии А с оценкой в 500 миллионов долларов в сентябре прошлого года, и TechCrunch стало известно, что стартап, возможно, недавно привлёк ещё один раунд финансирования по значительно более высокой оценке.

    Micro1 не ответила на запрос о комментарии.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • OpenAI догоняет Anthropic в США: новые данные от Ramp

    OpenAI догоняет Anthropic в США: новые данные от Ramp

    Пока OpenAI и Anthropic не подойдут достаточно близко к запланированному проведению IPO, чтобы опубликовать свои финансовые отчёты, нам приходится искать другие источники, чтобы понять, насколько хорошо обстоят дела у их бизнеса. Один из таких источников — Ramp, компания по управлению корпоративными кредитными картами и расходами, только что опубликовала неожиданные новые данные: OpenAI начала догонять Anthropic среди компаний в США.

    OpenAI, которая когда-то была бесспорным лидером среди бизнеса и потребителей, потеряла лидерство среди платящих бизнес-пользователей Ramp ещё в мае. Тогда доля Anthropic на рынке составила 41%, а у OpenAI — 39%. Производитель ChatGPT так и не вернул себе это лидерство. По состоянию на июль у Anthropic почти 44%, а у OpenAI — почти 40%.

    Данные охватывают более 70 000 американских компаний, которые тратят миллиарды через платёжную систему Ramp и продукты с корпоративными картами. Клиенты Ramp представлены в разных отраслях, но, как популярная в Кремниевой долине корпоративная кредитная карта, они тяготеют к технологической индустрии.

    Более детальный анализ последних данных, по словам экономиста Ramp Ара Харазиана, показывает, что OpenAI в настоящее время растёт быстрее среди этого сегмента в третьем квартале по сравнению с Anthropic. Заметьте, в квартале остался ещё месяц, а это как 30 лет в сфере ИИ, так что тенденция может легко измениться снова до его окончания. Ramp также отказался предоставить фактические данные о потраченных суммах, поделившись только процентами.

    Чтобы на мгновение позаимствовать стиль хеджирования ChatGPT: это не показатель всего рынка. В него не входят крупные предприятия, которые используют инструменты управления расходами от таких поставщиков, как American Express, а не Ramp. Но этих данных достаточно, чтобы показать рыночные индикаторы. И то, что они показывают, — это то, что Anthropic не победила окончательно. Компании готовы колебаться, переключаясь между лабораториями, которые выпускают новые модели, — волатильность, которая должна заставить инвесторов обеих компаний задуматься о том, насколько «прилипчивы» корпоративные расходы на ИИ.

    “GPT-5.6 Sol действительно хорош, всё чаще становится выбором разработчиков”, — написал Харазиан в X об очередном росте OpenAI. “Между тем Fable 5 разочаровала как с точки зрения принятия, так и реального применения в связи с ценой и требованиями к хранению данных, установленными регуляторами”, — продолжил он.

    Возможно, это упрощение. Fable — более продвинутый уровень модели компании Anthropic — стоит дорого, но она также создана для более узкого круга задач, чем общий чат-бот. Тем не менее, компания Anthropic вызвала некоторое возмущение, когда предупредила пользователей Fable, что должна хранить их данные в течение 30 дней.

    Данные Ramp также свидетельствуют о том, что обе компании должны увеличивать выручку, даже когда они борются за долю рынка, потому что рынок в целом расширяется. Процент компаний, которые платят за ИИ среди этих клиентов Ramp, неуклонно растёт. В марте он превысил 50%. К июлю достиг почти 56%.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • «ChatGPT теперь в ваших Apple Messages: новые возможности и вопросы конфиденциальности»

    «ChatGPT теперь в ваших Apple Messages: новые возможности и вопросы конфиденциальности»

    Вкратце

    Если вы всегда хотели поделиться всеми своими цифровыми беседами с OpenAI, у нас для вас хорошие новости: лаборатория искусственного интеллекта только что запустила плагин для Apple Messages для ChatGPT, позволяя заинтересованным пользователям подключить свой почтовый ящик Messages к чат-боту.

    По мнению OpenAI, преимущества этого шага многочисленны. Пользователи могут использовать плагин для сортировки, анализа или редактирования своих сообщений прямо из ChatGPT. Плагин также работает с Codex и ChatGPT Work, поэтому пользователи могут использовать его не только в личных, но и в профессиональных целях.

