📰 Новости флагманов · 26.08

📰 Новости флагманов · 26.08

• OpenAI The full stack behind abundant intelligence

OpenAI выложил пост от CFO Сары Фриар про свой «полный стек abundant intelligence». Речь про чипы, вычислительные мощности, модели и продукты, которые должны множить друг друга. По сути, компания рисует картину, где контролирует весь пайплайн — от железа до UI. Для кодеров это может обернуться более быстрым и дешёвым API, но и ещё большей привязкой к экосистеме. Звучит как мечта о светлом будущем, только будущее почему-то принадлежит одной компании.

• OpenAI Jalapeño’s first results show industry-leading speed and efficiency in AI inference

OpenAI показал первые результаты Jalapeño — собственного чипа для inference. Утверждают, что он быстрее и эффективнее по энергопотреблению, чем классические GPU. Если цифры не врут, запросы к API станут дешевле и отзывчивее. Для тех, кто юзает API, это плюс; для self-hosted энтузиастов — очередной повод завидовать. Назвали чип перцем, видимо, чтобы мы почувствовали жжение от vendor lock-in.

• Vercel Vercel applications are protected from Next.js August 2026 security vulnerabilities

Vercel сообщил, что приложения на их платформе уже защищены от уязвимостей Next.js из августовского security-релиза 2026. Дыры затронули Next.js, но хостинг Vercel пропатчил всё автоматически. Если ты деплоишь там — ничего делать не надо. Если крутишь свой сервер — беги обновляться. Ещё один аргумент в пользу Vercel: они чинят дыры, пока ты пьёшь кофе.

• Vercel Speed Insights now has a free tier

У Speed Insights от Vercel появился бесплатный тариф. Теперь можно смотреть реальную производительность от реальных юзеров без ввода карты. Для инди-проектов и маленьких команд это годная замена самописной аналитике. Подключаешь — и видишь, где у тебя тормоза. Странно, что они столько лет не давали это бесплатно, но лучше поздно, чем никогда.

• GitHub Blog How to evaluate LLMs before production

GitHub Blog опубликовал гайд, как оценивать LLM перед продакшеном. Авторы делятся опытом оценки моделей для secret scanning на реальных данных. Главный посыл: не верьте лидербордам, собирайте свои тесты под свои задачи. Это спасает от ситуации, когда модель красиво отвечает в демо, а в проде сливает секреты. GitHub внезапно напоминает: тестировать перед релизом — это нормально, а не занудство.

Кто прочитал — тот молодец. Кто задеплоил — тот бог.