Open source — September 2026

Let's push our ksun module repo further

Open Source Modules

https://github.com/KernelSU-Next/KernelSU-Next-Modules-Repo/blob/main/modules.json

Closed source modules

https://github.com/KernelSU-Next/KernelSU-Next-Modules-Repo/blob/main/non_free_modules.json

Meta modules (OSS)

https://github.com/KernelSU-Next/KernelSU-Next-Modules-Repo/blob/main/meta_modules.json

Add your modules or modules you like and want it in the repo for easy installation

Make sure the modules have a release cycle as a zip

You can also attach your module banner

Also don't be worried about publishing it in ksun repo, i won't outright flag it and block it lol, if its AI made then the worst it can get is low risk flag which allowed to install

Яндекс выложил в опенсорс модель быстрых ответов в Поиске

Яндекс открыл Alice AI-T5-35B-A0.6B - обученную с нуля собственную модель, на которой работают быстрые ответы Алисы в Поиске. Веса лежат на Hugging Face, а детали есть на Хабре. Вообще, компактных моделей, которые реально стоят под высокой "боевой" нагрузкой, в опенсорсе не так уж много, поэтому стоит глянуть детальнее.

Контекст такой: поиск - это наверное, самый массовый генеративный продукт вообще. В пике идут сотни тысяч (если не миллионы) запросов в минуту, и на каждый надо за пару секунд найти источники и документы/артефакты, вытащить из них полезное, фильтрануть мусор и собрать ответ. Большую LLM на такой поток не поставишь - долго и дорого, а тут вся конструкция заточена на скорость. Поэтому Яндекс сделал многоуровневую штуку:

Сначала небольшая BERT-подобная модель (это тип нейросетки, которая не генерит текст, а только читает и понимает его) на 80 млн параметров вырезает из найденных документов только нужные куски. Её обучили на 4 трлн токенов, а потом через RL (та самая, "дрессировка с подкреплением") научили оставлять минимум контекста - именно столько, сколько нужно генератору. Это делает вход короче, а пропускная способность увеличивается примерно на 40% без видимой потери качества.

Сам генератор - гибрид по типу Encoder-Decoder (хорошо переваривает длинный поисковый контекст), скрещённый с разреженным MoE, Mixture of Experts. MoE - это когда вместо одной большой нейросети, которая целиком обрабатывает каждое слово, несколько "маленьких подсетей-экспертов". А специальный маршрутизатор на каждом слове решает, каких из них подтянуть к ответу.

В этой модели 35 млрд параметров, но на каждом токене включается только 600 млн - менее 2%. В итоге получается, что по объёму знаний - как большая модель, а цена инференса - как у маленькой.

При масштабировании у команды коллапсировал роутинг в encoder-части. Проще говоря, в начале обучения какой-то "эксперт" случайно оказался чуть лучше, роутер стал отправлять к нему больше токенов, он от этого стал ещё лучше, роутер отправлял ещё чаще к нему, и получалась петля. Решили переходом на aux-free routing из DeepSeek-V3.

Но, наверно, самое необычное ("unfair advantage"), что модель дообучают не только на офлайн-разметке, но и на поведении реальных юзеров: сколько человек читал ответ, хватило ли ему, или он пошёл искать дальше. Из этих сигналов собрали реворд-модель (отдельную нейросеть, которая не пишет ответы, а оценивает их - условно "хорошо/плохо") и тоже засунули её в RL. В итоге модель научилась угадывать интент юзера: типа, на "баллы ЕГЭ английский" сразу выдаёт шкалу баллов, а не лекцию про устройство экзамена.

По бенчам: после одинакового элаймента Alice AI выигрывает 77% сравнений у Qwen 3.5 2B и 69% у T5 Gemma 2 4B. Более тяжёлой Qwen 3.5 35B-A3B уступает (44% побед), но заметно дешевле в инференсе. А продовая версия взяла 56,7% побед у Google AI Overview в слепом сравнении и дала статистически значимый рост числа сессий на пользователя.

Команду поздравляю, штука реально добротная получилась, судя по результатам. А главный вывод лично для меня - что всё больше веса приобретает обвязка вокруг самой модели. Поиск, экстрактор контекста, быстрая инфра (новомодный харнесс, короче) и главное - миллионы живых запросов с реальными поведенческими сигналами, на которых можно видеть суть запроса и попадать в интент. Причём это работает тоже как петля: чем больше людей пользуется поиском, тем лучше модель, тем больше людей пользуется, ... . Такой набор есть буквально у нескольких компаний в мире.