    В краткой рекламе нового плагина показан пользователь, который просит чат-бота предложить ответные сообщения своим контактам на основе полученных за предыдущий день.

    Вы также можете попросить ChatGPT удалить сообщения за вас, составить черновики и отправить сообщения от вашего имени или найти информацию, спрятанную глубоко в вашей истории сообщений.

    Как и в случае со многими другими технологиями, связанными с искусственным интеллектом, эта новая функция вызывает вопросы о конфиденциальности. OpenAI сообщила Bloomberg, что плагин работает на устройстве пользователя локально и «не создаёт индекс всех сообщений пользователя». Однако детали того, что это означает, пока не совсем ясны. TechCrunch обратился к OpenAI за дополнительной информацией.

    Когда дело доходит до отправки сообщений, OpenAI призывает пользователей следить за тем, что делает ChatGPT, и не включать постоянное одобрение, предупреждая, что это «лишает вас последней возможности просмотреть сообщение перед тем, как ChatGPT отправит его от вашего имени», — пишет компания.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • «Жидкая Смерть» и Джейсон Келси придумали необычный способ охлаждения дата-центров

    «Жидкая Смерть» и Джейсон Келси придумали необычный способ охлаждения дата-центров

    В дерзкой маркетинговой кампании Liquid Death объединилась с бывшим звёздным игроком команды Philadelphia Eagles Джейсоном Келсом, чтобы поделиться решением по снижению воздействия центров обработки данных ИИ на окружающую среду, для которых требуются огромные объёмы воды, чтобы предотвратить перегрев серверов.

    «Центры обработки данных ИИ тратят впустую миллионы галлонов воды, — шутит Келс в видеокампании. — Вот почему Liquid Death и Garage Beer объединились. Мы хотим, чтобы ваша моча охлаждала эти центры обработки данных».

    Затем, когда толпа людей идёт по полю, попивая фирменные напитки, они поют в унисон: «Давайте вместе помочим компьютеры, чтобы спасти человечество!»

    Это забавная реклама. Ещё смешнее то, что Келс невольно наткнулся на реальную тактику охлаждения центров обработки данных.

    «Реклама Liquid Death забавная и ироничная, — сказал Майкл Обрадович, вице-президент по глобальным счетам центров обработки данных в Ecolab, изданию TechCrunch. — Но в реальности уже сейчас альтернативные источники воды в значительной степени используются для охлаждения этих центров обработки данных».

    Эти альтернативные источники воды, когда их используют в центрах обработки данных, по крайней мере частично компенсируют потребность в питьевой воде. Одним из таких альтернативных источников воды является очищенная вода, которую получают путём очистки сточных и канализационных вод, чтобы их можно было снова использовать. Сточные и канализационные воды содержат много всего, в том числе — как вы уже догадались! — человеческую мочу.

    «Вы не будете просто использовать мочу, но вы можете очистить её и превратить в полезную воду, и это то, что мы пропагандируем», — сказал Бруно Пиготт, исполнительный директор Ассоциации повторного использования воды и бывший исполняющий обязанности помощника администратора по водным ресурсам Агентства по охране окружающей среды США (EPA), изданию TechCrunch.

    Чтобы было понятно: вам не следует на самом деле вносить свой вклад в охлаждение центров обработки данных, как предлагает Келс в шутку. Но просто ради мысленного эксперимента: что произойдёт, если вы попытаетесь охладить центр обработки данных с помощью непрерывного потока мочи?

    “Моча содержит всевозможные вещества. Она содержит соли, мочевину, бактерии, органические вещества всех видов, которые могут оставлять минеральные отложения. Если бы вы просто залили это в градирню или куда-то ещё, потребовалась бы постоянная очистка”, — сказал Пиготт. “Один из методов охлаждения называется испарительным охлаждением, когда горячий воздух пропускают через воду, чтобы удалить тепло за счёт испарения. Можете себе представить, если бы вы просто пролили мочу через горячий воздух?”

    У нас есть технология, позволяющая превратить мочу в питьевую воду — именно так поступают астронавты в космосе, поскольку они могут взять с собой в космическом корабле только ограниченное количество воды. Но это неэффективно в больших масштабах, и даже если бы это было так, учёные не могут просто получить доступ к миллионам галлонов мочи по своему желанию (ну, если только Келс действительно не вживается в роль). Вместо этого вода из наших туалетов попадает в сточные воды.

