<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"><channel><title>Инсайты HOUNDS</title><link>https://hounds.pro/ru/insights/</link><description>О продуктах, разработке и AI</description><language>ru</language><item><title>Разбор утверждения о том, что Astra может читать и записывать веса для улучшения Qwen</title><link>https://hounds.pro/ru/insights/the-astra-can-read-and-write-weights-to-improve-qw/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/the-astra-can-read-and-write-weights-to-improve-qw/</guid><description>Анализ экспериментов с GPT-6 Astra и их ограничений в контексте улучшения моделей</description><pubDate>Wed, 04 Nov 2026 00:00:00 GMT</pubDate></item><item><title>Weight-Space Programming: как GPT-6 Astra патчит веса Qwen без градиентного спуска</title><link>https://hounds.pro/ru/insights/astra-can-read-and-write-weights-to-improve-qwen/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/astra-can-read-and-write-weights-to-improve-qwen/</guid><description>Разбор исследования Омара Хаттаба: флагманская модель GPT-6 Astra напрямую читает и точечно модифицирует 0.016% весов Qwen3.5-0.8B, устраняя циклы рассуждений и поднимая MATH-500 с 7.9% до 48.1%.</description><pubDate>Tue, 03 Nov 2026 00:00:00 GMT</pubDate></item><item><title>FinOps для LLM: как снизить расходы на инференс в 3–5 раз без потери качества</title><link>https://hounds.pro/ru/insights/finops-dlya-llm-kak-snizit-raskhody-na-inferens/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/finops-dlya-llm-kak-snizit-raskhody-na-inferens/</guid><description>Инженерные практики сокращения счета за AI: семантическое кэширование, префиксное кэширование в API, каскадный роутинг моделей и вынос рутины на компактные SLM.</description><pubDate>Wed, 28 Oct 2026 00:00:00 GMT</pubDate></item><item><title>Почему агентные прототипы ломаются в продакшне и как строить eval-пайплайны</title><link>https://hounds.pro/ru/insights/pochemu-agentnye-prototipy-lomayutsya-v-prodakshne/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/pochemu-agentnye-prototipy-lomayutsya-v-prodakshne/</guid><description>Разница между впечатляющей демо-версией на пять запросов и отказоустойчивой системой: недетерминизм вызова инструментов, каскадные ошибки и автоматические тесты вместо ручного промптинга.</description><pubDate>Sat, 24 Oct 2026 00:00:00 GMT</pubDate></item><item><title>Открытые reasoning-модели в локальном контуре: VRAM, квантование и скрытые расходы</title><link>https://hounds.pro/ru/insights/otkrytye-reasoning-modeli-v-lokalnom-konture/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/otkrytye-reasoning-modeli-v-lokalnom-konture/</guid><description>Сколько видеопамяти требуют открытые модели с цепочками рассуждений, почему 4-битное квантование ломает логику в edge-кейсах и когда локальный инференс окупает отказ от облачных API.</description><pubDate>Tue, 20 Oct 2026 00:00:00 GMT</pubDate></item><item><title>Jev 1.14: изображения, box и длинный контекст</title><link>https://hounds.pro/ru/insights/jev-1-14-chto-izmenilos/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/jev-1-14-chto-izmenilos/</guid><description>Что появилось в Jev 1.14, какие возможности TypeSafe пока прячет за флагами Danger Zone и что проверять перед использованием в продукте.</description><pubDate>Thu, 15 Oct 2026 09:00:00 GMT</pubDate></item><item><title>Что такое Jev и зачем AI-модели отвечать без текста</title><link>https://hounds.pro/ru/insights/chto-takoe-jev/</link><guid isPermaLink="true">https://hounds.pro/ru/insights/chto-takoe-jev/</guid><description>Как Jev от TypeSafe AI выбирает варианты и возвращает вероятности, где это полезно в продукте и почему типизированный ответ ещё не гарантирует верного решения.</description><pubDate>Sat, 10 Oct 2026 00:00:00 GMT</pubDate></item></channel></rss>