Дизраптор

Сегодня мы опенсорсим модель, результатом работы которой пользуются 49,5 млн пользователей ежемесячно

Наша компактная языковая модель, обученная с нуля, формирует быстрые ответы Алисы AI под поисковой строкой. Артур Петросян, Назар Погосский, Никита Семёнов, Антон Викторов и Дима Калашников разобрали на Хабре, как она устроена и как её обучали. Ниже коротко о главном.

AliceAI-T5-35B-A0.6B — Encoder–Decoder с 34,35B параметров и разреженными MoE-слоями: в каждом для токена выбираются восемь экспертов из 512. Архитектуру подбирали под поисковый сценарий — обработать найденные документы и быстро сформировать ответ. Претрейн шёл на 15 триллионах токенов на задаче UL2-денойзинга. Затем контекст растянули с восьми до 128 тысяч токенов через YaRN. Как итог претрейна: после одинаковой процедуры алаймента — у AliceAI-T5-35B-A0.6B-Base 77% винрейта против Qwen3.5-2B в слепом SbS.

Отдельный сюжет — балансировка MoE. При масштабировании обучения балансировка со вспомогательным лоссом оказалась нестабильной: роутинг в энкодере коллапсировал. Переход на aux-free routing из DeepSeek-V3 решил проблему.

В поисковом пайплайне BERT-подобный экстрактор на 80 млн параметров сокращает документы до полезных для генератора фрагментов. Для его дообучения алгоритм на основе Cross-Entropy RL подбирает варианты контекста с учётом качества ответа и штрафа за длину. Сокращение контекста дало около +40% к пропускной способности без потери качества в наших экспериментах. Для продуктовой версии — SFT на ответах, отобранных через Rejection Sampling или улучшенных через Critique & Revision; затем RLHF на GSPO. Пользовательские сигналы тоже идут в обучение: отдельная reward-модель предсказывает Профицит и даёт один из сигналов для RLHF.

У итоговой модели в онлайн-эксперименте винрейт 56,7% против Google AI Overview. Приглашаем пощупать модель, почитать статью и поделиться впечатлениями в комментариях!

ML Underhood

#BreakingNews from #Nasa: "NASA, IBM Launch AI Foundation Model for Lunar Science" NASA is bringing artificial intelligence to the study of the Moon, helping researchers transform how they analyze the Moon’s surface. In an ongoing collaboration with IBM Research and several academic institutions, NASA has launched the NASA-IBM Lunar Foundation Model, among the first open-source AI models built specifically for lunar science. The model, trained primarily on […] [September 10, 2026 at 02:00AM] Read more here: https://science.nasa.gov/science-research/artificial-intelligence-lunar-foundation-model/

📰 Boletim Avenue no Telegram - notícias desta sexta-feira, 11/09:

Autoridades do BCE abrem porta para mais aumentos de juros por risco relacionado à energia

Aperto no mercado de petróleo em 2026 aumentará com atraso na retomada dos fluxos do Golfo, diz IEA

Liquidação de títulos globais mantém rendimento e 10 anos dos EUA perto de 5% por temores sobre petróleo e juros

EUA impõem novas sanções a redes que auxiliam aliados do Irã no Oriente Médio

Избранные доклады на ZeroNights 😑

Наступила осень, традиционное время для ZN. Вчера вышла программа.

Вы знаете мою любовь к технологиям, помогающим ревёрсить опенсорсную малварь) Поэтому неудивительно, что избранные доклады собрались на SecOps-треке.

Я однозначно послушаю:

10:30 / SecOps Track Научить модель чувствовать спам: путь от идеи до рабочего классификатора

12:00 / SecOps Track APT vs GNN AI (графовые нейросети): кто кого?

14:30 / SecOps Track От фаззинга до LLM-агентов: как мы ищем баги в Яндекс Браузере

—

Ну и обязательно доклад на хайповую тему:

11:15 / Heap Stage Слежка за ноль рублей: Эксплуатация рекламных API мобильных операторов

@disasm_me_ch

25 ans après des doutes persistent

#rappel 9/11 - Attentat ou psyop !?!

💥 Le 11 septembre 2001 l'Amérique de Bush vivait une tragédie avec l'effondrement des tours du World Trade Center !

Si la version officielle nous fait le narratif que 19 terroristes arabes en sont les auteurs, 24 ans après nous sommes en droit de douter.

‼️Regardez ces vidéos de décryptage de K-J, ingénieur français en physique-chimie, qui nous rapporte les travaux de Judy Wood et forgez vous votre idée sur ce sujet. A la fin on y croit ou pas, mais vous aurez eu tous les détails sur la table.