    Именно здесь на помощь приходят очистные сооружения, которые обеспечивают оборотной водой, чтобы избавить нас от запаха испарившейся мочи. Эти сооружения используют мембранные биореакторы, обратный осмос, ультрафиолетовое излучение и другие процессы для очистки воды, пока она не станет достаточно чистой для промышленного использования. В некоторых случаях эту воду можно очистить настолько, что её можно пить.

    «Мы используем оборотную воду для охлаждения во всех отраслях промышленности, и так уже десятки лет», — сказала доктор Грета Зорнес, руководитель практики по повторному использованию воды в инженерной фирме CDM Smith, в интервью TechCrunch. «Так что это только одно применение, но, безусловно, наблюдается бум использования оборотной воды для охлаждения центров обработки данных».

    Хотя Зорнес работала над технологиями повторного использования воды более двух десятилетий, её повседневная работа изменилась с ростом спроса на центры обработки данных.

    «Сейчас каждый день я работаю над оборотной водой для центров обработки данных», — сказала она.

    Когда центры обработки данных используют больше переработанной воды, они не создают такой большой нагрузки на местные источники питьевой воды. Но отрасли могут перейти на использование переработанной воды только тогда, когда существует надлежащая инфраструктура для очистки миллионов галлонов воды каждый день.

    «Вы должны находиться недалеко от достаточно крупного очистного сооружения сточных вод, чтобы у вас было достаточно воды для использования, — сказал Зорнес. — Поэтому, когда центры обработки данных размещаются в сельской местности, зачастую очистные сооружения просто недостаточно велики — они не очищают столько воды, чтобы её можно было взять, очистить и использовать».

    Аэрофотоснимок центров обработки данных в округе Лудоун, штат Вирджиния. Изображение предоставлено: Gerville / Getty Images

    Округ Лудоун, штат Вирджиния, расположенный за пределами Вашингтона, округ Колумбия, является домом для более чем 250 центров обработки данных, и планируется построить ещё по меньшей мере два десятка. По состоянию на 2025 год центры обработки данных в округе Лудоун коллективно использовали около 200 миллионов галлонов переработанной воды каждый день, но водозабор этих центров обработки данных настолько велик, что это составляет лишь 43% ежедневного водопотребления центров обработки данных в этом районе. Остальные 260 миллионов галлонов, или 57% ежедневного водопотребления центров обработки данных, поступают из источников питьевой воды, по данным Loudoun Water.

    «Необходимо построить много инфраструктуры, которой сегодня обычно не существует, и это требует времени, — сказал Зорнес. — В этом одна из проблем — время, необходимое для того, чтобы всё это сделать».

    Обрадович считает, что индустрия искусственного интеллекта может даже стимулировать направление ресурсов на строительство такого рода инфраструктуры для масштабирования водоочистки. Meta, например, инвестирует не менее 270 миллионов долларов в проекты по очистке сточных вод вблизи своих центров обработки данных (компания также теряет около 4 миллиардов долларов каждый квартал в своём подразделении Reality Labs).

    «Именно здесь центры обработки данных могут реально включиться и стать опорой водной инфраструктуры», — сказал Обрадович. «Есть ряд случаев и примеров, когда центры обработки данных в рамках взаимодействия с сообществами выделяли финансовые средства и капитал некоторым муниципалитетам, чтобы помочь в решении именно таких проблем».

    Что касается политики, Пиготт выступает за принятие законодательства, которое предоставит 30%-ную налоговую льготу для помощи отраслям в масштабировании их инфраструктуры по использованию переработанной воды.

    «Мы считаем, что это значительно ускорит темпы, с которыми центры обработки данных и другие отрасли начнут работать в этом направлении», — сказал он.

    Хотя в шутке Liquid Death есть доля ненамеренной науки, рекламный ролик и его вирусность служат напоминанием для технологической отрасли о том, что экологические требования к центрам обработки данных стали общепризнанной проблемой. Согласно недавнему опросу Gallup, около семи из десяти американцев выступают против размещения центров обработки данных в своих сообществах, а продукты искусственного интеллекта продолжают сталкиваться с негативной реакцией потребителей, которые считают, что эта технология навязывается им.