Partie 1 : la démolition controlée sur le grill ➡️ https://youtu.be/SAUTcOsuNjk

Partie 2 : la signature d'une technologie spéciale ➡️ https://youtu.be/l_x51x0SNsc

Partie 3 : débunkage et Q/R ➡️ https://youtu.be/vig2dqCIEsY

Partie 4 : sur les sites du Pentagone et Shankville ➡️ https://youtu.be/GMcdgcY0SWY

Partie 5 : les avions sur le site du WTC ➡️ https://youtu.be/qRCEZ6l9mVk

📌Le site internet de Judy Wood avec les sources : https://www.drjudywood.com/wp/

Налог за зоопарк

Замечали, что в почти в любом чате, где обсуждают эйай, добрая половина сообщений - не про сами модели, а про доступ к ним. А даже если сначала обсуждают модели, то всё равно рано или поздно скатятся к доступу. Какая карта прошла в OpenAI, кому заблокировали Клод, как норм работать в Gemini, где взять ключ от Qwen и т.д.

Моделей стало столько, что у нормальной команды образуется целый зоопарк: пять провайдеров, пять биллингов, пять ключей и один замученный человек, который всё это разгребает.

Многие думают, что главный вопрос в ИИ - "какая модель лучше". Но для бизнеса вопрос другой: "сколько стоит до неё дотянуться, а потом переключиться на соседнюю?" Это конкретные деньги, а не эфемерное "лучше" или "умнее". Модели меняются местами в рейтингах каждый месяц, а интеграция, платёжный костыль и человек-разгребатель остаются.

Есть и другой путь - арендовать GPU и поднять опенсорс самим. Считается "взрослым" решением, но там тоже своя ловушка: железо стоит денег круглые сутки, а запросы приходят рвано. Получается, днём очередь, а ночью видеокарты воздух греют. Это тоже создаёт лишние косты и точит юнит-экономики.

Я это называю налогом на зоопарк: всё, что вы платите не за интеллект модели, а за право до него добраться и нормально им воспользоваться.

Теперь к сути. Рег.облако запустил ИИ-платформу, которая этот налог убирает. Механика такая. Один OpenAI-compatible API (то бишь, запросы принимаются в том же формате, что и в API самого OpenAI) и один Sandbox UI в браузере - на три десятка с лишним моделей: Claude, GPT, Gemini, Grok, Qwen, DeepSeek, Mistral, Kimi, GLM и далее по списку.

Платите только за токены - входящие, исходящие, кэшированные - и никакой аренды GPU и платы за простой. Ничего не отваливается, и без платёжных танцев с бубном (оплата из ЛК Рег.облака обычной рос картой).

А если нагрузка большая и стабильная, то там же можно взять выделенные мощности под vLLM (virual LLM - опенсорсный движок для запуска языковых моделей на своих GPU) и платить за железо.

По сути, это как эквайринг для ИИ, который позволяет не договариваться с каждым банком отдельно, а ставить один терминал, берущий любые карты, куары и всё остальное.

В общем, если команда тратит на доступ к моделям больше времени, чем на сами модели - попробуйте Рег.облако.

Реклама. ООО «Регистратор доменных имен РЕГ.РУ». ИНН 7733568767 erid: 2Vtzqve3nbW

🕵️‍♂️ Signal & Shadow: A complete OSINT architecture built in the open

Most OSINT resources online are scattered blog posts or abandoned tool lists. Signal & Shadow, created by Derek Bowler, takes a different approach: it treats open-source intelligence as a full investigative discipline, with structured methodology, verified reporting and a reference library that covers nearly every investigative domain you can think of.

📡 The Signal: Verified dispatches with real findings

The heart of the project is The Signal, an investigative newsletter with a published verification standard behind it. A recent example shows the depth of its work: France 24 geolocated a contested wedding-strike site in Iran, and the analysis measures a 135-metre gap between the strike location and its likely target, a discrepancy that CENTCOM's own statement leaves unaddressed. This is not opinion; it is geolocation, measurement and corroboration applied to contested footage, the kind of analysis often reserved for state agencies.

📚 The OSINT Card Library: Pick the card that matches your problem

The reference card library is organized by domain rather than alphabetically, which mirrors how real investigators work. Each card maps to a real investigative question across domains including Maritime, Aviation, SOCMINT, Financial Intelligence, Geospatial & Satellite, TELCO, Dark Web, Legal & Court Records, Corporate Intelligence, HUMINT, MEDINT, OPSEC and Geopolitical Risk. Practical examples show how deep it goes: one card cross-references Global Forest Watch loss alerts against IBAMA fines and Trase data to attribute illegal deforestation to named landowners and exporters.

🟠 Methodology, AI and hands-on tools, not just theory

Beyond the cards, the site offers step-by-step OSINT guides, methodology frameworks, and tutorials on AI techniques for investigations, plus integrated capstones such as verifying crisis footage end-to-end using geolocation, chronolocation, source verification and satellite corroboration in a single workflow. There is also a practical toolkit: an Admiralty Grader for source reliability, a Chronolocation Calculator, a Geolocation Verifier, a Hash Generator, and an OSINT Source Index. Free tier access gets you started, while the full archive unlocks everything.

🛡 How to apply this safely yourself

Anyone doing OSINT, even passively reading, should protect their footprint. Use browser isolation (a dedicated profile or virtual machine), connect through a reputable VPN, and never log into personal accounts from the same session used for research. Prefer services with strong privacy policies, avoid clicking raw links to unknown sites, keep signed copies (hashes) of evidence you collect, and always verify a source's provenance before sharing its claims.

🌐 Check the official website

😊 If you enjoyed the article share it with your friends and follow us.

#OSINT #DigitalForensics #Investigation #OSINTEducation #Privacy

@PrivacyNotACrime 🗽 ⌨️ Chat

Eppure una parte significativa di queste uccisioni è stata compiuta da soldati usciti dal cuore del campo liberale israeliano: ufficiali dell’intelligence e dell’aviazione in servizio nelle unità più prestigiose dell’esercito.

I piloti dell’aviazione potrebbero sostenere di aver semplicemente eseguito gli ordini: di aver ricevuto un set di coordinate, sganciato la bomba e fatto ritorno a casa senza sapere cosa avessero colpito. I soldati di fanteria si difenderanno dicendo di non aver sempre saputo chi stessero colpendo, anche a causa della nebbia della guerra. Per quanto discutibili siano queste difese, non si può negare ciò che il personale dell’intelligence sapeva.

Hanno visto con i propri occhi e sentito con le proprie orecchie che le case che stavano «incriminando» erano piene di famiglie. Sapevano che le vastissime «autorizzazioni NAZA» non erano legate a obiettivi di reale valore militare. Eppure hanno svolto la loro parte nella macchina della morte, praticamente senza atti di rifiuto o di resistenza. Il film mostra com’è fatta una macchina di uccisione quando si fonda sull’idea che «a Gaza non ci sono innocenti» — o, nel linguaggio dell’intelligence, che «a Gaza non esiste NAZA». Per questo, probabilmente, scuoterà i negazionisti, chi semina il dubbio e chi ancora si sente a proprio agio nella zona grigia tra il sapere e il non voler sapere ciò che accade a 60 chilometri a sud di Tel Aviv.

Il film è andato in prima a Venezia e arriverà presto a New York, prima di essere distribuito nel mondo. Ma è rivolto anche verso l’interno, verso la società israeliana. È stato interamente girato di notte, a riflesso della profonda oscurità in cui è nato e in cui viviamo. Ma senza un onesto confronto con ciò che è accaduto nel buio, nessuno di noi potrà vedere la luce.

Yuval Abraham è un giornalista e regista di Gerusalemme. Rachel Szor è una regista e direttrice della fotografia.

Fonte :https://www.972mag.com/naza-exposing-israels-killing-machine-in-gaza/?fbclid=IwdGRjcAUQmyNjbGNrBRCbFnBkb2YBZXh0bgNhZW0CMTEAc3J0YwZhcHBfaWQMMzUwNjg1NTMxNzI4AAEeoPxjvWQPrbYwpP_COGGdkg1hvKN-Vyhjf3rV7Ov2KYD_SJ-YHlmtfFIC5ow_aem_1gMC_hFMLWRs68eqJgc1oQ

The acquisition of Nebius by Palantir represents a significant development for military AI capabilities, as reported by Alexander Kots

Palantir, a combat AI system used against Russia for five years, is moving its calculations to server farms owned by Arkady Volozh, the former head of Yandex.

Nebius, based in Amsterdam, is owned by Volozh, who left Yandex in 2022 under EU sanctions that were lifted in 2024. He secured a nearly $6 billion loan in late August to build AI server farms. Palantir's system combines satellite images, radio intercepts, and open-source data, with its key feature being the ability to track gaps in Russian air defenses after each attack.

The concern is that Volozh and his team had access to the entire Yandex ecosystem — cartography, traffic data, taxi routes, delivery information, and search queries. Kots describes this as "a working model of how Russia breathes", knowledge that does not become obsolete. He argues that Palantir's strength lies in combining civilian data layers into one military picture.

The article calls for an IT sector audit, treating movement data as strategically valuable, and implementing access controls and bans on taking such data abroad.