    «Я рад, что люди обеспокоены водой, и всё, что повышает осведомлённость о воде, каким бы грубым оно ни было, может быть полезным», — сказал Пиготт. «Это даёт нам возможность рассказать общественности о том, что мы делаем сегодня».

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • «Runlayer и Rippling прекратили судебные разбирательства: кто кого перехитрил?»

    «Runlayer и Rippling прекратили судебные разбирательства: кто кого перехитрил?»

    В среду вечером Runlayer и Rippling прекратили соответственно свои судебные иски друг против друга. Мировое соглашение не было достигнуто. Деньги не переходили из рук в руки. Даже судебные издержки не были оплачены, согласно документам суда, с которыми ознакомился TechCrunch.

    Rippling отпраздновала это, мгновенно выпустив свой шлюз MCP — продукт, который был в центре судебных разбирательств и который конкурирует с предложением Runlayer.

    Эта публичная борьба — поучительная история для основателей: в век искусственного интеллекта, когда создание нового программного обеспечения стало почти тривиальным занятием, никогда не знаешь, кто будет твоим следующим конкурентом. Это может быть даже потенциальный клиент.

    Чтобы резюмировать недолговечную юридическую шумиху: Runlayer — это стартап на ранней стадии, который был запущен в ноябре 2025 года и привлёк в общей сложности 42 миллиона долларов от таких венчурных капиталистов, как Кит Рабуа из Khosla Ventures и Felicis. Его возглавляет основатель Эндрю Берман (среди предыдущих компаний — производитель детских мониторов Nanit и инструмент для видеоконференций с искусственным интеллектом Vowel, который был продан Zapier в 2024 году).

    Согласно иску Runlayer, после того как Rippling более года тестировала шлюз MCP от Runlayer, причём две инженерные команды тесно сотрудничали, Rippling так и не подписала договор о том, чтобы стать клиентом. Вместо этого Берман получил сообщение от сотрудника Rippling, в котором говорилось, что его работодатель разрабатывает собственный шлюз MCP и планирует выпустить его как продукт. Этот сотрудник описал продукт Rippling как клон продукта Runlayer.

    Runlayer подала в суд, утверждая, что Rippling нарушила договорные соглашения, касающиеся тестирования её продуктов.

    Шлюз MCP надёжно обрабатывает запросы ИИ-агентов предприятия к данным из других программных систем. Так, например, когда специалист по найму запрашивает подробную информацию о пяти лучших кандидатах на работу, включая их электронные письма, эти данные должны быть извлечены из системы подбора персонала компании. Шлюз управляет процессом извлечения, а не предоставляет агентам прямой доступ к программным системам компании. Затем он может включать в себя и другие функции, такие как контроль доступа на основе ролей сотрудников (менеджеры получают другой доступ, чем стажеры), наблюдаемость (журналы и пути использования) и так далее.

    Затем Rippling подала встречный иск, утверждая, что Runlayer нарушает некоторые из её патентов. Этот шаг был воспринят Runlayer как способ заставить её отказаться от иска, одновременно увеличивая судебные издержки.

    Runlayer отказалась от иска после того, как провела последние три недели в процессе обнаружения. Rippling отказалась от своего иска и не стала требовать урегулирования спора.

    Таким образом, хотя судебные иски не привели ни к чему, кроме широкой общественной огласки, для основателей есть более глубокий вывод. Ландшафт искусственного интеллекта меняется так быстро, что затяжные технические разборки, которые предприятия любят устраивать стартапам, необходимо переосмыслить. За время, прошедшее с момента, когда стартап в области искусственного интеллекта вступает в один из таких конфликтов, и до нескольких месяцев спустя, потребности и желания предприятий могут кардинально измениться.

    Тем временем, за несколько недель Rippling, чьим хлебом насущным исторически было управление заработной платой и льготами, теперь вышла на рынок шлюзов искусственного интеллекта с инструментом, который может маршрутизировать к различным моделям, одновременно отслеживая расходы на токены по сотрудникам на информационной панели. Продукт конкурирует с такими компаниями, как Stripe, Ramp и Databricks.