Very concerning

#ArnaudDevelay #policy #law #economy

⚖️ The law cannot be defeated! Subscribe to the channel, follow the main news

L'IA est-elle une bénédiction ou une malédiction pour la sécurité Open Source ? 🤖🛡️

L'intégration de l'IA dans la recherche de vulnérabilités transforme radicalement l'écosystème. Mais si les modèles génèrent des rapports de piètre qualité ("world salad") ou multiplient les faux positifs, comment les mainteneurs peuvent-ils garder le cap ?

Notre nouvel article explore les dilemmes stratégiques : de la nécessité de modéliser les menaces à la distinction cruciale entre code humain et code IA. 🌍

Êtes-vous prêt à relever ce défi ? Découvrez comment les fondations IT s'adaptent à cette nouvelle ère de la cybersécurité. 👇

#OpenSourceSecurity https://www.lemagit.fr/actualites/366650314/Vulnerabilites-lecosysteme-open-source-face-aux-dilemmes-du-tout-IA

Китай окончательно превратил ИИ в валюту

На втором канале (подписывайтесь, кстати, если ещё нет) я разбирал, как китайские телекомы начали прайсить не минуты или гигабайты, а ИИ-токены. В конце того поста я шутил - мол, теперь ждём финтехи, которые будут давать токены вместо кэшбэка. Так вот, я не шутил.

Сразу три китайских банка выпустили кредитки с токен-кэшбэками: - В июне China Merchants Bank сделал карту для разработчиков, где дают до 1,8 млрд токенов MiniMax новым держателям как велком-бонус. - Следом Shanghai Pudong Development Bank начал начислять до 3 млрд токенов на Qwen от Alibaba. - А в июле Agricultural Bank of China совместно с AmEx и Moonshot AI выкатили Kimi-карту: платите за покупки - в ответ капают токены Kimi плюс квоты на агентов и кодинг.

По механике максимально похоже на самолётные мили, но зачем лететь в какой-то город, если можно просто поболтать про него с ИИшкой?

Ещё токены активно продают на Xianyu (это местный Авито от Alibaba) - там торгуют с рук дневными доступами, месячными пакетами, дроблёными корпоративными и студенческими квотами и чем только не. Но это вообще не удивляет, барахолка есть барахолка, почему бы нет.

А вот другие два юзкейса удивляют:

Первый - токены как бонус к еде. В пекинском ресторане Jingu Yuan после порции пельмешек дают 10 юаней компьют-кредитов, а на столах лежат карточки: "Вы наелись - сходите на кассу за токенами, пусть и ваш агент подкрепится". Две точки раздают по 100+ ваучеров в день и хорошенько за счёт этого завирусились. Рядом ещё есть AGI Bar, где к напитку дают безлимит на DeepSeek V4 Flash, которая крутится локально прямо в баре на Nvidia DGX Spark.

Но второй кейс самый мощный. В Гуанчжоу в августе запустили займы под токены. То есть, ИИ-мощности принимают как залог по кредиту. Bank of China, CITIC и Bank of Guangzhou оценивают кредитоспособность ИИ-стартапа по объёму производства и потребления токенов, потому что привычных физических активов у него нет. И на основе этого принимают решение о займе.

Получается, ИИ-токены официально признаны безоговорочной ценностью - ликвидной и универсальной. С чем, в общем-то, в современном мире сложно спорить.

Почему опять Китай? Ну, потому что там токены реально дешёвые: местный опенсорс стоит минимум в 2-3 раз дешевле, чем OpenAI и Anthropic, а дневное потребление выросло со 100 млрд в начале 2024 года до 500 трлн сейчас (если я правильно посчитал, то это рост в дохрена раз). А когда единица чего-то ценного становится настолько дешёвой и массовой, что её можно раздавать хоть к пельменям - она превращается в новую антиматерию для коммерческих механик и маркетинга.

Так что, теперь просите гостей на свадьбе класть в конверты сразу токены. Родители пусть кладут пару миллиардов, братья и сёстры - по 100 миллионов, дальние родственники - по 10 лямов, а залётные гости - одну базовую подписку на агрегатор. На маркетплейсах потом не хуже сервиза улетит.

Дизраптор

🚁 PhotonFlight: дрон передаёт управление, телеметрию и AI-видео по оптоволокну

Оптоволоконные FPV-дроны для нашей аудитории уже давно не новость. В России доступны системы на одномодовом волокне 1310/1550 нм, где по линии передаются управление и видео, а катушки могут иметь длину в десятки километров.

Но ребята из проекта PhotonFlight пошли немного другим путём — и вот здесь становится интересно. 🔥

Они собрали открытый экспериментальный 8-дюймовый квадрокоптер, в котором оптика используется фактически как полноценная компьютерная сеть между дроном и землёй.

На борту:

⚙️ Matek F405 + ArduPilot 🧠 Raspberry Pi 4 👁 камера с AI-обработкой 🔌 SFP-трансивер + Ethernet-конвертер 🔋 6S LiPo 🧵 одномодовое оптоволокно

По одному двунаправленному оптическому каналу передаются сразу:

📡 MAVLink-телеметрия 🎥 видеопоток с камеры 🕹 команды оператора 🤖 данные системы AI-трекинга

То есть идея несколько отличается от привычных нам FPV-комплектов 1310/1550 нм.

В распространённых оптических FPV-модулях на нашей стороне обычно всё максимально специализировано: есть входы Video + UART, поддержка SBUS/CRSF/TTL и оптическая пара TX/RX.

Например, доступные у нас системы работают на 1310/1550 нм, весят от ~13–54 г для бортового модуля и заявляют дальность порядка 20–40 км, в зависимости от комплекта.

А в PhotonFlight между землёй и бортовым компьютером фактически построили Ethernet-сеть через SFP.

И это открывает гораздо больше возможностей.

Можно передавать не только FPV-картинку и команды управления, но и обычный IP-трафик: подключать дополнительные камеры, передавать данные нейросети, MAVLink, управлять Raspberry Pi по сети и строить более сложную автономную систему.

🤖 И они уже показали реальный полёт.

В опубликованной демонстрации PhotonFlight:

→ взлетает в Loiter; → переходит в Guided; → AI-система выполняет обнаружение и сопровождение объекта; → оператор получает видео и телеметрию; → команды с джойстика возвращаются на дрон; → аппарат снова переходит в Loiter и садится.

Авторы отдельно подчёркивают: во время демонстрации телеметрия, видео и joystick input передавались по проводному каналу.

Из беспроводных систем оставался GPS — только для определения положения аппарата.

И вот тут PhotonFlight особенно интересен как open-source конструктор.

Это не готовый промышленный FPV-комплект на 20–40 км, который можно поставить на дрон и полететь. Это скорее экспериментальная платформа, показывающая, как построить связку:

FC → MAVLink → Raspberry Pi → Ethernet → SFP → оптоволокно → наземная станция

А дальше поверх одного физического канала можно гонять практически любые цифровые данные.

💡 Поэтому я бы не называл PhotonFlight конкурентом существующим FPV-модулям 1310/1550 нм.

Скорее это следующий интересный вопрос:

что будет, если использовать оптоволокно не просто вместо радиоканала FPV, а как полноценную высокоскоростную сеть между дроном и наземным компьютером?

Особенно интересно это для компьютерного зрения и AI: тяжёлые вычисления потенциально можно переносить на мощную наземную станцию, оставляя на борту только необходимую обработку и интерфейс связи.

И самое приятное — автор выложил архитектуру и исходники в открытый доступ. 👇

🔗 PhotonFlight — GitHub: https://github.com/mervinnguyen/photonflight-fiber-optic-drone

#дроны #FPV #БПЛА #UAV #OpenSource #PhotonFlight #ArduPilot #RaspberryPi #MAVLink #оптоволокно #AI #ComputerVision

Best Open Source CVE Scanners (2026) https://vulnscanners.com/blog/open-source-cve-scanner-guide:

1. It scans what's installed — OS packages, language dependencies, container images, IaC configs — and matches versions against vulnerability databases to produce a CVE list. 2. OpenVAS (Greenbone) is the classic: a signed feed of network vulnerability tests (tens of thousands of them), a scan engine, and a heavyweight management interface. 3. That's the gap between scanning and vulnerability management, and it's why we built VulnScanners : the open-source engines — Nuclei, Nmap, ZAP — hosted, with findings parsed into severity-rated, evidence-backed results and delivered as client-ready PDF reports.

@secharvester

📖 Читаем исходники Python библиотек

Хотите стать лучше? Берите пример с лучших. Изучая open source проекты вы сможете узнать множество best practices и прокачать свои навыки.