    Теперь Rippling также занимается бизнесом в области безопасности искусственного интеллекта с помощью этого шлюза MCP, который привязывает доступ к искусственному интеллекту к ролям сотрудников. Она конкурирует с такими компаниями, как Runlayer, Docker и Amazon Bedrock.

    Что касается Runlayer, то его фишка — это более широкий набор услуг по обеспечению безопасности агентов, привязанных к шлюзу, начиная от создания агентов и заканчивая обнаружением теневых агентов ИИ, работающих на предприятии без ведома ИТ-отдела.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • Google помогает издателям: новая функция для привлечения трафика

    Google помогает издателям: новая функция для привлечения трафика

    Поскольку искусственный интеллект продолжает сокращать посещаемость веб-сайтов, Google в четверг подбросил косточку тем издателям, на которых изменения повлияли негативно. Теперь он позволяет читателям нажать кнопку на сайте издателя, чтобы указать, что это «любимый источник», который они хотели бы видеть чаще в поиске Google, Discover и Google News.

    Технический гигант заявил, что делает эту новую интерактивную кнопку «Предпочитаемые источники» доступной для интернет-издателей, чтобы они могли разместить её на своих сайтах.

    Запуск последовал за внедрением Google функции «Предпочитаемые источники» в мае в сервисы искусственного интеллекта Google, включая режим искусственного интеллекта и обзоры искусственного интеллекта. Ранее эта опция была доступна в разделе «Главные новости».

    Идея состоит в том, чтобы облегчить читателям поиск ссылок с сайтов, которые они знают и которым доверяют, когда они ищут контент или взаимодействуют с искусственным интеллектом Google, чтобы узнать о какой-либо теме или прочитать последние новости. С момента запуска в мае компания сообщила, что люди по всему миру уже выбрали более 345 000 уникальных источников с помощью этого метода.

    Чтобы добавить сайт в качестве любимого издательства, вы можете посетить страницу настроек источников Google, затем найти издательство по имени или веб-сайту.

    Google заявил, что статус предпочтительного источника может увеличить посещаемость сайтов издателей. В более ранних исследованиях компания обнаружила, что люди в два раза чаще переходят по ссылке на предпочтительный источник, когда он доступен. Предлагая издателям эти дополнительные инструменты, Google пытается смягчить ущерб, который быстрый рост поисковых функций на основе искусственного интеллекта нанёс бизнесу, зависящему от трафика.

    Наряду с новой кнопкой Google сообщил, что вскоре читатели смогут настраивать свою ленту Discover в приложении Google своими словами. Чтобы воспользоваться этой функцией, читатели нажимают любое трёхточечное меню в ленте, а затем говорят Google, какие темы они хотели бы видеть больше или меньше, используя команды на естественном языке. Это помогает Google уточнять ленту в режиме реального времени.

    Изображение предоставлено: Google

    Поисковый гигант — не единственная компания, которая обращается к искусственному интеллекту для предложения инструментов настройки лент, основанных на ИИ. В последние месяцы ряд ведущих приложений для социальных сетей запустили алгоритмы, управляемые пользователями, которые позволяют людям точно настраивать рекомендуемый им контент.

    Помимо персонализации ленты «Обнаружение», Google сообщает, что пользователи Android также смогут настраивать свои аудиодневные брифинги в приложении Google Новости.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • Чат-бот Grok от xAI выдаёт бессмыслицу

    Чат-бот Grok от xAI выдаёт бессмыслицу

    В чат-боте Grok от xAI произошёл сбой, из-за которого многие пользователи получили в ответ бессмыслицу.

    Один из пользователей попросил модель создать PDF-файл, а в ответ получил набор слов: «match it without and your they and two for planets can practical and often cheese…» Бессмыслица продолжалась на несколько абзацев.

    Другой пользователь, проверив исходные ссылки, обнаружил ряд ссылок на сайты, посвящённые исследованиям в области обучения с подкреплением.

    Пользователи, столкнувшиеся с проблемой, сообщили TechCrunch, что они использовали Grok Lite и заметили неполадки уже в среду утром. TechCrunch не смог воспроизвести проблему при собственном тестировании, и, вероятно, она затрагивает лишь небольшую часть пользователей. xAI не ответила на запрос о комментарии.