В этот раз автор разбирает Loguru (популярная альтернатива logging), рассказывает что к чему и как делать можно, а как не стоит и почему,

https://youtu.be/g6zzZxxifAw

Siamo alla cena della document foundation gente fantastica da tutto il mondo unita per l’open source ❤️

Qua sono io con l’occhio sveglio insieme con la rappresentanza @fedimedia, e dei @devol e del prossimo digital indipendence day

Hiring for Data Science Intern (AI/ML) Job Description: We are looking for passionate and motivated Data Science Interns (AI/ML) to join our team. The ideal candidate should have a strong interest in Artificial Intelligence, Machine Learning, Data Science, and emerging AI technologies. This internship offers a unique opportunity to work on real-world AI/ML projects, conduct research, develop machine learning models, and gain hands-on experience with Large Language Models (LLMs) and modern AI tools. Key Responsibilities: ● Work on real-world Data Science, AI, and Machine Learning projects. ● Assist in developing, training, and evaluating Machine Learning models. ● Work with Python and data analysis libraries such as Pandas, NumPy, and Scikit-learn. ● Explore and experiment with Artificial Intelligence and Machine Learning technologies. ● Work with Large Language Models (LLMs) and Prompt Engineering techniques. ● Conduct research on emerging AI technologies and tools. ● Assist in data collection, preprocessing, analysis, and model development. ● Collaborate with the team to develop and improve AI-powered solutions. ● Explore areas such as Computer Vision, Generative AI, and other modern AI applications. Required Skills & Qualifications: ● Good understanding of Python programming. ● Basic understanding of Machine Learning concepts and algorithms. ● Knowledge of Artificial Intelligence fundamentals. ● Good understanding of LLMs and Prompt Engineering. ● Familiarity with AI tools such as ChatGPT, Claude, Gemini, Copilot, or similar platforms. ● Strong curiosity and interest in AI research and emerging technologies. ● Good problem-solving skills and ability to work independently as well as in a team. Preferred / Good to Have: ● Basic knowledge of Pandas, NumPy, and Scikit-learn. ● Experience using Git and GitHub. ● Exposure to Computer Vision and AI/ML projects. ● Participation in AI competitions, hackathons, or open-source projects. ● GitHub, LinkedIn, or personal portfolio showcasing projects. What You Will Gain: ● Hands-on experience with cutting-edge AI and Machine Learning technologies. ● Opportunity to work on real-world industry projects. ● Exposure to Large Language Models (LLMs) and modern AI development workflows. ● Mentorship from experienced AI professionals. ● Opportunity to learn and work with emerging AI tools and technologies. ● Internship Certificate upon successful completion. Internship Details: Location: (Remote) Duration: 3–6 Months Apply Now: Interested candidates can share their resume along with their GitHub, LinkedIn, or portfolio links (if available). To Apply / Connect: 📧 [[email protected]]

*Join Ai Jobs :* https://whatsapp.com/channel/0029VaE0DrvDZ4LgCbLKkW43

HERE ARE 10 FREE AI AGENTS THAT COULD WORK 24x7 FOR YOU.

↳ AutoGPT (175K+ stars): 🔗 http://github.com/Significant-Gravitas/AutoGPT The repo that started the entire AI agent movement. Build, deploy, and run autonomous AI agents.

↳ LangChain (137K+ stars): 🔗 http://github.com/langchain-ai/langchain The most popular framework for building LLM-powered apps, chains, and agents.

↳ Dify (136K+ stars): 🔗 http://github.com/langgenius/dify Production-ready platform to build, deploy, and manage AI agents and workflows visually.

↳ Langflow (146K+ stars): 🔗 http://github.com/langflow-ai/langflow Drag and drop visual builder for AI agents and RAG pipelines. No heavy coding required.

↳ n8n (180K+ stars): 🔗 http://github.com/n8n-io/n8n Open source workflow automation with native AI agent nodes and 400+ integrations.

↳ Open WebUI (138K+ stars): 🔗 http://github.com/open-webui/open-webui Self-hosted ChatGPT-style interface with built-in agent and RAG capabilities.

↳ MetaGPT (46K+ stars): 🔗 http://github.com/geekan/MetaGPT Multi-agent framework where agents take on roles like PM, architect, and engineer to build software together.

↳ CrewAI (30K+ stars): 🔗 http://github.com/crewAIInc/crewAI Build teams of AI agents that collaborate on complex multi-step tasks with defined roles.

↳ AutoGen (40K+ stars): 🔗 http://github.com/microsoft/autogen Microsoft's framework for building multi-agent conversational systems. Used in enterprise production.

↳ Mem0 (52K+ stars): 🔗 http://github.com/mem0ai/mem0 The memory layer for AI agents. Gives your agents persistent memory across sessions so they never start from scratch.

React ❤️ For More

📅 Событие: [AMA] 🎤 От пет-проекта к бизнесу: монетизируем self-hosted опенсорс Сегодня, 10 сентября, в 19:00 мск поговорим про старт опенсорсного пет-проекта с Евгением @Frey. Евгений работает разрабом 12 лет, создал проект Dawarich — селфхостед замену Google…

Про собесы в Google на FDE с нанимающей стороны  #google #interviews

Я тут активно собеседую в гугл на AI FDE. Мог бы написать, что сотни собесов провел, в реальности – 30. Немного расскажу про этот собес на Role Related Knowledge. В целом он на AI agentic system design, но с вкраплениями нашего любимого консалтинга.