    Тем не менее, многие пользователи Grok оказались в замешательстве. Сообщество чат-бота в Reddit было переполнено жалобами. Обновление сеанса часто восстанавливает нормальную работу, но некоторые пользователи сообщили, что бессвязные ответы продолжались даже после нескольких обновлений.

    Ошибка, по-видимому, ограничена прямыми запросами на Grok.com. Аккаунт Grok в X.com не пострадал.

    В ответ на жалобы пользователей аккаунт Grok подтвердил наличие проблем в X:

    «Этот чистый словесный салат — редкий временный сбой генерации. Официальный статус на https://status.x.ai показывает, что все службы Grok полностью работоспособны, без инцидентов. Начните новый чат или регенерируйте — обычно это сразу проходит. Извините за бессмыслицу», — написал аккаунт в четверг утром.

    В мае издание The Information сообщило, что в xAI в последние месяцы наблюдается значительная текучка кадров: компания потеряла большую часть своей команды основателей, а также не менее 50 исследователей и инженеров. В июле компания выпустила свою последнюю базовую модель, описав её как «модель класса Opus, но более быструю, эффективную по токенам и дешёвую».

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com

  • Linkdaze: умный календарь для всей семьи без подписки

    Linkdaze: умный календарь для всей семьи без подписки

    С приближением (или уже наступлением в некоторых местах) сезона возвращения в школу отслеживание графиков всех может стать довольно хаотичным. Между работой, учёбой, встречами, спортом, домашними делами и всем остальным, обычный бумажный календарь просто не подходит. Вот тут-то и приходит на помощь умный цифровой календарь Linkdaze — планшет с сенсорным экраном, созданный специально для организации быта семьи, а не одного человека.

    Одним из самых больших преимуществ Linkdaze является его совместимость с календарями. Система может синхронизировать календари из популярных сервисов, включая Google, iCloud, Outlook, Yahoo и Cozi, которое является специализированным приложением для организации семьи. Это особенно полезно для семей, где разные члены используют разные платформы. Вместо того, чтобы просить всех перейти на одно приложение-календарь, Linkdaze объединяет несколько расписаний и использует цветовое кодирование, чтобы облегчить идентификацию отдельных членов семьи.

    Запущенный в декабре прошлого года, Linkdaze доступен в моделях с диагональю 15,6 дюйма и 10,1 дюйма, что даёт вам некоторую гибкость в зависимости от того, сколько у вас места на стене. Помимо календарей и встреч, вы можете использовать его для домашних дел и вознаграждений, планирования питания, списков покупок и другой организации семейного быта. Он даже может служить цифровой фоторамкой для отображения семейных фотографий.

    Изображение предоставлено: Linkdaze

    Однако самая интересная функция — это планировщик питания Linkdaze с функцией «Snap-to-Sync». Вместо того, чтобы вручную вводить всё в приложение для планирования питания, вы можете сфотографировать бумажный рецепт или школьное меню вашего ребёнка. Linkdaze превратит эту информацию в цифровой план питания и сформирует на его основе список покупок. Хотя это и не совсем новая идея, это полезная функция, которая помогает Linkdaze выделиться среди обычных цифровых календарей.

    Ещё один большой плюс заключается в том, что Linkdaze не требует ежемесячной подписки для использования своих основных функций. Это интересный выбор в категории, где регулярный доход стал стандартом. Skylight, конкурирующий бренд умных календарей, предлагает дополнительные функции через подписку стоимостью 79 долларов в месяц. Для компании, производящей аппаратное обеспечение и выходящей на переполненный рынок умных дисплеев, такое решение либо выделит её продукт, либо будет выглядеть как упущенный поток доходов.

    Linkdaze также дешевле по начальной цене: модель с диагональю 10,1 дюйма стоит 119,99 долларов по сравнению с 10-дюймовой моделью Skylight за 159,99 долларов.

    В целом, это устройство может стать практичным подарком для занятых родителей, которые пытаются держать все расписания в одном месте. Оно также может отлично подойти для студенческих квартир, где соседи по комнате могут использовать его для координации выполнения поручений, графиков учёбы, совместных приёмов пищи и других домашних обязанностей. Это также очень полезно для тех из нас, кто совмещает интервью, дедлайны, встречи и рабочие задания.

    Читайте также другие новости на нашем сайте: Главная страница

    Источник: techcrunch.com