Юзкейс описывается очень расплывчато, буквально один абзац в духе “надо сделать агентную систему, чтоб повысить продуктивность в такой-то задаче”.

Далее 3 части: - Scoping (15 мин) - MVP & system design (25 мин) - Evaluation, deployment & scalability (15 мин)

То есть в начале надо понизить энтропию, задать ключевые вопросы про проект. Тут в целом неплохо все справляются, хотя нередко упускают ключевые вопросы – каковы критерии успеха? Сколько времени есть на разработку? И тд.

MVP & system design – предложить архитектуру, в целом не сильно отличается от классического ML сисздиза. Тут я часто вижу 2 сценария: - Cloud architect как из мема про Амазон: “фронтенд сюда, бэк такой, очередь добавим, load balancer и шардирование не забудем”. То есть в лего поиграли, а что, какая задача вообще решается? Как мы создадим драфт RFP, чтоб он был не совсем сгаллюцинированный? Кандидаты из этого кластера упускают AI engineering часть, видимо неявно полагая, что AI – магия, оно сработает само.  - Еще есть крайность, когда на любой чих тебе расписывают рой агентов: один для чтения с google drive, второй для создания имейла, третий для краулинга инета. Зачем тут целая мульти-агентная система, а не просто агент с набором тулов – не могут пояснить.

У нас в кейсе где-то есть намеки на RAG, так что в качестве технического уточняющего вопроса я часто спрашиваю, как реализовать source attribution в классическом RAG – то есть как в нужном месте сослаться на релевантный документ и нужную часть в нем. В целом база (поясни просто, какую метадату надо хранить рядом с эмбеддингами), но оказывается, если чуть копнуть, уже примерно половина кандидатов толком не может пояснить.

Наконец, часть про прод и evals – в целом довольно неплохо отвечают. Но тут тоже сразу заметно, кто реально настраивал условную телеметрию агентов, а кто про это в книжках прочитал.

Стата пока такая: 3 strong hire, 4 hire, остальные – разные формы отказа. Это при том, что как мне кажется, я максимально лояльно собеседую, еще свежи в памяти собственные заходы по собесам.

Из кеков: один товарищ предлагал взять последнюю крутейшую модель, например Gemini 1.5 Pro. Пришлось мне еще 40 минут вести собес, но уже все было понятно. А еще коллега отсобеседовал чела, все норм, оставил ревью, потом рекрутер написал, что это был бот. Еще моей коллеге кандидат уверенно заявил, что она секси, ну тоже no go.

ForteBank - AI Engineer - Astana - 5/2. Description: Developing AI services and AI agents (AI-Nur, GenBI, Voice AI, internal AI Copilots) Building backend services in Python and evolving our microservices architecture Integrating LLMs, RAG, knowledge bases, and banking systems Developing AI features for the mobile banking app and internal services Working with LangGraph, LangChain, OpenAI, Azure AI, Hugging Face, and open-source models Participating in building the bank's AI-native architecture Requirements: Proficiency in Python Experience developing production-grade services Understanding of REST/gRPC, Docker, and Kubernetes Experience with LLMs, RAG, Agentic AI, FastAPI, PostgreSQL, Redis, and Kafka Email: [email protected] More IT jobs: https://whatsapp.com/channel/0029Vb94ZpTCnA82ercZsj1X

1258 - Alkış / 28 Rebiulevvel

Bir seminer veya programda güzel ve faydalı bir konuşma yapan kişiyi takdir etmek amacıyla alkışlamakta fıkhî açıdan herhangi bir sakınca bulunmamaktadır.

📖 Kaynak: Fethu'l-İlâhi'l-Mennân, Bâğîsân, s.31-32

📰 Boletim Avenue no Telegram - notícias desta quinta-feira, 10/09:

Apple entra na corrida dos celulares dobráveis com “iPhone Duo”, no formato de passaporte

Trump diz que guerra com Irã terminará após eleições de novembro; houthis se aproximam de estreito estratégico

China vai desenvolver mercados offshore do iuan e aumentar oferta de liquidez, afirma BC

Índia sedia cúpula dos Brics enquanto guerra no Irã põe à prova unidade do bloco

Fonte: Reuters

*Conteúdo informativo e educacional, sem recomendação de investimento **Confira os avisos importantes em avenue.us/termos